[논문]실제증발산 자료의 불확실성 파악에 관한 연구: flux tower, 인공위성 및 재분석자료

백종진; 정재환; 박종민; 최민하

doi:10.3741/jkwra.2019.52.1.11

실제증발산 자료의 불확실성 파악에 관한 연구: flux tower, 인공위성 및 재분석자료
A study on the analyzing of uncertainty for actual evapotranspiration: flux tower, satellite-based and reanalysis based dataset 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.1, 2019년, pp.11 - 19

백종진 (성균관대학교 건설환경연구소) , 정재환 (성균관대학교 수자원전문대학원) , 박종민 (메릴랜드대학교 건설환경공학과) , 최민하 (성균관대학교 수자원전문대학원)

초록
AI-Helper

본 연구에서는 인공위성 및 재분석 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MOD16의 실제증발산량 산출물을 활용하여 한국수자원조사기술원(Korea Institute of Hydrological Survey, KIHS)에서 관리하고 있는 청미천(cheongmicheon farmland site, CFK)과 설마천(seolmacheon site, SMK) flux tower에서 검증하였고, Triple collocation (TC) 방법을 활용하여 자료간의 불확실성 및 상관성분석을 수행하였다. 플럭스타워와의 검증 결과에서는 전반적으로 GLEAM>GLDAS>MOD16순으로 좋은 결과를 나타내었으며, 세가지 산출물의 조합(S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16)을 통한 TC 결과에서는 청미천(설마천)에서 GLEAM>GLDAS>MOD16>flux tower (GLDAS>GLEAM>MOD16>flux tower)순으로 좋은 결과를 나타내었다. TC 분석 결과에서 Flux tower의 error variance와 correlation coefficient가 상대적으로 좋은 결과를 나타내지 못하였으므로, 한반도 지역에서 인공위성과 재분석 자료(GLDAS vs. GLEAM vs. MOD16)만을 활용하여 TC를 적용하였다. 그 결과, GLDAS와 GLEAM이 한반도 영역에서 낮은 error variance 와 높은 correlation coefficient를 나타낸 반면, MOD16의 경우, 농지에서 낮은 correlation coefficient과 높은 error variance를 나타내었다.

Abstract ▼ AI-Helper

In this study, the actual evapotranspiration products of Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM) and MOD16, which are satellite- and reanalysis-based dataset, were validated at the flux tower sites (i.e., CFK and SMK) managed by Korea Institute of Hydrological Survey, and the uncertainty and correlation analysis were conducted using Triple Collocation (TC) method. The result of validation with the flux tower showed better agreement in the order of GLEAM> GLDAS>MOD16. At the result of three combinations (S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16), the order of best to worst is GLEAM, GLDAS, MOD16, and flux tower for CFK (GLDAS> GLEAM>MOD16>flux tower for SMK). Since the error variance and correlation coefficients of the flux tower show relatively worse performance in TC analysis than the other products, By applying TC method to three products (GLDAS vs. GLEAM vs. MOD16), the uncertainty of each dataset were evaluated at the Korean Peninsula, As a results, the GLDAS and GLEAM performed reasonable performance (low error variance and high correlation coefficient), whereas results of MOD16 showed high error variance and low correlation coefficient at the cropland.

주제어

표/그림 (6)

그림 Fig. 1. Location of two flux tower measurements (SMK and CFK) over korean peninsula
그림 Fig. 2. Variations of the time series of hydrological variables on each months
그림 Fig. 3. Statistical results of three ET products with flux tower measurement at two difference sites over korean peninsula: a) SMK and b) CFK
그림 Fig. 4. Statistical results of three ET products with flux tower measurement at two difference sites over korean peninsula: a) SMK and b) CFK
그림 Fig. 5. Bar chart of error variance and correlation coefficient estimated from ETC and standard TC for each land classification over korean peninsula
그림 Fig. 6. Spatial distribution of error variance and correlation coefficient estimated from ETC and standard TC over Korean peninsula during 2003 to 2014.

AI 본문요약
AI-Helper

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

문제 정의

2) 자료간의 불확실성을 파악하기 위하여 TC 방법을 이용 하여 각 자료들간의 분석을 실시하였다. 3) 인공위성과 재분석자료간의 관계를 통하여 한반도 영역에서의 자료간의 불확실성 및 상관성을 파악하고자 하였다.
, 2015), 해수면 온도(Gentemann, 2014)등에 한정적인 연구에만 이뤄지고 있다. 따라서 본 연구에서는 국내에서 주로 검증에 사용되어왔던 GLDAS, GLEAM, MOD16의 실제증발산 자료들을 이용하여 각 자료들의 관계에서 가지는 불확실성을 파악하기 위하여 연구를 진행하였다. 1) 불확실성에 대하여 판별하기에 앞서 우리나라의 두 관측지점인 설마천과 청미천 flux tower를 기준으로 인공위성과 재분석자료의 비교 및 검증을 실시하였다.
본 연구는 한반도의 지점 관측지점 자료와 인공위성/재분석 증발산 자료에 대한 불확실성을 파악하고자 TC 방법을 통하여 총 3개의 시나리오를 기준으로 분석을 실시하였으며, 마지막으로 flux tower 자료를 제외한 자료들의 조합을 통하여 자료간의 correlation coefficient와 error variance를 파악하 였다. 본 연구의 결과를 요약하면 다음과 같다.
본 연구에서는 각 청미천과 설마천의 자료제공 기간에 대해서 GLDAS, GLEAM, MOD16 자료와의 정략적 오차와 정확도 검증을 실시하였다. Fig.

제안 방법

1) 계절별 수문기상인자들의 변동성에 관하여 파악하였다. 복사에너지의 영향에 따른 수문기상인자들의 변동성을 파악할 수 있었으며, 겨울철에 들어서면서 지표와 대기 온도가 영하로 떨어짐에 따라서 실제증발산은 1 mm/day보다 작은 값을 나타내는 것을 파악할 수 있었다.
따라서 본 연구에서는 국내에서 주로 검증에 사용되어왔던 GLDAS, GLEAM, MOD16의 실제증발산 자료들을 이용하여 각 자료들의 관계에서 가지는 불확실성을 파악하기 위하여 연구를 진행하였다. 1) 불확실성에 대하여 판별하기에 앞서 우리나라의 두 관측지점인 설마천과 청미천 flux tower를 기준으로 인공위성과 재분석자료의 비교 및 검증을 실시하였다. 2) 자료간의 불확실성을 파악하기 위하여 TC 방법을 이용 하여 각 자료들간의 분석을 실시하였다.
1) 불확실성에 대하여 판별하기에 앞서 우리나라의 두 관측지점인 설마천과 청미천 flux tower를 기준으로 인공위성과 재분석자료의 비교 및 검증을 실시하였다. 2) 자료간의 불확실성을 파악하기 위하여 TC 방법을 이용 하여 각 자료들간의 분석을 실시하였다. 3) 인공위성과 재분석자료간의 관계를 통하여 한반도 영역에서의 자료간의 불확실성 및 상관성을 파악하고자 하였다.
4에는 TC와 ETC로부터 계산된 error variance와 correlation coefficient에 대해서 나타내었다. TC 방법은 위에서 언급한 것과 같이 세 자료간의 관계를 파악하는 방법이기 때문에 본 연구에서는 자료에 조합에 따른 3개의 시나리오(Scenarios)를 설정(S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16)하여 계산하였다. S1 (flux tower vs.
2b는 2003년-2017년까지 제공한다. 본 연구 에서 활용된 자료들은 각각 공간해상도 및 시간해상도가 다르므로, 인공위성 및 재분석자료의 비교 및 분석을 위하여 세자료(GLDAS, GLEAM, MOD16)의 시간/공간해상도는 월별 및 5 km로 재격자 및 시간일치 함으로써 자료간의 분석이 가능하도록 일치시켰다.

대상 데이터

(2011)에서 제안된 revised remote-sensing-based Penman–Monteith (revised RS-PM)을 기반으로 한 증발산 자료인 MOD16는 전 세계에 대해서 잠재증발산과 실제증발산에 대한 8일, 월, 년 단위의 자료를 제공하고 있으며, 1 km와 5 km 의 공간해상도로 제공하고 있으며, 본 연구에서는 MOD16 collection 6 자료를 이용하여 연구에 활용하였다.
0° 로 제공되고 있다. 다른 재분석 자료는 GLEAM V3.2b 자료를 활용하였다. 이 재분석자료는 전 세계의 지표면 증발산을 산정하기 위하여, 다양한 인공위성 자료 및 지점 자료들을 활용하여 공간해상 도는 0.
, 2016). 따라서, 본 연구 에서 사용된 자료는 한국수자원조사기술원에서 Kim et al. (2016) 방법에 따른 품질관리된 월별 실제증발산 자료를 사용하였다. 자세한 플럭스 타워에 관한 설명은 Baik and Choi (2015a)과 Kim et al.
본 연구에서 활용된 인공위성 및 재분석 기반 증발산 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MOD16 자료를 2003년부터 2014년까지 활용하였다. 먼저, Mu et al.
기상과 해양 분야에서도 많이 활용되고 있는 재분석자료는 지점, 모델자료, 인공위성 자료 등을 통합하여 재산정되는 자료로써 많은 연구에서 검증 및 비교가 이뤄지고 있다(Baik and Choi, 2015b). 본 연구에서는 NASA에서 제공되는 자료 중 GLDAS Noah V2.1를 활용하였다. 일반적으로 GLDAS 자료는 다수의 지표면 모델로 재산정함으로써, GLDAS CLM, GLDAS Noah, GLDAS VIC 과 같이 사용된 지표면 모델 자료에 대한 이름으로 나타나게 되면 각 모델의 특성에 따라, 시간/ 공간 해상도는 물론 제공되는 수문기상인자들에 대한 종류도 달라진다.
본 연구에서는 한반도내 에서의 탄소 순환은 물론 수문순환에서 강수의 약 70%를 차지하고 있는 증발산을 관측 할 수 있는 플럭스 타워 자료를 활용하기 위하여, 한국수자원조사기술원(Korea Institute of Hydrological Survey, KIHS)에서 관리하고 있는 청미천(37° 09‘-36’‘, 127°39’12‘’)과 설마천(37°56‘18’‘, 126°57’12‘’)을 연구지역으로 선정하였다(Fig. 1).
한반도에서 계절적인 수문기상인자의 변동을 확인하기 위하여, Fig. 2에 설마천(청미천)에서의 2008년부터 2014년 (2009년부터 2014년)까지의 각 수문인자의 계절별 변동성을 나타내었다. Fig.

데이터처리

따라서, 이 자료들만으로도 알려지지 않은 실제 관측값과의 불확실성을 파악할 수 있을 것으로 판단되기 때문에, Figs. 4 and 5는 MOD16 vs. GLDAS vs. GLEAM 자료간의 조합으로 TC 방법과 ETC 방법으로 error variance 와 correlation coefficient를 계산하였다. 토지피복별로 구분한 결과를 나타낸 Fig.
5에 ETC 방법으로 계산된 독립된 세 자료간의 correlation coefficient 의 결과를 확인하면, GLDAS의 cropland와 urban을 제외하고 correlation coefficient의 편차가 높은 것을 확인 할 수 있다. 드물게 GLDAS가 GLEAM과 MOD16에 비해 해안과 육지가 근접해있는 지점에서 부정확한 값을 보임에 따라서 ETC 결과가 낮은 correlation coefficient 결과를 나타내었다.

성능/효과

2) TC 방법을 이용하여 총 3개의 시나리오로 분석한 결과, 청미천의 경우에는 GLEAM > GLDAS > MOD16 > flux tower의 순의 결과를 나타내었으며, 설마천의 경우에는 GLDAS > GLEAM > MOD16 > flux tower의 순의 결과를 확인할 수 있었다.
3) 마지막으로 flux tower를 제외하여 인공위성/재분석 자료들만으로 TC방법을 적용한 결과 기존의 결과에 같이 산림 지역 및 논지가 많은 한반도 영역에서 GLEAM과 GLDAS가 가장 불확실성이 적다는 것을 파악할 수 있는 반면에, MOD16은 논지에서 다른 두 자료에 비해 낮은 상관성을 가지고 있는 것을 파악하였다.
3(b)의 청미천의 결과를 확인하여도 세 자료의 전체적인 경향이 flux tower의 경향을 잘 따라가지만 모두 과대 산정되는 결과를 나타내고 있다. 계절적으로 분석 하면, 겨울과 여름기간에서 플럭스 타워의 실제증발산과 비교하였을 때, GLDAS와 MOD16이 GLEAM에 비하여 더 과대 산정되는 것으로 나타났으며, GLEAM의 자료는 flux tower에 근접한 결과를 나타내는 것을 볼 수 있다(Fig. 3). 연구기간동안의 세 자료의 평균 통계 결과로는 설마천에서는 Bias가 0.
1) 계절별 수문기상인자들의 변동성에 관하여 파악하였다. 복사에너지의 영향에 따른 수문기상인자들의 변동성을 파악할 수 있었으며, 겨울철에 들어서면서 지표와 대기 온도가 영하로 떨어짐에 따라서 실제증발산은 1 mm/day보다 작은 값을 나타내는 것을 파악할 수 있었다.
설마천과 청미천에서 TC방법을 통해 파악한바, flux tower 가 가장 높은 불확실성을 가질 수 있다는 것을 파악하였다. 따라서, flux tower자료가 없이도 독립적인 세 자료만으로도 한반도 영역에서의 적용가능성을 가지고 있다.
연구기간동안의 세 자료의 평균 통계 결과로는 설마천에서는 Bias가 0.724 mm/month (0.505∼1.063 mm/month), RMSE는 0.982 mm/month (0.532∼1.266 mm/month), R은 0.901 (0.888∼ 0.916), Index of agreement (IOA)와 Taylor skill score (S)는 0.845 (0.746∼0.882)와 0.756 (0.691∼0.800)로 나타났고, 청미천의 경우에는 Bias가 0.455 mm/month (0.292∼0.633 mm/ month), RMSE는 0.714 mm/month (0.525∼0.821 mm/month), r은 0.896 (0.857∼0.926), IOA와 S는 0.887 (0.866∼0.928)와 0.764 (0.683∼0.817)의 결과를 나타내었다(Fig. 3).
(2018)에서도 찾을 수 있다. 이 연구에서는 동북아시아 영역의 flux tower와의 재분석/인공위성 증발산 자료들에 대해서 검증을 실시하였는데, rice paddy와 grassland에서 다른 자료에 비하여 MOD16 결과가 낮게 나오는 것을 확인 할 수 있다. 반면에, MOD16은 다른 자료에 비하여 고해상도를 가지고 있기 때문에, 숲이 우거진 산악지형(북한지역의 자강도, 량강도, 함경남도)에서는 저해상도인 GLDAS와 GLEAM에 비하여 숲과 나지의 경계를 잘 구분할 수 있어서 낮은 error variance를 나타내고 있는 것으로 사료된다.
2) TC 방법을 이용하여 총 3개의 시나리오로 분석한 결과, 청미천의 경우에는 GLEAM > GLDAS > MOD16 > flux tower의 순의 결과를 나타내었으며, 설마천의 경우에는 GLDAS > GLEAM > MOD16 > flux tower의 순의 결과를 확인할 수 있었다. 이는 TC방법을 통해서 확인하였을 때, flux tower가 가장 높은 불확실성을 가지고 있다는 것을 의미하며, 재분석 자료인 GLDAS와 GLEAM이 불확실성이 적다는 것을 의미한다.
전반 적인 통계결과를 확인하면, GLEAM>GLDAS>MOD16순의 적합도를 보이는 것을 파악할 수 있다.
전반적으로 3가지의 시나리오의 평균을 나타낸 결과 청미천(설마천)의 경우 GLEAM>GLDAS>MOD16>flux tower (GLDAS>GLEAM>MOD16>flux tower)의 순으로 가장 높은 correlation coefficient를 나타내었다.
06 mm/day)도감소하기 시작한다. 전반적으로 대기 및 지표온도가 영하를 나타낼 때, 실제증발산은 0.8 mm/day보다 작아지는 것으로 나타났다.
전반적으로 3가지의 시나리오의 평균을 나타낸 결과 청미천(설마천)의 경우 GLEAM>GLDAS>MOD16>flux tower (GLDAS>GLEAM>MOD16>flux tower)의 순으로 가장 높은 correlation coefficient를 나타내었다. 종합적인 error variance를 확인하면, GLEAM(청미천: 0.042, 설마천: 0.068)과 GLDAS (청미천: 0.031, 설마천: 0.056)가 가장 낮았으며, 그 다음으로는 MOD16(청미천: 0.197, 설마천: 0.106)을 나타내었으며, 마지막으로 flux tower(청미천: 0.138, 설마천: 0.107)는 가장높은 error variance를 보였다. 이러한 결과를 통하여 다음과 같은 해석을 할 수 있다.
GLEAM 자료간의 조합으로 TC 방법과 ETC 방법으로 error variance 와 correlation coefficient를 계산하였다. 토지피복별로 구분한 결과를 나타낸 Fig. 4를 확인하면, 한반도에 많은 부분을 차지하고 있는 산림영역과 농지뿐만 아니라, 다른 토지피복에서도 GLDAS가 다른 두 자료에 비하여 error variance가 낮음을 확인 할 수 있으며, MOD16의 경우 대부분의 토지피복도에서 높은 error variance를 나타내고 있다. 이는 다른 자료에 비해서 알려지지 않은 실제값과의 불확실성이 다른 자료와 비하여 높은 것을 의미한다.

후속연구

활용가능한 flux tower 지점이 많아 진다면, 각 토지피복간의 분석을 통하여 보다 정확한 관계성을 파악할 수 있을 것으로 판단된다. 또한, 기존 TC 방법이 선행적인 자료를 가정으로 계산되기 때문에 추후 연구에서는 계절적인 패턴을 고려하는 방법을 통해 자료의 적절성 및 정확성을 파악하는 것이 필요할 것으로 보인다.
본 연구를 통해서 자료간의 불확실성을 파악할 수 있으며, 어떠한 자료가 가장 적은 불확실성을 가지는지 파악을 통해, 정확성 및 오차가 적은 자료들을 활용함으로써 관측지점에서 미관측이 되었을 때, 보조 자료로써 사용 가능한 자료를 판단할 수 있을 것으로 보인다. 활용가능한 flux tower 지점이 많아 진다면, 각 토지피복간의 분석을 통하여 보다 정확한 관계성을 파악할 수 있을 것으로 판단된다.
본 연구를 통해서 자료간의 불확실성을 파악할 수 있으며, 어떠한 자료가 가장 적은 불확실성을 가지는지 파악을 통해, 정확성 및 오차가 적은 자료들을 활용함으로써 관측지점에서 미관측이 되었을 때, 보조 자료로써 사용 가능한 자료를 판단할 수 있을 것으로 보인다. 활용가능한 flux tower 지점이 많아 진다면, 각 토지피복간의 분석을 통하여 보다 정확한 관계성을 파악할 수 있을 것으로 판단된다. 또한, 기존 TC 방법이 선행적인 자료를 가정으로 계산되기 때문에 추후 연구에서는 계절적인 패턴을 고려하는 방법을 통해 자료의 적절성 및 정확성을 파악하는 것이 필요할 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수자원의 정량화, 확보 및 효율적인 관리가 시급한 이유는 무엇인가?	기후변화로 인한 수자원 변동성이 증가함에 대표적인 극심한 물 부족 국가인 우리나라는 장기적인 가뭄으로 전국적인 물 부족현상이 가중이 되고 있어 수자원의 정량화, 확보 및 효율적인 관리가 시급한 실정이다(Kwon et al., 2009).
	인간이 활용할 수 있는 물의 최대량이란 무엇인가?	일반적으로 강수량을 통해서 인간이 활용할 수 있는 물의 최대량은 증발산량(강수량의 2/3)을 제외한 나머지 값이다. 이렇게 중요한 증발산량을 정량화함으로써 수자원에 필요로 하는 사용가능한 양을 파악할 수 있지만, 대기와 지표 사이의 여러 요인(토양수분, 식생, 기상 등)의 영향을 받기 때문에, 시간적으로나 공간적으로 정량화하기에 어렵다(Kim et al.
	증발산량을 지금까지 어떻게 파악하고 있는가?	, 2018). 지금까지 단순 가정식 또는 경험식을 이용한 증발산 산정 방법 및 현장 실측 기기(lysimeter, flux tower)들을 사용함으로써 증발산에 대한 정량화 및 변동성을 파악하고 있다(Hong et al., 2008; Kwon et al.

참고문헌 (30)

Alemohammad, S. H., Mccoll, K. A., Konings, A. G., Entekhabi, D., and Stoffelen, A. (2015). "Characterization of precipitation product errors across the United States using multiplicative triple collocation." Hydrology and Earth System Sciences, Vol. 19, pp. 3489-3503.

상세보기
Baik, J., and Choi, M. (2015a). "Evaluation of geostationary satellite (COMS) based Priestley-Taylor evapotranspiration." Agricultural Water Management, Vol. 159, pp. 77-91.

상세보기
Baik., J., and Choi, M. (2015b). "Evaluation of remotely sensed actual evapotranspiration products from COMS and MODIS at two different flux tower sites in Korea." International Journal of Remote Sensing, Vol. 36, No. 1, pp. 375-402.

상세보기
Baik, J. J., Jeong, J., and Choi, M. (2018) "Estimation of the optimal evapotranspiration by using satellite- and reanalysis model- based evapotranspiration estimations." Journal of Korea Water Resources Association, Vol. 51, No. 3, pp. 273-280.
Byun, K., Liaqat, U. W., and Choi, M. (2014). "Dual-model approaches for evapotranspiration analyses over homo-and heterogeneous land surface conditions." Agricultural and Forest Meteorology, Vol. 197, pp. 169-187.

상세보기
Caires, S., and Sterl, A., (2003). "Validation of ocean wind and wave data using triple collocation." JOURNAL OF GEOPHYSICAL RESEARCH, Vol. 108, pp. 1-16.
Choi, G., Kwon, W. T., and Robinson, D. A. (2006). "Seasonal onset and duration in South Korea." Journal of the Korean Geographical Society, Vol. 41, No. 4, pp. 435-456.
Chun, J. A., Baik, J. J., Kim, D., and Choi. M. (2018). "A comparative assessment of SWAT-model-based evapotranspiration against regional-scale estimates." Ecological Engineering, Vol. 122, pp. 1-9.

상세보기
Gentemann, C. L. (2014). "Three way validation of MODIS and AMSR-E sea surface temperatures." Journal of Geophysical Research: Oceans, Vol. 119, No. 4, pp. 2583-2598.

상세보기
Gruber, A., Su, C., Zwieback, S., Crow, W., Dorigo, W., and Wagner, W. (2016). "Recent advances in (soil moisture) triple collocation analysis." International Journal of Applied Earth Observation and Geoinformation, Vol. 45, pp. 200-211.

상세보기
Hong, J., Kim, J., Lee, D., and Lim, J. H. (2008). "Estimation of the storage and advection effects on $H_2O$ and $CO_2$ exchanges in a hilly KoFlux forest catchment." Water Resources Research, Vol. 44, W01426, doi:10.1029/2007WR006408.

상세보기
Hu, G., Jia, L., and Menenti, M. (2015). "Comparison of MOD16 and LSA-SAF MSG evapotranspiration products over Europe for 2011." Remote Sensing of Environment, Vol. 156, pp. 510-526.

상세보기
Jang, K., Kang, S., Lim, Y. J., Jeong, S., Kim, J., Kimball, J. S., and Hong, S.Y. (2013). "Monitoring daily evapotranspiration in Northeast Asia using MODIS and a regional Land Data Assimilation System." Journal of Geophysical Research: Atmospheres, Vol. 118, No. 23, pp. 12-927.
Jeong, J., Baik, J. J., and Choi, M. (2018) "Estimation of dryness index based on COMS to monitoring the soil moisture status at the Korean peninsula." Journal of Korea Water Resources Association, Vol. 51, No. 22, pp. 89-98.
Khan, M. S., Liaqat, U. W., Baik, J., and Choi, M. (2018). "Stand-alone uncertainty characterization of GLEAM, GLDAS and MOD16 evapotranspiration products using an extended triple collocation approach." Agricultural and Forest Meteorology, Vol. 252, pp, 256-268.

상세보기
Kim, E. H., Kim, M. K., and Lee, W. S. (2005). "The regional characteristics of daily precipitation intensity in Korea for recent 30 years." Journal of the Korean earth science society, Vol. 26, No. 5, pp. 404-416.
Kim, H. D., Im, J. W., and Lee, S. H. (2006). "Distribution of relative evapotranspiration availability using Satellite data in Daegu metropolitan." Journal of the Korean earth science society, Vol. 27, No. 6, pp. 677-686.
Kim, H., Parinussa, R., Konings, A. G., Wagner, W., Cosh, M. H., Lakshmi, V., Zohaib, M., and Choi, M., (2018). "Global-scale assessment and combination of SMAP with ASCAT (active) and AMSR2 (passive) soil moisture products." Remote Sensing of Environment, Vol. 204, pp. 260-275.

상세보기
Kim, K., Baik, J., Lee, J., Lee, Y., Jung, S., and Choi, M. (2016). "An assessment and analysis of the Gap-filling techniques for revising missing data of flux tower based evapotranspiration- FAO-PM, MDV, and Kalman Filter." The Journal of the Korean Society of Hazard Mitigation, Vol. 16, No. 6, pp. 95-107.
Kwon, H., Lee, J-H., Lee, Y-K., and Lee, J. W. (2009) "Seasonal variations of evapotranspiration observed in a mixed forest in the seolmacheon catchment." Korean Journal of Agricultural and Forest Meteorology, Vol. 11, No. 1, pp. 39-47.

원문보기 상세보기
Lee M. J., Han, K. S., and Kim, I. H. (2011). "Estimation of actual evapotranspiration using multi-satellite data over korea peninsula." Journal of Korean Society for Geospatial Information System, Vol. 19, No. 4, pp. 145-151.
Mccoll, K. A., Vogelzang, J., Konings, A. G., Entekhabi, D., Piles, M., and Stoffelen, A. (2014). "Extended triple collocation: estimating errors and correlation coefficients with respect to an unknown target." Geophysical Research Letters, Vol. 41, pp. 6229-6236.

상세보기
Mu, Q., Zhao, M., and Running, S. W. (2011). "Improvements to a MODIS global terrestrial evapotranspiration algorithm." Remote Sensing of Environment, Vol. 115, No. 8, pp. 1781-1800.

상세보기
Scipal, K., Holmes, T., Jeu, R., De, Naeimi, V., and Wagner, W. (2008). "A possible solution for the problem of estimating the error structure of global soil moisture data sets." Geophysical Research Letters, Vol. 35, pp. 2-5.
Shin S. H., and An, T. Y. (2009) "Development of estimating method for areal evapotranspiration using satellite data." Journal of the Korean Association of Geographic Information Studies, Vol. 10, No. 2, pp. 70-80.
Stoffelen, A. (1998), "Toward the true near -surface wind speed: Error modeling and calibration using triple collocation." Journal of Geophysical Research: Oceans, Vol. 103, pp. 7755-7766.

상세보기
Su, C., Ryu, D., Crow, W. T., and Western, A. W. (2014a). "Remote sensing of environment standalone error characterisation of microwave satellite soil moisture using a fourier method." Remote Sensing of Environment, Vol. 154, pp. 115-126.

상세보기
Su, C. H., Ryu, D., Crow, W. T., and Western, W. A., (2014b). "Beyond triple collocation: applications to soil moisture monitoring." Journal of Geophysical Research: Atmospheres, Vol. 119, No. 11, pp. 6419-6439.

상세보기
Sur, C. Y., and Choi, M. (2011). "An intercomparison of two satellite data-based evapotranspiration approaches." Journal of Wetlands Research, Vol. 13, No. 3, pp. 471-479.
Webb, E. K., Pearman, G. I., and Leuning, R. (1980). "Correction of flux measurements for density effects due to heat and water vapour transfer." Quarterly Journal of the Royal Meteorological Society, Vol. 106, No. 47, pp. 85-100.

상세보기

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