KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Statistical Analyses of Soil Moisture Data from Polarimetric Scanning Radiometer and In-situ

Polarimetric Scanning Radiometer 와 In-situ를 이용한 토양수분 자료의 통계분석

  • 장선우 (한양대학교 대학원 건설환경공학과) ;
  • 전면호 (한양대학교 대학원 건설환경공학과) ;
  • 최민하 (한양대학교 건설환경공학과) ;
  • 김태웅 (한양대학교 건설환경공학과)
  • Received : 2010.06.04
  • Accepted : 2010.07.12
  • Published : 2010.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Soil moisture is a crucial factor in hydrological system which influences runoff, energy balance, evaporation, and atmosphere. United States National Aeronautic and Space Administration (NASA) and Department of Agriculture (USDA) have established Soil Moisture Experiment (SMEX) since 2002 for the global observations. SMEX provides useful data for the hydrological science including soil moisture and hydrometeorological variables. The purpose of this study is to investigate the relationship between remotely sensed soil moisture data from aircraft and satellite and ground based experiment. C-band of Polarimetric Scanning Radiometer (PSR) that observed the brightness temperature provides soil moisture data using a retrieval algorithm. It was compared with the In-situ data for 2-30 cm depth at four sites. The most significant depth is 2-10 cm from the correlation analysis. Most of the sites, two data are similar to the mean of data at 10 cm and the median at 7 cm and 10 cm at the 10% significant level using the Rank Sum test and t-test. In general, soil moisture data using the C-band of the PSR was established to fit the Normal, Log-normal and Gumbel distribution. Soil moisture data using the aircraft and satellites will be used in hydrological science as fundamental data. Especially, the C-band of PSR will be used to prove soil moisture at 7-10 cm depths.

토양수분은 강우-유출, 에너지 수지, 증발 및 대기의 기후와 기상에 큰 영향을 미치고, 수문학적 거동에 중요한 역할을 한다. 미국의 NASA와 USDA는 전 지구 토양수분 관측을 위해 2002년부터 2005년까지 매년 Soil Moisture Experiment(SMEX)의 실험 실측, 항공기, 원격탐사를 이용한 토양수분 자료를 평가하여 지표와 대기의 수문학적 연구를 위해 기초가 되는 자료를 제공하고 있다. 본 연구의 목적은 SMEX02에 따른 항공기 원격탐사를 이용한 토양수분 데이터와 In-situ를 이용한 토양수분 데이터와의 상관관계를 분석하고, 항공기를 이용한 데이터의 활용성에 대해서 분석하는 것이다. 미국의 Iowa 주 Walnut Creek 유역을 대상으로 항공기를 이용한 Polarimetric Scanning Radiometer(PSR)의 C-band와 In-situ에 의한 데이터의 시공간적 스케일을 조합하여 4개 지점(WC15, WC16, WC23, WC24)에서 관측된 10일간의 토양수분 자료를 비교, 분석하였다. PSR의 C-band와 4개의 지점에 대한 7개 깊이의 In-situ 토양수분 데이터와의 상관성을 분석한 결과, 2-10 cm 깊이에서 상호 상관성이 가장 유의함을 보여 주었다. Rank Sum test와 t-test의 결과, 유의수준 10%에 대해 4개 지점 모두 10 cm에서 평균이 같고, 7 cm와 10 cm에서 중앙값이 같았다. 또한 확률분포의 적합도 검정을 위해 PPCC test를 실시한 결과, PSR에 의한 토양수분 데이터는 대체적으로 정규분포, 대수분포, Gumbel 분포 모두 성립하였고, 대상 지역별 깊이에 따라 토양수분의 분포형은 10 cm 깊이에서 정규분포보다 대수정규분포와 Gumbel 분포가 더 유의하였다. 본 연구를 통하여 PSR 토양수분은 7 cm와 10 cm 깊이의 관측 토양수분 자료로 대체될 수 있을 것으로 판단된다. 향후 우리나라에서도 항공기 및 인공위성을 이용한 토양수분 자료를 활용하여 수문학적 연구에 기초가 되는 자료로서 활용이 가능하며, PSR의 C-band를 이용하여 토양수분 관측 시 약 7-10 cm에 대한 토양수분을 증명할 수 있을 것으로 판단된다.

Keywords

References

  1. 김광섭(2006) PSR C-band 및 ESTAR L-band 측정치를 사용한 다중 채널 원격측정 토양수분 자료의 변화도 비교. 대한토목학회논문집, 대한토목학회, 제26권 제4B호, pp. 329-334.
  2. 김광섭(2007) 유역관리를 위한 토양수분 분석(I)-토양수분 관측 연구동향. 한국수자원학회지, 한국수자원학회, 제40권 제1호, pp. 62-71.
  3. 신홍준, 이원근, 허준행(2009) 경험적 분포함수의 통계량을 이용한 확률분포형의 결정. 대한토목학회 정기학술대회 논문집, 대한토목학회, pp. 2489-2492.
  4. 이재수(2006) 수문학, 구미서관.
  5. 황교택, 조훈식, 이승오, 최민하(2010) 건조지역 원격탐사 footprint 내 토양수분의 시공간적 변동성 분석. 대한토목학회논문집, 대한토목학회, 제30권 제3B호, pp. 285-293.
  6. Bindlish, R., Jackson, T.J., Gasiewski, A.J., Klein, M., and Njoku, E.G. (2008) Soil moisture mapping and AMSR-E validation using the PSR in SMEX02. Remote Sensing of Environment, Vol. 103, Issue. 2, pp. 127-139.
  7. Choi, M. and Jacobs, J.M. (2007) Soil moisture variability of root zone profiles within SMEX02 remote sensing footprints. Advances in Water Resources, Vol. 30, pp. 883-896. https://doi.org/10.1016/j.advwatres.2006.07.007
  8. Das, N.D. and Mohanty, B.M. (2008) Temporal dynamics of PSR-based soil moisture across spatial scales in an agricultural lands-cape during SMEX02: A wavelet approach. Remote Sensing of Environment, Vol. 112, Issue. 2, pp. 522-534. https://doi.org/10.1016/j.rse.2007.05.007
  9. Filliben, J.J. (1975) The probability plot correlation coefficient test for normality. Technometrics(American Society for Quality), Vol. 17, No. 1, pp. 111-117.
  10. Kim, G. and Barros, A.P. (2002) Downscaling of remotely sensed soil moisture with a modified fractal interpolation method using contraction mapping and ancillary data. Remote Sensing of Environment, Vol. 83, Issue. 3, pp. 400-413. https://doi.org/10.1016/S0034-4257(02)00044-5
  11. Nolan, M. and Fatland, D.R. (2003) Penetration depth as a DIn-SAR observable and proxy for soil moisture. IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, Issue. 3, pp. 532-537. https://doi.org/10.1109/TGRS.2003.809931
  12. Siegel, S. and Castellan, N.J. (1988) Nonparametric Statistics for the Behavioral Sciences. McGraw-Hill., New York, NY.
  13. van Zyl, J., NJoku, E., and Jackson, T. (2003) Quantitative analysis of SMEX'02 AIRSAR data for soil moisture inversion. Proceedings of Geoscience and Remote Sensing Symposium, Pasadena, CA USA, Vol. 1. pp. 404-406.
  14. Wilcoxon, F. (1945) Individual comparisons by ranking methods. Biometrics Bulletin, Vol. 1, No. 6, pp. 80-83. https://doi.org/10.2307/3001968