[논문]RadCalNet 자료를 이용한 다목적실용위성 3A 영상 자료의 지표 반사도 성과 검증

이기원; 김광섭

doi:10.7780/kjrs.2020.36.2.1.6

RadCalNet 자료를 이용한 다목적실용위성 3A 영상 자료의 지표 반사도 성과 검증
Validation of Surface Reflectance Product of KOMPSAT-3A Image Data Using RadCalNet Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.2 pt.1, 2020년, pp.167 - 178

이기원 (한성대학교 전자정보공학과) , 김광섭 (한성대학교 전자정보공학과)

초록
AI-Helper

2015년 발사된 이후 KOMPSAT-3A 영상정보가 여러 분야에서 활용되고 있다. 그러나 실제 육상 환경의 분석에 필요한 지표 반사도를 얻을 수 있는 도구 개발이 이루어지지 않아서 식생 지수 산정 등과 같이 이러한 자료를 적용하는 과학적 분석과 응용 분야의 확산에는 한계가 있었다. 지표 반사도는 절대 대기 보정 처리 과정을 수행하여 얻어지는 성과물이다. 이 연구에서는 OTB 오픈 소스 확장 프로그램으로부터 KOMPSAT-3A 영상정보의 대기 반사도와 지표 반사도를 구하고, 국제 검보정 포털 RadCalNet에서 제공하는 대기 반사도와 지표 반사도 현장 측정 자료를 이용하여 정확도를 비교 검증하고자 한다. 또한 같은 지역의 Landsat-8 OLI 영상으로부터 지표 반사도를 구하고 비교 검증 실험에 같이 적용하였다. 검증 실험 결과로 KOMPSAT-3A 영상의 대기 반사도는 같은 분광대역에 해당하는 RadCalNet 자료의 평균값과 비교했을 때 0.00에서 1.00까지의 범위에서 최대 ± 0.02 차이가 보이는 것을 확인할 수 있었다. KOMPSAT-3A 영상의 지표 반사도 산출 결과는 RadCalNet 자료와 0.02에서 0.04까지의 차이 값을 갖는 높은 일치도를 보이는 것으로 나타났다. 이 결과들은 KOMPSAT-3A 영상의 분석대기자료(Analysis Ready Data)로서의 활용 가능성을 증가시키는 기본 자료로 사용할 수 있다. 또한 이 연구에서 개발된 도구와 연구 방법은 향후 국토, 농업, 산림 활용을 위한 차세대 중형 위성 영상자료의 각 센서 모델에 맞는 확장 프로그램 개발과 검증에도 적용이 가능할 것으로 생각한다.

Abstract ▼ AI-Helper

KOMPSAT-3A images have been used in various kinds of applications, since its launch in 2015. However, there were limits to scientific analysis and application extensions of these data, such as vegetation index estimation, because no tool was developed to obtain the surface reflectance required for analysis of the actual land environment. The surface reflectance is a product of performing an absolute atmospheric correction or calibration. The objective of this study is to quantitatively verify the accuracy of top-of-atmosphere reflectance and surface reflectance of KOMPSAT-3A images produced from the OTB open-source extension program, performing the cross-validation with those provided by a site measurement data of RadCalNet, an international Calibration/Validation (Cal/Val) portal. Besides, surface reflectance was obtained from Landsat-8 OLI images in the same site and applied together to the cross-validation process. According to the experiment, it is proven that the top-of-atmosphere reflectance of KOMPSAT-3A images differs by up to ± 0.02 in the range of 0.00 to 1.00 compared to the mean value of the RadCalNet data corresponding to the same spectral band. Surface reflectance in KOMPSAT-3A images also showed a high degree of consistency with RadCalNet data representing the difference of 0.02 to 0.04. These results are expected to be applicable to generate the value-added products of KOMPSAT-3A images as analysisready data (ARD). The tools applied in thisstudy and the research scheme can be extended as the new implementation of each sensor model to new types of multispectral images of compact advanced satellites (CAS) for land, agriculture, and forestry and the verification method, respectively.

주제어

표/그림 (7)

표 Table 1. High resolution multi-spectral images (spatial resolution < 3 m)
그림 Fig. 1. Work flow in this study.
그림 Fig. 2. In situ TOC measured and and TOA data sets computed during every 30 minute from 17:00 UTC at the RadCalNet RVUS site: (a) TOC reflectance, (b) uncertainty of TOC reflectance, (c) TOA reflectance, and (d) uncertainty of TOA reflectance.
그림 Fig. 3. Test area of validation for TOC reflectance of KOMPSAT-3A.
표 Table 2. Parameters producing TOC reflectance: (a) OTB-based SW of Hansung Univ., (b) QGIS, and (c) ENVI FLAASH
그림 Fig. 4. Validation result for TOA reflectance with RadCalNet RVUS data: (a) Reflectance scale in [0.0, 1.0] and (b) Reflectance scale in [0.0, 0.5].
그림 Fig. 5. Validation result for TOC reflectance with RadCalNet RVUS data, QGIS product (Landsat-8), ENVI FLAASH (Landsat-8), USGS surface reflectance ARD of Landsat-8: scale in (A) [0.0, 1.0], and (B) [0.0, 0.5].

AI 본문요약
AI-Helper

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

문제 정의

KOMPSAT-3A 영상으로 대기/지표 반사도 성과를 얻기 위하여 Lee and Kim(2019) 에서 구현한 오픈 소스 OTB 기반 도구를 적용하였으며 현장 자료는 RadCalNet 자료를 기준값으로 이용하였다. 따라서 이 연구의 또 다른 목적은 개발한 도구의 정확도 검증이라는 측면도 포함한다. 또한 처리 결과와 도구의 검증을 위한 비교 연구를 위하여 Landsat-8 OLI 영상도 동시에 실험에 이용하였다.
이 연구에서 적용한 도구인 OTB extension for KOMPSAT-3A는 KOMPSAT-3A 센서 모델을 탑재하고 영상의 메타 데이터를 자동으로 읽을 수 있는 기능을 OTB 내부 소스에 추가한 것이다. 이 연구를 통하여 이 도구를 통하여 얻은 반사도 성과물의 정확도를 다른 결과와 비교 검증하고자 하였다. 한편 비교 대상이 되는 Landsat-8의 경우는 오픈 소스인 QGIS와 상용 소프트 웨어인 ENVI와 같은 두 가지 도구를 이용하여 반사도를 생성하였다.
이 연구에서 이러한 동향을 반영하여 KOMPSAT-3A 영상으로부터 생성한 대기 반사도와 지표 반사도를 현장 측정 자료와 직접 비교하는 실험을 수행하고 그 결과를 분석하고자 하였다.
이 연구에서는 OTB 오픈 소스 확장 프로그램으로부터 KOMPSAT3A 영상정보의 대기 반사도와 지표 반사도를 구하고, RadCalNet RVUS 사이트에서 제공하는 대기 반사도와 지표 반사도 현장 측정 자료를 이용하여 정확도를 비교 검증한 결과를 제시하였다.
이 연구에서는 이러한 고해상도 영상정보의 대기 반사도와 지표 반사도 성과물에 대한 결과 검증을 목적으로 하므로 가시 파장 범위(visible wavelength range)를 기록하는 전 정색 영상은 검증 자료로 사용하지 않았다.

제안 방법

Landsat-8 OLI 영상은 오픈 소스 QGIS에서 제공하고 있는 지표 반사도 생성 모듈을 사용하였으며, 상용 소프트웨어인 ENVI에 포함된 FLAASH 모듈을 적용한 결과를 비교하였다.
비교 검증실험에 AERONET 자료와 RadCalNet 자료를 이용할 수 있는 KOMPSAT-3A 영상의 날짜 및 시간은 2018년 5월 4일 20시 40분 12초이며, 처리영상은 각 밴드 영상을 별도로 처리해야 하므로 Level 1G 기하보정 번들 영상을 사용하였다.
여러 가지 유형의 결과물을 비교하고자 이에 추가하여 상용 소프트웨어지 ENVI의 내부에 탑재된 FLAASH 모듈을 이용하여 지표 반사도를 생성하였다.
이 경우에는 KOMPSAT-3A에 대한 비교 검증과 동시에 Landsat-8 OLI 영상에 대한 처리 값도 같이 비교하였다.
이 연구에서 대기 반사도는 Top-of-Atmosphere(TOA) Reflectance로나타내고,지표반사도는SurfaceReflectance, Bottom-of-Atmosphere(BOA) Reflectance, Top-of-Canopy (TOC) Reflectance와 같은 여러 표기 방식 중에서 주로 TOC Reflectance로 기술하였다.
이 연구에서 적용한 도구인 OTB extension for KOMPSAT-3A는 KOMPSAT-3A 센서 모델을 탑재하고 영상의 메타 데이터를 자동으로 읽을 수 있는 기능을 OTB 내부 소스에 추가한 것이다.
이 연구에서는 이 두 파일을 모두 사용하여 비교 검증을 수행하였다.

대상 데이터

RadCalNet 데이터의 측정 시간은 KOMPSAT-3A 영상 촬영 시간인 20h 40m에 가장 근사한 20h 30m에 측정한 자료를 대상으로 하였다.
RadCalNet의 4개의 사이트 중에서 KOMPSAT3A 촬영 지역 및 시간이 적합한 자료를 조사한 결과 GONA 사이트를 제외한 세 사이트에 처리 가능한 영상 정보가 있었으나 이번 연구에서는 RVUS 사이트를 대상으로 하였다.
NASA와 PHOTONS(PHOtometrie pour le Traitement Operationnel de Normalization Satellitaire)가 설립한 지상 기반 원격 감지 에어로졸 네트워크 연합에서 제공하는 AERONET 데이터는 지상 측정소에서 여러 가지 대기 관련 물리값을 측정한 자료이다.
결과 검증작업은 RadCalNet에서 제공하는 두 가지 반사도 자료를 모두 적용하여KOMPSAT-3A와RadCalNet의TOAReflectance 를 비교하였고, TOC Reflectance 경우는 KOMPSAT-3A, Landsat-8 OLI, RadCalNet 자료를 모두 고려하였으며 USGS에서 제공하는 Landsat ARD에 포함된 해당 지역의 지표 반사도 자료도 비교 대상에 포함하였다.
네 곳의 기준 측정 지점은 미국 네바다 Railroad Playa 지역의 University of Arizona 사이트(RVUS), 프랑스 La Crau 지역의 CNES 사이트(LCFR), 중국 Baotou 지역의 AoE 사이트(BTCN), 아프리카 Namibia Gobabeb 지역의 ESA/CNES 사이트(GONA)이다.
대상 영상은 RVUS 지점을 포함하면서 자료 일자와 기상 조건이 양호한 2018년 영상으로 하였고 이 영상에 대하여 OTB extension for KOMPSAT-3A 를 이용하여 TOA Reflectance와 TOC Reflectance 성과물을 제작하였다.
또한 같은 조건에 해당하는 Landsat-8OLI 영상에 대하여 오픈 소스 QGIS와 상업 도구인 ENVI를 이용하여 TOA Reflectance와 TOC Reflectance 성과물을 생성하였다.
또한 비교 값으로 USGS에서 자체 대기보정 프로그램인 Land Surface Reflectance Code(LaSRC)를 적용하여 구축한 미국 전역의 Landsat8에 기반한 지표반사도 영상(U.S. Geological Survey, 2019)도 비교 대상으로 하였다.
또한 처리 결과와 도구의 검증을 위한 비교 연구를 위하여 Landsat-8 OLI 영상도 동시에 실험에 이용하였다.
오픈 소스 QGIS에서 사용한 모듈은 Semi-Automatic Classification Plug-in이고, ENVI에 서는 FLASSH 모듈을 사용하였다.
우선 네 곳의 RadCalNet 사이트 중에서 가장 많은 자료를 제공하여 비교대상이 되는 KOMPSAT-3A 영상의 선정이 유리한 RVUS 자료를 대상으로 하였다.
이 연구에서 적용한 OTB extension for KOMPSAT3A는 KOMPSAT-3A에 대한 지표 반사도 생성을 위하여 AERONET(AErosol RoBotic NETwork) 데이터를 사용한다.
측정소는 전 세계에 걸쳐 있는데, 이번 연구 지역인 RadCalNet RVUS 사이트 인근에 총 네 곳의 측정소가 있었고 이 중에서 가장 직선거리가 짧은 곳에 위치한 자료를 사용하였다.
한편 Gain/Biases와 Solar Illuminations 값은 영상 제공 사이트에 공개된 매 뉴얼 1.5(SI Imaging Services, 2019)에 제시된 자료를 적용하였다.

이론/모형

KOMPSAT 위성의 경우 2019년 말 기준으로 이 위성의 센서 모델을 적용하여 절대 대기보정을 처리할 수 있는 기능을 제공하는 상업 도구는 없고 Lee and Kim(2019)이 CNES의 OTB에 KOMPSAT 센서 모델 정보를 적용하여 절대 대기보정 처리기능을 Add-on 모듈로 개발한 사례가 유일하며, 이 연구에서도 이 모듈을 소프트웨어 도구로 하여 직접 실험에 적용하였다.
KOMPSAT-3A 영상으로 대기/지표 반사도 성과를 얻기 위하여 Lee and Kim(2019) 에서 구현한 오픈 소스 OTB 기반 도구를 적용하였으며 현장 자료는 RadCalNet 자료를 기준값으로 이용하였다.

성능/효과

RadCalNet의 평균값으로 Landsat-8 OLI 영상자료를 비교한 결과 QGIS로 처리한 값의 경우 최소 0.06, 최대 0.14, ENVI로 처리한 값은 최소 0.02, 최대 0.11 차이가 나는 것을 확인할 수 있다.
검증을 목적으로 수행된 실험 결 과로 KOMPSAT-3A 영상으로부터 얻은 대기 반사도는 국제 검보정 사이트인 RadCalNet에서 제공하는 대기 반 사도 자료와 ± 0.02까지 차이 값을 갖는 일치도를 보이 는 것으로 나타났다.
또한 이 결과는 Landsat-8 OLI 영상을 가지고 도구를 이용하여 절대 대기 보정을 거친 지표 반사도를 이용하고자 하는 경우 QGIS의 결과가 정확도가 낮고 상업 도구를 적용하는 경우도 정확도가 낮을 수 있다는 것을 나타낸 것이다.
또한, 이 연구에서는 KOMPSAT3A 영상자료로부터 산출한 지표 반사도의 경우도 현장 측정 자료인 RadCalNet 자료와 최대 0.04 차이 값으로 Landsat-8 OLI 영상자료로부터 얻은 몇 가지 유형의 결과인 0.08, 0.09 차이 값과 비교하여 RadCalNet 자료의 지표 반사도 측정값과 더 높은 일치도를 보이는 것으로 나타났다.
마지막으로 NIR 파장대역은 0.39 (KOMPSAT 3A), 0.43(0.4287, RadCalNet)으로 0.04 정도로 가장 차이가 크게 나는 것을 확인하였다.
이렇게 KOMPSAT 3A의 경우 RadCalNet 값과의 차이가 최소 0.02에서 0.04까지 차이가 나는 것을 알 수 있지만 RadCalNet 값은 평균값이므로 실제는 KOMPAT-3A 영상에 얻는 반사도 값은 최대 5% 범위에서 높은 정확도를 보이는 것으로 나타났다.
전체적으로 모든 경우에 파장대역이 증가하면서 반사도 또한 증가하는 경향을 보인다.

후속연구

그러나 이 실험 결과는 KOMPSAT-3A 지표 반사도를 산출한 뒤 이를 검증한 최초의 연구 성과이고, 가능한 실험 환경을 일치시키기는 하였으나 한 시점에 대한 것이므로 통계적으로 유의미한 결과로 일반화하기 위해서는 RadCalNet의 4개 사이트에서 여러 시기의 KOMPSAT-3A 영상자료를 이용한 실험과 비교 상호 검증 연구를 계속 수행할 필요가 있다.
또한 이 연구에서 개발된 도구는 향후 국토, 농업, 산림 활용을 위한 차세대 중형 위성 영상자료 (CAS-500-1, 2, CAS-500-4)에도 각 센서 모델에 맞는 확장 프로그램 형식으로 개발이 가능할 것으로 생각한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	RadCalNet의 각 측정 지점에서는 어떤 변수들의 측정값을 제공하는가?	지표 반사도는 연직 방향을 기준으로 하여 400 nm에서 1,000 nm(측정점에 따라 2,500 nm) 까지 분광 자료를 10 nm 간격의 분광 분해능으로 측정한 것이다. 또한, 각 측정 지점에서는 에어로졸 광학 두께, 지표 압력, 지표 온도, 수증기량, 오존 등의 측정값을 제공한다. RadCalNet에서 제공하는 대기 반사도는 이러한 측정값과 RadCalNet의 복사전달 알고리즘을 이용하여 현장 측정 지표 반사도를 입력 자료로 처리한 산출물이다.
	RadCalNet이란 무엇인가?	radcalnet.org)은 광학 지구 관측 위성의 복사 보정과 모니터링을 지원하기 위한 목적으로 전 세계에서 4곳의 기준 측정 지점을 선정하여 현장에서 설치한 계기를 통하여 기준이 될 수 있는 분광 반사도 측정값을 제공하는 포털이다(Bouvet et al., 2019).
	KOMPSAT-3A는 어떤 위성인가?	KOMPSAT-3A는 1 m 이하의 전 정색 영상(Panchromatic image)과 다중 분광 영상정보를 제공하는 고해상도 광학 상업 위성이다. 이 연구에서는 이러한 고해상도 영상정보의 대기 반사도와 지표 반사도 성과물에 대한 결과 검증을 목적으로 하므로 가시 파장 범위(visible wavelength range)를 기록하는 전 정색 영상은 검증 자료로 사용하지 않았다.

참고문헌 (26)

Alonso, K., M. Bachmann, K. Burch, E. Carmona, D. Cerra, R. de los Reyes, D. Dietrich, U. Heiden, A. Holderlin, J. Ickes, U. Knodt, D. Krutz, H. Lester, R. Muller, M. Pagnutti, P. Reinartz, R. Richter, R. Ryan, I. Sebastian, and M. Tegler, 2019. Data Products, Quality and Validation of the DLR Earth Sensing Imaging Spectrometer (DESIS), Sensors, 19(20): 4471.

상세보기
Badawi, M., D. Helder, L. Leigh, and X. Jing, 2019. Methods for Earth-Observing Satellite Surface Reflectance Validation, Remote Sensing, 11(13):1543.

상세보기
Bouvet, M., K. Thome, B. Berthelot, A. Bialek, J. Czapla-Myers, N. 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
Bruegge, C. J., C. Coburn, A. Elmes, M. C. Helmlinger, F. Kataoka, M. Kuester, A. Kuze, T. Ochoa, C. Schaaf, K. Shiomi, and F. M. Schwandner, 2019. Bi-Directional Reflectance Factor Determination of the Railroad Valley Playa, Remote Sensing, 11(22): 2601.

상세보기
CEOS, 2018. Analysis Ready Data For Land: Optical Surface Reflectance (CARD4L-OSR), https://ceos.org/ard, Accessed on May 26, 2019.
Maxar, 2017. DigitalGlobe Atmospheric Compensation, http://digitalglobe-marketing.s3.amazonaws.com/files/documents/DataSheet_AComp_DS.pdf, Accessed on Jan. 26, 2020.
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.
Gorrono, J., S. Hunt, T. Scanlon, A. Banks, N. Fox, E. Woolliams, C. Underwood, F. Gascon, M. Peters, N. Fomferra, Y. Govaerts, N. Lamquin, and V. Bruniquel, 2018. Providing uncertainty estimates of the Sentinel-2 top-of-atmosphere measurements for radiometric validation activities, European Journal of Remote Sensing, 51(1): 650-666.

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.
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
Kim, J., C. Jin, C. Choi, and H. Ahn, 2015. Radiometric characterization and validation for the KOMPSAT-3 sensor, Remote Sensing Letters, 6(7): 529-538.

상세보기
Lee, K.-W., K.-S. Kim, S.-G. Lee, and Y.-S. Kim, 2019. Consideration Points for application of KOMPSAT Data to Open Data Cube, Journal of the Korean Association of Geographic Information Studies, 22(1): 62-77 (in Korean with English abstract).

원문보기 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).
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).
Manakos, I., K. Manevski, C. Kalaitzidis, and D. Edler, 2011. Comparison between Atmospheric Correction Modules on the Basis of Worldview-2 Imagery and In Situ Spectroradiometric Measurements, Proc. of the 7th EARSeL SIG Imaging Spectroscopy Workshop, Edinburgh, Apr. 11-13.
OTB, 2020. The OTB CookBook (Optical Calibration), https://www.orfeo-toolbox.org/CookBook/Applications/app_OpticalCalibration, Accessed on Mar. 10, 2020.
Pathak, V. N., 2019. Development of A Scheme For Atmospheric Correction of CARTOSAT-2E Data, Proc. of 4th ISSE National Conference-2019, Systems for Transforming India: Challenges and Opportunities, Space Application Center, Ahmedabad, India, Sep. 26-27.
RadCalNet Data Format Specification, QA4EO-WGCVRadCalNet-R2, https://www.radcalnet.org/resources/RadCalNetQuickstartGuide_20180702.pdf, Accessed on Mar.10, 2020.
Shin, D. Y., H. Y. Ahn, S. G. Lee, C. U. Choi, and J. S. Kim, 2016. Radiometric Cross-calibration of KOMPSAT-3A with Landsat-8, Proc. of The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXIII ISPRS Congress, Prague, Czech Republic, Jul. 12-19, vol. XLI-B1.
Sterckx, S. and E. Wolters, 2019. Radiometric Top-of-Atmosphere Reflectance Consistency Assessment for Landsat 8/OLI, Sentinel-2/MSI, PROBA-V, and DEIMOS-1 over Libya-4 and RadCalNet Calibration Sites, Remote Sensing, 11(19): 2253.

상세보기
SI Imaging Services, 2019. KOMPSAT-3A Image Data Manual v1.5, http://www.si-imaging.com/resources/?uid337&moddocument, Accessed on Mar. 10, 2020.
U.S. Geological Survey, 2018. U.S. Landsat Analysis Ready Data: U.S. Geological Survey Fact Sheet 2018-3053, https://pubs.er.usgs.gov/publication/fs20183053, Accessed on Jun. 2, 2019.
U.S. Geological Survey, 2019. Landsat 8 Surface Reflectance Code (LASRC) Product Guide LSDS-1368 Version 2.0, https://www.usgs.gov/media/files/land-surface-reflectance-code-lasrcproduct-guide, Accessed on Mar. 10, 2020.
Vanhellemont, Q. and K. Ruddick, 2018. Atmospheric correction of metre-scale optical satellite data for inland and coastal water applications, Remote Sensing of Environment, 216: 586-597.

상세보기
Yeom, J.-M., J. Ko, J. Hwang, C.-S. Lee, C.-U. Choi, and S. Jeong, 2018. Updating Absolute Radiometric Characteristics for KOMPSAT-3 and KOMPSAT-3A Multispectral Imaging Sensors Using Well-Characterized Pseudo-Invariant Tarps and Microtops II, Remote Sensing, 10(5): 697.

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