선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
가설 설정
- 1 보다 작은 관측값만을 이용하였다. 즉, 복원된 NDVI보다 실제 NDVI가 0.1 이상 낮은 경우에는 구름의 영향을 받은 것으로 가정하고 해당 관측값을 제외하고 나머지 관측값만을 RMSE 계산에 반영하였다.
제안 방법
- HANTS 알고리즘을 이용하여 2002년 대전지역 MODIS NDVI 시계열 영상에서 발생하는 구름화소의 왜곡을 보정해보았다. 적용결과 구름발생으로 인한 왜곡을 상당 부분 보정할 수 있었음을 확인할 수 있었다.
- 먼저, 개별 촬영 시점의 지표분광특성을 식생지수로 대표함으로써 시계열 분석자료를 단순화하여 분석을 수행한다. 둘째, 영상 취득 당시의 관측각, 대기 투과율, 태양 고도각 등과 같은 외부 환경에 따른 분광특성의 영향을 최소화하기 위하여 다양한 보정 과정을 수행하다. 일반적으로 적용이 용이한 상대 방사 보정(이atively radiometric calibratio n)만을 수행하여도 안정적인 결과를 얻을 수 있다.
- 하지만 어떤 k값과 최소 관측 개수를 사용할 것인가에 관해서는 명확한 기준이 제시되어 있지 않다. 따라서 본 연구에서는 다음과 같은 6가지 실험 모형에 따라 각각 자료를 처리하고 그 결과를 비교하였다.
- NDVI 를 이용한 지표관측에 있어서 대기의 영향은 대부분 이상적인 조건에서의 NDVI보다 낮은 관측치로 측정되는 결과를 가져온다. 따라서 일정 기간 동안의 동일한 공간해상력과 좌표체계를 갖는 복수의 NDVI 영상자료를 중첩시켜 동일한 위치의 화소값을 비교하여 이 중 가장 높은 값을 택하여 영상자료를 새로 작성하는 방법을 적용함으로써 구름이나 대기의 영향을 보정할 수 있게 된다.
- 따르게 된다. 먼저, 개별 촬영 시점의 지표분광특성을 식생지수로 대표함으로써 시계열 분석자료를 단순화하여 분석을 수행한다. 둘째, 영상 취득 당시의 관측각, 대기 투과율, 태양 고도각 등과 같은 외부 환경에 따른 분광특성의 영향을 최소화하기 위하여 다양한 보정 과정을 수행하다.
- 특히 한반도와 같이 여름 장마철의 장기간의 구름화소로 인한 식생지수 누락의 경우 어떤 모형과 제어변수를 사용하는 것이 최적의 결과를 얻을 수 있는가에 대한 분석이 필요하다. 본 연구에서는 2002년 대전 지역의 M ODIS 식생지수 영상을 이용하여 구름 화소를 탐지하고 탐지된 화소를 나머지 화소들을 이용하여 복원하는 재구축 과정을 수행하였다. 이 과정에서 다양한 식생 피복 별로 알고리즘의 제어변수를 변화시켜보면서 최적 변수값을 도출해보았다.
- 본 연구에서는 2002년 대전 지역의 M ODIS 식생지수 영상을 이용하여 구름 화소를 탐지하고 탐지된 화소를 나머지 화소들을 이용하여 복원하는 재구축 과정을 수행하였다. 이 과정에서 다양한 식생 피복 별로 알고리즘의 제어변수를 변화시켜보면서 최적 변수값을 도출해보았다.
- 에서 정의한 조건에 따라 HANTS 알고리즘을 적용한 결과이다. 일반적으로 토지피복별로 연중 식생지수의 변화 양상이 상이하므로 도심지, 농경지, 침엽수림, 활엽수림과 같은 대표적 토지 피복을 선정하고 적용해보았다.
- 최적 모형을 결정하기위한 정량화 평가하기 위하여 피복별 RMSE를 계산하였다. 이때, RMSE는 일반적인 계산과는 달리 관측값과 복원값의 차이가 NDVI기준으로 0.
대상 데이터
- MOD13은 위와 같은 과정을 16일간의 개별 영상자료를 이용하여 구축한 것으로 본 연구의 입력 자료로 사용하였다. 하지만 7, 8월경의 집중호우기간의 경우 16일 이상 구름화소가 발생할 경우 여전히 문제점이 남게 된다.
- 본 연구에서 사용된 분석자료는 2002년 1년 동안 16일 간격으로 생성된 MODI S Terra Vegetation Indices 16-Day L3 Global(MOD13)자료이다. 1999년 발사된 Terra위성에 탑재된 MODIS 센서 영상은 애일 한반도 상공을 이동하면서 지표를 관측한다.
성능/효과
- 즉 구름화소로 인한 NDVI 왜곡이 1회 또는 연속 2회까지 발생하였을 경우에는 Case4가 최적의 복원 결과를 가져올 수 있지만 장기적으로 왜곡이 발생할 경우에는 왜곡된 복원 결과를 가져오게 된다. 따라서 이와 같은 현상을 고려했을 때, 가정 안정적인 결과를 보이는 것은 Case2, 즉 2개의 삼각다항식에 23개의 NDVI 관측값중 최소 17개 이상을 적용한 HANTS 알고리즘의 적용이 가장 신뢰도가 있다고 판단하였다.
- 적용결과 구름발생으로 인한 왜곡을 상당 부분 보정할 수 있었음을 확인할 수 있었다. 하지만 다음과 같은 점에서 한계를 가지고 있었다.
- 있다(정성창 2000). 첫째, 일정 기간 동안의 방대한 영상자료가 사용됨으로써시계열 특성을 파악하기 쉬운 장점이 있으나, 그와 비례하여 자료 분석시간이 많이 소모된다. 또한 다중분광영상의 경우 다차원 벡터형태의 입력자료를 단일변수로 표현하기 위한 압축 과정이 필요하다.
- 일반적으로 A;를 2로 설정한 경우에는 복원된 형태가 비교적 단순하며 완만한 형태를 보이는 반면, 3으로 설정한 경우에는 좀 더 원자료의 형태를 세밀하게 유지하지만 구름에 의한 왜곡마저도 복원에 반영시켜버리는 문제가 발생하기도 하였다. 특히 Fig 2.의 좌상단 도표의 경우와 같이 장기간 구름에 의한 왜곡이 발생한 경우에는 보정이 거의 일어나지 않는다는 것을 확인할 수 있었다.
후속연구
- 따라서 지상 관측에 의한 실측자료나, 2002년도에는 구름에 의한 왜곡이 발생하였으나 2001년도 또는 2003년도에서 왜곡이 발생하지 않은 지역의 자료를 이용한 간접비교를 통한 향후 연구가 필요하다.
- 하지만 다음과 같은 점에서 한계를 가지고 있었다. 먼저 정확도 평가에 있어서 구름에 의한 왜곡이 발생한 시점에서의 실제 지표에서의 식생지수를 복원된 식생지수와 비교하지 못하였다. 또한 RM SE를 이용한 평가의 경우 결과적으로 구름이 발생하지 않은 시점에서의 식생지수관측 값과 HANTS 알고리즘의 복원값을 비교한 것이므로 구름에 의하여 왜곡된 식생지수를 얼마나 올바르게 복원하였는가에 대한 평가척도로는 충분치 못하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.