농업관측을 위한 KOMPSAT-3 위성의 Spectral Band Adjustment Factor 적용성 평가 Feasibility Assessment of Spectral Band Adjustment Factor of KOMPSAT-3 for Agriculture Remote Sensing원문보기
국내 외 다중분광 위성의 수가 증가하고 자료를 획득할 수 있는 경로가 넓어짐에 따라 원하는 시기의 영상 취득 및 활용이 가능할 것으로 기대된다. 하지만 다른 촬영시간, 주기 및 공간해상도를 가지기 때문에 자료의 불일치 문제가 존재한다. 특히, 밴드대역폭 차이는 동일한 시기에 촬영된 영상일지라도 서로 다른 반사도를 산출하며, 식생지수와 같은 식생 활력도 분석에 있어 큰 불확실성이 발생한다. 본 연구는 KOMPSAT-3의 농업분야 활용을 위해 타 다중분광위성과의 밴드대역폭 차이에 따른 Spectral Band Adjustment Factor(SBAF)를 산정하고 실제 적용을 통해 융합 활용 가능성을 평가하였다. 사막지역에서 취득된 초분광 위성영상을 활용하여 SBAF를 산정하였고, 작물 주산지 지역에 SBAF를 적용한 결과 식생지수는 천정각이 24도로 촬영된 합천지역을 제외한 다른 지역에서 상대백분율 차이가 3% 이내로 높은 일치율을 보였다. SBAF 산정을 위해 본 연구는 한 세트의 영상을 활용하였고 이는 SBAF의 계절 및 태양 천정각에 따른 변화를 고려하지 않아 불확실성이 높을 것으로 판단되며, 향후 이러한 문제를 해결하기 위해 장기간 분석이 필요할 것으로 판단된다.
국내 외 다중분광 위성의 수가 증가하고 자료를 획득할 수 있는 경로가 넓어짐에 따라 원하는 시기의 영상 취득 및 활용이 가능할 것으로 기대된다. 하지만 다른 촬영시간, 주기 및 공간해상도를 가지기 때문에 자료의 불일치 문제가 존재한다. 특히, 밴드대역폭 차이는 동일한 시기에 촬영된 영상일지라도 서로 다른 반사도를 산출하며, 식생지수와 같은 식생 활력도 분석에 있어 큰 불확실성이 발생한다. 본 연구는 KOMPSAT-3의 농업분야 활용을 위해 타 다중분광위성과의 밴드대역폭 차이에 따른 Spectral Band Adjustment Factor(SBAF)를 산정하고 실제 적용을 통해 융합 활용 가능성을 평가하였다. 사막지역에서 취득된 초분광 위성영상을 활용하여 SBAF를 산정하였고, 작물 주산지 지역에 SBAF를 적용한 결과 식생지수는 천정각이 24도로 촬영된 합천지역을 제외한 다른 지역에서 상대백분율 차이가 3% 이내로 높은 일치율을 보였다. SBAF 산정을 위해 본 연구는 한 세트의 영상을 활용하였고 이는 SBAF의 계절 및 태양 천정각에 따른 변화를 고려하지 않아 불확실성이 높을 것으로 판단되며, 향후 이러한 문제를 해결하기 위해 장기간 분석이 필요할 것으로 판단된다.
As the number of multispectral satellites increases, it is expected that it will be possible to acquire and use images for periodically. However, there is a problem of data discrepancy due to different overpass time, period and spatial resolution. In particular, the difference in band bandwidths bec...
As the number of multispectral satellites increases, it is expected that it will be possible to acquire and use images for periodically. However, there is a problem of data discrepancy due to different overpass time, period and spatial resolution. In particular, the difference in band bandwidths became different reflectance even for images taken at the same time and affect uncertainty in the analysis of vegetation activity such as vegetation index. The purpose of this study is to estimate the band adjustment factor according to the difference of bandwidth with other multispectral satellites for the application of KOMPSAT-3 satellite in agriculture field. The Spectral band adjustment factor (SBAF) were calculated using the hyperspectral satellite images acquired in the desert area. As a result of applying SBAF to the main crop area, the vegetation index showed a high agreement rate of relative percentage difference within 3% except for the Hapcheon area where the zenith angle was 25. For the estimation of SBAF, this study used only one set of images, which did not consider season and solar zenith angle of SBAF variation. Therefore, long-term analysis is necessary to solve SBAF uncertainty in the future.
As the number of multispectral satellites increases, it is expected that it will be possible to acquire and use images for periodically. However, there is a problem of data discrepancy due to different overpass time, period and spatial resolution. In particular, the difference in band bandwidths became different reflectance even for images taken at the same time and affect uncertainty in the analysis of vegetation activity such as vegetation index. The purpose of this study is to estimate the band adjustment factor according to the difference of bandwidth with other multispectral satellites for the application of KOMPSAT-3 satellite in agriculture field. The Spectral band adjustment factor (SBAF) were calculated using the hyperspectral satellite images acquired in the desert area. As a result of applying SBAF to the main crop area, the vegetation index showed a high agreement rate of relative percentage difference within 3% except for the Hapcheon area where the zenith angle was 25. For the estimation of SBAF, this study used only one set of images, which did not consider season and solar zenith angle of SBAF variation. Therefore, long-term analysis is necessary to solve SBAF uncertainty in the future.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
농업분야의 타 지구관측위성과 다목적실용위성의 융합 활용 가능성을 평가하기 위해 본 연구에서는 반사도가 일정하고 대기가 안정적인 Libya-4 PICS에서 수집된 영상을 이용해 SBAF를 산정하였다. 산정된 SBAF를 적용하기 위해 식량작물 및 채소 주산지인 김제, 합천 그리고 해산지역에서 촬영된 K3영상과 동시기에 촬영된 타 위성영상과 비교 분석하였따.
특히 작물의 식생 활력도와 같은 NIR 밴드의 경우 작은 차이라도 NDVI와 같은 비율함수에 큰 영향을 주기 때문에 영상의 융합 활용에 있어 서로 다른 위성이 가지는 분광대역의 차이에 따라 산정되는 반사도가 달라지며 이에 대한 보정이 필요하다. 본 연구는 다목적실용위성(KOrea Multi-Pupose Satellite-3, K3)의 분광학적 활용을 위해 전 세계에서 대표적으로 사용되고 있는 Landsat-8(L8), Sentinel-2(S2) 위성과의 밴드대역폭 차이에 따른 반사도차이를 극복하기 위한 밴드조정계수(Spectral Band Adjustment Factor, SBAF)를 산정하고 실제 적용을 통해 영상간의 융합 활용 가능성을 평가하였다.
제안 방법
본 연구에서 사용된 모든 위성 영상은 ERDAS Leica Photogrammetry Suite(LPS)에 의해 처리되었다. L8, S2 영상에 각각 대응하는 K3 영상을 기준으로 GCP를 선정하고 기하보정을 수행하였다. 다음으로 USGS 에서 제공하는 30 m 공간해상도를 가지는 수치지도 DEM 자료와 결합하여 정사보정이 수행되었다.
SBAF 결과 적용 및 농업활용을 위해 본 연구에서는 동일한 날짜에 촬영된 영상을 이용하여 보정 전, 후 밴드별 TOA Reflectance와 식생지수를 비교 분석하였다. 영상이 촬영된 지역은 우리나라에서 쌀 생산량이 가장 많은 전북 김제 평야지역을 촬영한 K3 영상과 L8영상, 마늘 및 양파 주산지인 경남 합천지역의 K3 영상과 S2 영상, 그리고 겨울배추 주산지인 전남 해남 지역의 K3 영상과 S2영상을 이용하였다.
SBAF 산정 후 그 결과를 실제 식생에 검증하기 위해 마늘, 양파 및 배추 주산지인 합천과 해남지역 그리고 쌀 생산량이 가장 높은 김제평야지역에 대한 동일한 날짜의 영상을 수집하였다. 모든 영상은 방사보정 된 Level 1R 영상을 사용하였으며 수치지도와 Digital Elevation Model(DEM)을 사용하여 정사보정을 수행하였다.
SBAF 산정을 위해 본 연구는 한 세트의 영상 세트를 활용하였고 이는 SBAF의 계절 및 태양 천정각에 따른 대기통과길이(Air mass factor)를 고려하지 않았다. 이에 불확실성이 높을것으로 판단되며, 향후 이러한 문제를 해결하기 위해 장기간 분석이 필요할 것으로 판단된다.
Viewing angle의 차이를 확인하기 위해 본 연구에서는 near-nadir로 촬영된 영상을 선정하여 toa reflectance를 산정 및 SBAF 보정을 적용하였다. 수집된 영상 중 동일한 날짜에 near-nadir로 촬영된 영상획득에 한계가 있어 부득이 3일 차이가 나는 영상을 이용하였다.
산정된 SBAF를 적용하기 위해 식량작물 및 채소 주산지인 김제, 합천 그리고 해산지역에서 촬영된 K3영상과 동시기에 촬영된 타 위성영상과 비교 분석하였따. 모든 영상은 L1R 영상을 수집하여 정사보정 및 TOA Reflectance 변환을 수행하였으며 각 영상별 동일지점으로 1000 Point 이상을 선정하여 pixel-by-pixel로 비교하였다.
SBAF 산정 후 그 결과를 실제 식생에 검증하기 위해 마늘, 양파 및 배추 주산지인 합천과 해남지역 그리고 쌀 생산량이 가장 높은 김제평야지역에 대한 동일한 날짜의 영상을 수집하였다. 모든 영상은 방사보정 된 Level 1R 영상을 사용하였으며 수치지도와 Digital Elevation Model(DEM)을 사용하여 정사보정을 수행하였다. Fig.
밴드조정계수 산정 및 검증을 위해 본 연구에서는 Libya-4 PICS에서 촬영된 다중분광위성영상을 사용하였다. 동일날짜에 모든 위성이 촬영되었을 경우 가장 이상적 이지만 위성의 궤도환경에 따른 한계가 있어, 본 연구에서는 3일내로 촬영된 영상 1 Set을 이용하였다.
본 연구는 원격탐사 자료의 농업적 활용에 앞서 다양한 위성들의 융합활용의 첫 단계로서 서로 다른 분광응답함수를 가지는 위성들의 반사도를 보정하기 위한 SBAF 산정 및 적용 후 결과를 비교·분석하였다.
본 연구도 이상에 언급한 방법을 채택하여 해당 위성의(20 m or 30 m) 공간해상도를 가지는 임의의 영상을 생성하고, 영상의 픽셀과 동일한 위치에 동일한 크기를 가지는 polygon shape 파일을 생성하였다. 각 영상들에서 이렇게 생성된 polygon 영역에 중첩되는 픽셀들의 평균과 표준편차를 계산하였고, 이들 중 ±1.
산정된 SBAF를 검증하기 위해 국내 채소 및 식량작물 주산지를 대상으로 취득된 동일날짜의 영상에 대하여 TOA Reflectance를 이용하여 비교 분석하였다. L8위성과 K3 위성이 취득된 김제지역은 상대백분율 반사도 차이가 blue 밴드의 경우 보정 전 6%에서 보정 후 3%, Green 밴드에서 보정 전 4%, 보정 후 3%, Red 밴드에서 보정 전 3% 보정 후 1%, NIR 밴드의 경우 보정 전 21%, 보정 후 5%로 나타났다.
농업분야의 타 지구관측위성과 다목적실용위성의 융합 활용 가능성을 평가하기 위해 본 연구에서는 반사도가 일정하고 대기가 안정적인 Libya-4 PICS에서 수집된 영상을 이용해 SBAF를 산정하였다. 산정된 SBAF를 적용하기 위해 식량작물 및 채소 주산지인 김제, 합천 그리고 해산지역에서 촬영된 K3영상과 동시기에 촬영된 타 위성영상과 비교 분석하였따. 모든 영상은 L1R 영상을 수집하여 정사보정 및 TOA Reflectance 변환을 수행하였으며 각 영상별 동일지점으로 1000 Point 이상을 선정하여 pixel-by-pixel로 비교하였다.
대상 데이터
L8, S2 영상에 각각 대응하는 K3 영상을 기준으로 GCP를 선정하고 기하보정을 수행하였다. 다음으로 USGS 에서 제공하는 30 m 공간해상도를 가지는 수치지도 DEM 자료와 결합하여 정사보정이 수행되었다. 최종적으로 정사보정된 K3 영상에 대해 X and Y 평균제곱근오차(RMSE) 는 0.
밴드조정계수 산정 및 검증을 위해 본 연구에서는 Libya-4 PICS에서 촬영된 다중분광위성영상을 사용하였다. 동일날짜에 모든 위성이 촬영되었을 경우 가장 이상적 이지만 위성의 궤도환경에 따른 한계가 있어, 본 연구에서는 3일내로 촬영된 영상 1 Set을 이용하였다. SBAF 산정을 위한 초분광 위성영상은 현재 임무가 종료되었지만, 과거 영상자료를 지속적으로 USGS에서 제공하고 있다.
본 연구를 위해 초분광 위성 EO-1 Hyperion과 다중분광 위성 K3, S2, L8 영상이 수집되었다. L8위성과 S2위성의 경우 주기적으로 지구를 관측하고 있으며, 무료로 영상을 획득 할 수 있어 세계에서 대표적으로 사용되고 있는 다중분광 영상이다.
Viewing angle의 차이를 확인하기 위해 본 연구에서는 near-nadir로 촬영된 영상을 선정하여 toa reflectance를 산정 및 SBAF 보정을 적용하였다. 수집된 영상 중 동일한 날짜에 near-nadir로 촬영된 영상획득에 한계가 있어 부득이 3일 차이가 나는 영상을 이용하였다. 해남지역에서 촬영된 영상의 tilt angle은 약 3도이며, 반사도 변화가 많이 일어나는 바다의 경우 masking을 통해 제외 후 분석하였다.
SBAF 결과 적용 및 농업활용을 위해 본 연구에서는 동일한 날짜에 촬영된 영상을 이용하여 보정 전, 후 밴드별 TOA Reflectance와 식생지수를 비교 분석하였다. 영상이 촬영된 지역은 우리나라에서 쌀 생산량이 가장 많은 전북 김제 평야지역을 촬영한 K3 영상과 L8영상, 마늘 및 양파 주산지인 경남 합천지역의 K3 영상과 S2 영상, 그리고 겨울배추 주산지인 전남 해남 지역의 K3 영상과 S2영상을 이용하였다.
Hyperion 센서는 10 nm의 폭을 지닌 연속된 밴드를 통해 400 nm에서 2,400 nm 파장대 자료를 12 bit의 방사해상도, 30 m의 공간 해상도로 기록한다. 일반적으로 총 242개 밴드중 대기 흡수 밴드와 신호대 잡음비(Signal-to-Noise Ratio, SNR)가 낮은 밴드를 제외한 196개 밴드가 이용된다.
데이터처리
각 영상들에서 이렇게 생성된 polygon 영역에 중첩되는 픽셀들의 평균과 표준편차를 계산하였고, 이들 중 ±1.96σ 이내에 속하는 자료만을 추출하여 영상들 간 분석은 Pixel-by-Pixel로 비교를 수행하였다.
이론/모형
본 연구에서 사용된 모든 위성 영상은 ERDAS Leica Photogrammetry Suite(LPS)에 의해 처리되었다. L8, S2 영상에 각각 대응하는 K3 영상을 기준으로 GCP를 선정하고 기하보정을 수행하였다.
성능/효과
Table 8은 밴드별 반사도의 차이를 상대백분율로 계산한 결과를 나타낸다. L8위성과 K3위성이 촬영된 김제지역의 경우 모든 밴드에서 상대백분율 차이가 SBAF 적용 후 감소한 것을 확인할 수 있으며, NIR의 경우 21%에서 5%로 감소폭이 15%로 나타났다. Tilt Angle이 20도를 넘어가는 합천지역의 경우 보정 전보다 보정 후 상대 백분율의 차이가 증가하는 현상을 보였으며 모든 밴드에서 30% 이상의 상대백분율 차이가 나타나 영상간 반사율 일치도가 매우 낮다.
Libya-4 PICS에서 촬영된 K3, L8, S2 위성과 초분광위성인 EO-1 위성의 분광프파일을 활용하여 만들어진 가상영상을 이용해 밴드조절계수(SBAF)를 산정하였고 이를 실제 촬영된 영상에 적용한 결과 모든 밴드에서 위성간의 반사도 차이가 감소한 것으로 나타났다. 특히 NIR밴드는 K3-L8 위성의 경우 반사도 상대백분율 차이가 보정 전 21%에서 보정 후 6%로 감소하였다.
이러한 결과는 영상의 촬영시기가 약 3일 정도 차이를 보여 대기변화에 따른 반사도 값의 변화로 판단된다. NDVI 차이에 대한 상대백분율 차이를 SBAF 보정 전,후 결과를 나타내며 반사도 변화와 유사한 경향을 나타내지만 NIR 밴드의 반사도 변화보다 상대적으로 큰 NDVI 차이의 변화를 보였다(Fig. 7). 비율함수인 NDVI의 경우 NIR 밴드값에 따라 상대적으로 변화 폭이 크기 때문에 나타난 결과로 판단된다.
NIR 밴드는 보정 전, 후 큰 차이를 보였는데 SBAF 보정 전 계측된 TOA반사도 차이가 -12.5% 상대백분율 21.9%에서 보정 후 TOA 반사도 3% 상대백분율 5.7%를 보였다.
Tilt Angle이 20도를 넘어가는 합천지역의 경우 보정 전보다 보정 후 상대 백분율의 차이가 증가하는 현상을 보였으며 모든 밴드에서 30% 이상의 상대백분율 차이가 나타나 영상간 반사율 일치도가 매우 낮다. Tilt 앵글의 효과를 확인하기 위해 해남지역을 촬영한 S2영상과 K3 영상을 비교한 결과 상대백분율 차이가 줄어든 것을 확인할 수 있다. 하지만 Green, Red 밴드의 경우 감소폭이 미미하였으며, NIR 밴드의 경우에도 L8밴드와는 다르게 그 감소폭은 상대적으로 작게 나타나 보정 후 상대백분율이 13.
Landsat-7 ETM+와 EO-1 ALI 센서의 다음 세대인 L8 Operational Land Imager(OLI)는 감지기들이 선형으로 배열된 Push-broom센서로, 긴 integration 시간으로 높은 SNR(~130:1)의 자료를 획득할 수 있다. 공간 해상도는 30 m로 ALI와 ETM+와 동일하지만, 12 bit의 방사 해상도는 전 세대 센서인 ETM+의 8 bit보다 개선되어 더 정밀한 복사 에너지 값을 기록할 수 있다. 클로로필 흡수 파장대인 443 nm 중심의 해안/에어로졸 관련 밴드가 추가된 것이 특징이다.
5%로 나타났으며 이는 Libya-4 site의 결과와 상이한 것을 알 수 있다. 또한 보정 후에도 모든 밴드 에서 toa reflectance의 변화가 보정 전과 큰 차이가 없었으며, 일부 밴드(BLUE, NIR)의 경우 보정 전 보다 그 차이가 크게 나타났다. 이 같은 차이가 발생한 이유는 Table 6 에서 알 수 있듯이 영상의 Viewing angle이 김제지역과는 다르게 약 23도로 기울어져 촬영하였으며, 이에 따른 광학경로가의 변동이 크게 나타난 것으로 판단된다.
본 연구는 동일지역, 근접한 시간에 촬영되는 영상을 획득하여 비교 하므로 지형효과와 대기효과를 최소화 할 수 있다. 다른 센서로 부터 획득된 영상의 방사학적 품질을 비교할 때 TOA radiance 대신 TOA reflectance 를 이용할 경우, 자료 획득에 따른 시간 차이로 인해 다른 태양 천정각(solar zenith angle)에 의한 대기투과도 효과 제거가 가능하며, 분광밴드 차이로부터 발생하는 대기 최상부에서의 태양분광 복사조도(exo-atmospheric solar irradiance)의 상이한 값을 상쇄시킨다(Chander et al.
비교 분석 결과(Table 7 and Fig. 6) NIR을 제외한 모든 밴드에서 1% 이내의 반사도 차이와 1%내외의 RMSE를 보였으며, SBAF 보정 후 차이는 감소하였으나 그 양은 매우 적게 나타났다. NIR 밴드의 경우 보정 전 4%에서 보정 후 2.
전체적으로 반사도 차이가 감소하였으나, Libya-4 Site에 비해 상대적으로 높은 차이를 나타낸 이유는 영상의 촬영시기가 약 3일이기 때문에 이에 따른 대기구성물질의 변화가 영향을 미쳤기 때문이다. 식생지수의 경우 합천지역을 제외한 다른 두 지역에서 상대백분율 차이가 보정 후 3%이내로 높은 일치율을 보였다.
5%로 감소하였다. 즉 두 위성의 반사도 값이 SBAF 보정 후 감소한 것을 알수 있으며, Red 및 NIR 밴드의 변화에 따라 식생지수 차이 또한 8.4%에서 4.8%로 감소하였다.
S2 위성과 K3 위성이 동일날짜에 촬영된 합천지역의 경우 모든 밴드에서 보정 전, 후 반사도 차이가 증가하였다. 촬영당시의 위성 Tilt Angle이 23도로 촬영되어 이에 따른 영향으로 판단되며, 이러한 문제를 확인하기 위하여 해남지역에 촬영된 5도 이하의 천정각을 가지는 S2 위성과 K3 위성을 비교한 결과 보정후 반사도차이가 Blue 밴드에서 3%, Green 밴드에서 7%, Red 밴드에서 7%, NIR 밴드에서 13%로 나타났다. 전체적으로 반사도 차이가 감소하였으나, Libya-4 Site에 비해 상대적으로 높은 차이를 나타낸 이유는 영상의 촬영시기가 약 3일이기 때문에 이에 따른 대기구성물질의 변화가 영향을 미쳤기 때문이다.
다음으로 USGS 에서 제공하는 30 m 공간해상도를 가지는 수치지도 DEM 자료와 결합하여 정사보정이 수행되었다. 최종적으로 정사보정된 K3 영상에 대해 X and Y 평균제곱근오차(RMSE) 는 0.5 pixel 이하로 나타났다.
후속연구
3) 발생할 수 있는 오차의 영향이 클 것으로 사료된다. SBAF 산정과 검증에 있어 본 연구에서는 하루 차이를 가지는 촬영된 이용하였기 때문에 사막지역의 계절적 영향 그리고 태양 천정각에 따른 BRDF 효과의 경우 고려하지 않았기 때문에 향후 이에 대한 불확실성 분석 및 장기 모니터링을 위한 1년 이상의 영상을 수집하여 장기시계열 분석이 필요하다.
이에 불확실성이 높을것으로 판단되며, 향후 이러한 문제를 해결하기 위해 장기간 분석이 필요할 것으로 판단된다. 또한 검증에 있어 TOA Reflectance를 사용하였기 때문에 향후 대기잡음 제거를 위한 대기보정 수행 후 SBAF 적용이 필요하다. 다중분광 위성자료의 농업분야 활용함에 있어 NIR 밴드는 식생의 활력을 측정하는데 매우 중요한 역할을 담당한다.
다중분광 위성자료의 농업분야 활용함에 있어 NIR 밴드는 식생의 활력을 측정하는데 매우 중요한 역할을 담당한다. 본 연구에서 산정 된 SBAF 계수 및 그 적용결과 다양한 위성영상을 분광학적으로 활용하는데 있어 분광응답차이를 반영해야 할 것으로 판단된다. 향후 KOMPSAT 위성과 타 위성 영상 융합에 있어 SBAF 보정뿐 아니라 공간해상도 불일치 문제 및 대기보정 적용에 대한 추가 연구가 필요하다.
다목적 실용위성과 향후 발사 될 차세대 중형위성(국토위성, 농림업위성)은 목적에 따라 유사하지만 다른 분광대역과 공간 및 시간해상도를 가질 것으로 예상된다. 이러한 위성영상을 융합하여 활용 할 경우 농업분야에서는 매우 중요한 작물의 생육에 따른 주기적 모니터링 및 작황추정의 신뢰성을 높일 수 있으며, 나아가 가격 변동성이 큰 국외 농작물의 작황 추정도 가능할 것으로 기대된다.
SBAF 산정을 위해 본 연구는 한 세트의 영상 세트를 활용하였고 이는 SBAF의 계절 및 태양 천정각에 따른 대기통과길이(Air mass factor)를 고려하지 않았다. 이에 불확실성이 높을것으로 판단되며, 향후 이러한 문제를 해결하기 위해 장기간 분석이 필요할 것으로 판단된다. 또한 검증에 있어 TOA Reflectance를 사용하였기 때문에 향후 대기잡음 제거를 위한 대기보정 수행 후 SBAF 적용이 필요하다.
본 연구에서 산정 된 SBAF 계수 및 그 적용결과 다양한 위성영상을 분광학적으로 활용하는데 있어 분광응답차이를 반영해야 할 것으로 판단된다. 향후 KOMPSAT 위성과 타 위성 영상 융합에 있어 SBAF 보정뿐 아니라 공간해상도 불일치 문제 및 대기보정 적용에 대한 추가 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
K3 위성은 무엇인가?
K3는 70 cm 지상해상도를 가지는 광학관측 카메라를 탑재한 지구 저궤도용 위성으로 대한민국 최초이며 세계에서 4번째로 sub-meter급 해상도와 기동성능을 갖춘 위성이다. K3의 Advanced Earth Imaging Sensor System (AEISS) 센서는 push-broom 방식의 센서로 상공에서 16.
위성 영상 융합 활용을 하기 전에 센서의 특성 차이를 고려한 보정이 필요한 이유는?
하지만 영상 융합 활용에 앞서 각 위성이 가지는 센서의 특성차이가 고려되어야 한다. 특히 작물의 식생 활력도와 같은 NIR 밴드의 경우 작은 차이라도 NDVI와 같은 비율함수에 큰 영향을 주기 때문에 영상의 융합 활용에 있어 서로 다른 위성이 가지는 분광대역의 차이에 따라 산정되는 반사도가 달라지며 이에 대한 보정이 필요하다. 본 연구는 다목적실용위성(KOrea Multi-Pupose Satellite-3, K3)의 분광학적 활용을 위해 전 세계에서 대표적으로 사용되고 있는 Landsat-8(L8), Sentinel-2(S2) 위성과의 밴드대역폭 차이에 따른 반사도차이를 극복하기 위한 밴드조정계수(Spectral Band Adjustment Factor, SBAF)를 산정하고 실제 적용을 통해 영상간의 융합 활용 가능성을 평가하였다.
원격탐사 기법의 장점은?
원격탐사 기법은 비접근 지역에 대해서 관측이 가능하며 넓은 지역에 대해 주기적으로 신뢰도 높은 분광자료를 취득 할 수 있다. 광역의 공간 및 시간적 특성 분포는 원격탐사가 지닌 가장 큰 강점이며 이러한 장정에 의해 농업, 수문, 환경 등 많은 분야에 활발하게 적용되어왔다(Baek et al.
참고문헌 (22)
Baek, Y.K., S.H. Park, N.K. Jeong, S.K. Kwon, W.J. Jin, and H.S. Jung, 2017. A Study for the Techniques and Applications of NIR Remote Sensing Based on Statical Analyses of NIRrelated Papers, Korean Journal of Remote Sensing, 33(5): 889-900 (in Korean with English abstract).
Bannari, A.D., D. Morin, F. Bonn, and A.R. Huete, 1995. A review of vegetation indices, Remote Sensing Reviews, 13(1-2): 95-120.
Bian, L., 1997. Multiscale nature of spatial data in scaling up environmental models, in D.A. Quattrochi and M.F. Goodchild (eds.), Scale in Remote Sensing and GIS, Lewis Publishers, New York, USA, pp.13-26.
Byun, Y. G. and T. B. Chae, 2011. Evaluation of Quality Improvement Achieved by Deterministic Image Restoration methods on the Pan-Sharpening of High Resolution Satellite Image, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 29(5): 471-478 (in Korean with English abstract).
Committee on Earth Observation Satellites (CEOS), 2013. CEOS Cal/Val Portal, http://calvalportal. ceos.org, Accessed on Nov. 15, 2018.
Chander, G., B.L. Markham, and D.L. Helder, 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors, Remote Sensing of Environment, 113: 893-903.
Chander, G., N. Mishra, D. L. Helder, D. B. Aaron, A. Angal, T.Y. Choi, X. Xiong, and D. R. Doelling, 2013. Applications of Spectral Band Adjustment Factors (SBAF) for Cross-Calibration, IEEE Transactions on Geoscience and Remote Sensing, 51(3): 1267-1281.
Chi, J. H., 2013. Validation of the Radiometric Characteristics of Landsat 8 (LDCM) OLI Sensor using Band Aggregation Technique of EO-1 Hyperion Hyperspectral Imagery, Korean Journal of Remote Sensing, 29(4): 399-406 (in Korean with English abstract).
Choi, J. W., D. S. Kim, and Y. G. Kim, 2011. The comparison of spatial/spectral distortion on the hybrid pansharpened images by the spatial correlation methods, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 29(2): 175-181 (in Korean with English abstract).
Claverie, M., J. Ju, J.G. Masek, J. L. Dungan, E. F. Vermote, J.-C. Roger, S. V. Skakun, and C. Justice, 2018. The Harmonized Landsat and Sentinel-2 surface reflectance data set, Remote Sensing of Environment, 219: 145-161.
Hong, S.Y., B.K. Min, J.M. Lee, Y.H. Kim, and K.D. Lee, 2012a. Estimation of paddy field area in North Korea Using RapidEye Images, Korean Journal of Soil Science and Fertilizer, 45(6): 1194-1202 (in Korean with English abstract).
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, 2012b. 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).
Kim, H.C., B.S. Kim, S.-L. Kang, S.Y. Hong, Y.H. Kim, K.D. Lee, S.I. Na, and W.K. Lee, 2014. Overview of Current Applications of Satellite Images in Agricultural Sectors, Journal of Satellite, Information and Communications, 9(2): 1-6 (in Korean with English abstract).
Na, S.I., J.H. Park, and J.K. Park, 2012. Development of Korean paddy Rice yield Prediction Model (KRPM) using meteorological element and MODIS NDVI, Journal of the Korean Society of Agricultural Engineers, 54(3): 141-148 (in Korean with English abstract).
Ren, J.Q., Z.X. Chen, Q.B. Zhou, and H.J. Tang, 2008. Regional yield estimation for winter wheat with MODIS NDVI data in Shandong, China, International Journal of Applied Earth Observation and Geoinformation, 10: 403-413.
Rojas, O., 2007. Operational maize yield model development and validation based on remote sensing and agro-meteorological data in Kenya, International Journal of Remote Sensing, 28(17): 3775-3793.
Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering, 1973. Monitoring vegetation systems in the Great Plains with ERTS, Proc. of 3rd Earth Resources Technology Satellite Symposium, Washington, D.C., Dec. 10-14, vol. 1, pp. 309-317.
United States Geological Survey(USGS), 2013. Test Site Catalog, https://calval.cr.usgs.gov/rst-resources/sites_catalog, Accessed on Nov. 15, 2018.
Ustunera, M., F.B. Sanli, S. Abdikan, M.T. Esetlili, and Y. Kurucu, 2014. Crop Type Classification Using Vegetation Indices of Rapideye Imagery, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-7: 195-198.
Zhang, H. K., D. P. Roy, L. Yan, Z. Li, H. Huang, E. Vermote, S. Skakun, and J.C. Roger, 2018. Characterization of Sentinel-2A and Landsat-8 top of atmosphere, surface, and nadir BRDF adjusted reflectance and NDVI differences, Remote Sensing of Environment, 215(15): 482-494.
Zhang, L., S. Hu, H. Yang, T. Wu, Q. Tong, and F. Zhang, 2014. The Effects of Solar Irradiance Spectra on Calculation of Narrow Band Top-of- Atmosphere Reflectance, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(1): 49-58.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.