식량수급을 이해하기 위한 농업 현황 정보가 부족한 북한을 대상으로 위성영상과 기후자료를 이용하여 객관적이고 재현 가능한 벼 수량을 추정하는 방법을 개발하는 것을 본 연구의 목적으로 하였다. 2002년부터 2014년까지의 MODIS 위성 식생지수 평균 NDVI 최대값과 27개 관측지점의 9월 강수량 자료를 이용하여 북한의 벼 수량 값을 추정하였다. 모형의 결정계수는 0.44, RMSE는 0.27 ton/ha로 다소 크게 나타났고, 분산분석결과 F비가 3.0983, 유의확률이 0.1008을 보였다. 벼논 지역의 MODIS 평균 NDVI 최대값과 등숙기의 기후자료를 이용하여 추정한 북한의 벼 수량은 2007년이 2.71 ton/ha로 가장 낮게, 2006년이 3.54 ton/ha로 가장 높게 나타났다. 통계 값과 추정 값의 산점도를 통하여 비교한 결과 벼 수량이 약 3.3 ton/ha 보다 적을 때는 모형의 추정 값이 높고 그 이상일 때는 통계 값이 더 높게 나타나는 경향이었다. 모형의 종속변수와 독립변수로 사용되는 위성영상의 품질, 단일 시기의 벼논 마스크 영상, 기상 관측지점의 수와 자료의 품질, 통계 값의 품질 등으로 벼 수량에 대한 추정 성능의 한계가 있지만 객관적 자료를 사용하여 재현 가능한 방법을 제시하였다는 의미를 가진다. 모형 구동을 위해 사용되는 자료의 품질을 높여 나가야 하는 과제를 안고 있다.
식량수급을 이해하기 위한 농업 현황 정보가 부족한 북한을 대상으로 위성영상과 기후자료를 이용하여 객관적이고 재현 가능한 벼 수량을 추정하는 방법을 개발하는 것을 본 연구의 목적으로 하였다. 2002년부터 2014년까지의 MODIS 위성 식생지수 평균 NDVI 최대값과 27개 관측지점의 9월 강수량 자료를 이용하여 북한의 벼 수량 값을 추정하였다. 모형의 결정계수는 0.44, RMSE는 0.27 ton/ha로 다소 크게 나타났고, 분산분석결과 F비가 3.0983, 유의확률이 0.1008을 보였다. 벼논 지역의 MODIS 평균 NDVI 최대값과 등숙기의 기후자료를 이용하여 추정한 북한의 벼 수량은 2007년이 2.71 ton/ha로 가장 낮게, 2006년이 3.54 ton/ha로 가장 높게 나타났다. 통계 값과 추정 값의 산점도를 통하여 비교한 결과 벼 수량이 약 3.3 ton/ha 보다 적을 때는 모형의 추정 값이 높고 그 이상일 때는 통계 값이 더 높게 나타나는 경향이었다. 모형의 종속변수와 독립변수로 사용되는 위성영상의 품질, 단일 시기의 벼논 마스크 영상, 기상 관측지점의 수와 자료의 품질, 통계 값의 품질 등으로 벼 수량에 대한 추정 성능의 한계가 있지만 객관적 자료를 사용하여 재현 가능한 방법을 제시하였다는 의미를 가진다. 모형 구동을 위해 사용되는 자료의 품질을 높여 나가야 하는 과제를 안고 있다.
Lack of agricultural information for food supply and demand in Democratic People's republic Korea(DPRK) make people sometimes confused for right and timely decision for policy support. We carried out a study to estimate paddy rice yield in DPRK using MODIS NDVI reflecting rice growth and climate dat...
Lack of agricultural information for food supply and demand in Democratic People's republic Korea(DPRK) make people sometimes confused for right and timely decision for policy support. We carried out a study to estimate paddy rice yield in DPRK using MODIS NDVI reflecting rice growth and climate data. Mean of MODIS $NDVI_{max}$ in paddy rice over the country acquired and processed from 2002 to 2014 and accumulated rainfall collected from 27 weather stations in September from 2002 to 2014 were used to estimated paddy rice yield in DPRK. Coefficient of determination of the multiple regression model was 0.44 and Root Mean Square Error(RMSE) was 0.27 ton/ha. Two-way analysis of variance resulted in 3.0983 of F ratio and 0.1008 of p value. Estimated milled rice yield showed the lowest value as 2.71 ton/ha in 2007, which was consistent with RDA rice yield statistics and the highest value as 3.54 ton/ha in 2006, which was not consistent with the statistics. Scatter plot of estimated rice yield and the rice yield statistics implied that estimated rice yield was higher when the rice yield statistics was less than 3.3 ton/ha and lower when the rice yield statistics was greater than 3.3 ton/ha. Limitation of rice yield model was due to lower quality of climate and statistics data, possible cloud contamination of time-series NDVI data, and crop mask for rice paddy, and coarse spatial resolution of MODIS satellite data. Selection of representative areas for paddy rice consisting of homogeneous pixels and utilization of satellite-based weather information can improve the input parameters for rice yield model in DPRK in the future.
Lack of agricultural information for food supply and demand in Democratic People's republic Korea(DPRK) make people sometimes confused for right and timely decision for policy support. We carried out a study to estimate paddy rice yield in DPRK using MODIS NDVI reflecting rice growth and climate data. Mean of MODIS $NDVI_{max}$ in paddy rice over the country acquired and processed from 2002 to 2014 and accumulated rainfall collected from 27 weather stations in September from 2002 to 2014 were used to estimated paddy rice yield in DPRK. Coefficient of determination of the multiple regression model was 0.44 and Root Mean Square Error(RMSE) was 0.27 ton/ha. Two-way analysis of variance resulted in 3.0983 of F ratio and 0.1008 of p value. Estimated milled rice yield showed the lowest value as 2.71 ton/ha in 2007, which was consistent with RDA rice yield statistics and the highest value as 3.54 ton/ha in 2006, which was not consistent with the statistics. Scatter plot of estimated rice yield and the rice yield statistics implied that estimated rice yield was higher when the rice yield statistics was less than 3.3 ton/ha and lower when the rice yield statistics was greater than 3.3 ton/ha. Limitation of rice yield model was due to lower quality of climate and statistics data, possible cloud contamination of time-series NDVI data, and crop mask for rice paddy, and coarse spatial resolution of MODIS satellite data. Selection of representative areas for paddy rice consisting of homogeneous pixels and utilization of satellite-based weather information can improve the input parameters for rice yield model in DPRK in the future.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 기상, 작물 생육, 토양, 농업통계 자료 등 농업 현황에 대한 정보가 부족하고 직접 방문해서 현장 조사를 해 볼 수 없는 북한을 대상으로 위성영상을 통하여 파악하는 식생지수와 기상 관측자료를 이용하여 벼 생육상황이나 수량을 추정하고 한계점을 고찰하였다. Hong et al.
본 연구에서는 위성영상을 통하여 파악하는 식생지 수와 기상 관측자료를 이용하여 우리나라의 벼 수량 추정에 적용했던 모형의 개념을 북한의 벼 생육상황이나 수량 추정에도 적용할 수 있는지 알아보고 어떠한 한계점과 개선방안이 있는지를 논하고자 하였다.
이 연구에서는 원격탐사 영상과 기후자료를 기반으로 객관적이고 재현 가능한 북한의 벼 수량 추정 방법에 대한 사례 연구를 제시하였다. 사용된 원격탐사 기반 벼 수량 추정 모형 기법은 우리나라의 경우 통계적으로 유의하였고 RMSE가 10년 평균 5% 이내로 전국 단위 작황정보 생산에 활용 가능하였다.
제안 방법
과 같이 북한의 전역에 공간적으로 고르게 분포하고 있으나 지점의 수가 우리나라에 비해 작다. 2002년부터 2014년까지 3시간 간격으로 제공되고 있는 강수량 자료를 수집하여 일별 자료를 만들고 모든 지점의 값을 산술평균하여 전국 강수량 평균값을 계산하였다.
2002년부터 2014년까지 수집한 벼논의 MODIS 평균 NDVI 최대값과 9월 강수량을 이용하여 벼 수량 추정 모형을 작성하고(Table 5) 해당 모형을 이용하여 벼 수량 예측값을 계산하였다(Table 6). 위성영상과 기후자료를 이용한 북한의 벼 수량 추정 모형의 회귀계수는 Table 4와 같고 결정계수가 0.
(2012b)이 우리나라를 대상으로 위성을 통하여 파악하는 생육량과 등숙기의 기상정보를 이용하여 만든 수량 추정 모형의 개념을 적용하였다. 2002년부터 2014년까지의 MODIS 위성 식생지수 평균 NDVI 최대값과 27개 관측지점의 9월 강수량 자료를 이용하여 북한의 벼 수량 값을 추정하였다. 모형의 결정계수는 0.
공간해상도 250 m MODIS NDVI 영상의 구름에 의한 영향 최소화 방안, 자료 품질관리에 대해 자신할 수 없는 27개 관측 지점의 기상 자료를 극복할 수 있는 위성 기반 기상자료의 도입, 매년의 재배지역을 반영하기 힘든 단 시기 벼논 재배지 마스크 영상의 한계를 보완할 수 있는 대표지점 설정, 수량 통계 값에 의존하지 않는 수량 추정 모형을 개발하는 것 등을 북한의 작황 추정을 위한 향후의 과제로 제안한다.
(2012a)이 RapidEye 영상을 기반으로 북한 전역에 대해 제작한 논 분포도를 30 m 격자형태로 변환하여 마스킹 영상으로 활용하였다. 논 마스킹 30 m 격자 영상의 중심좌표에 해당하는 MODIS 위성영상 식생지수의 값을 추출하여 벼 수량 모형 입력변수 데이터셋을 작성하였다.
54로 가장 높게 나타났다(Table 5). 농촌진흥청에서 자체적으로 발표한 벼 수량 자료와 원격탐사 모형을 이용하여 추정한 벼 수량 추정 값을 비교해보았다(Fig. 2, Fig. 3). 연도별 비교를 살펴 본 결과, 수량 통계 값이 가장 낮았던 2007년에는 추정 값도 가장 낮게 나타났으나, 벼 수량 값이 가장 높았던 해는 통계 값과 추정 값이 각각 2014년과 2006년으로 차이가 나타났었다(Fig.
2002년부터 2014년까지 제작된 MODIS 산출물을 수집하여 본 연구에서 활용하였다. 북한 지역에 해당되는 MODIS h27v4(35.34/116.35)와 h27v05(45.82/135.36)의 granule로부터 수집된 자료의 NDVI와 QC/QA 자료 항목을 추출하고, 각 granule을 영상접합(Mosaic) 한 후, Sinusoidal 투영 체계에서 UTM Zone 52N 좌표체계로 변환하였다. 또한, 보정계수(Scale factor)를 적용하여 -1에서 +1 사이의 NDVI 값으로 표현되도록 변환하여 자료분석에 사용하였다.
북한의 8월과 9월 누적 강수량과 9월 15일까지 35일 간의 누적 강수량(8월 10일을 대표 출수기로 간주)을 제작하여 최종 수량과의 상관성을 분석하였다. Table 3과 같이 등숙기의 강수량과 벼 수량은 음의 상관성을 보이고 그중 9월 강수량과 유의한 상관성을 나타내어, 등숙기의 기상요인으로써는 강수량을 북한의 벼 수량 모형 입력변수로 사용하였다.
(2009)은 북한 대부분의 지역을 매일 지 나 가 며 촬 영 하 는 MODerate resolution Imaging Spectroradiometer(MODIS) 영상 식생지수 중 하나인 Normalized Difference Vegetation Index(NDVI)를 이용하여 북한의 쌀 수량 추정 가능성을 연구한 바 있다. 북한의 벼논 지역에 대한 관심지역을 위도별로 설정하여 값을 추출하고 벼 수량과의 상관성이 가장 높은 생육단계의 NDVI 값을 이용하여 모형을 작성하고 벼 수량을 추정하였다. 벼의 생육기간 중 측정한 NDVI와 최종 벼 수량과의 상관성은 단일시기로 유수형성기, 개화기, 출수기 사이에 가장 높다는 이전의 결과를 반영하였다(Hong et al.
강원도 등 중부 산간지대, 동해안 남부지대 등 내륙지대는 조생종을 심는 것으로 알려져 있다. 이와 같이 기후특성에 따라 생태형과 품종이 다르게 혼재되어 있으므로 특정 시기의 NDVI값을 이용하는 것보다는 NDVI의 연중 최대 값을 생육변수로 사용하였다(Table 2). NDVI 연중 최대값은 벼의 유수형성기와 출수기 사이에 나타나고 벼의 최종 수량과 양의 상관성을 갖는 것으로 보고되었다(Hong et al.
대상 데이터
Hong et al.(2012a)이 RapidEye 영상을 기반으로 북한 전역에 대해 제작한 논 분포도를 30 m 격자형태로 변환하여 마스킹 영상으로 활용하였다. 논 마스킹 30 m 격자 영상의 중심좌표에 해당하는 MODIS 위성영상 식생지수의 값을 추출하여 벼 수량 모형 입력변수 데이터셋을 작성하였다.
gov). 2002년부터 2014년까지 제작된 MODIS 산출물을 수집하여 본 연구에서 활용하였다. 북한 지역에 해당되는 MODIS h27v4(35.
관측자료를 이용한 기상정보 생산을 위해서, 강수량은 기상청 국가기후데이터 센터에서 제공하고 있는 북한의 27개 관측지점 자료를 이용하였다(http://sts.kma.go.kr/). 관측되고 있는 기상요인은 최저, 최고 기온과 강수량이다.
본 연구에서는 전지구 환경모니터링을 목적으로 미국에서 발사한 Terra와 Aqua 위성에 장착되어 있는 MODIS 센서 중 Aqua MODIS로부터 수집된 육상 산출물 중 MYD13Q1(NDVI) 자료를 이용하였다. NDVI는 250m의 공간해상도로 16일 간격으로 합성된 자료가 제공된다(http://earthexploere.
북한의 벼 수량 통계자료는 농촌진흥청에서 주요 곡물에 대해 발표하는 2002년부터 2014년까지(2010년과 2011년은 자료없음)의 쌀 수량값을 수집하여 자료분석에 사용하였다(Table 1). 원격탐사 자료를 이용한 북한 전국단위 벼 수량 추정을 위해서는 Hong et al.
우리나라의 벼 수량 추정을 위해서 사용된 등숙기의 기후자료는 벼의 개화·출수 후에 낟알로 영양분이 전이·축적되고 익어가는데 중요한 역할을 하는 일사량 자료를 사용하였으나, 북한의 경우 일사량 또는 일조시간 자료가 관측되지 않고 있어 일사량과 상관성을 보이고 있는 간접변수로써 강수량 자료를 사용하였다(Hong et al., 2012b).
이론/모형
Hong et al.(2012b)이 우리나라를 대상으로 위성을 통하여 파악하는 생육량과 등숙기의 기상정보를 이용하여 만든 수량 추정 모형의 개념을 적용하였다. 2002년부터 2014년까지의 MODIS 위성 식생지수 평균 NDVI 최대값과 27개 관측지점의 9월 강수량 자료를 이용하여 북한의 벼 수량 값을 추정하였다.
또한, 보정계수(Scale factor)를 적용하여 -1에서 +1 사이의 NDVI 값으로 표현되도록 변환하여 자료분석에 사용하였다. National Aeronautics and Space Administration(NASA)에서 제공하는 MODIS 영상처리 프로그램을 토대로 농촌진흥청이 자체 개발한 MODIS 자동 전처리 프로그램을 활용해 영상 전처리 과정을 수행하였다(RDA, 2011).
성능/효과
특히 강수량 자료 중에서는 일별 강수량이 300 mm 심지어 600 mm가 넘는 지점도 있고 주변 관측 지점의 강수량 변화 양상과 다르게 강수량이 적게 기록되는 지점이 있어 자료의 품질에 대해 제고가 필요하다. 넷째, 수량 추정 회귀모형 개발에 사용한 북한 벼 수량 통계 값의 불확실성이다. 무엇보다도 발표된 자료에 대한 검증이나 평가에 활용할 수 있는 현지 조사자료가 거의 없다는 한계점이 있다.
기상관측 지점의 값을 이용하여 위성자료 기반의 기상자료에 대한 공간 상세화도 대안으로 고려할 필요가 있다. 넷째, 현재 농촌진흥청에서 발표하고 있는 수량 통계 값은 현지 표본에 의거한 조사를 기반으로 하고 있지 않기 때문에 상당한 불확실성을 가질 수 있다. 불확실한 수량 통계 값을 모형 개발에 이용하는 것 보다는 Na et al.
, 2012b). 둘째, 논 마스크 자료에서 실제 논이 아닌 지역의 자료 값이 포함되었을 수 있으며, 논 마스킹 영상과 MODIS 식생지수의 공간해상도가 다르고 영상 간 위치의 불일치가 있을 수 있어 MODIS 영상의 논 지역 NDVI 값 추출에 불확실성이 있을 수 있다. 북한의 논 필지의 평균 크기가 0.
이 연구에서는 원격탐사 영상과 기후자료를 기반으로 객관적이고 재현 가능한 북한의 벼 수량 추정 방법에 대한 사례 연구를 제시하였다. 사용된 원격탐사 기반 벼 수량 추정 모형 기법은 우리나라의 경우 통계적으로 유의하였고 RMSE가 10년 평균 5% 이내로 전국 단위 작황정보 생산에 활용 가능하였다. 모형은 입력 값으로 위성영상 기반 NDVI와 기상자료를 사용하며 예측 값으로 벼 수량 값을 사용한다.
5 ha 보다도 작다는 점도 250 m 공간해상도를 가진 NDVI 영상을 이용하는데 제한 요인이 될 수 있다. 셋째, 북한의 기상관측 지점의 수와 기상자료의 품질의 문제를 들 수 있다. 우리나라 벼 수량 추정을 위한 일사량 및 강수량 자료는 70여 개의 관측소와 500여 개의 자동기상관측자료(Automatic Weather Station, AWS)를 모두 이용했던 것에 비해 북한의 벼 수량 추정에는 전국 27개 관측 지점 자료만을 사용하여 기상관측 자료의 공간 밀도가 현저히 떨어진다.
3). 연도별 비교를 살펴 본 결과, 수량 통계 값이 가장 낮았던 2007년에는 추정 값도 가장 낮게 나타났으나, 벼 수량 값이 가장 높았던 해는 통계 값과 추정 값이 각각 2014년과 2006년으로 차이가 나타났었다(Fig. 2). 통계 값과 추정 값의 산점도를 통하여 비교해본 결과 약 3.
셋째, 북한의 기상관측 지점의 수와 기상자료의 품질의 문제를 들 수 있다. 우리나라 벼 수량 추정을 위한 일사량 및 강수량 자료는 70여 개의 관측소와 500여 개의 자동기상관측자료(Automatic Weather Station, AWS)를 모두 이용했던 것에 비해 북한의 벼 수량 추정에는 전국 27개 관측 지점 자료만을 사용하여 기상관측 자료의 공간 밀도가 현저히 떨어진다. 특히 강수량 자료 중에서는 일별 강수량이 300 mm 심지어 600 mm가 넘는 지점도 있고 주변 관측 지점의 강수량 변화 양상과 다르게 강수량이 적게 기록되는 지점이 있어 자료의 품질에 대해 제고가 필요하다.
54 ton/ha로 가장 많게 나타났다. 통계 값과 추정 값의 산 점도를 통하여 비교한 결과, 약 3.3 ton/ha 보다 벼 수량이 적을 때는 모형의 추정 값이 높고 그 이상일 때는 통계 값이 더 높게 나타나는 경향이었다.
2). 통계 값과 추정 값의 산점도를 통하여 비교해본 결과 약 3.3ton/ha보다 벼 수량이 작을 때는 모형의 추정 값이 높고 그 이상일 때는 통계 값이 더 높게 나타나는 경향이었다(Fig. 3).
후속연구
불확실한 수량 통계 값을 모형 개발에 이용하는 것 보다는 Na et al.(2013)이 사용한 CASA모형과 같이 NPP를 산정하고 이를 기반으로 수량을 추정하는 생물리 기반의 방법론의 개발이 필요하다.
공간해상도 250 m의 MODIS NDVI 영상, 자료 품질관리에 대해 자신할 수 없는 27개 관측 지점의 기상 자료, 매년의 재배지역을 반영하기 힘든 단 시기 벼논 재배지 마스크 영상, 부족한 현지 조사 자료에 기반하여 추정한 수량 통계 값을 이용하여 객관적 자료를 사용한 재현 가능한 방법론을 제시하였다는 데에 의미가 크고 모형 구동을 위해 사용되는 자료들의 품질을 높일 수 있도록 꾸준한 노력이 필요할 것으로 생각된다.
Savitzky-Golay 필터 등 평활 기법을 이용하는 방안이지만 이 방법은 때로는 작물 생육 특성에 의한 신호 정보마저 평활하게 할 수 있다는 위험도 함께 갖고 있다. 궁극적으로는 시계열 자료수집이 보장되면서도 공간해상도가 향상될 수 있는 위성 영상의 활용이 가능해야 할 것으로 생각된다. 둘째, 벼논의 마스크 영상을 이용하여 위성영상 자료 값을 추출하는 방법인데 마스크 영상 제작을 위해 사용된 영상이 취득된 해외에는 재배지역의 불일치로 인해 논이 아닌 지역이 포함될 수 있다.
천리안 기상 위성을 통해 수집되는 자료는 약 4 km의 공간 해상도로 전국에 대해 격자 형태로 자료가 얻어지고 30분~1시간 간격의 시계열 자료의 취득이 가능한 장점이 있다. 그러나 관측되고 있는 종관기상 관측 값과는 위성 기상자료는 그 특성이 다르기 때문에 토지이용별, 계절별 자료의 변동 특성을 정확히 이해해야 시공간적인 변화 양상을 작황 정보 생산에 활용할 수 있을 것으로 생각된다. 기상관측 지점의 값을 이용하여 위성자료 기반의 기상자료에 대한 공간 상세화도 대안으로 고려할 필요가 있다.
둘째, 벼논의 마스크 영상을 이용하여 위성영상 자료 값을 추출하는 방법인데 마스크 영상 제작을 위해 사용된 영상이 취득된 해외에는 재배지역의 불일치로 인해 논이 아닌 지역이 포함될 수 있다. 벼논 전체에 대한 자료 값을 추출하기 보다는 넓은 평야를 중심으로 늘 벼 재배지로 이용되는 곳을 선택하여 대표지점을 선정하고 이들 지역에 대한 자료 값만을 추출하여 사용한다면, 혼합 화소로 인한 오류를 줄일 수 있을 것으로 기대된다. 셋째, 제한적인 기상관측 지점의 수와 자료 품질의 문제를 극복하기 위해서는 위성을 통해 수집하는 강수, 지표면 온도 자료를 병행 하여 활용하는 방법이다.
원격탐사(remote sensing) 기술을 기반으로 넓은 지역을 대상으로 지표면에 대한 파장대별 반사 특성 데이터의 형태로 얻어지는 위성영상 자료를 이용한다면 보다 과학적이고 객관적인 분석을 통하여 북한 농업 현황을 파악할 수 있을 것으로 생각된다. 농업에서 원격탐사는 작물, 토양, 물, 기후를 포함하는 농경지 표면의 상태를 탐지(detect)하고 정량화(quantify) 함으로써 농경지 및 농업환경에 대한 장·단기적인 관리 방안과 정책지원 자료를 제공하는 역할을 할 수 있다(Hong et al.
북한은 공식적으로 통계자료를 발표하거나 공개하지 않기 때문에 북한에 대한 정보는 국내외 신문 또는 방송을 통해 보도되는 내용을 근거로 하여 다양한 방법으로 확인해 나가면서 사실 여부를 판단하고 있는 실정이다. 위성영상을 이용해서 직접 현장을 가지 않고도 우주에서 각종 센서를 이용하여 북한의 농업 현황을 지속적으로 모니터링 하고 필요한 정보를 수집할 수 있다면 객관적인 자료의 주기적 생산이 가능할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
벼논 지역의 위성 자료값을 추출을 위해서는 어떠한 자료 값을 추출해야 하는가?
벼논 지역의 위성 자료값을 추출하기 위해서 논이 아닌 지역을 배제하고 논 지역에 해당하는 위성 영상의 자료값을 추출해야 한다. Hong et al.
원격탐사는 농업에서 어떠한 역할을 할 수 있는가?
원격탐사(remote sensing) 기술을 기반으로 넓은 지역을 대상으로 지표면에 대한 파장대별 반사 특성 데이터의 형태로 얻어지는 위성영상 자료를 이용한다면 보다 과학적이고 객관적인 분석을 통하여 북한 농업 현황을 파악할 수 있을 것으로 생각된다. 농업에서 원격탐사는 작물, 토양, 물, 기후를 포함하는 농경지 표면의 상태를 탐지(detect)하고 정량화(quantify) 함으로써 농경지 및 농업환경에 대한 장·단기적인 관리 방안과 정책지원 자료를 제공하는 역할을 할 수 있다(Hong et al., 2004).
MODIS NDVI 영상의 품질 향상을 위한 자료 값 보정 방안의 단점은 무엇인가?
주어진 자료 범위 내에서 이와 같은 한계점을 개선할 수 있는 방안에 대해 생각해보면 첫째 MODIS NDVI 영상의 품질 향상을 위한 자료 값 보정 방안을 들수있다. Savitzky-Golay 필터 등 평활 기법을 이용하는 방안이지만 이 방법은 때로는 작물 생육 특성에 의한 신호 정보 마저 평활하게 할 수 있다는 위험도 함께 갖고 있다. 궁극적으로는 시계열 자료수집이 보장되면서도 공간해상도가 향상될 수 있는 위성 영상의 활용이 가능해야 할 것으로 생각된다.
참고문헌 (18)
Cha, S.Y., D.J. Seo, and C.H. Park, 2009. Monitoring vegetation phenology using MODIS in northern plateau region, North Korea, Korean Journal of Remote Sensing, 25(5): 399-409 (In Korean with English abstract).
Do, N., S. Kang, S. Myeong, T. Chun, J. Lee, and C.B. Lee, 2012. The estimation of gross primary productivity over North Korea using MODIS FPAR and WRF meteorological data, Korean Journal of Remote Sensing, 28(2): 215-226 (In Korean with English abstract).
FAO Global Information and Early Warning System on Food and Agriculture(GIEW), http://www.fao.org/giews/english/index.htm
Hong, S.Y., J.T. Lee, S.K. Rim, and J.S. Shin, 1997. Radiometric estimates of grain yields related to crop aboveground net production (ANP) in paddy rice, Proc. of 1997 International Geoscience and Remote Sensing Symposium, Singapore, Aug. 3-8, pp. 1793-1795.
Hong, S.Y., K.A. Sudduth, N.R. Kitchen, C.W. Fraisse, H.L. Palm, and W.J. Wiebold, 2004. Comparison of remote sensing and crop growth models for estimating within-field LAI variability, Korean Journal of Remote Sensing, 20(3): 175-188.
Hong, S.Y., S.K. Rim, S.H. Lee, J.C. Lee, and Y.H. Kim, 2008. Spatial analysis of agro-environment of North Korea using remote sensing I. Landcover classification from Landsat TM imagery and topography analysis in North Korea, Korean Journal of Environmental Agriculture, 27(2): 120-132 (In Korean with English abstract).
Hong, S.Y., E.Y. Choe, G.Y. Kim, S.K. Kang, Y.H. Kim, and Y.S. Zhang, 2009. A study on estimating rice yield of North Korea using MODIS NDVI, Proc. of the KSRS Conference, pp. 116-120 (in Korean).
Hong, S.Y., B.K. Min, J.M. Lee, Y.H. Kim, and K.D. Lee, 2012a. Estimation of paddy field area in North Korea Using RapidEye Images, Korean Journal of Soil Science and Fertilizer, 45(6): 1194-1202 (In Korean with English abstract).
Hong, S.Y., J.N. Hur, J.B. Ahn, J.M. Lee, B.K. Min, C.K. Lee, Y.H. Kim, K.D. Lee, S.H. Kim, G.Y. Kim, and K.M. Shim, 2012b. Estimating rice yield using MODIS NDVI and meteorological data in Korea, Korean Journal of Remote Sensing, 28(5): 509-520 (In Korean with English abstract).
Kim, Y.H., S.Y. Hong, M.S. Kim, H.K. Kwak, and S.K. Rim, 2007. Using an optical sensor estimation of rice grain protein content, Research report of National Academy of Agricultural Science, RDA. Agricultural Environment, pp. 376-393.
Ministry of Agriculture and Forestry, 2006. Characteristics of agricultural infrastructure of Imjin river basin and inter-Korean cooperation for agricultural development, pp. 19-22.
Na, S.I., S.Y. Hong, Y.H. Kim, K.D. Lee, and S.Y. Jang, 2013. Prediction of rice yield in Korea using paddy rice NPP index - Application of MODIS data and CASA model -, Korean Journal of Remote Sensing, 29(5): 461-476 (In Korean with English abstract)..
Na, S.I., S.Y. Hong, Y.H. Kim, and K.D. Lee, 2014. Evaluation of the applicability of rice growth monitoring on Seosan and Pyongyang region using RADARSAT-2 SAR - by comparing RapidEye -, Journal of the Korean Society of Agricultural Engineers, 56(5): 55-65 (In Korean with English abstract).
National Climate Data Service System, http://sts.kma.go.kr/
RDA, 2011. Preprocess Program for MODIS satellite images, Program Registration No. 2011-01-189-012198 (2011.12.28.).
Yeom, J.M., K.S. Han, C.S. Lee, Y.Y. Park, and Y.S. Kim, 2008. A detection of vegetation variation over North Korea using SPOT/VEGETATION NDVI, Korean Journal of Geographic Information Studies, 11(2): 28-37 (In Korean with English abstract).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.