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
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 ReflectanceIndex)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.
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.
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...
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 than biomass. PRI (Photochemical Reflectance Index) is well developed to present physiological activities of vegetation, particularly high-light-stress condition, and it has been adopted in several satellites to be launched in the future. Thus, the understanding of PRI performance and the development of analysis method will be necessary. This study aims to interpret the characteristics of light-stress-sensitive PRI in shadow areas and to evaluate the PRI calculated by other wavelengths (i.e., 488.9 nm, 553.6 nm, 646.9 nm, and 668.4 nm) instead of 570 nm that used in original PRI. Using airborne-based hyperspectral image, we found that PRI values were increased in shadow detection due to the reduction of high light induced physiological stress. However, the qualities of both PRI and NDVI data were dramatically decreased when the shadow index (SI) exceeded the threshold (SI<25). In addition, the PRI calculated using by 553.6 nm had best correlation with original PRI. This relationship was improved by multiple regression analysis including reflectances of RED and NIR. These results will be helpful to the understanding of physiological meaning on the application of PRI.
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 than biomass. PRI (Photochemical Reflectance Index) is well developed to present physiological activities of vegetation, particularly high-light-stress condition, and it has been adopted in several satellites to be launched in the future. Thus, the understanding of PRI performance and the development of analysis method will be necessary. This study aims to interpret the characteristics of light-stress-sensitive PRI in shadow areas and to evaluate the PRI calculated by other wavelengths (i.e., 488.9 nm, 553.6 nm, 646.9 nm, and 668.4 nm) instead of 570 nm that used in original PRI. Using airborne-based hyperspectral image, we found that PRI values were increased in shadow detection due to the reduction of high light induced physiological stress. However, the qualities of both PRI and NDVI data were dramatically decreased when the shadow index (SI) exceeded the threshold (SI<25). In addition, the PRI calculated using by 553.6 nm had best correlation with original PRI. This relationship was improved by multiple regression analysis including reflectances of RED and NIR. These results will be helpful to the understanding of physiological meaning on the application of PRI.
* 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.
제안 방법
둘째 570 nm를 대체할 밴드를 Drolet et al.(2005)와 같은 간접 방법이 아닌 직접 비교 방식으로 평가하였다.
본 연구에서는 Fig. 7(b)를기준 PRI (PRIori) 분포로 정의하고 대체 밴드로 산출한 PRI의 분포를 살펴보았다.
PRI와 NDVI의 토지피복에 따른 차이와 그림자의 영향을 이해하기 위해 두 식생지수의 특성을 분석하였다. NDVI 평균값은 산림(0.
복사보정은 원시영상(DN, Digital Number)에 복사보정계수(Gain, Offset)를 적용하여 센서에 도달한 복사휘도(At-sensor Radiance)를산출하였다. 기하보정은GPS/IMU (Global PoisitioningSystem/Inertial Measurement Unit) 자료와 지상기준점 측량 자료를 이용하여 지리 좌표를 등록하였다. 대기보정은 복사보정을 통하여 획득된 복사휘도를 지상 분광반사율로 보정하는 과정으로, 복사전달모델인 MODTRAN(MODerate resolution TRANsmission model) 기반으로 보정하였다.
초분광 영상의 전처리는 복사보정, 기하보정, 대기보정의 순서로 실시하였다. 복사보정은 원시영상(DN, Digital Number)에 복사보정계수(Gain, Offset)를 적용하여 센서에 도달한 복사휘도(At-sensor Radiance)를산출하였다. 기하보정은GPS/IMU (Global PoisitioningSystem/Inertial Measurement Unit) 자료와 지상기준점 측량 자료를 이용하여 지리 좌표를 등록하였다.
본 연구는 1 m 해상도 영상을 통해 산림과 농지의 NDVI와 PRI를 분석하였다. 그림자 영향이 점차 커질 때 NDVI 값이 변하지 않는 범위에서 PRI 값은 증가하였다.
산림에서 그림자 영향에 대한 NDVI와 PRI 값의 변화를 살펴보기 위해 SI 값에 따라 그림자 영향을 세분화하였다. Fig.
이에 따라 본 연구에서는 장기간 지구관측을 수행하고 있는 MODIS 밴드를 기준으로 488.9nm (MODIS Band 10), 553.6 nm (MODIS Band 12), 646.9nm (MODIS Band 1), 668.4 nm (MODIS Band 13) ± 3.6nm의 4개 밴드를 선정하고, PRI 산출을 위한 570 nm 대체 가능성을 평가하였다(식 3).
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. 둘째 570 nm를 대체할 밴드를 Drolet et al.
관측일시는 2014년 9월 14일 오후 2시이며 공간해상도는 1 m이다. 초분광 영상의 전처리는 복사보정, 기하보정, 대기보정의 순서로 실시하였다. 복사보정은 원시영상(DN, Digital Number)에 복사보정계수(Gain, Offset)를 적용하여 센서에 도달한 복사휘도(At-sensor Radiance)를산출하였다.
551) 및 특정 파장대의 구분에 따라 다르게 나타났다. 특히 RED와 NIR은 많은 선행연구에서 식생 모니터링에 자주 소용되는 파장이기도 하며, NDVI를 계산하는 구성요소이기도 하므로 PRIori와 PRIMB12의 관계를 RED,NIR, NDVI와 함께 다중회기 분석으로 산림과 농지에서 수행하였다(Table 1). PRIMB12와 NIR 반사도가 함께 고려하였을 때 PRIori를 표현하는 결정계수(R2)는 향상되었으며, 특히 농지에서 R2가 0.
항공 초분광 영상에서 산림과 농지 지역을 추출하기 위해 무감독분류를 수행하였다(Fig. 3(a)).
대상 데이터
1). ITERS사의 CASI-1500 초분광 센서를 경항공기에 탑재하여 360~1,050 nm 사이 파장에 대해 7.2 nm 밴드 폭의 96개 밴드로 이미지 정보를 취득하였다. 관측일시는 2014년 9월 14일 오후 2시이며 공간해상도는 1 m이다.
2). MODIS Band 4 (545~565 nm)는 MODIS Band 12 (546~556 nm)와 유사한 중심파장을 가지지만 관측에 사용된 초분광 센서의 중심파장(553.6 nm)과 밴드 폭(7.2 nm)을 고려하여 가장 유사성을 보이는 MODIS Band 12만을 사용하였다.
PRI 계산에 이용되는 570 nm의 대체 파장을 평가하기 위해 다음과 같은 기준으로 4개 밴드 자료를 선정하였다: (1) 광 스트레스에 의해 크산토필 색소가 반응하여 반사도가 감소하는 531 nm 파장 대역에 영향을 받지 않아야 한다(Gamon and Supfus, 1999). (2) 과도한 광 조건에서의 또 다른 식물생리 반응인 엽록소 형광 방출(chlorophyll fluorescence quenching)과 관련해 685 nm와 738 nm의 반사도도 감소하므로 이 파장 대역을 제외하였다.
2 nm 밴드 폭의 96개 밴드로 이미지 정보를 취득하였다. 관측일시는 2014년 9월 14일 오후 2시이며 공간해상도는 1 m이다. 초분광 영상의 전처리는 복사보정, 기하보정, 대기보정의 순서로 실시하였다.
연구 지역은 강원도 동해시 심곡동(129.075~129.086°E, 37.578~37.587°N)으로 산림과 농지가 포함된 지역이다(Fig. 1).
이론/모형
각 클러스터에서 그림자의 영향을 분석하기 위해 그림자지수(Shadow Index, SI)를 적용하였다(Fig. 3(b)).
기하보정은GPS/IMU (Global PoisitioningSystem/Inertial Measurement Unit) 자료와 지상기준점 측량 자료를 이용하여 지리 좌표를 등록하였다. 대기보정은 복사보정을 통하여 획득된 복사휘도를 지상 분광반사율로 보정하는 과정으로, 복사전달모델인 MODTRAN(MODerate resolution TRANsmission model) 기반으로 보정하였다.
,2013). 본 연구에서는 ISODATA 무감독분류법을 이용하였으며, 클러스터를 10개, 최대 반복횟수 30회, 변화 임계치를 95%로 설정하였다.
성능/효과
결론적으로 (1) SI가 35 이상의 범위에서의 그림자는 광 스트레스 저감 효과도 적으며 관측 품질 저하도 없을 것이다. (2) SI가 25 초과 35 미만의 그림자는 광 스트레스 저감 효과가 존재하여 PRI 값을 변화시키지만, 관측 품질 저하 정도는 무시 가능한 수준이다. (3) SI가 25이하의 그림자는 생리 활성에의 영향을 떠나 관측 지점을 대표하기에 불가능한 수준으로 관측 품질이 낮춘다.
(2) SI가 25 초과 35 미만의 그림자는 광 스트레스 저감 효과가 존재하여 PRI 값을 변화시키지만, 관측 품질 저하 정도는 무시 가능한 수준이다. (3) SI가 25이하의 그림자는 생리 활성에의 영향을 떠나 관측 지점을 대표하기에 불가능한 수준으로 관측 품질이 낮춘다.
800)를 보였으며(Fig. 8(c)), PRI가 산림에서 높고 농지에서 낮은 경향이 PRIori와 일치하였다(Fig. 7(e)).
마지막으로 NDVI 계산에 이용된 RED와 NIR 반사도를 별도로 함께 다중회기에 고려하였을 때가 전체 영상(Fig. 9(d)) 및 산림(R2 = 0.816)과 농지(R2 =0.892)에서 모두 가장 좋은 상관관계를 보였다. 따라서 531 nm과 대체 밴드로 선정된 553.
또한, 그림자 지역에서는 PRI가 높게 나타나는 생리적 특징도 잘 설명되었다. MB13은 MB01과 인접한 파장대에 위치해 있기 때문에 PRIMB01과유사한패턴이나타났으나PRIMB01보다 PRIMB13가 PRIori과의 상관관계가 더 낮았다(Fig. 8(d)).
794로 크게 증가했다. PRIMB12과 NDVI를 사용한 다중회기는 PRIMB12과 NIR를 고려하였을 때 R2가 0.813에서 0.835로 소폭 증가했으나, 농지에서는 R2가 0.551에서 0.748로 증가 폭이 컸다. 마지막으로 NDVI 계산에 이용된 RED와 NIR 반사도를 별도로 함께 다중회기에 고려하였을 때가 전체 영상(Fig.
특히 RED와 NIR은 많은 선행연구에서 식생 모니터링에 자주 소용되는 파장이기도 하며, NDVI를 계산하는 구성요소이기도 하므로 PRIori와 PRIMB12의 관계를 RED,NIR, NDVI와 함께 다중회기 분석으로 산림과 농지에서 수행하였다(Table 1). PRIMB12와 NIR 반사도가 함께 고려하였을 때 PRIori를 표현하는 결정계수(R2)는 향상되었으며, 특히 농지에서 R2가 0.551에서 0.794로 크게 증가했다. PRIMB12과 NDVI를 사용한 다중회기는 PRIMB12과 NIR를 고려하였을 때 R2가 0.
8(b)). PRIori를 산출하기 위해 사용되는 570 nm와 가장 인접에 위치한 MODIS Band 12 (553.6 nm, MB12)를 이용한 PRIMB12는 PRIori와 높은 상관관계(R2 = 0.800)를 보였으며(Fig. 8(c)), PRI가 산림에서 높고 농지에서 낮은 경향이 PRIori와 일치하였다(Fig.
반면 SI가 25 이하인 강한 그림자가 형성될 때에는 PRI 뿐만 아니라 NDVI에서도 급격한 변화가 나타났는데, 이것은 그림자에 의해 밝기값이 감소하여 관측 지점을 대표하지 못할 수준으로 관측 품질이 떨어졌기 때문으로 사료된다. 결론적으로 (1) SI가 35 이상의 범위에서의 그림자는 광 스트레스 저감 효과도 적으며 관측 품질 저하도 없을 것이다. (2) SI가 25 초과 35 미만의 그림자는 광 스트레스 저감 효과가 존재하여 PRI 값을 변화시키지만, 관측 품질 저하 정도는 무시 가능한 수준이다.
다시 말해 SI>25에서는 시각적인 그림자는 나타나지 않지만, 픽셀 내 지표의 광 흡수량이 낮아져 광 스트레스 감소가 반영되고 PRI는 증가했고, 해당 픽셀에서 줄어든 광 흡수량이 그 지역의 지표 특성을 대표하지 못할 정도로 적지 않아 물리적 반사도 값에 중대한 영향을 끼치지 않은 것으로 보인다.
대체 밴드로 산출된 PRI 중에서 PRIMB12가 PRIori와 가장 좋은 상관관계(R2 = 0.811)를 가진 것으로 나타났다. 하지만, 그 정도는 식생 종류(산림: R2 = 0.
대체 밴드를 이용하여 PRI를 산출할 때 MB12와 유사한 밴드을 이용하였을 때 기존의 PRI와 가장 좋은 상관관계를 가졌다. Rahman et al.
6 nm를 사용하였을 때 좋은 상관관계를 나타났다. 더욱이 RED, NIR반사도를 이용하여 다중회귀분석을 수행하였을 때 향상된 결과를 보였다. 이와 같이 그림자 영향과 대체 밴드를 이용한 PRI 산출 가능성을 확인하였으며 이는 PRI의 생리적인 의미 해석과 활용도 향상에 기여할 것이다.
892)에서 모두 가장 좋은 상관관계를 보였다. 따라서 531 nm과 대체 밴드로 선정된 553.6 nm, 그리고 RED, NIR 반사도를 사용하면 매우 유의한 수준으로 PRIori를추정할 수 있을 것으로 사료된다.
4와 같이 25 이하의 값을 보이고 있다. 따라서 본 연구에서는 SI 값이 25 이하일 때 부터 그림자가 시각적으로 나타난다고 보았으며, 클러스터 1 픽셀 외에서 SI 값이 25 이하일 경우는 구분이 불분명한 지역(Unclearness for quality)로 정의했다. 클러스터 4의 경우는 인접 픽셀의 종류에 따라 산림과 농지로 다시 구분하였다.
무감독분류 결과와 RGB 영상을 비교·분석해 보면, 클러스터 1은 그림자, 클러스터 2~3은 산림, 클러스터 5는 농지를 명확하게나타내고 있었다.
본 연구에서 분석한 항공 초분광 영상의 그림자(SI≤25)는 주로 산림에서 높은 빈도로 나타났다.
이러한 결과는 NDVI와 PRI에서 광 스트레스 감소에 대한 반응이 각각 다르게 나타난 것을 의미한다. 상대적으로 생리적 변동에 둔감한 NDVI 보다 생리적 민감도가 높은 PRI에서 광량 감소로 인한 반응이 크게 나타났으며, 이는 광 스트레스 감소로 이어져 PRI는 증가 되었다. 반면, 그림자로 분류된(SI≤25) 픽셀에서는 SI가 낮아질수록 급격하게 NDVI는 감소하고 PRI는 증가했다.
또한 향후 다중분광 센서가 탑재된 위성뿐만 아니라 초분광 센서를 탑재한 위성을 이용해서도 PRI를 산출할 수 있을 것으로 기대된다. 인도의 정지궤도위성인 GISAT의 초분광 센서(HyS-VNIR)를 이용하여 2017년부터 320 m의 공간해상도로 PRI가 산출 가능할 것이며 그 외의 DESIS, EnMap와 같은 초분광 위성 센서를 이용하여 2017년, 2018년부터 30 m, 60 m 공간해상도로 PRI를 산출할 수 있을 것으로 예상된다. 따라서 MODIS와 같이 장기간 동안 안정적으로 운영되어온 위성 자료를 활용하여 PRI에 대한 사전 연구를 진행한다면 향후 운영될 다양한 위성에서 산출될 PRI를 보다 효과적으로 활용할 수 있을 것이다.
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. 한편 현재 가용한 위성을 이용한 PRI 산출을위해 대체 밴드를 가능성에 대한 연구 결과로는 570 nm를 대체하여 MODIS에도 존재하는 553.6 nm를 사용하였을 때 좋은 상관관계를 나타났다. 더욱이 RED, NIR반사도를 이용하여 다중회귀분석을 수행하였을 때 향상된 결과를 보였다.
후속연구
58로 다소 낮았다. 대체 밴드를 이용한 PRI 연구 결과의 차이는 연구영역 및 기간과 관련이 있을 것으로 사료되므로 이에 따른 다양한 연구를 통해 보다 신뢰도 높은 PRI 산출이 가능할 것이다.
인도의 정지궤도위성인 GISAT의 초분광 센서(HyS-VNIR)를 이용하여 2017년부터 320 m의 공간해상도로 PRI가 산출 가능할 것이며 그 외의 DESIS, EnMap와 같은 초분광 위성 센서를 이용하여 2017년, 2018년부터 30 m, 60 m 공간해상도로 PRI를 산출할 수 있을 것으로 예상된다. 따라서 MODIS와 같이 장기간 동안 안정적으로 운영되어온 위성 자료를 활용하여 PRI에 대한 사전 연구를 진행한다면 향후 운영될 다양한 위성에서 산출될 PRI를 보다 효과적으로 활용할 수 있을 것이다.
예를 들어 PRI는 광 조건을 비롯한 각종 환경에서의 식생 스트레스 탐지에 응용될 수 있으며 이런 PRI 기반 스트레스를 정규화하기 위해 생물량에 민감한 NDVI와 융합이 필요할 것으로 예상된다. 또한 선행 연구들을 통해 알려진 PRI와 LUE의 경험적 상관관계를 더욱 다양한 식생 조건에서 도출함으로서 향상된 GPP 원격탐사기법도 기대할 수 있을 것이다.
, 2016). 또한 향후 다중분광 센서가 탑재된 위성뿐만 아니라 초분광 센서를 탑재한 위성을 이용해서도 PRI를 산출할 수 있을 것으로 기대된다. 인도의 정지궤도위성인 GISAT의 초분광 센서(HyS-VNIR)를 이용하여 2017년부터 320 m의 공간해상도로 PRI가 산출 가능할 것이며 그 외의 DESIS, EnMap와 같은 초분광 위성 센서를 이용하여 2017년, 2018년부터 30 m, 60 m 공간해상도로 PRI를 산출할 수 있을 것으로 예상된다.
그림자 영향이 점차 커질 때 NDVI 값이 변하지 않는 범위에서 PRI 값은 증가하였다. 이것은 PRI가 식생의 생리적 특성에 NDVI 보다 민감하게 반응한다는 것을 의미하며 식생의 생리활성보다 생물량에 민감한 NDVI와는 다르게 활용되어야 함을 의미한다. 예를 들어 PRI는 광 조건을 비롯한 각종 환경에서의 식생 스트레스 탐지에 응용될 수 있으며 이런 PRI 기반 스트레스를 정규화하기 위해 생물량에 민감한 NDVI와 융합이 필요할 것으로 예상된다.
더욱이 RED, NIR반사도를 이용하여 다중회귀분석을 수행하였을 때 향상된 결과를 보였다. 이와 같이 그림자 영향과 대체 밴드를 이용한 PRI 산출 가능성을 확인하였으며 이는 PRI의 생리적인 의미 해석과 활용도 향상에 기여할 것이다. 향후 다양한 시기와 장소가 고려된 평가가 지속적으로 수행되어야할 것이다.
이와 같이 그림자 영향과 대체 밴드를 이용한 PRI 산출 가능성을 확인하였으며 이는 PRI의 생리적인 의미 해석과 활용도 향상에 기여할 것이다. 향후 다양한 시기와 장소가 고려된 평가가 지속적으로 수행되어야할 것이다.
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).
참고문헌 (17)
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.
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.
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.
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).
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.
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.
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.
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.
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.
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.
Pal, S.K., A. Petrosino, and L. Maddalena eds., 2012. Handbook on soft computing for video surveillance. CRC press.
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.
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.
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.
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.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.