[논문]광학위성영상의 해상도에 따른 논지역의 정규식생지수 비교

은정; 김선화; 민지은

doi:10.7780/kjrs.2023.39.6.1.12

광학위성영상의 해상도에 따른 논지역의 정규식생지수 비교
Comparison of NDVI in Rice Paddy according to the Resolution of Optical Satellite Images 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.6/1, 2023년, pp.1321 - 1330

은정 (주식회사 퍼픽셀) , 김선화 (주식회사 퍼픽셀) , 민지은 (주식회사 유에스티21 원격탐사팀)

초록
AI-Helper

정규식생지수는 농업분야에 가장 많이 사용된 원격탐사 자료로, 현재 대부분의 광학위성에서 제공되고 있다. 특히 고해상도 광학위성영상이 제공되면서 농업 활용 분야에 따른 최적의 광학위성영상의 선택이 매우 중요한 이슈가 되었다. 본 연구에서는 국내 논지역의 정규식생지수 모니터링 시 가장 최적의 광학위성영상을 정의하고 이를 위해 필요한 해상도 관련 요구조건을 도출하고자 한다. 이를 위해 전 세계적으로 많이 사용되는 MOD13, Landsat-8, Sentinel-2A/B, PlanetScope 위성의 정규식생지수영상을 대상으로 국내 당진 논지역의 공간분포 및 2019년부터 2022년까지 시계열 패턴을 비교, 분석하였다. 각 자료는 3-250 m의 공간해상도와 다양한 주기해상도로 제공되며, 정규식생지수를 산출할 때 사용되는 분광밴드의 영역도 약간의 차이가 있다. 분석 결과 Landsat-8은 가장 낮은 정규식생지수 값을 나타내며 공간적으로 변이도 매우 낮았다. 이에 비해 MOD13 정규식생지수 영상은 PlanetScope 자료와 비슷한 공간분포 및 시계열 패턴을 나타났으나 낮은 공간해상도로 인해 논 주변지역의 영향을 받았다. Sentinel-2A/B는 넓은 근적외선밴드 영역으로 인해 상대적으로 약간 낮은 정규식생지수 값을 나타내었으며, 특히 생육 초기시기에 그 특징이 두드러졌다. PlanetScope의 정규식생지수가 상세한 공간적 변이 및 안정적인 시계열 패턴을 제공하나 높은 구매가격을 고려하면 공간적으로 균일한 논지역보다는 밭지역에서 그 활용성이 높을 것으로 사료된다. 이에 따라 국내 논지역에 대해서는 250 m급 MOD13 정규식생지수나 10 m급 Sentinel-2A/B가 가장 효율적일 것으로 사료되나 작물의 개체에 대한 상세 물리량 추정을 위해서는 고해상도 위성영상이 활용될 수 있다.

Abstract ▼ AI-Helper

Normalized Difference Vegetation Index (NDVI) is the most widely used remote sensing data in the agricultural field and is currently provided by most optical satellites. In particular, as high-resolution optical satellite images become available, the selection of optimal optical satellite images according to agricultural applications has become a very important issue. In this study, we aim to define the most optimal optical satellite image when monitoring NDVI in rice fields in Korea and derive the resolution-related requirements necessary for this. For this purpose, we compared and analyzed the spatial distribution and time series patterns of the Dangjin rice paddy in Korea from 2019 to 2022 using NDVI images from MOD13, Landsat-8, Sentinel-2A/B, and PlanetScope satellites, which are widely used around the world. Each data is provided with a spatial resolution of 3 m to 250 m and various periods, and the area of the spectral band used to calculate NDVI also has slight differences. As a result of the analysis, Landsat-8 showed the lowest NDVI value and had very low spatial variation. In comparison, the MOD13 NDVI image showed similar spatial distribution and time series patterns as the PlanetScope data but was affected by the area surrounding the rice field due to low spatial resolution. Sentinel-2A/B showed relatively low NDVI values due to the wide near-infrared band area, and this feature was especially noticeable in the early stages of growth. PlanetScope's NDVI provides detailed spatial variation and stable time series patterns, but considering its high purchase price, it is considered to be more useful in small field areas than in spatially uniform rice paddy. Accordingly, for rice field areas, 250 m MOD13 NDVI or 10 m Sentinel-2A/B are considered to be the most efficient, but high-resolution satellite images can be used to estimate detailed physical quantities of individual crops.

주제어

표/그림 (9)

그림 Fig. 1. The study area of Dangjin rice paddy. (a) PlanetScope color image and (b, c) field photo.
그림 Fig. 2. Photos from the fields data collection (a: August 2021, b: September 2021, c: October 2021, d: July 2022, e: September 2022, and f: October 2022).
표 Table 1. Types and specifications of the dataset used
그림 Fig. 3. Spectral response functions of red and NIR bands used in the generation of NDVI.
그림 Fig. 4. Processing and analysis process for generating and comparing NDVI of various satellite images.
그림 Fig. 5. This is a satellite image. (a) PlanetScope (2022.06.11), (b) Sentinel-2A/B (2022.06.11), (c) Landsat-8 (2022.06.21), (d) MOD13 (2022.06.10), (e) PlanetScope (2022.09.09), (f) Sentinel-2A/B (2022.09.09), (g) Landsat-8 (2022.09.09), and (h) MOD13 (2022.09.14) NDVI images of Danjin rice paddy.
그림 Fig. 6. Time-series MOD13, Landsat-8, PlanetScope, Sentinel-2A/B, and field-measured NDVI patterns for Dangjin rice paddy from 2019 to 2022.
표 Table 2. Correlation values of various satellites-based NDVI and field-measured NDVI
표 Table 3. Statistics of NDVI obtained from matched field and satellite observations (bias=satellite-based NDVI-field measured ASD NDVI)

AI 본문요약
AI-Helper

문제 정의

대기보정 알고리즘은 Table 1과 같이 개별로 다른 알고리즘이 적용되었다. 실제 정규식생지수의 차이 발생 원인은 센서의 특징, 촬영 당시 대기 및 기상 현황, 촬영 날짜 차이 등이 제시될 수 있어, 본 연구에서는 대기 및 기상 상황에 따른 차이를 최소화하기 위해 대기보정 된 반사율 기반 정규식생지수를 산출하였다. 또한 대기보정 후 현장 정규식생지수와 보다 비슷한 위성기반 정규식생지수가 산출된다.

제안 방법

본 연구에서는 Fig. 4와 같이 연구지역을 대상으로 2019~2022년 기간의 각 위성별 정규식생지수를 산출하여 시계열로 비교하였으며, 이 기간 동안 내 수집된 벼의 분광반사율 현장자료를 추가하여 위성자료와의 비교를 진행하였다. 이를 위해 각 대기보정된 위성 Product를 수집 후, UTM 좌표체계(WGS84)로 재투영 후, 정규식생지수로 변환하였다.
이를 위해 각 대기보정된 위성 Product를 수집 후, UTM 좌표체계(WGS84)로 재투영 후, 정규식생지수로 변환하였다. 그 후 연구지역의 스마트팜 맵을 이용하여 대상지역만을 추출하여 각종 정규식생지수의 통계치를 추출하였다. 현장 측정 자료는 대상지역에 골고루 측정된 총 6지점의 정규식생지수를 산술 평균하여 사용하였다.
4와 같이 연구지역을 대상으로 2019~2022년 기간의 각 위성별 정규식생지수를 산출하여 시계열로 비교하였으며, 이 기간 동안 내 수집된 벼의 분광반사율 현장자료를 추가하여 위성자료와의 비교를 진행하였다. 이를 위해 각 대기보정된 위성 Product를 수집 후, UTM 좌표체계(WGS84)로 재투영 후, 정규식생지수로 변환하였다. 그 후 연구지역의 스마트팜 맵을 이용하여 대상지역만을 추출하여 각종 정규식생지수의 통계치를 추출하였다.

대상 데이터

PlanetScope 위성은 군집형태의 초소형위성으로 200여기가 운용되고 있으며, 이로 인해 매일 원하는 지역의 영상을 획득할 수 있다. PlanetScope 영상은 4개 혹은 8개의 분광밴드로 이루어져 있으며, 이중 본 연구에 사용된 자료는 대부분 3 m의 공간해상도의 4개 밴드로 이루어진 영상자료를 사용하였다.
본 연구에서는 2019년부터 2022년까지의 벼의 생육주기에 맞춰 4월부터 11월까지의 영상자료를 수집하여 사용하였다. 다양한 광학위성영상을 이용하여 논지역 정규식생지수 비교를 위하여 4종의 위성영상을 수집하였다. 수집된 위성자료는 대기보정된 표면반사율(reflectance) Level-2 (L2)자료로써Landsat-8, Sentinel-2A/B, PlanetScope, MODIS 위성영상이다.
본 연구에 사용된 4종의 광학위성영상의 NDVI 비교를 위하여, Landsat-8, Sentinel-2A/B, PlanetScope 위성의 각각의 적색광 밴드와 근적외선밴드를 이용하여 정규식생지수영상을 제작하였다. 각 위성의 정규식생지수제작에 사용된 밴드의 분광반응함수는 Fig.
본 연구에서는 2019년부터 2022년까지의 벼의 생육주기에 맞춰 4월부터 11월까지의 영상자료를 수집하여 사용하였다. 다양한 광학위성영상을 이용하여 논지역 정규식생지수 비교를 위하여 4종의 위성영상을 수집하였다.
본 연구에서는 다양한 광학위성영상의 정규식생지수(NDVI) 비교를 위하여, 단일 작물로 넓게 분포한 당진시 석문면에 위치한 교로리 일대의 12 km2 (약 1,200 ha) 면적을 포함하는 논지역을 선택하였다. 해당 연구 지역은 당진시의 계획관리지역의 농업단지로써 시에서 추진하는 친환경적 재배농법 해나루쌀 재배단지 일부를 포함하고 있다.
본 연구에서는 전 세계적으로 농작물 모니터링에 많이사용되는MOD13,Landsat-8, Sentinel-2A/B,PlanetScope 위성영상의 정규식생지수자료를 비교 분석하였다. 본 자료들은 각각 3 m, 10 m, 30 m, 250 m의 다양한 공간해상도로 제공되며 제공 주기도 매우 다양하다.
본 연구에서는 전 세계적으로 농작물 모니터링에 많이사용되는MOD13,Landsat-8, Sentinel-2A/B,PlanetScope 위성영상의 정규식생지수자료를 비교 분석하였다. 본 자료들은 각각 3 m, 10 m, 30 m, 250 m의 다양한 공간해상도로 제공되며 제공 주기도 매우 다양하다. 공간적으로 매우 균일한 국내 당진 논지역을 대상으로 2019년~2022년까지 시계열 정규식생지수를 분석한 결과, 센서별로 정규식생지수의 차이가 나타났다.
다양한 광학위성영상을 이용하여 논지역 정규식생지수 비교를 위하여 4종의 위성영상을 수집하였다. 수집된 위성자료는 대기보정된 표면반사율(reflectance) Level-2 (L2)자료로써Landsat-8, Sentinel-2A/B, PlanetScope, MODIS 위성영상이다. 대기보정 알고리즘은 Table 1과 같이 개별로 다른 알고리즘이 적용되었다.
Landsat-8 위성은 16일 간격으로 동일한 지역을 촬영한 영상을 획득할 수 있으며, 30 m의 공간해상도를 가지고 있다. 총 11개의 분광밴드로 구성되어 있으며, 이중 적색광 영역의 밴드 4와 근적외선 영역의 밴드 5를 이용하여 정규식생지수 영상을 제작하였다. Sentinel-2 위성은 A/B 2종의 위성을 운용하고 있어 동일지역 영상을 5일 간격으로 획득 할 수 있다.
본 연구에서는 다양한 광학위성영상의 정규식생지수(NDVI) 비교를 위하여, 단일 작물로 넓게 분포한 당진시 석문면에 위치한 교로리 일대의 12 km2 (약 1,200 ha) 면적을 포함하는 논지역을 선택하였다. 해당 연구 지역은 당진시의 계획관리지역의 농업단지로써 시에서 추진하는 친환경적 재배농법 해나루쌀 재배단지 일부를 포함하고 있다. 또한, 간척사업을 통해 만들어진 평야로 경작지는 일정간격으로 네모 반듯하게 경지정리가 잘 되어 있다.
그 후 연구지역의 스마트팜 맵을 이용하여 대상지역만을 추출하여 각종 정규식생지수의 통계치를 추출하였다. 현장 측정 자료는 대상지역에 골고루 측정된 총 6지점의 정규식생지수를 산술 평균하여 사용하였다.
이와 함께 2021년과 2022년 동안 현장 측정이 수행된 총 6일에 대해 다양한 위성자료의 정규식생지수와의 통계치를 Table 3과 같이 비교하였다. 현장 측정과 위성영상의 촬영 시점의 차이가 있으나 5일 이내의 자료만을 선택하여 산출하였다. 현장 측정된 정규식생지수는 좁은 Field of View (FOV) 및 낮은 공간 샘플링으로 인해 정규식생지수의 범위가 매우 좁게 나타났으며, 이에 비해 MOD13과 PlanetScope 기반 정규식생지수가 넓은 값의 범위를 나타내었다.

성능/효과

본 자료들은 각각 3 m, 10 m, 30 m, 250 m의 다양한 공간해상도로 제공되며 제공 주기도 매우 다양하다. 공간적으로 매우 균일한 국내 당진 논지역을 대상으로 2019년~2022년까지 시계열 정규식생지수를 분석한 결과, 센서별로 정규식생지수의 차이가 나타났다.
대부분 현장 측정이 7월말부터 수확전인 10월까지 측정되어 높은 정규식생지수 값이 월별로 서서히 감소하다 10월을 기점으로 크게 감소하는 패턴을 볼 수 있다. 또한 위성기반 정규식생지수와 현장 측정 정규식생지수의 차를 나타내는 bias를 보면 대부분의 위성영상이 현장 측정된 정규식생지수보다.
본 연구의 현장 측정이 대부분 높은 정규식생지수를 나타내는 시기에 측정되었으며, 기존 연구 결과와 비슷한 결과를 보였다. 이러한 차이는 현장 측정과 위성센서와의 FOV, 작물과 센서의 거리, 정규식생지수에 사용되는 반사율의 범위, 위성영상 대기보정의 정확도에 따라 발생될 수 있다.
9 이상의 상관계수를 나타내었다. 위성영상 중 공간해상도의 차이가 가장 큰 PlanetScope과 MOD13이 0.948의 높은 상관계수를 나타내었으며, Landsat-8은 여러 위성 중 Sentinel-2A/B와 0.744의 가장 높은 상관계수를 나타내었다.
현장 측정과 위성영상의 촬영 시점의 차이가 있으나 5일 이내의 자료만을 선택하여 산출하였다. 현장 측정된 정규식생지수는 좁은 Field of View (FOV) 및 낮은 공간 샘플링으로 인해 정규식생지수의 범위가 매우 좁게 나타났으며, 이에 비해 MOD13과 PlanetScope 기반 정규식생지수가 넓은 값의 범위를 나타내었다. 대부분 현장 측정이 7월말부터 수확전인 10월까지 측정되어 높은 정규식생지수 값이 월별로 서서히 감소하다 10월을 기점으로 크게 감소하는 패턴을 볼 수 있다.
또한 각 위성 기반 정규식생지수, 현장 측정 기반 정규식생지수 자료와의 상관계수는 Table 2와 같다. 현장측정기반 정규식생지수는 Landsat-8을 제외하고 0.9 이상의 상관계수를 나타내었다. 위성영상 중 공간해상도의 차이가 가장 큰 PlanetScope과 MOD13이 0.

후속연구

향후 연구에서는 보다 많은 현장자료를 주기적으로 획득하여 센서별 파장영역에 대한 매칭 후 정량적 분석을 시도할 예정이다. 또한 논에 비해 공간적으로 좁고, 다양한 변이를 보이는 밭작물을 대상으로 고해상도 위성영상의 활용성을 분석할 예정이다.
이러한 차이는 현장 측정과 위성센서와의 FOV, 작물과 센서의 거리, 정규식생지수에 사용되는 반사율의 범위, 위성영상 대기보정의 정확도에 따라 발생될 수 있다. 향후 연구에서는 보다 많은 현장자료를 주기적으로 획득하여 센서별 파장영역에 대한 매칭 후 정량적 분석을 시도할 예정이다. 또한 논에 비해 공간적으로 좁고, 다양한 변이를 보이는 밭작물을 대상으로 고해상도 위성영상의 활용성을 분석할 예정이다.

참고문헌 (15)

Albarakat, R., and Lakshmi, V., 2019. Comparison of？normalized difference vegetation index from Landsat,？MODIS, and AVHRR for the Mesopotamian？marshes between 2002 and 2018. Remote Sensing,？11(10), 1245. https://doi.org/10.3390/rs11101245

상세보기
Houborg, R., and McCabe, M. F., 2016. High-resolution？NDVI from Planet's constellation of earth observing？nano-satellites: A new data source for precision？agriculture. Remote Sensing, 8(9), 768. https://doi.org/10.3390/rs8090768

상세보기
Ichikawa, D., Nagai, M., Tamkuan, N., Katiyar, V.,？Eguchi, T., and Nagai, Y., 2022. Development？and utilization of a mirror array target for the？calibration and harmonization of micro-satellite？imagery. Remote Sensing, 14(22), 5717. https://doi.org/10.3390/rs14225717

상세보기
Kasampalis, D. A., Alexandridis, T. K., Deva, C., Challinor,？A., Moshou, D., and Zalidis, G., 2018. Contribution？of remote sensing on crop models: A review.？Journal of Imaging, 4(4), 52. https://doi.org/10.3390/jimaging4040052

상세보기
Kim, S. H., Hong, S. Y., Sdduth, K. A., Kim, Y., and？Lee, K., 2012. Comparing LAI estimates of？corn and soybean from vegetation indices of？multi-resolution satellite images. Korean Journal？of Remote Sensing, 28(6), 597-609. https://doi.org/10.7780/kjrs.2012.28.6.1

원문보기 상세보기
Kumhalova, J., and Matejkova, S., 2017. Yield variability？prediction by remote sensing sensors with different？spatial resolution. International Agrophysics, 31(2),？195-202. https://doi.org/10.1515/intag-2016-0046

상세보기
Serrano, J., Shahidian, S., and Marques da Silva, J., 2018.？Monitoring seasonal pasture quality degradation？in the Mediterranean Montado ecosystem: Proximal？versus remote sensing. Water, 10(10), 1422. https://doi.org/10.3390/w10101422

상세보기
Soudani, K., Francois, C., Le Maire, G., Le Dantec, V.,？and Dufrene, E., 2006. Comparative analysis of？IKONOS, SPOT, and ETM+ data for leaf area？index estimation in temperate coniferous and？deciduous forest stands. Remote Sensing of？Environment, 102(1-2), 161-175. https://doi.org/10.1016/j.rse.2006.02.004

상세보기
van Leeuwen, W. J. D., Orr, B. J., Marsh, S. E., and？Herrmann, S. M., 2006. Multi-sensor NDVI data？continuity: Uncertainties and implications for？vegetation monitoring applications. Remote Sensing？of Environment, 100(1): 67-81. https://doi.org/10.1016/j.rse.2005.10.002

상세보기
Vega, F. A, Ramirez, F. C., Saiz, M. P., and Rosua, F. O., 2015. Multi-temporal imaging using an unmanned？aerial vehicle for monitoring a sunflower crop.？Biosystems Engineering, 132, 19-27. https://doi.org/10.1016/j.biosystemseng.2015.01.008

상세보기
Wang, Q., Li, J., Jin, T., Chang, X., Zhu, Y., Li, Y., Sun,？J., and Li, D., 2020. Comparative analysis of？Landsat-8, Sentinel-2, and GF-1 data for retrieving？soil moisture over wheat farmlands. Remote？Sensing, 12(17), 2708. https://doi.org/10.3390/rs12172708

상세보기
Xu, H., and Zhang, T., 2013. Assessment of consistency？in forest-dominated vegetation observations between？ASTER and Landsat ETM+ images in subtropical？coastal areas of southeastern China. Agricultural？and Forest Meteorology, 168, 1-9. https://doi.org/10.1016/j.agrformet.2012.08.012

상세보기
Zhang, H. K., Roy, D. P., Yan, L., Li, Z., Huang, H.,？Vermote, E., Skakun, S., and Roger, J. C., 2018.？Characterization of Sentinel-2A and Landsat-8？top of atmosphere, surface, and nadir BRDF？adjusted reflectance and NDVI differences. Remote？Sensing of Environment, 215, 482-494. https://doi.org/10.1016/j.rse.2018.04.031

상세보기
Zhang, X., Friedl, M. A., and Schaaf, C. B., 2009.？Sensitivity of vegetation phenology detection to the？temporal resolution of satellite data. International？Journal of Remote Sensing, 30(8), 2061-2074.？https://doi.org/10.1080/01431160802549237

상세보기
Zullo Junior J., Coltri, P. P., do Valle Goncalves, R. R.,？and Romani, L. A. S., 2014. Multi-resolution in？remote sensing for agricultural monitoring: A？review. Revista Brasileira de Cartografia, 66(7),？1517-1529. https://doi.org/10.14393/rbcv66n0-44745

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