[논문]Google Earth Engine 제공 Sentinel-1과 Sentinel-2 영상을 이용한 지표 토양수분도 제작 실험

이지현; 김광섭; 이기원

doi:10.7780/kjrs.2023.39.5.1.11

Google Earth Engine 제공 Sentinel-1과 Sentinel-2 영상을 이용한 지표 토양수분도 제작 실험
An Experiment for Surface Soil Moisture Mapping Using Sentinel-1 and Sentinel-2 Image on Google Earth Engine 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.599 - 608

이지현 (한성대학교 IT융합공학과) , 김광섭 (경민대학교 컴퓨터소프트웨어과) , 이기원 (한성대학교 정보시스템트랙)

초록
AI-Helper

수문학, 기상학 및 농업과 같은 응용 분야에서 위성 기반 토양 수분 정보에 대한 관심이 높아지면서 다양한 해상도에서 토양수분도를 제작하는 방법의 개발과 사례 연구는 위성 정보 활용의 주요 주제 중 하나로 대두되고 있다. 이 연구는 Google Earth Engine (GEE)에서 제공하는 Sentinel-과 Sentinel-2 공개 자료를 적용하여 토양수분도 제작 결과를 예시하였다. 토양수분도는 synthetic aperture radar (SAR) 영상과 광학 영상과 융합하여 산출하였다. SAR 영상은 GEE에서 제공하는 Sentinel-1 위성의 후반 산란 계수 analysis ready data (ARD)자료와 Sentinel-2에서 계산한 정규식생지수와 함께 Environmental Systems Research Institute (ESRI)의 토지 피복자료를 사용하였다. 호주 빅토리아 주에 위치한 연구지역을 대상으로 토양수분도를 제작하였으며, 기존 연구에서 발표된 현장 측정값과 비교 분석하였다. 현장 측정값을 기준으로 실험 결과의 정확도를 비교한 결과로 결괏값은 기준 값과 4-10%p 차이를 보이는 유의미한 범위의 일치도를 보이고, 위성 기반 토양수분도와는 0.5-2%p의 높은 일치도를 보이는 것으로 나타났다. 따라서 지역의 지표 특성에 따라 고해상도의 토양수분도가 필요한 지역은 GEE를 통하여 제공되는 공개 자료와 이 연구에서 적용한 알고리즘으로 토양수분도의 제작이 가능할 것으로 생각한다.

Abstract ▼ AI-Helper

The increasing interest in soil moisture data using satellite data for applications of hydrology, meteorology, and agriculture has led to the development of methods for generating soil moisture maps of variable resolution. This study demonstrated the capability of generating soil moisture maps using Sentinel-1 and Sentinel-2 data provided by Google Earth Engine (GEE). The soil moisture map was derived using synthetic aperture radar (SAR) image and optical image. SAR data provided by the Sentinel-1 analysis ready data in GEE was applied with normalized difference vegetation index (NDVI) based on Sentinel-2 and Environmental Systems Research Institute (ESRI)-based Land Cover map. This study produced a soil moisture map in the research area of Victoria, Australia and compared it with field measurements obtained from a previous study. As for the validation of the applied method's result accuracy, the comparative experimental results showed a meaningful range of consistency as 4-10%p between the values obtained using the algorithm applied in this study and the field-based ones, and they also showed very high consistency with satellite-based soil moisture data as 0.5-2%p. Therefore, public open data provided by GEE and the algorithm applied in this study can be used for high-resolution soil moisture mapping to represent regional land surface characteristics.

주제어

표/그림 (7)

그림 Fig. 1. Workflow to generate soil moisture using Sentinel-1 and Sentinel-2 images on Google Earth Engine and ESRI land cover map.
그림 Fig. 2. Sentinel-1 (S-1) and Sentinel-2 (S-2) Analysis Ready Data on Google Earth Engine applied in this study (source: https://code.earthengine.google.com/).
그림 Fig. 3. The study area in Wimmera, Victoria, Australia clipped from GEE S-1 and S-2.
그림 Fig. 4. Input data for soil moisture estimation with Sentinel-1 backscatter ARD. (a) NDVI by the Sentinel-2 images. (b) Land cover map of ESRI.
그림 Fig. 5. Soil moisture map generated by this experiment in the study area including the field measurement sites A, B, and C in Tao et al. (2022).
그림 Fig. 6. Location of field measurement sites A, B, and C in Tao et al. (2022) and randomly generated points extracted from this experiment for validation. The dashed- and dotted lines represent the coverage of SMAP and ESA-CCI data, respectively.
그림 Fig. 7. Validation results using the field measurement sites A, B, and C in Tao et al. (2022) as violin plot and satellite-based soil moisture data of ESA-CCI and SMAP covering field sites. Solid lines represent the results by GEE S-1 and S-2.

AI 본문요약
AI-Helper

제안 방법

1은 이 연구에서 적용한 토양수분도 제작 절차와 산출물 생성 과정을 정리한 것이다. GEE에서 제공하는 Sentinel-1 SAR 영상정보에 기반한 후반 산란 계수 ARD 영상, Sentinel-2 광학 영상 정보와 Environmental Systems Research Institute (ESRI)에서 제공하는 토지 피복 분류도를 융합하여 처리하였다. 또한 처리 과정에 필요한 정규식생지수(normalized difference vegetation index, NDVI)는 Sentinel-2 광학 영상을 이용하여 산출하였다.
이 연구의 실험에 적용한 토지 피복 분류도는 segmentation 작업 수행 후 마스크(mask) 레이어 산출을 통해 식생 지역만 추출하였다. NDVI는 Sentinel-2 광학 영상으로 산출하고 –0.

대상 데이터

이 값은 세 측정점을 포함하는 주변 6개 격자 값을 이용한 결과이다. 또한 2019년 9월 14일자의 SMAP 자료와 비교해 보았는데, 세 곳의 측정 지점을 포함하는 L4 Global 3-hourly 9 km EASE-Grid Surface and Root Zone Soil Moisture Analysis Update, Version 7(SPL4SMAU) 자료를 적용하였다. 측정 지점을 포함한 주변 16개 격자의 토양수분도 자료 평균은 세계시(coordinated universal time, UTC) 09:00의 경우 19.
4에 보여주고 있는 NDVI 영상과 토지 피복 정보를 활용하여 토양수분도 처리 과정에서 융합하여 사용하였다. 토지 피복 자료는 앞서 처리한 영상들과 동일한 연도인 2019년에 촬영한 Sentinel-2 위성의 토지피복도를 사용하였다.

이론/모형

GEE에서 제공하는 Sentinel-1 SAR 영상정보에 기반한 후반 산란 계수 ARD 영상, Sentinel-2 광학 영상 정보와 Environmental Systems Research Institute (ESRI)에서 제공하는 토지 피복 분류도를 융합하여 처리하였다. 또한 처리 과정에 필요한 정규식생지수(normalized difference vegetation index, NDVI)는 Sentinel-2 광학 영상을 이용하여 산출하였다.

참고문헌 (28)

Baghdadi, N., and Zribi, M., 2016. Land surface remote？sensing in continental hydrology. ISTE Press？and Elsevier. https://doi.org/10.1016/C2015-0-01226-6
Bousbih, S., Zribi, M., Hajj, M. E., Baghdadi, N., Lili-Chabaane, Z., Gao, Q. et al., 2018. Soil moisture？and irrigation mapping in a semi-arid region,？based on the synergetic use of Sentinel-1 and？Sentinel-2 data. Remote Sensing, 10(12), 1953.？https://doi.org/10.3390/rs10121953

상세보기
Brocca, L., Tarpanelli, A., Filippucci, P., Dorigo, W.,？Zaussinger, F., Gruber, A. et al., 2018. How much？water is used for irrigation? a new approach？exploiting coarse resolution satellite soil moisture？products. International Journal of Applied Earth？Observation and Geoinformation, 73, 752-766.？https://doi.org/10.1016/j.jag.2018.08.023

상세보기
Dorigo, W., Wagner, W., Gruber, A., Scanlon, T., Hahn,？S., Kidd, R. et al., 2019. ESA soil moisture？climate change initiative (soil_moisture_cci):？Version 04.5 data collection. CEDA Archive.？https://doi.org/10.5285/38b8e5e524e1449ab4b4994970752644
Gruber, A., Scanlon, T., Van der Schalie, R., Wagner,？W., and Dorigo, W., 2019. Evolution of the ESA？CCI soil moisture climate data records and their？underlying merging methodology. Earth System？Science Data, 11(2), 717-739. https://doi.org/10.5194/essd-11-717-2019

상세보기
Hafner, S., Nascetti, A., Azizpour, H., and Ban, Y., 2021. Sentinel-1 and Sentinel-2 data fusion for？urban change detection using a dual stream U-Net.？IEEE Geoscience and Remote Sensing Letters,？19, 1-5. https://doi.org/10.1109/LGRS.2021.3119856

상세보기
Hajj, M. E., Baghdadi, N., Zribi, M., and Bazzi, H.,？2017. Synergic use of Sentinel-1 and Sentinel-2？images for operational soil moisture mapping at？high spatial resolution over agricultural areas.？Remote Sensing, 9(12), 1292. https://doi.org/10.3390/rs9121292

상세보기
He, W., and Yokoya, N., 2018. Multi-temporal Sentinel-1？and -2 data fusion for optical image simulation.？ISPRS International Journal of Geo-Information,？7(10), 389. https://doi.org/10.3390/ijgi7100389

상세보기
Jeong, J., Cho, S., Jeon, H., Lee, S., and Choi, M.,？2022. Assessment of the self-sufficiency of？Sentinel-1 SAR for machine learning-based？high-resolution soil moisture retrieval. Korean？Journal of Remote Sensing, 38(5-1), 571-585.？https://doi.org/10.7780/KJRS.2022.38.5.1.11

원문보기 상세보기
Jiang, Q., Tang, Z., Zhou, L., Hu, G., Deng, G., Xu,？M. et al., 2023. Mapping paddy rice planting？area in Dongting lake area combining time series？Sentinel-1 and Sentinel-2 images. Remote Sensing,？15(11), 2794. https://doi.org/10.3390/rs15112794

상세보기
Kaplan, G., and Avdan, U., 2018. Sentinel-1 and？Sentinel-2 data fusion for wetlands mapping:？Balikdami, Turkey. The International Archives of？the Photogrammetry, Remote Sensing and Spatial？Information Sciences, 42, 729-734. https://doi.org/10.5194/isprs-archives-XLII-3-729-2018

상세보기
Kim, G.-Y., Lee, Y. J., and Lee, Y.-G., 2021. Research？technology for soil moisture and evaporative？acid and development direction. Water for Future,？54(6), 33-44.
Kim, S., Jeong, J., Zohaib, M., and Choi, M., 2018.？Spatial disaggregation of ASCAT soil moisture？under all sky condition using support vector？machine. Stochastic Environmental Research？and Risk Assessment, 32, 3455-3473. https://doi.org/10.1007/s00477-018-1620-3

상세보기
Kim, S., Shin, Y., Lee, T., Lee, S.-H., Choi, K.-S., Park,？Y. et al., 2017. Characteristics of soil moisture？distributions at the spatio-temporal scales based on？the land surface features using MODIS images.？Journal of the Korean Society of Agricultural？Engineers, 59(6), 29-37. https://doi.org/10.5389/KSAE.2017.59.6.029

원문보기 상세보기
Lee, J., Kim, K., and Lee, K., 2022. Comparative analysis？of NDWI and soil moisture map using Sentinel-1？SAR and KOMPSAT-3 images. Korean Journal of？Remote Sensing, 38(6-4), 1935-1943. https://doi.org/10.7780/kjrs.2022.38.6.4.7

원문보기 상세보기
Lee, T., Kim, S., Lee, S.-H., Choi, K.-S., Shin, Y., Lim,？K. et al., 2018. Development of soil moisture？data assimilation scheme for predicting effective？soil characteristics using remotely sensed data.？Journal of the Korean Society of Agricultural？Engineers, 60(1), 21-30. https://doi.org/10.5389/KSAE.2018.60.1.021

원문보기 상세보기
Li, B., Gong, A., Liu, L., Li, J., Li, J., Li, L. et al., 2023. An earth observation framework in service？of the Sendai framework for disaster risk reduction？2015-2030. ISPRS International Journal of GeoInformation, 12(6), 232. https://doi.org/10.3390/ijgi12060232

상세보기
Manakos, I., Kordelas, G. A., and Marini, K., 2020. Fusion？of Sentinel-1 data with Sentinel-2 products to？overcome non-favourable atmospheric conditions？for the delineation of inundation maps. European？Journal of Remote Sensing, 53(sup2), 53-66.？http://doi.org/10.1080/22797254.2019.1596757

상세보기
Mardan, M., and Ahmadi, S., 2021. Soil moisture retrieval？over agricultural fields through integration of？synthetic aperture radar and optical images.？GIScience & Remote Sensing, 58(8), 1276-1299.？https://doi.org/10.1080/15481603.2021.1974276

상세보기
Mullissa, A., Vollrath, A., Odongo-Braun, C., Slagter,？B., Balling, J., Gou, Y. et al., 2021. Sentinel-1？SAR backscatter analysis ready data preparation？in Google Earth Engine. Remote Sensing, 13(10), 1954. https://doi.org/10.3390/rs13101954

상세보기
Ochsner, T. E., Cosh, M. H., Cuenca, R. H., Dorigo, W.？A., Draper, C. S., Hagimoto, Y. et al., 2013. State？of the art in large-scale soil moisture monitoring.？Soil Science Society of America Journal, 77(6),？1888-1919. https://doi.org/10.2136/sssaj2013.03.0093

상세보기
Robock, A., Vinnikov, K. Y., Srinivasan, G., Entin, J. K.,？Hollinger, S. E., Speranskaya, N. A. et al., 2000.？The global soil moisture data bank. Bulletin of？the American Meteorological Society, 81(6),？1281-1300. https://doi.org/10.1175/1520-0477(2000)081 2.3.CO;2

상세보기
Seneviratne, S. I., Corti, T., Davin, E. L., Hirschi, M.,？Jaeger, E. B., Lehner, I. et al., 2010. Investigating？soil moisture-climate interactions in a changing？climate: A review. Earth-Science Reviews, 99(3-4),？125-161. https://doi.org/10.1016/j.earscirev.2010.02.004

상세보기
Tao, L., Ryu, D., Western, A., and Lee, S. G., 2022.？Comparison of KOMPSAT-5 and Sentinel-1 radar？data for soil moisture estimations using a new？semi-empirical model. Remote Sensing, 14(16), 4042. https://doi.org/10.3390/rs14164042

상세보기
Tavus, B., Kocaman, S., Nefeslioglu, H. A., and Gokceoglu,？C., 2020. A fusion approach for flood mapping？using Sentinel-1 and Sentinel-2 datasets. The？International Archives of the Photogrammetry,？Remote Sensing and Spatial Information Sciences,？43, 641-648. https://doi.org/10.5194/isprs-archivesXLIII-B3-2020-641-2020
Venter, Z. S., Barton, D. N., Chakraborty, T., Simensen,？T., and Singh, G., 2022. Global 10 m land use？land cover datasets: A comparison of dynamic？world, world cover and ESRI land cover. Remote？Sensing, 14(16), 4101. https://doi.org/10.3390/rs14164101

상세보기
Zhen, Z., Chen, S., Yin, T., and Gastellu-Etchegorry, J.-P., 2023. Improving crop mapping by using？bidirectional reflectance distribution function？(BRDF) signatures with Google Earth Engine.？Remote Sensing, 15(11), 2761. https://doi.org/10.3390/rs15112761

상세보기
Zribi, M., Muddu, S., Bousbih, S., Al Bitar, A., Tomer,？S. K., Baghdadi, N. et al., 2019. Analysis of L-band SAR data for soil moisture estimations？over agricultural areas in the tropics. Remote？Sensing, 11(9), 1122. https://doi.org/10.3390/rs11091122

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