본 연구에서는 농업적 가뭄을 시, 공간적으로 파악하기 위하여 Terra의 MODIS원격탐사 자료를 활용하여 가뭄의 정량적 평가를 실시하였다. 여러 가지 위성영상 중에서 식생 상태의 변화가 관찰되는 MOD13A3 영상을 통하여 NDVI (Normalized Difference Vegetation Index)와 EVI (Enhanced Vegetation Index)를 선정하였으며, 토지정보를 효율적으로 수집할 수 있는 MCD12Q1 영상의 Type1을 통하여 물, 도심지역 등을 제외한 식생부분만을 나타낼 수 있도록 토지피복분류를 하였다. 토지피복분류된 자료를 이용하여 NDVI와 EVI를 중권역별로 산정하여 나타낸 결과 계절적인 성향이 강하게 나타나 이를 보완하고자 EVI의 표준화 지수인 VSIA (Vegetation Stress Index Anomaly)를 우리나라의 극심한 가뭄해인 2001년에 대하여 중권역별로 산정하였다. 또한, 과거 우리나라의 농업가뭄 피해를 조사하였으며, 지상강우관측소의 자료를 통하여 SPI (Standardized Precipitation Index)를 중권역별로 산정하였다. SPI와 위성영상의 표준화 지수인 VSIA를 우리나라의 농업적 가뭄피해 연도와 비교하였으며, VISA의 시공간적 분석을 통해 한반도의 농업적 가뭄을 평가할 수 있는 활용성 및 적용 가능성을 검토하였다.
본 연구에서는 농업적 가뭄을 시, 공간적으로 파악하기 위하여 Terra의 MODIS 원격탐사 자료를 활용하여 가뭄의 정량적 평가를 실시하였다. 여러 가지 위성영상 중에서 식생 상태의 변화가 관찰되는 MOD13A3 영상을 통하여 NDVI (Normalized Difference Vegetation Index)와 EVI (Enhanced Vegetation Index)를 선정하였으며, 토지정보를 효율적으로 수집할 수 있는 MCD12Q1 영상의 Type1을 통하여 물, 도심지역 등을 제외한 식생부분만을 나타낼 수 있도록 토지피복분류를 하였다. 토지피복분류된 자료를 이용하여 NDVI와 EVI를 중권역별로 산정하여 나타낸 결과 계절적인 성향이 강하게 나타나 이를 보완하고자 EVI의 표준화 지수인 VSIA (Vegetation Stress Index Anomaly)를 우리나라의 극심한 가뭄해인 2001년에 대하여 중권역별로 산정하였다. 또한, 과거 우리나라의 농업가뭄 피해를 조사하였으며, 지상강우관측소의 자료를 통하여 SPI (Standardized Precipitation Index)를 중권역별로 산정하였다. SPI와 위성영상의 표준화 지수인 VSIA를 우리나라의 농업적 가뭄피해 연도와 비교하였으며, VISA의 시공간적 분석을 통해 한반도의 농업적 가뭄을 평가할 수 있는 활용성 및 적용 가능성을 검토하였다.
In this study, a quantitative assessment was carried out in order to identify the agricultural drought in time and space using the Terra MODIS remote sensing data for the agricultural drought. The Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) were selected by MOD1...
In this study, a quantitative assessment was carried out in order to identify the agricultural drought in time and space using the Terra MODIS remote sensing data for the agricultural drought. The Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) were selected by MOD13A3 image which shows the changes in vegetation conditions. The land cover classification was made to show only vegetation excluding water and urbanized areas in order to collect the land information efficiently by Type1 of MCD12Q1 images. NDVI and EVI index calculated using land cover classification indicates the strong seasonal tendency. Therefore, standardized Vegetation Stress Index Anomaly (VSIA) of EVI were used to estimated the medium-scale regions in Korea during the extreme drought year 2001. In addition, the agricultural drought damages were investigated in the country's past, and it was calculated based on the Standardized Precipitation Index (SPI) using the data of the ground stations. The VSIA were compared with SPI based on historical drought in Korea and application for drought assessment was made by temporal and spatial correlation analysis to diagnose the properties of agricultural droughts in Korea.
In this study, a quantitative assessment was carried out in order to identify the agricultural drought in time and space using the Terra MODIS remote sensing data for the agricultural drought. The Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) were selected by MOD13A3 image which shows the changes in vegetation conditions. The land cover classification was made to show only vegetation excluding water and urbanized areas in order to collect the land information efficiently by Type1 of MCD12Q1 images. NDVI and EVI index calculated using land cover classification indicates the strong seasonal tendency. Therefore, standardized Vegetation Stress Index Anomaly (VSIA) of EVI were used to estimated the medium-scale regions in Korea during the extreme drought year 2001. In addition, the agricultural drought damages were investigated in the country's past, and it was calculated based on the Standardized Precipitation Index (SPI) using the data of the ground stations. The VSIA were compared with SPI based on historical drought in Korea and application for drought assessment was made by temporal and spatial correlation analysis to diagnose the properties of agricultural droughts in Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
2000년 이후 자료제공이 시작된 MODIS NDVI의 경우 NOAA AVHRR NDVI에 비해 공간해상도가 높고 밴드폭이 좁고 다양하기 때문에 식생의 변화를 관측하기에 용이하다. 따라서 본 연구에서는 농업 가뭄의 시공간적 분석을 위하여 Terra 위성의 MODIS 영상자료를 이용하여 NDVI와 EVI (Enhanced Vegetation Index)를 산정하였으며, 과거 우리나라의 농업가뭄 피해조사 자료와 지상관측소의 자료를 통하여 산정된 SPI 가뭄지수와의 비교 분석을 실시하였다. 식생지수의 계절적 성향을 제거하여 정량적 비교 분석을 위하여 VSIA(Vegetation Stress Index Anomaly)를 우리나라의 가뭄사상과 비교하였으며, 상관분석 및 시공간적 분석을 통해 위성영상을 활용한 우리나라의 농업가뭄에 대한 적용성을 평가하였다.
본 연구에서는 과거 가뭄에 대해서 우리나라 전역에 대한 가뭄의 전개 과정과 농업적 가뭄피해 조사를 하였으며, 특히 극심한 농업적 가뭄해인 2001년에 대하여 MODIS 위성정보를 활용하여 우리나라 지역의 농업적 가뭄의 정량적 평가를 실시하였다.
본 연구에서는 농업적 가뭄을 공간적으로 파악하기 위하여 Terra 위성의 MODIS 센서의 영상자료를 이용하여 NDVI와 EVI를 산정하였다. 산정된 식생지수를 활용하여 과거 주요 농업적 가뭄연도인 2001년에 대해서 적용해 본 결과 다음과 같은 결론을 도출하였다.
본 연구에서는 식생지수의 강한 계절적 영향을 제거함으로써 월별 농업적 가뭄의 공간적인 분포를 파악하기 위하여 중권역별로 산정된 해당 월의 EVI 값에서 중권역별 해당 월의 전체관측기간에 대한 평균치와의 차이를 계산하여 VSIA (Vegetation Stress Index Anomaly)를 산정하였다. 산정 식은 Eq.
제안 방법
Terra 위성에는 다섯 종류의 센서가 탑재되어 있는데, 이들을 통해 지구의 대기, 지표면, 대양, 눈과 얼음, 에너지 수지를 관찰하여 생물지구화학적인 자료를 수집한다. 각각의 센서는 특정 목적을 위해 개발되었다.
본 연구에서는 MODIS MCD12Q1 자료를 이용하였으며 자료의 특성은 Table 1과 같으며, Fig. 1에서 나타나는 것과 같이 토지피복분류를 통해 도심지와 물 등 식생지역이 아닌 부분을 제거하여 지수를 산정하였다.
이 중 2개의 밴드는 250 × 250 m 공간해상도를 가지며 5개의 밴드는 500 × 500 m, 나머지 29개 밴드는 1 × 1 km 공간해상도를 가진다. 본 연구에서는 MODIS의 MOD13A3 영상을 통해 식생지수인 NDVI와 EVI를 산정하였다. MOD13A3 영상 센서 Level-3 산출물인 식생지수를 1 × 1 km 공간해상도로 영상을 다운받아 활용하였다.
본 연구에서는 과거 극심한 농업적 가뭄피해가 발생했던 연도인 2001년에 대하여 NDVI와 EVI를 산정하였다. 산정 결과, 겨울철에는 식생이 심한 스트레스를 받은 상태이며, 여름철에는 식생상태가 건강하게 나타나는 뚜렷한 계절성을 보이는 것으로 나타났다(Fig.
따라서 본 연구에서는 농업 가뭄의 시공간적 분석을 위하여 Terra 위성의 MODIS 영상자료를 이용하여 NDVI와 EVI (Enhanced Vegetation Index)를 산정하였으며, 과거 우리나라의 농업가뭄 피해조사 자료와 지상관측소의 자료를 통하여 산정된 SPI 가뭄지수와의 비교 분석을 실시하였다. 식생지수의 계절적 성향을 제거하여 정량적 비교 분석을 위하여 VSIA(Vegetation Stress Index Anomaly)를 우리나라의 가뭄사상과 비교하였으며, 상관분석 및 시공간적 분석을 통해 위성영상을 활용한 우리나라의 농업가뭄에 대한 적용성을 평가하였다.
대상 데이터
MOD13A3 영상 센서 Level-3 산출물인 식생지수를 1 × 1 km 공간해상도로 영상을 다운받아 활용하였다.
Terra 위성은 미국 항공우주국(NASA, National Aeronautics and Space Administration)을 중심으로 운영되고 있는 지구관측시스템(EOS, Earth Observing System)에서 1999년에 발사되어 운용 중에 있다. Terra 위성에는 다섯 종류의 센서가 탑재되어 있는데, 이들을 통해 지구의 대기, 지표면, 대양, 눈과 얼음, 에너지 수지를 관찰하여 생물지구화학적인 자료를 수집한다. 각각의 센서는 특정 목적을 위해 개발되었다.
성능/효과
1) MOIS의 대표적 식생지수인 NDVI 와 EVI를 활용한 가뭄 모니터링 시도 결과에서 두 가지 지수 모두 계절적인 성향이 강하게 나타나므로 우리나라의 기후특성상 식생지수만을 별도의 재가공과정 없이 이용하여 가뭄을 평가하기에는 어려움이 있는 것으로 나타났다.
2) 식생지수의 계절적 성향을 제거하기 월별 예년평균에 대한 이상치 개념으로서 VSIA를 산정하였으며 VSIA를 통한 가뭄의 시, 공간적인 분포특성이 기상학적 가뭄지수인 SPI와 다소 다르게 표현되는 것으로 나타났다.
3) VSIA를 과거 극심한 농업적 가뭄연도인 2001년에 적용한 결과, 가뭄의 시간적 분포에서는 VSIA가 SPI보다 1개월 정도 최대 가뭄상황이 늦게 나타나는 것으로 나타났으며, 공간적인 분포에서도 SPI의 최대가뭄 심도가 나타나는 지역은 남부지역이 중심인 반면에 VSIA의 식생 스트레스가 최대로 나타내는 지역은 중부 및 북부지역을 중심으로 나타났다.
4) 연구결과의 검증을 위하여 과거 가뭄기록 조사에서 나타난 농업적 가뭄피해지역과 VSIA에 의해서 나타난 식생의 스트레스가 심한 지역을 비교한 결과, VSIA는 농업적 가뭄피해 지역을 정확하게 재현하는 것으로 나타났으며 향후 위성자료를 활용한 농업적 가뭄 감시에 효율적으로 활용될 수 있을 것으로 판단된다.
결국 우리나라에서는 식생지수만을 활용하여 직접적으로 가뭄을 정량적으로 판단하는 것이 부적합 것으로 나타났다. Fig. 3을 보게 되면 NDVI와 EVI 시계열이 뚜렷한 계절성을 보여주고 있으며 VSIA를 통하여 시계열의 계절성이 어느 정도 제거된 상태로 나타나고 있으며 가뭄이 심했던 가뭄연도의 VSIA가 다른 연도에 비하여 상대적으로 낮게 나타남으로써, VSIA를 통한 농업적 가뭄의 평가가 어느 정도 가능한 것으로 나타났다.
7)에서는 경기북부 및 강원, 충남지역에 4월과 6월에 극심한 식생의 스트레스가 나타났던 것으로 분석되었다. VSIA에 의해서 표현되는 가뭄지역의 시간적 분포는 SPI (6)는 4월과 5월에 정점의 가뭄상황을 나타내고 있지만 VSIA는 6월에 정점의 가뭄상황을 나타내는 것으로 나타났으며 공간적분포의 경우에도SPI (6)는 주로 남부지방 그리고 VSIA는 중, 북부 지방이 가뭄의 중심으로 나타났다.
본 연구에서는 과거 극심한 농업적 가뭄피해가 발생했던 연도인 2001년에 대하여 NDVI와 EVI를 산정하였다. 산정 결과, 겨울철에는 식생이 심한 스트레스를 받은 상태이며, 여름철에는 식생상태가 건강하게 나타나는 뚜렷한 계절성을 보이는 것으로 나타났다(Fig. 4-5). 결국 우리나라에서는 식생지수만을 활용하여 직접적으로 가뭄을 정량적으로 판단하는 것이 부적합 것으로 나타났다.
식생 활력을 나타내는 EVI의 이상치인 VSIA 산정 결과와 기상학적 가뭄지수인 SPI를 비교해 본 결과 공간적 분포와 시간적 분포가 매우 다르게 나타났다. 2001년 SPI (6) 산정결과, 1∼2월에는 약간의 습윤 상태를 보이다가 4월∼7월에는 남부지방을 중심으로 매우 건조한 상태 또는 극심한 건조 상태가 나타났다(Fig.
에서 알 수 있듯이, 2001년 봄가뭄에 의한 농업적 피해지역은 SPI (6) 보다는 VSIA에 의해서 더욱 정확하게 모니터링 되는 것으로 나타났다. 특히, Fig. 1의 토지피복 분류에 따라서 우리나라 작물재배 지역중(crop area)에서 대규모의 관개지역을 검정색 원으로 표시하였으며 VSIA를 통하여 대단위 관개지역의 농업적 가뭄상황을 정확하게 파악할 수 있는 것으로 나타났다.
후속연구
본 연구의 결과는 위성영상자료의 보유기간 및 조사된 농업 가뭄피해 자료의 부족으로 인하여 장기간의 자료에 대한 시공간적 가뭄 평가 검증이 제한적으로만 실시되었지만, 농업적 가뭄에 대한 위성영상 정보를 이용한 정량화의 가능성을 확인하였으며 농업 가뭄 피해에 대한 현실적인 대책 및 적응전략 수립에 기초자료로 활용될 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
기상이변은 어떤 영향으로 인해 발생하는가?
최근 지구온난화에 따른 기후변화의 영향으로 기상이변으로 인한 자연재해가 과거에 비해 빈번히 발생되고 있다(IPCC, 2014). 특히, 가뭄의 경우, 홍수 등의 다른 수문학적 재해에 비해 상대적으로 장기간에 걸쳐 피해를 유발하여 그 피해가 심각한 것으로 나타나고 있으며, 국내에서도 2014년에 이어 2015년에는 절반 수준에 미치지 못하는 강우가 발생하여 강원영서를 비롯한 경기북부 지방을 중심으로 봄 가뭄, 마른장마가 초래되어 사회적으로 미치는 영향이 계속 심화되고 있는 실정이다(Son et al.
우리나라 가뭄 재해의 빈도는 어떤가?
평년보다 높은 이상고온 현상의 지속, 강우의 부족 등의 이상 기후 현상은 최근 들어 광범위하게 발생하고 있으며, 기후변화를 고려한 다양한 모델의 예측치들은 가뭄 재해가 앞으로 더 심각해질 수 있다는 전망을 하고 있다(IPCC, 2014). 현재 우리나라는 기후변화로 인한 이상기후의 영향으로 마른장마, 봄 가뭄 등 이상가뭄이 빈발하고 발생되고 있으며, 90년 이후로 남부지역을 중심으로 겨울에서 봄까지의 가뭄인 횟수가 점점 증가하고 있는 실정이다(Kim and Lee, 2011).
가뭄은 다른 재난에 비해 어떤 점이 위험한가?
가뭄은 자연재난 중 다른 재난에 비해 영향면적이 넓으며, 시간적으로도 장기간에 거쳐 느린 속도로 영향을 미치게 된다(Wilhite, 2000; Lee et al., 2013).
참고문헌 (22)
Eidenshink, J.C. (1992). The 1990 Conterminous U.S. AVHRR Dataset, Photogrammetric Engineering & Remote Sensing, Vol. 58, No. 6, pp. 809-813.
Eoh, M.S. (2001). Drought and measures 2001, Journal of Urban Hazard Mitigation, Korean Society of Hazard Mitigation, Vol. 1 , No. 2, pp. 4-8.
IPCC (2007). Climate Change 2007: The physical science basis, Contribution of Working Group I to the Fourth Assessment, in S. Solomon, D. Qin, M. Mannigna, Z.Chen, M. Marquis, K.B. Averyt, M. Tignor, and H.L. Miller (Eds.), Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 996.
IPCC (2014). Climate change (2014): Impacts, adaptation, and vulnerability. Part A: Global and sectoral aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press.
Jhang, J.H., Jiang, L.G., Feng, Z.M., and Li, P. (2012). Etecting Effects of the Recent Drought on Vegetatin in Southwestern China J. Resour. Ecol. Vol. 3. No. 1. pp. 43-49.
Kim, G.S., and Park, H.G. (2010). Estimation of Drought Index Using CART Algorithm and Satellite Data, The Korean Association of Geographic Information Studies Vol. 13, No. 1, pp. 128-141.
Kim, G.S., and Park, J.S. (2006). Correlation Analysis of Vegetation Index and Drought Index Korean Welands Society, Vol. 8, No. 1, pp. 49-58.
Kim, B.S., and Lee, J.W. (2011). Evaluation of Drought Indices using the Drought Records, Journal of Korea Water Resources Association, Vol. 44, No. 8, pp. 639-652.
Kim, B.S., Sung, J.H., Lee, B.H., and Kim, D.J. (2013). Evaluation on the impact of extreme droughts in South Korea using the SPEI and RCP8.5. Climate Change Scenario Journal of Kosham, Vol. 13, No. 2, pp. 97-109.
Kogan, F.N. (1990). Remote Sensing of Drought, Proceedings of International Geoscience and Remote Sensing Symposium, pp. 591-594.
Kogan, F.N. (1995). Application of Vegetation Index and Brightness Temperature for Drought Detection, Adv. in Space Res., Vol. 15, pp. 91-100.
Kogan, F.N. (1997). Global drought watch from space, Bulletin of the American Meteological Society, Vol. 78, pp. 621-636.
Kogan, F.N., Gitelson, A., Edige, Z., Spivak, I., and Lebed, L. (2003). AVHRR-Based Spectral Vegetation Index for Quantitative Assessment of Vegetation Sate and Productivity: Calibration and Validation, Photogram metric Engineering & Remote Sensing, Vol. 69, No. 8, pp. 899-906.
Korea Water Resources Corporation (2002). 2001 National Drought Investigation Report, pp. 57-95.
Lee, J.H., Kim, J.S., Jang, H.W., and Lee, J.C. (2013). Drought Forecasting Using the Multi Layer Perceptron (MLP) Artificial Neural Network Model, Journal of Korea Water Resources Association, Vol. 46, No. 12, pp. 1249-1263.
Liu, H.Q., and Huete, A.R. (1995). A feedback based modification of the NDVI to minimize canopy background and atmospheric noise, IEEE Trans. Geosci. Remote Sensing 33, pp. 457-465.
Ministry of Land, Infrastructure and Transport (MLIT) (2002). 2001 Drought Impact Investgation Report.
Park, J.S., Kim, K.T., and Kim, J.H. (2005). Analysis of the Possibility for Practical Use of Vegetation Indices and Drought Indices for Drought Detection, Proceedings of the KSRS Conference, Korean Society of Remote Sensing, pp. 157-160.
Rouse, J.W. (1974). "Monitoring vegetation Systems in the Great Plains with ERTS," Proceedings, Third Earth Resources Technology Satellite-1 Symposium, Greenbelt: NASA SP-351, 3010-317.
Shin, S.H. (2005). Applicability Analysis of Drought Index using Multi-temporal NDVI, M.S. dissertation, Inha University, pp. 33-54.
Son, K.H., Bae, D.H., and Cheong, H.S. (2015). Construction & Evaluation of GloSea5-Based Hydrological Drought Outlook System, Atmosphere Korean Meteorological Society, Vol. 25, No. 2, pp. 271-281.
Wilhite, D.A. (2000). Drought as a natural hazard: concepts and definitions. In: Wilhite D.A. (ed) Drought: a global assessment, Routledge, pp. 3-18.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.