$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

MODIS NDVI와 기상자료를 이용한 미국 일리노이, 아이오와주 옥수수, 콩 수량 추정
Estimating Corn and Soybean Yield Using MODIS NDVI and Meteorological Data in Illinois and Iowa, USA 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.33 no.5 pt.2, 2017년, pp.741 - 750  

이경도 (농촌진흥청 국립농업과학원) ,  나상일 (농촌진흥청 국립농업과학원) ,  홍석영 (농촌진흥청 국립농업과학원) ,  박찬원 (농촌진흥청 국립농업과학원) ,  소규호 (농촌진흥청 국립농업과학원) ,  박재문 (농촌진흥청 국립농업과학원)

초록
AI-Helper 아이콘AI-Helper

본 연구는 대표적인 곡물 생산, 수출국인 미국의 일리노이주와 아이오와주에 대하여 카운티별 MODIS 위성영상 식생지수 및 기상자료를 활용하여 수량을 추정할 수 있는 다중회귀 모형을 구축하고 그 결과를 평가하였다. 2002년부터 2012년까지의 MODIS 위성영상 식생지수 및 기상자료로 옥수수와 콩 수량 추정 모형을 구축하고 2013년 수량을 추정한 결과, 일리노이, 아이오와 2개주에 대하여 약 1~16% 내외의 오차 결과를 얻었다. 모형의 수량 추정 정확도 향상을 위해 추후에는 지대 구분 및 다양한 지표면 생물리 모수를 함께 활용하여 수량 추정 모형의 성과를 높여나가야 할 것으로 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The objective of this study was to estimate corn and soybean yield in Illinois and Iowa in USA using satellite and meteorological data. MODIS products for NDVI were downloaded from a NASA website. Each layer was processed to convert projection and extract layers for NDVI. Relations of NDVI from 2002...

주제어

#remote sensing   #crop yield estimation   #MODIS NDVI  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • (2014)은 MODIS 위성영상 산출물과 전천일사량을 이용하여 작물의 순 일차생산량(Net PrimaryProduct, NPP)을 추정할 수 있는 CASA(Carnegie Ames Stanford Approach) 모형을 구축하고 미국 일리노이주, 아이오와주의 콩, 옥수수 수량을 추정한 바 있다. 본 연구는 Hong et al.(2012)의 모형 개념을 국외 밭작물로 확장하여 작물 건물중을 잘 반영할 수 있는 위성영상 자료와 주요 생육시기 생장과 생식에 큰 영향을 주는 기상자료를 활용하여 대표적인 곡물 생산국인 미국의 일리노이주 및 아이오와주의 콩, 옥수수 수량을 추정할 수 있는 모형을 구축하고자 수행하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
농작물 작황 관측이 필요한 이유는 무엇인가? 최근 빈발하고 있는 이상기상, 곡물가격 등락 등 국내외 곡물 생산 환경 변동에 신속히 대응하기 위해 주요 수입, 수출국의 작황 관측 필요성이 증대되고 있다. 농작물 작황 관측은 가격 예측과 수급 조절을 통해 농가 소득 보전 및 물가 안정을 위한 정책 수립에 중요한 판단 자료로 활용된다. 미국, 유럽 등 선진국에서는 위성영상을 활용하여 전 지구 차원의 작황 모니터링 체계를 구축하고 주요 수출입국 또는 관심국가에 대한 작황을 관측해오고 있다(Hong et al.
미국 일리노이주(IL: Illinois)와 아이오와주의 특징은 무엇인가? 본 연구는 미국 일리노이주(IL: Illinois)와 아이오와주(IO: Iowa)의 옥수수, 콩을 대상으로 수행하였다. 일리노이주와 아이오와주는 미국 중서부에 위치하고 있으며 구릉은 있으나 산이 거의 없는 평탄한 지대로 이루어져 있다. 이들 주의 면적은 각각 약 15,000천 ha, 14,574천 ha로써 우리나라 면적의 약 1.5배에 해당한다. 습윤한 대륙성 기후로 겨울에는 농작물 생육이 불가능하지만 여름에는 높은 기온으로 농작물 생육에 적합한 지대이다. 2013~2015년 옥수수 재배 면적은 일리노이주가평균 약 5,000천 ha, 아이오와주가 약 5,500천 ha였으며,콩 재배면적은 일리노이주가 약 3,900천 ha, 아이오와주가 약 3,900천 ha로 이들 2개 주의 면적이 미국 전체 옥수수 재배면적의 약 30%, 콩 재배면적의 약 23%에 달하는 대표적인 옥수수, 콩 생산 지역이다(http://www.
2015년 기준 우리나라의 곡물 자급률은? 2015년 기준 우리나라의 곡물 자급률은 23.8%로 쌀을 제외한 대부분의 곡물을 수입에 의존해오고 있으며,국제 곡물가격의 변동은 국내 수입곡물가격의 변동성에 큰 영향을 미치고 있다(Lee and Lee, 2014). 따라서 안정적인 곡물 수급대책 수립을 위해서는 주요 곡물 생산국에 대한 독자적인 조기 작황관측이 필요하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. Cohen, W.B., 1991. Response of vegetation indices to change in three measures of leaf water stress, Photogrammetric Engineering and Remote Sensing, 57(2): 195-202. 

  2. CDL, https://catalog.data.gov/dataset/cropscapecropland-data-layer, Accessed at Jun. 20, 2017. 

  3. Doraiswamy, P.C, T.R. Sinclair, S. Hollinger, B. Akhmedov, A. Stern, and J. Prueger, 2005. Application of MODIS derived parameters for regional crop yield assessment, Remote Sensing of Environment, 97(2): 192-202. 

    상세보기 crossref

  4. 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, 2012. 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). 

    원문보기 상세보기 crossref

  5. KOSIS, 2015. www.kosis.kr, Accessed at Oct. 12, 2017. 

  6. Lee J.W. and J.H. Lee, 2014. Price Volatility and Spillovers between the Korean and International Grain Market, Journal of Korean Industrial Economic Association, 27(4): 1393-1412 (in Korean with English abstract). 

  7. Lyon, J.G., D. Yuan, R.S. Lunetta, and C.D. Elvidge, 1998. A change detection experiment using vegetation indices, Photogrammetric Engineering and Remote Sensing, 64(2): 143-150. 

  8. MERRA, https://gmao.gsfc.nasa.gov/reanalysis/MERRA-2, Accessed at Jun. 20, 2017. 

  9. NARR, https://www.ncdc.noaa.gov/data-access/modeldata/model-datasets/north-american-regionalreanalysis-narr, Accessed at Jun. 21, 2017. 

  10. Na, S.I., S.Y. Hong, Y.H. Kim, and K.D. Lee, 2014. Estimation of Corn and Soybean Yields Based on MODIS Data and CASA Model in Iowa and Illinois, USA, Journal of Korean Society of Soil Science and Fertilizer, 47(2): 92-99 (in Korean with English abstract). 

    원문보기 상세보기 crossref

  11. RDA, 2011. Preprocess Program for MODIS satellite images. Program Registration, RDA, Republic of Korea. 

  12. Sohn, K.C. and I.H. Shin, 2012. Check for regression coefficient using jacknife and bootstrap methods in clinical data, Journal of the Korean Data and Information Science Society, 23(4): 643-648 (in Korean with English abstract). 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로