$\require{mediawiki-texvc}$

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.

항공 초분광 영상을 이용한 광화학반사지수 이용 가능성 평가: 그림자 영향 및 대체 밴드를 중심으로

Evaluating Applicability of Photochemical Reflectance Index using Airborne-Based Hyperspectral Image: With Shadow Effect and Spectral Bands Characteristics

대한원격탐사학회지 = Korean journal of remote sensing, v.33 no.5 pt.1, 2017년, pp.507 - 519  

류재현 (전남대학교 농업생명과학대학 응용식물학과) ,  신정일 ((주)지오스토리 공간정보솔루션연구소) ,  이창석 (기상청 국가기상위성센터 위성분석과) ,  홍성욱 (세종대학교 공과대학 환경에너지공간융합과) ,  이양원 (부경대학교 환경.해양대학 공간정보시스템공학과) ,  조재일 (전남대학교 농업생명과학대학 응용식물학과)

초록
AI-Helper 아이콘AI-Helper

정규식생지수(NDVI, Normalized Difference Vegetation Index)는 생물량 및 $CO_2$ 흡수량 추정과 병충해 탐지 등 다양한 식생 모니터링 영역에서 활용되고 있다. 그러나, 생물량 탐지에 비해 상대적으로 식생의 생리적 상태 변화에 대한 민감도가 낮아 식생의 생리적 활성 및 스트레스를 파악에 한계가 있다. 최근 개발된 광학반사지수(PRI, Photochemical Reflectance Index)는 식생의 생리적 상태 탐지에 용이한 것으로 알려지고 있으며, 식생의 탄소 흡수량 조사를 위해 향후 발사될 해외의 지구관측위성들의 주요 산출물로 선정되는 등 활용도가 높아질 것으로 전망된다. 이에 다양한 이용에 앞서 광 스트레스에 민감한 PRI 특성을 고려하여 그림자 영향의 해석 방향을 제시하고, 현재 가용한 위성으로 PRI 산출이 가능한지 알아보기 위해 대체 밴드를 평가하였다. 항공 초분광 영상을 이용한 본 연구에서는 PRI값이 그림자 부분에서 광 스트레스의 감소로 인해 증가하였다. 그러나 그림자의 정도가 임계값(Shadow Index<25)을 넘어서면 PRI와 NDVI 모두의 자료 품질이 매우 낮아졌다. 또한, 문헌의 570.0 nm 대신 553.6 nm를 사용하여 산출한 PRI가 오리지널 PRI와 높은 상관관계를 보였으며, RED와 NIR 반사도를 이용하여 다중회귀분석을 수행하였을 때 더욱 향상된 결과를 보였다. 이러한 결과는 향후 식생탐지에서 활용도가 높아질 것으로 기대되는 PRI의 생리적인 의미를 이해하는데 도움이 될 것이다.

Abstract AI-Helper 아이콘AI-Helper

The applications of NDVI (Normalized Difference Vegetation Index) as a vegetation index has been widely used to understand vegetation biomass and physiological activities. However, NDVI is not suitable way for monitoring vegetation stress because it is less sensitive to change in physiological state...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구에서는 향후 발사될 위성들을 통해 PRI 지수를 본격적으로 산출하기에 앞서 항공 초분광 영상을 이용하여 광 스트레스에 민감한 PRI를 분석할 때 그림자 영향을 어떻게 해석해야하는지를 제시하였다. PRI는 그림자에 의한 식생의 생리적인 반응을 잘 표현했으나, 그림자의 비율과 강도가 과도하게 높은 지점(SI≤25)에서는 지표 특성을 충분히 반영하지 못 하는 품질로 저하 되었다.
  • 본 연구에서는 향후 활용도가 높아질 PRI의 기술적 기반에 기여하고자 두 가지 목적을 두고 항공기에 탑재된 초분광 센서(Hyperspectral Sensor)로 촬영된 식생 영상을 분석하였다. 첫째, 과도한 광 스트레스에 민감한 PRI를 분석할 때 그림자 부분을 이미지 분석에서 어떻게 처리하고 해석할 것인지에 대한 기술적 이해를 높인다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
NDVI를 현재 적용하는 연구 분야는? NDVI를 적용한 초기 연구들은 식생의 생물량(biomass) 변화에 주목하는 연구가 대부분이었으나, 그 활용 범위가 점차 넓어짐에 따라 식생의 생리적 활성을 기반으로 하는 식생 CO2 흡수량(총일차생산량, Gross Primary Production, GPP) 추정, 병충해 및 영양상태 탐지,지표 수문환경변수 도출 등에 이용되고 있다(Kim et al.,2009).
가장 널리 사용되는 식생지수는 무엇인가? , 2013).현재 약 20여 종류의 식생지수가 개발되었으며, 그중가장 널리 사용되는 식생지수로는 적색 밴드와 근적외선 밴드에서 녹색식물의 반사율 차이를 이용해 산출하는NDVI (정규식생지수, Normalized Difference Vegetation Index)가 있다(Jiang et al., 2006).
PRI 탐지 기본 원리의 배경은 무엇인가? PRI 탐지 기본 원리는 식물생리학적인 배경을 가지고 있다. 잎의 카로티노이드계 색소는 광합성에 직접 관여하지 않지만 빛에 항상 노출되어 있는 식물에게는 필수기능인 열에너지 소산 작용을 담당하고 있는데, PRI는 이러한작용의핵심부분인크산토필회로(Xanthophyll cycle)의 상태를 간접적으로 표현한다(Gamon et al., 1992). 즉, 과다한 빛에 노출될 경우 크산토필의 형태는 비올라크산틴(Violazanthin,V)으로부터안테라크산틴(Antheraxanthin,A)을 거쳐 제아크산틴(Zeaxanthin, Z)으로 변환되어 식물에 과다하게 흡수한 광에너지를 열에너지로 소모시킨다(Demmig-Adams, 1990). 따라서 광 스트레스(또는 광저해작용)가 심화될수록 V 농도는 낮아지고 Z 농도는 높아지게 되어 식물의 531 nm 파장 반사도가 감소하게 된다(Gamon et al., 1992). 결국 PRI는 대체로 오전에 높았다가 정오에 가장 낮고 다시 오후에 높아지는 일변화를 보이게 된다. 또한 계절적 변화 및 환경 스트레스에 의해 크산토필 총량(Xanthophyll pigment pool)이 적어지게 되면 PRI 값은 감소한다(Gamon and Surfus, 1999).
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Demmig-Adams, B., 1990. Carotenoids and photoprotection in plants: A role for the xanthophyll zeaxanthin, Biochimica et Biophysica Acta (BBA) - Bioenergetics, 1020(1): 1-24. 

  2. Drolet, G.G., K.F. Huemmrich, F.G. Hall, E.M. Middleton, T.A. Black, A.G. Barr, and H.A. Margolis, 2005. A MODIS-derived photochemical reflectance index to detect inter-annual variations in the photosynthetic light-use efficiency of a boreal deciduous forest, Remote Sensing of Environment, 98: 212-224. 

  3. Drolet, G.G., E.M. Middleton, K.F. Huemmrich, F.G. Hall, B.D. Amiro, A.G. Barr, T.A. Black, J.H. McCaughey, and H.A. Margolis, 2008. Regional mapping of gross light-use efficiency using MODIS spectral indices, Remote Sensing of Environment, 112: 3064-3078. 

  4. Karnieli, A., M. Bayasgalan, Y. Bayarjargal, N. Agam, S. Khudulmur, and C.J. Tucker, 2006. Comments on the use of the Vegetation Health Index over Mongolia, International Journal of Remote Sensing, 27(10): 2017-2024. 

  5. Kim, H.G., S.S. Kang, and S.D. Hong, 2009. Estimation for Red Pepper (Capsicum annum L.) Biomass by Reflectance Indices with Ground-Based Remote Sensor, Korean Journal of Soil Science and Fertilizer, 42: 79-87 (in Korean with English abstract). 

  6. Gamon, J.A., J. Penuelas, and C.B. Field, 1992. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency, Remote Sensing of Environment, 41: 35-44. 

  7. Gamon, J.A. and J.S. Surfus, 1999. Assessing leaf pigment content and activity with a reflectometer, New Phytologist, 143: 105-117. 

  8. Hall, F.G., T. Hilker, N.C. Coops, A. Lyapustin, K.F. Huemmrich, E. Middleton, H. Margolis, G. Drolet, and T.A. Black, 2008. Multi-angle remote sensing of forest light use efficiency by observing PRI variation with canopy shadow fraction, Remote Sensing of Environment, 112: 3201-3211. 

  9. Jiang, Z., A.R. Huete, J. Chen, Y. Chen, Li, G. Yan, and X. Zhang, 2006. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction, Remote Sensing of Environment, 101: 366-378. 

  10. Lee, J.-E., C. Frankenberg, C. van der Tol, J.A. Berry, L. Guanter, C.K. Boyce, J.B. Fisher, E. Morrow, J.R. Worden, S. Asefi, G. Badgley, and S. Saatchi, 2013. Forest productivity and water stress in Amazonia: observations from GOSAT chlorophyll fluorescence, The Royal Society B: Biological Sciences, 280(1761): 20130171-20130171. 

  11. Moreno, J. F., Y. Goulas, A. Huth, E. Middleton, F. Miglietta, G. Mohammed, L. Nedbal, U. Rascher, W. Verhoef, and M. Drusch, 2016. Very high spectral resolution imaging spectroscopy: The Fluorescence Explorer (FLEX) mission, Proc. of 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Beijing, China, Jul. 10-15, pp. 264-267. 

  12. Nyongesah, M.J., W. Quan, and X. Lu, 2016. Remote sensing of assimilating branch light use efficiency using the photochemical reflectance index inHaloxylon ammodendronforest, Journal of Applied Remote Sensing, 10(2): 026017. 

  13. Pal, S.K., A. Petrosino, and L. Maddalena eds., 2012. Handbook on soft computing for video surveillance. CRC press. 

  14. Rahman, A.F., V.D. Cordova, J.A. Gamon, H.P. Schmid, and D.A. Sims, 2004. Potential of MODIS ocean bands for estimating CO2 flux from terrestrial vegetation: A novel approach, Geophysical Research Letters, 31(10): L10503. 

  15. Ryu, J.-H., K.-S. Han, K.-J. Pi, and M.-J. Lee, 2013. Analysis of Land Cover Change Around Desert Areas of East Asia, Korean Journal of Remote Sensing, 29(1): 105-114. 

  16. Stylinski, C., J. Gamon, and W. Oechel, 2002. Seasonal patterns of reflectance indices, carotenoid pigments and photosynthesis of evergreen chaparral species, Oecologia, 131(3): 366-374. 

  17. Zhang, Q., J.M. Chen, W. Ju, H. Wang, F. Qiu, F. Yang, W. Fan, Q. Huang, Y.P. Wang, Y. Feng, X. Wang, and F. Zhang, 2017. Improving the ability of the photochemical reflectance index to track canopy light use efficiency through differentiating sunlit and shaded leaves, Remote Sensing of Environment, 194: 1-15. 

저자의 다른 논문 :

LOADING...
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