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.
문제 정의
- 본 연구에서는 직접 조사가 힘든 북한지역을 대상으로 '00년부터 '07년까지의 수량 통계자료와 MODIS NDVI와의 회귀 식을 작성하고 '08년도 수량을 추정하는 것을 목적으로 하였다.
제안 방법
- 북한을 포함하는 granule 은 h27v04 와 h27v05로 자료가 서비스되는 2000년부터 2008년 10월 말까지의 자료를 다운로드받았다. 다운로드 받은 자료는 IDL 코드를 이용하여 Sinusoidal 좌표체 계 를 횡메르카토르법으로 변환한 후, NDVI 레이어를 추출하여 자료분석에 사용하였다.
- 벼논에 대한 NDVI 데이터값 추출을 위해서는 Landsat TM을 이용하여 분류한 북한 토지피복도(홍 등, 2008)의 벼논 전체에 해당하는 NDVI값과 서해안 평야 지대에 분포하는 평야지 4지점(각 4 kitf)을선택하여 평균한 NDVI값 데이터셋을 작성하였다.
- 벼논의 연차별 수잉기의 ND VI값과 FAO와 통계청에서 제공하는 연도별 수량 및 생산량 통계자료('00~'07)를 이용하여 벼 생산량과 수량에 대해 각각 회귀 식을 작성하였다. 수잉기의 NDVI값과 FAO 생산량 및 통계자료와는 뚜렷한 관계를 찾을 수 없었다.
- 북한 전역을 매일 한번에 촬영가능한 MODIS 영상의 NDVI 자료와 통계자료를 이용하여 생산량 및 수량을 추정하는 회귀 식을 작성하였다. 2000년부터 2007년까지의 MODIS 영상에서 추출한 벼논 대표지점의 NDVI와 통계청에서 제공하는 수량 자료와 선형적인 관계로 나타났다.
- 농촌진흥청 국립농업과학원은 생육단계별 NDVI값과 수확기 바이오매스 및 수량과의 상관분석 결과 유수형성기에서 출수기 사이의 NDVI 값이 수확기 바이오매스 및 수량과의 상관이 가장 높게 나타났다고 보고하고 있다(홍 등, 1996; 김 등, 2007-unpublished). 위 결과에 의거하여 NDVI 값과 수확기 바이오매스 및 수량과의 상관이 가장 높게 나타난 생육단계이면서 최대 NDVI 값 출현빈도가 높았던 수잉기(중만생종 기준)의 연차별 NDVI값을 이용하여 수량 및 생산량과의 관계를 분석하였다.
- 62 m로 맞추어 진다. 육상자료는 화소의 좌표가 이미 정해져 있으므로 IDL을 이용하여 sinusoidal 형태의 지도를 횡메르카토르법 (Transverse Mercartor) 좌표계로 변환하고 NDVI 레이어를 추출하였다.
대상 데이터
- FAO(Food and Agriculture Organization, www.fao.org)와 통계청(www.nso.go.kr)에서 제공하는 연도별 수량 및 생산량 통계자료('00~'07)를 이용하여 연차별 NDVI 값과의 추정식을 작성하였다. 연차별 NDVI 값은 연중 가장 최대값을 보이는 시기 또는 수잉기의 NDVI값을 사용하였다.
- 대부분의 level 1과 모든 level 2 자료는 위성으로부터 약 5분 단위로 연속적으로 얻어지는 자료를 granule로 저장한다. 본 연구에서는 이들 자료들 중 육지 (land) 연구를 위한 MOD 13(Vegetation indices) 의 NDVI (Normalized Difference Vegetation Index) 자료를 이용하였다. MODIS 자료 다운로드싸이 트는 https://wist.
- cgi?mode=MAINSRCH&JS=l 이다. 북한을 포함하는 granule 은 h27v04 와 h27v05로 자료가 서비스되는 2000년부터 2008년 10월 말까지의 자료를 다운로드받았다. 다운로드 받은 자료는 IDL 코드를 이용하여 Sinusoidal 좌표체 계 를 횡메르카토르법으로 변환한 후, NDVI 레이어를 추출하여 자료분석에 사용하였다.
- 방법을 이용하였다. 북한을 포함하는 granule(h27v04, h27v05) 에 대해 약 9 년('00~'08) 자료를 다운로드 한 영상을 대상으로 하였다. 모든 육상 산출물의 좌표체계는 sinusoidal projection이며, 이는 지구 전체를 36(horizontal) * 18(vertical)의 tile로 투영하는데, 그 결과 각각의 tilee 10도 X 10도 즉, 1, 200화소 X 1, 200화소로 구성된다.
- 모든 육상 산출물의 좌표체계는 sinusoidal projection이며, 이는 지구 전체를 36(horizontal) * 18(vertical)의 tile로 투영하는데, 그 결과 각각의 tilee 10도 X 10도 즉, 1, 200화소 X 1, 200화소로 구성된다. 이 투영방식에서는 지구의 반경을 7, 371, 007.181 m로 설정하여 각 화소의 크기가 약 926.62 m로 맞추어 진다. 육상자료는 화소의 좌표가 이미 정해져 있으므로 IDL을 이용하여 sinusoidal 형태의 지도를 횡메르카토르법 (Transverse Mercartor) 좌표계로 변환하고 NDVI 레이어를 추출하였다.
이론/모형
- MODIS 위성영상 처리는 영상분석 소프트웨어인 ENVI에 제공되는 IDL (Interactive Data Language)을 이용하여 강(2008)이 기술한 방법을 이용하였다. 북한을 포함하는 granule(h27v04, h27v05) 에 대해 약 9 년('00~'08) 자료를 다운로드 한 영상을 대상으로 하였다.
성능/효과
- 작성하였다. 2000년부터 2007년까지의 MODIS 영상에서 추출한 벼논 대표지점의 NDVI와 통계청에서 제공하는 수량 자료와 선형적인 관계로 나타났다. 이 관계식을 이용한 2008년 북한의 벼 수량과 생산량을 추정하였다.
- 그림 1과 같다. 연차별 16-day NDVI 최대값과 최대값이 출현하는 시기가 다르고, 해마다 벼 유수 형성기~출수기사이에 NDVI값이 최대로 나타나는 것을 알 수 있었다. 2007년의 최대 NDVI 값이 가장 낮게 나타났고, 2001, 2004 및 2005 년의 최대 NDVI 값이 높게 나타났다.
- 80 ton/ 1#로 추정되었다. 이에 벼 재배면적('07년 통계)을 곱하여 생산량을 산정한 결과 약 164.5만톤으로, 2007년 대비 약 7.5% 증수한 것으로 나타났다.
후속연구
- 실측에 따른 캘리브레이션이나 자료를 통한 검증이 어렵다는 점이 한계점으로 지적되고 있다. 그러나 북한에 대한 수량 및 생산량은 국가통계 자료의 수집이 어렵고 조사기관에 따라 발표하는 통계자료의 변이가 크므로, 위성영상 등 주기적으로 객관적으로 자료취득이 가능한 자료를 이용한 추정 방법의 지속적인 개발이 필요할 것으로 생각된다.
- 많다. 넓은 지역에 대해 지표면에 대한 파장별 반사특성 데이터의 형태로 얻어지는 위성영상 자료를 이용한다면 지 역전 체를 대상으로 하여 보다 과학적이고 객관적인 자료 생산이 가능할 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.