2013년부터 2014년까지 관측된 Landsat 8 위성자료로부터 지표면 온도를 산출하였고 산출된 지표면 온도는 지상에서 관측된 지표면 온도를 이용하여 보정하였다. 지표면 온도지도는 Landsat 8로부터 산출된 지표면 온도를 지상에서 관측된 지표면 온도와의 선형 회귀식을 이용하여 계산되었다. 계절과 년에 대한 지표면 온도는 각각 계절과 년에 대하여 사례들을 평균하여 계산되었다. 지표면 온도는 도시의 공업 또는 상업지역에서 높은 온도가 나타나는 반면, 서울주변의 높은 고도의 산악과 해양, 강 등에서 낮은 지표면 온도가 나타났다. 위성에서 산출된 지표면 온도를 보정하기 위하여 서울을 포함한 수도권지역에서 관측되는 기상청 종관측소 3개 지점 (서울(지점번호: 108), 인천(지점번호: 119), 수원(지점번호: 112))의 지표면 관측 자료를 이용하여 선형회귀방법을 적용하였다. Landsat 8의 지표면 온도는 모든 자료에서 기울기가 0.78이었고 5개의 흐린날을 제외한 맑은 상태의 자료에서 0.88이었다. 그리고 초기 지표면온도에서 상관계수는 0.88이었고 평방근 오차 (Root Mean Sqare Error (RMSE))는 $5.33^{\circ}C$이었다. 지표면 온도 보정이후에는 상관계수는 0.98 그리고 RMSE는 $2.34^{\circ}C$이었으며 회귀식의 기울기는 0.95로 개선되었다. 계절 및 년 지표면 온도는 상업지역과 공업지역 그리고 도시와 주변지역을 잘 표현하였다. 결과적으로 지상에서 관측된 지표면 온도를 이용하여 위성에서 산출된 지표면온도를 보정하였을 때 실제 상태와 유사한 분포를 보였다.
2013년부터 2014년까지 관측된 Landsat 8 위성자료로부터 지표면 온도를 산출하였고 산출된 지표면 온도는 지상에서 관측된 지표면 온도를 이용하여 보정하였다. 지표면 온도지도는 Landsat 8로부터 산출된 지표면 온도를 지상에서 관측된 지표면 온도와의 선형 회귀식을 이용하여 계산되었다. 계절과 년에 대한 지표면 온도는 각각 계절과 년에 대하여 사례들을 평균하여 계산되었다. 지표면 온도는 도시의 공업 또는 상업지역에서 높은 온도가 나타나는 반면, 서울주변의 높은 고도의 산악과 해양, 강 등에서 낮은 지표면 온도가 나타났다. 위성에서 산출된 지표면 온도를 보정하기 위하여 서울을 포함한 수도권지역에서 관측되는 기상청 종관측소 3개 지점 (서울(지점번호: 108), 인천(지점번호: 119), 수원(지점번호: 112))의 지표면 관측 자료를 이용하여 선형회귀방법을 적용하였다. Landsat 8의 지표면 온도는 모든 자료에서 기울기가 0.78이었고 5개의 흐린날을 제외한 맑은 상태의 자료에서 0.88이었다. 그리고 초기 지표면온도에서 상관계수는 0.88이었고 평방근 오차 (Root Mean Sqare Error (RMSE))는 $5.33^{\circ}C$이었다. 지표면 온도 보정이후에는 상관계수는 0.98 그리고 RMSE는 $2.34^{\circ}C$이었으며 회귀식의 기울기는 0.95로 개선되었다. 계절 및 년 지표면 온도는 상업지역과 공업지역 그리고 도시와 주변지역을 잘 표현하였다. 결과적으로 지상에서 관측된 지표면 온도를 이용하여 위성에서 산출된 지표면온도를 보정하였을 때 실제 상태와 유사한 분포를 보였다.
Land Surface Temperature (LST) retrieved from Landsat 8 measured from 2013 to 2014 and it is corrected by surface temperature observed from ground. LST maps are retrieved from Landsat 8 calculate using the linear regression function between raw Landsat 8 LST and ground surface temperature. Seasonal ...
Land Surface Temperature (LST) retrieved from Landsat 8 measured from 2013 to 2014 and it is corrected by surface temperature observed from ground. LST maps are retrieved from Landsat 8 calculate using the linear regression function between raw Landsat 8 LST and ground surface temperature. Seasonal and annual LST maps developed an average LST from season to annual, respectively. While the higher LSTs distribute on the industrial and commercial area in urban, lower LSTs locate in surrounding rural, sea, river and high altitude mountain area over Seoul and surrounding area. In order to correct the LST, linear regression function calculate between Landsat 8 LST and ground surface temperature observed 3 Korea Meteorological Administration (KMA) synoptic stations (Seoul(ID: 108), Incheon(ID: 112) and Suwon(ID: 119)) on the Seoul and surrounding area. The slopes of regression function are 0.78 with all data and 0.88 with clear sky except 5 cloudy pixel data. And the original Landsat 8 LST have a correlation coefficient with 0.88 and Root Mean Square Error (RMSE) with $5.33^{\circ}C$. After LST correction, the LST have correlation coefficient with 0.98 and RMSE with $2.34^{\circ}C$ and the slope of regression equation improve the 0.95. Seasonal and annual LST maps represent from urban to rural area and from commercial to industrial region clearly. As a result, the Landsat 8 LST is more similar to the real state when corrected by surface temperature observed ground.
Land Surface Temperature (LST) retrieved from Landsat 8 measured from 2013 to 2014 and it is corrected by surface temperature observed from ground. LST maps are retrieved from Landsat 8 calculate using the linear regression function between raw Landsat 8 LST and ground surface temperature. Seasonal and annual LST maps developed an average LST from season to annual, respectively. While the higher LSTs distribute on the industrial and commercial area in urban, lower LSTs locate in surrounding rural, sea, river and high altitude mountain area over Seoul and surrounding area. In order to correct the LST, linear regression function calculate between Landsat 8 LST and ground surface temperature observed 3 Korea Meteorological Administration (KMA) synoptic stations (Seoul(ID: 108), Incheon(ID: 112) and Suwon(ID: 119)) on the Seoul and surrounding area. The slopes of regression function are 0.78 with all data and 0.88 with clear sky except 5 cloudy pixel data. And the original Landsat 8 LST have a correlation coefficient with 0.88 and Root Mean Square Error (RMSE) with $5.33^{\circ}C$. After LST correction, the LST have correlation coefficient with 0.98 and RMSE with $2.34^{\circ}C$ and the slope of regression equation improve the 0.95. Seasonal and annual LST maps represent from urban to rural area and from commercial to industrial region clearly. As a result, the Landsat 8 LST is more similar to the real state when corrected by surface temperature observed ground.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
가설 설정
지상에서 관측된 지표면 온도를 위성에서 관측된 모든 화소에 적용하는 것은 제약이 있다. 그러나 지표면 온도를 관측하는 지상관측소가 제한적이기 때문에 본 연구에서는 지상에서 관측된 지표면 온도와 동일 지점의 위성산출 지표면 온도는 동일하다는 가정을 하였다. 그리고 지상 관측과 위성 관측사이의 관계성은 위성 센서의 민감도 변화, 위성 관측, 위성자료의 대기보정 등의 제한성을 고려하여 동일한 지표면 온도는 일정한 관계성을 가지게 되므로 모든 화소에 동일한 보정을 수행하였다.
시공간 일치된 지표면 온도자료를 이용하여 위성에서 관측된 지표면 온도를 독립변수로 지표면에서 관측된 지표면 온도를 종속변수로 가정하여 식(4)와 같이 선형 회귀식을 산출하였다.
제안 방법
관측된 지표면 온도와 위성으로부터 산출된 지표면 온도의 회귀식을 이용하여 위성기반의 지표면 온도지도를 산출하였고 자료 활용에 대하여 분석하였다. 2013년 5월 14일 1120 LST의 Landsat 8 채널별 자료를 이용하여 RGB 조합영상, Tasseled cap Brightness, Tasseled cap Greenness, Tasseled cap Wetness 지수, NDVI, NDBI 그리고 지표면 온도를 계산하였다. 사례에서 서울 남쪽에 동서방향에서 구름이 위치하는 것을 확인할 수 있으며, 도시지역과 산악 그리고 수면 등이 뚜렷이 구별되는 것으로 분석되었다.
Landsat 8위성의 다양한 관측 파장 중 대기의 창 영역에 해당되는 11 μm(Band 10, 공간 해상도: 100 m × 100 m) 자료를 이용하여 지표면 온도를 산출하였다.
수도권 지역에 대하여 Landsat 8에서 관측자료를 이용하여 지표면 온도를 산출하였고 지상에서 관측된 지표면 온도를 이용하여 보정된 지표면 온도를 비교분석하였다. 관측된 지표면 온도와 위성으로부터 산출된 지표면 온도의 회귀식을 이용하여 위성기반의 지표면 온도지도를 산출하였고 자료 활용에 대하여 분석하였다. 2013년 5월 14일 1120 LST의 Landsat 8 채널별 자료를 이용하여 RGB 조합영상, Tasseled cap Brightness, Tasseled cap Greenness, Tasseled cap Wetness 지수, NDVI, NDBI 그리고 지표면 온도를 계산하였다.
따라서 본 연구에서는 수도권 지역에 대한 Landsat 8 자료를 이용하여 지표면 온도를 산출하였고 지표면에서 관측된 지표면 온도를 이용하여 위성에서 산출된 지표면 온도와 비교분석하였다. 그리고 관측된 지표면 온도와 위성으로부터 산출된 지표면 온도의 관계를 선형 회귀방법을 이용하여 지표면 온도를 보정하였으며, 이를 계절 및 연 평균하여 위성기반의 지표면 온도지도를 산출 및 분석하였다.
그리고 산출된 선형 회귀식을 위성의 지표면 온도에 적용하여 새로운 지표면 온도를 산출한다.
그러나 지표면 온도를 관측하는 지상관측소가 제한적이기 때문에 본 연구에서는 지상에서 관측된 지표면 온도와 동일 지점의 위성산출 지표면 온도는 동일하다는 가정을 하였다. 그리고 지상 관측과 위성 관측사이의 관계성은 위성 센서의 민감도 변화, 위성 관측, 위성자료의 대기보정 등의 제한성을 고려하여 동일한 지표면 온도는 일정한 관계성을 가지게 되므로 모든 화소에 동일한 보정을 수행하였다.
보정된 지표면 온도는 계절별 그리고 연간 평균하여 지표면 온도지도를 산출하였고 산출된 지표면 온도에 대하여 통계분석을 실시하였다. 단, 지상 관측지점수와 Landsat 8 위성자료수의 제한으로 선형 회귀식 산출에 사용된 모든 지상 관측자료를 이용하여 검증을 수행하였다.
대부분의 고해상도 위성자료를 활용한 연구들은 지표면 온도를 이용한 검증에 대한 분석이 부족하였으며, 특히, 우리나라에서 실측된 지표면 온도를 통한 분석 및 서울에 대한 도시화의 분석 그리고 활용에 대하여 연구된 사례가 적었다. 따라서 본 연구에서는 수도권 지역에 대한 Landsat 8 자료를 이용하여 지표면 온도를 산출하였고 지표면에서 관측된 지표면 온도를 이용하여 위성에서 산출된 지표면 온도와 비교분석하였다. 그리고 관측된 지표면 온도와 위성으로부터 산출된 지표면 온도의 관계를 선형 회귀방법을 이용하여 지표면 온도를 보정하였으며, 이를 계절 및 연 평균하여 위성기반의 지표면 온도지도를 산출 및 분석하였다.
또한, 연구대상지는 Landsat 8 위성관측 영역과 비교하여 상대적으로 좁기 때문에 대기조건은 공간적으로 동일하다고 가정하여 기온과 대기 중의 수증기의 영향을 무시하였고, Landsat 8 위성의 화소별 지표면의 방출률(ε)만을 고려하여 지표면 온도(Ts(K))를 산출하였다.
먼저 2.1의 대상지역과 2.2의 지상관측 지표면 온도 그리고 2.3의 Landsat 8에서 산출된 지표면 온도를 이용하여 지상에서 관측된 지점과 시공간 일치를 수행하였다. 시간 일치는 위성이 관측한 시간과 가장 가까운 시간에 관측된 지표면에서 관측된 자료를 일치하였고 공간 일치는 지상 관측소를 기준으로 위성에서 관측된 자료를 3×3 화소를 평균하여 일치시켰다.
수도권 지역에 대하여 Landsat 8에서 관측자료를 이용하여 지표면 온도를 산출하였고 지상에서 관측된 지표면 온도를 이용하여 보정된 지표면 온도를 비교분석하였다. 관측된 지표면 온도와 위성으로부터 산출된 지표면 온도의 회귀식을 이용하여 위성기반의 지표면 온도지도를 산출하였고 자료 활용에 대하여 분석하였다.
시간 일치는 위성이 관측한 시간과 가장 가까운 시간에 관측된 지표면에서 관측된 자료를 일치하였고 공간 일치는 지상 관측소를 기준으로 위성에서 관측된 자료를 3×3 화소를 평균하여 일치시켰다.
위성산출 지표면 온도와 지상관측 지표면 온도의 관계성을 이용하여 위성산출 지표면 온도를 개선하였고 각 사례들의 지표면 온도를 계절별 그리고 연 평균하여 지표면 온도지도를 Fig. 7과 같이 계산하였다. 사용된 자료의 수가 적어 계절평균을 대표할 수는 없으나 동일시각에 관측된 자료를 이용하였기 때문에 계절별 또는 연지표면 온도의 분포특성은 나타낼 수 있을 것으로 분석된다.
대기와 비교하여 지표면의 열용량이 작기 때문에 일교차가 크게 나타난다. 지상관측 지표면 온도는 Landsat 8 지표면 온도와 동일한 사례의 자료들을 선별하였고 선형 회귀식을 산출하여 보정하였으며, 동일한 자료를 이용하여 위성으로부터 산출된 지표면 온도를 검증하였다.
대상 데이터
Landsat 8의 관측은 매 16일에 1회 관측 및 제공되고 있다. Landsat 8 위성 자료는 인천을 중심으로 관측되는 path116/row34 영역의 자료를 사용하였다. 이 자료는 “earthexploerer.
지상에서 관측된 지표면 온도는 기상청의 종관관측소에서 매시 관측되는 지표면 온도를 이용하였다(Fig. 1 참조). 각각의 관측소에서 관측된 기온, 상대습도, 풍향, 풍속, 강수, 기압, 운량 및 지표면 온도는 Fig.
지표면 고도는 국립지리원에서 제공된 10 m × 10 m 해상도 자료를 30 m × 30 m의 공간해상도로 공간평균하였다.
데이터처리
보정된 지표면 온도는 계절별 그리고 연간 평균하여 지표면 온도지도를 산출하였고 산출된 지표면 온도에 대하여 통계분석을 실시하였다. 단, 지상 관측지점수와 Landsat 8 위성자료수의 제한으로 선형 회귀식 산출에 사용된 모든 지상 관측자료를 이용하여 검증을 수행하였다.
이론/모형
Fig. 4는 Landsat 8에서 관측된 지표면 온도이며, 구름화소는 산출된 밝기온도의 빈도분포와 분리대기창(split-window) 방법을 적용하여(Hollingsworth et al., 1996) 제거하였다. Fig.
, 2014). Landsat 8 자료로부터 산출된 밝기온도의 빈도분포와 분리대기창(split-window) 방법을 적용하여 구름의 임계값을 산출하여 구름화소를 제거하였다(Hollingsworth et al., 1996). 또한, 연구대상지는 Landsat 8 위성관측 영역과 비교하여 상대적으로 좁기 때문에 대기조건은 공간적으로 동일하다고 가정하여 기온과 대기 중의 수증기의 영향을 무시하였고, Landsat 8 위성의 화소별 지표면의 방출률(ε)만을 고려하여 지표면 온도(Ts(K))를 산출하였다.
그림 내 3개의 점은 지표면 온도를 관측하는 기상청 종관관측소(서울(지점번호: 108), 인천(지점번호: 112), 수원(지점번호: 119))의 위치를 표시하였다. 지면피복은 2012년 국립지리원의 중분류 토지이용도를 이용하여 United States Geological Survey(USGS) 33분류로 재분류하였고(Jee and Choi, 2014), Landsat 8 위성의 지표면 온도 산출에 적용하기 위한 지면피복별 여름과 겨울의 방출율은 Table 1에 정리하였다. 지면피복에 따른 방출율은 기후모델, 기상수치모델의 기초자료로 적용되는 값으로 장기간 MODIS, Landsat 등 위성 관측자료를 이용하여 산출되었다(Mallick et al.
성능/효과
Fig. 4(a)는 Landsat 8 영상으로부터 산출된 지표면 온도로 인천의 공업지역과 서울의 도시지역에서 상대적으로 높은 지표면 온도가 나타났으며, 해수면과 한강 그리고 높은 고도의 산에서 낮은 온도가 나타났다. Fig.
Landsat 8 자료를 이용하여 RGB 영상분석, 지표특성지수와 지표온도 산출결과는 서울과 주변지역의 차이가 뚜렷이 나타났다. 특히, 지표특성 지수와 지표온도에서는 서울에서 주변 신도시 지역으로 도시 내에서 높게 나타났다.
사용된 자료의 수가 적어 계절평균을 대표할 수는 없으나 동일시각에 관측된 자료를 이용하였기 때문에 계절별 또는 연지표면 온도의 분포특성은 나타낼 수 있을 것으로 분석된다. 계절별 지표면 온도의 특성을 살펴보면, 여름철에 높고 겨울철에 낮은 온도경향을 나타내고 봄철에 해양과 지표면의 온도차이가 뚜렷이 나타났다. 그러나 여름철과 가을철 자료의 수가 비교적 적어 구름제거에 따라 경기도 남부지역으로 구름이 위치하였던 부분으로 영역에서 지표면 온도가 낮게 나타났다.
84℃이었다. 구름을 포함한 모든 자료에서 보정전과 유사하게 지표면 온도가 낮게 관측된 영역에서 Landsat 8 지표면 온도가 높게 나타나는 특징을 보였다. 그러나 이때 회귀식의 기울기는 0.
5(b)와 같다. 구름을 포함한 모든 자료에서는 보정전과 유사한 특징(낮은 지표면 온도에서 Landsat 8 지표면 온도가 나타남)을 보였으나 회귀식의 기울기는 0.95로 관측과 유사한 지표면 온도로 산출되었다. 그리고 보정된 Landsat 8 지표면 온도는 지상관측 지표면 온도와 상관계수는 0.
95로 관측과 유사한 지표면 온도로 산출되었다. 그리고 보정된 Landsat 8 지표면 온도는 지상관측 지표면 온도와 상관계수는 0.98로 보정전과 상관계수는 동일하였으나 RMSE는 2.34℃로 개선되었다.
95로 관측과 유사한 지표면 온도로 산출되었다. 그리고 보정된 Landsat 8 지표면 온도와의 상관계수는 0.98로 보정 전과 동일하였으나 RMSE는 2.34℃로 개선된 결과를 보여주었다. 보정전과 후의 상관성은 유사하였으나 지상관측 지표면 온도와의 편차가 작아져 위성산출 지표면 온도가 실제 지표면 온도와 유사하였다.
서울 내부 교통량 및 인구밀도가 높은 지역과 수도권의 김포공항, 인천, 시화, 남동 공업지역 등 교통, 사업 집중지역을 중심으로 높은 지표면 온도가 분포되고 있다. 또한, 서울을 중심으로 인구분산을 위하여 형성된 일산, 분당, 안양, 의정부 등의 위성도시에서 높은 지표면 온도가 나타나는 것으로 분석된다.
2013년 5월 14일 1120 LST의 Landsat 8 채널별 자료를 이용하여 RGB 조합영상, Tasseled cap Brightness, Tasseled cap Greenness, Tasseled cap Wetness 지수, NDVI, NDBI 그리고 지표면 온도를 계산하였다. 사례에서 서울 남쪽에 동서방향에서 구름이 위치하는 것을 확인할 수 있으며, 도시지역과 산악 그리고 수면 등이 뚜렷이 구별되는 것으로 분석되었다. 지표면 온도는 계절적 특성상 도시지역에서 높은 온도가 나타나는 것을 볼 수 있으며, 인천과 시흥 등의 공업지역에서 다른 지역보다 높은 지표면 온도가 나타나는 것을 확인하였다.
88로 나타났고 구름 화소로 제외된 자료는 5개였다. 지상에서 관측된 지표면 온도와 비교하였을 때 모든 자료에 대하여 상관계수는 0.88이고 RMSE는 5.33℃이었으나 구름인 화소를 제거하였을 때 상관계수는 0.98이고 RMSE는 2.84℃이었다. 구름을 포함한 모든 자료에서 보정전과 유사하게 지표면 온도가 낮게 관측된 영역에서 Landsat 8 지표면 온도가 높게 나타나는 특징을 보였다.
88로 나타났고 구름 화소로 제외된 자료는 5개였다. 지상에서 관측된 지표면 온도와 비교하였을 때 모든 자료에 대하여 상관계수는 0.88이고 평방근 오차(Root Mean Square Error(RMSE))는 5.33℃이었으나 구름인 화소를 제거하였을 때 상관계수는 0.98이고 RMSE는 2.84℃로 상관성은 높아지고 오차 또한 감소하였다.
사례에서 서울 남쪽에 동서방향에서 구름이 위치하는 것을 확인할 수 있으며, 도시지역과 산악 그리고 수면 등이 뚜렷이 구별되는 것으로 분석되었다. 지표면 온도는 계절적 특성상 도시지역에서 높은 온도가 나타나는 것을 볼 수 있으며, 인천과 시흥 등의 공업지역에서 다른 지역보다 높은 지표면 온도가 나타나는 것을 확인하였다.
또한, NDVI와 NDBI를 통하여 연구대상지의 식생과 도심지 및 도로 등의 구별이 가능하다. 지표면 온도는 계절적 특성상 도시지역에서 높은 온도가 나타나는 것을 볼 수 있으며, 인천과 시흥 등의 공장지역에서 높은 지표면 온도가 나타나는 것을 확인하였다. NDBI 지수의 경우 산림지역에서 작은 값을 가지며, 대부분 도시지역(Fig.
후속연구
지표면 온도지도는 직접 관측이 불가능한 지역을 원격탐사장비를 이용하여 관측된 자료를 통해 회귀식을 산출하는 것이 핵심이며, 지역적인 온도분포를 효율적으로 분석할 수 있다. 그러나 지표면 온도지도 작성을 위해서는 많은 관측자료가 요구되며, 정확한 산출을 위하여 구름화소 제거, 기온 및 수증기의 영향 분석 등의 연구가 선행되어야 할 것으로 분석된다.
질의응답
핵심어
질문
논문에서 추출한 답변
자동기상관측장비의 한계점은 무엇인가?
이러한 온도 변화는 자동기상관측장비(Automatic Weather System(AWS))로 관측된 온도자료의 분석을 통해 알 수 있으나(Koo et al., 2007) 토지이용 형태에 대한 자료의 부족으로 상세한 특성분석이 어렵다. 반면에 위성의 경우 지상·항공관측과 비교하여 넓은 영역을 주기적으로 자료 확보가 가능하며, 지표면 정보 갱신에 용이하다.
도시열섬의 주된 원인은 무엇인가?
도시열섬에 주된 원인으로 인공구조물의 증가는 토지이용 및 토지피복의 변화와 연관되며, 도시화에 따른 지표면 피복의 변화는 도시의 열지수와 온도분포를 변이 시킨다(Ahn et al., 2012).
위성자료의 장점은 무엇인가?
, 2007) 토지이용 형태에 대한 자료의 부족으로 상세한 특성분석이 어렵다. 반면에 위성의 경우 지상·항공관측과 비교하여 넓은 영역을 주기적으로 자료 확보가 가능하며, 지표면 정보 갱신에 용이하다. 현재 위성자료는 공간 및 분광학적 해상도의 다양화로 지표면 분석을 위한 입력자료로써 활용성이 증대되고 있다(Yoo, 1999).
참고문헌 (28)
Ahn, J.S., J.D. Hwang, M.H. Park, and Y.S. Suh, 2012. Estimation of Urban Heat Island Potential Based on Land Cover Type in Busan Using Landsat-7 ETM+ and AWS Data. Journal of the Korean Association of Geographic Information Studies, 15(4): 65-77 (in Korean with English abstract).
Choi, S.P. and I.T. Yang, 1998. Extraction of land surface change information by using Landsat TM images. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography, 21(3): 261-267 (in Korean with English abstract).
He, J.F., J.Y. Liu, D.F. Zhuang, W. Zhang, and M.L. Liu, 2007. Assessing the effect of land use/land cover change on the change of urban heat island intensity. Theoretical and Applied Climatology, 90(3): 217-226.
Hollingsworth, B., L. Chen, S.E. Reichenbach, and R.R. Irish, 1996. Automated cloud cover assessment for Landsat TM images. Proceedings of SPIE-Imaging Spectrometry II. November 1996, 2819: 170-179.
Jee, J.B. and Y.J. Choi, 2014. Conjugation of Landsat Data for Analysis of the Land Surface Properties in Capital Area. Journal of the Korean Earth Science Society, 35(1): 54-68 (in Korean with English abstract).
Jee, J.B., K.T. Lee, and Y.J. Choi, 2014. Analysis of Land Surface Temperature from MODIS and Landsat Satellites using by AWS Temperature in Capital Area, Korean Journal of Remote Sensing, 30(2): 315-329 (in Korean with English abstract).
Jeong, J.C., 2009. Comparison of land surface temperatures derived from surface emissivity with urban heat island effect. Journal of Environmental Impact Assessment, 18(4): 219-277 (in Korean with English abstract).
Jin, M. and S. Liang, 2006: An Improved Land Surface Emissivity Parameter for Land Surface Models Using Global Remote Sensing Observations, Journal of Climate, 19(12): 2867-2881.
Jo, M.H., K.J. Lee, and W.S. Kim, 2001. A study on the spatial distribution characteristic of urban surface temperature using remotely sensed data and GIS. Journal of the Korean Association of Geographic Information Studies, 4(1): 57-66 (in Korean with English abstract).
Karnieli, A., 2010. Use of NDVI and land surface temperature for drought assessment: Merits and limitations. Journal of Climate, 23(3): 618-633.
Kim, Y.J. and Y.E. Choi, 2012. A Study on the Intensity of Urban Heat Islands in the Seoul Metropolitan Area by Weather Conditions. The Geographical Journal of Korea, 46(1): 1-9 (in Korean with English abstract).
Kim, J.I. and J.H. Kwon, 2005. Identifying urban spatial structure through GIS and Remote Sensing data: The case of Daegu Metropolitan Area. The Korean Association of Geographic Information Studies, 12(4): 44-51 (in Korean with English abstract).
Kim, B.S. and H.H. Kwon, 2011, Status and Future Prospects of Abnormal Climate after 2010 on the Korean peninsula, Journal of disaster prevention, 3(1) : 4-15 (in Korean with Korean abstract).
Kim, T.G., K.E. Kim, K.S. Jo, and K.H. Kim, 1996. Monitoring of lake water quality using LANDSAT TM imagery data. Journal of the Korean Society for Geo-Spatial Information System, 4(2): 23-33 (in Korean with English abstract).
KMA, 2002. Guidance of Surface Meteorological Observation, p.151 (in Korean)
Koo, H.J., Y.H. Kim, and B.C. Choi, 2007. A Study on the Change of the Urban Heat Island Structure in Seoul. Journal of Climate Research, 2(2): 67-78 (in Korean with English abstract).
Landsberg, H.E., 1981. The Urban Climate. Academic press, New York, USA, p.275.
Lee, J.Y., D.Y. Yang, J.Y. Kim, and G.S. Chung, 2004a. Application of Landsat ETM image indices to classify the wildfire area of Gangneung, Gangweon province, Korea. Journal of Korean Earth Science Society, 25(8): 754-763 (in Korean with English abstract).
Lee, J.Y., D.Y. Yang, J.Y. Kim, and G.S. Chung, 2004b. Application of Landsat ETM image to estimate the distribution of soil types and erosional pattern in the wildfire area of Gangneung, Gangweon province, Korea. Journal of Korean Earth Science Society, 25(8): 764-773 (in Korean with English abstract).
Lee, S., Y.S. Bae, and H.S. Kim, 2011. The Study and Analysis of Extreme Weather in Seoul, Seoul Studies, 12(2): 1-17 (in Korean).
Mallick, J., Y. Kant, and B.D. Bharath, 2008. Estimation of land surface temperature over Delhi using Landsat-7 ETM+. Journal Indian Geophysical Union, 12(7): 131-140.
Matthew, M., L. Allen, T. Zelalem, W. Brian, and R. Dennis, 2014. Radiometric calibration methodology of the Landsat 8 Thermal Infrared Sensor. Remote Sensing 6(9): 8803-8821.
NASA, 2008. Landsat-7 Science Data Users Handbook, 184, http://landsathandbook.gsfc.nasa.gov/pdfs/Landsat7_Handbook.pdf.
USGS, 2015. LANDSAT 8(L8) Data Users Handbook. Department of the Interior US Geological Survey, LSDS-1574 Version 1.0, 105.
Steve, K.J., N.H. Wong, H. Emlyn, A. Roni, and Y. Hong, 2007. The influence of land use on the urban heat island in Singapore. Habitat International, 31(1): 232-242.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.