대기의 에너지를 측정하거나 지표면유출을 예측하는 기상 및 수문모델에서 지표면특성(식생피복)을 파악하는 것은 매우 중요한 요소이다. 1978년 Deardorff가 식생피복을 정량적으로 파악하기 위하여 식생피복지수(Vegetation Cover Fraction)를 제안한 후 식생피복지수에 관한 연구가 활발해졌다. 그러나 선행연구에서는 AVHRR, MODIS 그리고 KOMPSAT-2영상과 같은 고 저해상도 위성영상을 이용한 많은 연구가 있었으나, 중해상도 영상인 Landsat에 대한 연구는 미비한 실정이다. 따라서 본 연구는 Landsat OLI영상을 이용하여 식생피복지수 산정방법을 연구하였다. 정확하고 효율적인 식생피복지수 산정방법을 연구하기 위하여, 본 연구에서 제안된 방법과 선행연구방법을 비교평가 하였다. 실험결과 NDVI와 식생피복지수는 많은 연관성을 지니는 것으로 분석되었으며, 본 연구에서 제안된 방법을 이용한 식생피복지수가 특이점을 제외한 RMSE 7.3%로 전체 방법 중에서 가장 높은 정확도를 보였다.
대기의 에너지를 측정하거나 지표면유출을 예측하는 기상 및 수문모델에서 지표면특성(식생피복)을 파악하는 것은 매우 중요한 요소이다. 1978년 Deardorff가 식생피복을 정량적으로 파악하기 위하여 식생피복지수(Vegetation Cover Fraction)를 제안한 후 식생피복지수에 관한 연구가 활발해졌다. 그러나 선행연구에서는 AVHRR, MODIS 그리고 KOMPSAT-2영상과 같은 고 저해상도 위성영상을 이용한 많은 연구가 있었으나, 중해상도 영상인 Landsat에 대한 연구는 미비한 실정이다. 따라서 본 연구는 Landsat OLI영상을 이용하여 식생피복지수 산정방법을 연구하였다. 정확하고 효율적인 식생피복지수 산정방법을 연구하기 위하여, 본 연구에서 제안된 방법과 선행연구방법을 비교평가 하였다. 실험결과 NDVI와 식생피복지수는 많은 연관성을 지니는 것으로 분석되었으며, 본 연구에서 제안된 방법을 이용한 식생피복지수가 특이점을 제외한 RMSE 7.3%로 전체 방법 중에서 가장 높은 정확도를 보였다.
The Vegetation cover is a significant factor to comprehend characteristics of the ground surface for meterological and hydrological models, which measure energy in the atmosphere or predict the runoff of ground surface. Deardorff introduced vegetation cover fraction to quantitatively comprehend the ...
The Vegetation cover is a significant factor to comprehend characteristics of the ground surface for meterological and hydrological models, which measure energy in the atmosphere or predict the runoff of ground surface. Deardorff introduced vegetation cover fraction to quantitatively comprehend the vegetation cover in 1978. After Deardorff, most of previous researches were conducted on low-resolution or high-resolution images, but only few researches on Landsat that are in medium-resolution images. Therefore, this study aims to investigate a way of calculating the vegetation cover fraction by using NDVI of Landsat images, which were hardly handled previously. For accurate vegetation cover fraction, we compared the evaluated parameters from this study with past vegetation cover fraction parameters that have been calculated for using NDVI of Landsat OLI images. The result of research was shown that NDVI is quite correlated with the vegetation fraction cover in the previous researches. In fact, RMSE of vegetation cover fraction values that obtained through the suggested parameters on this study showed the highest accuracy of 7.3% among all the cases.
The Vegetation cover is a significant factor to comprehend characteristics of the ground surface for meterological and hydrological models, which measure energy in the atmosphere or predict the runoff of ground surface. Deardorff introduced vegetation cover fraction to quantitatively comprehend the vegetation cover in 1978. After Deardorff, most of previous researches were conducted on low-resolution or high-resolution images, but only few researches on Landsat that are in medium-resolution images. Therefore, this study aims to investigate a way of calculating the vegetation cover fraction by using NDVI of Landsat images, which were hardly handled previously. For accurate vegetation cover fraction, we compared the evaluated parameters from this study with past vegetation cover fraction parameters that have been calculated for using NDVI of Landsat OLI images. The result of research was shown that NDVI is quite correlated with the vegetation fraction cover in the previous researches. In fact, RMSE of vegetation cover fraction values that obtained through the suggested parameters on this study showed the highest accuracy of 7.3% among all the cases.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 국립재난안전연구원에서 SPOT5 NDVI와 MODIS영상을 이용하여 식생피복 지수를 구하는 식을 제안했지만, 수치모델에서 활용하고 있는 식생피복지수 산정방법인 GI모델에서는 LANDSAT을 이용한 식생피복지수산정에 관한 연구는 미비한 편이다. 따라서 본 연구는 Landsat OLI영상을 이용하여 본 연구에서 제안한 방법과 기존의 식생피복지수 방법과 비교하고, 이를 실제 현장데이터와 비교평가함으로써 국내 환경 모델링에 최적화된 식생피복지수 산정방법을 제안하였다.
제안 방법
기존의 매개변수 산정방법 외에 본 연구에서는 국내실험에 적합한 매개변수를 산정하기 위하여 대상지역에서 수계와 같은 비식생지역을 제외한 8,782,088개의 점을 추출한후, 이를 활용하여 클러스터분석을 수행하였다. 클러스터 분석 방법으로는 각 픽셀의 최대값과 최소값을 선택하여 전체 픽셀에 대하여 EM클러스터분석(7개의 클러스터)을 실행하였다.
본 연구에서 제안하기 위한 식생피복지수 매개변수산정과 대상지역의 최대 NDVI영상과 최소 NDVI영상을 제작하기 위하여 4월에서 12월까지 NDVI영상을 구하고, 각 영상을 최대값 합성 알고리즘을 이용하여 Fig. 5와 같은 하나의 NDVI영상으로 제작하였다.
첫 번째로 동일 지역의 다중시기에 획득된 전체 영상의 NDVI를 얻기 위하여 각 BQA영상을 이용하여 노이즈를 마스킹하여 추출하고 이후 최대값 합성 알고리즘을 이용, 하나의 NDVI값을 획득하였다. 그 결과로 얻어진 마스킹 영상과 NDVI영상은 Fig.
대상 데이터
대기보정이 끝난 위성영상의 노이즈를 제거하기 위하여 Landsat OLI에서 제공되는 BQA영상을 이용한다. QA밴드를 이용하여 노이즈를 마스킹한 영상을 추출하였고, 추출된 영상은 동일 지역의 다중시기 영상이다.
Landsat 8 OLI는 2013년 4월부터 영상을 제공하고 있어, 아직 많은 영상을 확보할 수가 없다. 따라서 매개변수를 산정하기 위한 대상지역으로 양호한 영상을 많이 확보할 수 있는 경상북도(35°25'47.82"-37°02'13.34"N, 128°02'44.77"- 130°34'30.54"E) 대구를 중심으로 90×90km를 선정하였으며, 사용 영상의 취득날짜와 구름의 상태는 Table 3과 같다. 또한 산정된 NDVI0과 NDVI∞를 이용한 식생피복지수를 비교하고자 114개의 현장데이터와 경기도 OLI 영상을 이용하였다.
54"E) 대구를 중심으로 90×90km를 선정하였으며, 사용 영상의 취득날짜와 구름의 상태는 Table 3과 같다. 또한 산정된 NDVI0과 NDVI∞를 이용한 식생피복지수를 비교하고자 114개의 현장데이터와 경기도 OLI 영상을 이용하였다. 아래 Fig.
본 연구에서 매개변수를 산정하기 위한 위성영상은 2013년 4월부터 12월에 취득된 Landsat OLI영상(WRS-2: Path 114, Row 35)이다. Landsat OLI의 특징으로는 Fig.
데이터처리
분류시 대상지 역에서 수계와 같은 비식생지역을 제외하고 특이점을 제거하기 위하여 각 중분류별 95% 신뢰구간을 이용하여 재추출하였다. 둘째, GI모델에서 사용한 클러스터분석(Gutman et al., 1997)의 정확도를 높이기 위하여 EM클러스터를 이용하여 분석을 수행하고 분석된 결과값을 조정하기 위하여 각 중분류별 포인트 수를 이용한 가중치 분석을 수행하였다(Gallo et al., 2001). 이와 같이 분석된 값을 이용하여 매개변수 삼각망을 구성하였다.
52m급 정사항공사진 9도엽을 취득할 수 있었다. 이를 활용하여 위성영상에서 114개의 테스트 필드를 선정하고 이를 항공사진에서 30×30m 그리드 격자를 생성 항공사진의 식생픽셀을 계산하고(Purevdorj et al., 1998) 이를 보완하고자 감독자의 검수에 의하여 식생피복을 구하였다. 114개의 테스트 필드는 식생피복지수를 정확하게 비교하기 위하여 경계지역을 위주로 선정하였으며, 식생피복구분이 난해한 일부 산림지역과 물이 차있는 논 지역은 제외하였다.
기존의 매개변수 산정방법 외에 본 연구에서는 국내실험에 적합한 매개변수를 산정하기 위하여 대상지역에서 수계와 같은 비식생지역을 제외한 8,782,088개의 점을 추출한후, 이를 활용하여 클러스터분석을 수행하였다. 클러스터 분석 방법으로는 각 픽셀의 최대값과 최소값을 선택하여 전체 픽셀에 대하여 EM클러스터분석(7개의 클러스터)을 실행하였다. 분석결과값을 조정하기 위하여 각 중분류별 포인트 수를 이용한 가중치 분석을 수행하였다(Gallo et al.
이론/모형
GI모델을 적용한 식생피복지수를 산정하기 위하여 국외의 경우 기존에 제안된 매개변수를 활용하거나 International Geospere-Biosphere Program(IGBP)를 이용하였고, 국내의 경우 항공사진을 이용하여 비식생지역과 식생지역을 디지타이징하여 이를 구하였다. 그러나 국외의 방법은 Table 2와 같이 매개변수 산정을 위하여 저해상도 영상을 사용하였고, 산정된 매개변수 또한 국내와 환경이 다른 지역을 대상으로 연구되었다.
, 1999). 따라서 본 연구 에서도 최대값 합성 알고리즘을 이용하여 하나의 NDVI영상을 제작하였다.
, 1996). 따라서 이를 보정하기 위한 대표적인 알고리즘으로 QUAC 또는 MODTRAN을 이용한다. MODTRAN의 결과는 QUAC의 결과보다 향상된 결과가 도출되나 MODTRAN의 경우 센서높이, 비행시간, 대상지역의 특성 등을 완벽하게 알고 있어야 한다는 제약이 있다(Agrawal et al, 1996).
본 연구에서는 Landsat OLI영상과 정밀토지피복도의 중분류지도를 이용하여 연구하였고, 흐름도는 Fig. 2와 같다.
MODTRAN의 결과는 QUAC의 결과보다 향상된 결과가 도출되나 MODTRAN의 경우 센서높이, 비행시간, 대상지역의 특성 등을 완벽하게 알고 있어야 한다는 제약이 있다(Agrawal et al, 1996). 본 연구에서는 USGS에서 제공된 특성값을 적용하여 FLAASH 대기보정을 수행하였으며, (1)식과 같다.
위에서 구해진 NDVI영상을 이용한 식생피복지수 산정은 기존의 연구에서 활용된 IGBP의 토지피복분류를 참고하여 환경부 정밀토지피복도를 사용하였다. 정밀토지피복지도를 활용한 광역적 범위의 피복 분류는 기존 연구에서 항공사진이나 위성영상을 이용하여 특정 피복분류를 추출하는 것보다 식생피복지수를 구하는데 있어 보다 효과적인 것으로 나타났다.
QA밴드를 이용하여 노이즈를 마스킹한 영상을 추출하였고, 추출된 영상은 동일 지역의 다중시기 영상이다. 이와 같이 동일 장소에 대하여 여러 시기에 촬영된 영상의 NDVI 값은 다양한 요소에 의하여 불안정한 값을 포함하므로 이를 제거하기 위하여 최대값 합성 알고리즘(Maximum Value Compositing Algorithm)을 이용한다(Xubin et al., 1999). 따라서 본 연구 에서도 최대값 합성 알고리즘을 이용하여 하나의 NDVI영상을 제작하였다.
성능/효과
둘째, 정밀토지피복도를 이용하여 연구지역의 피복을 분류하는 방법은 광범위한 지역에서의 피복분류를 실행할 경우 기존의 항공사진 혹은 위성영상을 통하여 비식생지역과 식생지역을 구분하는 방법보다 효율적이며, 논에 물이 차거나 토지이용도가 변한 부분에 대해서는 기존 정밀토지피복도를 이용하여 피복을 분류한 경우 파악을 하기가 어려운 것으로 나타났다.
셋째, 연구 대상지의 특정 지역에서는 항공사진과 비교하여 식생피복지수가 다소 높거나 낮게 나오는 지역이 있었으나 그런 지역은 기존의 연구(Kim et al., 2011)에서 나온 결과와 같이 위성 센서에서 수집되는 키 작은 식물군에 의하여 근적외선 반사치량이 적거나 나무군락의 잎에 의하여 식생피복의 양에 비하여 과다하게 산정되는 것으로 보여졌다. 하지만, 위와 같은 오차에도 불구하고 위성영상을 이용하여 얻은 식생 피복지수와 항공사진을 이용하여 얻은 식생피복지수는 높은 상관성을 가지는 것으로 판단되었다.
3으로 가장 좋은 결과를 나타내고 있다. 이와 같이 제안된 매개변수를 이용한 방법은 기존의 제안 방법보다 국내 지형에 보다 적합하게 적용하여 수치모델의 정확도를 높일 수 있을 것으로 분석되었다.
첫째, 기존의 연구에서 제안된 고정된 식생지수를 사용하는 경우보다 히스토그램을 이용한 방법(케이스3~4, 케이스 7~8)의 정확도가 10%가 높았으며, 본 연구에서 제안된 방법의 경우 GI모델 고정매개변수보다 3배 이상 정확도가 높은 것으로 나타났다.
, 2011)에서 나온 결과와 같이 위성 센서에서 수집되는 키 작은 식물군에 의하여 근적외선 반사치량이 적거나 나무군락의 잎에 의하여 식생피복의 양에 비하여 과다하게 산정되는 것으로 보여졌다. 하지만, 위와 같은 오차에도 불구하고 위성영상을 이용하여 얻은 식생 피복지수와 항공사진을 이용하여 얻은 식생피복지수는 높은 상관성을 가지는 것으로 판단되었다.
후속연구
넷째, 본 연구에서 제안된 방법을 이용하여 수치모델에 적용한다면 특정 계절에 많은 오차를 포함하는 지역을 가진 국내 환경에 맞는 정확하고 정밀한 기상 및 수문 모델링이 가능할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
잠열유량이란?
뿐만 아니라, 정확한 식생피복지수는 잠열유량(latent heat flux)을 계산하는데 있어 매우 중요한 역할을 한다. 잠열유량은 기상상태, 토양재질, 잎기공저항(leaf stomatal resistance)들과 같은 수많은 특성을 모델링 하는데 중요한 변수이며, 여러 연구결과에서 식생피복지수는 잠열유량 값에 크게 영향을 미치는 것으로 분석되었다(Gallo et al., 2001; LI et al.
식생피복지수(Vegetation Cover Fraction)의 제안 목적은?
대기의 에너지를 측정하거나 지표면유출을 예측하는 기상 및 수문모델에서 지표면특성(식생피복)을 파악하는 것은 매우 중요한 요소이다. 1978년 Deardorff가 식생피복을 정량적으로 파악하기 위하여 식생피복지수(Vegetation Cover Fraction)를 제안한 후 식생피복지수에 관한 연구가 활발해졌다. 그러나 선행연구에서는 AVHRR, MODIS 그리고 KOMPSAT-2영상과 같은 고 저해상도 위성영상을 이용한 많은 연구가 있었으나, 중해상도 영상인 Landsat에 대한 연구는 미비한 실정이다.
항공사진을 이용하여 비식생지역과 식생지역을 디지타이징하여 구현했을 때 국내와 국외를 비교하면 어떠한 특징이 있는가?
그러나 국외의 방법은 Table 2와 같이 매개변수 산정을 위하여 저해상도 영상을 사용하였고, 산정된 매개변수 또한 국내와 환경이 다른 지역을 대상으로 연구되었다. 국내의 경우 국외의 방법보다 정확한 값을 산 정할 수 있으나 대상지역을 구분하는데 있어 많은 시간과 비용이 들어 대규모 지역의 수치모델을 구성하는데 있어 어려 움이 있다.
참고문헌 (15)
Agrawal, G., and Sarup, J., (2011), Comparision of QUAC and FLAASH Atmospheric Correction Modules on EO-1 Hyperion Data of Sanchi, International Journal Of Advanved Engineering Sciences And Technologies, Vol. 4, No. 1, pp. 178-186.
Chavez, P.S. (1996), Image-Based Atmospheric Corrections-Revisited and Improved, Photogrammetric Engineering & Remote Sensing, Vol. 62, No. 9, pp. 1025-1036.
Deardorff, J.W. (1978), Efficient Prediction of Ground Surface Temperature and Moisture, With Inclusion of a Layer of Vegetation, Journal of Geophysical Research, Vol. 83, No. c4, pp. 1899-1903.
Dymond, J.R., Stephens, P.R., Newsome, P.F. and Wilde, R.H. (1992), Percent vegetation covers of a degrading rangeland from SPOT, International journal of remote sensing, 13 pp. 1999-2007.
Gallo, K.P., Tarpley, D., Mitchell, K., Csiszar, I., and Owen, T., (2001), Monthly fractional green vegetation cover associated with land cover classes of the conterminous USA, Geophysical Research Letters, Vol. 28, No. 10, pp. 2089-2092.
Gutman, G. and Ignatov, A. (1997), The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models, International journal of remote sensing, Vol. 19, No. 8, pp. 1533-1543.
Hwang, E., Shin, K., Choi, S., and Lee, J. (2005), NDVI analysis of downtown using satellite image and GSIS, The Korean Society for Geospatial Information System, 19 may, seoul, Korea, pp. 249-253.
Kim, G., Lee, J., and Jung, J., (2011), A Comparative Analysis of Field Surveying Vegetation Data and NDVI from KOMPSAT-2 Satellite Imagery, Journal Of The Korean Society Of Survey, Geodesy, Photogrammetry, And Cartography, Vol. 29, No. 4, pp. 405-411. (in Korean with English abstract)
Lee, J., Jung, J., and Lee, S., (2009), Improvement of Estimation Method on Parameters of Soil Erosion Model, National Disaster Management Institute, Seoul, 211p. (in Korean)
LI, X., CHEN, Y., SHI, P., and CHEN, J., (2003), Detecting Vegetation Fractional Coverage of Typical Steppe in Northern China Based on Multi-scale Remotely Sensed Data, Acta Botanica Sinica, Vol. 45, No. 10, pp. 1146-1156.
Purevdorj, T.S., Tateishi, R., Ishiyama, T., and Honda, Y., (1998), Relationships between percent vegetation cover and vegetation indices, International journal of remote sensing, Vol. 19, issue 18, pp. 3519-3535.
Rahmani, S., Strait, M., Merkurjev, D., Moeller, M., and Wittman T., (1997), A Comparison of Vegetation Indices over a Global Set of TM Images for EOS-MODIS, Remote Sensig of Environment, Vol. 59, issue 3, pp. 440-451.
Small, E.E. (2005), The effects of Satellite-Derived Vegetation Cover Variability on Simulated Land-Atmosphere Interactions in the NAMS, Journal of Climate, Vol. 18, pp. 21-40.
Thian, Y., and Burges, S.J., (2006), Assessment of soil-based and calibrated parameters of the Sacramento model and parameter transferability, Journal of Hydrology, Vol. 320, issues 1-2, pp. 117-131.
Xubin, Z., Dickinson, R.E., Walker, A., and Shaikh, M., (1999), Derivation and Evaluation of Global 1-km Fractional Vegetation Cover Data for Land Modeling, Journal of Applied Meteorology, Vol. 39, Issue 6, pp. 826-839
※ AI-Helper는 부적절한 답변을 할 수 있습니다.