[논문]Terra MODIS NDVI를 활용한 3월말 논지역 건조상태에 따른 가뭄표현 가능성 연구

이지완; 이용관; 김성준

doi:10.11108/kagis.2017.20.3.027

Terra MODIS NDVI를 활용한 3월말 논지역 건조상태에 따른 가뭄표현 가능성 연구
The Possibility of Drought Expression by Late March Dryness in Rice Paddy Areas Using Terra MODIS NDVI 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.20 no.3, 2017년, pp.27 - 41

이지완 (건국대학교 사회환경플랜트공학과) , 이용관 (건국대학교 사회환경플랜트공학과) , 김성준 (건국대학교 사회환경플랜트공학과)

초록
AI-Helper

본 논문의 목적은 Terra MODIS NDVI(Normalized Difference Vegetation Index)를 이용하여 3월 하순 논 지역의 건조상태를 평가함으로써 식생지수의 가뭄표현 가능성을 확인하는데 있다. 2000년부터 2015년까지의 평균 NDVI와 해당연도 NDVI를 활용한 DCI(Dry Condition Index)를 개발하여 논지역의 건조상태를 분석하였다. 전국을 대상으로 3월 16일부터 5월 25일까지의 16일 간격 DCI를 산정하여 시공간적 건조도를 평가하였으며, 특히 4월 7일(3/23-4/7) DCI는 가뭄년에 대하여 논 지역이 건조함을 잘 나타냄을 확인하였다. 4월 7일의 건조상태 DCI 값은 0.04-0.08 으로 나타났고, 정상상태는 -0.04~0.01이었다. 본 연구에서 개발한 DCI는 초봄의 논 건조 상태를 평가에 대한 지표로서의 활용이 가능할 것으로 판단된다.

Abstract ▼ AI-Helper

The purpose of this study is to diagnose the possibility of future drought expression by late March dryness in rice paddy areas using Terra MODIS NDVI (Normalized Difference Vegetation Index). We tested the degree of dryness by comparing the 2000-2015 average NDVI with yearly NDVI, which we name DCI (Dry Condition Index). The 16-day interval DCIs from March 6 to May 25 were evaluated with spatio-temporal expression of South Korea. In particular, we find that the DCI for April 7 (March 23 to April 7) offered reasonable prediction of paddy dryness during drought years. The April 7 DCI value for dry conditions ranged from 0.04 to 0.08 while the DCI for normal conditions ranged from -0.04 to 0.01. The DCI can be one of the indicators used to evaluate the dryness of rice paddy areas at the beginning of the spring season.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 연구는 한반도 전체의 환경 및 식생모니터링이 용이하며 관측주기가 짧고 관측 폭이 넓어 식생의 변화 관측에 적합한 위성영상인 Terra MODIS NDVI를 활용하여 관측 시작연도(2000년)부터 2015년까지의 봄철 NDVI의 패턴을 분석하고 이를 토대로 토양 건조지수(DCI)를 산정하였다. DCI의 적용성을 평가하기 위해 누적강수량 및 수문학적 가뭄지수인 SPI(Standardized Precipitation Index)와의 상관성 분석을 수행하였으며, 이를 통해 봄철 논 지역의 가뭄 표현을 위한 MODIS NDVI의 활용성과 효과적인 활용방안을 제시하고자 하였다.
농업에서의 가뭄은 평년을 기준으로 한 상대적 차이가 중요함에 따라 본 연구에서는 평년 대비 현재의 상대적 건조지역을 탐지하기 위해 평년 대비 건조지수를 개발하고자 하였다. 또한 본 연구의 대상지역을 논 지역으로 설정하여 토지 용도가 지정된 구역의 식생 상태를 비교하게 되므로 상대적 차이에 대한 정량적인 평가가 가능하다.
본 연구는 Terra MODIS 위성영상을 이용하여 봄철 전국의 논 지역의 건조상태를 공간적으 로 분석하고자 DCI를 산정하였다. 산정된 건조지수를 이용하여 가뭄이었던 2014, 2015년과 평년인 2011년에 대해 적용하여 강수량과의 상관 관계를 분석하였으며, 과거 16년(2000∼2015) 동안의 위성영상을 수집하여 DCI를 적용하여 과거 가뭄기록과의 비교를 통해 3월 말 논 가뭄에 대한 위성영상의 활용 가능성을 판단하였다.
본 연구에서 3월 23일부터 4월 7일까지의 식생자료인 4월 7일 영상을 이용하여 논 지역에 대한 3월 말 가뭄 표현 가능성을 검토하였다. 산정한 DCI의 활용성을 평가하기 위해 가뭄 기록 및 기상학적 가뭄지수인 SPI-12와 관측 자료 기반의 평년대비 누적강수 부족율과의 공간 변동성을 분석하였다.
본 연구에서는 MODIS 위성영상 자료를 이용한 DCI 산정에 앞서, 우리나라의 주요 가뭄 년도에 대한 봄철 16일 간격의 NDVI에 대한 패턴 분석 및 픽셀 분포 분석을 실시하고 가뭄 년도를 제외한 NDVI 평년 자료를 생성하였다. 이를 통해 시군구별 논 지역을 대상으로 DCI를 산정하였으며, 강수량 자료 및 SPI-12 자료와의 상관성 분석을 통해 DCI의 가뭄 표현에 대한 가능성을 검토하였다(그림 1).
본 연구에서는 논물잡이 시기인 3월 하순∼4월 초에 대해 토양의 건조상태에 따른 NDVI의 공간적 변화분포를 살펴보기 위해 가뭄시기와 평년의 이미지 연산을 통해 식생지수 변화지역을 분석하였으며, 본 연구에서는 이미지 연산을 식 (2)와 같이 DCI로 정의하였다.

제안 방법

산정한 DCI의 면적 변화를 살펴보기 위하여 2011, 2014, 2015년의 4월 7일에 대하여 DCI 단계별 면적과 동일기간의 누적강수량 부족율을 정리하였다(표 2). DCI는 앞서 기술한 바와 같이 보통(Ⅰ), 약한건조(Ⅱ), 심한건조(Ⅲ)의 3단계로 구별하여 도별 분포를 나타내었으며, 누적 강수 부족율은 전국 63개 기상관측소의 일강수량자료를 이용하여, 역거리가중법(IDW: inverse distance weight method)으로 공간내삽시켜 생성시킨 후(Lee et al., 2016), 1월 1일부터 4월 23일까지 도별 누적강수량을 구축하였고 30년(1981-2010) 평년자료 대비 강수 비율을 정리하였다.
둘째, 가뭄에 대한 NDVI의 공간적 변화분포를 살펴보기 위해 가뭄시기와 평년의 이미지 연산을 통해 식생지수 변화지역 분석을 위해 DCI를 산정하였다. DCI에 의한 건조단계는 평년과 가뭄 시기의 NDVI의 픽셀분포를 살펴보고 히스토그램의 작성과 통계분석을 통해 DCI가 0.
따라서 본 연구에서는 논의 건조 상태 및 식생 상태별 반사특성을 고려하여 정의한 DCI의 범위를 3단계로 구분하였으며, 이를 이용하여 가뭄 분석을 시도하였다. DCI가 0.
는 평년으로, 본 연구에서 활용한 MODIS 영상 자료는 2000년 2월 이후부터 자료를 제공하고 있는 이유로 누적된 장기간의 자료를 이용한 특정시점의 심도분석이 어렵다. 따라서 본 연구에서는 누적강수량 가뭄 기록 등을 고려하여 평년 및 가뭄 년도(2001, 2009, 2012, 2014, 2015)를 선정하였다. 또한 논 지역 추출을 위해 Land sat7, 1/5,000 과 1/25,000 수치지도, 식생도, 임상도, DEM 자료 등을 이용해 제작된 환경부의 중분류 토지피복도를 이용하였다.
따라서 본 연구에서는 누적강수량 가뭄 기록 등을 고려하여 평년 및 가뭄 년도(2001, 2009, 2012, 2014, 2015)를 선정하였다. 또한 논 지역 추출을 위해 Land sat7, 1/5,000 과 1/25,000 수치지도, 식생도, 임상도, DEM 자료 등을 이용해 제작된 환경부의 중분류 토지피복도를 이용하였다.
MOD13Q1 자료는 Quality Assessment(QA) 정보와 더불어 16일 중 오차가 가장 작은 날짜에 대한 정보를 함께 제공하며 구름 또는 구름에 의한 그림자 등에 의한 자료의 불확실도를 제공한다. 본 연구에서는 모든 영상은 2000년 2월부터 2015년 12월의 기간에 걸쳐 16일 간격으로 구축하였으며, 오차를 최소화하기 위해 MODIS 자료 처리 시 QA정보를 적용하였다.
산정된 건조지수를 이용하여 가뭄이었던 2014, 2015년과 평년인 2011년에 대해 적용하여 강수량과의 상관 관계를 분석하였으며, 과거 16년(2000∼2015) 동안의 위성영상을 수집하여 DCI를 적용하여 과거 가뭄기록과의 비교를 통해 3월 말 논 가뭄에 대한 위성영상의 활용 가능성을 판단하였다.
산정한 DCI의 면적 변화를 살펴보기 위하여 2011, 2014, 2015년의 4월 7일에 대하여 DCI 단계별 면적과 동일기간의 누적강수량 부족율을 정리하였다(표 2). DCI는 앞서 기술한 바와 같이 보통(Ⅰ), 약한건조(Ⅱ), 심한건조(Ⅲ)의 3단계로 구별하여 도별 분포를 나타내었으며, 누적 강수 부족율은 전국 63개 기상관측소의 일강수량자료를 이용하여, 역거리가중법(IDW: inverse distance weight method)으로 공간내삽시켜 생성시킨 후(Lee et al.
본 연구에서 3월 23일부터 4월 7일까지의 식생자료인 4월 7일 영상을 이용하여 논 지역에 대한 3월 말 가뭄 표현 가능성을 검토하였다. 산정한 DCI의 활용성을 평가하기 위해 가뭄 기록 및 기상학적 가뭄지수인 SPI-12와 관측 자료 기반의 평년대비 누적강수 부족율과의 공간 변동성을 분석하였다.
본 연구에서는 MODIS 위성영상 자료를 이용한 DCI 산정에 앞서, 우리나라의 주요 가뭄 년도에 대한 봄철 16일 간격의 NDVI에 대한 패턴 분석 및 픽셀 분포 분석을 실시하고 가뭄 년도를 제외한 NDVI 평년 자료를 생성하였다. 이를 통해 시군구별 논 지역을 대상으로 DCI를 산정하였으며, 강수량 자료 및 SPI-12 자료와의 상관성 분석을 통해 DCI의 가뭄 표현에 대한 가능성을 검토하였다(그림 1).
농업 가뭄에 대한 적절한 대응조치를 위해 벼의 생육 중 가장 중요한 논물잡이 시기의 토양 특성과 식생지수의 특성을 이해하여 토양의 건조 상태에 따른 가뭄현상을 조기에 감시하고 이에 대한 적절한 대응체계를 구축할 수 있는 연구가 요구된다. 이에 본 연구는 한반도 전체의 환경 및 식생모니터링이 용이하며 관측주기가 짧고 관측 폭이 넓어 식생의 변화 관측에 적합한 위성영상인 Terra MODIS NDVI를 활용하여 관측 시작연도(2000년)부터 2015년까지의 봄철 NDVI의 패턴을 분석하고 이를 토대로 토양 건조지수(DCI)를 산정하였다. DCI의 적용성을 평가하기 위해 누적강수량 및 수문학적 가뭄지수인 SPI(Standardized Precipitation Index)와의 상관성 분석을 수행하였으며, 이를 통해 봄철 논 지역의 가뭄 표현을 위한 MODIS NDVI의 활용성과 효과적인 활용방안을 제시하고자 하였다.
DCI 산정에 앞서 평년과 가뭄년의 NDVI의 픽셀분포를 살펴보고 DCI의 표현범위를 결정하기 위해 식생지수의 차이가 가장 큰 4월 7일에 대한 히스토그램을 통해 통계분석을 실시하였다. 전국적으로 심한 가뭄을 겪었던 2014, 2015년과 가뭄 기록이 없는 2011년을 선택하여 가뭄 년도와 평년을 비교하였다. 그림 3은 4월 7일에 3개년(2011, 2014, 2015년)에 대한 행정구역별 NDVI 픽셀분포를 도시한 것이고, 표 1는 이를 행정구역 내 논 지역 픽셀 수, 논 지역에 대한 NDVI 최저, 최고, 평균, 또한 NDVI 분포에 대한 표준편차를 정리한 것이다.

대상 데이터

Terra 위성은 705km 고도에서 일 2회 한반도 상공을 지나며, 북쪽에서 남쪽 방향으로 오전 10시 30분경에 적도를 통과한다. 관측범위는 남북방향으로 5,000km, 동서방향으로 2,300km이다. MODIS의 공간해상도는 밴드 1과 2가 250m×250m, 밴드 3부터 7은 500m×500m 및 밴드 8부터 36까지는 1km×1km 등 세 가지 종류가 있다(Lee et al.
본 연구에서는 2000년부터 2015년까지 MODIS NDVI를 활용하였으며, 봄철 논지역의 건조상태 분석을 위하여 2월부터 5월을 선정하였다. 또한 환경부 토지피복지도로부터 우리나라 9개도의 논 지역을 추출하여 분석에 활용하였다.
본 연구에서 사용한 영상은 Land Processes Distributed Active Archive Center(LP DAAC)에서 제공하는 250m 공간 해상도의 Vegetation Indices(MOD13Q1)를 구축하였다. MOD13Q1 자료는 Quality Assessment(QA) 정보와 더불어 16일 중 오차가 가장 작은 날짜에 대한 정보를 함께 제공하며 구름 또는 구름에 의한 그림자 등에 의한 자료의 불확실도를 제공한다.
본 연구에서는 2000년부터 2015년까지 MODIS NDVI를 활용하였으며, 봄철 논지역의 건조상태 분석을 위하여 2월부터 5월을 선정하였다. 또한 환경부 토지피복지도로부터 우리나라 9개도의 논 지역을 추출하여 분석에 활용하였다.

데이터처리

DCI 산정에 앞서 평년과 가뭄년의 NDVI의 픽셀분포를 살펴보고 DCI의 표현범위를 결정하기 위해 식생지수의 차이가 가장 큰 4월 7일에 대한 히스토그램을 통해 통계분석을 실시하였다. 전국적으로 심한 가뭄을 겪었던 2014, 2015년과 가뭄 기록이 없는 2011년을 선택하여 가뭄 년도와 평년을 비교하였다.

성능/효과

2011, 2014∼2015년의 3월부터 5월까지 논 지역에 대한 DCI를 산정한 결과, 평년이었던 2011년은 가뭄기록이 없던 해로 DCI가 보통 상태를 나타내었으며, 가뭄년인 2014년과 2015년에서 가뭄상태를 잘 표현한 것으로 분석되었다.
2011, 2014∼2015년의 3월부터 5월까지 논 지역에 대한 DCI를 산정한 결과, 평년이었던 2011년은 가뭄기록이 없던 해로 DCI가 보통 상태를 나타내었으며, 가뭄년인 2014년과 2015년에서 가뭄상태를 잘 표현한 것으로 분석되었다. 2011, 2014, 2015년의 4월 7일에 대하여 DCI 단계별 면적과 동일기간의 누적강수량을 분석한 결과, 2011년은 심한건조(Ⅲ) 단계인 지역이 남한 전체 농경지의 4.7%였고, 2014년과 2015년은 각각 35.3%, 29.8%로 나타나 2014년의 봄철 논지역의 건조심도가 컸음을 확인하였다.
12 높은 것으로 나타났다. 2015년 극심한 가뭄을 겪은 충남의 평년 최대 NDVI는 0.65, 2015년은 0.76로 충남지역 또한 가뭄년도의 NDVI가 높은 것으로 나타났다. 가뭄지역이 아닌 제주도의 경우 논 지역의 픽셀수가 899개로 히스토그램으로는 분포가 잘 표현되지는 않았으나, 통계분석결과 평년의 평균 NDVI는 0.
2015년의 약한건조(Ⅱ) 단계 지역은 남한 전체 24.2%로 전년(2014)대비 2.4% 증가했고, 건조심도가 크게 나타난 충남, 전북, 전남은 약한건조 단계의 면적이 전체의 29.4%, 27.6%, 23.3% 으로 전년대비 9.8%, 3.7%, 0.4% 증가했으며, 심한건조 단계는 전남 45.9%, 전북 43.8 %, 충남 28.8%로 전년대비 각각 3.5%, 2.0%, 1.5% 증가했다. 2015년의 전국 누적강수량이 평년대비 77.
가뭄 기록이 있었지만 4월 7일 영상에서 건조지역이 감지되지 않은 2012년의 경우, 16일 이후의 영상(4월 23일)영상을 분석한 결과 경기, 경남 지역을 제외한 모든 지역이 건조(DCI≥0.05)한 것으로 분석되었다.
가뭄이었던 해의 전국 평균 DCI의 분포는 0.04∼0.08이었고, 그에 비해 가뭄 기록이 없던 해의 분포는 –0.04∼0.01로 본 연구에서 산정한 건조지소가 가뭄을 잘 표현하는 것으로 나타났다.
76로 충남지역 또한 가뭄년도의 NDVI가 높은 것으로 나타났다. 가뭄지역이 아닌 제주도의 경우 논 지역의 픽셀수가 899개로 히스토그램으로는 분포가 잘 표현되지는 않았으나, 통계분석결과 평년의 평균 NDVI는 0.55, 2014년은 0.56으로 평년과 비슷한 NDVI를 나타내었다.
또한 행정구역 내 평균 NDVI의 범위는 가뭄년과 평년 각각 0.36∼0.56, 0.30∼0.55임을 알 수 있었다.
본 연구에서는 2000∼2015년의 봄철 DCI를 산정한 결과, 가뭄년의 3월말(3/22)∼5월초(5/9) 에 논의 DCI가 가뭄의 상황을 잘 표현하는 것으로 나타났다.
셋째, 2000년부터 2015년까지의 4월 7일에 대해 DCI를 산정한 결과, 가뭄년도인 2001, 20 08, 2009, 2014, 2015년에서 DCI가 가뭄을 잘 표현하는 것으로 나타났다. 2008년 가뭄의 경우 DCI가 강원 영동 지방 및 충북지역의 가뭄을 나타내었고, 2008년에 이어 극심한 가뭄을 겪었던 2009년은 충청도 지역과 강원 남부지역으로 가뭄이 확산된 것을 확인할 수 있었다.
전국적인 가뭄이었던 2014, 2015년은 산정한 DCI가 도시지역인 수도권 일부를 제외하고 가뭄 을 잘 표현 한 것으로 판단된다. 이와 같이 DCI, SPI-12 및 누적강수 부족율과 공간분포를 비교한 결과, DCI와 누적강수 부족율은 유사한 경향을 나타내었다. SPI-12의 경우 가뭄의 발생 범위에 대한 차이가 발생 하였지만, 전체적인 가뭄의 공간분포는 유사한 결과가 도출되었다.
2008년 가뭄의 경우 DCI가 강원 영동 지방 및 충북지역의 가뭄을 나타내었고, 2008년에 이어 극심한 가뭄을 겪었던 2009년은 충청도 지역과 강원 남부지역으로 가뭄이 확산된 것을 확인할 수 있었다. 전국적인 가뭄이었던 2001, 2014, 2015년은 산정한 DCI가 도시지역인 수도권 일부를 제외하고 가뭄을 잘 표현 한 것을 확인할 수 있었다.
첫째, 가뭄년(2014, 2015)과 평년 및 2011 년에 대하여 2월 2일부터 7월 28일까지의 논 지 역의 NDVI를 도별로 비교한 결과, 4월 7일부터 5월 25일의 가뭄년 NDVI는 평년 및 2011년에 비해 빠르게 증가하였다. 3월말부터 4월초는 모내기에 앞서 논물잡이 시기로, 가뭄년의 경우 강수량의 부족 및 용수공급 제한 등으로 인해 토양이 메말라졌고, 메마른 상태의 토양은 물 또는 습윤한 토양 보다 높은 식생지수를 갖기 때문인 것으로 판단된다.
그림 3과 표 1을 살펴보면 경남과 제주를 제외한 모든 지역에서의 NDVI는 평년보다 가뭄년이 높은 것으로 분석되었다. 특히 논 지역의 픽셀이 15,033개로 가장 많은 전남의 경우 최대 NDVI가 가뭄년(2014년)에는 0.96, 평년은 0.84로 가뭄년이었던 2014년의 NDVI가 평년에 비해 0.12 높은 것으로 나타났다. 2015년 극심한 가뭄을 겪은 충남의 평년 최대 NDVI는 0.
특히 봄 가뭄이었던 2001, 2012, 2014-2015의 DCI의 평균 분포는 0.06∼0.08으로 4월 영상이 봄 가뭄을 잘 표현함을 알 수 있었다.

후속연구

농업 가뭄에 대한 적절한 대응조치를 위해 벼의 생육 중 가장 중요한 논물잡이 시기의 토양 특성과 식생지수의 특성을 이해하여 토양의 건조 상태에 따른 가뭄현상을 조기에 감시하고 이에 대한 적절한 대응체계를 구축할 수 있는 연구가 요구된다. 이에 본 연구는 한반도 전체의 환경 및 식생모니터링이 용이하며 관측주기가 짧고 관측 폭이 넓어 식생의 변화 관측에 적합한 위성영상인 Terra MODIS NDVI를 활용하여 관측 시작연도(2000년)부터 2015년까지의 봄철 NDVI의 패턴을 분석하고 이를 토대로 토양 건조지수(DCI)를 산정하였다.
특히 4월 초의 영상은 가뭄의 확산 및 시기별 특성을 파악하기 위한 건조지도 작성이 용이하며, 가뭄을 사전 감지하는 자료로서 활용이 가능 할 것으로 사료된다. 다만 DCI가 평년 NDVI에 대한 상대적 건조상태를 나타내는 지수로서 평균값에 따라 절대값의 차이가 발생할 수 있는 한계점이 있고, DCI 범위 설정에 있어 현 재는 보통(Ⅰ), 약한건조(Ⅱ), 심한건조(Ⅲ)의 3단계로만 구별하였기 때문에 DCI의 적용성을 높이기 위한 건조 단계 설정에 대한 추가적인 연구가 수행되어야 할 것으로 생각된다.
MODIS 기반의 DCI의 경우 시간해상도는 16일, 공간해상도는 250m로 지역별 가뭄상황에 대한 시·공간적 건조 상태에 따른 가뭄의 정보제공이 가능하다. 또한 DCI를 통해 평년 대비 현재 가뭄에 대한 상대 비교가 가능하며 이를 통해 가뭄 대응차원에서 물 공급이 우선적으로 이루어져야 하는 지역에 대한 판별 역시 추가적으로 가능해질 것으로 생각된다. 특히 4월달 영상은 가뭄의 확산 및 시기별 특성을 파악하기 위한 건조지도 작성이 용이하며, 가뭄을 사전 감지하는 자료로서 활용이 가능할 것으로 판단된다.
NDVI를 활용한 봄철 농업 가뭄 파악에 있어, 평년과 가뭄년의 논의 계절학적 상태를 명확히 이해하는 것이 중요할 것으로 생각된다. 특히 4월 초의 영상은 가뭄의 확산 및 시기별 특성을 파악하기 위한 건조지도 작성이 용이하며, 가뭄을 사전 감지하는 자료로서 활용이 가능 할 것으로 사료된다. 다만 DCI가 평년 NDVI에 대한 상대적 건조상태를 나타내는 지수로서 평균값에 따라 절대값의 차이가 발생할 수 있는 한계점이 있고, DCI 범위 설정에 있어 현 재는 보통(Ⅰ), 약한건조(Ⅱ), 심한건조(Ⅲ)의 3단계로만 구별하였기 때문에 DCI의 적용성을 높이기 위한 건조 단계 설정에 대한 추가적인 연구가 수행되어야 할 것으로 생각된다.
또한 DCI를 통해 평년 대비 현재 가뭄에 대한 상대 비교가 가능하며 이를 통해 가뭄 대응차원에서 물 공급이 우선적으로 이루어져야 하는 지역에 대한 판별 역시 추가적으로 가능해질 것으로 생각된다. 특히 4월달 영상은 가뭄의 확산 및 시기별 특성을 파악하기 위한 건조지도 작성이 용이하며, 가뭄을 사전 감지하는 자료로서 활용이 가능할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	가뭄은 어떻게 분류되는가?	가뭄은 강수량의 부족으로 인한 기상학적 가뭄, 지표수 및 지하수의 부족으로 인한 수문학적 가뭄, 토양의 건조 상태로 인한 농업적 가뭄, 용수 및 전력공급의 제한으로 인한 사회·경제적 가뭄으로 분류될 수 있으며, 일반적으로는 어느 지역의 인간생활 및 사회 경제 활동이나 동식물 생육에 피해를 가져올 정도로 강수량 부족이 장기화되는 비정상적인 현상으로 정의할 수 있다.
	가뭄의 정의는 무엇인가?	가뭄은 강수량의 부족으로 인한 기상학적 가뭄, 지표수 및 지하수의 부족으로 인한 수문학적 가뭄, 토양의 건조 상태로 인한 농업적 가뭄, 용수 및 전력공급의 제한으로 인한 사회·경제적 가뭄으로 분류될 수 있으며, 일반적으로는 어느 지역의 인간생활 및 사회 경제 활동이나 동식물 생육에 피해를 가져올 정도로 강수량 부족이 장기화되는 비정상적인 현상으로 정의할 수 있다.
	MODIS NDVI는 NOAA AVHRR NDVI에 비해 어떤 특징을 가지는가?	MODIS NDVI Product는 250m, 500m, 1㎞ 해상도로 구성되어 있으며 16일과 월 단위로 합성된 자료를 제공한다. 또한, 기존의 NOAA AVHRR NDVI에 비해 좁은 파장영역대의 분광 자료를 활용하여 대기의 영향을 최소화 하였으며 지표면의 반사특성을 기록하는 방사해상도가 2배로 확대되어 물 부족에 의한 식생의 반응을 보다 효과적으로 반영하는 특징을 갖고 있다(Huete et al., 1999).

참고문헌 (24)

Ahn, S.R., J.W. Lee, and S.J. Kim. 2014. Analysis of 2012 spring drought using meteorological and hydrological drought indices and satellite-based vegetation indices. Korean National Committee on Irrigation and Drainage 21(1):78-88 (안소라, 이준우, 김성준. 2014. 기상 및 수문학적 가뭄지수와 위성 식생지수를 활용한 2012년 봄 가뭄 분석. 한국관개배수위원회 21(1):78-88).
Bae, D.H. and K.H. Son. 2013. The status and development direction for domestic drought forecast. Magazine of Korea Water Resources Association 45(5):46-54 (배덕효, 손경환. 2013. 국내가뭄예보 현황 및발전방향. 물과미래 45(5):46-54).
Baek, S.G., H.W. Jang, J.S. Kim, and J.H. Lee. 2016. Agricultural drought monitoring using the satellite-based vegetation index. Journal of Korea Water Resources Association 49(4):305-314 (백슬기, 장호원,김종석, 이주헌. 2016. 위성기반의 식생지수를 활용한 농업적 가뭄감시. 한국수자원학회논문집 49(4):305-314).

원문보기 상세보기
Chakroun, H., F. Mouillot, Z. Nasr, A. Ennajah, and J.M. Ourcival. 2014. Performance of LAI-MODIS and the influence on drought simulation in a Mediterranean forest. Ecohydrology 7(3):1014-1028.

상세보기
Huete, A.R., C. Justice, and Wim van Leeuwen. 1999. MODIS Vegetation Index (MOD13) Algorithm Theoretical Basis Document Version 3. Available at: https://pdfs.semanticscholar.org/2204/b55a9ad69e8b69d19e88ad1f0e1f81a5d72b.pdf(Accessed: April 1994).
Jung, S.T., K.C. Jang, S.Y. Hong, and S.K. Kang. 2011. Detection of irrigation timing and the mapping of paddy cover in Korea using MODIS images data. Korean Journal of Agricultural and Forest Meteorology 13(2):69-78 (정승택, 장근창, 홍석영, 강신규. 2011. MODIS 영상자료를 이용한 관개시기 탐지와 논 피복지도 제작. 한국농림기상학회지 13(2):69-78).

원문보기 상세보기
Karnieli, A., N. Agam, R.T. Pinker, M. Anderson, M.L. Imhoff, G.G. Gutman, N. Panov, and A, Goldberg. 2008. Use of NDVI and land surface temperature for drought assessment: merits and limitations. Journal of Climate 23:618-633.
KMA(Korea Meteorological Administration). 2015. 2014년 이상기후에 대한 관계부처 합동보고서 발간. Available at: http://web.kma.go.kr/servlet/NeoboardProcess;jsessionidXEE1vuj3ewMVjirvmP1HaZ2ttwhCuKpOWmsM9ehPRcDBwQDvqiDskzaKViA12gTG?modedownload&bidpress&num1192963&fno2&callbackhttp%3A%2F%2Fweb.kma.go.kr%2Fnotify%2Fpress%2Fkma_list.jsp&sesUSERSESSION&kATC201501191416332_a16995c2-f5b6-4c0a-a2d9-8aa92c0505cc.pdf (Accessed: January 19, 2015).
KRC(Korea Rural Community Corporation) 2012. Drought white paper. pp.63-65 (한국농어촌공사. 2012. 가뭄백서. 63-65쪽).
Lee, J.W., S,S. Jang, S.R. Ahn, K.W. Park, and S.J. Kim. 2016. Evaluation of the relationship between meteorological, agricultural and in-situ big data droughts. Journal of the Korean Association of Geographic Information Studies 19(1):1-13 (이지완, 장선숙, 안소라, 박기욱, 김성준. 2015. 기상학적 가뭄, 농업 가뭄 및 빅데이터 현장가뭄간의 상관성 평가. 한국지리정보학회지 19(1):1-13).
Lee, Y.G., S.H. Kim, S.R. Ahn, M.H. Choi, K.S. Lim, and S.J. Kim. 2015. Estimation of spatial evapotranspiration using Terra MODIS satellite image and SEBAL Model-for Yongdam Dam watershed-. Journal of the Korean Association of Geographic Information Studies 18(1):90-104 (이용관, 김상호, 안소라, 최민하, 임광섭, 김성준.2015. Terra MODIS 위성영상과 SEBAL모형을 이용한 공간증발산량 산정 연구-용담댐 유역을 대상으로-. 한국지리정보학회지18(1):90-104).

원문보기 상세보기
MCT(Ministry Construction and Transportation). 2001. Drought impact survey report. pp.1-6 (건설교통부. 2001. 가뭄기록조사 보고서. 1-6쪽).
Park, H.S., M.J. Um, J.B. Kim, and Y.J, Kim. 2015, MODIS DSI for evaluation of the local drought events in Korea. Journal of the Korean Society of Civil Engineers 35(6):1209-1218 (박혜선, 엄명진, 김정빈, 김연주. 2015. 우리나라의 지역 가뭄 평가를 위한 MODIS DSI 활용. 대한토목학회논문집 35(6):1209-1218).

원문보기 상세보기
Park, J.S. and K.T. Kim. 2009. Evaluation of MODIS NDVI for drought monitoring: focused on comparison of drought index. The Journal of GIS Association of Korea 17(1):117-129 (박정술, 김경탁. 2009. 가뭄모니터링을 위한 MODIS NDVI의 활용성평가: 가뭄지수와의 비교를 중심으로. 한국GIS학회지 17(1):117-129).
Park, W.Y., Y.D. Eo, Y.M. Kim, and C.J. Kim. 2013 A study on the priority area selection for updation FDB attributes using MODIS product. Journal of the Korea Institute of Military Science and Technology 16(1):65-73 (박완용, 어양담,김용민, 김창재. 2013. MODIS Product를활용한 FDB 속성 갱신 대상지역 선정연구.한국군사과학기술학회지 16(1):65-73).

원문보기 상세보기
Rural Research Institute. 2005. A study on water supply methods considering variation of farming conditions in paddy field. Research report pp.17-23 (농어촌연구원. 2005. 영농환경 변화를 고려한 농업용수 적정 공급방안 연구. 연구보고서 17-23쪽).
Shin, H.J., M.J. Park, E.H. Hwang, H.S. Chae, and S.J. Kim. 2015. A study of spirng drought using Terra MODIS satellite image. Journal of the Korean Association of Geographic Information Studies 18(4):145-157 (신형진, 박민지, 황의호, 채효석, 김성준. 2015. Terra MODIS위성영상을 이용한 봄 가뭄연구-소양강댐유역을 대상으로-. 한국지리정보학회지 18(4):145-157).

원문보기 상세보기
Shin, S.C. and M.S. Eoh. 2004. Analysis of drought detection and propagation using satellite data. Journal of Korean Society of Hazard Mitigation 4(2):61-70 (신사철,어민선. 2004. 인공위성 영상정보를 이용한가뭄상황 및 징후분석. 한국방재학회논문집 4(2):61-70).
Shin, S.C., S. Jung, K.T. Kim, J.H. Kim, and J.S. Park. 2006. Drought detection and estimation of water deficit using NDVI. Journal of the Korean Association of Geographic Information Studies 9(2): 102-114 (신사철, 정수, 김경탁, 김주훈, 박정술. 2006. NDVI를 이용한 가뭄지역 검출및 부족수분량 산정. 한국지리정보학회지 9(2):102-114).
Son, N.T., C.F. Chen, C.R. Chen, L.Y. Change, and V.Q. Minh. 2012. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data. International Journal of Applied Earth Observation and Geoinformation 18:417-427.

상세보기
Sun, H., X. Zhao, Y. Chen, A. Gong, and J. Yang. 2013. A new agricultural drought monitoring index combining MODIS NDWI and day-night land surface temperatures : a case study in China. International Journal of Remote Sensing 34(24):8986-9001.

상세보기
Sur, C.Y., K,J. Kim, W.J. Choi, J.H. Shim, and M.H. Cho. 2014. Drought assessments using satellite-based drought index in Korea; southern region case in 2013. Journal of Korean Society of Hazard Mitigation 14(3):127-131 (서찬양, 김경준,최우정, 심재현, 최민하. 2014. 인공위성 가뭄지수를 활용한 한반도 가뭄 평가; 2013년 남부지방 가뭄을 대상으로. 한국방재학회논문집14(3):127-131).
Wan, Z., P. Wang, and Li, X. 2004. Using MODIS land surface temperature and Normalized Difference Vegetation Index products for monitoring drought in the southern Great Plains, USA. International Journal of Reomote Sensing 25(1):61-72.

상세보기
Yoo. J.Y., M.H. Choi, and T.W. Kim. 2010. The utilization of MODIS LST imagery for droughts monitoring in the Korean Peninsula. Proceedings of Magazine of the Korean Society of Hazard Mitigation p.104 (유지영, 최민하, 김태웅, 2010. 한반도 가뭄모니터링을 위한 MODIS LST영상자료의 활용, 한국방재학회 학술대회 104쪽).

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증