The objective of this study is to evaluate the applicability of Communication, Ocean, and Meteorological Satellite (COMS) Geostationary Ocean Color Imager (GOCI) vegetation indices on a quantitative analysis. For evaluation, the vegetation indices such as RVI, NDVI and SAVI were extracted by using C...
The objective of this study is to evaluate the applicability of Communication, Ocean, and Meteorological Satellite (COMS) Geostationary Ocean Color Imager (GOCI) vegetation indices on a quantitative analysis. For evaluation, the vegetation indices such as RVI, NDVI and SAVI were extracted by using COMS GOCI and Terra Moderate Resolution Imaging Spectroradiometer (MODIS) imageries. The 4,000 points using simple random sampling (SRS) method were randomly extracted from land areas except ocean to compare the vegetation indices from two images. The results of linear regression showed that the regression coefficients of RVI, NDVI, and SAVI between COMS GOCI and Terra MODIS were 0.66~0.82, 0.71~0.83, and 0.71~0.83, respectively. Especially, the regression coefficients of RVI (r=0.85), NDVI (r=0.91) and SAVI (r=0.91) were strongly related from September 2011 to January 2012. Thus, COMS GOCI can be substituted for particular periods and it needs to verify additionally.
The objective of this study is to evaluate the applicability of Communication, Ocean, and Meteorological Satellite (COMS) Geostationary Ocean Color Imager (GOCI) vegetation indices on a quantitative analysis. For evaluation, the vegetation indices such as RVI, NDVI and SAVI were extracted by using COMS GOCI and Terra Moderate Resolution Imaging Spectroradiometer (MODIS) imageries. The 4,000 points using simple random sampling (SRS) method were randomly extracted from land areas except ocean to compare the vegetation indices from two images. The results of linear regression showed that the regression coefficients of RVI, NDVI, and SAVI between COMS GOCI and Terra MODIS were 0.66~0.82, 0.71~0.83, and 0.71~0.83, respectively. Especially, the regression coefficients of RVI (r=0.85), NDVI (r=0.91) and SAVI (r=0.91) were strongly related from September 2011 to January 2012. Thus, COMS GOCI can be substituted for particular periods and it needs to verify additionally.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 한반도의 식생 분석을 위하여 COMS GOCI의 식생지수 적용 가능성에 대해 해양을 제외한 한반도 내륙지역을 대상으로 Terra MODIS 위성의 식생지수를 비교대상으로 하여 정량적으로 평가하고자 하였다.
본 연구는 한반도의 식생 분석을 위하여 COMS GOCI의 식생 지수 적용 가능성을 Terra MODIS 식생지수를 통하여 검토하였다. 얻어진 결과를 정리하면 다음과 같다.
우리나라는 2015년까지 총 19기의 위성체, 과학로켓 및 우주발사체 개발을 주요내용으로 하는 우주개발중장기기본계획을 1996년 4월에 최초로 수립하였다. 이후 기본계획 수정 및 제도적인 보완을 통해 2015년까지 세계 10위권의 우주강국에 진입하는 목표를 세우고 있다. 1992년 우리나라 최초의 인공위성 우리별 1호를 시작으로 1993년 통신방송위성 무궁화 1호 및 다목적실용위성, 과학기술위성 등 다양한 목적의 인공위성 발사에 성공하여 본격적으로 우주개발에 착수하였다.
제안 방법
Points에는 주로 헤더 정보 및 자료처리에 필요한 옵션 정보가 저장되어 있으며, Grids에는 실제 위성관측정보인 pixel data 및 분석자료 정보가 밴드별/product별 2차원 grid 형태로 저장된다. GOCI 영상은 GOCI 이용자들을 위한 표준처리 소프트웨어인 GDPS 프로그램을 이용하여 Import 하였다. Import한 영상은 동일 좌표체계로 맞추기 위해 UTM (Universal Transverse Mercator) 좌표체계로 변환하고 기하보정을 실시하여 위도(123.
GOCI 영상은 GOCI 이용자들을 위한 표준처리 소프트웨어인 GDPS 프로그램을 이용하여 Import 하였다. Import한 영상은 동일 좌표체계로 맞추기 위해 UTM (Universal Transverse Mercator) 좌표체계로 변환하고 기하보정을 실시하여 위도(123.23E~130.78E), 경도 (33.55N~41.32N)로 통일하였다. 식생지수 추출은 근적외선과 적색 파장을 이용하기 때문에 해상도가 250×250 m인 MODIS 영상의 Band 1과 Band 2번을 GOCI 영상의 해상도와 같은 500×500 m으로 변환하였다.
두 영상간의 식생 모니터링 적용성 평가를 위해 MODIS 영상의 공간해상도를 500×500 m로 변환하여 GOCI 영상과 동일한 화소수를 갖도록 하였다. RVI, NDVI 및 SAVI는 해양을 제외한 내륙지역을 대상으로 각 일자별로 ArcGIS의 Generate Random Points의 단순임의추출법 (Simple Random Sampling)을 통해 4,000개의 비교점을 추출하였다. 또한 2011년 9월부터 2012년 1월까지 수집한 6개 영상의 비교점 24,000개 (4,000점×6개)를 대상으로 COMS GOCI 영상의 식생 모니터링 적용성을 평가하였다.
Bias는 비교 값과 기준 값의 차이를 평균한 값으로 Bias가 양이면 과대평가를 의미하며 음이면 과소평가를 의미하고 0에 가까울수록 비교 값과 기준 값이 서로 유사하다는 것을 의미한다. 그러나 Bias는 평방근이 없어 계산이 편리하지만 정 (+) 오차와 부(-) 오차들이 서로 상쇄됨으로써 실제 적합도를 제대로 반영할 수 없다는 단점을 가지고 있어 MAE를 사용하여 문제점을 보완하였다.
평균오차 (Bias; mean error), 평균제곱근오차 (RMSE; Root Mean Square Error), 평균절대오차 (MAE; Mean Absolute Error)는 일반적으로 모형 예측에 따른 관측 값과의 오차 검증을 위해 사용된다. 그러나 본 연구에서는 COMS GOCI 식생지수의 비교 값과 Terra MODIS 식생지수 기준 값과의 오차 검증을 위해 사용하였다. 여기서 RMSE는 기준 값과 비교 값의 차이 크기를 나타낸다.
두 영상간의 식생 모니터링 적용성 평가를 위해 MODIS 영상의 공간해상도를 500×500 m로 변환하여 GOCI 영상과 동일한 화소수를 갖도록 하였다.
2001). 따라서 영상은 USGS에서 제공하는 MRT 프로그램을 이용하여 MODIS 영상을 Import하고 기하보정 및 영상집성의 전처리 과정을 실시하였다. COMS GOCI 영상은 HE5 포맷으로 HDF-EOS5의 파일 확장자명을 사용하며, Level 1B와 Level 2자료로 활용되고 있다.
또한 2011년 9월부터 2012년 1월까지 수집한 6개 영상의 비교점 24,000개 (4,000점×6개)를 대상으로 COMS GOCI 영상의 식생 모니터링 적용성을 평가하였다.
본 연구에서는 2011년 9월 22일, 10월 4일, 10월 7일, 11월 21일, 12월 23일, 2012년 1월 30일의 MODIS 영상과 GOCI 영상의 근적외선과 적색 파장을 이용하여 RVI, NDVI 및 SAVI 의 3가지 식생지수를 평가하였다. 식생지수는 식생이 활발한 6월부터 9월 영상이 현장 적용 가능성 평가에 적합하다고 판단 되지만 이 시기 영상은 구름 등의 노이즈로 인해 깨끗한 영상 취득이 어려워 비교 대상에서 제외하였다.
식생지수 추출은 근적외선과 적색 파장을 이용하기 때문에 해상도가 250×250 m인 MODIS 영상의 Band 1과 Band 2번을 GOCI 영상의 해상도와 같은 500×500 m으로 변환하였다.
Terra MODIS영상은 식생지수를 구하기 위하여 USGS의 LP DAAC (Land Processes Distributed Active Archive Center)에서 MOD 09 (Surface Reflectance) 영상을 다운받아 사용하였다. 영상수집은 한반도 지역 (위도 103.97E~155.53E, 경도 30.0N~50.0N)에 해당되는 h27v04, h27v05 및 h28v05 영상을 다운받아 USGS에서 제공하는 MRT (MODIS Reprojection Tool) 프로그램을 이용하여 기하보정 및 영상집성의 전처리 과정을 실시하였다.
대상 데이터
by CDOM), TSS (Suspended Solid Particles), CHL (ChlorophyII-a)의 19개 2차 산출물의 Level 2 자료이다. COMS GOCI영상은 식생지수를 구하기 위하여 위도 (113.4E~146.6E), 경도 (24.75N~47.25N)지점에 대해 MODIS 영상과 동일 촬영 일자의 영상 Level 1B 자료를 다운받아 사용하였다. COMS GOCI 영상의 전처리는 해양위성센터에서 제공하는 GDPS (GOCI Data Processing System) 프로그램을 이용하였다.
Terra MODIS 센서의 밴드별 데이터는 전처리 과정과 보정 및 수정 과정을 거쳐 다양한 형태로 제공되고 있다. Terra MODIS영상은 식생지수를 구하기 위하여 USGS의 LP DAAC (Land Processes Distributed Active Archive Center)에서 MOD 09 (Surface Reflectance) 영상을 다운받아 사용하였다. 영상수집은 한반도 지역 (위도 103.
또한, 0.4∼3.0 μm 파장영역 20개 밴드와 3.0∼14.4μm 파장영역 16개 밴드로 총 36개 밴드 자료가 획득된다.
영상자료는 2011년 9월 2일부터 해양위성센터 홈페이지를 통해 2011년 4월 1일 영상부터 전처리 후 DB를 구축하여 제공하고 있다. 제공 영상은 기하 보정된 Level 1B와 밴드별 Lw (Water Leaving Radiance) 및 nLw (Normalized Lw)와 CDOM (AbsCorff.
영상자료는 2011년 9월 2일부터 해양위성센터 홈페이지를 통해 2011년 4월 1일 영상부터 전처리 후 DB를 구축하여 제공하고 있다. 제공 영상은 기하 보정된 Level 1B와 밴드별 Lw (Water Leaving Radiance) 및 nLw (Normalized Lw)와 CDOM (AbsCorff. by CDOM), TSS (Suspended Solid Particles), CHL (ChlorophyII-a)의 19개 2차 산출물의 Level 2 자료이다. COMS GOCI영상은 식생지수를 구하기 위하여 위도 (113.
데이터처리
COMS GOCI와 Terra MODIS 식생지수의 상관성 검토는 비교 값과 기준 값의 관련성을 구하기 위해 피어슨 상관계수를 사용하였다. 상관분석 결과 일별 RVI의 상관계수 (r)는 0.
4, 5와 같이 정의 상관성을 보였다. 그림과 같이 COMS GOCI와 Terra MODIS의 식생지수는 높은 상관성을 가지므로 영상간의 차이를 파악하기 위하여 선형회귀분석을 실시하였다. 그 결과 많은 지점에도 불구하고 COMS GOCI와 Terra MODIS 식생지수의 상호관계는 다음 식으로 높은 상관성을 보였다.
또한 2011년 9월부터 2012년 1월까지 수집한 6개 영상의 비교점 24,000개 (4,000점×6개)를 대상으로 COMS GOCI 영상의 식생 모니터링 적용성을 평가하였다. 통계분석은 SPSS 19를 사용하였다.
이론/모형
25N)지점에 대해 MODIS 영상과 동일 촬영 일자의 영상 Level 1B 자료를 다운받아 사용하였다. COMS GOCI 영상의 전처리는 해양위성센터에서 제공하는 GDPS (GOCI Data Processing System) 프로그램을 이용하였다. Table 1은 COMS GOCI와 Terra MODIS영상의 밴드별 파장 특징을 비교하여 제시하였다.
성능/효과
1. COMS GOCI와 Terra MODIS 식생지수의 변동특성은 9월에 높은 값을 가지며 1월까지 점차 낮아지는 경향을 보여 기존 연구결과와 동일한 경향을 보였다.
2. COMS GOCI와 Terra MODIS 식생지수 상관분석 결과, RVI, NDVI, SAVI의 상관계수는 각각 0.66~0.82, 0.71~0.83, 0.71~0.83으로 높은 상관성을 보였다. 2011년 9월부터 2012년 1월까지 전 영상에서 RVI의 상관계수는 0.
GOCI 식생지수를 비교 값, MODIS 식생지수를 기준 값으로 하여 오차 검증한 결과 Table 3과 같이 분석되었다. 2011년 9월부터 2012년 1월까지 전 영상에 대한 COMS GOCI 식생지수와 Terra MODIS의 오차 검증 결과, RVI는 RMSE=1.82, Bias =-0.35, MAE=1.07로 나타났으며, NDVI는 RMSE=0.09, Bias=-0.01, MAE=0.07이었고, SAVI는 RMSE=0.14, Bias =-0.02, MAE=0.10으로 나타났다. 세 가지 식생지수 검토 결과 NDVI는 서로 유사한 경향을 보여 오차가 가장 적은 것으로 확인되었다.
83으로 높은 상관성을 보였다. 2011년 9월부터 2012년 1월까지 전 영상에서 RVI의 상관계수는 0.85, NDVI는 0.91, SAVI는 0.91로 높은 상관관계를 나타냈다. 또한 모든 상관계수는 1 % 유의수준에서 유의한 것으로 나타났다.
일별 RVI는 COMS GOCI 영상에서 차이는 크지 않으나 약간 낮게 평가되는 경향을 보였으며, NDVI와 SAVI는 약간 높게 평가되는 경향을 나타냈다. 2011년 9월부터 2012년 1월까지 전 영상의 COMS GOCI와 Terra MODIS 식생지수는 Table 3과 Fig. 5와 같이 기울기 0.95~1.01, 절편 -0.05~-0.30으로 1대 1에 대응하는 (y=x) 높은 상관성이 확인되었다. 세 개 식생지수에서 큰 차이는 없으나 이 중 NDVI가 다른 식생지수에 비해 상관성이 약간 높았으며 오차는 적은 것으로 파악되었다.
3. 2011년 9월부터 2012년 1월까지 전 영상의 회귀분석 결과, 기울기는 0.95~1.01, 절편은 -0.05~-0.30으로 1대 1에 대응하는 (y=x) 높은 상관성이 확인되었다.
4. 2011년 9월부터 2012년 1월까지 영상에서 COMS GOCI와 Terra MODIS 식생지수의 오차 검증 결과, RVI는 RMSE=1.82, Bias=-0.35, MAE=1.07이었으며, NDVI는 RMSE=0.09, Bias=-0.01, MAE=0.07이었고, SAVI는 RMSE=0.14, Bias =-0.02, MAE=0.10으로 NDVI의 오차가 가장 적었다. 다른 식생지수도 오차가 적어 Terra MODIS 등을 대신할 수 있는 적용 가능성이 입증되었다.
2와 같이 2011년 9월부터 2012년 1월까지 수집한 영상 전체 24,000개 (4,000점×6개) 비교점에 대한 GOCI와 MODIS 식생 지수 히스토그램도 유사한 분포 경향을 보였다. GOCI 식생지수는 MODIS 식생지수에 비해 Fig. 3과 같이 각 식생지수 차이를 좀 더 명확하게 표현해 주는 것으로 확인되었다. 특히, GOCI NDVI는 0.
그 밖의 RVI, SAVI도 큰 차이를 보이지 않아 COMS GOCI와 Terra MODIS 식생지수는 서로 유사한 경향을 보였다. 따라서 COMS GOCI와 Terra MODIS 식생지수는 높은 상관관계를 가지고 있어 MODIS 및 AVHRR 등 저해상도 위성영상의 대체 자료로 적용이 가능할 것으로 판단되어 COMS GOCI 의 유효성이 검증된 것으로 판단된다. 그러나 본 연구는 구름이나 노이즈가 적은 깨끗한 영상을 대상으로 하였기 때문에 식생이 활발하거나 식생지수 활용도가 가장 높은 5월부터 9월까지의 영상 검토는 이루어지지 못하였다.
91로 높은 상관관계를 나타냈다. 또한 모든 상관계수는 1 % 유의수준에서 유의한 것으로 나타났다.
91로 높은 정의 상관관계를 보였다. 또한 모든 상관계수는 1 % 유의수준에서 유의한 것으로 분석되었다.
본 연구에서 수집한 2011년 9월부터 2012년 1월까지 전체 24,000개 (4,000점×6개) 비교점의 RVI 상관계수는 0.85, NDVI는 0.91, SAVI는 0.91로 높은 정의 상관관계를 보였다.
COMS GOCI와 Terra MODIS 식생지수의 상관성 검토는 비교 값과 기준 값의 관련성을 구하기 위해 피어슨 상관계수를 사용하였다. 상관분석 결과 일별 RVI의 상관계수 (r)는 0.66~0.82, NDVI는 0.71~0.83, SAVI는 0.71~0.83 범위의 높은 상관성을 보였다. 여기서 r은 -1≤r≤1의 범위를 가지며 r≤±0.
10으로 나타났다. 세 가지 식생지수 검토 결과 NDVI는 서로 유사한 경향을 보여 오차가 가장 적은 것으로 확인되었다. 그 밖의 RVI, SAVI도 큰 차이를 보이지 않아 COMS GOCI와 Terra MODIS 식생지수는 서로 유사한 경향을 보였다.
30으로 1대 1에 대응하는 (y=x) 높은 상관성이 확인되었다. 세 개 식생지수에서 큰 차이는 없으나 이 중 NDVI가 다른 식생지수에 비해 상관성이 약간 높았으며 오차는 적은 것으로 파악되었다.
일별 RVI는 COMS GOCI 영상에서 차이는 크지 않으나 약간 낮게 평가되는 경향을 보였으며, NDVI와 SAVI는 약간 높게 평가되는 경향을 나타냈다. 2011년 9월부터 2012년 1월까지 전 영상의 COMS GOCI와 Terra MODIS 식생지수는 Table 3과 Fig.
후속연구
이와 같이 COMS GOCI에 관한 국내 연구는 해양환경 관측 연구가 주를 이루고 있으나 육지의 식생 환경 관측에 대한 적용 가능성 연구는 거의 없는 실정이다. 그러나 COMS GOCI 영상은 해양환경 관측은 물론 육지 식생환경 관측에서도 고해상도위성영상이 갖지 못하는 주기성과 반복성이 우수하여 MODIS와 함께 활용한다면 식생의 시간적 변화추이 파악이 가능하여 작물 생산량 추정 모델개발 등에 유용하게 활용될 수 있을 것이다.
따라서 COMS GOCI와 Terra MODIS 식생지수는 높은 상관관계를 가지고 있어 MODIS 및 AVHRR 등 저해상도 위성영상의 대체 자료로 적용이 가능할 것으로 판단되어 COMS GOCI 의 유효성이 검증된 것으로 판단된다. 그러나 본 연구는 구름이나 노이즈가 적은 깨끗한 영상을 대상으로 하였기 때문에 식생이 활발하거나 식생지수 활용도가 가장 높은 5월부터 9월까지의 영상 검토는 이루어지지 못하였다. 따라서 특정시기만을 대상으로 분석한 결과로서 향후 COMS GOCI 관측 영상의 확보에 따른 시계열 분석을 통한 검증이 추가적으로 필요할 것이다.
지금까지 한반도 전체의 환경 및 식생 모니터링은 관측주기가 짧고 관측 폭이 넓어 육지와 해양의 광역현상 변화 관측에 적합한 Terra MODIS (MODerate resolution Imaging Spectroradiometer) 또는 AVHRR (Advanced Very High Resolution Radiometer) 위성 등을 통해 많은 연구들이 이루어져 왔다 (Park and Ryu, 2005). 그러나 천리안 위성의 성공적인 발사와 운용은 뛰어난 시간해상도로 한반도 주변 해양 분야뿐만 아니라 육상 환경 분석에도 유용하게 활용될 수 있을 것이다. 특히 정규화 식생지수 (Normalized Difference Vegetation Index, NDVI), 비율식생지수 (Ratio Vegetation Index, RVI) 및 토양조절식생지수 (Soil Adjusted Vegetation Index, SAVI) 등 다양한 식생지수는 모니터링 과정에서 식생의 시계열 특성 분석과 정확한 식생 분포 및 상태 파악에 유용한 정보를 제공하고 있다.
그러나 본 연구는 구름이나 노이즈가 적은 깨끗한 영상을 대상으로 하였기 때문에 식생이 활발하거나 식생지수 활용도가 가장 높은 5월부터 9월까지의 영상 검토는 이루어지지 못하였다. 따라서 특정시기만을 대상으로 분석한 결과로서 향후 COMS GOCI 관측 영상의 확보에 따른 시계열 분석을 통한 검증이 추가적으로 필요할 것이다. 또한 영상 합성 기법, 식생지수 보정 기법 및 COMS GOCI를 대상으로 한 정확도 높은 식생지수 개발 등 다양한 검토 과정을 통해 식생 모니터링에 적용할 필요가 있는 것으로 판단된다.
따라서 특정시기만을 대상으로 분석한 결과로서 향후 COMS GOCI 관측 영상의 확보에 따른 시계열 분석을 통한 검증이 추가적으로 필요할 것이다. 또한 영상 합성 기법, 식생지수 보정 기법 및 COMS GOCI를 대상으로 한 정확도 높은 식생지수 개발 등 다양한 검토 과정을 통해 식생 모니터링에 적용할 필요가 있는 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
우리나라 최초의 인공위성은 무엇인가?
이후 기본계획 수정 및 제도적인 보완을 통해 2015년까지 세계 10위권의 우주강국에 진입하는 목표를 세우고 있다. 1992년 우리나라 최초의 인공위성 우리별 1호를 시작으로 1993년 통신방송위성 무궁화 1호 및 다목적실용위성, 과학기술위성 등 다양한 목적의 인공위성 발사에 성공하여 본격적으로 우주개발에 착수하였다. 2010년에는 우리 기술로 개발한 최초의 정지궤도 위성인 천리안위성 (Geostationary Ocean Color Imager, GOCI)을 성공적으로 발사하여 통신과 해양 및 기상 관측 (Communication, Ocean and Meteorological Satellite, COMS)을 수행하고 있다.
MODIS는 몇 개의 밴드 자료를 획득할 수 있는가?
MODIS는 위성 고도 705 km, 순간시야각 ±55°, 주사 폭 2,330 km로 태양과 동주기궤도를 갖는다. 또한, 0.4∼3.0 μm 파장영역 20개 밴드와 3.0∼14.4μm 파장영역 16개 밴드로 총 36개 밴드 자료가 획득된다. Fig.
2015년 우리나라가 수립한 우주개발중장기기본계획에는 어떤 내용이 있는가?
우리나라는 2015년까지 총 19기의 위성체, 과학로켓 및 우주발사체 개발을 주요내용으로 하는 우주개발중장기기본계획을 1996년 4월에 최초로 수립하였다. 이후 기본계획 수정 및 제도적인 보완을 통해 2015년까지 세계 10위권의 우주강국에 진입하는 목표를 세우고 있다.
참고문헌 (20)
Gitelson, A. A., and Y. J. Kaufman, 1998. MODIS NDVI optimization to fit the AVHRR data series spectral consi-derations. Remote Sensing of Environment 66: 343-350.
Goetz, S. J., 1997. Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site. International Journal of Remote Sensing 18: 71-94.
Guyot, G., and X. F. Gu, 1994. Effect of radiometric corrections on NDVI determined from SPOT HRV and Landsat TM data. Remote Sensing of Environment 49: 169-180.
Hird, J. N., and G. J. McDermid, 2009. Noise reduction of NDVI time series: An empirical comparison of selected techniques. Remote Sensing of Environment 113: 248-258.
Im, J. H., H. S. Sagong, and Y. D. Kwon, 2001, Analyses on Standard Formats of Spatial Imagery Information. The Journal of GIS Association of Korea 9(1): 31-50 (in Korean).
Jin C. G., S. Y. Park, H. S. Kim, Y. S. Chun, and C. U. Choi, 2010, Comparison of High Resolution Image by Ortho Rectification Accuracy and Correlation Each Band. The Korean Society for Geo Spatial Information System 18(2): 35-45 (in Korean).
Kim, Y. M., Y. G. Byun, W. S. Song, and K. Y. Yu, 2007. A Study on Possibility of Red Tide Detection Using MODIS Data. Korea Society of Surveying, Geodesy, Photogrammetry, and Cartography : 131-134 (in Korean).
Lee, J. W., G. A. Park, H. K. Joh, K. H. Lee, S. I. Na, J. H. Park, and S. J. Kim, 2011, Analysis of Relationship between Vegetation Indices and Crop Yield using KOMPSAT (KOreaMulti-Purpose SATellite)-2 Imagery and Field Investigation Data. Journal of the Korean Sociery of Agricultural Engineers 53(3): 75-82 (in Korean).
Lee, M. S., S. J. Kim, H. S. Shin, J. K. Park, and J. H. Park, 2009. Extraction of Agricultural Land Use and Crop Growth Information using KOMPSAT-3 Resolution Satellite Image. Korean Journal of Remote Sensing 25(5): 411-421 (in Korean).
Na, S. I., J. K. Park, and J. H. Park, 2012, Development of Korean Paddy Rice Yield Prediction Model (KRPM) using Meteorological Element and MODIS NDVI. Journal of the Korean Sociery of Agricultural Engineers 54(3): 141-148 (in Korean).
Park, J. H., and K. S. Ryu, 2005, Variation Characteristics of Vegetation Index (NDVI) using AVHRR Images and Spectral Reflectance Characteristics. The Korea Society of Environmental Restoration Technology 8(2): 33-40 (in Korean).
Park, J. H., and S. I. Na, 2006, Assessment of the Ochang Plain NDVI using Improved Resolution Method from MODIS Images. The Korea Society of Environmental Restoration Technology 9(6): 1-12 (in Korean).
Park, J. K., J. H. Park, H. S. Shin, and S. I. Na, 2008, Variation Characteristics of NDVI using MODIS (Terra) Images in Korea. Proceedings of the Korean Sociery of Agricultural Engineers Conference (in Korean).
Pearson, R. L., and L. D. Miller, 1972. Remote mapping of standing crop biomass for estimation of the productivity of strong grass prairie. Proceedings of the 8th International Symposium on Remote Sensing Environment II. Pawnee National Grasslands, Colorado, Oct. 2-6. 1355-1379.
Rouse, J. W., R. H. Hans., J. A. Schell., P. W. Peering, and J. C. Harlar, 1974. Monitoring the vernal advancement of retrogradation of natural vegetation, Type III, Final Report, NASA/GSF, Greenbelt, MP,371.
Ryu, J. H. J. E. Moon, Y. B. Son, S. I. Cho, J. E. Min, C. S. Yang, Y. H. Ahn, and J. S. Shim, 2010, Prelaunch Study of Validation for the Geostationary Ocean Color Imager (GOCI). Korean Journal of Remote Sensing 26(2): 251-262 (in Korean).
Steven, M. D., T. J. Malthus, F. Baret, H. Xu, and M. J. Chopping, 2003. Intercalibration of vegetation indices from different sensor systems. Remote Sensing of Environment 88(4): 412-422.
Teillet, P. M., J. L. Kaufman, B. L. Markham, R. R. Irish, G. Fedosejevs, and J. C. Storey, 2001. Radiometric cross-calibration of the landsat-7 ETM+ and landsat-5 TM sensors based on tandem data sets. Remote Sensing of Environment 78: 39-54.
Tarnavsky, E. V., S. Garrigues, and M. E. Brown, 2008. Multiscale geostatistical analysis of AVHRR, SPOT-VGT, and MODIS global NDVI products. Remote Sensing of Environment 112: 535-549.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.