알베도는 태양에너지의 흡수량을 결정하는 주요 기후 변수 중 하나로서, 이러한 알베도를 산출하는 것은 기후 변화 연구에 있어 중요한 과정이다. 이 때, 산출된 알베도 자료를 효율적으로 사용하기 위해서는 높은 공간해상도와 장기간의 일관성 있는 산출이 중요하게 고려된다. 따라서 본 연구에서는 Landsat 8을 기반으로 Landsat 7과의 일관성을 유지한 고해상도 지표면 광대역 알베도를 산출하였다. 먼저, Landsat 7과 Landsat 8의 채널 별 일관성을 분석한 결과, 상관계수(R)가 평균 0.96으로 높은 상관성을 보였다. 이러한 결과를 바탕으로 Landsat 7 알베도와 Landsat 8 반사도 채널 자료를 다중회귀분석에 적용하여 Landsat 8 광대역 알베도 전환 식을 도출하였다. 도출된 식을 통해 Landsat 8 지표면 광대역 알베도를 산출하고, Landsat 7 알베도 자료와 비교하여 검증하였다. 그 결과 R-square($R^2$)가 0.89, Root Mean Square Error (RMSE)가 0.003의 높은 정확도를 보였다.
알베도는 태양에너지의 흡수량을 결정하는 주요 기후 변수 중 하나로서, 이러한 알베도를 산출하는 것은 기후 변화 연구에 있어 중요한 과정이다. 이 때, 산출된 알베도 자료를 효율적으로 사용하기 위해서는 높은 공간해상도와 장기간의 일관성 있는 산출이 중요하게 고려된다. 따라서 본 연구에서는 Landsat 8을 기반으로 Landsat 7과의 일관성을 유지한 고해상도 지표면 광대역 알베도를 산출하였다. 먼저, Landsat 7과 Landsat 8의 채널 별 일관성을 분석한 결과, 상관계수(R)가 평균 0.96으로 높은 상관성을 보였다. 이러한 결과를 바탕으로 Landsat 7 알베도와 Landsat 8 반사도 채널 자료를 다중회귀분석에 적용하여 Landsat 8 광대역 알베도 전환 식을 도출하였다. 도출된 식을 통해 Landsat 8 지표면 광대역 알베도를 산출하고, Landsat 7 알베도 자료와 비교하여 검증하였다. 그 결과 R-square($R^2$)가 0.89, Root Mean Square Error (RMSE)가 0.003의 높은 정확도를 보였다.
Albedo is one of the climate variables that modulate absorption of solar energy, and its retrieval is important process for climate change study. High spatial resolution and long-term consistent periods are important considerations in order to efficiently use the retrieved albedo data. This study re...
Albedo is one of the climate variables that modulate absorption of solar energy, and its retrieval is important process for climate change study. High spatial resolution and long-term consistent periods are important considerations in order to efficiently use the retrieved albedo data. This study retrieved surface broadband albedo based on Landsat 8 as high resolution which is consistent with Landsat 7. First of all, we analyzed consistency of Landsat 7 channel and Landsat 8 channel. As a result, correlation coefficient(R) on all channels is average 0.96. Based on this analysis, we used multiple linear regression model using Landsat 7 albedo, which is being used in many studies, and Landsat 8 reflectance channel data. The regression coefficients of each channel calculated by regression analysis were used to derive a formula for converting the Landsat 8 reflectance channel data to broadband albedo. After Landsat 8 albedo calculated using the derived formula is compared with Landsat 7 albedo data, we confirmed consistency of two satellite using Root Mean Square Error (RMSE), R-square ($R^2$) and bias. As a result, $R^2$ is 0.89 and RMSE is 0.003 between Landsat 7 albedo and Landsat 8 albedo.
Albedo is one of the climate variables that modulate absorption of solar energy, and its retrieval is important process for climate change study. High spatial resolution and long-term consistent periods are important considerations in order to efficiently use the retrieved albedo data. This study retrieved surface broadband albedo based on Landsat 8 as high resolution which is consistent with Landsat 7. First of all, we analyzed consistency of Landsat 7 channel and Landsat 8 channel. As a result, correlation coefficient(R) on all channels is average 0.96. Based on this analysis, we used multiple linear regression model using Landsat 7 albedo, which is being used in many studies, and Landsat 8 reflectance channel data. The regression coefficients of each channel calculated by regression analysis were used to derive a formula for converting the Landsat 8 reflectance channel data to broadband albedo. After Landsat 8 albedo calculated using the derived formula is compared with Landsat 7 albedo data, we confirmed consistency of two satellite using Root Mean Square Error (RMSE), R-square ($R^2$) and bias. As a result, $R^2$ is 0.89 and RMSE is 0.003 between Landsat 7 albedo and Landsat 8 albedo.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 현재 연구가 미비한 Landsat 8을 기반으로 Landsat 7과의 일관성을 유지한 고해상도 지표면 광대역 알베도를 산출하고자 한다. 이를 위해 Landsat 7 광대역 알베도를 표본으로 사용하여 Landsat 8 기반 고해상도 지표면 광대역 알베도 산출을 위한 회귀식을 도출하고자 한다.
본 연구에서는 Landsat 7과 Landsat 8의 채널 별 일관성을 확인하기 위하여 두 위성의 동일한 중심파장을 가진 채널간의 상관성 분석을 수행하였다. 상관성 분석에 앞서, 구름의 영향으로 인한 오차를 제거하기 위해 Landsat 에서 제공하는 cloud mask를 이용하여 구름의 영향을 최소화 할 수 있는 관측일을 선정하였다.
본 연구에서는 Landsat 7과 일관성이 유지된 Landsat 8의 광대역 알베도를 산출하기 위해 Landsat 7 알베도 자료를 표본으로 사용하여 다중회귀분석을 수행하였다. 1)에서 수집한 훈련자료를 바탕으로 독립변수는 Landsat 8 반사도 채널 자료, 종속변수는 Landsat 7 알베도를 사용하였다.
본 연구에서는 Landsat 8 반사도 채널 자료와 Landsat 7 알베도 자료의 다중회귀분석을 통해 고해상도 지표면 광대역 알베도를 산출하였다. 먼저, 두 위성의 동일한 중심파장을 가진 채널간의 상관성 분석을 통해 일관성을 확인하였으며, 두 위성의 채널자료를 window 영역에 따라 평균하여 오차보정을 실시하였다.
이는 은평구에 비해 성동구가 window 영역에 따른 오차보정이 잘 되었다고 판단되며, 이를 통해 본 연구에서는 성동구의 9×9의 window 영역으로 평균하여 Landsat 8 기반 고해상도 지표면 광대역 알베도 산출을 위한 자료를 구축하였다.
제안 방법
본 연구에서는 Landsat 7과 일관성이 유지된 Landsat 8의 광대역 알베도를 산출하기 위해 Landsat 7 알베도 자료를 표본으로 사용하여 다중회귀분석을 수행하였다. 1)에서 수집한 훈련자료를 바탕으로 독립변수는 Landsat 8 반사도 채널 자료, 종속변수는 Landsat 7 알베도를 사용하였다. Landsat 7 알베도는 Liang(2000)이 제시한 광대역 알베도 전환 식 (1)에 적용하여 산출되었다.
연구기간은 2013년 5월부터 2015년 10월까지 29개월로 선정하였으며, 이 중 Landsat 7과 Landsat 8의 RGB영상 확인을 통해 구름이 적고, 낮 시간대에 해당하는 날인 총 23개의 관측일을 선정하였다. Landsat 7과 Landsat 8은 8일정도의 관측일 차이가 존재하지만, 지표면 반사도의 경우 8일의 기간 동안 큰 변화가 없기 때문에 Landsat 7의 관측일에서 8일뒤의 Landsat 8의 관측일을 선정하고 이를 동일날짜로 간주하였다. 선정된 관측일은 Table 2와 같다.
이를 바탕으로 구축된 9×9 window 영역의 성동구 자료를 이용하여 다중회귀분석을 수행하였다. 다중회귀분석을 실시하여 도출된 Landsat 8 광대역 알베도 식을 통해 Landsat 8 광대역 알베도를 산출한 후, 이를 Landsat 7 알베도와 함께 검증하였다. 그 결과, R2가 0.
본 연구에서는 Landsat 7 광대역 알베도와 Landsat 8 반사도 채널 자료를 사용하여 다중회귀분석을 통해 Landsat 8 광대역 알베도 산출 회귀 식을 도출하였다. 도출된 Landsat 8 광대역 알베도 식을 통해 Landsat 8 광대역 알베도를 산출한 후, 이를 Landsat 7 알베도와 함께 검증하였다.
본 연구에서는 Landsat 8 반사도 채널 자료와 Landsat 7 알베도 자료의 다중회귀분석을 통해 고해상도 지표면 광대역 알베도를 산출하였다. 먼저, 두 위성의 동일한 중심파장을 가진 채널간의 상관성 분석을 통해 일관성을 확인하였으며, 두 위성의 채널자료를 window 영역에 따라 평균하여 오차보정을 실시하였다. 이를 바탕으로 구축된 9×9 window 영역의 성동구 자료를 이용하여 다중회귀분석을 수행하였다.
본 연구에서 도출한 식 (2)를 검증하기 위해 앞서 1)에서 분류된 성동구의 검증자료를 식 (1)과 식 (2)에 적용하여 두 위성의 광대역 알베도를 산출하고 이들간의 비교를 실시하였다(Fig. 3).
, 2007). 본 연구에서는 Landsat 7 광대역 알베도와 Landsat 8 반사도 채널 자료를 사용하여 다중회귀분석을 통해 Landsat 8 광대역 알베도 산출 회귀 식을 도출하였다. 도출된 Landsat 8 광대역 알베도 식을 통해 Landsat 8 광대역 알베도를 산출한 후, 이를 Landsat 7 알베도와 함께 검증하였다.
본 연구에서는 Landsat 7과 Landsat 8의 채널 별 일관성을 확인하기 위하여 두 위성의 동일한 중심파장을 가진 채널간의 상관성 분석을 수행하였다. 상관성 분석에 앞서, 구름의 영향으로 인한 오차를 제거하기 위해 Landsat 에서 제공하는 cloud mask를 이용하여 구름의 영향을 최소화 할 수 있는 관측일을 선정하였다. 선정된 관 측 일 은 No.
따라서 본 연구에서는 현재 연구가 미비한 Landsat 8을 기반으로 Landsat 7과의 일관성을 유지한 고해상도 지표면 광대역 알베도를 산출하고자 한다. 이를 위해 Landsat 7 광대역 알베도를 표본으로 사용하여 Landsat 8 기반 고해상도 지표면 광대역 알베도 산출을 위한 회귀식을 도출하고자 한다. 표본으로 사용한 Landsat 7 알베도는 Liang(2000)이 제시한 Landsat 7 광대역 알베도 전환 회귀 식을 통해 산출 된 것으로 현재 다양한 연구에서 활용되고 있다(Greuell et al.
연구지역인 은평구와 성동구는 여러 지표타입이 혼재되어 있다. 지표면 반사도는 지표타입에 따라 민감하게 반응하기 때문에, 이로 인해 발생하는 오차들뿐만 아니라 서로 다른 두 위성간에 발생하는 navigation error를 최소화하기 위하여 Landsat 7 채널과 Landsat 8 채널을 window 영역에 따라 평균하고 오차 변화를 분석하였다. 전체적으로 window 영역을 넓힐수록 RMS-Diff가 낮아지며, R이 높아지는 것을 알 수 있었다.
대상 데이터
2). 구축된 자료 중 50%는 훈련자료, 50%는 검증자료로 사용하였다.
이를 바탕으로 Landsat 7/ETM+의 반사도 채널 자료는 Liang(2000)이 제시한 Landsat 7 광대역 알베도 산출 식에 사용된 채널 1(blue), 3(red), 4(NIR), 5(SWIR1), 7(SWIR2)를 수집하였다. 또한 Landsat 8/OLI의 반사도 채널 자료는 Landsat 7 광대역 알베도 산출 식에 사용된 채널과 동일한 중심파장을 가진 채널 2(blue), 4(red), 5(NIR), 6(SWIR1), 7(SWIR2)를 수집하였다.
본 연구에서는 30 m의 고해상도 광대역 알베도를 산출하기 위하여 Landsat 7/ETM+와 Landsat 8/OLI의 반사도 채널 자료를 사용하였다. Landsat 7/ETM+와 Landsat 8/OLI의 채널 종류와 파장정보는 Table 1과 같다.
수집된 두 위성의 반사도 채널 자료는 연구 영역을 포함하고 있는 path: 116, row: 34의 대기보정이 수행된 협대역(narrowband) 지면 반사도 자료이며 United States Geological Survey - USGS (http://earthexplorer.usgs.gov/)에서 제공하고 있다.
연구기간은 2013년 5월부터 2015년 10월까지 29개월로 선정하였으며, 이 중 Landsat 7과 Landsat 8의 RGB영상 확인을 통해 구름이 적고, 낮 시간대에 해당하는 날인 총 23개의 관측일을 선정하였다. Landsat 7과 Landsat 8은 8일정도의 관측일 차이가 존재하지만, 지표면 반사도의 경우 8일의 기간 동안 큰 변화가 없기 때문에 Landsat 7의 관측일에서 8일뒤의 Landsat 8의 관측일을 선정하고 이를 동일날짜로 간주하였다.
연구지역은 서울특별시 은평구와 성동구로 선정하였다(Fig. 1). 연구지역 중 은평구는 소규모의 산지와 주택가로 이루어진 지역이며 성동구는 한강연안에 위치하고 있어 하천과 도심이 혼재되어 있기 때문에 다양한 지표타입에 따른 알베도 산출이 가능하다.
Landsat 7/ETM+와 Landsat 8/OLI의 채널 종류와 파장정보는 Table 1과 같다. 이를 바탕으로 Landsat 7/ETM+의 반사도 채널 자료는 Liang(2000)이 제시한 Landsat 7 광대역 알베도 산출 식에 사용된 채널 1(blue), 3(red), 4(NIR), 5(SWIR1), 7(SWIR2)를 수집하였다. 또한 Landsat 8/OLI의 반사도 채널 자료는 Landsat 7 광대역 알베도 산출 식에 사용된 채널과 동일한 중심파장을 가진 채널 2(blue), 4(red), 5(NIR), 6(SWIR1), 7(SWIR2)를 수집하였다.
데이터처리
이를 바탕으로 구축된 9×9 window 영역의 성동구 자료를 이용하여 다중회귀분석을 수행하였다.
이를 통해 다중회귀분석을 수행하였으며, Landsat 8 반사도 채널 자료를 광대역 알베도로 전환하는 각 채널의 회귀계수를 산출하였다. 모든 독립변수의 유의수준이 0.
이론/모형
1)에서 수집한 훈련자료를 바탕으로 독립변수는 Landsat 8 반사도 채널 자료, 종속변수는 Landsat 7 알베도를 사용하였다. Landsat 7 알베도는 Liang(2000)이 제시한 광대역 알베도 전환 식 (1)에 적용하여 산출되었다.
성능/효과
Landsat 7 알베도와 본 연구에서 산출한 Landsat 8 알베도를 비교한 결과, 결정계수(R2)가 0.89로 높은 연관성을 보였으며, RMSE 또한 0.003의 낮은 오차를 보였다.
이는 은평구에 비해 성동구가 window 영역에 따른 오차보정이 잘 되었다고 판단되며, 이를 통해 본 연구에서는 성동구의 9×9의 window 영역으로 평균하여 Landsat 8 기반 고해상도 지표면 광대역 알베도 산출을 위한 자료를 구축하였다. 구축된 27,609개의 자료를 채널 별로 비교한 결과, 모든 채널에서 일대일 선 주위로 이상적인 분산을 보이며, R이 평균 0.96으로 높은 결과를 보였다 (Fig. 2). 구축된 자료 중 50%는 훈련자료, 50%는 검증자료로 사용하였다.
18(Landsat 7: 2015081, Landsat 8: 2015089)이다 (Table 2). 선정된 3일은 은평구와 성동구의 Landsat 7과 Landsat 8의 모든 채널에서 상관계수(R)가 0.92이상으로 높았으며, 이를 통해 두 위성의 채널 별 일관성이 유의한 결과라고 판단하였다.
은평구의 경우, R이 3×3의 window 영역보다 9×9의 window 영역에서 0.006 증가, 성동구의 경우 0.01 증가로 은평구에 비해 성동구가 크게 증가하였으며, RMS-Diff 또한 은평구에 비해 성동구가 낮게 나타났다.
지표면 반사도는 지표타입에 따라 민감하게 반응하기 때문에, 이로 인해 발생하는 오차들뿐만 아니라 서로 다른 두 위성간에 발생하는 navigation error를 최소화하기 위하여 Landsat 7 채널과 Landsat 8 채널을 window 영역에 따라 평균하고 오차 변화를 분석하였다. 전체적으로 window 영역을 넓힐수록 RMS-Diff가 낮아지며, R이 높아지는 것을 알 수 있었다. 은평구의 경우, R이 3×3의 window 영역보다 9×9의 window 영역에서 0.
후속연구
본 연구에서 제시한 Landsat 8 기반 알베도는 Landsat 7과의 일관성을 유지함으로써 장기간의 Landsat 위성 산출물로서 활용할 수 있으며, 고해상도 입력자료를 필요로 하는 연구에 유용할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
알베도란 무엇인가?
알베도는 태양에너지의 흡수량을 결정하는 주요 기후 변수 중 하나로서, 이러한 알베도를 산출하는 것은 기후 변화 연구에 있어 중요한 과정이다. 이 때, 산출된 알베도 자료를 효율적으로 사용하기 위해서는 높은 공간해상도와 장기간의 일관성 있는 산출이 중요하게 고려된다.
광대역 알베도 산출연구를 위해 현재 운영되고 있는 것은 무엇인가?
현재 광대역 알베도 산출연구에 사용되는 위성 중 Landsat 위성은 30 m의 고해상도를 가진 자료를 제공하고 있으며, 1972년부터 여러 위성을 통해 장기간의 자료를 제공하고 있다. 현재는 Landsat 7/ETM+와 Landsat 8/OLI가 운영되고 있으며, 고해상도 알베도를 산출하기 위한 연구에 Landsat 7이 다수 활용되고 있다. 또한 Landsat 7의 알베도를 산출하기 위한 연구도 다수 진행되고 있다(Shuai et al.
효율적으로 알베도 자료를 사용하기 위해 고려해야 하는 것은?
알베도 자료를 효율적으로 사용하기 위해서는 높은 공간해상도와 장기간의 일관성 있는 산출이 중요하게 고려되어야 한다. 현재 광대역 알베도 산출연구에 사용되는 위성 중 Landsat 위성은 30 m의 고해상도를 가진 자료를 제공하고 있으며, 1972년부터 여러 위성을 통해 장기간의 자료를 제공하고 있다.
참고문헌 (11)
Franch, B., E.F. Vermote and M. Claverie, 2014. Intercomparison of landsat albedo retrieval techniques and evaluation against in situ measurements across the us surfrad network. Remote Sensing of Environment, 152: 627-637.
Greuell, W. and J. Oerlemans, 2004. Narrowband-tobroadband albedo conversion for glacier ice and snow: equations based on modeling and ranges of validity of the equations. Remote sensing of environment, 89(1): 95-105.
Kato, S. and Y. Yamaguchi, 2005. Analysis of urban heat-island effect using ASTER and ETM+ Data: Separation of anthropogenic heat discharge and natural heat radiation from sensible heat flux. Remote Sensing of Environment, 99(1): 44-54.
Li, P., L. Jiang, and Z. Feng, 2013. Cross-comparison of vegetation indices derived from landsat-7 enhanced thematic mapper plus (ETM+) and landsat-8 operational land imager (OLI) sensors. Remote Sensing, 6(1): 310-329.
Liang, S., C.J. Shuey, A.L. Russ, H. Fang, M. Chen, C.L. Walthall, C.S.T. Daughtry, and R. Hunt, 2003. Narrowband to broadband conversions of land surface albedo: II. Validation. Remote Sensing of Environment, 84(1): 25-41.
Liu, S., G. Hu, L. Lu, and D. Mao, 2007. Estimation of regional evapotranspiration by TM/ETM+ data over heterogeneous surfaces. Photogrammetric Engineering & Remote Sensing, 73(10): 1169-1178.
Shuai, Y., J.G. Masek, F. Gao, and C.B. Schaaf, 2011. An algorithm for the retrieval of 30-m snowfree albedo from Landsat surface reflectance and MODIS BRDF. Remote Sensing of Environment, 115(9): 2204-2216.
Sobrino, J. A., R. Oltra-Carrio, J.C. Jimenez-Munoz, Y. Julien, G. Soria, B. Franch, and C. Mattar, 2012. Emissivity mapping over urban areas using a classification-based approach: Application to the Dual-use European Security IR Experiment (DESIREX). International Journal of Applied Earth Observation and Geoinformation, 18: 141-147.
Tasumi, M., R.G. Allen, and R. Trezza, 2008. Atsurface reflectance and albedo from satellite for operational calculation of land surface energy balance, Journal of Hydrologic Engineering, 13(2): 51-63.
Zhao, W., M. Tamura, and H. Takahashi, 2001. Atmospheric and spectral corrections for estimating surface albedo from satellite data using 6S code. Remote sensing of Environment, 76(2): 202-212.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.