보고서 정보
주관연구기관 |
국립농업과학원 National Institute of Agricultural Sciences |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2014-02 |
주관부처 |
농촌진흥청 Rural Development Administration(RDA) |
과제관리전문기관 |
농촌진흥청 Rural Development Administration |
등록번호 |
TRKO201400011435 |
DB 구축일자 |
2016-09-17
|
초록
▼
Ⅳ. 연구개발결과
생육조사 지역의 Landsat TM NDVI 기반의 콩, 옥수수의 LAI, 식생수분함량 (VWC), 지상부 건물량 (ADM) 추정 모형을 작성하여 해당 지역의 분포도를 작성하였다. MODIS NDVI 영상을 이용하여 미국 아이오와 • 일리노이주로 확대 적용하였다. MYD13 NDVI를 이용하여 콩 • 옥수수의 예상 수량을 추정하여 USDA의 예상수량과 비교해 본 결과 편차가 2012년에는 3.3%~23.9%, 2013년에는 5.2%~27.1%로 높게 나타났다. 수량에 영향을 미치는 시기별 생육 또는 기상 요인
Ⅳ. 연구개발결과
생육조사 지역의 Landsat TM NDVI 기반의 콩, 옥수수의 LAI, 식생수분함량 (VWC), 지상부 건물량 (ADM) 추정 모형을 작성하여 해당 지역의 분포도를 작성하였다. MODIS NDVI 영상을 이용하여 미국 아이오와 • 일리노이주로 확대 적용하였다. MYD13 NDVI를 이용하여 콩 • 옥수수의 예상 수량을 추정하여 USDA의 예상수량과 비교해 본 결과 편차가 2012년에는 3.3%~23.9%, 2013년에는 5.2%~27.1%로 높게 나타났다. 수량에 영향을 미치는 시기별 생육 또는 기상 요인을 찾아 모형을 보완할 필요가 있었다. CASA-NPP 모형을 이용한 미국 아이오와 • 일리노이주의 2013년 콩, 옥수수 예상수량은 2.49%~14.93%로 NDVI를 이용한 모형에 비해 편차가 작게 나타났다. MODIS NDVI와 기상자료를 이용하여 우리나라 전국단위 벼 수량을 추정하여 통계값과 비교해 본 결과 10년동안의 평균편차가 5% 이내로 나타났다. CASA-NPP 모형의 경우 2012년 전국단위 벼 수량과 예측 수량을 비교해 본 결과 3% 이내의 편차를 나타내었다.
지상레이더 산란계 자동관측시스템에서 얻어진 후방산란계수와 콩, 밀, 옥수수 생육인자와의 관계 분석을 통해 작물별 생육추정모형을 개발하고 작물생육 추정을 위한 레이더 시스템 최적조건(L-밴드, HH-편파)을 구명하였다. RADARSAT-2 영상 활용 서산지역 벼 생육을 모니터링하고 HH-편파 후방산란계수를 이용하여 벼 생체중, 건물중, 엽면적지수, 식생수분함량을 추정하였다. 벼 출수기 HH-편파 후방산란계수를 이용하여 수확기 수량을 추정하였다(R2=0.80).
레이더파 후방산란계수와 콩 재배지 토양수분함량과의 상관성을 분석하고 후방산란계수 이용 토양수분함량을 추정하였다. 레이더 식생지수를 이용하여 벼, 콩 생육을 추정하였다. 위성영상(UAVSAR, LANDSAT-5)을 이용하여 캘리포니아 곡창지역에 작물(Pistachios, Almonds) 생육 및 토양수분 변화를 모니터링 하였다. 모형(TSEB) 구동을 위한 입력자료수집 및 자료를 보정하였고 벼 재배지 적응을 위한 모형 알고리즘을 개선하고 모형을 검증하였다. LANDSAT 영상과 TSEB 모형을 이용하여 이천, 김제 벼 재배지 증발산량 지도를 작성하였다.
위성영상 기반의 생물리학적 작황감시알고리즘 이론 확립하였고, 사례 연구지에 대한 MODIS 위성자료 수집하여 MODIS 기반의 작황감시자료를 생산하였다. 또한 작황감시자료를 활용한 당해 연도 작황조기예보기술 개발하여 사례연구지에 대한 작황조기예보자료 생산하였다. 작황조기 예보기술의 신뢰도 향상을 위한 알고리즘 개선과 향상된 모수화 진행하였고, 작황감시 알고리즘의 전지구 주요 곡물지대 적용성을 평가하였다. 연도에 따라 차이가 있지만 미국 연구지역의 옥수수와 콩생산량에 대해 대략 10% 내외의 작황추정오차를 보였다.
작황분석에 활용할 수 있는 MODIS 위성영상과 Landsat 위성영상의 개요 및 특성을 분석하고 영상 생상 알고리즘을 파악하여 작황추정에 활용할 수 있는 위성영상의 전처리 과정에 대한 표준 프로세스를 개발하였다. 또 미국, 한반도, 중국 등 연구대상 지역의 위성영상을 검색·수집하여 2000년부터 2013년까지 위성영상자료의 데이터베이스를 구축하였다. 이와 같이 대용량의 방대한 위성영상 데이터를 처리하기 위해 MODIS 위성영상의 표준화 된 전처리 과정의 기능을 수행하는 전처리 프로그램 구축하여 활용하였다. 또 비접근지역인 한반도 북방지역에 RapidEye 위성 영상을 이용하여 북한 전역의 논 경지분포도와 주산지 등의 지역의 밭경지분포도 작성하여 추후 비접근 지역의 농업기본자료로 활용할 수 있는 데이터를 구축하였다. 여러 작황 추정 관련 연구가 진행됨에 따라 수집되어지는 자료와 관련 연구결과를 위해 위성영상 기반의 작황자료 정보서비스 사례를 수집 • 분석, 작황자료 정보를 서비스할 수 있는 방안 수립 및 시스템의 프로토 타입 구축하였다. 또한 장기적인 작황자료의 종합적인 정보서비스를 위한 정보화 전략계획을 수립하였다.
Abstract
▼
General crop yield estimation surveys are conducted throughout the country for estimating crop yield of all major crops. In an earlier study satellite spectral data has been used along with survey data to develop a more efficient post-stratified estimator of crop yield which suggested that with the
General crop yield estimation surveys are conducted throughout the country for estimating crop yield of all major crops. In an earlier study satellite spectral data has been used along with survey data to develop a more efficient post-stratified estimator of crop yield which suggested that with the use of satellite data along with crop yield data, it is possible to develop country level estimates of crop yield. This research describes a procedure for estimating LAI as a function of image-derived vegetation indices from temporal series of Landsat TM, and MODIS satellite images using empirical models and demonstrates its use with data collected at Illinois/Iowa field sites. And research investigates the potential of using vegetation index profiles from satellite image to monitor crop yield. A predictive study is presented, for 2002-2012 and 2013 respectively, for an area in US cornbelt and Korea. Results are encouraging for operational crop monitoring. Yield for corn, soybean and rice crops has been estimated to a high degree of accuracy using a simple linear relationship between NDVI and yield. However input from a meteorological data is recommended to select the model during the period of the crop season. Simple regression based on MODIS NDVI and yield was conducted to estimate crop yields in Illinois/Iowa. As a result, MYD13 NDVI tend to have high correlation with corn/soybean yields. Thecorn/soybean yield errors of Illinois/Iowa was estimated to be 3.3 ~ 23.9 % (in 2012) and 5.2 ~ 27.1 % (in 2013) compared with the yield forecast of the USDA. Crop yield distributions were presented to show spatial variability in the state.
Microwave remote sensing can help monitor the land surface water cycle, crop growth and soil moisture. Backscattering coefficients for L-, C-, and X-band, vegetation indices(RVI, NDVI, and LAI) and crop growth data(VWC) were observed over rice and soybean growth cycles. It was found that L-band RVI was well-correlated with VWC, LAI and NDVI. Retrieval equations were developed for estimating VWC using the RVI in both crops. We analyzed the relationships between L-, C- and X-band signatures and soil moisture content over the whole soybean growth period. Time serious of soil moisture content was not a corresponding with backscattering over the whole growth stage, although it increased relatively until early August(R2, DOY 224). Backscattering coefficients for all frequencies were not correlated with soil moisture content when considered over the entire stage(r≤0.50). However, we found that L-band HH polarization was correlated with soil moisture content(r=0.90) when Leaf Area Index (LAI)< 2. Retrieval equations were developed for estimating soil moisture content using L-band HH polarization. Evapotranspiration monitoring of rice, a main cereal and food source of Monsoon Asia, is important not only for sustaining stable grain production and for effective water use through precise water management, but also provides a means for early warning of and response to drought. The remote-sensing based two source energy balance model(TSEB) estimates of evapotranspiration(ET) over a wide variety of land cover types using ground, airborne and satellite imagery and meteorological data without time-consuming and/or expensive field measurements such as measurements of daily decrease of flooding water depth and eddy covariance-based flux tower observations. We, therefore, evaluated the TSEB model at local sites, Icheon and Kimje, with energy flux tower and ground-based thermal-infrared temperature measurement collected over cultivated rice fields and applied the model for estimating ET over rice cropping region encompassing an area 16km x 16km scale in South Korea using Landsat imagery. The root mean square difference values between predicted and observed latent heat flux ranged between 10% and 25% of the average observed latent heat flux. This is comparable to the measurement uncertainty, suggesting that the TSEB model can provide reliable ET estimation for rice fields. Applying the TSEB model with Landsat imagery over a 16km x 16km domain encompassing the Kimje flux tower site was also performed. Leaf area index for the study area at the Landsat resolution was estimated using MODIS leaf area index products as a reference. Atmospheric correction of the land surface temperature was carried out using MODTRAN. The ET estimated by the TSEB model for the rice field surrounding the Kimje flux tower was in close agreement with the flux tower measurement, similar to results using local ground-based land surface temperature data.
National food security requires to develop crop production monitoring data for major crop importing and exporting countries. In this study, a biophysical crop production model was developed by using satellite remote-sensing data and then, the model was applied to monitor corn and soybean yield for US cornbelt and the northeastern China. This research includes development of biophysical crop production algorithm based on MODIS products and prediction of crop production in US cornbelt and the northeastern China. A biophysical crop production monitoring algorithm was developed. The model uses various satellite remote sensing data and crop-specific parameters to predict crop yield. Using the model, early forecasting is possible for corn and soybean yield. For US corn-belt regions, prediction accuracy was within 10% errors or so. The biophysical crop yield model can support yield forecasting for major crop importing and exporting countries with further region-specific parameterization, which can contribute decision-making of national crop security planning.
It is time to be emphasized about the crop production forecast for the foreign country and the non-accessible area because of the economic, industrial, and political importance. As an objective data, the use of RS image information is expanding for the crop estimation. Therefore, acquisition, pre-processing and management of long-term remote sensing images is required. In particular, Landsat satellite image and MODIS satellite image are effective materials that are able to estimate the crop information of the non-accessible and abroad area. The focus of this study is the establishment of the remote sensing database for the crop production forecast. And the target area is the global agricultural producer, The United States and China, and the Korean Peninsula. The detail scope of this study is as follows; 1) Analysis of algorithms of the specific MODIS products, 2) Pre-processing of the specific MODIS products, 3) Pre-processing of the Landsat images, 4) Development of the MODIS pre-processing program for standard and efficient processing of high-capacity data, 5) Creation of the cropland map for the non-accessible area that is the primitive information for the crop estimation, 6) Construction of the service system that can manage and provide the informations for the crop production forecast, 7) Build Information Strategy Information for Crop estimation information services.
목차 Contents
- 표 지 ... 1
- 제 출 문 ... 2
- 요 약 문 ... 4
- S U M M A R Y ... 10
- 제 1 세부 광학영상을 이용한 작황 추정 기술 개발 ... 13
- 목 차 ... 14
- 제 1 장 서 론 ... 17
- 제 2 장 국내외 기술개발 현황 ... 19
- 제 3 장 연구개발수행 내용 및 결과 ... 20
- 제 1 절 연구수행 내용 ... 20
- 1. 위성영상 자료 취득 및 영상 처리 ... 20
- 가. MODIS 영상 ... 20
- 나. Landsat, RapidEye 등 중저해상도 위성영상 ... 20
- 다. IKONOS 영상 ... 21
- 2. 연구지역 ... 21
- 3. 기상 및 생육자료 수집 및 처리 ... 22
- 가. 우리나라 기상자료 및 생육자료 수집 및 처리 ... 22
- 나. 해외 기상자료 및 생육자료 수집 및 처리 ... 24
- 4. 통계자료 수집 ... 25
- 가. 우리나라 ... 25
- 나. 미국 ... 26
- 5. 작물 재배지역 위성 자료값 및 기상자료 특성 추출 ... 27
- 가. 우리나라 ... 27
- 나. 미국 ... 28
- 6. 작물 수량 추정 ... 28
- 가. 작물 생육과 기상을 고려한 회귀모형 ... 28
- 나. Carnegie-Ames-Stanford Approach (CASA) 모형 ... 30
- 제 2 절 연구수행 결과 ... 33
- 1. 엽면적지수 (LAI) 추정 ... 33
- 가. 우리나라 서산 지역 벼 LAI 추정 ... 33
- 나. 미국 중서부 지역 콩, 옥수수 LAI 추정 ... 36
- (1) 미주리주 센트랄리아 지역 콩, 옥수수 생육분석 ... 36
- (2) 미주리주 센트랄리아 지역 콩, 옥수수 LAI 추정 ... 43
- (3) 미국 중서부 지역 콩, 옥수수 LAI 추정 ... 48
- 다. 중국 연구지역의 작물 생육분석과 하얼빈 지역 벼 LAI 추정 ... 57
- 2. 미국 콩, 옥수수 수량 추정 ... 64
- 가. 위성영상 식생지수를 이용한 콩, 옥수수 수량 추정 ... 64
- 나. CASA 모형을 이용한 콩, 옥수수 수량 추정 ... 72
- (1) 생육시기별 NPP와 작물 수량과의 상관 분석 ... 72
- (2) CASA-NPP를 이용한 콩, 옥수수 수량 추정 ... 74
- 3. 우리나라 벼 수량 추정 ... 82
- 가. 위성영상 식생지수와 기상자료를 이용한 벼 수량 추정 ... 82
- (1) 시기별 MODIS NDVI 및 등숙기 기상자료와 벼 수량과의 상관성 ... 82
- (2) MODIS NDVI와 등숙기 기상자료를 이용한 우리나라 쌀 수량 추정 ... 84
- (3) MODIS NDVI와 기상자료2(일사량)를 이용한 우리나라 쌀 수량지도 작성 ... 85
- 나. CASA 모형을 이용한 벼 수량 추정 ... 87
- (1) CASA 모형에 의한 우리나라 논벼 NPP 변화 ... 87
- (2) CASA-NPP에 의한 우리나라 논벼 수량 추정 ... 90
- 4. 연구지역 중심의 작황보고서 작성과 활용방법 연구 ... 93
- 가. 기존 작황보고서에 대한 현황 및 수요 분석 ... 93
- 제 3 절 연구수행 결과 종합 요약 ... 97
- 1. 1년차 결과 요약 ... 97
- 2. 2년차 결과 요약 ... 97
- 3. 3년차 결과 요약 ... 97
- 4. 4년차 결과 요약 ... 98
- 제 4 장 연구개발목표 달성도 및 대외기여도 ... 99
- 제 1 절. 목표대비 대외달성도 ... 99
- 제 2 절. 정량적 성과(논문게재, 특허출원, 기타) ... 99
- 제 5 장 연구개발결과의 활용계획 ... 100
- 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 101
- 1. FA S (Foreign A gricultural Service) ... 101
- 2. MA RS (Foreign A gricultural Service) ... 103
- 3. CCW S (China CropW atch System) ... 105
- 4. FEW S NET (Famine Early W arning System) ... 107
- 5. GIEW S (Global Information and Early W arning System) ... 109
- 6. ABARES (Australian Bureau of Agricultural and Resource Economics and Sciences) ... 112
- 7. SA GPyA (SIG A GROPECUA RIO) ... 114
- 8. CONA B (Brazil' s National Good Supply Company of the Ministry of A griculture) ... 115
- 9. CCA P (Canada' s Crop Condition A ssessment Program) ... 116
- 10. CHA RM S (China A griculture Remote Sensing M onitoring System) ... 117
- 11. FA SA L (Forecasting A gricultural output using Space, A grometeorology and Land based observations) ... 118
- 12. NCSRT (the National Centre of Space Research and Technologies) ... 119
- 13. DA FF (the South African National Department of Agriculture, Forestry and Fishery) ... 120
- 14. RSA LMS (Remote Sensing based A gricultural Land Monitoring System) ... 121
- 15. WaterWatch ... 122
- 16. USDA World A gricultural Supply and Demand Estimates Report (WASDE) ... 126
- 17. Thomson Reuters - LANWORTH ... 128
- 18. 한국농촌경제연구원 – 단수예측모형(쌀, 고랭지배추, 콩) ... 130
- 제 7 장 기타 중요 변동사항 ... 132
- 제 8 장 국가과학기술종합정보시스템에 등록한 연구장비 현황 ... 133
- 제 9 장 참고문헌 ... 134
- 제 2 세부 레이더 자료를 이용한 작황추정기술 개발 ... 137
- 목 차 ... 138
- 제 1 장 서 론 ... 141
- 제 2 장 국내외 기술개발 현황 ... 142
- 제 1 절 지상레이더 이용 작물생육 모니터링 연구 ... 142
- 제 2 절 레이더 및 항공기 영상 이용 작물생육 모니터링 연구 ... 143
- 제 3 장 연구개발수행 내용 및 결과 ... 146
- 제 1 절 연구수행 내용 ... 146
- 1. 연구지역 ... 146
- 가. 벼 연구지역 ... 146
- 나. 콩 연구지역 ... 146
- 다. 밀 연구지역 ... 147
- 라. 옥수수 연구지역 ... 147
- 2. 작물생육조사 및 분석 ... 148
- 가. 벼 생육조사 및 분석 ... 148
- 나. 콩 생육조사 및 분석 ... 149
- 다. 밀 생육조사 및 분석 ... 150
- 라. 옥수수 생육조사 및 분석 ... 151
- 3. 레이더 산란계 자동관측시스템 구축 ... 152
- 4. 후방산란계수 산출 ... 153
- 5. 위성영상자료 수집 및 자료처리 ... 155
- 6. Decomposition을 이용한 산란특성분석 ... 158
- 제 2 절 연구수행 결과 ... 160
- 1. 지상 레이더 산란계 이용 작물생육 추정 ... 160
- 가. 지상 레이더 산란계 이용 콩 생육 추정 ... 160
- (1) 콩 생육시기에 따른 밴드별 후방산란계수와 생육인자 변화 관측 ... 160
- (2) 밴드별 후방산란계수와 콩 생육인자와의 상관관계 분석 ... 163
- (3) 후방산란계수를 이용한 콩 생육 추정 ... 164
- 나. 지상 레이더 산란계 이용 밀 생육 추정 ... 169
- (1) 밴드별 후방산란계수와 밀 생육인자 변화 관측 ... 169
- (2) 후방산란계수를 이용한 밀 생육 추정 ... 172
- 다. 지상 레이더 산란계 이용 옥수수 생육 추정 ... 175
- (1) 옥수수 생육시기에 따른 밴드별 후방산란계수와 생육인자 변화 분석 ... 175
- (2) 밴드별 후방산란계수를 이용한 옥수수 생육 추정 ... 178
- 2. 레이더 영상 이용 작물생육 추정 ... 182
- 가. COSMO-SkyMed 영상을 이용한 밀 생육 추정 ... 182
- (1) 밀 생육시기에 따른 레이더 COSMO-SkyMed 영상 후방산란계수와 생육인자 변화특성 ... 182
- (2) 레이더 영상 후방산란계수를 이용한 밀 생육 추정 ... 183
- 나. RADARSAT-2 영상을 이용한 벼 생육 추정 ... 185
- (1) 생육시기에 따른 RADARSA T-2 영상 후방산란계수 변화 ... 185
- (2) 레이더 영상 후방산란계수를 이용한 벼 생육 추정 ... 186
- 다. RADARSAT-2 영상을 이용한 벼 수량 추정 ... 189
- 3. 레이더 다중편파를 이용한 산란특성 분석 ... 191
- 가. 산란분해(Decomposition)을 이용한 벼 산란특성 분석 ... 191
- 나. 산란특성을 이용한 벼 생육단계 해석 ... 192
- 4. 레이더 영상 전처리 과정 매뉴얼 작성 ... 194
- 가. C-밴드 영상 처리과정 정리 ... 194
- 나. X -밴드 영상 처리과정 정리 ... 196
- 5. 레이더 영상이용 작물 생육 모니터링(미국) ... 197
- 가. 시계열 레이더 영상자료 수집 및 처리 ... 197
- 나. ENVISAT 영상 후방산란계수 변화 분석 ... 198
- 6. 결론 ... 199
- 제 4 장 연구개발목표 달성도 및 대외기여도 ... 200
- 제 1 절 목표대비 대외달성도 ... 200
- 제 2 절 정량적 성과 ... 200
- 제 5 장 연구개발 결과의 활용계획 ... 203
- 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 204
- 제 7 장 기타 중요 변동사항 ... 205
- 제 8 장 국가 과학기술종합 정보시스템에 등록한 연구장비현황 ... 206
- 제 9 장 참고문헌 ... 207
- 제 1 협동 지역단위 정보 산출을 위한 농업환경모형 통합/확장 알고리즘 개발 ... 212
- 목 차 ... 213
- 제 1 장 서 론 ... 215
- 제 2 장 국내외 기술개발 현황 ... 216
- 제 3 장 연구개발수행 내용 및 결과 ... 218
- 제 1 절 연구수행 내용 ... 218
- 1. 레이더 식생지수를 이용한 작물생육 추정 ... 218
- 가. 연구지역 및 작물생육조사 ... 218
- 나. 레이더 식생지수 산출 ... 218
- 2. 레이더 자료를 이용한 토양수분 추정 연구 ... 219
- 가. 연구지역 및 토양수분 측정 ... 219
- 3. 위성영상을 이용한 작물생육 및 토양수분 모니터링 ... 219
- 가. 연구지역 ... 219
- 나. 위성영상자료 수집 ... 220
- 다. 작물생육조사 및 토양수분 측정 ... 221
- 라. 기상자료 수집 ... 222
- 마. 위성영상 전처리 작업 ... 222
- 바. 위성영상 이용한 연구지역 선정(Target point) 작업 ... 222
- 4. 에너지 모형구동(TSEB)을 통한 벼 재배 농경지 일별 에너지/물 수지 추정 ... 224
- 가. TSEB 모형 입력자료 구축 및 구동 ... 224
- 5. TSEB 및 랜샛 영상을 이용한 증발산량 추정 ... 227
- 가. 연구지역 및 에너지플럭스 측정 ... 227
- 나. TSEB 소스코드 분석 및 벼재배지 적용을 위한 TSEB 모형 수정 ... 228
- 다. 랜샛 영상에서 엽면적 지수와 지표면복사온도 추출 ... 229
- 제 2 절 연구수행 결과 ... 230
- 1. 레이더 식생지수를 이용한 작물생육 추정 ... 230
- 가. 밴드별 후방산란계수와 작물생육인자 변화 관측 ... 230
- 나. RVI를 이용한 작물생육 추정 ... 233
- 2. 레이더 자료를 이용한 토양수분 추정 ... 237
- 가. 콩 생육시기에 따른 밴드별 후방산란계수와 토양수분 변화 분석 ... 237
- 나. 밴드별 후방산란계수와 토양수분함량과의 상관성 분석 ... 239
- 다. 후방산란계수를 이용한 토양수분함량 추정 ... 240
- 3. 위성영상을 이용한 작물생육 및 토양수분 모니터링 ... 241
- 가. 생육시기에 따른 강수량, 상대습도, 풍속, 토양온도 변화 관측 ... 241
- 나. 생육시기에 따른 작물별 후방산란계수 변화 ... 242
- 다. 생육시기에 따른 작물별 레이더 식생지수(RVI) 변화 ... 244
- 라. 생육시기에 따른 작물별 식생지수(NDVI), 식생수분지수(NDWI) 변화 ... 245
- 마. 후방산란계수와 토양수분관계 분석 ... 247
- 4. 에너지 모형구동(TSEB)을 통한 벼 재배 농경지 일별 에너지/물 수지 추정 ... 249
- 5. TSEB 및 랜샛 영상을 이용한 증발산량 추정 ... 250
- 가. TSEB 모형 분석 및 벼재배지 적용을 위한 알고리즘 수정 ... 250
- 나. 연구포장에서 TSEB모형을 통한 증발산량 추정 ... 252
- 다. 이천 및 김제 연구지역에서 TSEB 및 랜샛 영상을 이용한 증발산량 추정 ... 254
- 6. 결론 ... 260
- 제 4 장 연구개발목표 달성도 및 대외기여도 ... 262
- 제 1 절 목표대비 대외달성도 ... 262
- 제 2 절 정량적 성과 ... 262
- 제 5 장 연구개발 결과의 활용계획 ... 263
- 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 264
- 제 7 장 기타 중요 변동사항 ... 265
- 제 8 장 국가 과학기술종합 정보시스템에 등록한 연구장비현황 ... 266
- 제 9 장 참고문헌 ... 267
- 제 2 협동 MODIS 위성영상 활용 작황감시 체계 개발 ... 272
- 목 차 ... 273
- 제 1 장 서 론 ... 277
- 제 2 장 국내외 기술개발 현황 ... 279
- 제 1 절 국내 연구 현황 ... 279
- 제 2 절 국외 연구 현황 ... 279
- 제 3 절 국내외 연구현황 비교 및 필요 연구 분야 ... 279
- 제 3 장 연구개발수행 내용 및 결과 ... 280
- 제 1 절 연구수행내용 ... 280
- 1. 연구체계 ... 280
- 2. 연구 지역 ... 281
- 가. 미국 사례 연구지 ... 281
- 나. 동북아시아 사례 연구지 ... 282
- 3. MODIS 기반의 생물리학적 작황 추정 알고리즘 ... 282
- 가. 총일차생산성(GPP) ... 283
- 나. 순일차생산성(NPP) ... 285
- 다. 작물의 건중량(Biomass) 및 수량(Yield) ... 286
- 라. 모수화 과정 (Parameterization) - 작물 생물리 모수값 (CPLUT) ... 287
- 4. 작황추정 모형의 예측력 향상 ... 288
- 가. 입력자료 개선 – 대기 수증기압 포차(VPD) ... 288
- 나. 생산성 추정 모형의 오류 수정 ... 289
- (1) VPD 자료인식 오류 ... 289
- (2) 토지피복도(또는 작물분류도) 인식 오류 ... 289
- 다. 오차요인분석 ... 289
- (1) 토지피복의 영향 ... 289
- (2) 기상입력 자료의 영향 ... 290
- (3) 작물 생육의 계절성 영향 ... 290
- (가) Crop Progress and Condition ... 290
- (나) HI260의 개선; 작물 생육 환경의 계절성을 고려 ... 291
- 5. 작황 예측 시연 ... 292
- 6. 자료 수집 및 처리 ... 292
- 가. 기상입력 자료 ... 292
- (1) NASA MODIS 위성자료 처리 ... 293
- (가) MODIS 맑은 날 기상입력 자료 ... 293
- ① 기온 ... 294
- ② 대기수증기압 포차 ... 295
- ③ 일사량 ... 295
- (나) 인공위성 영상 자료 기반의 전천후 기상입력 자료 생산 ... 298
- ① 기온 ... 298
- ② 일사량 ... 300
- (2) WRF 기상모형 자료 ... 301
- 나. 평가 자료 ... 302
- (1) AmeriFlux Tower ... 302
- (2) USDA NASS 통계자료 ... 303
- (3) NOAA NCDC 자료 수집 ... 304
- 다. 토지피복자료 ... 304
- 제 2 절 연구수행 결과 ... 305
- 1. 기상 입력 자료의 평가 ... 305
- 가. MODIS 기상 입력 자료의 평가 ... 305
- (1) 일 단위 최저기온 ... 305
- (2) 일 단위 평균기온 ... 306
- (3) 주간 평균 VPD ... 306
- (4) 순간 일사량 ... 307
- (5) 일 단위 일사량 ... 308
- 나. 인공위성 영상 자료 기반의 전천후 기상 입력자료 평가 ... 308
- (1) 기온 ... 308
- (2) 일사량 ... 310
- 다. WRF 기상모형자료로부터 추정된 입력자료 평가 ... 313
- (1) 일 단위 최저기온 ... 313
- (2) 일 단위 평균기온 ... 313
- (3) 주간 평균 VPD ... 314
- (4) 일 단위 일사량 ... 314
- 2. MODIS와 WRF의 병합자료를 이용한 GPP 추정 ... 315
- 가. Crop Properties Look-Up Table (CPLUT) ... 315
- 나. GPP와 Biomass ... 316
- 3. 작황 생물리 모형 예측력 향상 ... 317
- 가. 모형입력자료의 개선(VPD) ... 317
- 나. 생산성 추정 코드 오류 수정 ... 318
- 4. 오차요인분석 ... 322
- 가. 토지피복의 영향 ... 322
- 나. 기상입력 자료의 영향 ... 323
- 다. 작물 생육의 계절성 영향 파악 ... 325
- (1) Crop Progress and Condition ... 325
- (2) HI260의 개선; 작물 생육 환경의 계절성을 고려 ... 328
- 5. 작황 예측 시연(2013년) ... 328
- 가. 미국사례연구지 ... 328
- 나. 중국사례연구지 ... 329
- 제 3 절 결론 ... 330
- 1. 작황 예측 연구 분야 ... 330
- 2. 작황 예측 생물리 모형 입력자료 개발 연구 분야 ... 331
- 3. 종합결론 ... 332
- 제 4 장 연구개발목표 달성도 및 대외기여도 ... 333
- 제 1 절 목표대비 대외달성도 ... 333
- 제 2 절 정량적 성과 ... 334
- 제 5 장 연구개발결과의 활용계획 ... 336
- 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 337
- 제 1 절 MODIS 자료 처리 및 생산 기술에 대한 국외 동향 및 전망 ... 337
- 1. Breathing Earth System Simulator (BESS) ... 337
- 2. MODIS 자료 산출 및 분석 ... 337
- 제 2 절 차세대 인공위성 센서 ... 337
- 1. Visible Infrared Imaging Radiometer Suite (VIIRS) ... 337
- 2. Advanced Microwave Scanning Radiometer 2 (AMSR2) ... 337
- 3. Soil Moisture and Ocean Salinity (SMOS) ... 338
- 제 3 절 지상 관측 기반의 기상 자료 ... 338
- 1. AmeriFlux Measurement Network ... 338
- 2. NOAA National Climatic Data Center (NCDC) ... 338
- 제 7 장 기타 중요 변동사항 ... 339
- 제 8 장 국가과학기술종합정보시스템에 등록한 연구장비 현황 ... 340
- 제 9 장 참고문헌 ... 341
- 제 3 협동 원격탐사 영상 DB 구축 및 전처리 시스템 구축 ... 348
- 목 차 ... 349
- 제 1 장 서 론 ... 355
- 제 1 절 연구의 필요성 ... 355
- 제 2 절 연구내용 및 방법 ... 356
- 1. 연구의 내용 ... 356
- 2. 연구의 방법 ... 356
- 제 2 장 국내외 기술개발 현황 ... 358
- 제 1 절 국내연구동향 ... 358
- 1. 국립수산과학원 ... 358
- 2. 국토교통부 ... 358
- 3. 기상청 ... 359
- 제 2 절 국외연구동향 ... 359
- 제 3 장 연구개발수행 내용 및 결과 ... 361
- 제 1 절 연구수행내용 ... 361
- 1. MODIS 위성영상 취득 및 전처리 ... 361
- 가. 연구대상 ... 361
- (1) 연구지역 ... 361
- (2) MODIS 영상 목록 ... 362
- (3) 전처리 과정 ... 364
- 나. MODIS 영상 획득 ... 365
- 다. 영상접합(MOSAIC) 및 좌표변환 ... 368
- (1) Input 설정 ... 368
- (2) 좌표계 설정 ... 368
- (3) Output 설정 및 배치 ... 369
- 라. Scale Factor 적용 ... 372
- (1) 모델 작성 ... 372
- (가) Input 설정 ... 372
- (나) Layer Stack ... 373
- (다) Sacle Factor 적용 ... 373
- (라) Output 지정 ... 374
- (2) 모델 Script화 및 Batch ... 375
- (가) 모델 Script화 ... 375
- (나) 배치 파일 생성 및 실행 ... 375
- 마. Quicklook 제작 ... 376
- (1) 영상 Value Range 분류 및 RGB 색상 적용 ... 376
- (2) 모델 작성 ... 379
- (가) Input 설정 ... 379
- (나) Value Range 적용식 작성 ... 380
- (다) RGB 색상 지정 ... 380
- (라) RGB LayerStack ... 381
- (마) Output 지정 ... 381
- (3) Quicklook 이미지 제작 Batch ... 382
- (가) 모델 Script화 ... 382
- (나) 배치 파일 생성 및 실행 ... 383
- (다) JPG 포맷으로 변환 ... 384
- 바. 메타데이터 ... 385
- 2. Landsat 위성영상 취득 및 전처리 ... 386
- 가. 연구대상 ... 386
- (1) 연구지역 ... 386
- (2) Landsat 영상 목록 ... 389
- (3) 전처리 과정 ... 390
- 나. Landsat 영상 획득 ... 390
- (1) Landsat 영상 검색 ... 390
- (2) Landsat 영상 다운로드 ... 392
- 다. Layer Stack ... 393
- (1) Layer Stack 모델 생성 ... 394
- (2) 모델 script화 및 Batch ... 395
- 라. 메타데이터 제작 ... 397
- 3. MODIS 전처리 프로그램 ... 397
- 가. 설계 전략 ... 397
- 나. 기능 ... 398
- 다. 메뉴 ... 398
- 라. 영상 Viewing 설계 ... 399
- 마. Reprojection 설계 ... 400
- 바. Mosaic 설계 ... 401
- 사. Scale Factor 설계 ... 402
- 4. RapidEye 영상자료를 이용한 북한 경지 분포도 ... 403
- 가. 북한 논 분포도 연구대상 ... 403
- (1) 연구지역 ... 403
- (2) RapidEye 위성영상 ... 403
- 나. 북한 논 분포도 연구방법 ... 404
- (1) 논 판독 기준 ... 404
- (2) 영상판독 작업 기준 ... 404
- (3) 벡터라이징 ... 407
- (4) 작업 검수 ... 407
- (5) 인접 영상 중복데이터 삭제 ... 408
- (6) 시도별 데이터 생성 ... 409
- (가) 시도별 데이터 생성 ... 409
- (나) 시도별 중복데이터 삭제 ... 410
- 다. 북한 밭 분포도 연구대상 ... 410
- (1) 연구지역 ... 410
- (2) RapidEye 위성영상 ... 410
- 라. 북한 밭 분포도 연구방법 ... 410
- (1) 밭 판독 기준 ... 410
- (2) 영상판독 작업 기준 ... 410
- (3) 벡터라이징 ... 412
- (4) 작업 검수 ... 413
- (5) 인접 영상 중복데이터 삭제 ... 413
- 5. 작황자료의 정보 서비스 프로토타입 ... 414
- 가. 위성영상 기반 작황자료 서비스 사례 분석 ... 414
- 나. 작황자료 정보서비스 방안수립 및 시스템 설계 ... 414
- (1) 자료 개요 설명 ... 414
- (2) MODIS 검색 화면 ... 415
- (3) MODIS 영상보기 화면 ... 416
- (4) MODIS 영상비교 검색 화면 ... 416
- (5) MODIS 영상비교 화면 ... 417
- (6) 경지현황도 검색 화면 ... 417
- 6. 작황자료 정보 서비스를 위한 정보화전략계획 ... 418
- 가. 작황자료 정보 서비스를 위한 정보화전략계획의 목적 ... 418
- 제 2 절 연구수행 결과 ... 418
- 1. MODIS 위성영상 ... 418
- 가. MODIS 위성영상 및 알고리즘 ... 418
- (1) MODIS 센서 ... 418
- (가) MODIS 센서의 특징 ... 418
- (나) MODIS Product ... 420
- (다) Sinusoidal 좌표계 ... 425
- (라) HDF-EOS 파일 형식 ... 426
- (2) MOD09_Reflectance ... 427
- (가) MOD09 Surface Reflectance ... 427
- (나) 연구대상 MOD09 프로덕트 ... 427
- (다) MOD09 프로덕트 제작과정 ... 428
- (라) BRDF(양방향반사도분포함수) ... 429
- (3) MODIS11_LST ... 429
- (가) MOD11 Land Surface Temperature and Emissivity ... 430
- (나) 연구대상 MOD11 프로덕트 ... 430
- (다) MOD11 프로덕트 제작과정 ... 431
- (4) MOD13_NDVI ... 432
- (가) 식생지수 산출 알고리즘 설명 ... 433
- (나) NDVI ... 433
- (다) EVI ... 433
- (라) EVI Backup algorithm ... 433
- (마) 연구대상 MOD13 프로덕트 ... 434
- (바) MOD13 프로덕트 제작과정 ... 434
- (5) MOD15_LAI ... 437
- (가) LAI, FPAR ... 437
- (나) 연구대상 MOD15 프로덕트 ... 438
- (다) MOD15 프로덕트 제작과정 ... 438
- (라) 3차원 복사전달모델의 역변환 ... 439
- (마) 백업 알고리즘 ... 440
- (6) MOD17_GPP ... 440
- (가) MOD17 Gross Primary Productivity ... 440
- (나) 연구대상 MOD17 프로덕트 ... 440
- (다) MOD17 프로덕트 제작과정 ... 441
- 나. MODIS 위성영상 구축결과 ... 442
- 2. Landsat 위성영상 ... 445
- 가. Landsat 센서 ... 445
- (1) Landsat TM 센서 ... 445
- (가) Landsat TM 센서 프로덕트 ... 446
- (나) Landsat WRS2 ... 447
- (2) Landsat ETM+ 센서 ... 447
- (가) Landsat ETM+ 센서 프로덕트 ... 448
- (나) SLC-OFF 현상 ... 448
- (3) Landsat OLI 센서 ... 449
- (가) Landsat OLI 센서 프로덕트 ... 451
- (나) Landsat ETM+ 센서와의 차이 ... 451
- 나. Landsat 위성영상 구축결과 ... 451
- 3. MODIS 전처리 프로그램 개발 ... 452
- 가. 설치 ... 452
- 나. Viewing 실행 ... 453
- 다. Reprojection 실행 ... 455
- 라. Mosaic 실행 ... 456
- 4. RapidEye 영상자료를 이용한 북한 경지 분포도 작성 ... 457
- 가. RapidEye 위성영상 ... 457
- (1) RapidEye 센서 ... 457
- (2) RapidEye 프로덕트 ... 458
- (가) RapidEye Basic Product - Level 1B ... 458
- (나) RapidEye Ortho Product - Level 3A ... 458
- (3) RapidEye Tile Grid System ... 459
- 나. 논 분포도 작성 결과 ... 459
- 다. 밭 분포도 작성 결과 ... 461
- 5. 작황자료의 정보 서비스 프로토타입 ... 462
- 가. 위성영상 기반 작황자료 서비스 사례 분석 ... 462
- (1) CANADA_CCAP(Crop Condition Assessment Program) ... 462
- (2) CANADA_CCYF(Canadian Crop Yield Forecaster) ... 463
- (3) GLAM(Global Agriculture Monitoring) ... 465
- (4) UNFAO_GIEWS(Global Information and Early Warning System) ... 466
- (5) CHINACAS_CCWS(China Crop Watch System) ... 468
- 나. 프로토타입 시스템 개발 내용 ... 473
- (1) 로그인 및 지역 선택 ... 473
- (2) MODIS 영상 검색 ... 475
- (3) Landsat 영상 검색 ... 481
- (4) 관리자용 서비스 ... 482
- (가) 자료관리 ... 482
- (나) 메뉴관리 ... 483
- 6. 작황자료 정보 서비스를 위한 정보화전략계획 수립 ... 484
- 가. 정보화전략계획의 진행과정 ... 484
- 나. 환경분석 ... 484
- 다. 현황분석 ... 486
- 라. 목표모델설계 ... 488
- 마. 이행계획 수립 ... 489
- 제 4 장 연구개발목표 달성도 및 대외기여도 ... 492
- 제 1 절 목표대비 대외달성도 ... 492
- 1. 1차년도(2010년) ... 492
- 가. 연구개발 목표 ... 492
- 나. 연구개발 내용 ... 492
- 다. 달성도 ... 492
- 2. 2차년도(2011년) ... 492
- 가. 연구개발 목표 ... 492
- 나. 연구개발 내용 ... 492
- 다. 달성도 ... 492
- 3. 3차년도(2012년) ... 492
- 가. 연구개발 목표 ... 492
- 나. 연구개발 내용 ... 492
- 다. 달성도 ... 492
- 4. 4차년도(2013년) ... 493
- 가. 연구개발 목표 ... 493
- 나. 연구개발 내용 ... 493
- 다. 달성도 ... 493
- 제 2 절 정량적 성과(논문게재, 특허출원, 기타)를 기술 ... 493
- 제 5 장 연구개발결과의 활용계획 ... 494
- 제 1 절 연구대상지 위성영상 수집자료 및 전처리데이터 활용계획 ... 494
- 1. 위성영상 수집 및 전처리 현황 ... 494
- 2. 위성영상 전처리 데이터 활용계획 ... 494
- 제 2 절 MODIS 위성영상 전처리 프로그램 활용계획 ... 494
- 1. 전처리 프로그램 개발 현황 ... 494
- 2. 전처리 프로그램 활용계획 ... 494
- 제 3 절 작황자료 시스템 프로토타입과 정보전략계획(ISP)의 활용계획 ... 494
- 1. 작황자료 시스템 관련 현황 ... 494
- 2. 작황자료 시스템 프로토타입과 정보화전략계획 활용계획 ... 494
- 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 496
- 제 7 장 기타 중요 변동사항 ... 497
- 제 1 절 연구비 변동 ... 497
- 1. 1차년도(2010년) ... 497
- 가. 총괄표 ... 497
- 나. 변경 세부 내역 ... 497
- 다. 변경 사유 ... 497
- 제 2 절 연구원 변동 ... 498
- 1. 2차년도(2011년) ... 498
- 가. 변동내역 ... 498
- 2. 3차년도(2012년) ... 498
- 가. 변동내역 ... 498
- 3. 4차년도(2013년) ... 498
- 가. 변동내역 ... 498
- 제 8 장 국가과학기술종합정보시스템에 등록한 연구장비 현황 ... 500
- 제 9 장 참고문헌 ... 501
- 끝페이지 ... 502
※ AI-Helper는 부적절한 답변을 할 수 있습니다.