[논문]GK2A 일단위 NDVI의 과소추정 노이즈 실시간 보정

이수진; 윤유정; 손은하; 김미자; 이양원

doi:10.7780/kjrs.2022.38.6.1.24

GK2A 일단위 NDVI의 과소추정 노이즈 실시간 보정
A Real-time Correction of the Underestimation Noise for GK2A Daily NDVI 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.38 no.6 pt.1, 2022년, pp.1301 - 1314

이수진 (부경대학교 지오메틱연구소) , 윤유정 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 손은하 (국가기상위성센터 위성기획과) , 김미자 (국가기상위성센터 위성기획과) , 이양원 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공)

초록
AI-Helper

Normalized Difference Vegetation Index (NDVI)는 간단한 수식으로 식생 활력도를 파악할 수 있기 때문에, 토지피복, 곡물수확, 농업가뭄, 토양수분, 산림재해 등의 분야에서 지표면의 식생 상태를 나타내는 지시자로 활용되고 있다. 그러나 가시광선과 적외선을 감지하는 광학위성센서는 구름을 투과하여 센싱(sensing)할 수 없으므로, 구름 화소에 대해서는 지표면의 NDVI가 계산될 수 없다. 본 연구에서는 천리안위성 2A호(GEO-KOMPSAT-2A, GK2A) 일단위 NDVI의 과소추정 노이즈를 개선하기 위한 실시간 보정기법을 개발하였으며, Moderate Resolution Imaging Spectroradiometer (MODIS) NDVI와의 정량적 비교 및 시계열 변화에 대한 정성적 해석을 통해 제안된 기법의 유용성을 확인하였다. 식생의 생장 주기를 반영한 시계열 보정, 장기간 기후치를 이용한 이상치 제거, 엄밀한 통계기반의 결측화소 복원 등의 과정을 거친 보정 NDVI에서는 구름에 의한 과소추정이 효과적으로 개선되었다. MODIS NDVI와의 상관성이 원값보다 높고, 그 차이가 감소한 경향을 보여주었으며, 특히 여름철에는 32.7%의 향상률을 보였다. 본 연구에서 제안한 방법은 일부 수정을 거쳐 타 위성산출물에도 적용될 수 있는 확장성을 가지고 있다.

Abstract ▼ AI-Helper

Normalized Difference Vegetation Index (NDVI) is utilized as an indicator to represent the vegetation condition on the land surface in various applications such as land cover, crop yield, agricultural drought, soil moisture, and forest disaster. However, satellite optical sensors for visible and infrared rays cannot see through the clouds, so the NDVI of the cloud pixel is not a valid value for the land surface. This study proposed a real-time correction of the underestimation noise for GEO-KOMPSAT-2A (GK2A) daily NDVI and made sure its feasibility through the quantitative comparisons with Moderate Resolution Imaging Spectroradiometer (MODIS) NDVI and the qualitative interpretation of time-series changes. The underestimation noise was effectively corrected by the procedures such as the time-series correction considering vegetation phenology, the outlier removal using long-term climatology, and the gap filling using rigorous statistical methods. The correlation with MODIS NDVI was higher, and the difference was lower, showing a 32.7% improvement compared to the original NDVI product. The proposed method has an extensibility for use in other satellite products with some modification.

주제어

표/그림 (11)

그림 Fig. 1. GK2A daily NDVI maps between July 19 and August 19, 2020. Many low-value pixels were found in the cropland and forests.
그림 Fig. 2. Procedure of the real-time correction of the underestimation noise for GK2A daily NDVI.
그림 Fig. 3. The difference between GK2A and MODIS NDVI in 2020. The values were calculated as GK2A minus MODIS. Many negative values were found in summer.
그림 Fig. 4. The difference between GK2A and MODIS NDVI in 2021. The values were calculated as GK2A minus MODIS. Many negative values were found in summer.
그림 Fig. 5. Ratio of the outlier pixels in land pixels.
그림 Fig. 6. The difference between the corrected GK2A and MODIS NDVI in 2020. The values were calculated as the corrected GK2A minus MODIS and seemed almost around zero in summer.
그림 Fig. 7. The difference between the corrected GK2A and MODIS NDVI in 2021. The values were calculated as the corrected GK2A minus MODIS and seemed almost around zero in summer.
그림 Fig. 8. MODIS (a and b) and corrected GK2A (c and d) NDVI in August 2020.
표 Table 1. Correlation and differences between (original and corrected) GK2A and MODIS NDVI
그림 Fig. 9. The distribution of corrected GK2A NDVI from July 19 to August 19, 2020.
그림 Fig. 10. Corrected NDVI time series of (a) Yeonbaek Plain, (b) Naju Plain, (c) Jirisan Mountain, and (d) Taeryongsan Mountain.

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 GK2A 일단위 NDVI의 과소추정 노이즈를 개선하기 위한 실시간 보정기법을 개발하였으며, MODIS NDVI와의 정량적 비교 및 시계열 변화에 대한 정성적 해석을 통해 제안된 기법의 유용성을 확인하였다. 식생의생장주기를반영한시계열보정,장기간기 후치를 이용한 이상치 제거, 엄밀한 통계기반의 결측화소 복원 등의 과정을 거친 보정 NDVI에서는 구름에 의한 과소추정이 효과적으로 개선되었다.
본 연구에서는 GK2A 일단위 NDVI의 과소추정 노이즈를 개선하기 위한 실시간 보정기법을 제안하고자 한다. 이동평균과 MVC에 기초한 시계열 보정, 통계적 이상치의 제거 및 결측화소 복원 등이 과정을 거쳐 통해 GK2A 일단위 NDVI를 개선하였으며, 제안된 기법에 대한 성능 평가를 위해서 MODIS NDVI와의 정량적 비교 및 시계열 변화에 대한 정성적 해석을 수행하였다.

제안 방법

GK2A NDVI 보정 효과를 시계열적으로 확인하기 위해서, 상당히 균질한 배경화소가 확보되는 농지와 산림 지역을 선정하여, 농지에서는 연백평야와 나주평야 픽셀, 그리고 산림에서 지리산과 대령산 픽셀에 대한 NDVI 시계열 분포를 확인하였다(Fig. 10).
식생 생장이 감소하는 NDVI 하강기인 9월부터 3월까지는 이동평균을 적용하였다. NDVI 하강기에 MVC를 적용하면 이전 시기의 높은 값이 타깃 시점에 그대로 반영될 수 있기 때문에, 타깃 시점과 과거 9일치를 합쳐서 총 10일치의 NDVI 값을 이동평균 방식으로 합성하였다(Fig. 2(b)).
2). 먼저, 시계열 보정은 이동평균과 MVC에 기초하며, 식생의 생장 주기를 고려하였다. 식생 생장이 감소하는 NDVI 하강기인 9월부터 3월까지는 이동평균을 적용하였다.
1년치를 모아서 연말에 시공간 보정을 수행하는 산출물(year-end product)은 타깃 시점에 대한 전·후 시기 영상이 모두 존재하므로 시계열내삽이나 SG 필터 등을 사용할 수 있으나, GK2A NDVI 산출물은 실시간으로 타 산출물의 입력자료로 사용되므로 실시간 보정처리를 해야 하기 때문에, 이전 시기 영상과 NDVI 기후값만을 참조하여 보정처리를 수행해야 한다. 본 연구에서는 시계열 보정, 이상치 제거, Discrete Cosine Transform-based Penalized Least Square Regression (DCTPLS) 결측복원 등의 일련의 과정을 거쳐 GK2A NDVI 개선을 수행하였다(Fig. 2).
먼저, 시계열 보정은 이동평균과 MVC에 기초하며, 식생의 생장 주기를 고려하였다. 식생 생장이 감소하는 NDVI 하강기인 9월부터 3월까지는 이동평균을 적용하였다. NDVI 하강기에 MVC를 적용하면 이전 시기의 높은 값이 타깃 시점에 그대로 반영될 수 있기 때문에, 타깃 시점과 과거 9일치를 합쳐서 총 10일치의 NDVI 값을 이동평균 방식으로 합성하였다(Fig.
2(b)). 식생 생장이 증가하는 NDVI 상승기인 4월부터 8월까지는 이동평균과 MVC가 결합된 방식을 적용하였다. 우리나라에서는 NDVI가 4월부터 상승하기 시작하여 7월이나 8월에 최고치를 나타내는 것이 일반적이지만, 여름철에는 지표면이 아니라 구름 화소의 NDVI가 계산됨으로써 NDVI 과소추정의 경향이 있다.
본 연구에서는 GK2A 일단위 NDVI의 과소추정 노이즈를 개선하기 위한 실시간 보정기법을 제안하고자 한다. 이동평균과 MVC에 기초한 시계열 보정, 통계적 이상치의 제거 및 결측화소 복원 등이 과정을 거쳐 통해 GK2A 일단위 NDVI를 개선하였으며, 제안된 기법에 대한 성능 평가를 위해서 MODIS NDVI와의 정량적 비교 및 시계열 변화에 대한 정성적 해석을 수행하였다.
우리나라에서는 NDVI가 4월부터 상승하기 시작하여 7월이나 8월에 최고치를 나타내는 것이 일반적이지만, 여름철에는 지표면이 아니라 구름 화소의 NDVI가 계산됨으로써 NDVI 과소추정의 경향이 있다. 이때 이동평균을 그대로 취할 경우 과소추정치가 함께 포함되어 실제보다 낮은 NDVI 값을 가질 수 있기 때문에, 이를 방지하기 위하여 NDVI 상승기에는 타깃 일자의 NDVI 원값과 과거 9일치 시계열 보정값의 평균을 구한 뒤, 그 평균값과 원값 중 최대값을 취하였다(Fig. 2(c)).

대상 데이터

5–2 km 해상도로 2–10분 단위의 관측을 수행하고, 52종의 다양한 기상산출물을 제공하고 있다. GK2A NDVI 산출물은 2 km 공간 해상도, 1일 간격으로 생산되며, 2020년부터 1월 1일부터 2021년 12월 31일까지 731장의 영상을 사용하여 실험하였다. 연구 지역은 한반도 일대로, 위도 33.
GK2A NDVI와 함께 제공되는 Data Quality Flag(DQF)를 사용하여 호수, 저수지 등의 육수(inland water) 부분을 제외하고 지표면 화소만을 대상으로 하였다(Fig. 2(a)).
GK2A 위성은 16개 채널 가진 고성능 기상센서 AMI를 통해서 0.5–2 km 해상도로 2–10분 단위의 관측을 수행하고, 52종의 다양한 기상산출물을 제공하고 있다
연구 지역은 한반도 일대로, 위도 33.0°–43.2°N, 경도 124.0°–130.7°E의 범위이다.

성능/효과

앞서 Fig. 1에서 2020년 7월 19일부터 8월 19일까지 원본 GK2A NDVI에서 나타난 과소추정 경향이 효과적으로 개선되었음을 Fig. 9를 통해 확인할 수 있었다.
3, Fig. 4), 노이즈가 보정된 GK2A NDVI에서는 문제시되었던 여름철 NDVI의 과소추정 경향이 크게 감소하였다(Fig. 6, Fig.
10). GK2A NDVI원값에서 구름에 의해 여름철 NDVI가 급락하는 노이즈 화소가 효과적으로 개선되었음을 확인할 수 있다. 이는 GK2A NDVI 원값이 가지는 패턴과 함께 식생 생장 주기를 반영하는 점진적인 시계열 변화를 적절히 표현하는 것으로 보인다.
7%의 향상률을 보였다. GK2A 일단위 NDVI는 타산출물의 입력자료로도 활용되기 때문에 실시간 산출이 필요하며, NDVI 보정도 실시간으로 이루어져야 하는데, 본 연구에서는 실시간처리의 한계에도 불구하고 적절한 보정 결과를 도출하였다. 그러나 연말 산출물처럼 전·후 시기 자료를 사용하지 못하기 때문에 구름이 장기간 지속될 때에는 일부 과소추정이 남아있는 경우도 존재했다.
식생의생장주기를반영한시계열보정,장기간기 후치를 이용한 이상치 제거, 엄밀한 통계기반의 결측화소 복원 등의 과정을 거친 보정 NDVI에서는 구름에 의한 과소추정이 효과적으로 개선되었다. MODIS NDVI와의 상관성이 원값보다 높고, 그 차이가 감소한 경향을 보여주었으며, 특히 여름철에는 32.7%의 향상률을 보였다. GK2A 일단위 NDVI는 타산출물의 입력자료로도 활용되기 때문에 실시간 산출이 필요하며, NDVI 보정도 실시간으로 이루어져야 하는데, 본 연구에서는 실시간처리의 한계에도 불구하고 적절한 보정 결과를 도출하였다.
8(b)). 그러나, 우리나라 산림의 여름철 NDVI가 0.6 이하인 경우는 드물기 때문에, 이는 MODIS NDVI 역시 구름에 의한 노이즈 보정이 완벽하지 못했기 때문으로 사료되며, 오히려 보정된 GK2A NDVI가 더 합리적인 값을 가지는 것으로 해석된다(Fig. 8).
110)(Table 1). 보정된 GK2A NDVI는 2020년 8월 강원도 산림지역에서 MODIS NDVI에 비해 큰 값을 가지는 경향을 보였는데(Fig. 6), 2020년 8월 집중호우로 인해 MODIS NDVI 역시 산림지역에서 0.
보정된 GK2A NDVI는 원본 GK2A NDVI보다 MODIS NDVI와의 상관성이 높고(CC=0.732), 차이가 감소하였으며(MBD=–0.030, MAD=0.078), 여름을 비롯한 모든 계절에서 MODIS NDVI와의 일치성이 향상되었다
본 연구에서는 GK2A 일단위 NDVI의 과소추정 노이즈를 개선하기 위한 실시간 보정기법을 개발하였으며, MODIS NDVI와의 정량적 비교 및 시계열 변화에 대한 정성적 해석을 통해 제안된 기법의 유용성을 확인하였다. 식생의생장주기를반영한시계열보정,장기간기 후치를 이용한 이상치 제거, 엄밀한 통계기반의 결측화소 복원 등의 과정을 거친 보정 NDVI에서는 구름에 의한 과소추정이 효과적으로 개선되었다. MODIS NDVI와의 상관성이 원값보다 높고, 그 차이가 감소한 경향을 보여주었으며, 특히 여름철에는 32.
이는 GK2A NDVI 원값이 가지는 패턴과 함께 식생 생장 주기를 반영하는 점진적인 시계열 변화를 적절히 표현하는 것으로 보인다. 연백평야와 지리산 픽셀의 경우, 2020년 8월에 일주일 이상 구름으로 인해 원본값이 매우 낮게 산출되었는데, 이렇듯 장기간 구름이 계속되면 일련의 보정 처리에도 불구하고 NDVI 값이 정상적인 수준으로 완전히 회복되지 못할 수도 있다(Fig. 10(a), Fig.
일사량이 비교적 충분했던 2021년에 비해, 기록적으로 장마가 길었던 2020년은 여름철 구름으로 인한 GK2A NDVI의 과소추정 경향이 심하게 나타났으나(Fig. 3, Fig.

후속연구

10(c)). 이는 당일과 이전시기 자료만을 사용해야 하는 실시간 처리의 불가피한 한계이며, 향후 이에 대한 추가적인 알고리즘 개선이 필요할 것으로 보인다.
그러나 연말 산출물처럼 전·후 시기 자료를 사용하지 못하기 때문에 구름이 장기간 지속될 때에는 일부 과소추정이 남아있는 경우도 존재했다. 이는 향후 다양한 보조자료의 활용을 통한 알고리듬 개선을 통해 해결될 수 있을 것으로 사료되며, 본 연구에서 제안한 방법은 일부 수정을 거쳐 타 위성산출물에도 적용될 수 있는 확장성을 가지고 있다.

참고문헌 (21)

Bradley, B.A., R.W. Jacob, J.F. Hermance, and J.F. Mustard, 2007. A curve fitting procedure to derive inter-annual phenologies from time series of noisy satellite NDVI data, Remote Sensing of Environment, 106(2): 137-145. https://doi.org/10.1016/j.rse.2006.08.002

상세보기
Chen, J., P. Jonsson, M. Tamura, Z. Gu, B. Matsushita, and L. Eklundh, 2004. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter, Remote Sensing of Environment, 91(3-4): 332-344. https://doi.org/10.1016/j.rse.2004.03.014

상세보기
Domenikiotis, C., N.R. Dalezios, A. Loukas, and M. Karteris, 2002. Agreement assessment of NOAA/AVHRR NDVI with Landsat TM NDVI for mapping burned forested areas, International Journal of Remote Sensing, 23(20): 4235-4246. https://doi.org/10.1080/01431160110107707

상세보기
Han, Y., Y. Wang, and Y. Zhao, 2010. Estimating soil moisture conditions of the greater Changbai Mountains by land surface temperature and NDVI, IEEE Transactions on Geoscience and Remote Sensing, 48(6): 2509-2515. https://doi.org/10.1109/TGRS.2010.2040830

상세보기
Holben, B.N., 1986. Characteristics of maximum-value composite images from temporal AVHRR data, International Journal of Remote Sensing, 7(11): 1417-1434. https://doi.org/10.1080/01431168608948945

상세보기
Huang, J., X. Wang, X. Li, H. Tian, and Z. Pan, 2013. Remotely sensed rice yield prediction using multi-temporal NDVI data derived from NOAA's-AVHRR, PLoS ONE, 8(8): e70816. https://doi.org/10.1371/journal.pone.0070816

상세보기
Jensen, J.R., 2016. Introductory Digital Image Processing: A Remote Sensing Perspective, Pearson Education, London, UK.
Kamel, D., A.B. Munoz, S. Ramon, and A. Huete, 2015. MODIS Vegetation Index User's Guide (MOD13 Series), Vegetation Index and Phenology Lab, University of Arizona, Tucson, AZ, USA.
KMA (Korea Meteorological Administration), 2020a. NEWSLETTER Climate analysis information for July 2020, Korea Meteorological Administration, Seoul, Korea.
KMA (Korea Meteorological Administration), 2020b. NEWSLETTER Climate analysis information for August 2020, Korea Meteorological Administration, Seoul, Korea.
Lee, K.S. and K.S. Han, 2014. An improved method of NDVI correction through pattern-response low-peak detection on time series, Korean Journal of Remote Sensing, 30(4): 505-510. https://doi.org/10.7780/kjrs.2014.30.4.8

원문보기 상세보기
Li, S., L. Xu, Y. Jing, H. Yin, X. Li, and X. Guan, 2021. High-quality vegetation index product generation: A review of NDVI time series reconstruction techniques, International Journal of Applied Earth Observation and Geoinformation, 105: 102640. https://doi.org/10.1016/j.jag.2021.102640

상세보기
Peters, A.J., E.A. Walter-Shea, L. Ji, A. Vina, M. Hayes, and M.D. Svoboda, 2002. Drought monitoring with NDVI-based standardized vegetation index, Photogrammetric Engineering and Remote Sensing, 68(1): 71-75.

상세보기
Rouse Jr, J.W., R.H. Haas, D.W. Deering, J.A. Schell, and J.C. Harlan, 1974. Monitoring the Vernal Advancement and Retrogradation (Green Wave Effect) of Natural Vegetation (No. E75-10354), Remote Sensing Center, Texas A&M University, College Station, TX, USA.
Seong, N.H. and K.S. Han, 2019. GK-2A AMI Algorithm Theoretical Basis Document (Vegetation Index/Fractiona Vegetation Cover), National Meteorological Satellite Center, Korea Meteorological Administration, Jincheon, Korea.
Usman, M., R. Liedl, M.A. Shahid, and A. Abbas, 2015. Land use/land cover classification and its change detection using multi-temporal MODIS NDVI data, Journal of Geographical Sciences, 25(12): 1479-1506. https://doi.org/10.1007/s11442-015-1247-y

상세보기
Van Leeuwen, W.J., A.R. Huete, and T.W. Laing, 1999. MODIS vegetation index compositing approach: A prototype with AVHRR data, Remote Sensing of Environment, 69(3): 264-280. https://doi.org/10.1016/S0034-4257(99)00022-X

상세보기
Vorobiova, N. and A. Chernov, 2017. Curve fitting of MODIS NDVI time series in the task of early crops identification by satellite images, Procedia Engineering, 201: 184-195. https://doi.org/10.1016/j.proeng.2017.09.596

상세보기
Wang, B., W. Shi, and Z. Miao, 2014. Comparative analysis for robust penalized spline smoothing methods, Mathematical Problems in Engineering, 2014: 1-11. https://doi.org/10.1155/2014/642475

상세보기
Wang, G., D. Garcia, Y. Liu, R. De Jeu, and A.J. Dolman, 2012. A three-dimensional gap filling method for large geophysical datasets: Application to global satellite soil moisture observations, Environmental Modelling & Software, 30: 139-142. https://doi.org/10.1016/j.envsoft.2011.10.015

상세보기
Youn, Y., S. Kim, Y. Jeong, S. Cho, and Y. Lee, 2020. Evaluation of the DCT-PLS method for spatial gap filling of gridded data, Korean Journal of Remote Sensing, 36(6-1): 1407-1419. https://doi.org/10.7780/kjrs.2020.36.6.1.10

원문보기 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