[논문]Himawari-8 AHI 적설 탐지의 성능 평가

진동현; 이경상; 서민지; 최성원; 성노훈; 이은경; 한현경; 한경수

doi:10.7780/kjrs.2018.34.6.1.14

Himawari-8 AHI 적설 탐지의 성능 평가
Performance Evaluation of Snow Detection Using Himawari-8 AHI Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.6 pt.1, 2018년, pp.1025 - 1032

진동현 (부경대학교 공간정보시스템공학과) , 이경상 (부경대학교 공간정보시스템공학과) , 서민지 (부경대학교 공간정보시스템공학과) , 최성원 (부경대학교 공간정보시스템공학과) , 성노훈 (부경대학교 공간정보시스템공학과) , 이은경 (부경대학교 공간정보시스템공학과) , 한현경 (부경대학교 공간정보시스템공학과) , 한경수 (부경대학교 공간정보시스템공학과)

초록
AI-Helper

적설은 강수의 한 형태로 지표면에 쌓인 눈으로 정의되며 빙권의 가장 큰 단일 구성 요소로서 지구 표면과 대기 사이의 열 교환이나 전 지구 또는 지역적인 측면에서 지구의 에너지 수지 균형을 유지하는 중요한 역할을 하는 등 지구 표면 온도를 조절하는데 영향을 미친다. 그러나 적설은 인간의 접근이 어려운 지역에 주로 분포하기 때문에 위성을 활용한 적설 탐지가 활발히 수행되고 있으며 산림 지역의 적설 탐지는 구름과 적설의 구분 다음으로 중요한 과정이다. 따라서 본 연구는 기존 극 궤도 위성에서 산림 지역 적설 탐지에 활용하는 Normalized Difference Snow Index(NDSI) 및 Normalized Difference Vegetation Index(NDVI)를 정지궤도 위성에 적용하였으며, 산림 지역 외 영역은 적설의 분광 특징을 활용한 $R_{1.61{\mu}m}$ anomaly 기법 및 NDSI를 활용하여 적설 탐지를 수행하였다. 본 연구에서 산출한 Snow Cover 자료와 Visible Infrared Imaging Radiometer(VIIRS) Snow Cover 자료를 활용해 간접 검증을 수행한 결과, Probability of Detection(POD)는 99.95%, False Alarm Ratio(FAR)는 16.63 %로 나타났다. Himawari-8 Advanced Himawari Imager(AHI) RGB 영상을 추가로 활용해 정성적 검증 또한 수행하였으며 수행 결과, VIIRS Snow Cover가 미탐지한 영역과 본 연구가 오탐지한 영역이 혼합되어 나타났다.

Abstract ▼ AI-Helper

Snow Cover is a form of precipitation that is defined by snow on the surface and is the single largest component of the cryosphere that plays an important role in maintaining the energy balance between the earth's surface and the atmosphere. It affects the regulation of the Earth's surface temperature. However, since snow cover is mainly distributed in area where human access is difficult, snow cover detection using satellites is actively performed, and snow cover detection in forest area is an important process as well as distinguishing between cloud and snow. In this study, we applied the Normalized Difference Snow Index (NDSI) and the Normalized Difference Vegetation Index (NDVI) to the geostationary satellites for the snow detection of forest area in existing polar orbit satellites. On the rest of the forest area, the snow cover detection using $R_{1.61{\mu}m}$ anomaly technique and NDSI was performed. As a result of the indirect validation using the snow cover data and the Visible Infrared Imaging Radiometer (VIIRS) snow cover data, the probability of detection (POD) was 99.95 % and the False Alarm Ratio (FAR) was 16.63 %. We also performed qualitative validation using the Himawari-8 Advanced Himawari Imager (AHI) RGB image. The result showed that the areas detected by the VIIRS Snow Cover miss pixel are mixed with the area detected by the research false pixel.

주제어

표/그림 (6)

그림 Fig. 1. Flow chart on this study.
표 Table 1. Index used for comparison between two categorical data
표 Table 2. Validation index
그림 Fig. 2. (a) Ref._1.61μm Anomaly Histogram (Snow/No Snow), (b) NDSI vs. NDVI scatter plot (Forest area).
그림 Fig. 3. a) Comparison result with VIIRS Snow Cover data, b) Himawari-8 AHI RGB Image (1:20170104.0500 UTC, 2:20170105.0300 UTC).
표 Table 3. Quantitative result with VIIRS Snow Cover Data

AI 본문요약
AI-Helper

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

문제 정의

NDVI 산출식은 식 (8)과 같다. 본 연구에서는 MODIS Snow Cover 자료를 활용하여 적설 지역의 NDSI 및 NDVI의 관계를 분석하였으며, 분석 결과를 기반으로 산림지역 적설 탐지를 수행하였다.

가설 설정

R1.61 µm Anomaly가 -0.8 이상인 경우, 오탐지율은 1 % 미만의 분포를 보이나, R1.61 µm Anomaly 값이 더 작아질수록 오탐지율은 1% 이상의 값을 보임에 따라 R1.61 µm Anomaly가 -0.8보다 큰 값인 경우 적설로 탐지하였다.

제안 방법

(2017)은 MODIS 위성 자료를 활용한 적설 탐지를 위해 1.61 µm 반사도 anomaly 등을 활용하였으며 본 연구에서는 정지궤도 위성 자료인 Himawari-8 Advanced Himawari Imager(AHI) 자료를 기반으로 하여 적설 지역에서 0.46 – 0.86 µm 반사도가 높게 나타나고, 1.61 µm 반사도가 낮게 나타나는 특징을 활용한 1.61 µm 반사도 anomaly를 활용하였으며, 산림 지역에서는 NASA가 극 궤도 위성인 MODIS, VIIRS를 기반으로 수행한 NDSI 및 NDVI를 활용하여 적설 탐지를 수행하였다.
Himawari-8 AHI 자료는 500 m, 1 km, 2 km 공간해상도를 가지며 매 10분마다 전구 영역을 관측할 수 있으며, 본 연구는 Band 1, 2, 3, 4, 5(0.46, 0.51, 0.64, 0.86, 1.61 µm) 자료를 활용하였으며, Band 5번은 공간해상도가 2 km이나, 500 m와 1 km의 공간해상도를 가지는 Band 1, 2, 3, 4번 자료를 2 km로 공간해상도로 일치하였다.
NDSI 산출식은 식 (7)과 같다. NDSI Test는 MODIS, VIIRS 적설 탐지 기법의 주요 지수로서 본 연구에서도 MODIS, VIIRS와 같이 NDSI가 0.4 이상의 값을 가질 때, 적설로 구분하였다.
R1.61 µm Anomaly Test는 MODIS Snow Cover 자료를 Reference 자료로 활용하여 적설과 적설이 아닌 일반 지표에 대한 R1.61 µm Anomaly의 분포를 파악하기 위해 Fig. 2(a)와 같이 히스토그램을 활용해 R1.61 µm Anomaly의 분포를 확인하였다.
이에 본 연구에서는 시간적 분포가 상이한 것은 본 연구에서 산출한 Snow Cover를 기준으로 5분 이내 VIIRS Snow Cover 자료를 추출하였으며, 공간적 분포가 상이한 것은 VIIRS Snow Cover 자료를 본 연구에서 산출한 관측 영역에 맞게 Match-up을 수행하여 1:1 검증을 수행하였다. 검증 방법은 위성간의 상호 대기 검정에 활용되는 Table 1에 나타나는 지수를 이용하였으며 이를 이용하여 Probability Of Detection(POD), False Alarm Ratio(FAR)를 계산하고 이를 이용해 본 연구의 정확도를 정량적인 수치로 나타내었다. POD 및 FAR 계산 방법은 Table 2와 같다.
본 연구는 VIIRS Snow Cover 자료를 참값으로 설정하여 간접 검증을 수행하였다. 또한, 정성적 검증 수행 시, JMA Himawari-8 AHI RGB 자료를 추가로 활용하여 적설 여부를 판단하였다. VIIRS Snow Cover 자료는 극 궤도 위성 기반 자료로서 본 연구에서 활용한 정지궤도 위성인 Himawari-8 AHI와 시공간 분포가 상이하다.
본 연구는 Himawari-8 AHI 자료를 채널자료로 이용하여 MODIS와 VIIRS에서 활용하는 적설 탐지 기법인 NDSI와 산림지역 NDSI 및 NDVI 관계를 활용한 기법과 1.61 µm 반사도가 적설 지역에서 낮게 나타나는 특징을 기반으로 R1.61 µm Anomaly를 활용하여 적설을 탐지하였다.
본 연구는 VIIRS Snow Cover 자료를 참값으로 설정하여 간접 검증을 수행하였다. 또한, 정성적 검증 수행 시, JMA Himawari-8 AHI RGB 자료를 추가로 활용하여 적설 여부를 판단하였다.
산림지역 적설 탐지의 경우, MODIS Land cover type 중 산림지역인 Evergreen Needleleaf forest, Evergreen Broadleaf forest, Mixed forest인 영역을 대상으로 MODIS Snow Cover 자료 및 Himawari-8 AHI 반사도 기반 NDSI, NDVI의 분포를 분석하였다. Fig.
1은 본 연구의 흐름도이며, 정지궤도 위성 자료는 시간에 따라 SZA이 변동성을 가지며, 이는 시간에 따라 특정 지역의 반사도 또한 변동성을 가질 수 있으며, Barker and Strahler(1993)에 따르면 채널 반사도는 SZA의 값이 커질수록 낮아지는 경향을 보인다. 이는 반사도 기반 적설 탐지에 잠재적인 에러가 될 수 있기 때문에 식 (1)과 같이 SZA을 활용하여 반사도 정규화를 수행하였다. R는 반사도 정규화 전 반사도, R′는 SZA을 활용하여 정규화된 반사도를 의미한다.
이러한 이유로 산림 지역의 적설 탐지는 구름과의 구분 다음으로 잠재적인 에러를 내포하고 있으며(Klein et al., 1998), National Aeronautics and Space Administration(NASA)의 극 궤도 위성 센서인 Moderate Resolution Imaging Spectroradiometer(MODIS) 및 Visible Infrared Imaging Radiometer Suite(VIIRS)는 다중 채널 반사도로 산출된 Normalized Difference Snow Index(NDSI)와 Normalized Difference Vegetation Index(NDVI)를 활용해 산림 지역에서 적설 탐지를 수행하고 있으며, 산림 지역 외 일반지표는 적설 지역에서 다른 지면 정보에 비해 낮은 값을 가지는 1.61 µm 반사도 및그외 다중 채널 반사도와 NDSI 기반 고정 경계값 기법을 통해 적설 탐지를 수행하였다(Hall et al., 2001a; Riggs et al., 2015).
VIIRS Snow Cover 자료는 극 궤도 위성 기반 자료로서 본 연구에서 활용한 정지궤도 위성인 Himawari-8 AHI와 시공간 분포가 상이하다. 이에 본 연구에서는 시간적 분포가 상이한 것은 본 연구에서 산출한 Snow Cover를 기준으로 5분 이내 VIIRS Snow Cover 자료를 추출하였으며, 공간적 분포가 상이한 것은 VIIRS Snow Cover 자료를 본 연구에서 산출한 관측 영역에 맞게 Match-up을 수행하여 1:1 검증을 수행하였다. 검증 방법은 위성간의 상호 대기 검정에 활용되는 Table 1에 나타나는 지수를 이용하였으며 이를 이용하여 Probability Of Detection(POD), False Alarm Ratio(FAR)를 계산하고 이를 이용해 본 연구의 정확도를 정량적인 수치로 나타내었다.
적설은 북반구의 중위도, 고위도 및 남반구의 고위도에 분포하기 때문에 이러한 특징을 기반으로 NSIDC EASE-Grid 2.0 Weekly Snow Cover and Sea-ice Extent 자료를 활용하여 1980년부터 2014년까지 적설이 한번이라도 존재한 지역은 적설 후보 영역으로 구분한 장기간 위성 기반 적설 자료를 구축하였으며, 이를 활용하여 적설 후보 영역을 설정하였다.

대상 데이터

Hall et al.(2001b)에 의하면, MODIS Snow Cover 자료는 지상 관측 자료와 비교 시, 93% 이상의 높은 정확도를 나타내기 때문에 본 연구는 MODIS Snow Cover 자료를 Reference 자료로 활용하였다.
(2017)은 이러한 특징을 활용하여 극궤도 위성(MODIS) 기반 채널 자료를 기반으로 식 (2)와 같이 0.46, 0.51, 0.64, 0.86, 1.61 µm 반사도 평균값과 1.61 µm 반사도 차이값을 활용한 Anomaly를 이용해 적설 탐지를 수행하였으며, 본 연구에서는 정기궤도 위성인 Himawari-8 AHI 위성 채널 자료를 활용하였다.
MODIS Snow Cover 자료는 MODIS 채널 radiance 자료를 calibration을 수행한 MOD02HKM, geolocation 자료인 MOD03 및 MODIS Cloud Mask 자료를 활용하여 산출되며, 공간해상도는 500 m, 시간해상도는 5분이다. Hall et al.
0 Weekly Snow Cover 자료를 1980년부터 2014년까지 수집하였다. NSIDC Northern Hemisphere EASEGrid 2.0 Weekly snow cover 자료는 Scanning Multichannel Microwave Radiometer(SMMR), Defense Meteorological Satellite Program(DMSP) -F8, -F11 및 F13, Special Sensor Microwave Imager(SSM/I), Special Sensor Microwave Imager/Sounder(SSMIS) 위성 자료 기반 밝기온도를 활용하여 적설을 탐지한 자료로 공간해상도는 25 km, 시간해상도는 7-day이다.
IGBP 자료는 Loveland and Belward(1997)에 의해 제시된 기법으로 NDVI를 활용한 무감독 분류를 통해 17개의 정보로 land cover를 분류하였다. 공간 해상도는 500 m, 시간해상도는 yearly이며 본 연구에서는 최신 자료인 2016년 MODIS Land cover 자료를 활용하였다.
또한 본 연구는 적설 후보 영역 구분에 사용할 장기간 위성 기반 적설 자료를 구축하기위해 National Snow and Ice Data Center(NSIDC) Northern Hemisphere EASEGrid 2.0 Weekly Snow Cover 자료를 1980년부터 2014년까지 수집하였다. NSIDC Northern Hemisphere EASEGrid 2.
본 연구는 구름이 없는 청천역 및 산림 지역에서 적설 탐지를 수행하는데 목적이 있기 때문에 북반구 겨울철 적설 및 산림지역이 분포하는 동북아시아 지역(위도 25°N ~ 75°N, 경도 90°E ~ 180°E)을 연구 영역으로 설정하였다.
본 연구는 산림지역을 대상으로 한 적설 탐지 기법도 수행하기 때문에 산림지역을 구분하기 위해 MODIS Land cover 자료를 활용하였다. MODIS Land cover는 MCD12Q1 product로 Terra와 Aqua에 탑재된 MODIS 센서의 채널 자료 및 Enhanced Vegetation Index(EVI), Nadir BRD-adjusted Reflectance(NBAR) 자료 및 1,860개의 전 지구의 자료를 활용하여 산출된다(Friedl et al.
본 연구에서 적설 탐지를 위해 활용한 위성 입력 자료는 Japan Meteorology Agency(JMA)의 정지궤도 위성인 Himawari-8 AHI 자료를 활용하였다. Himawar-8 AHI는 아시아, 태평양 지역에 대해 가시 및 적외 영역 Top Of Atmosphere(TOA) Radiance 값을 산출하는 16개의 채널을 가지고 있으며 이는 NOAA의 GOES-R ABI 센서와 비슷한 분광 특징을 가지고 있다.
본 연구에서 활용할 1.61 µm 반사도 Anomaly 기법의 경계값은 MODIS Snow Cover를 reference 자료로 이용하여 설정하였다.
본 연구의 검증 자료는 VIIRS Snow Cover 자료를 활용하였으며 VIIRS Snow Cover 자료는 극 궤도 위성인 Suomi-NPP에 탑재된 VIIRS 센서 자료로 산출되며, 공간해상도는 375 m, 시간해상도는 5분으로 MODIS Snow Cover 자료에서 사용하는 지수인 NDSI 산출 및 고정 경계값 기법을 통해 산출된다. VIIRS Snow Cover 자료의 정확도는 In-situ Snow Cover 자료와 비교 시, 90%이상 일치하며 일 합성 VIIRS Snow Cover 자료의 경우, Interactive Multisensor Snow and Ice Mapping System(IMS) Snow Cover 자료와는 94-98% 일치한다(Key et al.
본 연구는 구름이 없는 청천역 및 산림 지역에서 적설 탐지를 수행하는데 목적이 있기 때문에 북반구 겨울철 적설 및 산림지역이 분포하는 동북아시아 지역(위도 25°N ~ 75°N, 경도 90°E ~ 180°E)을 연구 영역으로 설정하였다. 연구 기간은 연구 영역 내 청천역의 적설이 다수 분포 하는 2017년 1월 1일 ~ 5일로 설정하였다.
63%로 나타났다. 정성적 결과는 Fig. 3는 본 연구에서 산출한 Snow Cover 자료와 VIIRS Snow Cover 자료를 비교 수행한 영상 및 해당 Scene의 JMA Himawari-8 AHI RGB 영상을 활용하였다. 2017년 1월 4일 0500 Coordinated Universal Time(UTC)인 Fig.
, 2010). 총 5개의 scheme에 따라 분류된 Land cover를 제공하고 있으며 본 연구에서는 International GeosphereBiosphere Program(IGBP) global vegetation classification scheme에 따라 분류된 자료를 사용하였다. IGBP 자료는 Loveland and Belward(1997)에 의해 제시된 기법으로 NDVI를 활용한 무감독 분류를 통해 17개의 정보로 land cover를 분류하였다.

이론/모형

총 5개의 scheme에 따라 분류된 Land cover를 제공하고 있으며 본 연구에서는 International GeosphereBiosphere Program(IGBP) global vegetation classification scheme에 따라 분류된 자료를 사용하였다. IGBP 자료는 Loveland and Belward(1997)에 의해 제시된 기법으로 NDVI를 활용한 무감독 분류를 통해 17개의 정보로 land cover를 분류하였다. 공간 해상도는 500 m, 시간해상도는 yearly이며 본 연구에서는 최신 자료인 2016년 MODIS Land cover 자료를 활용하였다.

성능/효과

본 연구에서 산출한 Snow Cover 자료와 VIIRS Snow Cover 자료에 대한 정량적 결과는 Table 3과 같으며, 유효한 5 Scenes에 대한 전체 POD는 99.95%, FAR는 16.63%로 나타났다. 정성적 결과는 Fig.
61 µm Anomaly를 활용하여 적설을 탐지하였다. 탐지 결과, POD는 99.95%, FAR는 16.63%로 높은 정확도를 보였으나 VIIRS Snow Cover 및 Himawari8 AHI RGB 영상과 비교 시, 본 연구가 과탐지하는 경향이 존재하였다. 그러나 산림 지역의 적설은 RGB 상 육안으로 확인하는데 어려움이 많기 때문에 향후 In-situdata 등을 활용하여 추가 분석을 수행할 예정이며 기존 극 궤도 위성에서 활용하는 적설 탐지 지수 및 기법을 정지궤도 위성에 적용하여 평가를 한 것에 의의가 있다.

후속연구

2017년 1월 5일 0300 UTC인 Fig. 3 b)-1의 C지역은 본 연구가 적설로 VIIRS가 적설이 아닌 일반 지표로 구분한 지역이며, RGB 상 적설 지역과 적설이 아닌 일반 지표가 혼합되어 있는 영역으로 해당 영역은 MODIS Land cover type 중 산림지역에 속하기 때문에 향후 추가 분석이 필요할 것으로 판단된다.
63%로 높은 정확도를 보였으나 VIIRS Snow Cover 및 Himawari8 AHI RGB 영상과 비교 시, 본 연구가 과탐지하는 경향이 존재하였다. 그러나 산림 지역의 적설은 RGB 상 육안으로 확인하는데 어려움이 많기 때문에 향후 In-situdata 등을 활용하여 추가 분석을 수행할 예정이며 기존 극 궤도 위성에서 활용하는 적설 탐지 지수 및 기법을 정지궤도 위성에 적용하여 평가를 한 것에 의의가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	적설이란?	적설은 강수의 한 형태로 지표면에 쌓인 눈으로 정의되며 빙권의 가장 큰 단일 구성 요소로서 지구 표면과 대기 사이의 열 교환이나 전 지구 또는 지역적인 측면에서 지구의 에너지 수지 균형을 유지하는 중요한 역할을 하는 등 지구 표면 온도를 조절하는데 영향을 미친다(Tsay et al., 1989; Groisman et al.
	위성 자료를 활용한 적설 탐지에서 어려운 것은?	, 2010). 위성 자료를 활용한 적설 탐지의 경우, 크게 두 가지의 어려움이 존재하는데 구름과 적설의 구분 및 산림 지역의 적설 탐지이다. 산림지역에 적설이 존재 할 경우, 식생의 엽록소 및 식생에 의해 생기는 그림자로 인하여 위성 자료 반사도는 산림 지역이 아닌 적설 지역 반사도에 비해 낮은 값을 가진다.
	산림지역의 적설 탐지가 잠재적인 에러를 내포하는 이유는?	위성 자료를 활용한 적설 탐지의 경우, 크게 두 가지의 어려움이 존재하는데 구름과 적설의 구분 및 산림 지역의 적설 탐지이다. 산림지역에 적설이 존재 할 경우, 식생의 엽록소 및 식생에 의해 생기는 그림자로 인하여 위성 자료 반사도는 산림 지역이 아닌 적설 지역 반사도에 비해 낮은 값을 가진다. 이러한 이유로 산림 지역의 적설 탐지는 구름과의 구분 다음으로 잠재적인 에러를 내포하고 있으며(Klein et al.

참고문헌 (16)

Cline, D., A. Rost, T. Painter, and C. Bovits, 2010. Algorithm Theoretical Basis Document (ATBD) for the GOES-R ABI Snow Cover, NOAA NESDIS Center for Satellite Applications and Research, Shilver Spring, USA.
Groisman, P. Y., T. R. Karl, and R. W. Knight, 1994. Observed impact of snow cover on the heat balance and the rise of continental spring temperatures, Science, 263(5144): 198-200.

상세보기
Hahn, D. G. and J. Shukla, 1976. An apparent relationship between Eurasian snow cover and Indian monsoon rainfall, Journal of the Atmospheric Sciences, 33(12): 2461-2462.

상세보기
Hall, D. K., G. A. Riggs, and V. V. Salomonson, 1995. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data, Remote sensing of Environment, 54(2): 127-140.

상세보기
Hall, D. K., G. A. Giggs, V. V. Salomonson, J. S. Barton, K. Casey, J. Y. L. Chien, N. E. DiGirolamo, A. G. Klein, H. W. Powell, and A. B. Tait, 2001a. Algorithm Theoretical Basis Document (ATBD) for the MODIS Snow and Sea Ice-Mapping Algorithms, NASA Goddard Space Flight Center, MD, USA.
Hall, D. K., J. L. Foster, V. V. Salomonson, A. G. Klein, and J. Y. L. Chien, 2001b. Development of a technique to assess snow-cover mapping errors from space, IEEE Transactions on Geoscience and Remote Sensing, 39(2): 232-238.
Kelly, R. E., A. T. Chang, L. Tsang, and J. L. Foster, 2003. A Prototype AMSE-E Global Snow Area and Snow Depth Algorithm, IEEE Transactions on Geoscience and Remote Sensing, 41(2): 230-242.
Key, J. R., R. Mahoney, Y. Liu, P. Romanov, M. Tschudi, I. Appel, J. Maslanik, D. Baldwin, X. Wang, and P. Meade, 2013. Snow and ice products from Suomi NPP VIIRS, Journal of Geophysical Research: Atmosphere, 118(23): 12816-12830.
Klein, A. G., D. K. Hall, and G. A. Riggs, 1998. Improving snow cover mapping in forests through the use of a canopy reflectance model, Hydrology Processes, 12(10): 1723-1744.
Lee, K. S., D. H. Jin, J. M. Yeom, M. J. Seo, S. W. Choi, J. J. Kim, and K. S. Han, 2017. New Approach for Snow Cover Detection through Spectral Pattern Recognition with MODIS Data, Journal of Sensors, 2017: 4820905.
Loveland, T. R. and A. S. Belward, 1997. The IGBPDIS global 1 km land cover data set, DISCover: first results, International Journal of Remote Sensing, 18(15): 3289-3295.
Nolin, A. W. and J. Doizer, 2000. A hyperspectral method for remotely sensing the grain size of snow, Remote sensing of Environment, 74(2): 207-216.

상세보기
Painter, T. H., K. Rittger, C. McKenzie, P. Slaughter, R. E. Davis, and J. Doizer, 2009. Retrieval of subpixel snow covered area, grain size, and albedo from MODIS, Remote Sensing of Environment, 113(4): 868-879.

상세보기
Riggs, G., D. Hall, and M. O. Roman, 2015. VIIRS Snow Cover Algorithm Theoretical Basis Document (ATBD), NASA Goddard Space Flight Center, MD, USA.
Siljamo, N. and O. Hyvarinen, 2011. New Geostationary Satellite-Based Snow-Cover Algorithm, Journal of Applied Meteorology and Climatology, 50: 1275-1290.

상세보기
Tsay, S. C., K. Stamnes, and K. Jayaweera, 1989. Relative energy budget in the cloud and Hazy Arctic, Journal of the Atmospheric Sciences, 46(7): 1002-1018.

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