[논문]위성영상기반 농업가뭄 모니터링을 위한 Evaporative Stress Index (ESI)의 적용성 평가

윤동현; 남원호; 이희진; 홍은미; 김태곤; 김대의; 신안국

doi:10.5389/ksae.2018.60.6.121

위성영상기반 농업가뭄 모니터링을 위한 Evaporative Stress Index (ESI)의 적용성 평가
Application of Evaporative Stress Index (ESI) for Satellite-based Agricultural Drought Monitoring in South Korea 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.60 no.6, 2018년, pp.121 - 131

윤동현 (Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea) , 남원호 (Department of Bioresources and Rural Systems Engineering, Institute of Agricultural Environmental Science, Hankyong National University, Anseong, Republic of Korea) , 이희진 (Department of Bioresources and Rural Systems Engineering, Hankyong National University, Anseong, Republic of Korea) , 홍은미 (School of Natural Resources and Environmental Science, Kangwon National University, Chuncheon, Republic of Korea) , 김태곤 (Institute on the Environment, University of Minnesota) , 김대의 (Rural Research Institute, Korea Rural Community Corporation, Ansan, Republic of Korea) , 신안국 (Rural Research Institute, Korea Rural Community Corporation, Ansan, Republic of Korea)

Abstract ▼ AI-Helper

Climate change has caused changes in environmental factors that have a direct impact on agriculture such as temperature and precipitation. The meteorological disaster that has the greatest impact on agriculture is drought, and its forecasts are closely related to agricultural production and water supply. In the case of terrestrial data, the accuracy of the spatial map obtained by interpolating the each point data is lowered because it is based on the point observation. Therefore, acquisition of various meteorological data through satellite imagery can complement this terrestrial based drought monitoring. In this study, Evaporative Stress Index (ESI) was used as satellite data for drought determination. The ESI was developed by NASA and USDA, and is calculated through thermal observations of GOES satellites, MODIS, Landsat 5, 7 and 8. We will identify the difference between ESI and other satellite-based drought assessment indices (Vegetation Health Index, VHI, Leaf Area Index, LAI, Enhanced Vegetation Index, EVI), and use it to analyze the drought in South Korea, and examines the applicability of ESI as a new indicator of agricultural drought monitoring.

주제어

표/그림 (9)

표 Table 1 The drought classification of satellite-based drought and vegetation indies and value ranges
그림 Fig. 1 Flow chart of the process used to produce the satellite image-based drought indices
표 Table 2 Extreme drought records in 2017 (drought year) for the central and southern regions in South Korea
그림 Fig. 2 The seasonal time-series ESI maps in 2017 (extreme drought year)
그림 Fig. 3 Temporal changes in regional drought time-series in 2017 (extreme drought year) as determined by the ESI
표 Table 3 Summary of monthly average ESI in each district as determined by the ESI values for the eight provinces in South Korea during the 2017 extreme drought event
그림 Fig. 4 The seasonal time-series drought maps in 2017 (extreme drought year) as determined by the ESI, NDVI, EVI, LAI, and VHI
그림 Fig. 5 The monthly time-series drought maps in Anseong in 2017 (extreme drought year) as determined by the ESI, NDVI, EVI, LAI, and VHI
그림 Fig 6 Temporal changes in drought time-series in 2017 (extreme drought year) as determined by the ESI, VHI, NDVI, EVI and LAI

AI 본문요약
AI-Helper

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

문제 정의

5. 위성영상 기반 가뭄 지수별 민감도 평가

가뭄 시작 시기 확인 및 단기적인 가뭄의 빠른 예측은 가뭄판단에 중요한 요소이며, 본 연구에서는 지수들의 가뭄 민감도를 비교하기 위해 전국 평균값을 활용하여 가뭄 시작 시기를 분석하였다. 가뭄 경향이 확인되었던 ESI 및 VHI와 가뭄 경향이 확인되지 않았던 NDVI, EVI, VHI를 구분하여 Fig.
, 2014). 본 연구에서는 2017년 국내에 발생했던 극심한 실제 가뭄 사상을 대상으로, ESI의 가뭄 민감도 평가와 지역적 가뭄 경향분석, NDVI, EVI, LAI, VHI 등 다른 가뭄지수들과의 비교 분석을 통해 농업가뭄 모니터링의 새로운 지표로써 ESI의 적용성을 검토해보고자 한다.
본 연구에서는 기존의 지점 데이터를 활용한 가뭄 지수를 보완하기 위해 위성영상 기반 가뭄 지수인 ESI의 활용성을 평가하였다. ESI와 위성영상기반의 식생 가뭄 지수들과의 비교를 통해 농업가뭄 모니터링 지수로써 ESI의 활용성을 제시하고자 하였으며, 국내 적용성 검증을 위해 2017년에 발생한 가뭄의 시공간적 상황을 분석하여 비교하였다.

제안 방법

본 연구에서는 기존의 지점 데이터를 활용한 가뭄 지수를 보완하기 위해 위성영상 기반 가뭄 지수인 ESI의 활용성을 평가하였다. ESI와 위성영상기반의 식생 가뭄 지수들과의 비교를 통해 농업가뭄 모니터링 지수로써 ESI의 활용성을 제시하고자 하였으며, 국내 적용성 검증을 위해 2017년에 발생한 가뭄의 시공간적 상황을 분석하여 비교하였다. ESI의 공간지도를 통한 가뭄 경향 확인 결과, 가뭄 시작 시기 판단에 있어서 실제 보도 자료보다 약 2주 앞선 시점에서 가뭄 시작 경향이 확인되었으며, 이는 가뭄 모니터링의 중요한 부분인 가뭄 시작 시기 파악에 있어 기존 가뭄지수보다 민감하게 반응한다고 판단된다.
가뭄 시작 시기 확인 및 단기적인 가뭄의 빠른 예측은 가뭄판단에 중요한 요소이며, 본 연구에서는 지수들의 가뭄 민감도를 비교하기 위해 전국 평균값을 활용하여 가뭄 시작 시기를 분석하였다. 가뭄 경향이 확인되었던 ESI 및 VHI와 가뭄 경향이 확인되지 않았던 NDVI, EVI, VHI를 구분하여 Fig. 6에 도시한 바와 같이 비교하였다. ESI의 경우 4월 2일을 기점으로 값이 감소하는 경향을 보였으며, 16일 이후 급격히 감소하였다.
8mm에 비해 매우 컸으며, 장마에도 불구하고 남부지방의 8월 말 강수량은 평년 대비 40%에서 60%로 가뭄이 지속되었다. 본 연구에서는 2017년 가뭄 판단 시기로 5월 초 가뭄 시작 시기, 7월 해갈 시기, 9월 초 남부지 방의 가뭄 지속 시기로 Table 2와 같이 구분하여 지수별 가뭄 현황 판단에 활용하였다.
시군구 단위의 비교적 소규모 지역의 가뭄 경향을 확인하고자, 2017년 극심한 가뭄을 겪었던 경기남부지역인 안성시를 대상으로, Fig. 5와 같이 월별 가뭄 경향을 비교하였다. ESI는 4월 안성시 전 지역에 가뭄 경향이 나타났으며 5월, 6월 가뭄 상황이 심화되고, 7월과 8월에 해갈되는 경향이 나타났다.
연구에 사용한 위성영상 기반 가뭄 지수는 ESI, NDVI, EVI, LAI, VHI이며 지수별 값의 범위는 Table 1과 같다. 연구 순서는 Fig. 1에 도시한바와 같이, 우선 지수별 위성영상 취득 및 보정을 통한 시계열 자료를 구축하고, 2017년 실제 가뭄 현황 파악을 통한 주요 가뭄 시기 선정, 주요 가뭄 시기별 공간 변동성 분석을 통한 ESI의 가뭄 모니터링 적합성 확인 및 격자 데이터 추출을 통한 시도단위의 가뭄 특성 파악, 위성영상 기반 가뭄 지수들과의 비교 분석을 통한 ESI의 차별성 평가 순으로 진행하였다.
위성영상 기반 식생가뭄지수인 NDVI, EVI, LAI, VHI와 ESI의 공간 변동성 비교를 통해 가뭄 지수로써 ESI의 차별성을 확인했다. 위성 취득 주기가 영상에 따라 각각 다르기 때문에 동일한 시점의 비교를 위해 16일 단위의 NDVI와 EVI의 주기를 고려하여 월 1장 또는 2장의 공간지도를 비교하였다. 비교 결과는 Fig.
위성영상 기반 식생가뭄지수인 NDVI, EVI, LAI, VHI와 ESI의 공간 변동성 비교를 통해 가뭄 지수로써 ESI의 차별성을 확인했다. 위성 취득 주기가 영상에 따라 각각 다르기 때문에 동일한 시점의 비교를 위해 16일 단위의 NDVI와 EVI의 주기를 고려하여 월 1장 또는 2장의 공간지도를 비교하였다.

대상 데이터

, 2009). EVI의 위성영상 자료는 LP DAAC을 통해 제공 되며 본 연구에서는 MODIS MOD13Q1 센서를 통해 취득 가능한 250m 해상도, 16일 주기의 EVI 영상자료를 활용하였다.
, 2004). LAI의 위성영상 자료는 The Land Processes Distributed Active Archive Center (LP DAAC)에서 제공되는 MODIS Terra/Aqua의 MCD15A2 센서 영상을 통해 취득가능하며, 본 연구에서는 500m 해상도의 8일 주기 LAI 영상자료를 활용하였다.
연구 대상지는 서울을 포함한 도시를 제외하고 농업지역을 다수 포함한 8개 도를 대상으로 하였다. 본 연구에서는 2017년 국내 전반적인 가뭄 경향 및 행정구역별 가뭄 시기 판단을 목적으로 하고 있으며, 연구에 활용한 위성영상의 경우 해상도가 250m에서 4km로 다양하기 때문에 비교적 소규모 단위인 시군구 단위보다 시도 단위의 대상 지역을 선정하였다. 연구에 사용한 위성영상 기반 가뭄 지수는 ESI, NDVI, EVI, LAI, VHI이며 지수별 값의 범위는 Table 1과 같다.
05 degree 해상도로 제공되고 있다. 본 연구에서는 4주 단위의 7일 간격 ESI 영상자료를 활용하였다.
, 2015a), 위성영상 자료는 LP DAAC을 통해 제공되고 있다. 본 연구에서는 MODIS Terra위성의 MOD13Q1 센서를 통해 취득 가능한 250m 해상도, 16일 주기의 NDVI 영상자료를 활용하였다.
반대의 경우 VHI 지수는 감소하며 지수가 낮아질수록 건조 상태를 의미한다. 본 연구에서는 NOAA의 Center for Satellite Applications and Research (STAR)를 통해 전 지구단위의 4km 해상도, 8일 주기로 제공되고 있는 VHI 영상자료를 활용하였다.
연구 대상지는 서울을 포함한 도시를 제외하고 농업지역을 다수 포함한 8개 도를 대상으로 하였다. 본 연구에서는 2017년 국내 전반적인 가뭄 경향 및 행정구역별 가뭄 시기 판단을 목적으로 하고 있으며, 연구에 활용한 위성영상의 경우 해상도가 250m에서 4km로 다양하기 때문에 비교적 소규모 단위인 시군구 단위보다 시도 단위의 대상 지역을 선정하였다.
본 연구에서는 2017년 국내 전반적인 가뭄 경향 및 행정구역별 가뭄 시기 판단을 목적으로 하고 있으며, 연구에 활용한 위성영상의 경우 해상도가 250m에서 4km로 다양하기 때문에 비교적 소규모 단위인 시군구 단위보다 시도 단위의 대상 지역을 선정하였다. 연구에 사용한 위성영상 기반 가뭄 지수는 ESI, NDVI, EVI, LAI, VHI이며 지수별 값의 범위는 Table 1과 같다. 연구 순서는 Fig.

데이터처리

ESI를 통한 시도 단위의 가뭄 특성 파악을 위해 전국 격자 데이터를 시도 단위에 맞게 추출한 후 평균값을 사용하여 분석하였다. ESI의 전국적인 경향은 4월 16일을 기점으로 급격히 감소하는 경향을 보이지만 지역에 따라 양상이 크게 상이 하다는 것을 알 수 있다 (Fig.

이론/모형

즉, 가뭄 초기 및 단기적인 가뭄판단보다 장기간 가뭄을 파악하는데 더 적합하다. 따라서, 본 연구에서는 다른 재해보다 빠른 현상 파악 및 예측이 필요한 가뭄판단의 지표로서 잠재 증발산과 실제 증발산의 비를 이용해 산정된 위성영상 기반 가뭄지수인 Evaporative Stress Index (ESI)를 사용하였다 (Anderson et al., 2007). ESI는 일반적으로 사용되는 가뭄지수인 SPI, PDSI 등과 비교하였을 때, 가뭄에 더 민감하고 빠른 반응을 보인다는 연구 결과로부터 단기간 급속하게 발생하는 Flash drought의 판단지표로 활용되고 있다 (Otkin et al.
, 2018). 실제 증발산량의 추정은 위성영상 기반 Thermal Infrared (TIR) 원격 탐지 모델인 Atmosphere Land Exchange Inverse (ALEXI)를 활용한다 (Anderson et al., 1997; Mecikalski et al., 1999). ALEXI는 Norman et al.
잠재증발산량의 경우, Allen et al. (1998)에 의해 기술된 바와 같이 FAO-56 Penman Monteith (FAO PM)를 사용한다. PM 공식은 식 (2)와 같다.

성능/효과

3과 Table 3). 2017년 보도 자료를 통해 가뭄 시작 지역으로 나타난 경기남부, 전라도, 충청도 지역에서는 4월 16일 이후 전국 평균에 비해 낮은 ESI 값을 보였으며, 강원도, 경상도 지역에서는 전국 평균을 상회하는 값을 보였다. 7월 30일을 기점으로 전국 ESI 값이 증가하는 경향을 보이며 가뭄이 해갈되지만, 경상도의 경우 장마로 인 한 회복 없이 2017년 7월 ESI 값이 전체 최젓값을 보이며 극심한 가뭄 경향을 보였다.
7mm로 평년 대비 각각 29%, 38%였으며 가뭄은 경기, 충청도, 전남 지역을 중심으로 시작하여 전국으로 진행되었다. 6월 24일부터 7월 29일까지 장마가 있었지만, 강수량은 평년의 81%로 적었고, 잦은 국지성 집중호우로 지역 간 강수량 편차가 컸다. 특히 남부와 중부지방의 강수량 차이는 254.
2017년 보도 자료를 통해 가뭄 시작 지역으로 나타난 경기남부, 전라도, 충청도 지역에서는 4월 16일 이후 전국 평균에 비해 낮은 ESI 값을 보였으며, 강원도, 경상도 지역에서는 전국 평균을 상회하는 값을 보였다. 7월 30일을 기점으로 전국 ESI 값이 증가하는 경향을 보이며 가뭄이 해갈되지만, 경상도의 경우 장마로 인 한 회복 없이 2017년 7월 ESI 값이 전체 최젓값을 보이며 극심한 가뭄 경향을 보였다. 또한 경상남도의 경우 8월 전국적인 가뭄 해갈 시기에도 여전히 극심한 가뭄 경향을 보이며, 9월 다른 지역들에 비해 낮은 ESI 값을 보였다.
ESI의 공간지도를 통한 가뭄 경향 확인 결과, 가뭄 시작 시기 판단에 있어서 실제 보도 자료보다 약 2주 앞선 시점에서 가뭄 시작 경향이 확인되었으며, 이는 가뭄 모니터링의 중요한 부분인 가뭄 시작 시기 파악에 있어 기존 가뭄지수보다 민감하게 반응한다고 판단된다. ESI의 각 격자 데이터를 추출하여 시도 단위의 분석을 한 결과, 단기적인 가뭄에 신속하게 반응하고 가뭄 해갈 시기의 반영과 지속된 극심한 가뭄 현상이 반영되었다. 위성영상 기반 식생 가뭄 지수들과 비교한 결과, 산정 과정에서 식생이 가장 큰 부분을 차지하는 NDVI, EVI, LAI의 경우 단기적인 가뭄 경향 확인이 어려웠으며, 이러한 식생기반 가뭄지수들은 장기적인 가뭄판단과 토지 피복, 지역적 특성과 같은 다양한 인자들과 연계하여 분석하는 것이 더 적절하다고 판단된다.
ESI와 위성영상기반의 식생 가뭄 지수들과의 비교를 통해 농업가뭄 모니터링 지수로써 ESI의 활용성을 제시하고자 하였으며, 국내 적용성 검증을 위해 2017년에 발생한 가뭄의 시공간적 상황을 분석하여 비교하였다. ESI의 공간지도를 통한 가뭄 경향 확인 결과, 가뭄 시작 시기 판단에 있어서 실제 보도 자료보다 약 2주 앞선 시점에서 가뭄 시작 경향이 확인되었으며, 이는 가뭄 모니터링의 중요한 부분인 가뭄 시작 시기 파악에 있어 기존 가뭄지수보다 민감하게 반응한다고 판단된다. ESI의 각 격자 데이터를 추출하여 시도 단위의 분석을 한 결과, 단기적인 가뭄에 신속하게 반응하고 가뭄 해갈 시기의 반영과 지속된 극심한 가뭄 현상이 반영되었다.
ESI는 4월 안성시 전 지역에 가뭄 경향이 나타났으며 5월, 6월 가뭄 상황이 심화되고, 7월과 8월에 해갈되는 경향이 나타났다. NDVI, EVI, LAI에서는 가뭄 경향을 확인 할 수 없었으며, VHI의 경우 7월 극심한 가뭄 경향을 보였다. 가뭄 경향을 확인할 수 있었던 ESI와 VHI의 경우 격자 해상도가 각각 약 5km와 4km로, 안성시의 경우 각각 약 25개와 40개의 격자를 포함하고 있다.
2017년 실제 가뭄 시작 시기는 5월 초였으며, ESI는 약 2주 빨리, VHI는 약 3주 늦게 가뭄 경향이 나타났다고 판단할 수 있다. 각 지수 간 차이로는 ESI가 VHI에 비해 약 40일 먼저 가뭄 경향을 보였다. 식생 기반 지수인 NDVI, EVI, LAI의 경우 세 지수 모두 4월 9일을 시작으로 값이 증가하였다가 10월 이후 감소하는 동일한 경향을 보였다.
하지만 ESI보다 늦은 가뭄 경향을 보였으며, 가뭄 기간과 지역의 즉각적인 가뭄 경향을 반영하지 못하였다. 본 연구 결과, ESI의 다른 가뭄지수들 보다 신속한 가뭄 시작 시기 판단과 가뭄 민감도를 확인하였지만 낮은 해상도로 인해 소규모 행정구역 및 논과 밭 등 작물 재배 지역에 대한 가뭄판단에는 무리가 있었다. 향후 해상도의 개선, 장기적인 가뭄 사상에 대한 연구 및 다양한 가뭄 지수와의 비교를 통한 검증이 이루어진다면 국내 농업가뭄 모니터링을 위한 격자 기반의 고해상도 가뭄 정보를 제공하고 신뢰성 있는 결과를 도출할 수 있는 지수로서의 활용이 가능할 것으로 판단된다.
위성 취득 주기가 영상에 따라 각각 다르기 때문에 동일한 시점의 비교를 위해 16일 단위의 NDVI와 EVI의 주기를 고려하여 월 1장 또는 2장의 공간지도를 비교하였다. 비교 결과는 Fig. 4와 같으며, NDVI, EVI 및 LAI의 경우 4월 23일을 기점으로 지수 값이 높아지는 경향을 보였다. 이는 식생기반 지수의 특징인 식물 생장 시기에 따른 포화도의 영향을 받은 것으로 판단되며, 2017년 전 기간에 있어서 특정한 가뭄 경향을 보이지 않았다.
각 지수 간 차이로는 ESI가 VHI에 비해 약 40일 먼저 가뭄 경향을 보였다. 식생 기반 지수인 NDVI, EVI, LAI의 경우 세 지수 모두 4월 9일을 시작으로 값이 증가하였다가 10월 이후 감소하는 동일한 경향을 보였다.
ESI의 각 격자 데이터를 추출하여 시도 단위의 분석을 한 결과, 단기적인 가뭄에 신속하게 반응하고 가뭄 해갈 시기의 반영과 지속된 극심한 가뭄 현상이 반영되었다. 위성영상 기반 식생 가뭄 지수들과 비교한 결과, 산정 과정에서 식생이 가장 큰 부분을 차지하는 NDVI, EVI, LAI의 경우 단기적인 가뭄 경향 확인이 어려웠으며, 이러한 식생기반 가뭄지수들은 장기적인 가뭄판단과 토지 피복, 지역적 특성과 같은 다양한 인자들과 연계하여 분석하는 것이 더 적절하다고 판단된다. 식생과 온도를 고려한 VHI의 경우 2017년 가뭄의 전반적인 경향을 반영하였다.

후속연구

본 연구 결과, ESI의 다른 가뭄지수들 보다 신속한 가뭄 시작 시기 판단과 가뭄 민감도를 확인하였지만 낮은 해상도로 인해 소규모 행정구역 및 논과 밭 등 작물 재배 지역에 대한 가뭄판단에는 무리가 있었다. 향후 해상도의 개선, 장기적인 가뭄 사상에 대한 연구 및 다양한 가뭄 지수와의 비교를 통한 검증이 이루어진다면 국내 농업가뭄 모니터링을 위한 격자 기반의 고해상도 가뭄 정보를 제공하고 신뢰성 있는 결과를 도출할 수 있는 지수로서의 활용이 가능할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ESI는 무엇인가?	ESI는 기상인자 (대기 온도, 대기압, 태양복사량, 상대습도 등)에 의해 발생하는 실제 증발산 (Evapotranspiration, ETa)과 잠재증발산 (Reference evapotranspiration, ETo)의 비를 이용하여 표준화된 아노말리 (standardized anomalies)를 지수화한 지표이며 (Anderson et al., 2015), 가뭄 모니터링 및 토양 수분기반 가뭄지수 산정에 있어 적합하다 (Anderson et al.
	가뭄지수는 어떤 것들이 있는가?	, 2012), 가뭄을 정량화하고 대상 가뭄 지역의 특성을 파악하여 반영하는 것이 중요하다 (Wilhite and Glantz, 1985). 전 세계적으로 다양한 가뭄지수가 개발되어 가뭄판단에 활용되고 있으며, 대표적인 가뭄지수로는 표준강수지수 (Standard Precipitation Index, SPI), 파머가뭄 심도지수 (Palmer Drought Severity Index, PDSI), 표준강수증 발산지수 (Standardized Precipitation Evapotranspiration Index, SPEI), 토양수분지수 (Soil Moisture Index, SMI) 등이 있다 (Hong et al., 2015; Nam et al.
	식생을 기반으로 한 지수가 단기적인 가뭄판단보다 장기간 가뭄을 파악하는데 더 적합한 이유는 무엇인가?	식생을 기반으로 한 지수의 경우 온도, 바람 및 복사에너지 등이 고려되지 않기 때문에 식생의 조밀도 및 포화도, 토양반사, 식생의 종류 등에 따라 적용성에 차이가 발생하며, 가뭄판단에 있어 가뭄으로 인한 식생의 활력도 및 상태가 변할 때까지 시간이 소요된다. 즉, 가뭄 초기 및 단기적인 가뭄판단보다 장기간 가뭄을 파악하는데 더 적합하다.

참고문헌 (47)

Allen, R. G., L. S. Pereira, D. Raes, and M. Smith, 1998. Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56, Food and Agriculture Organization, Rome.
Anderson, M. C., J . M. Norman, G. R. Diak, W. P. Ku stas, and J. R. Mecikalski, 1997. A two-source time-integrated model for estimating surface fluxes using thermal infrared remote sensing. Remote Sensing of Environment 60(2): 195-216. doi:10.1016/S0034-4257(96)00215-5.

상세보기
Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. A. Otkin, and W. P. Kustas, 2007. A climatological study of evapotranspiration and moisture stress across the continental U.S. based on thermal remote sensing: I. model formulation. Journal of Geophysical Research 112: D10117. doi: 10.1029/2006JD007506.

상세보기
Anderson, M. C., C. Hain, J. Otkin, X. Zhan, K. Mo, M. Svoboda, B. Wardlow, and A. Pimstein, 2013. An intercomparison of drought indicators based on thermal remote sensing and NLDAS-2 simulations with U.S. drought monitor classifications. Journal of Hydrometeorology 14: 1035-1056. doi:10.1175/JHM-D-12-0140.1.

상세보기
Anderson, M. C., C. A. Zolin, C. R. Hain, K. Semmens, M. T. Yilmaz, and F. Gao, 2015. Comparison of satellitederived LAI and precipitation anomalies over Brazil with a thermal infrared-based Evaporative Stress Index for 2003-2013. Journal of Hydrology 526: 287-302. doi:10.1016/j.jhydrol.2015.01.005.

상세보기
Anderson, M. C., C. A. Zolin, P. C. Sentelhas, C. R. Hain, K. Semmens, M. T. Yilmaz, F. Gao, J. A. Otkin, and R. Tetrault, 2016. The Evaporative Stress Index as an indicator of agricultural drought in Brazil: An assessment based on crop yield impacts. Remote Sensing of Environment 174(1): 82-99. doi:10.1016/j.rse.2015.11.034.
Bento, V. A., I. F. Trigo, C. M. Gouveia, and C. C. DaCamara, 2018. Contribution of land surface temperature (TCI) to Vegetation Health Index: A comparative study using clear sky and all-weather climate data records. Remote Sensing 10(9): 1324. doi:10.3390/rs10091324.

상세보기
Bhuiyan, C., R. P. Singh, and F. N. Kogan, 2006. Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data. International Journal of Applied Earth Observation and Geoinformation 8(4): 289-302. doi:10.1016/j.jag.2006.03.002.

상세보기
Bolstad, P. V. and S. T. Gower, 1990. Estimation of leaf area index in fourteen southern Wisconsin forest stands using a portable radiometer. Tree Physiology 7: 115-124. doi:10.1093/treephys/7.1-2-3-4.115.

상세보기
Chang, E. M. and E. J. Park, 2004. Mapping of drought index using satellite imagery. Journal of Korean Society for Geospatial Information System 12(4): 3-12 (in Korean).
Chen, J. M. and T. A. Black, 1992. Defining leaf area index for non-flat leaves. Plant, Cell & Environment 15(4): 421-429. doi:10.1111/j.1365-3040.1992.tb00992.x.

상세보기
Fassnacht, K. S., S. T. Gower, J. M. Norman, and R. E. McMurtrie, 1994. A comparison of optical and direct methods for estimating foliage surface area index in forests. Agricultural and Forest Meteorology 71(1-2): 183-207. doi:10.1016/0168-1923(94)90107-4.

상세보기
Hong, E. M., W. H. Nam, and J. Y. Choi, 2015. Climate change impacts on agricultural drought for major upland crops using soil moisture model -Focused on the Jeollanam-do-. Journal of the Korean Society of Agricultural Engineers 57(3): 65-76 (in Korean). doi: 10.5389/KSAE.2015.57.3.065.

원문보기 상세보기
Huete, A., K. Didan, T. Miura, E. P. Rodriguez, X. Gao, and L. G. Ferreira, 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment 83(1-2): 195-213. doi:10.1016/S0034-4257(02)00096-2.

상세보기
James, P., R. F. Banay, J. E. Hart, and F. Laden, 2015. A review of the health benefits of greenness. Current Epidemiology Reports 2(2): 131-142. doi:10.1007/s40471-015-0043-7.

상세보기
Jang, M. W., S. H. Yoo, and J. Y. Choi, 2007. Analysis of spring drought using NOAA/AVHRR NDVI for North Korea. Journal of the Korean Society of Agricultural Engineers 49(6): 21-33 (in Korean). doi:10.5389/KSAE.2007.49.6.021.

원문보기 상세보기
Jeoung, J., D. Kim, and M. Choi, 2017. A study on the utilization of geostationary ocean color imager on communication, ocean and meteorological satellite for drought monitoring. Journal of the Korean Society of Hazard Mitigation 17(3): 69-77 (in Korean). doi:10.9798/KOSHAM.2017.17.3.69.

상세보기
Ji, L. and A. J. Peters, 2003. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices. Remote Sensing of Environment 87(1): 85-98. doi:10.1016/S0034-4257(03)00174-3.

상세보기
Jonckheere, I., S. Fleck, K. Nackaerts, B. Muys, P. Coppin, M. Weiss, and F. Baret, 2004. Review of methods for in situ leaf area index determination: Part I. theories, sensors and hemispherical photography. Agricultural and Forest Meteorology 121(1-2): 19-35. doi:10.1016/j.agrformet.2003.08.027.

상세보기
Kim, G. S. and J. P. Kim, 2010. Analysis of spatialtemporal variability of NOAA/AVHRR NDVI in Korea. Journal of the Korean Society of Civil Engineers 30(3B): 295-303 (in Korean).
Kogan, F. N., 1997. Global drought watch from space. Bulletin of the American Meteorological Society 78(4): 621-636. doi:10.1175/1520-0477(1997)078 2.0.CO;2.

상세보기
Kogan, F. N., 2001. Operational space technology for global vegetation assessment. Bulletin of the American Meteorological Society 82(9): 1949-1964. doi:10.1175/1520-0477(2001)082 2.3.CO;2.

상세보기
Kogan, F., B. Yang, G. Wei, Z. Pei, and X. Jiao, 2005. Modelling corn production in China using AVHRR-based vegetation health indices. International Journal of Remote Sensing 26(11): 2325-2336. doi:10.1080/01431160500034235.

상세보기
Kogan, F., L. Salazar, and L. Roytman, 2012. Forecasting crop production using satellite-based vegetation health indices in Kansas, USA. International Journal of Remote Sensing 33(9): 2798-2814. doi:10.1080/01431161.2011.621464.

상세보기
Lang, A. R. G., R. E. McMurtrie, and M. L. Benson, 1991. Validity of surface area indices of Pinus radiata estimated from transmittance of the sun's beam. Agricultural and Forest Meteorology 57(1-3): 157-170. doi:10.1016/0168-1923(91)90084-4.

상세보기
Lee, T., S. Kim, Y. Jung, and Y. Shin, 2018. Assessment of agricultural drought using satellite-based TRMM/GPM precipitation images: At the province of Chungcheongbuk-do. Journal of the Korean Society of Agricultural Engineers 60(4): 73-82 (in Korean). doi:10.5389/KSAE.2018.60.4.073.

원문보기 상세보기
Liu, H. Q. and A. Huete, 1995. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise. IEEE Transactions on Geoscience and Remote Sensing 33(2): 457-465. doi:10.1109/36.377946.

상세보기
Mecikalski, J. R., G. R. Diak, M. C. Anderson, and J. M. Norman, 1999. Estimating fluxes on continental scales using remotely sensed data in an atmosphere-land exchange model. Journal of Applied Meteorology 38: 1352-1369. doi:10.1175/1520-0450(1999)038 2.0.CO;2.

상세보기
Nam, W. H., J. Y. Choi, S. H. Yoo, and B. A. Engel, 2012. A real-time online drought broadcast system for monitoring soil moisture index. KSCE Journal of Civil Engineering 16(3): 357-365. doi:10.1007/s12205-012-1357-3.

원문보기 상세보기
Nam, W. H., T. Tadesse, B. D. Wardlow, M. W. Jang, and S. Y. Hong, 2015a. Satellite-based hybrid drought assessment using Vegetation Drought Response Index in South Korea (VegDRI-SKorea). Journal of the Korean Society of Agricultural Engineers 57(4): 1-9 (in Korean). doi:10.5389/KSAE.2015.57.4.001.

원문보기 상세보기
Nam, W. H., M. J. Hayes, M. D. Svoboda, T. Tadesse, and D. A. Wilhite, 2015b. Drought hazard assessment in the context of climate change for South Korea. Agricultural Water Management 160: 106-117. doi:10.1016/j.agwat.2015.06.029.

상세보기
Nam W. H., T. Tadesse, B. D. Wardlow, M. J. Hayes, M. D. Svoboda, E. M. Hong, Y. A. Pachepsky, and M. W. Jang, 2018. Developing the vegetation drought response index for South Korea (VegDRI-SKorea) to assess the vegetation condition during drought events. International Journal of Remote Sensing 39(5): 1548-1574. doi:10.1080/01431161.2017.1407047.

상세보기
Norman, J. M., W. P. Kustas, and K. S. Humes, 1995. Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature. Agricultural and Forest Meteorology 77(3-4): 263-292. doi:10.1016/0168-1923(95)02265-Y.

상세보기
Otkin, J. A., M. C. Anderson, C. Hain, and M. Svoboda, 2014. Examining the relationship between drought development and rapid changes in the Evaporative Stress Index. Journal of Hydrometeorology 15: 938-956. doi: 10.1175/JHM-D-13-0110.1.

상세보기
Otkin, J. A., M. Svoboda, E. D. Hunt, T. W. Ford, M. C. Anderson, C. Hain, and J. B. Basara, 2018. Flash droughts: A review and assessment of the challenges imposed by rapid-onset droughts in the United States. Bulletin of the American Meteorological Society 99(5): 911-919. doi:10.1175/BAMS-D-17-0149.1.

상세보기
Reed, B. C., M. D. Schwartz, and X. Xiao, 2009. Remote sensing phenology: Status and the way forward. Phenology of Ecosystem Processes 231-246. doi:10.1007/978-1-4419-0026-5_10.
Rowhani, P., M. Linderman, and E. F. Lambin, 2011. Global interannual variability in terrestrial ecosystems: Sources and spatial distribution using MODIS-derived vegetation indices, social and biophysical factors. International Journal of Remote Sensing 32(19): 5393-5411. doi:10.1080/01431161.2010.501042.

상세보기
Shin, S. C. and M. S. Eoh, 2004. Analysis of drought detection and propagation using satellite data. Journal of The Korean Society of Hazard Mitigation 4(2): 61-69 (in Korean).
Singh, R. P., S. Roy, and F. Kogan, 2003. Vegetation and temperature condition indices from NOAA AVHRR data for drought monitoring over India. International Journal of Remote Sensing 24(22): 4393-4402. doi:10.1080/0143116031000084323.

상세보기
Smith, N. J., 1991. Predicting radiation attenuation in stands of Douglas-fir. Forest Science 37(5): 1213-1223. doi:10.1093/forestscience/37.5.1213.
Stenberg, P., S. Linder, H. Smolander, and J. Flower-Ellis, 1994. Performance of the LAI-2000 plant canopy analyzer in estimating leaf area index of some Scots pine stands. Tree Physiology 14(7-8-9): 981-995. doi:10.1093/treephys/14.7-8-9.981.

상세보기
Sur, C., K. Kim, W. Choi, J. Shim, and M. Choi, 2014. Drought assessments using satellite-based drought index in Korea; southern region case in 2013. Journal of the Korean Society of Hazard Mitigation 14(3): 127-131 (in Korean). doi:10.9798/KOSHAM.2014.14.3.127.

원문보기 상세보기
Tadesse, T., J. F. Brown, and M. J. Hayes, 2005. A new approach for predicting drought-related vegetation stress: Integrating satellite, climate, and biophysical data over the U.S. central plains. ISPRS Journal of Photogrammetry & Remote Sensing 59(4): 244-253. doi:10.1016/j.isprsjprs.2005.02.003.

상세보기
Watson, D. J., 1947. Comparative physiological studies in the growth of field crops: I. variation in net assimilation rate and leaf area between species and varieties, and within and between years. Annals of Botany 11(1): 41-76. doi:10.1093/oxfordjournals.aob.a083148.
Wilhite, D. A. and M. H. Glantz, 1985. Understanding the drought phenomenon: The role of definitions. Water International 10(3): 111-120. doi:10.1080/02508068508686328.

상세보기
Wilhite, D. A., M. J. Hayes, C. Knutson, and K. H. Smith, 2000. Planning for drought: Moving from crisis to risk management. Journal of the American Water Resources Association 36(4): 697-710. doi:10.1111/j.1752-1688.2000.tb04299.x.

상세보기
Yang, Y., M. C. Anderson, F. Gao, B. Wardlow, C. R. Hain, J. A. Otkin, J. Alfieri, Y. Yang, L. Sun, and W. Dulaney, 2018. Field-scale mapping of evaporative stress indicators of crop yield: An application over Mead, NE, USA. Remote Sensing of Environment 210(1): 387-402. doi:10.1016/j.rse.2018.02.020.

상세보기

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