[논문]위성 레이더 영상 중 Sentinel-1을 활용한 탄소 흡수원 공간분석 - 운곡습지를 대상으로 -

유하은; 조영일; 이신우; 이명진

doi:10.7780/kjrs.2023.39.6.3.6

[국내논문] 위성 레이더 영상 중 Sentinel-1을 활용한 탄소 흡수원 공간분석 - 운곡습지를 대상으로 -
Spatial Analysis of Carbon Storage in Satellite Radar Imagery Utilizing Sentinel-1: A Case Study of the Ungok Wetlands 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.6/1, 2023년, pp.1731 - 1745

유하은 (한국환경연구원 물국토연구본부 환경계획연구실) , 조영일 (한국환경연구원 물국토연구본부 환경계획연구실) , 이신우 (충남대학교 지질환경과학과) , 이명진 (한국환경연구원 물국토연구본부 환경계획연구실)

초록
AI-Helper

2020년부터 시작된 신기후체제와 관련하여 파리협정 장기온도 목표를 위해 국가결정기여와 격년투명 보고서 제출이 요구된다. 기후변화에 관한 정부간 협의체에서 정의하는 토지이용·토지이용변화 및 임업에서 습지생태계는 탄소흡수원이나 국내 온실가스 인벤토리(Inventory) 산정에서 침수지로 지목 통계하여 배출원으로 보고되었다. 본 연구는 C-band 레이더 영상을 활용한 내륙 습지 토지이용 유형 세분화 및 변화량 산정을 진행하여 온실가스 인벤토리 산정 고도화에 기여하고자 한다. 연구지역은 국내 내륙습지 보전지역과 람사르(Ramsar) 습지로 지정된 운곡 습지이다. 활용 자료는 풍수기와 갈수기를 포함하는 24시기 Sentinel-1 위성 영상, 항공정사영상, 내륙습지 공간정보, 드론 촬영 영상이다. 이를 활용하여 침수지역과 비침수지역 구분, 침수지의 시계열적 공간 변화 정량화, 침수 지역의 최대·최소 면적을 차분한 변화 면적을 확인하였다. 변화 면적이 크게 산정된 지역을 대상으로 풍수기와 갈수기 두 시기 드론 촬영을 실시하였다. 습지의 침수지역 면적산출 및 시계열적 정량화는 국가 온실가스 인벤토리 고도화의 기초자료로 활용이 가능하다.

Abstract ▼ AI-Helper

Within the framework of the post-2020 climate regime, the Paris Agreement's emphasis on Nationally Determined Contributions and Biennial Transparency Reporting is paramount in addressing its long-term temperature goal. A salient issue is the treatment of wetland ecosystems within the context of Land Use, Land-Use Change, and Forestry, as defined by the Intergovernmental Panel on Climate Change. In the 2019 National Inventory Report, wetlands were recategorized as emission sources due to their designation as inundated areas. This study employs C-band radar imagery to discriminate between inundated and non-inundated regions of wetlands, enabling the quantification of their spatial dynamics. The research capitalizes on 24-period Sentinel-1 satellite data to cover both the inundation and desiccation phases while centering its attention on Ungok Wetland, a Ramsar-designated inland wetland conservation area in Korea. The inundated area is quantitatively assessed through the integration of multi-temporal Sentinel-1 Single-Look Complex (SLC) data, aerial orthophotography, and inland wetland spatial information. Furthermore, the study scrutinizes fluctuations in the maximum and minimum inundated areas, with substantial changes corroborated via drone aerial reconnaissance. The outcomes of this investigation hold the potential to make substantive contributions to the refinement of national greenhouse gas absorption and emission factors, thereby informing the development of comprehensive greenhouse gas inventories. These efforts align directly with the overarching objectives of the Paris Agreement.

주제어

표/그림 (18)

그림 Fig. 1. Study area. (a) Geological map. (b) Aerial orthophotography. (c) Sentinel-1 Single-Look Complex VH polarization 2023.03.30 data preprocessing result. (d) Sentinel-1 Single-Look Complex VV polarization 2023.03.30 data preprocessing result.
표 Table 1. The data used in this study: Sentinel-1 SLC
표 Table 2. The data used in this study: Aerial Ortho-Images
표 Table 3. Detailed specifications of equipment
그림 Fig. 2. Orthophotography work process using Metashape 1. 8.1 by Agisoft.
그림 Fig. 3. Inlands Wetlands on the Korean Peninsula. Blue polygon is Inlands Wetlands.
그림 Fig. 4. Preprocessing of the Sentinel-1 SLC with SNAP and MATLAB.
그림 Fig. 5. Preprocessing of the Sentinel-1 with SANP: (a) Calibration, (b) Deburst, (c) Merge, and (d) Filter.
그림 Fig. 6. Topographic distortion correction with MATLAB: (a) Sigma0_VV and (b) Corrected Sigma0_VV.
그림 Fig. 8. Flooded area calculation by filter.
그림 Fig. 7. Histograms by filter: Detection water bodies with SAR data.
표 Table 4. The data used in this study: Aerial Ortho-Images
표 Table 5. Time series spatial variation of flooded area for each filter
표 Table 6. Maximum flooded area, minimum flooded area, and change area by filter
그림 Fig. 9. Maximum flooded area, minimum flooded area, and change area by filter.
그림 Fig. 10. Location of drone shots: (a) study area, (b) Site 1, and (c) Site 2.
그림 Fig. 11. Zoom in on Site 1 of the study area to overlay aerial orthophotography, drone orthophoto, and calculated flooded areas. (a) Aerial orthophotograph. (b) 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (c) Maximum flooded area calculated with REL filter, 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (d) Aerial orthophotograph and Wetland boundary. (e) 2023.10.20. Drone orthophotograph and Aerial orthophotograph. (f) Minimum flooded area calculated with REL filter, 2023.10.20. Drone orthophotograph and Aerial orthophotograph.
그림 Fig. 12. Zoom in on Site 2 of the study area to overlay aerial orthophotography, drone orthophoto, and calculated flooded areas. (a) Aerial orthophotograph. (b) 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (c) Maximum flooded area calculated with REL filter, 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (d) Aerial orthophotograph and Wetland boundary. (e) 2023.10.20. Drone orthophotograph and Aerial orthophotograph. (f) Minimum flooded area calculated with REL filter, 2023.10.20. Drone orthophotograph and Aerial orthophotograph

AI 본문요약
AI-Helper

문제 정의

본 연구는 레이더 영상을 활용해 운곡습지 침수 지역을 산정하고, 시계열적 공간변화와 변화 면적을 확인하고자 한다. Sentinel-1 SLC의 전처리를 ESA에서 공개한 Sentinel Application Platform (SNAP) 프로그램으로 진행하였다(Fig.

제안 방법

Figs. 11, 12에서 운곡습지 2021 항공정사영상, 두 시기 촬영한 드론 영상 및 Refined Lee 필터의 최대 침수면적, 최소 침수면적을 비교하였다.
운곡습지의 침수지역은 24시기 RSS의 스택(stack) 영상을 필터별 임계값을 기준으로 이분화하였다. 계산 결과와 항공정사 영상, 내륙습지 공간정보와의 비교를 통해 C-band SAR 위성자료를 근거한 침수 지역의 구분을 진행하였다(Fig. 8).
이를 통해 첫째, 위성영상 자료를 근거하여 연구지역의 침수 지역과 비침수 지역을 구분하였다. 둘째, 다중시기 위성 영상의 침수 지역 시계열 변화탐지를 실시하였다. 셋째, 면적 변화가 두드러지는 지역에 드론촬영을 통한 현장검증을 진행하였다.
둘째, 다중시기 위성 영상의 침수 지역 시계열 변화탐지를 실시하였다. 셋째, 면적 변화가 두드러지는 지역에 드론촬영을 통한 현장검증을 진행하였다.
습지의 활동자료 구축을 위한 습지조사, 습지지도 구축, 국가 공식 통계 자료 지정과 이를 근거한 온실가스 배출·흡수 계수를 개발하여 온실가스 산정·보고·검증 체계를 확립하고자 한다
위성의 궤도 정보 업데이트(Apply orbit file) 후 Wide swath (IW)1의 8–20 버스트(Bursts)와 IW28–20 Bursts 지역을 선발하여(Split) 후방산란 값을 계산하였다(Calibration) (Fig
본 연구는 내륙습지 온실가스 인벤토리 구축 고도화를 위한 토지이용 유형 세분화(침수지역, 비식생(토양), 식생) 목록 중 침수지역의 시계열적 면적 변화량 산정에 C-band 위성 영상을 활용하였다. 이를 통해 첫째, 위성영상 자료를 근거하여 연구지역의 침수 지역과 비침수 지역을 구분하였다. 둘째, 다중시기 위성 영상의 침수 지역 시계열 변화탐지를 실시하였다.
습지조사 기법의 고도화는 원격탐사의 정밀성, 효율성 증진을 위해 위성영상과 드론을 함께 활용하는 다종센서 기술개발을 제시한다(Ministry of Environment and Ministry of Oceans and Fisheries, 2022). 이와 관련하여 본 연구는 인공위성, 항공정사영상, 내륙습지정보, 드론영상을 통해 습지의 토지이용 유형 세분화 및 시공간적 면적변화 산출을 제공한다. 습지의 침수 지역 구분 및 시계열적 면적 산출은 습지조사, 습지지도 구축, 국가 공식 통계 자료, 토지이용 세분화 및 시계열적 변화량에 해당하는 기초자료 활용이 가능하다.

대상 데이터

Fig. 1의 고창 운곡 습지는 전북 고창군 아산면 운곡리에 있는 내륙 산지형 저층습지다. 2011년 습지보호지역과 람사르 습지로 등록되었고, 2013년에는 유네스코생물권보전지역으로 선정되었다.
1의 고창 운곡 습지는 전북 고창군 아산면 운곡리에 있는 내륙 산지형 저층습지다. 2011년 습지보호지역과 람사르 습지로 등록되었고, 2013년에는 유네스코생물권보전지역으로 선정되었다. 인천강하구 습지와 가까워 고창 운곡습지-인천강하구-고창갯벌에 이르는 내륙-하천-연안을 연계한 습지보호지역으로 지정되었다(Ministry of Environment and Ministry of Oceans and Fisheries, 2022).
3). 2023년 6월 5일자로 환경부에서 지정한 대전 갑천 내륙습지와 해양수산부가 지정한 14개소 연안습지, 시도지사 지정 습지 중 연안습지인 송도갯벌은 포함되어 있지 않은 자료이다(Fig. 3).
국립생태원에서 공공데이터포털을 통해 제공하는 내륙습지 공간데이터 및 속성정보를 활용하였다. 내륙습지 2,704개소에 대한 위치 및 경계, 습지명, 습지코드, 중심점좌표, 행정구역명, 람사르습지 및 국내습지 유형분류 정보를 제공한다.
국립생태원에서 공공데이터포털을 통해 제공하는 내륙습지 공간데이터 및 속성정보를 활용하였다. 내륙습지 2,704개소에 대한 위치 및 경계, 습지명, 습지코드, 중심점좌표, 행정구역명, 람사르습지 및 국내습지 유형분류 정보를 제공한다. 자료는 2022년 7월 22일 기준으로 습지보전법 제8조(습지보호지역 지정)를 법적근거로 환경부와 시도지정한 내륙습지보호지역 35개소가 포함된다(Fig.
이와 관련하여 제4차 람사르전략계획(Ramsar Convention Secretariat, 2016)에서 습지의 기능 및 가치를 고려한 보전과 복원, 이용 활성화가 강조되었다. 본 연구는 국내 습지보전지역 및 람사르(Ramsar) 습지로 선정된 운곡습지를 대상으로 시계열적 공간분석을 진행하였다.
IPCC 기준 활동자료 및 배출·흡수계수가 국내 습지 지적통계와 상이하고 실제 토지이용 현황과 차이점이 있어 국내 현황을 반영한 Approach 2, Tier 2 수준의 온실가스 인벤토리 기준이 필요하다. 본 연구는 내륙습지 온실가스 인벤토리 구축 고도화를 위한 토지이용 유형 세분화(침수지역, 비식생(토양), 식생) 목록 중 침수지역의 시계열적 면적 변화량 산정에 C-band 위성 영상을 활용하였다. 이를 통해 첫째, 위성영상 자료를 근거하여 연구지역의 침수 지역과 비침수 지역을 구분하였다.
, 2016). 본 연구는 유럽우주국(European Space Agency, ESA)의 C-band SAR 위성인 Sentinel-1의 갈수기와 풍수기를 포함하는 10개월(2021년 12월~2022년 9월)기간의 24시기 Single-Look Complex (SLC) 영상을 활용하였다(Table 1).
다중시기 위성 영상을 통한 침수 지역 중 최대 침수면적과 최소 침수 면적의 차이가 습지 경계지역에서 확인되었다. 시계열 공간변화가 두드러지게 관찰되는 연구지역 서쪽(site 1)과 동쪽(site 2) 지역에 대해 2023년 7월 20일(풍수기)과 2023년 10월 20일(갈수기)에 드론 촬영을 진행하였다(Fig. 10).
국토지리정보원은 종중복 60% 이상, 횡중복 30% 이상의 해상도 12 cm (도시지역) 혹은 25 cm (일반 지역)인 항공사진으로 정사영상을 제공한다. 연구에 활용한 운곡습지의 항공영상은 도엽명 고창016(도엽변호: 35611017), 고창017 (도엽변호: 35611016)의 2021년 촬영된 25 cm 해상도 영상이다(Table 2).
연구지역의 정밀한 습지 경계 파악을 위해 드론 항공촬영 영상을 활용하였다. 촬영 일자는 2023년 7월 20일(풍수기)과 2023년 10월 20일(갈수기)이다.
내륙습지 2,704개소에 대한 위치 및 경계, 습지명, 습지코드, 중심점좌표, 행정구역명, 람사르습지 및 국내습지 유형분류 정보를 제공한다. 자료는 2022년 7월 22일 기준으로 습지보전법 제8조(습지보호지역 지정)를 법적근거로 환경부와 시도지정한 내륙습지보호지역 35개소가 포함된다(Fig. 3).
연구지역의 정밀한 습지 경계 파악을 위해 드론 항공촬영 영상을 활용하였다. 촬영 일자는 2023년 7월 20일(풍수기)과 2023년 10월 20일(갈수기)이다. 활용된 기체(Payload)는 Da-Jiang Innovations(DJI)의 Matrice 300 RealTime Kinematic (RTK)이며, H20T1/2.
활용된 기체(Payload)는 Da-Jiang Innovations(DJI)의 Matrice 300 RealTime Kinematic (RTK)이며, H20T1/2.3″ CMOS, 12 MP 가시광선(Visible) 영역 센서를 장착하여 촬영했다(Table 3)

데이터처리

Sentinel-1 영상 전처리 후 VV와 VH 편파를 모두 고려하기 위해 Root Sum Square (RSS)의 히스토그램에서 임계값을 산정하였다. 각 필터별로 계산된 RSS 값에 대해 8.
산란체의 반사 특성은 저해하지 않으면서 스펙클 노이즈를 효과적으로 제거하고자 필터링 과정을 진행하였다. 국가 온실가스 인벤토리의 및 내륙습지 통계 산정을 위해 내륙습지의 시계열적 면적 변화를 안정적으로 분석하고자 Median, Lee, Refined Lee, Frost 필터를 통한 결과를 정량적으로 비교하였다(Lee, 1980; Lee, 1981; Lee, 1996; Lee and Pottier, 2009; Lee et al., 2009; Lee et al., 2014; Frost et al., 1982). 방사보정후 수치표고모델(Digital Elevation Models, DEM)을 통한 시뮬레이션 강도영상을 계산하였다(Fig.
, 1982). 방사보정후 수치표고모델(Digital Elevation Models, DEM)을 통한 시뮬레이션 강도영상을 계산하였다(Fig. 5).
이후 Matrix Laboratory (MATLAB) 프로그램을 통한 지형보정을 진행하였다. 레이더 강도 영상에서 DEM으로 모사한 강도 영상을 차분하여 기하 왜곡과 지형 방사왜곡을 저감할 수 있다(Ajadi et al.

성능/효과

본 연구를 통해 탄소흡수원 중습지에 대한 여러 원격탐사 자료의 활용과 구축된 습지공간자료를 이용한 정량적 가치평가를 기대할 수 있다. 더불어 위성 레이더 영상은 항공정사영상보다 관측주기가 짧고, 현장 조사보다 공간 자료 획득이 용이하여 내륙습지의 시계열적 면적 변화 산정의 유의미한 결과를 확인할 수 있었다. 다만 Sentinel-1 위성의 경우 10개월 동안 24시기 영상을 활용할 수 있기에 향후 한반도 재방문 주기가 짧은 위성을 활용한다면 습지의 시계열적 공간변화의 모니터링 주기가 짧아질 수 있을 것이라기대된다.

후속연구

더불어 위성 레이더 영상은 항공정사영상보다 관측주기가 짧고, 현장 조사보다 공간 자료 획득이 용이하여 내륙습지의 시계열적 면적 변화 산정의 유의미한 결과를 확인할 수 있었다. 다만 Sentinel-1 위성의 경우 10개월 동안 24시기 영상을 활용할 수 있기에 향후 한반도 재방문 주기가 짧은 위성을 활용한다면 습지의 시계열적 공간변화의 모니터링 주기가 짧아질 수 있을 것이라기대된다.
본 연구는 향후 습지의 탄소흡수량을 보다 과학적 근거 기반으로 계산하는 Tier 2와 Tier 3 수준으로 발전하는 기본데이터로서 활용이 가능하다. 연구결과인 습지 토지이용 유형 세분화(침수지역.
더불어 C-band SAR Sentinel-1 위성 영상, 항공정사영상, 내륙습지 공간정보, 드론 영상을 활용한 연구는 제4차 습지보전기본계획의 습지조사 기법 고도화 내용인 원격탐사의 정밀성, 효율성 증진을 위한 다종센서 기술개발과 상통하다. 본 연구를 통해 탄소흡수원 중습지에 대한 여러 원격탐사 자료의 활용과 구축된 습지공간자료를 이용한 정량적 가치평가를 기대할 수 있다. 더불어 위성 레이더 영상은 항공정사영상보다 관측주기가 짧고, 현장 조사보다 공간 자료 획득이 용이하여 내륙습지의 시계열적 면적 변화 산정의 유의미한 결과를 확인할 수 있었다.
이와 관련하여 본 연구는 인공위성, 항공정사영상, 내륙습지정보, 드론영상을 통해 습지의 토지이용 유형 세분화 및 시공간적 면적변화 산출을 제공한다. 습지의 침수 지역 구분 및 시계열적 면적 산출은 습지조사, 습지지도 구축, 국가 공식 통계 자료, 토지이용 세분화 및 시계열적 변화량에 해당하는 기초자료 활용이 가능하다.

참고문헌 (35)

Ajadi, O. A., Meyer, F. J., and Webley, P. W., 2016.？Change detection in synthetic aperture radar？images using a multiscale-driven approach.？Remote Sensing, 8(6), 482. https://doi.org/10.3390/rs806048

상세보기
Argenti, F., Lapini, A., Bianchi, T., and Alparone, L., 2013. A tutorial on speckle reduction in synthetic？aperture radar images. IEEE Geoscience and？Remote Sensing Magazine, 1(3), 6-35. https://doi.org/10.1109/MGRS.2013.2277512

상세보기
Curlander J. C., and McDonough, R. N., 1991. Synthetic？Aperture Radar: Systems and signal processing.？Wiley.
Eggleston, H. S., Buendia, L., Miwa, K., Ngara, T.,？and Tanabe, K., 2006. 2006 IPCC guidelines for？National Greenhouse Gas Inventories. Intergovernmental Panel on Climate Change. https://www.osti.gov/etdeweb/biblio/20880391
Fan, J. L., and Lei, B., 2012. A modified valley-emphasis？method for automatic thresholding. Pattern？Recognition Letters, 33(6), 703-708. https://doi.org/10.1016/j.patrec.2011.12.009

상세보기
Frazier, P. S., and Page, K. J., 2000. Water body？detection and delineation with Landsat TM data.？Photogrammetric Engineering and Remote Sensing,？66(12), 1461-1468.

상세보기
Frost, V. S., Stiles, J. A., Shanmugan, K. S., and Holtzman,？J. C., 1982. A model for radar images and its？application to adaptive digital filtering of multiplicative？noise. IEEE Transactions on Pattern Analysis？and Machine Intelligence, (2), 157-166. https://doi.org/10.1109/TPAMI.1982.4767223

상세보기
Han, H. G., and Lee, M. J., 2020. A method for？classifying land and ocean area by removing？Sentinel-1 speckle noise. Journal of Coastal？Research, 102(SI), 33-38. https://doi.org/10.2112/SI102-004.1

상세보기
International Union for Conservation of Nature, 2020.？IUCN global standard for nature-based solutions？(1st ed.). International Union for Conservation of？Nature. https://doi.org/10.2305/IUCN.CH.2020.08.en
Jeong, J. H., Oh, S. C., Lee, S. C., Kim, J. Y., and？Choi, M. H., 2021. Sentinel-1 SAR image-based？waterbody detection technique for estimating the？water storage in agricultural reservoirs. Journal？of Korea Water Resources Association, 54(7),？535-544. https://doi.org/10.3741/JKWRA.2021.54.7.535

원문보기 상세보기
Kim, T. S., Kwon, H. G., Lim, J. C., Kim, S. H., Baek,？C. Y., Jeong, A. C. et al., 2018. The 3rd Intensive？survey on the wetland protected areas ('18) (No.？TRKO201900003795). Ministry of Environment,？National Wetlands Center. https://doi.org/10.23000/TRKO201900003795
Kim, Y. J., and Kang, K. M., 2021. A study on the？utilization of SAR microsatellite constellation？for ship detection. Korean Journal of Remote？Sensing 37(3), 627-636. https://doi.org/10.7780/kjrs.2021.37.3.21

원문보기 상세보기
Kupidura, P., 2016. Comparison of filters dedicated？to speckle suppression in SAR images. The？International Archives of the Photogrammetry,？Remote Sensing and Spatial Information Sciences,？41, 269-276. https://doi.org/10.5194/isprs-archives-XLI-B7-269-2016

상세보기
Kwak, J. Y., and Jeong, D. G., 2012. A study on the？image formation system variable and performance？analysis for optimum design of high resolution？SAR. The Korean Society for Aeronautical &？Space Sciences, 40(1), 49-60. https://doi.org/10.5139/JKSAS.2012.40.1.49

원문보기 상세보기
Kye, C. W., Shin, D. K., Yi, J. H., and Kim, J. G., 2021.？Waterbody detection from Sentinel-2 images using？NDWI: A case of Hwanggang Dam in North？Korea. Korean Journal of Remote Sensing 37(5),？1207-1214. http://doi.org/10.7780/kjrs.2021.37.5.1.30

원문보기 상세보기
Latini, D., Del Frate, F., Palazzo, F., and Minchella, A., 2012. Coastline extraction from SAR COSMO-SkyMed data using a new neural network？algorithm. In Proceedings of the 2012 IEEE？International Geoscience and Remote Sensing？Symposium, Munich, Germany, July 22-27, pp.？5975-5977. https://doi.org/10.1109/IGARSS.2012.6352247
Lee, B. J., and Lee., S., R., 2001. Geological surveying and？mapping (1:50,000 scale) of the Gochang. Korea？Institute of Geoscience and Mineral Resources.？https://doi.org/10.22747/data.20231116.5318
Lee, J. S., 1980. Digital image enhancement and noise？filtering by use of local statistics. IEEE Transactions？on Pattern Analysis and Machine Intelligence,？PAMI-2(2), 165-168. https://doi.org/10.1109/TPAMI.1980.4766994

상세보기
Lee, J. S., 1981. Speckle analysis and smoothing of？synthetic aperture radar images. Computer Graphics？and Image Processing, 17(1), 24-32. https://doi.org/10.1016/S0146-664X(81)80005-6

상세보기
Lee, J. S., Ainsworth, T. L., Wang, Y., and Chen, K.？S., 2014. Polarimetric SAR speckle filtering and？the extended sigma filter. IEEE Transactions on？Geoscience and Remote Sensing, 53(3), 1150-1160.？https://doi.org/10.1109/TGRS.2014.2335114

상세보기
Lee J. S., and Pottier, E., 2009. Polarimetric radar？imaging from basics to applications (1st ed.).？CRC Press.
Lee, J. S., Wen, J. H., Ainsworth, T. L., Chen, K. S.,？and Chen, A. J., 2009. Improved sigma filter？for speckle filtering of SAR imagery. IEEE？Transactions on Geoscience and Remote Sensing,？47(1), 202-213. https://doi.org/10.1109/TGRS.2008.2002881

상세보기
Lee, K. S., 1996. Effects of speckle filtering on Synthetic？Aperture Radar (SAR) imagery. Korean Journal？of Remote Sensing, 12(2), 155-168. https://doi.org/10.7780/kjrs.1996.12.2.155

원문보기 상세보기
Mason, D. C., Davenport, I. J., Neal, J. C., Schumann,？G. J. P., and Bates, P. D., 2012. Near real-time？flood detection in urban and rural areas using？high-resolution synthetic aperture radar images.？IEEE Transaction on Geoscience and Remote？Sensing, 50(8), 3041-3052. https://doi.org/10.1109/TGRS.2011.2178030

상세보기
Mason, D. C., Horritt, M. S., Dall'Amico, J. T., Scott,？T. R., and Bates, P. D., 2007. Improving river？flood extent delineation from synthetic aperture？radar using airborne laser altimetry. IEEE Transaction？on Geoscience and Remote Sensing, 45(12),？3932-3943. https://doi.org/10.1109/TGRS.2007.901032

상세보기
McFeeters, S. K., 1996. The use of the Normalized？Difference Water Index (NDWI) in the delineation？of open water features. International Journal of？Remote Sensing, 17(7), 1425-1432. https://doi.org/10.1080/01431169608948714

상세보기
Ministry of Environment and Ministry of Oceans and？Fisheries, 2022. The 4th master plan on wetland？conservation (2023~2027). Ministry of Environment.？https://library.me.go.kr/#/search/detail/5879302
Moon, Y. R., and Yu, E. H., 2006. Comparative study？for the ground water management based on？geological condition (Report No. 2006-06). Korea？Environment Institute. https://repository.kei.re.kr/handle/2017.oak/19267
Nunziata, F., Buono, A., Migliaccio, M., and Benassai,？G., 2016. Dual-polarimetric C-and X-band SAR？data for coastline extraction. IEEE Journal of？Selected Topics in Applied Earth Observations and Remote Sensing, 9(11), 4921-4928. https://doi.org/10.1109/JSTARS.2016.2560342

상세보기
Otsu, N., 1979. A threshold selection method from？gray-level histograms. IEEE Transactions on？Systems, Man, and Cybernetics, 9(1), 62-66.
Pulvirenti, L., Pierdicca, N., Chini, M., and Guerriero,？L., 2011. An algorithm for operational flood？mapping from Synthetic Aperture Radar (SAR)？data using fuzzy logic. Natural Hazards and Earth？System Sciences, 11(2), 529-540. https://doi.org/10.5194/nhess-11-529-2011

상세보기
Rahman, M. R., and Thakur, P. K., 2018. Detecting,？mapping and analysing of flood water propagation？using synthetic aperture radar (SAR) satellite？data and GIS: A case study from the Kendrapara？District of Orissa State of India. The Egyptian？Journal of Remote Sensing and Space Science, 21,？S37-S41. https://doi.org/10.1016/j.ejrs.2017.10.002

상세보기
Ramsar Convention Secretariat, 2016. The fourth Ramsar？strategic plan 2016-2024. Ramsar handbooks？for the wise use of wetlands (5th ed.). Ramsar？convention secretariat. https://www.ramsar.org/sites/default/files/hb2_5ed_strategic_plan_2016_24_e.pdf
Schumann, G. J. P., Neal, J. C., Mason, D. C., and Bates,？P. D., 2011. The accuracy of sequential aerial？photography and SAR data for observing urban？flood dynamics a case study of the UK summer？2007 floods. Remote Sensing of Environment,？115(10), 2536-2546. https://doi.org/10.1016/j.rse.2011.04.039

상세보기
Zhao, D., Aili, A., Zhai, Y., Xu, S., Tan, G., Yin, X., and？Yang, R., 2019. Radiative sky cooling: Fundamental？principles, materials, and applications. Applied？Physics Reviews, 6, 021306. https://doi.org/10.1063/1.5087281

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