[논문]다목적실용위성 3A 영상 자료의 지표 반사도 성과 검증: RadCalNet Baotou(BTCN) 자료 적용 사례

김광섭; 이기원

doi:10.7780/kjrs.2020.36.6.2.3

다목적실용위성 3A 영상 자료의 지표 반사도 성과 검증: RadCalNet Baotou(BTCN) 자료 적용 사례
Validation of Surface Reflectance Product of KOMPSAT-3A Image Data: Application of RadCalNet Baotou (BTCN) Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.6 pt.2, 2020년, pp.1509 - 1521

김광섭 (한성대학교 전자정보공학과) , 이기원 (한성대학교 전자정보공학과)

초록
AI-Helper

다목적실용위성(KOMPSAT-3A: Korea Multi-Purpose Satellite 3A)으로부터 산출된 지표 반사도 성과의 검정 작업을 위하여 분광 반사도 측정값을 제공하고 있는 포털인 Radiometric Calibration Network(RadCalNet)에서 제공하는 4 개의 사이트 자료 중에서 중국 바오터우(Baotou: BTCN) 데이터를 이용한 실험을 수행하였다. 실험을 위한 반사도 성과는 대기 반사도와 지표 반사도를 일괄적으로 처리할 수 있도록 재설계하고 구현한 오픈소스 Orfeo ToolBox(OTB)의 확장 프로그램(Extension)을 이용하여 생성하였다. 절대 대기 보정에 적용되는 두 가지의 센서 모델 변수를 고려하여 2016년, 2017년, 2018년 자료 1개씩 총 3개의 영상 자료를 실험에 적용하였다. 한편 각각 USGS LaSRC 알고리즘과 SNAP Sen2Cor 프로그램을 이용하여 Landsat-8과 Sentinel-2B 영상정보로부터 산출한 반사도 성과와의 비교 검증 작업을 수행하여 센서 별 차이를 확인하고자 하였다. 대기 반사도와 지표 반사도를 대상으로 절대 대기 보정을 위한 필수 입력 값인 Gain과 Offset에 대한 센서 모델 변수 값을 적용한 결과로, 2019년에 발표된 변수 값을 사용한 성과에 비하여 2017년 변수 값을 사용한 성과가 RadCalNet BTCN 자료에 비교적 잘 부합되는 것으로 나타났다. RadCalNet BTCN 자료를 기준으로 KOMPSAT-3A 영상정보의 지표 반사도 성과와의 차이는 밴드 별로 B 밴드(-0.031 ~ 0.034), G 밴드(-0.001 ~ 0.055), R 밴드(-0.072 ~ 0.037), NIR 밴드(-0.060 ~ 0.022)로 일치도가 높은 것으로 나타났고, Landsat-8 영상과 Sentinel-2B 영상의 지표 반사도의 경우도 KOMPSAT-3A 영상의 지표 반사도 성과의 정확도와 유사한 수준인 것으로 나타났다. 이번 연구 결과는 고해상도 위성에서 지표 반사도 값에 대한 분석 대기 데이터(Analysis Ready Data: ARD) 적용 가능성을 확인한 것에 의미가 있다.

Abstract ▼ AI-Helper

Experiments for validation of surface reflectance produced by Korea Multi-Purpose Satellite (KOMPSAT-3A) were conducted using Chinese Baotou (BTCN) data among four sites of the Radical Calibration Network (RadCalNet), a portal that provides spectrophotometric reflectance measurements. The atmosphere reflectance and surface reflectance products were generated using an extension program of an open-source Orfeo ToolBox (OTB), which was redesigned and implemented to extract those reflectance products in batches. Three image data sets of 2016, 2017, and 2018 were taken into account of the two sensor model variability, ver. 1.4 released in 2017 and ver. 1.5 in 2019, such as gain and offset applied to the absolute atmospheric correction. The results of applying these sensor model variables showed that the reflectance products by ver. 1.4 were relatively well-matched with RadCalNet BTCN data, compared to ones by ver. 1.5. On the other hand, the reflectance products obtained from the Landsat-8 by the USGS LaSRC algorithm and Sentinel-2B images using the SNAP Sen2Cor program were used to quantitatively verify the differences in those of KOMPSAT-3A. Based on the RadCalNet BTCN data, the differences between the surface reflectance of KOMPSAT-3A image were shown to be highly consistent with B band as -0.031 to 0.034, G band as -0.001 to 0.055, R band as -0.072 to 0.037, and NIR band as -0.060 to 0.022. The surface reflectance of KOMPSAT-3A also indicated the accuracy level for further applications, compared to those of Landsat-8 and Sentinel-2B images. The results of this study are meaningful in confirming the applicability of Analysis Ready Data (ARD) to the surface reflectance on high-resolution satellites.

주제어

표/그림 (9)

그림 Fig. 1. Flow and target for cross validation experiments in this study.
표 Table 1. Gain and biases presented in the KOMPSAT-3A manuals (SI Imaging Service, 2017; 2019)
표 Table 2. Date and time of satellite images used in this study
그림 Fig. 2. RadCalNet BTCN site with AERONET station: Location and state.
그림 Fig. 3. Integrated processing of the OTB extension for KOMPSAT-3A to produce TOA/TOC reflectance.
그림 Fig. 4. Comparison with RadCalNet BTCN data and reflectance products of KOMPSAT-3A by two sensor model parameters as box plot for ver. 1.4(2017) and line plot for ver. 1.5(2019): (a) TOA reflectance for 2016-10-31, (b) TOC reflectance for 2016-10-31, (c) TOA reflectance for 2017-08-05, (d) TOC reflectance for 2017-08-05, (e) TOA reflectance for 2018-11-30, and (f) TOC reflectance for 2018-11-30.
표 Table 3. Quantitative summary of TOA/TOC reflectance with respect to RadCalNet BTCN data. The lower value is bolded
그림 Fig. 5. Cross validation of TOC reflectance products of KOMPSAT-3A (K3A), with those of Landsat-8 (L8) and Sentinel-2B (S2B), with respect to RadCalNet BTCN data: (a) 2016, (b) 2017, and (c) 2018.
표 Table 4. Quantitative summary of TOC reflectance of KOMPSAT-3A, Landsat-8, and Sentinel-2B, with respect to RadCalNet BTCN data. The best value is bolded

AI 본문요약
AI-Helper

문제 정의

실험에 적용한 영상은 2016년, 2017년과 2018년의 영상을 각각 한 개씩 적용하였다. 또 다른 측면으로 이 연구는 KOMPSAT-3A 영상 정보의 ARD 아카이브 구축을 위한 기초 연구로 절대 대기 보정 도구와 정확도 검증 실험 결과를 제시하고자 하였다. 이와 관련하여 각각 USGS Land Surface Reflectance Code(LaSRC) 알고리즘과 Sentinel Application Platform(SNAP) Sen2Cor 프로그램을 이용하여 산출한 Landsat-8과 Sentinel-2B 영상 정보의 반사도 성과물과의 비교 검증 작업을 수행하여 센서 별 차이를 정량적으로 나타내고자 하였다.

제안 방법

첫 번째 실험은 RadCalNet BTCN 사이트에서 제공되는 자료 측정 일시와 KOMPSAT-3A 에 대한 영상정보 촬영 일시가 가능한 일치한 자료를 대상으로 하여 두 가지 버전을 적용한 대기 / 지표 반사도 성과물들을 생성한 뒤에 RadCalNet 현장 측정 자료와 비교한 것이다. 두 번째는 KOMPSAT-3A에서 산출한 대기 / 지표 반사도 성과와 Landsat-8과 Sentinel-2B 영상 정보에 대한 대기 / 지표 반사도 성과들을 정량적으로 비교하는 것이다. Fig.
이 연구는 OTB의 확장 프로그램을 이용하여 KOPMSAT-3A 위성 영상의 대기 / 지표 반사도의 정확도 분석을 위한 실험을 수행하였다. 대기 반사도와 지표 반사도를 대상으로 Gain/Offset의 위성 센서 모델 값을 제공하는 1.
또 다른 측면으로 이 연구는 KOMPSAT-3A 영상 정보의 ARD 아카이브 구축을 위한 기초 연구로 절대 대기 보정 도구와 정확도 검증 실험 결과를 제시하고자 하였다. 이와 관련하여 각각 USGS Land Surface Reflectance Code(LaSRC) 알고리즘과 Sentinel Application Platform(SNAP) Sen2Cor 프로그램을 이용하여 산출한 Landsat-8과 Sentinel-2B 영상 정보의 반사도 성과물과의 비교 검증 작업을 수행하여 센서 별 차이를 정량적으로 나타내고자 하였다.
이번 연구에서는 크게 두 가지 방향으로 비교 검증 실험을 수행하였다. 첫 번째 실험은 RadCalNet BTCN 사이트에서 제공되는 자료 측정 일시와 KOMPSAT-3A 에 대한 영상정보 촬영 일시가 가능한 일치한 자료를 대상으로 하여 두 가지 버전을 적용한 대기 / 지표 반사도 성과물들을 생성한 뒤에 RadCalNet 현장 측정 자료와 비교한 것이다. 두 번째는 KOMPSAT-3A에서 산출한 대기 / 지표 반사도 성과와 Landsat-8과 Sentinel-2B 영상 정보에 대한 대기 / 지표 반사도 성과들을 정량적으로 비교하는 것이다.
한편, KOMPSAT-3A 영상 정보는 절대 대기 보정에 필요한 입력 값인 Gain이나 Offset과 같은 센서 모델 변수가 2017년과 2019년에 각각 별도의 보정 계수 값으로 공개되었기 때문에, 이 연구에서도 우선 이 두 가지 버전에서 제시한 변수 값 차이에 따른 반사도 성과물을 비교하였다. 실험에 적용한 영상은 2016년, 2017년과 2018년의 영상을 각각 한 개씩 적용하였다.

대상 데이터

상호 비교 실험을 위해 RadCalNet에서 제공되고 있는 30분 단위 자료 중 가장 근접한 자료를 사용할 필요가 있어서 KOMPSAT-3A 영상은 RadCalNet06:00 자료를 비교하였고 Landsat-8과 Sentinel-2B 영상은 03:30 자료를 사용하였다. 그러나 KOMPSAT-3A 영상정보 중에서 2016년 10월 31일 RadCalNet06:00 자료는 반사율 처리가 된 자료가 없기 때문에 30분 이후 데이터인 06:30 자료를 사용하였다 (참고 : 코드 9998, not processed to TOA reflectance).
다목적실용위성(KOMPSAT-3A: Korea Multi-Purpose Satellite 3A)으로부터 산출된 지표 반사도 성과의 검정 작업을 위하여 분광 반사도 측정값을 제공하고 있는 포털인 Radiometric Calibration Network(RadCalNet)에서 제공하는 4 개의 사이트 자료 중에서 중국 바오터우(Baotou: BTCN) 데이터를 이용한 실험을 수행하였다
RadCalNet Baotou(BTCN) 사이트는 UTC 기준으로 01:00에서 07:00 사이 30분 간격으로 측정, 처리한 자료를 제공하고 있다. 상호 비교 실험을 위해 RadCalNet에서 제공되고 있는 30분 단위 자료 중 가장 근접한 자료를 사용할 필요가 있어서 KOMPSAT-3A 영상은 RadCalNet06:00 자료를 비교하였고 Landsat-8과 Sentinel-2B 영상은 03:30 자료를 사용하였다. 그러나 KOMPSAT-3A 영상정보 중에서 2016년 10월 31일 RadCalNet06:00 자료는 반사율 처리가 된 자료가 없기 때문에 30분 이후 데이터인 06:30 자료를 사용하였다 (참고 : 코드 9998, not processed to TOA reflectance).
여기서 촬영시간은 Coordinated Universal Time(UTC)에 따른다. 실험 대상 지역인 중국 바오터우 지역의 경우 KOMPSAT-3A 영상 정보는 05:30에서 06:00 사이영상이며, Landsat-8과 Sentinel-2B는 03:00에서 03:30 사이 영상이다. RadCalNet Baotou(BTCN) 사이트는 UTC 기준으로 01:00에서 07:00 사이 30분 간격으로 측정, 처리한 자료를 제공하고 있다.
한편, KOMPSAT-3A 영상 정보는 절대 대기 보정에 필요한 입력 값인 Gain이나 Offset과 같은 센서 모델 변수가 2017년과 2019년에 각각 별도의 보정 계수 값으로 공개되었기 때문에, 이 연구에서도 우선 이 두 가지 버전에서 제시한 변수 값 차이에 따른 반사도 성과물을 비교하였다. 실험에 적용한 영상은 2016년, 2017년과 2018년의 영상을 각각 한 개씩 적용하였다. 또 다른 측면으로 이 연구는 KOMPSAT-3A 영상 정보의 ARD 아카이브 구축을 위한 기초 연구로 절대 대기 보정 도구와 정확도 검증 실험 결과를 제시하고자 하였다.
여기서 KOMPSAT-3A 영상 정보는 OTB extension for KOMPSAT-3A 소프트웨어 도구를 이용하며, Landsat-8 에 대한 지표 반사도 성과는 USGS Earth Explorer ARD 포털에서 제공하는 영상 정보를 이용하였고, Sentinel-2B 지표 반사도 영상은 L1C영상을 SNAP Sen2Cor 오픈소스 도구를 사용하여 처리한 성과를 대상으로 하였다. 이 세 가지 영상 정보에 대하여 가능한 동일한 촬영 일시를 갖는 자료를 대상으로 하고자 하였으나 정확하게 일치하는 조건의 자료가 없어서 KOMPSAT-3A 영상 정보 촬영 일시를 기준으로 다른 두 영상 정보는 최대한 근접된 일시 자료를 실험에 사용하였다.
여기서 KOMPSAT-3A 영상 정보는 OTB extension for KOMPSAT-3A 소프트웨어 도구를 이용하며, Landsat-8 에 대한 지표 반사도 성과는 USGS Earth Explorer ARD 포털에서 제공하는 영상 정보를 이용하였고, Sentinel-2B 지표 반사도 영상은 L1C영상을 SNAP Sen2Cor 오픈소스 도구를 사용하여 처리한 성과를 대상으로 하였다. 이 세 가지 영상 정보에 대하여 가능한 동일한 촬영 일시를 갖는 자료를 대상으로 하고자 하였으나 정확하게 일치하는 조건의 자료가 없어서 KOMPSAT-3A 영상 정보 촬영 일시를 기준으로 다른 두 영상 정보는 최대한 근접된 일시 자료를 실험에 사용하였다.
이번 연구에서는 네 개의 RadCalNet 사이트 중에서 중국 바오터우(Baotou) BTCN사이트에서 제공한 자료를 이용하였다. 이 사이트는 AERONET과 RadCalNet 자료를 모두 제공하는데, 이 두 자료 측정지점이 멀리 떨어져 있는 경우는 반사도 성과에도 영향을 줄 수 있기 때문에 이 점은 중요한 장점이라고 할 수 있다.
KOMPSAT-3A 영상 대기 / 지표 반사도 성과생성 및 비교 검증 실험에 사용한 위성 정보의 촬영 일시는 Table 2에 정리하였다. 자료는 촬영 연도 간의 차이도 중요하기 때문에 2016년, 2017년, 2018년을 기준 시기로 하여 가능한 구름이 없고, 같은 해의 영상 정보 간의 촬영일자가 2016년의 경우 가을, 2017년 경우는 여름 영상과 같이 최대 10일 이내에 있는 자료를 대상으로 하였다. 실험 자료 중에서 2016년 자료의 경우 Landsat과 Sentinel 위성 영상에 대한 촬영 일자는 같지만 KOMPSAT-3A는 8일 전에 촬영된 영상을 사용하였고, 2017년도 자료는 Landsat-8 영상의 경우 6일 차이가 있다.

데이터처리

4(e)와 (f)는 각각 2018-11-30일자 대기 반사도와 지표 반사도 값을 나타낸 것이다. 1.4 버전을 적용한 경우는 BTCN Tarp 영역에 대한 값을 나타내기 위하여 Box plot으로 제시하였고, 1.5 버전 처리 결과는 평균 값을 제시하였다. RadCalNet 자료의 경우도 Tarp의 평균 값으로 제공되기 때문에 단일 값으로 표시하였다.
KOMPSAT-3A 영상 정보의 대기 반사도와 지표 반사도를 1.4 버전(2017)과 1.5버전(2019)의 센서 변수 값을 사용하여 구한 뒤, 이 결과를 RadCalNet 자료와 비교하였다(Fig. 4).

성능/효과

RadCalNet BTCN 자료를 기준으로 KOMPSAT-3A 영상 정보의 지표 반사도 성과와의 차이는 밴드 별로 95%의 정확도를 기준으로 하여 이에 근접하는 결과를 보였고, Landsat-8 영상과 Sentinel-2B 영상의 지표 반사도의 경우도 KOMPSAT-3A 영상의 지표 반사도 성과의 정확도와 유사한 수준인 것으로 나타났다
이 연구는 OTB의 확장 프로그램을 이용하여 KOPMSAT-3A 위성 영상의 대기 / 지표 반사도의 정확도 분석을 위한 실험을 수행하였다. 대기 반사도와 지표 반사도를 대상으로 Gain/Offset의 위성 센서 모델 값을 제공하는 1.4 버전과 1.5 버전에서 제공하는 두 가지 센서 모델 변수값을 적용 결과는 1.4 버전이 RadCalNet BTCN 자료에 비교적 잘 부합되는 것으로 나타났다. 이는 영상 촬영 날짜에 근접한 값을 입력해야 한다는 것을 의미한다.
대기 반사도와 지표 반사도를 대상으로 절대 대기 보정을 위한 필수 입력 값인 Gain과 Offset에 대한 센서 모델 변수 값을 적용한 결과로, 2019년에 발표된 변수 값을 사용한 성과에 비하여 2017년 변수 값을 사용한 성과가 RadCalNet BTCN 자료에 비교적 잘 부합되는 것으로 나타났다

후속연구

하지만 센서 모델 변수 값뿐만 아니라 절대 대기 보정에 의한 지표 반사도 성과는 적용되는 복사 전달 모델과 사용하는 소프트웨어에 따라서 성과에 차이를 보일 수도 있으며, 입력 값으로 이용되는 대기 환경 변수의 정확성도 결과에 영향을 미칠 수 있기 때문에 이러한 검정 연구는 실험 결과의 축적을 위하여 지속할 필요가 있다. 이러한 결과는 향후 ARD 구축에 필수적인 자료로 직접 적용될 수 있다. 한편, 이번 연구에서사용하지 않은 RadCalNet LCFR과 CONA 사이트 자료를 이용하여 그동안 축적된 KOMPSAT-3와 KOMPSAT-3A 영상 정보의 대기 / 지표 반사도의 결과 검증 연구를 계속 수행할 예정이다.
한편, 이번 연구에서사용하지 않은 RadCalNet LCFR과 CONA 사이트 자료를 이용하여 그동안 축적된 KOMPSAT-3와 KOMPSAT-3A 영상 정보의 대기 / 지표 반사도의 결과 검증 연구를 계속 수행할 예정이다. 이와 동시에 클라우드(Cloud) 환경에서 확장 프로그램의 사용자 인터페이스를 재설계하여 개발된 처리 모듈을 사용하고, 처리 성과물을 관리할 수 있는 시스템을 설계, 구축하고자 한다.
RadCalNet BTCN 자료를 기준으로 KOMPSAT-3A 영상 정보의 지표 반사도 성과와의 차이는 밴드 별로 95%의 정확도를 기준으로 하여 이에 근접하는 결과를 보였고, Landsat-8 영상과 Sentinel-2B 영상의 지표 반사도의 경우도 KOMPSAT-3A 영상의 지표 반사도 성과의 정확도와 유사한 수준인 것으로 나타났다. 하지만 센서 모델 변수 값뿐만 아니라 절대 대기 보정에 의한 지표 반사도 성과는 적용되는 복사 전달 모델과 사용하는 소프트웨어에 따라서 성과에 차이를 보일 수도 있으며, 입력 값으로 이용되는 대기 환경 변수의 정확성도 결과에 영향을 미칠 수 있기 때문에 이러한 검정 연구는 실험 결과의 축적을 위하여 지속할 필요가 있다. 이러한 결과는 향후 ARD 구축에 필수적인 자료로 직접 적용될 수 있다.
이러한 결과는 향후 ARD 구축에 필수적인 자료로 직접 적용될 수 있다. 한편, 이번 연구에서사용하지 않은 RadCalNet LCFR과 CONA 사이트 자료를 이용하여 그동안 축적된 KOMPSAT-3와 KOMPSAT-3A 영상 정보의 대기 / 지표 반사도의 결과 검증 연구를 계속 수행할 예정이다. 이와 동시에 클라우드(Cloud) 환경에서 확장 프로그램의 사용자 인터페이스를 재설계하여 개발된 처리 모듈을 사용하고, 처리 성과물을 관리할 수 있는 시스템을 설계, 구축하고자 한다.

참고문헌 (23)

Bouvet, M., K. Thome, B. Berthelot, A. Bialek, J. Czapla-Myers, M. P. Fox, P. Goryl, P. Henry, L. Ma, S. Marcq, A. Meygret, B. N. Wenny, and E. R. Woolliams, 2019. RadCalNet: A Radiometric Calibration Network for Earth Observing Imagers Operating in the Visible to Shortwave Infrared Spectral Range, Remote Sensing, 11(20): 2401.

상세보기
Dwyer, J. L., D. P. Roy, B. Sauer, C. B. Jenkerson, H. K. Zhang, and L. Lymburner, 2018. Analysis Ready Data: Enabling Analysis of the Landsat Archive, Remote Sensing, 10(9): 1363.
Gascon, F., C. Bouzinac, O. Thepaut, M. Jung, B. Francesconi, J. Louis, V. Longou, B. Lafrance, S. Massera, A. Gaudel-Vacaresse, F. Languille, B. Alhammoud, F. Viallefont, B. Pflug, J. Bieniarz, S. Clerc, L. Pessiot, T. Tremas, E. Cadau, R. D. Bonis, C. Isola, P. Martimort, and V. Fernandez, 2017. Copernicus Sentinel-2A Calibration and Products Validation Status, Remote Sensing, 9(6): 584.

상세보기
Giles, D. M., A. Sinyuk, M. G. Sorokin, J. S. Schafer, A. Smirnov, H. Slutsker, T. F. Eck, B. N. Holben, J. R. Lewis, J. R. Campbell, E. J. Welton, S. V. Korkin, and A. I. Lyapustin, 2018. Advancements in the Aerosol Robotic Network (AERONET) Version 3 Database - Automated Near-real-time Quality Control Algorithm with Improved Cloud Screening for Sun Photometer Aerosol Optical Depth (AOD) Measurements, Atmospheric Measurement Techniques, 12(1): 169-209.

상세보기
Grizonnet, M., J. Michel, V. Poughon, J. Inglada, M. Savinaud, and R. Cresson, 2017. Orfeo ToolBox: open source processing of remote sensing images, Open Geospatial Data, Software and Standards, 2(1): 1-8.
Jin, C., H. Ahn, D. Seo, and C. Choi, 2020. Radiometric Calibration and Uncertainty Analysis of KOMPSAT-3A using the Reflectance-based Method, Sensors, 20(9): 2564.

상세보기
Jing, X., L. Leigh, C. T. Pinto, and D. Helder, 2019. Evaluation of RadCalNet Output Data Using Landsat 7, Landsat 8, Sentinel 2A, and Sentinel 2B Sensors, Remote Sensing, 11(5): 541.

상세보기
Kuester, M. and T. Ochoa, 2019. Improvements in Calibration, and Validation of the Absolute Radiometric Response of MAXAR EarthObserving Sensors, Presentation Material of Joint Agency Commercial Imagery Evaluation (JACIE) Workshop, Reston, VA, USA, Sep. 24-26, pp. 1-18.
Kuester, M. and T. Ochoa, 2020. Absolute Radiometric Calibration is an Essential Tool to Imagery Science, But What is it?, https://blog.maxar.com/earth-intelligence/2020/absolute-radiometric-calibration-is-an-essential-tool-to-imagery-science-but-what-is-it, Accessed on Aug. 3, 2020.
Kuhn, C., A. M. Valerio, N. Ward, L. Loken, H. O. Sawakuchi, M. Kampel, J. Richey, P. Stadler, J. Crawford, R. Striegl, E. Vermote, N. Pahlevan, and D. Butman, 2019. Performance of Landsat-8 and Sentinel-2 Surface Reflectance Products for River Remote Sensing Retrievals of Chlorophyll-a and Turbidity, Remote Sensing of Environment, 224: 104-118.

상세보기
Lamquin, N., E. Woolliams, V. Bruniquel, F. Gascon, J. Gorrono, Y. Govaerts, V. Leroy, V. Lonjou, B. Alhammoud, J. A. Barsi, J. S. Czapla-Myers, J. McCorkel, D. Helder, B. Lafrance, S. Clerc, and B. N. Holben, 2019. An Inter-comparison Exercise of Sentinel-2 Radiometric Validations Assessed by Independent Expert Groups, Remote Sensing of Environment, 233: 111369.

상세보기
Lee, K. and K. Kim, 2019. An Experiment for Surface Reflectance Image Generation of KOMPSAT 3A Image Data by Open Source Implementation, Korean Journal of Remote Sensing, 35(6-4): 1327-1339 (in Korean with English abstract).

원문보기 상세보기
Lee, K. and K. Kim, 2020. Validation of Surface Reflectance Product of KOMPSAT-3A Image Data Using RadCalNet Data, Korean Journal of Remote Sensing, 36(2-1): 167-178 (in Korean with English abstract).
Lee, K., K. Kim, S. Lee, and Y. Kim, 2020. Determination of the Normalized Difference Vegetation Index (NDVI) with Top-of-Canopy(TOC) Reflectance from a KOMPSAT-3A Image Using Orfeo ToolBox (OTB) Extension, International Journal of Geo-Information, 9(4): 257.

상세보기
Lee, K.-H. and J.-M. Yum, 2019. A Review on Atmospheric Correction Technique Using Satellite Remote Sensing, Korean Journal of Remote Sensing, 35(6-1): 1011-1030 (in Korean with English abstract).
Lee, K.-S., 2019. Atmospheric Correction Issues of Optical Imagery in Land Remote Sensing, Korean Journal of Remote Sensing, 35(6-3): 1299-1312 (in Korean with English abstract).
RadCalNet, 2018. RadCalNet Quick Start Guide, https://www.radcalnet.org/resources/RadCalNetQuickstart Guide_20180702.pdf, Accessed on Aug. 3, 2020.
She, L., L. Mei, Y. Xue, Y. Che, and J. Guang, 2017. SAHARA: A Simplified AtmospHeric Correction AlgoRithm for Chinese gAofen Data: 1. Aerosol Algorithm, Remote Sensing, 9: 253.

상세보기
SI Imaging Services, 2017. KOMPSAT-3A Image Data Manual v1.4, http://www.si-imaging.com/resources/?uid337&moddocument, Accessed on Aug. 10, 2020.
SI Imaging Services, 2019. KOMPSAT-3A Image Data Manual v1.5, http://www.si-imaging.com/resources/?pageid5&uid234&moddocument, Accessed on Aug. 10, 2020.
Xu, J., Z. Chen, H. Zhang, B. Zhang, and T. Liu, 2019. Preliminary validation of GF-1/GF-2 surface reflectance products over land using VNIR atmospheric correction method, Proc. of SPIE Remote Sensing of Clouds and the Atmosphere XXIV, Strasbourg, FRA, Oct. 9, vol. 11152.
Xu, Y., L. Feng, D. Zhao, and J. Lu, 2020. Assessment of Landsat Atmospheric Correction Methods for Water Color Applications using Global AERONET-OC Data, International Journal of Applied Earth Observation and Geoinformation, 93: 102192.

상세보기
Zhu, Z., 2019. Science of Landsat Analysis Ready Data, Remote Sensing, 11(18): 2166.

상세보기

저자의 다른 논문 :

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