[논문]Sentienl-1 SAR 토양수분 산정 연구: 농지와 초지지역을 중심으로

조성근; 정재환; 이슬찬; 최민하

doi:10.3741/jkwra.2020.53.11.973

Sentienl-1 SAR 토양수분 산정 연구: 농지와 초지지역을 중심으로
Estimation of soil moisture based on sentinel-1 SAR data: focusing on cropland and grassland area 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.53 no.11, 2020년, pp.973 - 983

조성근 (성균관대학교 수자원학과) , 정재환 (성균관대학교 수자원학과) , 이슬찬 (성균관대학교 수자원학과) , 최민하 (성균관대학교 수자원학과)

초록
AI-Helper

최근 인공위성 자료를 기반으로 한 수자원 관측 분야에서는 공간해상도의 한계를 극복하기 위한 방안으로 SAR (Synthetic Aperture Radar) 센서에 대한 관심이 높아지고 있다. 토양수분을 관측하는 기존 위성 자료가 10 km 이상의 공간해상도를 지닌 반면, SAR 센서는 후방산란계수를 10 m 까지 관측할 수 있으므로 공간적인 분포를 보다 세밀하게 분석할 수 있다. 이러한 자료를 활용하기 위해서는 관측된 후방산란계수에 다양한 수문인자 및 환경적 요인이 미치는 영향을 다각적으로 분석하여 토양수분을 산출하는 과정이 필요하다. 본 연구는 토양수분 산정에 주로 적용되고 있는 WCM(Water Cloud Model)과 선형회귀 기법을 국내 5개 지점에 적용함으로써, SAR 영상을 기반으로 토양수분을 산정하고 이를 지점 관측 자료와 비교하여 평가하고자 하였다. WCM의 경우 토양수분의 즉각적인 변화를 관측하기에 용이하나 오차에 대한 보정이 필요한 것으로 판단되며, 선형회귀 방법은 순간적인 토양수분의 변동이 크게 나타나지 않았으나 안정적인 오차 범위를 나타내었다. 또한 토양수분이 후방산란계수에 미치는 영향은 토지피복, 식생의 분포, 식생 내 수분량의 정도에 따라 모델별로 크게 상이한 결과를 나타냄을 알 수 있으며, 기존의 모델을 동일하게 적용하기에는 한계점이 많음을 알 수 있다. 따라서 복잡한 지형적, 수문학적 특성을 가진 한반도에서 SAR 영상을 수자원 분야에 적용하기 위해서는, 추후 각 지점 별 특성에 따른 영향을 다각적으로 분석하는 과정이 필수적이며 한반도에 적합한 토양수분 모델을 구축하기 위한 연구가 수행되어야 할 것으로 판단된다.

Abstract ▼ AI-Helper

Recently, SAR (Synthetic Aperture Radar) is being highlighted as a solution to the coarse spatial resolution of remote sensing data in water resources research field. Spatial resolution up to 10 m of SAR backscattering coefficient has facilitated more elaborate analyses of the spatial distribution of soil moisture, compared to existing satellite-based coarse resolution (>10 km) soil moisture data. It is essential, however, to multilaterally analyze how various hydrological and environmental factors affect the backscattering coefficient, to utilize the data. In this study, soil moisture estimated by WCM (Water Cloud Model) and linear regression is compared with in-situ soil moisture data at 5 soil moisture observatories in the Korean peninsula. WCM shows suitable estimates for observing instant changes in soil moisture. However, it needs to be adjusted in terms of errors. Soil moisture estimated from linear regression shows a stable error range, but it cannot capture instant changes. The result also shows that the effect of soil moisture on backscattering coefficients differs greatly by land cover, distribution of vegetation, and water content of vegetation, hence that there're still limitations to apply preexisting models directly. Therefore, it is crucial to analyze variable effects from different environments and establish suitable soil moisture model, to apply SAR to water resources fields in Korea.

주제어

표/그림 (8)

그림 Fig. 1. Location of the study sites with Sentinel-1 VV polarized image
그림 Fig. 2. Flow Chart of Sentinel-1 pre-processing
표 Table 1. Information of soil moisture measurement sites
그림 Fig. 3. Distribution of the RVI values on each site
그림 Fig. 4. Relation between soil moisture and backscattering coefficient for total and RVI under 0.8 periods
그림 Fig. 5. Scatter plot of estimated soil moisture for total and RVI under 0.8 periods
표 Table 2. Statistical results for each site and method
그림 Fig. 6. Time series graph of estimated soil moisture using linear regression method

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 향후 발사될 예정인 수자원 위성의 활용에 대비하여, 기존의 SAR 위성 영상을 활용하여 한반도 지역에서의 토양수분 산정에 대한 연구를 수행하고, 이에 따른 문제점 및 대비책에 대해 분석하고자 하였다. Sentinel-1 SAR 관측 자료를 활용하였으며, 지점 자료로는 기상자료개방포털(기상청) 및 농업기상정보서비스(농촌진흥청)의 5개 지점 관측 토양수분 데이터를 사용하였다.
Sentinel-1 SAR 관측 자료를 활용하였으며, 지점 자료로는 기상자료개방포털(기상청) 및 농업기상정보서비스(농촌진흥청)의 5개 지점 관측 토양수분 데이터를 사용하였다. 토양수분의 산정은 WCM과 선형 회귀식을 적용하여 각 지점별 결과를 비교하였으며, 한반도에서의 SAR 영상 기반 토양수분 산정의 적용 가능성을 확인하고, 보다 신뢰도 있는 자료를 생산하기 위한 방안을 모색하고자 한다.

제안 방법

SAR 영상을 기반으로 하여 한반도 토양수분 산정 가능성을 평가하기 위해, 후방산란계수에 대한 주변 환경에 의한 영향이 적은 지점을 선정하고자 농지와 초지로 구성된 지점을 활용하였다. 연구지역으로 선정된 5개 지점은 기상청에서 운영하는 지점 토양수분 관측소인 수원 지점과 농촌진흥청에서 운영 중인 고양시 구산동, 남양주 진건읍, 여주시 상거동, 원주시 흥업면이다(Table 1, Fig.
본 연구에서는 Sentinel-1 SAR 다중 편파 영상을 활용하여 WCM 및 선형회귀 방법을 통해 농지 및 초지를 포함한 5개 지점에서 고해상도의 토양수분을 산정하고 활용성을 평가하였으며, 결론은 다음과 같다.
edu/)를 통해 제공되고 있으며, 본 연구에서는 Level-1(Interferometric Wide Swath, Ground Range Detected)자료를 활용하였다. 해당 자료로부터 토양수분 산정에 사용되는 VV 편파 후방산란계수와 RVI (Radar Vegetation Index) 산정을 위한 VH 편파 후방산란계수를 구하기 위해 전처리를 Fig. 2와 같이 수행하였다.

대상 데이터

본 연구는 향후 발사될 예정인 수자원 위성의 활용에 대비하여, 기존의 SAR 위성 영상을 활용하여 한반도 지역에서의 토양수분 산정에 대한 연구를 수행하고, 이에 따른 문제점 및 대비책에 대해 분석하고자 하였다. Sentinel-1 SAR 관측 자료를 활용하였으며, 지점 자료로는 기상자료개방포털(기상청) 및 농업기상정보서비스(농촌진흥청)의 5개 지점 관측 토양수분 데이터를 사용하였다. 토양수분의 산정은 WCM과 선형 회귀식을 적용하여 각 지점별 결과를 비교하였으며, 한반도에서의 SAR 영상 기반 토양수분 산정의 적용 가능성을 확인하고, 보다 신뢰도 있는 자료를 생산하기 위한 방안을 모색하고자 한다.
Sentinel-1 데이터는 유럽의 ESA (https://scihub.copernicus. eu/)와 미국의 Alaska Satellite Facility (https://search.asf. alaska.edu/)를 통해 제공되고 있으며, 본 연구에서는 Level-1(Interferometric Wide Swath, Ground Range Detected)자료를 활용하였다. 해당 자료로부터 토양수분 산정에 사용되는 VV 편파 후방산란계수와 RVI (Radar Vegetation Index) 산정을 위한 VH 편파 후방산란계수를 구하기 위해 전처리를 Fig.
본 저작물은 기상청에서 '2018년부터 2020년까지 작성하여 공공누리 제 1유형으로 개방한 지상관측 토양수분 데이터를 이용하였으며, 해당 저작물은 기상청, 기상자료개방포털(https://data.kma.go.kr/cmmn/main.do)에서 무료로 다운받으실 수 있습니다.
SAR 영상을 기반으로 하여 한반도 토양수분 산정 가능성을 평가하기 위해, 후방산란계수에 대한 주변 환경에 의한 영향이 적은 지점을 선정하고자 농지와 초지로 구성된 지점을 활용하였다. 연구지역으로 선정된 5개 지점은 기상청에서 운영하는 지점 토양수분 관측소인 수원 지점과 농촌진흥청에서 운영 중인 고양시 구산동, 남양주 진건읍, 여주시 상거동, 원주시 흥업면이다(Table 1, Fig. 1).
8 미만인 기간과 전체 기간으로 나누어 나타내었다. 전체 연구 기간은 2018년 7월부터 2020년 6월 까지 이며, 총 58개의 Sentinel-1B (Ascending)영상이 지점 데이터 추출을 위해 활용되었다. 추출된 후방산란계수 값이 지나치게 높거나 낮은 경우는 Bauer-Marschallinger et al.

데이터처리

5와 Table 2는 선형회귀 및 WCM을 적용하여 토양수분을 산정한 결과를 보여주고 있다. 선형회귀의 경우, 전체 자료와 RVI가 0.8 미만인 자료로 각각 회귀분석을 수행하여 토양수분을 산정하였다. 회귀분석 결과에서 토양수분은 식생 Fig.

이론/모형

따라서 본 연구에서는 Eq. (1)를 통해 Sentinel-1자료로부터 식생 내 수분량을 반영하는 지수인 RVI (Radar Vegetration Index) 값을 사용하였다(Chang et al., 2018; Mandal et al., 2020).
, 1990) LIA의 후방산란계수에 대한 영향을 줄이고자 Mladenova et al.(2012)에서 제시한 Cosine Method를 사용하여 정규화 하였다.
본 연구에서는 식생에 의한 영향을 최소화하기 위해 VV 편파 후방산란계수를 사용하였다(Joseph et al., 2008), LIA (Local Incidence Angle)는 영상별로 25°부터 60°까지 다양하게 나타나는데, Incidence Angle 이 60° 이하일 때 후방산란계수와 Incidence Angle은 반비례하므로(Bouman et al., 1990) LIA의 후방산란계수에 대한 영향을 줄이고자 Mladenova et al.(2012)에서 제시한 Cosine Method를 사용하여 정규화 하였다.
, 1995)이 제시되었다. 이러한 모델을 기반으로 후방산란계수와 토양수분의 상관성을 이용하는 Change Detection 방법(Bauer-Marschallinger et al., 2018)과 식생과 지표면에서 SAR 신호의 거동을 분석하는 WCM (Water Cloud Model; Liu and Shi, 2016)방법이 농지와 초지에서 토양수분을 산출하는데 이용되었다. 이와 더불어 통계기법 및 기계학습을 활용한 방법 또한 선형회귀 방법, SVM (Support Vector Machine), ANN (Artifficial Neural Network), Bayesian Inversion Approach 등을 이용한 토양수분 산출이 시도되었다(Notarnicola et al.
전체 연구 기간은 2018년 7월부터 2020년 6월 까지 이며, 총 58개의 Sentinel-1B (Ascending)영상이 지점 데이터 추출을 위해 활용되었다. 추출된 후방산란계수 값이 지나치게 높거나 낮은 경우는 Bauer-Marschallinger et al. (2018)에서 제시한 기준(-22 < # <-5)에 따라 제거한 후 관계성을 분석하였다.

성능/효과

1) SAR 영상에서 얻을 수 있는 후방산란계수는 토양수분과 밀접한 상관성을 보이고 있으나, 계절에 따른 식생의 변화가 많은 한반도 지역에서는 식생 수분량에 대한 고려가 충분히 이루어져야 한다.
3) WCM은 식생과 토양에 의한 영향을 독립적으로 고려할 수 있으므로, 순간적인 토양수분의 변동을 적절히 모의할 수 있는 특징이 있다. 반면 선형회귀를 활용한 토양수분은 보다 안정적으로 오차가 적은 토양수분을 산정할 수 있다.
4) 지점 토양수분 자료의 품질관리에 따라 SAR 기반 토양수분 산정 결과가 크게 달라질 수 있으므로, 범용적인 SAR 토양수분 산정 모델을 구축하기 위해서는 지점 토양수분 네트워크의 구축이 필수적이다.
WCM을 통해 산정한 토양수분은 전체기간에 대해 산정되었을 때, 선형회귀 방법을 통한 토양수분보다 낮은 상관관계를 보였다. 하지만, RVI가 0.
두 가지 방법으로 산정된 SAR 기반 토양수분 결과는 지점 자료와 크게 벗어나지 않는 경향을 보이며 토양수분을 모의하는 것으로 나타난다. WCM의 경우, 식생 수분량에 대한 영향과 토양에 대한 영향을 따로 고려하므로 토양수분의 변동성을 보다 잘 모의하는 것으로 나타났다. 반면 선형회귀 방식은 WCM에 비해 안정적인 패턴을 보이고 있으나, 전체적인 값의 회귀 분석을 통해 산정되므로, 강우 등에 의한 순간적인 토양수분 증가를 모의하기에는 어려움이 있다.
8 이상인 경우 식생이 후방산란계수에 미치는 영향이 증가하고, 이로 인해 토양수분의 변동에 따른 후방산란계수의 신호가 오염될 수 있다는 것을 알 수 있다. 각 지점에서 RVI가 0.8 이상으로 높은 값들이 제거되는 경우, RVI가 0.8보다 큰 자료의 수가 많을수록 토양수분과 후방산란계수가 더 높은 상관성을 나타내었다. 3, 4번 지점의 경우 Fig.
, 2000) 토양수분 산정 및 분석이 수행해야 할 것으로 사료된다. 그리고 4번 지점의 경우, 비정상적인 지점 토양수분 값이 발생함에 따라, SAR 기반 토양수분 자료가 강우에 대한 반응을 적절히 나타내지 못하고 있음을 확인할 수 있다. 따라서 신뢰성 있는 SAR 기반의 토양수분 자료를 생산하기 위해서는 지점 토양수분 자료의 관리가 필수적이다.
두 가지 방법으로 산정된 SAR 기반 토양수분 결과는 지점 자료와 크게 벗어나지 않는 경향을 보이며 토양수분을 모의하는 것으로 나타난다. WCM의 경우, 식생 수분량에 대한 영향과 토양에 대한 영향을 따로 고려하므로 토양수분의 변동성을 보다 잘 모의하는 것으로 나타났다.
8 이상까지 분포한다. 본 연구에서 사용된 지점들은 모두 RVI 값이 0.2에서 0.9까지 다양하게 나타나며(Fig. 3), Fig. 4를 통해 짙은 식생이 후방산란계수와 토양수분 간의 관계성을 교란시키고 있는 것으로 판단 할 수 있다.
8 미만인 자료에서 토양수분과 후방산란계수는 더 높은 상관성을 나타내고 있다. 즉, RVI가 0.8 이상인 경우 식생이 후방산란계수에 미치는 영향이 증가하고, 이로 인해 토양수분의 변동에 따른 후방산란계수의 신호가 오염될 수 있다는 것을 알 수 있다. 각 지점에서 RVI가 0.
WCM은 식생에 대한 영향과 토양수분에 의한 영향을 구분하기 위한 모델이므로, 계절이나 기후적 변화가 큰 지점에서는 WCM을 활용하는 것이 유리하다고 할 수 있다. 특히 지점 3에서 WCM을 이용한 결과의 경우 RVI 값이 지나치게 높은 시기를 제외하였을 때, R값이 크게 개선된 결과를 확인할 수 있다. 이것은 WCM이 초지와 같은 지점에서 RVI가 0.

후속연구

반면 Active Microwave 센서는 6일 이상의 낮은 시간해상도를 가지지만 100 m 이하의 고해상도 영상을 제공할 수 있다는 장점이 있으며 날씨에 대한 영향을 크게 받지 않고 토양수분을 관측할 수 있다. 따라서 복잡한 지형적 특성이 나타나는 한반도에서 보다 효율적인 토양수분 자료를 생산할 수 있을 것으로 기대되며, 충분한 연구를 통해 토양수분 자료의 신뢰성을 확보한다면 방재, 농업 등 다양한 분야에서 활용될 수 있을 것이다. Active Microwave 센서 중 대표적인 SAR 센서를 활용하는 위성으로는 유럽 ESA (European Space Agency) 의 ERS1&2, Envisat, Sentinel-1, 미국 NASA (National Aeronautics and Space Administration)의 NISAR, 독일 DLR (Deutsches Zentrum für Luft- und Raumfahrt e.
하지만, 한반도에서의 SAR 기반 토양수분 산정을 위해서는 복잡한 지형과 식생의 종류 및 계절적 변화를 모두 고려할 수 있는 지점 분석이 반드시 선행되어야 한다. 또한 지역 특성에 알맞은 전처리 과정을 통해 Speckle Noise와 위성의 Path way에 따른 Radar 그림자의 영향을 충분히 검토하여야 한다. 특히 후방산란계수에 큰 영향을 미치는 식생 수분량 및 표면 거칠기에 대한 분석은 원 자료인 후방산란계수의 특성을 파악하여 정확한 토양수분량을 산정하기 위해 필수적이다.
특히 후방산란계수에 큰 영향을 미치는 식생 수분량 및 표면 거칠기에 대한 분석은 원 자료인 후방산란계수의 특성을 파악하여 정확한 토양수분량을 산정하기 위해 필수적이다. 또한, 다양한 조건에서의 분석을 통해 식생의 종(種), 토양 특성 등 충분한 보조 자료를 산정할 수 있도록, 보다 많은 검증 지점을 활용한 분석이 요구된다. 향후 충분한 검증지점을 활용하여 각 지점에 적절한 모델을 통해 SAR 기반 토양수분 자료를 활용할 수 있게 된다면 SAR 영상의 높은 공간해상도는, 기존 토양수분 자료와의 융합 및 단일 자료로써 활용성이 높을 것으로 판단된다.
반면 선형회귀 방식은 WCM에 비해 안정적인 패턴을 보이고 있으나, 전체적인 값의 회귀 분석을 통해 산정되므로, 강우 등에 의한 순간적인 토양수분 증가를 모의하기에는 어려움이 있다. 보다 신뢰성 높은 회귀식을 구하기 위해 향후 Weighted Least Sqaure Method와 Generalized Least Square Method와 같은 방법을 활용하여(Olsson et al., 2000) 토양수분 산정 및 분석이 수행해야 할 것으로 사료된다. 그리고 4번 지점의 경우, 비정상적인 지점 토양수분 값이 발생함에 따라, SAR 기반 토양수분 자료가 강우에 대한 반응을 적절히 나타내지 못하고 있음을 확인할 수 있다.
위의 검증에서 사용된 4개의 농지 및 1개의 초지에서는, SAR 기반으로 최적의 토양수분 자료를 생산하는 방안을 선정하기 위한 일괄적인 결론을 얻을 수 없었다. 이는 식생과 지표면 거칠기 등 매우 복잡한 주변인자가 복합적으로 작용한 결과이며, SAR 기반의 광범위한 토양수분 자료를 생산하기 위해서는 토지 피복, 식생의 종류, 계절적 변동 등 다양한 인자들에 대한 심층적 분석이 선행되어야 함을 시사한다.
또한, 다양한 조건에서의 분석을 통해 식생의 종(種), 토양 특성 등 충분한 보조 자료를 산정할 수 있도록, 보다 많은 검증 지점을 활용한 분석이 요구된다. 향후 충분한 검증지점을 활용하여 각 지점에 적절한 모델을 통해 SAR 기반 토양수분 자료를 활용할 수 있게 된다면 SAR 영상의 높은 공간해상도는, 기존 토양수분 자료와의 융합 및 단일 자료로써 활용성이 높을 것으로 판단된다.

참고문헌 (46)

Ahmad, W., and Kim, D. (2019). "Estimation of flow in various sizes of streams using the sentinel-1 Synthetic Aperture Radar (SAR) data in Han River Basin, Korea." International Journal of Applied Earth Observation and Geoinformation, Vol. 83, 101930.

상세보기
Attema, E.P.W., and Ulaby, F.T. (1978). "Vegetation modeled as a water cloud." Radio science, Vol. 13, No. 2, pp. 357-364.

상세보기
Baghdadi, N., El Hajj, M., Zribi, M., and Bousbih, S. (2017). "Calibration of the water cloud model at C-band for winter crop fields and grasslands." Remote Sensing, Vol. 9, No. 9, p. 969.

상세보기
Ban, Y., Zhang, P., Nascetti, A., Bevington, A.R., and Wulder, M.A. (2020). "Near real-time wildfire progression monitoring with sentinel-1 SAR time series and deep learning." Scientific Reports, Vol, 10, No. 1, pp. 1-15.

상세보기
Bauer-Marschallinger, B., Freeman, V., Cao, S., Paulik, C., Schaufler, S., Stachl, T., Modanesi, S., Massari, C., Ciabatta, L., Brocca, L., and Wagner, W. (2018). "Toward global soil moisture monitoring with sentinel-1: Harnessing assets and overcoming obstacles." IEEE Transactions on Geoscience and Remote Sensing, Vol. 57, No. 1, pp. 520-539.
Bouman, B.A., and van Kasteren, H.W. (1990). "Ground-based X-band (3-cm wave) radar backscattering of agricultural crops. I. Sugar beet and potato; backscattering and crop growth." Remote Sensing of Environment, Vol. 34, No. 2, pp. 93-105.

상세보기
Bousbih, S., Zribi, M., Lili-Chabaane, Z., Baghdadi, N., El Hajj, M., Gao, Q., and Mougenot, B. (2017). "Potential of Sentinel-1 radar data for the assessment of soil and cereal cover parameters." Sensors, Vol. 17, No. 11, p. 2617.

상세보기
Chang, J.G., Shoshany, M., and Oh, Y. (2018). "Polarimetric radar vegetation index for biomass estimation in desert fringe ecosystems." IEEE Transactions on Geoscience and Remote Sensing, Vol. 56, No. 12, pp. 7102-7108.

상세보기
Charpentier, M.A., and Groffman, P. M. (1992). "Soil moisture variability within remote sensing pixels." Journal of Geophysical Research: Atmospheres, Vol. 97, No. D17, pp. 18987-18995.

상세보기
Choi, D. Ahn, J.H., Jo, D., and Kim, S. (2010). "Estimating climate change impact on drought occurrence based on the soil moisture." Journal of Korea Water Resources Association, Vol. 43, No. 8, pp. 709-720.

원문보기 상세보기
Chun, J.A., Kim, S.T., Lee, W.S., and Kim, D. (2020). "Assessment of Noah land surface model-based soil moisture using GRACE-observed TWSA and TWSC." Journal of Korea Water Resources Association, Vol. 53, No. 4, pp. 285-291.
Dubois, P.C., Van Zyl, J., and Engman, T. (1995). "Measuring soil moisture with imaging radars." IEEE transactions on geoscience and remote sensing, Vol. 33, No. 4, pp.915-926.

상세보기
Ezzahar, J., Ouaadi, N., Zribi, M., Elfarkh, J., Aouade, G., Khabba, S., Er-Raki, S., Chehbouni, A., and Jarlan, L. (2020). "Evaluation of backscattering models and support vector machine for the retrieval of bare soil moisture from Sentinel-1 data." Remote Sensing, Vol. 12, No. 1, p. 72.

상세보기
Hajnsek, I., Jagdhuber, T., Schon, H., and Papathanassiou, K.P. (2009). "Potential of estimating soil moisture under vegetation cover by means of PolSAR." IEEE Transactions on Geoscience and Remote Sensing, Vol. 47, No. 2, pp. 442-454.

상세보기
Huang, J., Hartemink, A.E., Arriaga, F., and Chaney, N.W. (2019). "Unraveling location-specific and time-dependent interactions between soil water content and environmental factors in cropped sandy soils using Sentinel-1 and moisture probes." Journal of Hydrology, Vol. 575, pp. 780-793.

상세보기
Jackson, T.J. (1993). "III. Measuring surface soil moisture using passive microwave remote sensing." Hydrological processes, Vol. 7, No. 2, pp. 139-152.

상세보기
Joseph, A.T., van der Velde, R., O'Neill, P.E., Lang, R.H., and Gish, T. (2008). "Soil moisture retrieval during a corn growth cycle using L-band (1.6 GHz) radar observations." IEEE Transactions on Geoscience and Remote Sensing, Vol. 46, No. 8, pp. 2365-2374.

상세보기
Kim, B., Kim, S., Kim, H., and Jun, H. (2010a). "An impact assessment of climate and landuse change on water resources in the Han River." Journal of Korea Water Resources Association, Vol. 43, No. 3, pp. 309-323.

원문보기 상세보기
Kim, G., and Park, H. (2010b). "Soil moisture estimation using CART algorithm and ancillary data." Journal of Korea Water Resources Association, Vol. 43, No. 7, pp. 597-608.

원문보기 상세보기
Kim, G.S., and Lee, E.R. (2004a). "Development a downscaling method of remotely-sensed soil moisture data using neural networks and ancillary data." Journal of Korea Water Resources Association, Vol. 37, No. 1, pp. 21-29.

원문보기 상세보기
Kim, K., Lee, Y., Jung, S., and Lee, Y. (2019). "An analysis of runoff characteristic by using soil moisture in Sulma basin." Journal of Korea Water Resources Association, Vol. 52, No. 9, pp. 615-626.
Kim, S., Kim, H., and Choi, M. (2016). "Evaluation of satellite-based soil moisture retrieval over the Korean Peninsula: Using AMSR2 LPRM algorithm and ground measurement data." Journal of Korea Water Resources Association, Vol. 49, No. 5, pp. 423-429

원문보기 상세보기
Kim, U.T., Lee, D.R., and Yoo, C.S. (2004b). "Effects of climate change on the streamflow for the Daechung dam watershed." Journal of Korea Water Resources Association, Vol. 37, No. 4, pp. 305-314.

원문보기 상세보기
Kumar, K., Hari Prasad, K.S., and Arora, M.K. (2012). "Estimation of water cloud model vegetation parameters using a genetic algorithm." Hydrological Sciences Journal, Vol. 57, No. 4, pp. 776-789.

상세보기
Lee, D., Lee, G., Song, B., and Lee, S. (2019). "Analysis of climate change impact on flow duration characteristics in the Mekong River." Journal of Korea Water Resources Association, Vol. 52, No. 1, pp. 71-82.
Lee, J., Kim, Y., and Chae, Y. (2020). "Projecting future hydrological and ecological droughts with the climate and land use scenarios over the Korean peninsula." Journal of Korea Water Resources Association, Vol. 53, No. 6, pp. 427-436.
Leib, B.G., Jabro, J.D., and Matthews, G.R. (2003). "Field evaluation and performance comparison of soil moisture sensors." Soil Science, Vol. 168, No. 6, pp. 396-408.

상세보기
Liu, C., and Shi, J. (2016). "Estimation of vegetation parameters of water cloud model for global soil moisture retrieval using time-series L-band Aquarius observations." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 9, No. 12, pp. 5621-5633.

상세보기
Mandal, D., Kumar, V., Ratha, D., Dey, S., Bhattacharya, A., Lopez-Sanchez, J.M., McNairn, H., and Rao, Y.S. (2020). "Dual polarimetric radar vegetation index for crop growth monitoring using sentinel-1 SAR data." Remote Sensing of Environment, Vol. 247, 111954.

상세보기
McColl, K.A., Alemohammad, S.H., Akbar, R., Konings, A.G., Yueh, S., and Entekhabi, D. (2017). "The global distribution and dynamics of surface soil moisture." Nature Geoscience, Vol. 10, No. 2, pp. 100-104.

상세보기
Millard, K., and Richardson, M. (2018). "Quantifying the relative contributions of vegetation and soil moisture conditions to polarimetric C-Band SAR response in a temperate peatland." Remote Sensing of Environment, Vol. 206, pp. 123-138.

상세보기
Mladenova, I.E., Jackson, T.J., Bindlish, R., and Hensley, S. (2012). "Incidence angle normalization of radar backscatter data." IEEE Transactions on Geoscience and Remote Sensing, Vol. 51, No. 3, pp. 1791-1804.
Njoku, E.G., and Entekhabi, D. (1996). "Passive microwave remote sensing of soil moisture." Journal of hydrology, Vol. 184, No. 1-2, pp. 101-129.

상세보기
Notarnicola, C., Angiulli, M., and Posa, F. (2008). "Soil moisture retrieval from remotely sensed data: Neural network approach versus Bayesian method." IEEE Transactions on Geoscience and Remote Sensing, Vol. 46, No. 2, pp. 547-557.

상세보기
Oh, Y. (2004). "Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces." IEEE Transactions on Geoscience and Remote Sensing, Vol. 42, No. 3, pp. 596-601.

상세보기
Ohkura, H. (1998). "Application of SAR data to monitoring earth surface changes and displacement." Advances in Space Research, Vol. 21, No. 3, pp. 485-492.

상세보기
Olsson, U.H., Foss, T., Troye, S.V., and Howell, R.D. (2000). "The performance of ML, GLS, and WLS estimation in structural equation modeling under conditions of misspecification and nonnormality." Structural equation modeling, Vol. 7, No. 4, pp. 557-595.

상세보기
Pierdicca, N., Pulvirenti, L., and Pace, G. (2013). "A prototype software package to retrieve soil moisture from Sentinel-1 data by using a bayesian multitemporal algorithm." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 7, No. 1, pp. 153-166.

상세보기
Poole, M.A. (1971). "The assumptions of the linear regression model." Transactions of the Institute of British Geographers, Vol. 52, pp. 145-158.

상세보기
Prevot, L., Champion, I., and Guyot, G. (1993). "Estimating surface soil moisture and leaf area index of a wheat canopy using a dual-frequency (C and X bands) scatterometer." Remote Sensing of Environment, Vol. 46, No. 3, pp. 331-339.

상세보기
Seo, M., Kim, D., Ahmad, W., and Cha, J.H. (2018). "Estimation of stream flow discharge using the satellite synthetic aperture radar images at the mid to small size streams." Journal of Korea Water Resources Association, Vol. 51, No. 12, pp. 1181-1194.
Srivastava, H.S., Patel, P., Sharma, Y., and Navalgund, R.R. (2009). "Large-area soil moisture estimation using multi-incidence-angle RADARSAT-1 SAR data." IEEE Transactions on Geoscience and Remote Sensing, Vol. 47, No. 8, pp. 2528-2535.

상세보기
Twele, A., Cao, W., Plank, S., and Martinis, S. (2016). "Sentinel-1-based flood mapping: A fully automated processing chain." International Journal of Remote Sensing, Vol. 37, No. 13, pp. 2990-3004.

상세보기
Ulaby, F.T. (1982). Microwave remote sensing: Active and passive. Volume 2 - Radar remote sensing and surface scattering and emission theory. Artech House, Norwood, M.A., U.S., pp. 848-902.
Vreugdenhil, M., Wagner, W., Bauer-Marschallinger, B., Pfeil, I., Teubner, I., Rudiger, C., and Strauss, P. (2018). "Sensitivity of Sentinel-1 backscatter to vegetation dynamics: An Austrian case study." Remote Sensing, Vol. 10, No. 9, p. 1396.

상세보기
Zhuo, W., Huang, J., Li, L., Zhang, X., Ma, H., Gao, X., Huang, H., Xu, B., and Xiao, X. (2019). "Assimilating soil moisture retrieved from Sentinel-1 and Sentinel-2 data into WOFOST model to improve winter wheat yield estimation." Remote Sensing, Vol. 11, No.13, p. 1618.

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