[논문]Landsat 8 OLI/TIRS Science Product를 활용한 지표면 온도 유용성 평가

박성욱; 김민식

doi:10.7780/kjrs.2021.37.3.8

Landsat 8 OLI/TIRS Science Product를 활용한 지표면 온도 유용성 평가
Availability of Land Surface Temperature Using Landsat 8 OLI/TIRS Science Products 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.3, 2021년, pp.463 - 473

박성욱 (나라스페이스 테크놀로지) , 김민식 (나라스페이스 테크놀로지)

초록
AI-Helper

본 연구에서는 최근 USGS에서 공개한 Landsat 8 Collection 2 Level 2 Science Product (L2SP) 위성 영상을 이용하여 국내 지표면 온도를 산출하였고, 기존 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP) 위성 영상을 활용하여 산출한 국내 지표면 온도와의 비교와 기상청 종관기상관측자료(Automated Synoptic Observing System, ASOS)와의 검증을 통해 L2SP 기반 지표면 온도 자료의 국내 영역에 대한 적합성을 평가하고자 하였다. L2SP는 연구 및 분석에 용이하도록 Landsat 8 Collection 2 Level 1 데이터를 기반으로 만든 Level 2 자료로, 기존의 계산식을 통해 산출해야 하는 지표면 반사도 자료와 지표면 온도 자료를 계산 처리 없이 바로 사용할 수 있다는 장점이 있다. 2018년부터 2020년까지 3년간의 Landsat 8 지표면 온도 산출물과 관측소 지점 8개소 주변 3×3 격자 영역과의 비교한 결과, 8개 관측소 기준 L2SP 지표면 온도와 L1TP 지표면 온도의 평균 피어슨 상관계수(Pearson correlation coefficient)는 각각 0.971, 0.964로 두 자료 모두 상당히 강한 양의 상관관계를 보여주었으며, RMSE (Root Mean Square Error)의 경우 각각 4.029℃, 5.247℃로 L2SP 지표면 온도 자료가 더 낮은 RMSE를 보여주는 것을 확인 하였다. 이는 관측소 위치별로 값에 차이가 생길 수 있지만 평균적인 지표 결과를 보았을 때, L2SP 지표면 온도 자료가 L1TP를 통해 산출되는 지표면 온도 자료와 비교했을 때 준수하거나 그 이상의 정확도를 보여주어 국내 지표면 온도 산출 연구에 적합하다고 판단된다. 따라서 향후 계절적 요인과 고도에 따른 온도 차이 등의 환경 및 지형적인 요인도 고려를 하거나, 본 연구 과정에서 발생한 Science Product의 고정적인 영상 품질 문제 등이 개선된다면 보다 더 안정적이고 정확도 높은 지표면 온도 참조 자료로써의 유용성이 클 것이라 판단된다.

Abstract ▼ AI-Helper

Recently, United States Geological Survey (USGS) distributed Landsat 8 Collection 2 Level 2 Science Product (L2SP). This paper aims to derive land surface temperature from L2SP and to validate it. Validation is made by comparing the land surface temperature with the one calculated from Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP) and the one from Automated Synoptic Observing System (ASOS). L2SP is calculated from Landsat 8 Collection 2 Level 1 data and it provides land surface temperature to users without processing surface reflectance data. Landsat 8 data from 2018 to 2020 is collected and ground sensor data from eight sites of ASOS are used to evaluate L2SP land surface temperature data. To compare ground sensor data with remotely sensed data, 3×3 grid area data near ASOS station is used. As a result of analysis with ASOS data, L2SP and L1TP land surface temperature shows Pearson correlation coefficient of 0.971 and 0.964, respectively. RMSE (Root Mean Square Error) of two results with ASOS data is 4.029℃, 5.247℃ respectively. This result suggests that L2SP data is more adequate to acquire land surface temperature than L1TP. If seasonal difference and geometric features such as slope are considered, the result would improve.

주제어

표/그림 (10)

그림 Fig. 1. Location of the analysis region (yellow box) and ASOS stations (red points).
표 Table 1. Collection 2 Level 2 Science Products (L2SP) Band Specifications
표 Table 2. List of Landsat 8 images used to this study
표 Table 3. List of Automated Synoptic Observing Stations within the analysis region
표 Table 4. Emissivity values corresponding to NDVI ranges (Zhang et al., 2006)
그림 Fig. 2. (a) Landsat 8 RGB image, (b) NDVI image, (c) L2SP LST image and (d)L1TP LST retrieved from Landsat 8 at 28 April 2020.
그림 Fig. 3. Surface Temperature, QA, Emissivity bands of Landsat Science Product (white pixels: NODATA).
그림 Fig. 4. Correlation scatter plot between L2SP (x-axis) and L1TP (y-axis).
그림 Fig. 5. IDW (Inverse Distance Weighting) images for the ASOS data. (a) 2020.02.08, (b) 2020.04.28, (c) 2020.09.19.
표 Table 5. Correlation and RMSE values of Landsat 8 L2SP LST and L1TP LST about ASOS values

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 USGS에서 연구 및 분석의 용이를 위해 제공하는 Landsat 8 Collection 2 Level 2 Science Product (L2SP)의 지표면 온도 자료를 국내에 적용하여 L2SP의 국내 활용 가능성을 보고자 하였다. L2SP 지표면 온도 자료와 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP)을 통한 지표면 온도 자료를 산출하여 IDW 보간을 적용한 ASOS 지상관측 자료와의 상관성 및 RMSE 를 도출하였다.

제안 방법

본 연구에서는 USGS에서 연구 및 분석의 용이를 위해 제공하는 Landsat 8 Collection 2 Level 2 Science Product (L2SP)의 지표면 온도 자료를 국내에 적용하여 L2SP의 국내 활용 가능성을 보고자 하였다. L2SP 지표면 온도 자료와 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP)을 통한 지표면 온도 자료를 산출하여 IDW 보간을 적용한 ASOS 지상관측 자료와의 상관성 및 RMSE 를 도출하였다. 그 결과 L2SP 지표면 온도와 L1TP 지표면 온도의 각 관측소 자료에 대한 평균 상관관계 계수는 각각 0.

대상 데이터

Fig. 1은 연구 대상 지역에 해당하는 Landsat 8 영상 의 116 path, 34 row 영역과 본 연구에서 지표면 온도자료의 검증자료로 활용할 종관기상관측(Automated Synoptic Observing System, ASOS) 8개소의 위치를 나타낸 것이다. Landsat 8 영상의 영역 내에서 수도권 지역에 대한 관측소만 선정하였으며, 총 10개 관측소 중 관악산 (116), 세종(239) 관측소를 제외한 8개의 관측소 정보를 사용하였다.
1은 연구 대상 지역에 해당하는 Landsat 8 영상 의 116 path, 34 row 영역과 본 연구에서 지표면 온도자료의 검증자료로 활용할 종관기상관측(Automated Synoptic Observing System, ASOS) 8개소의 위치를 나타낸 것이다. Landsat 8 영상의 영역 내에서 수도권 지역에 대한 관측소만 선정하였으며, 총 10개 관측소 중 관악산 (116), 세종(239) 관측소를 제외한 8개의 관측소 정보를 사용하였다. 또한 Landsat 8 영상의 경우 path와 row가 동일하더라도 전체 영상의 범위(extent)는 조금씩 상이하기 때문에 Fig.
Landsat 8OLI/TIRS(Operational Land Imager / Thermal Infrared Sensor) 위성은 미국지질조사국(United States Geological Survey, USGS)와 미국항공우주국(National Aeronautics and Space Administration, NASA)의 공동 임무를 목적으로 2013년 2월에 발사되어 현재까지 운용 중이다. Landsat OLI 다중 분광 센서의 경우 30 m 공간 해상도를 가지며, 열 적외선 밴드를 제공하는 TIRS 센서의 경우 100 m의 해상도로 수신되지만, USGS에서는 30 m 로 해상도 매칭 과정을 적용한 후 사용자에게 제공되고 있다.
Landsat OLI 다중 분광 센서의 경우 30 m 공간 해상도를 가지며, 열 적외선 밴드를 제공하는 TIRS 센서의 경우 100 m의 해상도로 수신되지만, USGS에서는 30 m 로 해상도 매칭 과정을 적용한 후 사용자에게 제공되고 있다. Landsat 위성 자료는 Earth Explorer (http:// earthexplorer.usgs.gov/)에서 제공받을 수 있으며, 본 연구에서는 Landsat 8 Collection 1 level 1 Terrain Precision (L1TP) 자료와 Collection 2 level 2 Science Product (L2SP) 자료를 사용하였다.
kr)에서는 종관관측기상자료인 ASOS를 통해 현장 관측 지면 온도 자료를 제공하고 있다. 매시 정각자료를 기록하는 시간 단위 자료를 이용하였으며, 그 중 Landsat 8 위성이 국내 지역을 주로 촬영하는 시각인 오전 11시 자료를 이용하였다. 본 연구에서는 총 8개 관측소 자료를 이용하였으며, 관측소 정보는 Table 3과 같다.
매시 정각자료를 기록하는 시간 단위 자료를 이용하였으며, 그 중 Landsat 8 위성이 국내 지역을 주로 촬영하는 시각인 오전 11시 자료를 이용하였다. 본 연구에서는 총 8개 관측소 자료를 이용하였으며, 관측소 정보는 Table 3과 같다. 연구 지역 내에 서울특별시에 위치한 관악산 관측소(116)과 세종 특별자치시에 위치한 세종 관측소(239)도 포함되어 있지만, 연구기간 내의 자료를 제공하지 못하고 있는 점과 세종 관측소의 경우 위치 정보가 정확히 제공되지 않는 점을 고려해 본 연구에서는 제외하였다.

성능/효과

L2SP 지표면 온도 자료와 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP)을 통한 지표면 온도 자료를 산출하여 IDW 보간을 적용한 ASOS 지상관측 자료와의 상관성 및 RMSE 를 도출하였다. 그 결과 L2SP 지표면 온도와 L1TP 지표면 온도의 각 관측소 자료에 대한 평균 상관관계 계수는 각각 0.971, 0.964로 강한 상관관계를 나타냈으며, RMSE의 경우 각각 4.029℃, 5.247℃로 L2SP 지표면 온도 자료가 L1TP 지표면 온도 자료에 비해 상관관계가 더 높고, 지상관측자료와의 오차가 더 낮게 나타나는 것으로 나타났다. 이를 통해 L2SP 지표면 온도 자료가 국내 지표면 온도 산출 연구에 대한 활용 가능성이 높고, 국내 지표면 온도를 나타내는 지표로 활용이 가능하다는 것을 알 수 있었다.
이를 통해 L2SP 지표면 온도 자료가 국내 지표면 온도 산출 연구에 대한 활용 가능성이 높고, 국내 지표면 온도를 나타내는 지표로 활용이 가능하다는 것을 알 수 있었다. 다만, Science Product 자료의 경우 지표면 방출률 자료의 품질 문제가 존재하여 지표면 온도 자료 내 내륙 혹은 연안 해역 부분에 고정적인 NODATA값이 포함되고, 이와 함께 발생하는 간헐적인 이상치의 분포는 전역적인 지표면 온도 비교에 오차를 증가시키는 주요 요인이 될 수 있다. 그러므로 자료의 정확도가 향상되어도 연구 영역내의 NODATA 값과 이상치의 비율이 높아지게 되면 분석에 활용되는 가치가 낮아지는 문제가 될 수 있기에 이는 시급한 개선이 필요하다.
이와 같이 L2SP 자료는 정량적으로 큰 수준에서의 차이는 아니지만, 국내 지표면 온도 관련 연구 시 기존 선행연구와 같이 복잡한 계산 과정을 통해 산출하지 않고도 지표면 온도 자료로 활용할 수 있다는 점에서, 분석 대기자료로써의 효율성이 높다는 것을 알 수 있다. 또한 데이터 품질 문제로 인해 전역적인 영역에 대한 비교에는 한계가 존재하지만, 국지적인 영역에 대해서는 기존 지표면 온도 산출 결과보다 오차가 더 낮거나 유사함을 보여주었고, 추후 데이터 품질 향상 및 알고리즘 개선 등을 통해 개선될 수 있다는 점을 고려 하면 국내에서의 Science Product의 활용 가능성은 충분하다고 판단된다.
분석 시 L2SP의 NODATA 영역은 제외하고 계산을 하였고, x축의 경우 L2SP, y축은 L1TP 자료 값을 나타낸다. 연구에서 사용한 모든 날짜에 대해 두 자료 모두 강한 양의 상관관계를 보여주었지만, L2SP 지표면 온도와 L1TP 지표면 온도 값의 차이가 크게 나타나는 구간이 존재하는 것을 볼 수 있었다. Fig.
247℃로 L2SP 지표면 온도 자료가 L1TP 지표면 온도 자료에 비해 상관관계가 더 높고, 지상관측자료와의 오차가 더 낮게 나타나는 것으로 나타났다. 이를 통해 L2SP 지표면 온도 자료가 국내 지표면 온도 산출 연구에 대한 활용 가능성이 높고, 국내 지표면 온도를 나타내는 지표로 활용이 가능하다는 것을 알 수 있었다. 다만, Science Product 자료의 경우 지표면 방출률 자료의 품질 문제가 존재하여 지표면 온도 자료 내 내륙 혹은 연안 해역 부분에 고정적인 NODATA값이 포함되고, 이와 함께 발생하는 간헐적인 이상치의 분포는 전역적인 지표면 온도 비교에 오차를 증가시키는 주요 요인이 될 수 있다.
이와 더불어 앞서 설명한 L2SP 자료의 이상치가 관측소 주변에 존재할 가능성이 있지만, L2SP LST의 RMSE가 NODATA값이 존재하지 않는 L1TP와 크게 차이가 나지 않는 것으로 보아 L2SP 자료의 3×3 격자 영역 내에는 이상치가 존재하지 않았음을 추정할 수 있었다. 이와 같이 L2SP 자료는 정량적으로 큰 수준에서의 차이는 아니지만, 국내 지표면 온도 관련 연구 시 기존 선행연구와 같이 복잡한 계산 과정을 통해 산출하지 않고도 지표면 온도 자료로 활용할 수 있다는 점에서, 분석 대기자료로써의 효율성이 높다는 것을 알 수 있다. 또한 데이터 품질 문제로 인해 전역적인 영역에 대한 비교에는 한계가 존재하지만, 국지적인 영역에 대해서는 기존 지표면 온도 산출 결과보다 오차가 더 낮거나 유사함을 보여주었고, 추후 데이터 품질 향상 및 알고리즘 개선 등을 통해 개선될 수 있다는 점을 고려 하면 국내에서의 Science Product의 활용 가능성은 충분하다고 판단된다.

후속연구

4(h)의 경우 L2SP가 최대 70℃ 값을 나타내고 있음을 볼 수 있는데, 이처럼 차이가 큰 구간은 주로 L2SP 지표면 온도의 값이 L1TP 지표면 온도 값에 비해 상당히 큰 값을 나타내고 있으며, 이 역시 L2SP 지표면 방출률 자료의 영상 품질 문제로 인해 야기되는 이상치가 영상에 간헐적으로 존재하는 문제라 판단된다. Science Product 내의 고정적인 NODATA 값과 L1TP와의 큰 차이를 나타내는 이상치 문제는 전역적인 지표면 온도를 비교할 시, 정확도에 오차를 증가시킬 수 있는 부분이기 때문에 지표면 온도 산출에 있어 정량적이고 객관적인 평가를 위해서는 지표면 방출률 자료에 대한 개선이 필요할 것으로 보이며, 향후 이상치가 발생하는 구간에 대해서도 추가적인 연구가 필요할 것으로 판단된다.
다만, Science Product 자료의 경우 지표면 방출률 자료의 품질 문제가 존재하여 지표면 온도 자료 내 내륙 혹은 연안 해역 부분에 고정적인 NODATA값이 포함되고, 이와 함께 발생하는 간헐적인 이상치의 분포는 전역적인 지표면 온도 비교에 오차를 증가시키는 주요 요인이 될 수 있다. 그러므로 자료의 정확도가 향상되어도 연구 영역내의 NODATA 값과 이상치의 비율이 높아지게 되면 분석에 활용되는 가치가 낮아지는 문제가 될 수 있기에 이는 시급한 개선이 필요하다. 따라서 고정적인 NODATA 값을 필링(filling) 할 수 있는 보간 기법에 대한 연구 혹은 L2SP가 기본적으로 제공하는 방출률 자료와 대기 상승(upwelling) 및 하강(downwelling) 추정 복사량 자료의 보정을 통한 이상치 제거 연구를 통해 정확도를 향상시킬 수 있는 추가 연구가 필요할 것이다.
따라서 고정적인 NODATA 값을 필링(filling) 할 수 있는 보간 기법에 대한 연구 혹은 L2SP가 기본적으로 제공하는 방출률 자료와 대기 상승(upwelling) 및 하강(downwelling) 추정 복사량 자료의 보정을 통한 이상치 제거 연구를 통해 정확도를 향상시킬 수 있는 추가 연구가 필요할 것이다. 더 나아가 향후 지표면 온도에 영향을 줄 수 있는 계절적 요인이나 고도, 경사, 향 등의 환경 및 지형적 요인을 고려한 연구를 통해 더욱 안정적이고 정확한 연구를 할 수 있을 것으로 판단되며, 아직까지는 Science Product 자료에 대한 선행연구들이 미미하기 때문에 추후 지속되는 연구와 지표면 방출률 자료의 품질 개선 등으로 인한 정확도 향상은 토지 피복 및 식생, 열 환경 등을 관측 및 활용하는 연구들에 유용하게 활용될 수 있을 것으로 기대된다.
247℃로 L2SP의 오차가 더 낮게 계산되는 것을 볼 수 있었다. 동두천 관측소의 경우 L2SP와 L1TP 모두 다른 관측소에 비해 RMSE가 상대적으로 크게 나타났는데, 이는 다른 관측소에 비해 해발고도가 높은 곳에 위치하고 있어 생기는 오차로 판단되나, 이는 지표면 온도 비교 시 고도, 경사, 향 등의 지형적인 요인에 대해 고려한 추가적인 연구가 필요한 부분이다 (Table 3 참조). 이와 더불어 앞서 설명한 L2SP 자료의 이상치가 관측소 주변에 존재할 가능성이 있지만, L2SP LST의 RMSE가 NODATA값이 존재하지 않는 L1TP와 크게 차이가 나지 않는 것으로 보아 L2SP 자료의 3×3 격자 영역 내에는 이상치가 존재하지 않았음을 추정할 수 있었다.
그러므로 자료의 정확도가 향상되어도 연구 영역내의 NODATA 값과 이상치의 비율이 높아지게 되면 분석에 활용되는 가치가 낮아지는 문제가 될 수 있기에 이는 시급한 개선이 필요하다. 따라서 고정적인 NODATA 값을 필링(filling) 할 수 있는 보간 기법에 대한 연구 혹은 L2SP가 기본적으로 제공하는 방출률 자료와 대기 상승(upwelling) 및 하강(downwelling) 추정 복사량 자료의 보정을 통한 이상치 제거 연구를 통해 정확도를 향상시킬 수 있는 추가 연구가 필요할 것이다. 더 나아가 향후 지표면 온도에 영향을 줄 수 있는 계절적 요인이나 고도, 경사, 향 등의 환경 및 지형적 요인을 고려한 연구를 통해 더욱 안정적이고 정확한 연구를 할 수 있을 것으로 판단되며, 아직까지는 Science Product 자료에 대한 선행연구들이 미미하기 때문에 추후 지속되는 연구와 지표면 방출률 자료의 품질 개선 등으로 인한 정확도 향상은 토지 피복 및 식생, 열 환경 등을 관측 및 활용하는 연구들에 유용하게 활용될 수 있을 것으로 기대된다.

참고문헌 (23)

Ahn, J.S., J.D. Hwang, M.H. Park, and Y.S. Suh, 2012. Estimation of urban heat island potential based on land cover type in Busan using Landsat-7 ETM+ and AWS data, Journal of the Korean Association of Geographic Information Studies, 15(4): 65-77 (in Korean with English abstract).

원문보기 상세보기
Avdan, U. and G. Jovanovska, 2016. Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data, Journal of Sensors, 2016: 1-9.
Chae, S.H., S.H. Park, and M.J. Lee, 2017. A study on the observation of soil moisture conditions and its applied possibility in agriculture using land surface temperature and NDVI from landsat-8 OLI/TIRS satellite image, Korean Journal of Remote Sensing, 33(6-1): 931-946 (in Korean with English abstract).

원문보기 상세보기
Guha, S., H. Govil, A. Dey, and N. Gill, 2018. Analytical study of land surface temperature with NDVI and NDBI using Landsat 8 OLI and TIRS data in Florence and Naples city, Italy, European Journal of Remote Sensing, 51(1): 667-678.

상세보기
Jee, J.B., B.Y. Kim, I.S. Zo, K.T. Lee, and Y.J. Choi, 2016. Retrieval of Land Surface Temperature based on High Resolution Landsat 8 Satellite Data, Korean Journal of Remote Sensing, 32(2): 171-183 (in Korean with English abstract).

원문보기 상세보기
Jo, A., J. Ryu, H. Chung, Y. Choi, and S. Jeon, 2018. Applicability of Various Interpolation Approaches for High Resolution Spatial Mapping of Climate Data in Korea, Journal of Environmental Impact Assessment, 27(5): 447-474 (in Korean with English abstract).

원문보기 상세보기
Kim, T., W.H. Lee, and Y. Han, 2018. Analysis of thermal heat island potential by urbanization using Landsat-8 time-series satellite imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(4): 305-316 (in Korean with English abstract).

원문보기 상세보기
Kim, G.H., Y.G. Lee, J.H. Kim, H.W. Choi, and B.J. Kim, 2018. Analysis of the cooling effects in urban green areas using the Landsat 8 satellite data, Korean Journal of Remote Sensing, 34(2-1): 167-178 (in Korean with English abstract).

원문보기 상세보기
Kim, S., S.J. Lee, and Y.W. Lee, 2020. Retrieval of land surface temperature using Landsat 8 images with deep neural networks, Korean Journal of Remote Sensing, 36(3): 487-501 (in Korean with English abstract).
Lee, J.S. and M.K. Oh, 2019. Distribution Analysis of Land Surface Temperature about Seoul Using Landsat 8 Satellite Images and AWS Data, Journal of the Korea Academia-Industrial Cooperation Society, 20(1): 434-439 (in Korean with English abstract).

원문보기 상세보기
Li, Z. L., B.H. Tang, H. Wu, H. Ren, G. Yan, Z. Wan, and J.A. Sobrino, 2013. Satellite-derived land surface temperature: Current status and perspectives, Remote Sensing of Environment, 131: 14-37.

상세보기
Mohan, M., 2000. Climate change: evaluation of ecological restoration of delhi ridge using remote sensing and GIS technologies, International Archives of Photogrammetry and Remote Sensing, 33(B7/2; PART 7): 886-894.

상세보기
Orhan, O., S. Ekercin, and F. Dadaser-Celik, 2014. Use of landsat land surface temperature and vegetation indices for monitoring drought in the Salt Lake Basin Area, Turkey, The Scientific World Journal, 2014: 1-12.
Ramaiah, M., R. Avtar, and M. Rahman, 2020. Land Cover Influences on LST in Two Proposed Smart Cities of India: Comparative Analysis Using Spectral Indices, Land, 9(9): 292.

상세보기
Small, C., 2006. Comparative analysis of urban reflectance and surface temperature, Remote Sensing of Environment, 104(2): 168-189.

상세보기
Song, S.C., I.J. Kang, M.C. Son, and K.B. Han, 2013. Analysis of Heat Island Characteristics of Coast and Riverside Area Using GIS in Busan, Journal of Korean Society for Geospatial Information System, 21(1): 3-9 (in Korean with English abstract).

원문보기 상세보기
Singh, P., N. Kikon, and P. Verma, 2017. Impact of land use change and urbanization on urban heat island in Lucknow city, Central India, A remote sensing based estimate, Sustainable Cities and Society, 32: 100-114.

상세보기
Sekertekin, A. and S. Bonafoni, 2020. Land surface temperature retrieval from Landsat 5, 7, and 8 over rural areas: assessment of different retrieval algorithms and emissivity models and toolbox implementation, Remote Sensing, 12(2): 294.

상세보기
Tomlinson, C.J., L. Chapman, J.E. Thornes, and C. Baker, 2011. Remote sensing land surface temperature for meteorology and climatology: A review, Meteorological Applications, 18(3): 296-306.

상세보기
USGS (United States Geological Survey), 2013. Landsat Level-1 Data Product, https://www.usgs.gov/land-resources/nli/landsat/usingusgs-landsat-level-1-data-product, Accessed on May. 17, 2021.
USGS (United States Geological Survey), 2019. LANDSAT 8(L8) Data Users Handbook, Department of the Interior US Geological Survey, Reston, VA, USA, pp. 54-55.
USGS (United States Geological Survey), 2020. Landsat 8 Collection 2 (C2) Level 2 Science Product (L2SP) Guide, Department of the Interior US Geological Survey, Reston, VA, USA, pp. 1-20.
Zhang, J., Y. Wang, and Y. Li, 2006. A C++ program for retrieving land surface temperature from the data of Landsat TM/ETM+ band6, Computers & Geosciences, 32(10): 1796-1805.

상세보기

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