[논문]농림위성의 목표 수직기하 정확도 결정을 위한 남한 지역 수치표고모델 상대 오차 분석

백원경; 유진우; 윤영웅; 정형섭; 임중빈

doi:10.7780/kjrs.2021.37.5.1.17

농림위성의 목표 수직기하 정확도 결정을 위한 남한 지역 수치표고모델 상대 오차 분석
The Relative Height Error Analysis of Digital Elevation Model on South Korea to Determine the TargetVertical Accuracy of CAS500-4 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.5 pt.1, 2021년, pp.1043 - 1059

백원경 (서울시립대학교 공간정보공학과) , 유진우 (서울시립대학교 공간정보공학과) , 윤영웅 (서울시립대학교 공간정보공학과) , 정형섭 (서울시립대학교 공간정보공학과) , 임중빈 (국립산림과학원 산림ICT 연구센터)

초록
AI-Helper

식량자원의 확보와 환경생태계에 매우 중요한 요소인 산림과 농경지는 정기적인 모니터링이 요구된다. 농림 위성 영상 자료는 우리나라의 기존 산림 및 농경지 모니터링 방법의 보완재로 효과적으로 활용될 것으로 예상되고 있다. 농림위성의 발사 이전에 사전연구로써 목표 수직기하정확도 산정을 위해 수치표고모델 분석을 수행하였다. 특히 농림위성의 주요 관심 지역인 우리나라 산악지역과 농경지의 특성을 고려하여, 경사도와 식생에 따른 분석을 수행하였다. 공주, 제주 그리고 삼척 지역에 대하여 Shuttle radar topography mission digital elevation model과 Copernicus digital elevation model를 가을과 겨울에 촬영한 드론 LiDAR 수치표면모델 그리고 국토지리정보원 5 m 수치지형모델을 기준으로 평균 상대오차를 비교했다. 그 결과 Shuttle radar topography mission digital elevation model은 8.35, 8.19, 그리고 7.49 m의 상대오차를 나타냈으며, Copernicus digital elevation model는 각각 5.65, 6.73, 그리고 7.39 m의 상대 고도 오차를 나타냈다. 남한 전체에 대하여 Shuttle radar topography mission digital elevation model과 Copernicus digital elevation model를 국토지리정보원 5 m 수치지형모델을 기준으로 지형 경사에 따른 상대 고도 오차를 나타냈다. 그 결과 경사도 0°~5° 사이에서 Shuttle radar topography mission digital elevation model과 Copernicus digital elevation model의 상대 고도 오차는 각각 약 3.62와 2.52 m로 Shuttle radar topography mission digital elevation model의 오차가 더 큰 것으로 산출되었다. 하지만 경사도가 증가함에 따라 이러한 양상은 반전되어 경사도 35° 이상에서는 각각 10.16, 그리고 11.62 m 로 Copernicus digital elevation model의 상대오차가 더 크게 나타났다.

Abstract ▼ AI-Helper

Forest and agricultural land are very important factors in the environmental ecosystem and securing food resources. Forest and agricultural land should be monitored regularly. CAS500-4 data are expected to be effectively used as a supplement of monitoring forest and agricultural land. Prior to the launch of the CAS500-4, the relative canopy height error analysis of the digital elevation model on South Korea was performed to determine the vertical target accuracy. Especially, by considering area of interest of the CAS500-4 (mountainous or agricultural area), it is conducted that vertical error analysis according to the slope and canopy. For Gongju, Jeju, and Samcheok, the average root mean squared differences were calculated compared to the drone LiDAR digitalsurface models, which were filmed in autumn and winter and the 5 m digital elevation model from the National Geographic Information Institute. As a result, the Shuttle radar topography mission digital elevation model showed a root mean squared differences of about 8.35, 8.19, and 7.49 m, respectively, while the Copernicus digital elevation model showed a root mean squared differences of about 5.65, 6.73, and 7.39 m, respectively. In addition, the root mean squared difference of shuttle radar topography mission digital elevation model and the Copernicus digital elevation model according to the slope angle were estimated on South Korea compared to the 5 m digital elevation model from the National Geographic Information Institute. At the slope angle of between 0° to 5°, root mean squared differences of the Shuttle radar topography mission digital elevation model and the Copernicus digital elevation model showed 3.62 and 2.52 m, respectively. On the other hands root mean squared differences of the Shuttle radar topography mission digital elevation model and the Copernicus digital elevation model respectively showed about 10.16 and 11.62 m at the slope angle of 35° or higher.

주제어

표/그림 (13)

그림 Fig. 1. Study Area.
표 Table 1. Principal information about study data
표 Table 2. Data analysis details
그림 Fig. 2. (a) Lidar DSM1, (b) Lidar DSM2, (c) NGII DEM, (d) SRTM, (e) WorldDEM, (f) Global Canopy height map and (g) Canopy height map from Forest cover map of Gongju, South Korea.
그림 Fig. 3. (a) Lidar DSM1, (b) Lidar DSM2, (c) NGII DEM, (d) SRTM, (e) WorldDEM, (f) Global Canopy height map and (g) Canopy height map from Forest cover map of Jeju, South Korea.
그림 Fig. 4. (a) Lidar DSM1, (b) Lidar DSM2, (c) NGII DEM, (d) SRTM, (e) WorldDEM, (f) Global Canopy height map and (g) Canopy height map from Forest cover map of Samcheok, South Korea.
그림 Fig. 5. DEM Height comparison on Gongju, Korea; LiDAR DSM1 to SRTM (a) and WDEM (d); LiDAR DSM2 to SRTM (b) and WDEM (e); NGII DEM to SRTM (c) and WDEM (f).
그림 Fig. 6. DEM Height comparison on Jeju, Korea; LiDAR DSM1 to SRTM (a) and WDEM (d); LiDAR DSM2 to SRTM (b) and WDEM (e); NGII DEM to SRTM (c) and WDEM (f).
그림 Fig. 7. DEM Height comparison on Samcheok, Korea; LiDAR DSM1 to SRTM (a) and WDEM (d); LiDAR DSM2 to SRTM (b) and WDEM (e); NGII DEM to SRTM (c) and WDEM (f).
그림 Fig. 8. Comparison of SRTM (a, b, c) and WorldDEM (d, e, f) derived CHM, Global Forest CHM (g, h, i), Forest cover map derived CHM (j, k) compared to difference between LiDAR DSM1 and NGII DEM on Gongju (a, d, g, j), Jeju (b, e, h, k), and Samcheok (c, f, i), South Korea.
그림 Fig. 9. The height distributions of NGII DEM (a), SRTM (b), and WorldDEM (c) where the slope angle is less than 5°; those of NGII DEM (d), SRTM (e), and WorldDEM (f) where the slope angle is bigger than 10°.
그림 Fig. 10. The relative height error variation according to the slope angle; (a) SRTM; (b) WDEM.
표 Table 3. The mean and RMSD of relative height error according to the slope angle

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 농림위성의 목표 수직기하 정확도 수립을 위한 남한지역의 수치표고모델 상대 오차 분석을 수행하였다. 이때 농림위성의 관심 촬영지역이 산악지역과 식생지역이라는 점을 고려하여 논문을 크게 세 개 장으로 분류하여 연구를 수행하였다.
본 연구에서는 공주, 제주, 삼척 지역에 대하여 활용 가능한 수치표고모델들의 상대 정확도 분석과 함께 우리나라 산지의 수고 분석을 위한 적절한 데이터를 제시하였다. 또한 남한 전체에 대하여 활용 가능한 수치표 고모델을 분석하여 남한 지역의 경사에 따른 수치표고 모델 상대 오차 특성을 확인하였다.

가설 설정

SRTM이나 WDEM을 NGII DEM으로 차분했을 때 나타나는 상대오차는 주로 각 자료의 수고의 영향을 포함한 지형지물의 고도오차와 노이즈 성분을 포함한다. 이때 NGII DEM은 수치지형도의 고도정보를 보간하여 생성한 매우 매끈한 곡면이므로 NGII DEM의 노이즈 성분은 무시할 수 있다고 가정한다. 즉, SRTM이 나 WDEM을 NGII DEM으로 차분한 값은 SRTM과 WDEM의 NGII DEM에 대한 상대고도오차와 SRTM과 WDEM의 노이즈 성분을 포함한다.

제안 방법

이때 농림위성의 관심 촬영지역이 산악지역과 식생지역이라는 점을 고려하여 논문을 크게 세 개 장으로 분류하여 연구를 수행하였다. 1) 수고에 의한 영향을 분석하기 위하여 드론에서 두 시기에 걸쳐 촬영한 LiDAR DSM과 지리원에서 제공하는 5 m DTM (NGII DEM)을 각각 DSM과 DTM의 참이라 가정하고 1 arc-second shuttle radar topography mission digital elevation model (SRTM DEM)과 Copernicus 1 arc-second DEM (WDEM)의 상대 오차를 비교했다. 2) LiDAR DSM 과 NGII DEM의 차이와 수집한 수고 정보를 비교함으로써 우리나라의 수고를 분석하기 위한 가장 적절한 방안을 모색했다.
1) 수고에 의한 영향을 분석하기 위하여 드론에서 두 시기에 걸쳐 촬영한 LiDAR DSM과 지리원에서 제공하는 5 m DTM (NGII DEM)을 각각 DSM과 DTM의 참이라 가정하고 1 arc-second shuttle radar topography mission digital elevation model (SRTM DEM)과 Copernicus 1 arc-second DEM (WDEM)의 상대 오차를 비교했다. 2) LiDAR DSM 과 NGII DEM의 차이와 수집한 수고 정보를 비교함으로써 우리나라의 수고를 분석하기 위한 가장 적절한 방안을 모색했다. 3) 마지막으로 경사도에 따른 상대 오차를 확인하기 위하여 남한 전체에 대하여 NGII DEM을 참이라 가정하고 SRTM DEM과 WDEM의 상대오차를 비교했다.
2) LiDAR DSM 과 NGII DEM의 차이와 수집한 수고 정보를 비교함으로써 우리나라의 수고를 분석하기 위한 가장 적절한 방안을 모색했다. 3) 마지막으로 경사도에 따른 상대 오차를 확인하기 위하여 남한 전체에 대하여 NGII DEM을 참이라 가정하고 SRTM DEM과 WDEM의 상대오차를 비교했다.
본 연구에서는 공주, 제주, 삼척 지역에 대하여 활용 가능한 수치표고모델들의 상대 정확도 분석과 함께 우리나라 산지의 수고 분석을 위한 적절한 데이터를 제시하였다. 또한 남한 전체에 대하여 활용 가능한 수치표 고모델을 분석하여 남한 지역의 경사에 따른 수치표고 모델 상대 오차 특성을 확인하였다. 본 연구는 농림위성의 정밀한 수직 기하 보정을 위해 적절한 기준 수치 표고모델을 결정하는 데에 기여할 것으로 기대한다.
수치표고모델은 기하보정 정확도에 매우 큰 영향을 미치므로 농림위성의 기하 정확도를 결정하기 위해서는 수치표고모델의 정확도와 관련된 사전 연구가 필요하다. 본 연구에서는 농림위성의 주요 관심대상이 우리나라의 산악지역과 농경지라는 사실을 고려하여 연구지역의 경사적 특성과 식생 등을 고려한 수치표고모델 정확도 분석을 수행하였다. 본 연구를 통하여 확인한 정보는 다음과 같다.
따라서 본 연구에서는 농림위성의 목표 수직기하 정확도 수립을 위한 남한지역의 수치표고모델 상대 오차 분석을 수행하였다. 이때 농림위성의 관심 촬영지역이 산악지역과 식생지역이라는 점을 고려하여 논문을 크게 세 개 장으로 분류하여 연구를 수행하였다. 1) 수고에 의한 영향을 분석하기 위하여 드론에서 두 시기에 걸쳐 촬영한 LiDAR DSM과 지리원에서 제공하는 5 m DTM (NGII DEM)을 각각 DSM과 DTM의 참이라 가정하고 1 arc-second shuttle radar topography mission digital elevation model (SRTM DEM)과 Copernicus 1 arc-second DEM (WDEM)의 상대 오차를 비교했다.

대상 데이터

모든 데이터는 UTM52 좌표계에서 30 m 간격의 그리드로 선형보간법을 활용하여 변환하였다. 그 결과 각 지역의 모든 데이터는 공주, 제주, 그리고 삼척 지역은 각각 121개, 85개, 그리고 56개의 픽셀로 구성되었다. SRTM과 WDEM의 모든 위치의 픽셀 값을 LiDAR DSM1, 2 그리고 NGII DEM의 동일한 위치 픽셀 값과 비교하여 SRTM과 WDEM의 상대 정확도를 나타냈다.
수치표고모델과 수목과의 상관관계 분석을 위하여 전 지구 수고 자료(Global forest canopy height map)와 우리나라 1:5,000 대축척 임상도에 포함되어 제공되는 임분고 데이터를 수집하여 활용하였다. 전 지구 수고 자료는 NASAGEDI(GlobalEcosystemDynamicsInvestigation)에 서 산출된 산림 수목 구조 측정 데이터와 시계열 Landsat 데이터를 활용하여 제작된 자료이다(Potapov et al.
수치표고모델과 수목과의 상관관계 분석을 위하여 전 지구 수고 자료(Global forest canopy height map)와 우리나라 1:5,000 대축척 임상도에 포함되어 제공되는 임분고 데이터를 수집하여 활용하였다. 전 지구 수고 자료는 NASAGEDI(GlobalEcosystemDynamicsInvestigation)에 서 산출된 산림 수목 구조 측정 데이터와 시계열 Landsat 데이터를 활용하여 제작된 자료이다(Potapov et al., 2020). 전 지구 수고 자료의 GEDI 관측 결과와 항공 라이다 관측 결과를 각각 참으로 가정하고 산출한 평균제곱근오차는 각각 6.

데이터처리

8은 각 지역의 LiDAR DSM1과 NGII DEM을 차분하여 생성한 수고 정보를 기준으로 두고 수집한 자료들의 수고 반영 성능을 비교한 결과이다. 이때 SRTM과 WDEM은 각각 NGII DEM과 차분하여 수고 정보를 생성하였으며 전 지구 수고 자료와 임분고 데이터는 다른 추가적인 자료처리 절차 없이 픽셀 기반 비교를 수행하였다.

이론/모형

이때 기준자료는 각 지역의 LiDAR DSM1, 2 그리고 NGII DEM으로 정했다. 모든 데이터는 UTM52 좌표계에서 30 m 간격의 그리드로 선형보간법을 활용하여 변환하였다. 그 결과 각 지역의 모든 데이터는 공주, 제주, 그리고 삼척 지역은 각각 121개, 85개, 그리고 56개의 픽셀로 구성되었다.
입력데이터가 각각 서로 다른 좌표계에 정의되어 있으면 동일 위치에 대한 비교가 불가능 하므로 좌표계를 일치시켜야 한다. 이에 따라 전체 데이터를 모두 UTM-52 (EPSG : 32652) 좌표계로 변환하였다. 이때 과반수 이상의 활용데이터의 해상도가 약 30 m (1초)에 맞추어져 제공되므로 선형보간법을 활용하여 연구데이터의 픽셀 크기를 모두 30 m로 일치시켰다.

성능/효과

(1) 수목의 생장과 계절적인 요인에 따라서 수치표고모델의 상대오차에 변동이 확인되었으며 시계열 위성데이터의 균일한 기하보정을 위하여 그 변동성이 적은 수치지형모델을 활용하는 편이 안정적일 것이라 판단된다.
(3) 경사도가 10도 이상인 남한 전체에 대하여 NGII DEM과 SRTM, 그리고 WDEM의 차분 값의 분포를 나타낼 때 평균 상대 오차가 각각 5.74, 그리고 7.79 m로 확인되었다. 이는 수고에 의한 영향으로 남한 전체에 대해서도 동일한 경향성을 확인할 수 있다.
(4) 남한 전체에 대하여 경사도에 따른 상대오차를 비교했을 때 SRTM이 WDEM보다 경사도 변화에 조금 더 안정적인 양상을 나타냈다. 이는 수고에 의한 영향 보다는 원자료의 촬영 입사각에 의한 영향이다.
(5) 경사도에 따른 SRTM과 WDEM의 상대오차 변화 양상은 기존 연구에서와 동일한 경향성을 나타냈다. 이 사실은 NGII DEM이 신뢰성 있는 수치지형모델이란 사실의 반증이다.
그 결과 각 지역의 모든 데이터는 공주, 제주, 그리고 삼척 지역은 각각 121개, 85개, 그리고 56개의 픽셀로 구성되었다. SRTM과 WDEM의 모든 위치의 픽셀 값을 LiDAR DSM1, 2 그리고 NGII DEM의 동일한 위치 픽셀 값과 비교하여 SRTM과 WDEM의 상대 정확도를 나타냈다. 공주 지역에 대하여 SRTM과 LiDAR DSM1, 2 그리고 NGII DEM을 서로 비교했을 때 RMSD는 각각 10.
이 사실은 NGII DEM이 신뢰성 있는 수치지형모델이란 사실의 반증이다. 따라서, 우리나라에 대해 기하보정을 위한 기준 DEM은 NGII DEM을 사용하는 게 적합할 것으로 보인다.
(2) 수고와 관련된 비교를 수행했을 때 활용한 모든 데이터에서 높은 상관성을 확인하기가 어려웠다. 하지만 그 중에서도 WDEM이 가장 높은 상관성을 나타냈으며 이는 WDEM의 원자료가 X-밴드 레이더이기 때문이다. 전반적으로 상관성이 낮은 이유는 수고에 의한 영향과 함께 데이터 자체의 오차성분이 포함되어 있기 때문이다.

후속연구

(2) 수고와 관련된 비교를 수행했을 때 활용한 모든 데이터에서 높은 상관성을 확인하기가 어려웠다. 하지만 그 중에서도 WDEM이 가장 높은 상관성을 나타냈으며 이는 WDEM의 원자료가 X-밴드 레이더이기 때문이다.
(6) 한편, NGII DEM이 구축되지 않은 외국 지역에 대해서는 SRTM과 WDEM과 같은 전 지구 수치표고모델을 활용하는 것이 효과적일 것이라 판단되며 촬영 지역의 경사도에 따라 선택적으로 활용한다면 보다 농림 위성영상의 정밀한 기하정확도를 기대할 수 있을 것으로 보인다.
본 연구는 농림위성의 정밀한 수직 기하 보정을 위해 적절한 기준 수치 표고모델을 결정하는 데에 기여할 것으로 기대한다. 다만 본 연구에서 수고를 분석한 내용은 공주, 제주 그리고 삼척 지역에 한정된 것으로 남한 지역 전체를 대표할 수 없다. 따라서 수고와 관련된 추가적인 연구가 필요할 것으로 보인다.
다만 본 연구에서 수고를 분석한 내용은 공주, 제주 그리고 삼척 지역에 한정된 것으로 남한 지역 전체를 대표할 수 없다. 따라서 수고와 관련된 추가적인 연구가 필요할 것으로 보인다.
또한 남한 전체에 대하여 활용 가능한 수치표 고모델을 분석하여 남한 지역의 경사에 따른 수치표고 모델 상대 오차 특성을 확인하였다. 본 연구는 농림위성의 정밀한 수직 기하 보정을 위해 적절한 기준 수치 표고모델을 결정하는 데에 기여할 것으로 기대한다. 다만 본 연구에서 수고를 분석한 내용은 공주, 제주 그리고 삼척 지역에 한정된 것으로 남한 지역 전체를 대표할 수 없다.
수치표고모델은 기하보정 정확도에 매우 큰 영향을 미치므로 농림위성의 기하 정확도를 결정하기 위해서는 수치표고모델의 정확도와 관련된 사전 연구가 필요하다. 본 연구에서는 농림위성의 주요 관심대상이 우리나라의 산악지역과 농경지라는 사실을 고려하여 연구지역의 경사적 특성과 식생 등을 고려한 수치표고모델 정확도 분석을 수행하였다.

참고문헌 (40)

Baek, W.-K. and H.-S. Jung, 2019. A review of change detection techniques using multi-temporal synthetic aperture radar images, Korean Journal of Remote Sensing, 35(5-1): 737-750 (in Korea with English abstract).

원문보기 상세보기
Beekhuizen, J., G.B. Heuvelink, J. Biesemans, and I. Reusen, 2010. Effect of DEM uncertainty on the positional accuracy of airborne imagery, IEEE Transactions on Geoscience and Remote Sensing, 49(5): 1567-1577.

상세보기
Berninger, A., S. Lohberger, D. Zhang, and F. Siegert, 2019. Canopy height and above-ground biomass retrieval in tropical forests using multi-pass X-and C-band Pol-InSAR data, Remote Sensing, 11(18): 2105.

상세보기
Brown, K.M., G.M. Foody, and P.M. Atkinson, 2007. Modelling geometric and misregistration error in airborne sensor data to enhance change detection, International Journal of Remote Sensing, 28(12): 2857-2879.

상세보기
Castel, T. and P. Oettli, 2008. Sensitivity of the C-band SRTM DEM vertical accuracy to terrain characteristics and spatial resolution, Proc. of Headway in spatial data handling, Springer, Berlin, Heidelberg, DE, pp. 163-176.
Chen, C., S. Yang, and Y. Li, 2020. Accuracy Assessment and Correction of SRTM DEM Using ICESat/GLAS Data under Data Coregistration, Remote Sensing, 12(20): 3435.

상세보기
During, R., F.N. Koudogbo, and M. Weber, 2008. TerraSAR-X and TanDEM-X: Revolution in spaceborne radar, Int. Arch. Photogramm, Remote Sensing Journal of Spatial Information Science, 37: 227-234.
Elkhrachy, I., 2018. Vertical accuracy assessment for SRTM and ASTER Digital Elevation Models: A case study of Najran city, Saudi Arabia, Ain Shams Engineering Journal, 9(4): 1807-1817.

상세보기
Farr, T.G., P.-A. Rosen, E. Caro, R. Crippen, R. Duren, S. Hensley, M. Kobrick, M. Paller, E. Rodriguez, L. Roth, D. Seal, S. Shaffer, J. Shimada, J. Umland, M. Werner, M. Oskin, D. Burbank, and D. Alsdorf, 2007. The shuttle radar topography mission, Reviews of Geophysics, 45(2): 2005RG000183.
Korea Forest Service, 2021, 2020 Foresty Statics, Korea Forest Service, Daejeon, KR.
Jeong, J., J. Kim, and T.-J. Kim, 2014. Analysis of geolocation accuracy of KOMPSAT-3 imagery, Korean Journal of Remote Sensing, 30(1): 37-45 (in Korea with English abstract).

원문보기 상세보기
Jung, H.-S. and J.-S. Won, 2008. Formulation of distortion error for the line-of-sight (LOS) vector adjustment model and its role in restitution of SPOT imagery, ISPRS Journal of Photogrammetry and Remote Sensing, 63(6): 610-620.

상세보기
Kim, B.-S., K.-D. Lee, S.-Y. Hong and W.-K. Lee, 2016. Analysis of Payload Technical Specifications for Efficient Agriculture and Forestry Satellite Observation, Korean Journal of Remote Sensing, 32(3): 287-305 (in Korea with English abstract).

원문보기 상세보기
Kim, E.-S., M. Won, K. Kim, J. Park, and J.S. Lee, 2019. Forest Management Research using Optical Sensors and Remote Sensing Technologies, Korean Journal of Remote Sensing, 35(62): 1031-1035 (in Korea with English abstract).

원문보기 상세보기
Kim, H.-C., B.-S. Kim, S.-L. Kang, S.-Y. Hong, Y.-H. Kim, K.-D. Lee, S.-I. Na and W.-K. Lee, 2014. Overview of Current Applications of Satellite Images in Agricultural Sectors, Journal of Satellite, Information and Communications, 9(2): 1-6.
Kolecka, N. and J. Kozak, 2014. Assessment of the accuracy of SRTM C-and X-Band high mountain elevation data: A case study of the Polish Tatra Mountains, Pure and Applied Geophysics, 171(6): 897-912.

상세보기
Kwon, S.-K., H.-S. Jung, W.-K. Baek, and D. Kim, 2017. Classification of forest vertical structure in south Korea from aerial orthophoto and lidar data using an artificial neural network, Applied Sciences, 7(10): 1046.

상세보기
Kwon, S.-K., K.-M. Kim, and J. Lim, 2021. A Study on Pre-evaluation of Tree Species Classification Possibility of CAS500-4 Using RapidEye Satellite Imageries, Korean Journal of Remote Sensing, 37(2): 291-304 (in Korea with English abstract).

원문보기 상세보기
Lee, K., E. Kim, and Y. Kim, 2017. Orthorectification of KOMPSAT optical images using various ground reference data and accuracy assessment, Journal of Sensors, 2017: 6393278.
Lee, W.-J., and C.-W. Lee, 2018. Forest canopy height estimation using multiplatform remote sensing dataset, Journal of Sensors, 2018: 1593129.
Lee, Y.-S., S. Lee, W.-K. Baek, H.-S. Jung, S.-H. Park, and M.-J. Lee, 2020. Mapping Forest Vertical Structure in Jeju Island from Optical and Radar Satellite Images Using Artificial Neural Network, Remote Sensing, 12(5): 797.

상세보기
National Geographic information institute, 2020. The National Atlas of Korea II, National Geographic information institute, Ministry of Land Infrastructure and Transport, Suwon, KR.
Oh, K.-Y. and H.-S. Jung, 2012. Automatic geometric calibration of KOMPSAT-2 stereo pair data, Korean Journal of Remote Sensing, 28(2): 191-202 (in Korea with English abstract).

원문보기 상세보기
Olmsted, C., 1993. Alaska SAR Facility Scientific SAR User's Guide, Alaska SAR Facility Tech RepASFSD-003, Koyukuk, AK, USA.
Orlandi, A.G., O.A. Carvalho-Junior, R.F. Guimaraes, E.S. Bias, D.C. Correa, and R.A.T. Gomes, 2019. Vertical accuracy assessment of the processed SRTM data for the brazilian territory, Boletim de Ciencias Geodesicas, 25(4): e2019021.

상세보기
Park, H.G., 2013. Study on the Korean accuracy standards setting of digital map for the construction and utilization of precise geospatial information, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 31(6-1): 493-502 (in Korea with English abstract).

원문보기 상세보기
Praks, J., C. Demirpolat, O. Antropov, and M. Hallikainen, 2013. On forest height retrieval from spaceborne X-band interferometric SAR images under variable seasonal conditions. Proc. of the XXXIII Finnish URSI Convention on Radio Science and SMARAD Seminar, Otaniemi, FI, Apr. 24-25, Vol. 2425, pp. 115-118.
Polidori, L. and M. El Hage, 2020. Digital elevation model quality assessment methods: A critical review, Remote Sensing, 12(21): 3522.

상세보기
Potapov, P., X. Li, A. Hernandez-Serna, A. Tyukavina, M.C. Hansen, A. Kommareddy, A. Pickens, A. Turubanova, H. Tang, C.E. Silva, J. Armston, R. Dubayah, J.B. Blair, and M. Hofton, 2021, Mapping global forest canopy height through integration of GEDI and Landsat data, Remote Sensing of Environment, 253: 112165.

상세보기
Ressl, C. and N. Pfeifer, 2018. Evaluation of the elevation model influence on the orthorectification of Sentinel-2 satellite images over Austria, European Journal of Remote Sensing, 51(1): 693-709.

상세보기
Riegler, G., S.D. Hennig, and M. Weber, 2015. WorldDEM-a novel global foundation layer, The International Archives of Photogrammetry, Remote Sensing and Spatial Information sciences, 40(3): 183.
Shin, J.-I., W.-S. Yoon, H.-J. Park, K.-Y. Oh, and T.-J. Kim, 2018. A Method to Improve Matching Success Rate between KOMPSAT-3A Imagery and Aerial Ortho-Images, Korean Journal of Remote Sensing, 34(6-1): 893-903 (in Korea with English abstract).

원문보기 상세보기
Solberg, S., E. Naesset, T. Gobakken, and O.M. Bollandsas, 2014. Forest biomass change estimated from height change in interferometric SAR height models, Carbon Balance and Management, 9(1): 1-12.

상세보기
Son, J.-H., W.-S. Yoon, T.-J. Kim, and S. Rhee, 2021. Iterative Precision Geometric Correction for High-Resolution Satellite Images, Korean Journal of Remote Sensing, 37(3): 431-447 (in Korea with English abstract).

원문보기 상세보기
Su, Y., Q. Guo, Q. Ma, and W. Li, 2015. SRTM DEM correction in vegetated mountain areas through the integration of spaceborne LiDAR, airborne LiDAR, and optical imagery, Remote Sensing, 7(9): 11202-11225.

상세보기
Sung, H.-C., Y.-Y. Zhu, and S.-W. Jeon, 2019. Study on Application Plan of Forest Spatial Information Based on Unmanned Aerial Vehicle to Improve Environmental Impact Assessment, Journal of the Korean Society of Environmental Restoration Technology, 22(6): 63-76 (in Korea with English abstract).
Tighe, M.L. and D. Chamberlain, 2009. Accuracy comparison of the SRTM, ASTER, NED, NEXTMAP® USA digital terrain model over several USA study sites, Proc. of ASPRS/MAPPS 2009 Fall Conference, San Antonio, TX, USA, Nov. 16-19, pp. 1-12.
Uuemaa, E., S. Ahi, B. Montibeller, M. Muru, and A. Kmoch, 2020. Vertical accuracy of freely available global digital elevation models (ASTER, AW3D30, MERIT, TanDEM-X, SRTM, and NASADEM), Remote Sensing, 12(21): 3482.

상세보기
Yu, J.-W., Y.-W. Yoon, W.-K. Baek, and H.-S. Jung, 2021, Forest Vertical Structure Mapping Using Two-Seasonal Optic Images and LiDAR DSM Acquired from UAV Platform through Random-Forest, XGBoost, and Support Vector Machine Approaches, Remote Sensing, 13(21): 4282.

상세보기
Zhu, Z., 2017. Change detection using landsat time series: A review of frequencies, preprocessing, algorithms, and applications, ISPRS Journal of Photogrammetry and Remote Sensing, 130: 370-384.

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