[보고서]위성자료를 활용한 지면정보 도출 및 응용

서명석

보고서 정보

주관연구기관

공주대학교 산학협력단

연구책임자

서명석

참여연구자

강전호 , 홍기옥 , 이윤정 , 김지현 , 오석근 , 명지수 , 박우선 , 이용진 , 조아라 , 박주희 , 박상협

보고서유형

2단계보고서

발행국가

대한민국

언어

한국어

발행년월

2012-02

과제시작연도

2011

주관부처

기상청

사업 관리 기관

기상청
Korea Meteorological Administration

등록번호

TRKO201200001105

과제고유번호

1365001121

DB 구축일자

2013-04-18

키워드

기상위성자료,지면정보,응용기법,기후변화,태양복사,천리안Meteorological satellite data,land surface information,application method,climate change,solar radiation,COMS

표 Fig. 1.1.1 Necessity of the study based on the satellite data.
표 Fig. 3.1.1. Block diagram for the retrieval of land surface information from the satellite data.
표 Fig. 3.2.1 The area of the KMA LAM10 and research area for this study.
표 Fig. 3.2.2. Status of the normal pixels (good quality) in MODIS NDVI over the study area for each year.
표 Fig. 3.2.3. Spatial distribution of monthly composited NDVI in Jan. Yellow denote missing or abnormal pixels.
표 Fig. 3.2.4. Time series of 25 years in different colors of original GIMMS NDVI averaged over the Korean Peninsula(a) and at the three selected pixels which have different IGBP(b: Evergreen needleleaf forest/ Jeolla-do, c: Mixed forest/ Gyeonggi-do, d: Croplands/ Gyeongsang-do) land cover type.
표 Fig. 3.2.5. Flowchart for the detection and correction process of noisy pixels embedded in the GIMMS NDVI data based on the spatio-temporal continuity
표 Fig. 3.2.6. Seasonal(upper) and inter-annual(lower) variations of reference data averaged over the Korean Peninsula.
표 Fig. 3.2.7. Detection of noisy pixels(masked by 1) in the NDVI time-series(solid line) using reference NDVI(dashed line) and threshold values(dotted line).
표 Fig. 3.2.8. Example of correction for the noisy pixels by using temporal continuity
표 Fig. 3.2.9. Same as in Fig. 3.2.4 except for the corrected NDVI.
표 Fig. 3.2.10. 25-year averaged correction rate, NDVI average and their standard deviation according to the iteration.
표 Fig. 3.2.11. Spatial distribution of original GIMMS NDVI (upper panel) and corrected NDVI (lower panel) for the selected four years over the Korean Peninsula
표 Fig. 3.2.12. Intercomparison of the correction results according to the land cover type (black solid: original
표 Fig. 3.2.13. 25-year averaged correction rate (bar) for the selected two regions, NDVI average (green line) and their standard deviation (vertical line) according to the iteration
표 Fig. 3.2.14. Intercomparison of the correction results according to the land cover type.
표 Fig. 3.2.14. Intercomparison of the correction results according to the land cover type.
표 Fig. 3.2.16. Concept of the NDVI correction method according to the temporal continuity.
표 Fig. 3.2.15. The research area for the land cover classification with 250m horizontal resolution.
표 Fig. 3.2.17. Comparison of the NDVI correction results between simple weighted average (WgtM, green), low peak detection and correction (LPDC, blue), and iterative interpolation for data reconstruction (IDR, orange).
표 Fig. 3.2.18. Spatial distribution of the NDVI correction results by the a) maximum value composite, b) weighted moving average and c) low peak detection and correction method.
표 Fig. 3.2.19. Frequency of NDVI for (a) maximum, minimum, amplitude, and average, (b) growing/shedding rate, and (c) greenness period.
표 Fig. 3.2.21. Temporal variation of average NDVI before and after post-processing.
표 Fig. 3.2.20. Sample image of the post-processing
표 Fig. 3.2.22. Land cover map of the Korean peninsula classified in this study
표 Fig. 3.2.23. Temporal variation of averaged NDVI according to the land cover type.
표 Fig. 3.2.24. Spatial distribution of the a) IGBP, b) UMd and c) MODIS land cover map which re-classified according to the IGBP legend code.
표 Fig. 3.2.25. A comparison of the pixel counts according to the land cover types for the IGBP, UMd, and MODIS.
표 Fig. 3.2.26. Spatial distribution of agreement status among the three land cover data sets
표 Fig. 3.2.27. Spatial distribution of KLC_EA_v1.0.
표 Fig. 3.2.28. The number of pixels according to land cover type of KLC_v2 and IGBP.
표 Fig. 3.2.29. Spatial distribution of KLC_EA_v1.0 East-Asia land cover map (left) and KLC_KO_v1.0 Korean peninsula land cover map (right).
표 Fig. 3.2.30. Comparison of number of pixels according to the land cover types among KLC_v2.1 and KLC_v2.2
표 Fig. 3.2.31. The study area configuration over the Korean peninsula for the high resolution land cover classification.
표 Fig. 3.2.32. Comparison of the area averaged NDVI phenological variations
표 Fig. 3.2.33. Greenness period for the latitude according to the threshold of NDVI minimum (upper) and amplitude (lower).
표 Fig. 3.2.34. Comparison of the greenness period according to the latitude between initial (blue) and normalized greenness period (red).
표 Fig. 3.2.35. Spatial distribution of the (a) newly classified land cover map (KLC_KO_v2.0), (b) MODIS 1KM land cover map and (c) KLC_EA_v2.0 land cover map.
표 Fig. 3.2.36. Temporal dynamics of averaged NDVI according to the land cover classes for the KLC_KO_v2.0.
$Fig. 3.2.37. Comparison of the fractions according to the land cover types among KLC_EA_v2.0, MODIS_1km and KLC_KO_v2.0.$ 표 Fig. 3.2.37. Comparison of the fractions according to the land cover types among KLC_EA_v2.0, MODIS_1km and KLC_KO_v2.0.
표 Fig. 3.2.38. Sample image of ground-truth data base (left) and spatial distribution of their observation points (right).
표 Fig. 3.2.39. Spatial location of the ground-truth observation points over the Korean peninsula (upper) and Mongolia (lower).
표 Fig. 3.2.40. Block diagram for the retrieval of emissivity.
표 Fig. 3.2.41. Sample image of NDVI (left) and FVC (right) on 2nd, June
표 Fig. 3.2.42. Sample image of IR1 (10.8 ㎛, left) and IR2 (12.0 ㎛, right) emissivity.
표 Fig. 3.2.43. Spatial distribution of the improved (a, b) FVC, (c, d) emissivity for the IR1 (11㎛) and (e, f) IR2 (12㎛) on March (left) and August (right).
표 Fig. 3.3.1. Distribution of TIGR data according to the SZA used as an input data for MODTRAN4 simulations.
표 Fig. 3.3.2. Response function of IR1 and IR2 channel of MTSAT-1R.
표 Fig. 3.3.3. A schematic diagram of retrieval solar elevation angle from MTSAT-2.
표 Fig. 3.3.4. Solar elevation angle of 161 date of Julian day
표 Fig. 3.3.5 Weighted algorithm of 161 date of Julian day.
표 Fig. 3.3.6. Histogram of bias between Est_Temp and Ref_Temp.
표 Fig. 3.3.8. Distribution of bias according to the SZA for Ts=Ta, ε10.8=0.989 and ε12.0=0.991.
표 Fig. 3.3.7. Scatter plots of estimated LST versus reference LST according to the surface lapse rate.
표 Fig. 3.3.9. Distribution of RMSE and the improvement rate in total and weighted LST algorithm according to the surface lapse rate.
표 Fig. 3.3.10. Distribution of bias in total and weighted LST algorithm according to the surface lapse late.
표 Fig. 3.3.11. Distribution of biases of total and day/night LST algorithm.
표 Fig. 3.3.12. Scatter plots of retrieved LST(ordinate; LST) and prescribed LST(abscissa; Ref_T). a) and b) are day range ( ?   ∼ ?   ). c) and d) are dight range ( ?   ∼ ?   ).
표 Fig. 3.3.13. Distribution of RMSE and improvement rate according to the emissivity difference
표 Fig. 3.3.15. Distribution of RMSE and the improvement rate according to the BTD with the number of BTD data.
표 Fig. 3.3.14. Distribution of RMSE and the improvement rate according to the satellite zenith angle with the number of TIGR data.
표 Fig. 3.3.16. Spatial distribution of LST retrieved from MTSAT-1R and MODIS, and their differences. Also scatter-plot between two LST are shown.
표 Fig. 3.3.17. Spatial distribution of retrieved LST on (a, b) day case(2010. 09. 16. 0233 UTC) and (c, d) night case (2010. 09. 04. 1715 UTC).
표 Fig. 3.3.18. Difference of total and day/night LST algorithm.
표 Fig. 3.3.19. Distribution of bias of MODIS LST, total and day/night LST algorithm on (a, b) day case (2010. 09. 16 0233 UTC) and (c, d) night case (2010. 09. 04. 1715 UTC).
표 Fig. 3.3.20. Difference of between retrieved LST and MODIS LST on (a, b, c) day case (2010. 09. 16 0233 UTC) and (d, e, f) night case (2010. 09. 04. 1715UTC).
표 Fig. 3.3.21. Spatial distribution of retrieved COMS LST and MODIS LST, and differences between COMS and MODIS LST on 4th Aug. 2011.
표 Fig. 3.3.22. Scatter plots between retrieved COMS LST and MODIS LST.
표 Fig. 3.3.23. Spatial distribution of retrieved COMS LST by a) the initial algorithm and b) improved algorithm, and c) their difference on 1st, Sep. 2011.
표 Fig. 3.3.24. Scatter plots between retrieved COMS LST by the improved algorithm and MODIS LST.
표 Fig. 3.3.25. Comparison of the validation results between initial and improved LST algorithm.
표 Fig. 3.4.1. Temporal variation of the land surface temperature in Seoul(2010. 09. 16).
표 Fig. 3.4.2. Same as Fig. 3.4.1 except for in Tokyo (2010. 09. 04).
표 Fig. 3.4.3. Same as Fig. 3.4.1 except for in Beijing (2010. 07. 28).
표 Fig. 3.4.4. Same as Fig. 3.4.1 except for in Shanghai (2010. 09. 16).
표 Fig. 3.4.5. Distribution of cross-section in Seoul.
표 Fig. 3.4.6. Same as Fig. 3.4.5 except for in Tokyo.
표 Fig. 3.4.8. Same as Fig. 3.4.5 except for in Shanghai.
표 Fig. 3.4.7. Same as Fig. 3.4.5 except for in Beijing.
표 Fig. 3.4.9. A schematic diagram of fog detection from the COMS data.
표 Fig. 3.4.10. BTD(SWIR-IR1) images on 8, 9 April 2011
표 Fig. 3.4.11. COMS visible image and IR1 brightness temperature along longitude in fixed latitude
표 Fig. 3.4.12. Fog detection result on 7 May 2011
표 Fig. 3.4.13. The LSD test result at fog area on 0745 KST 9 April 2011
표 Fig. 3.4.14. The fog pixels detected by LSD test methods on 0745 KST 9 April 2011.
표 Fig. 3.4.15. Same as Fig. 3.4.13 except on 1000 KST 7 May 2011.
표 Fig. 3.4.17. Same as Fig. 3.4.13 except on 0900 KST 2 June 2011.
표 Fig. 3.4.18. Same as Fig. 3.4.14 except on 0900 KST 2 June 2011.
표 Fig. 3.4.16. Same as Fig. 3.4.14 except on 1000 KST 7 May 2011.
표 Fig. 3.4.19. Same as Fig. 3.4.13 except on 1015 KST 4 July 2011.
표 Fig. 3.4.22. Same as Fig. 3.4.14 except on 0900 KST 8 October 2011.
표 Fig. 3.4.21. Same as Fig. 3.4.13 except on 0900 KST 8 October 2011.
표 Fig. 3.4.20. Same as Fig. 3.4.14 except on 1015 KST 4 July 2011.
표 Fig. 3.4.23. Linear trend of NDVI according to season and latitude (left), and season and elevation (right).
표 Fig. 3.4.24. Linear trend of NDVI at spring (March, April, May) for the 25 years. Grey color indicates that significance level is less than 10%.
표 Fig. 3.4.25. Same as in Fig. 3.4.24 except for fall (September, October)
표 Fig. 3.4.26. Linear trend of phenological NDVI variables for the 25 years
표 Fig. 3.4.27. Correlation between monthly NDVI and temperature (Ave., Max., and Min.) for the mid- to high latitude area(30~70˚N, left panel), and according the elevation(right panel).
표 Fig. 3.4.28. Correlation between monthly NDVI and minimum temperature for spring(April, May) and fall(September, October).
표 Fig. 3.4.29. Trends of temperature for 25 years (left) and significant trends of vegetation abstracted from significant pixels (middle, right) within p <10% at May (upper pannel) and October (lower panenl).
표 Fig. 3.4.30. Same as Fig. 3.4.27 except for monthly precipitation
표 Fig. 3.4.31. Same as in Fig.3.4.28 except for precipitation(1month lag), Spring(April, May) and fall(September, October)
표 Fig. 3.4.32. The correlation between vegetation and temperature according to the lag time at South Korea in April and May
표 Fig. 3.4.33. Same as in Fig. 3.4.32 except for bi-weekly precipitation
표 Fig. 3.4.34. Same as in Fig. 3.4.32 except for fall(October, November)
표 Fig. 3.4.35. Same as in Fig. 3.4.32 except for bi-weekly precipitation
표 Figure 3.1.1. Location of 76 meteorological network stations over korean peninsular
표 Figure 3.1.269. Atmospheric effects according to trace gases and molecules.
표 Figure 3.1.270. Cloud mask procedure using threshold method for MTSAT-1R.
표 Figure 3.1.271. Lowpeak detection of SPOT/VGT NDVI 10-day data.
표 Figure 3.1.272. Comparison raw NDVI with corrected NDVI by polynomial regression approach for one pixel (127.16°, 35.12°) of Mixed forest class.
표 Figure 3.1.273. Flowchart for reconstructing NDVI by Harmonic analysis.
표 Figure 3.1.274. Comparison raw NDVI with corrected NDVI by polynomial approach and corrected NDVI by Harmonic analysis
표 Figure 3.1.275. Procedure of reflectance normalizing
표 Figure 3.1.276. The schema of method for the retrieval of normalized reflectance by using determined time window with synthetic use SPOT/VGT
표 Figure 3.1.277. RMSE of season according to observation number
표 Figure 3.1.278. Time series of reflectance SPOT VGT B2 band vs. normalized reflectance SPOT VGT B2 band
표 Figure 3.2.1. Used data for this study.
표 Figure 3.3.1. The flow chart of the estimated solar surface insolation
표 Figure 3.3.2. (a) RMSE, (c) Bias for INS model-pyranometer comparisons for clear sky condition (black bars) and all sky condition (grey bars) according to month; (c) RMSE, (d) Bias for INS from Insolation-pyranometer comparisons over clear (black bars) and all sky condition (grey bars) according to solar zenith angle variation.
표 Figure 3.3.3. The result is used to reflectance: January 11th 2006, April 11th 2006, July 11th 2006, October 11th 2006.
표 Figure 3.3.4. The result is used to Normalized reflectance: January 11th 2006, April 11th 2006, July 11th 2006, October 11th 2006.
표 Figure 3.3.5. Incoming shortwave radiation(in grey)and Net shortwave radiation(blue) in the Midday.
표 Figure 3.3.6. Incoming shortwave radiation(in grey)and Net shortwave radiation(blue) in the daily.
표 Figure 3.3.7. Incoming shortwave radiation(in grey)and Outgoing shortwave radiation(blue) in the midday
표 Figure 3.3.8. Incoming shortwave radiation(in grey)and Outgoing shortwave radiation(blue) in the daily
표 Figure 3.3.9. Incoming shortwave radiation(in empty circle)and Outgoing shortwave radiation(in grey circle), Net radiation(in black circle) in the midday.
표 Figure 3.3.10. Incoming shortwave radiation(in empty circle)and Outgoing shortwave radiation(in grey circle), Net radiation(in black circle) in the daily.
표 Figure 3.3.11. Outgoing Longwave Radiation and Net radiation in the midday.
표 Figure 3.3.12. Outgoing Longwave Radiation and Net radiation in the daily.
표 Figure 3.3.13. The relationship terms ‘Ts-Ta’ and ‘ETd-Rnd’ and the variation of regression line according to wind speed (marked by characters A to E), for various surface types
표 Figure 3.3.14. The relationship terms ‘Ts-Ta’ and ‘ETd-Rnd’ and the variation of regression line according to wind speed (marked by characters A to E), for various surface types
표 Figure 3.3.15. The relationship terms ‘Ts-Ta’ and ‘ETd-Rnd’ and the variation of regression line according to wind speed (marked by characters A to E), for various surface types
표 Figure 3.3.16. The Comparison of the observed B coefficients and the estimated B coefficients by the exponential B-model.
표 Figure 3.3.17. The comparison of the observed B coefficients (scatter plot) and the result obtained by the Gaussian model (mesh plot) for daily.
표 Figure 3.3.18. The Comparison of the observed B coefficients and the estimated B coefficients by the Gaussian B-model.
표 Figure 3.3.19. Scatter plots for the estimated daily ET using between the exponential B-model (considering only surface roughness length) and the Gaussian B-model
표 Figure 3.4.1. The result of validation between the daily actual ET with estimated algorithm using B-method and the daily potential ET with Priestly-Taylor algorithm.
표 Figure 3.4.2. Scatter plot of the daily actual ET and the daily potential ET; (a) 0.025m, (b) 0.625m, (c) 0.075m, (d) 0.925m of surface roughness length value, respectively.
표 그림 1.1. 연구개발의 최종목표
표 그림 1.2. 연구개발의 필요성
표 그림 1.3. 연구추진 방법
표 그림 3.1. 등고선의 구조
표 그림 3.2. 격자구조
표 그림 3.3. 등고선으로부터 격자 DEM 생성을 위한 Sequential Steepest Slope Algorithm
표 그림 3.4. TIN의 구조
표 그림 3.5. 서울지역 DEM 비교
표 그림 3.6. 부산지역 DEM 비교.
표 그림 3.7. 울산지역 DEM 비교
표 그림 3.8. 제주지역 DEM 비교
표 그림 3.10. 수치지형도 DEM과 ASTER GDEM의 편차영상
표 그림 3.9. 수치지형도 DEM과 ASTER GDEM의 편차영상
표 그림 3.11. DEM 편차영상의 히스토그램
표 그림 3.12. 한반도의 DEM
표 그림 3.13. 한반도의 지향면 자료
표 그림 3.14. 한반도의 해양도 자료
표 그림 3.15. 위성영상과 수치지도를 이용하여 작성된 한반도 마스킹 자료
표 그림 3.16. 사면 경사(slope) 계산방법
표 그림 3.17. 한반도의 사면경사도
표 그림 3.18. 한반도의 토지피복도
표 그림 3.19. 본 연구에서 사용한 기상관측소 현황
표 그림 3.20. 난온대 상록활엽수림대의 분포 변화
표 그림 3.21. 제주도 지역의 DEM과 기상관측소 및 AWS 위치도.
표 그림 3.22. 1월과 8월 기온 및 강수 자료의 배리오그램과 고도자료와의 교차 배리오그램
표 그림 3.23. 크리깅에 의해 작성된 계절별 월평균기온 분포도
표 그림 3.24. 크리깅에 의해 작성된 계절별 월강수량 분포도
표 그림 3.25. 고도자료와의 상관성 및 상대적 너겟 효과와 상대적 향상 지수와의 관계
표 그림 3.26. 전국의 AWS 위치도(a) 및 DEM(b)
표 그림 3.27. 1월과 8월 기온 및 강수 자료의 베리오그램과 고도자료와의 교차 베리오그램
표 그림 3.28. IDW와 Cokriging에 의해 작성된 계절별 월평균기온 분포도.
표 내삽기법별 월평균기온과 관측자료와의 편이 비교
표 그림 3.29. IDW와 Cokriging에 의해 작성된 계절별 월평균강수량 분포도.
표 내삽기법별 월강수량과 관측자료와의 편이 비교
표 그림 3.30. 연구 대상 지역의 수치표고모델과 AWS 관측소 지점의 위치
표 그림 3.31. 시공간 크리깅을 이용한 시계열 기온 분포도 작성 절차.
표 그림 3.32. (a) 연구지역내 공간 평균 기온 시계열 프로파일, (b) 공간 평균 기온 시계열 프로파일에 대한 절편 분포도, (c) 공간 평균 기온 시계열 프로파일에 대한 기울기 분포도
표 그림 3.33. 경향 성분 분포도
표 그림 3.34. 곱-합 모델 기반 시공간 베리오그램 모델
표 그림 3.35. 시공간 크리깅에 의해 작성된 2월 15일과 28일의 오전 9시 및 오후 2시 기온 분포도
표 그림 3.36. 연구지역 위치도
표 그림 3.37. 연구흐름도
표 그림 3.38. 토지피복분류도
표 그림 3.39. 고도분포도
표 그림 3.40. 경사분포도
표 그림 3.41. 하계망도
표 그림 3.42. 호소분포도
표 그림 3.44. 고속도로망도
표 그림 3.43. 도로망도
표 그림 3.45. IC 버퍼도
표 그림 3.46. 1982년 인구분포도
표 그림 3.47. 1989년 인구분포도
표 그림 3.48. 1999년 인구분포도
표 그림 3.49. 2009년 인구분포도
표 그림 3.51. 1989년 인구밀도도
표 그림 3.53. 2009년 인구밀도도
표 그림 3.50. 1982년 인구밀도도
표 그림 3.52. 1999년 인구밀도도
표 그림 3.54. 서산시 읍면동의 추계 인구변화
표 그림 3.55. 이중지수 평활(산림지)
표 그림 3.59. 이중지수 평활(논)
표 그림 3.58. 이중지수 평활(습지)
표 그림 3.56. 이중지수 평활(초지)
표 그림 3.57. 이중지수 평활(수역)
표 그림 3.60. 이중지수 평활(밭)
표 그림 3.61. 이중지수 평활(인공구조물)
표 그림 3.62. 이중지수 평활(나대지)
표 그림 3.63. 토지피복상태 분석 흐름도
표 그림 3.65. 토지피복상태 분석 결과 화면
표 그림 3.64. 토지피복 상태 분석프로그램 실행 화면
표 그림 3.66. 토지피복상태 분석 그래프 화면
표 그림 3.67. 토지피복 변화량 분석 흐름도
표 그림 3.68. 토지피복변화 분석프로그램 실행화면
표 그림 3.69. 토지피복변화량 분석 결과 화면
표 그림 3.70. 토지피복 변화량 분석 그래프 화면
표 그림 3.72. 토지피복변화 예측프로그램 실행 화면
표 그림 3.71. 토지피복변화 예측 흐름도
표 그림 3.73. 산림지에서 밭으로의 변화율
표 그림 3.80. 밭에서 나대지로의 변화율
표 그림 3.76. 습지에서 논으로의 변화율
표 그림 3.74. 초지에서 밭으로의 변화율
표 그림 3.75. 초지에서 인공구조물로의 변화율
표 그림 3.77. 논에서 수역으로의 변화율
표 그림 3.78. 논에서 인공구조물로의 변화율
표 그림 3.79. 밭에서 인공구조물로의 변화율
표 그림 3.81. 산림지에서 밭으로의 변화율
표 그림 3.85. 논에서 수역으로의 변화율
표 그림 3.82. 초지에서 밭으로의 변화율
표 그림 3.83. 초지에서 인공구조물로의 변화율
표 그림 3.84. 습지에서 논으로의 변화율
표 그림 3.86. 논에서 인공구조물로의 변화율
표 그림 3.87. 밭에서 인공구조물로의 변화율
표 그림 3.88. 밭에서 나대지로의 변화율
표 그림 3.89. 토지피복 예측도(2020)
표 그림 3.90. 토지피복 예측도(2030)
표 그림 3.91. 토지피복 예측도(2040)
표 그림 3.92. 토지피복 예측도(2050)
표 그림 6.1. 미국 오리건 주립대 PRISM
표 그림 6.2. NOAA 기후서비스 홈페이지

과제명(ProjectTitle) :	-
연구책임자(Manager) :	-
과제기간(DetailSeriesProject) :	-
총연구비 (DetailSeriesProject) :	-
키워드(keyword) :	-
과제수행기간(LeadAgency) :	-
연구목표(Goal) :	-
연구내용(Abstract) :	-
기대효과(Effect) :	-

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 제목(한글), 저자명(한글), 발행일자, 전자원문, 초록(한글), 초록(영문) 관리번호, 제목(한글), 제목(영문), 저자명(한글), 저자명(영문), 주관연구기관(한글), 주관연구기관(영문), 발행일자, 총페이지수, 주관부처명, 과제시작일, 보고서번호, 과제종료일, 주제분류, 키워드(한글), 전자원문, 키워드(영문), 입수제어번호, 초록(한글), 초록(영문), 목차
저장형식	Text(ASCII format) Excel format
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

위성자료를 활용한 지면정보 도출 및 응용
Retrieval of land surface information from satellite data and their application 원문보기

초록 ▼

Abstract ▼

목차 Contents

표/그림 (238)

표/그림 (238)

연구자의 다른 보고서 :

참고문헌 (25)

연구과제 타임라인

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

위성자료를 활용한 지면정보 도출 및 응용 Retrieval of land surface information from satellite data and their application 원문보기

초록 ▼

Abstract ▼

목차 Contents

표/그림 (238) 모든 표/그림 보기

표/그림 (238) 슬라이드로 보기

연구자의 다른 보고서 :

서명석 (7) 강전호 (3) 홍기옥 (2) 이윤정 (1) 오석근 (3) 명지수 (1) 박우선 (1) 조아라 (2) 박주희 (3) 박상협 (3)

참고문헌 (25)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

위성자료를 활용한 지면정보 도출 및 응용
Retrieval of land surface information from satellite data and their application 원문보기

표/그림 (238)

표/그림 (238)