• 한국지리정보학회지
• /
• 제11권4호
• /
• pp.32-40
• /
• 2008

온난화는 오늘날 발생하는 다양한 기상재해와 이변의 원인으로 전 세계적으로 중요한 문제점 중에 하나이다. 눈과 빙하는 지구온난화의 영향을 가장 쉽게 보여주는 예이며, 이것들은 높은 반사도 특성으로 지구 냉각에 중요한 역할을 하고 있다. 본 연구에서는 MODIS(Moderate Resolution Imaging Spectroradiometer)센서의 자료를 이용하여 히말라야 산맥내의 만년설 모니터링을 수행하였다. 만년설 감시를 위해서 NDSI(Normalized Differenced Snow Index)를 사용하였으며, NDSI는 위성 영상내에 눈을 감지하기 위해 가시와 단파적외 영역에서 눈의 반사도 특성 차이를 이용한 밴드비율이다. 본 연구에서는 2001년, 2003년, 2006년, 2007년의 9월부터 12월까지의 NDSI를 산출하여 만년설을 감시하였으며, 막연하게 알고 있던 고산지대 만년설에 대한 온난화의 영향을 정량적으로 검증하였다. 검증 결과 2007년이 비해 2001년에 잔설지역이 9월 $71,481km^2$, 10월 $92,760km^2$, 11월 $333,916km^2$ 각각 감소한 것으로 나타났다.

• 한국환경복원기술학회지
• /
• 제19권1호
• /
• pp.73-83
• /
• 2016

Forest degradation reduces ecosystem services provided by forest and could lead to change in composition of species. In North Korea, there has been significant forest degradation due to conversion of forest into terrace fields for food production and cut-down of forest for fuel woods. This study analyzed the phenological changes in North Korea, in terms of vegetation and moisture in soil and vegetation, from March to Octorber 2013, using MODIS (MODerate resolution Imaging Spectroradiometer) images and indexes including NDVI (Normalized Difference Vegetation Index), NDSI (Normalized Difference Soil Index), and NDWI (Normalized Difference Water Index). In addition, marginal farmland was derived using elevation data. Lastly, degraded terrace fields of 16 degree was analyzed using NDVI, NDSI, and NDWI indexes, and marginal farmland characteristics with slope variable. The accuracy value of land cover classification, which shows the difference between the observation and analyzed value, was 84.9% and Kappa value was 0.82. The highest accuracy value was from agricultural (paddy, field) and forest area. Terrace fields were easily identified using slope data form agricultural field. Use of NDVI, NDSI, and NDWI is more effective in distinguishing deforested terrace field from agricultural area. NDVI only shows vegetation difference whereas NDSI classifies soil moisture values and NDWI classifies abandoned agricultural fields based on moisture values. The method used in this study allowed more effective identification of deforested terrace fields, which visually illustrates forest degradation problem in North Korea.

• 대한원격탐사학회지
• /
• 제25권2호
• /
• pp.193-203
• /
• 2009

적설은 지표 에너지수지를 결정하는 중요한 변수중의 하나이다. 위성자료를 이용하여 지면 정보를 산출함에 있어서 적설과 구름을 구분하는 것은 매우 중요한 위성전처리 과정이다. 일반적으로 잘못된 적설과 구름의 분류는 위성자료를 이용한 지면 정보 산출에 있어서 직접적인 오차 요인이 된다. 따라서, 본 연구에서는 원격탐사 자료를 이용하여 적설 지역을 탐지하는 알고리즘에 대해서 연구하고자 한다. 적설역을 탐하지 하기 위해서, 가장 많이 사용되는 정규화 적설 지수(NDSI: Normalized Difference Snow Index)를 사용하지 않고 가시채널과 적외 채널을 이용한 방법을 제시하였다. COMS 기상영상기 (MI: Meteorological Imager) 채널에서는 정규적설 지수 산출 시 요구되는 근적외 채널을 탑재하지 않기 때문이다. 가시 채널을 이용한 적설 탐지는 구름이 혼재되어 있지 않은 지역에서는 잘 탐지하였으나 구름과 혼재되어 있는 지역에서는 어려움이 있다. 이러한 어려움을 보완하기 위해 적외채널 온도차 ($11{\mu}m\;-\;3.7{\mu}m$)를 이용하는 방법을 수행하였다. 온도차를 이용하는 방법은 가시채널만을 적용했을 때 보다는 향상된 탐지 능력을 보인다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.1025-1032
• /
• 2018

적설은 강수의 한 형태로 지표면에 쌓인 눈으로 정의되며 빙권의 가장 큰 단일 구성 요소로서 지구 표면과 대기 사이의 열 교환이나 전 지구 또는 지역적인 측면에서 지구의 에너지 수지 균형을 유지하는 중요한 역할을 하는 등 지구 표면 온도를 조절하는데 영향을 미친다. 그러나 적설은 인간의 접근이 어려운 지역에 주로 분포하기 때문에 위성을 활용한 적설 탐지가 활발히 수행되고 있으며 산림 지역의 적설 탐지는 구름과 적설의 구분 다음으로 중요한 과정이다. 따라서 본 연구는 기존 극 궤도 위성에서 산림 지역 적설 탐지에 활용하는 Normalized Difference Snow Index(NDSI) 및 Normalized Difference Vegetation Index(NDVI)를 정지궤도 위성에 적용하였으며, 산림 지역 외 영역은 적설의 분광 특징을 활용한 $R_{1.61{\mu}m}$ anomaly 기법 및 NDSI를 활용하여 적설 탐지를 수행하였다. 본 연구에서 산출한 Snow Cover 자료와 Visible Infrared Imaging Radiometer(VIIRS) Snow Cover 자료를 활용해 간접 검증을 수행한 결과, Probability of Detection(POD)는 99.95%, False Alarm Ratio(FAR)는 16.63 %로 나타났다. Himawari-8 Advanced Himawari Imager(AHI) RGB 영상을 추가로 활용해 정성적 검증 또한 수행하였으며 수행 결과, VIIRS Snow Cover가 미탐지한 영역과 본 연구가 오탐지한 영역이 혼합되어 나타났다.

• 대한원격탐사학회지
• /
• 제33권4호
• /
• pp.401-410
• /
• 2017

Estimation of snow depth using optical image is conducted by using correlation with Snow Cover Fraction (SCF). Various algorithms have been proposed for the estimation of snow cover fraction based on Normalized Difference Snow Index (NDSI). In this study we tested linear, quadratic, and exponential equations for the generation of snow cover fraction maps using data from the Moderate Resolution Imaging Spectroradiometer (MODIS) Aqua satellite in order to evaluate their applicability to the complex terrain of South Korea and to search for improvements to the estimation of snow depth on this landscape. The results were validated by comparison with in-situ snowfall data from weather stations, with Root Mean Square Error (RMSE) calculated as 3.43, 2.37, and 3.99 cm for the linear, quadratic, and exponential approaches, respectively. Although quadratic results showed the best RMSE, this was due to the limitations of the data used in the study; there are few number of in-situ data recorded on the station at the time of image acquisition and even the data is mostly recorded on low snowfall. So, we conclude that linear-based algorithms are better suited for use in South Korea. However, in the case of using the linear equation, the SCF with a negative value can be calculated, so it should be corrected. Since the coefficients of the equation are not optimized for this area, further regression analysis is needed. In addition, if more variables such as Normalized Difference Vegetation Index (NDVI), land cover, etc. are considered, it could be possible that estimation of national-scale snow depth with higher accuracy.

• 대한원격탐사학회지
• /
• 제34권4호
• /
• pp.625-638
• /
• 2018

In this paper, we derive i) a function to estimate snow cover fraction (SCF) from a MODIS satellite image that has a wide observational area and short re-visit period and ii) a function to determine snow depth from the estimated SCF map. The SCF equation is important for estimating the snow depth from optical images. The proposed SCF equation is defined using the Gaussian function. We found that the Gaussian function was a better model than the linear equation for explaining the relationship between the normalized difference snow index (NDSI) and the normalized difference vegetation index (NDVI), and SCF. An accuracy test was performed using 38 MODIS images, and the achieved root mean square error (RMSE) was improved by approximately 7.7 % compared to that of the linear equation. After the SCF maps were created using the SCF equation from the MODIS images, a relation function between in-situ snow depth and MODIS-derived SCF was defined. The RMSE of the MODIS-derived snow depth was approximately 3.55 cm when compared to the in-situ data. This is a somewhat large error range in the Republic of Korea, which generally has less than 10 cm of snowfall. Therefore, in this study, we corrected the calculated snow depth using the relationship between the measured and calculated values for each single image unit. The corrected snow depth was finally recorded and had an RMSE of approximately 2.98 cm, which was an improvement. In future, the accuracy of the algorithm can be improved by considering more varied variables at the same time.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1651-1669
• /
• 2023

해빙(sea ice)은 현재 전 세계 해양 면적의 약 7%를 차지하고 있으며 계절적, 연간 변화를 보이고 주로 극지방과 고위도 지역에 나타난다. 해빙은 대규모 공간 규모에서 다양한 종류로 형성되며 석유 및 가스탐사, 기타 해양활동이 급속히 증가하는 발해해는 해양 구조물 피해 및 해상 운송, 해양 생태계에 심각한 영향을 미치기 때문에 시계열 모니터링을 통해 해빙의 면적 및 유형 분류를 분석하는 것이 매우 중요하다. 현재 고해상도 위성영상 및 현장 실측 자료를 바탕으로 해빙의 종류 및 영역에 대한 연구가 진행되고 있지만 현장 실측자료를 획득하여 해빙 모니터링에는 한계가 있다. 고해상도 광학 위성영상은 광범위에서 해빙의 유형을 육안으로 탐지하고 식별할 수 있고, 짧은 시간해상도를 갖는 해양위성인 천리안 2B호(Geostationary Ocean Color Imager-II, GOCI-II)를 이용하여 해빙 모니터링의 공백을 보완할 수 있다. 이 연구에서는 고해상도 광학위성영상을 이용하여 생산된 학습자료를 기반으로 규칙기반 기계학습 모델을 훈련시키고 이를 GOCI-II 영상에서 탐지를 수행함으로써, 해빙 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 발해(Bohai Sea)의 2021-2022년 랴오둥만(Liaodong Bay)을 대상으로 추출하였으며, GOCI-II를 활용한 Random Forest (RF) 모델을 구축하여 기존 normalized difference snow index (NDSI) 지수 기반 및 고해상도 위성영상에서 획득된 해빙 영역과 정성적 및 정량적 비교 분석하였다. 본 연구 결과 해빙의 영역을 과소평가한 NDSI 지수 기반 결과와 달리 비교적 자세한 해빙 영역을 탐지하였으며 유형별 해빙을 분류할 수 있어 해빙 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 및 해빙형성에 영향인자 구축을 통해 탐지 모델의 정확도를 향상시킨다면 고위도 해양 지역에서 해빙 모니터링 분야에 활용할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.409-420
• /
• 2012

산업혁명 이후 대기 중 이산화탄소 농도는 증가하고 있으며 이는 기후변화로 나타나고 있다. 본 연구에서는 기후변화에 의한 영향을 파악하기 위하여 원격탐사를 이용하여 만년설의 시계열 변화를 정량적으로 분석하고, 종설되는 시점을 통계적으로 예측하고자 한다. 연구지역은 아프리카 탄자니아의 킬리만자로 만년설이다. 1984년 6월부터 2011년 7월까지 전체 27년간 23장의 Landsat-5 TM 및 Landsat-7 ETM+ 자료를 사용하였다. 연구를 위하여 첫째, COST 대기보정 모델을 이용하여 각 영상들의 대기보정을 수행하였다. 둘째, NDSI(Normalized Difference Snow Index) 알고리즘을 이용하여 만년설 면적을 추출하였다. 셋째, SRTM DEM을 이용하여 만년설의 최저고도를 추출하였다. 마지막으로, 일차함수 형태의 추세선을 활용하여 종설 시점을 예측하였다. 분석은 23장 전부를 활용한 것과 건기에 촬영된 17장만을 활용한 것으로 나누어 분석하였다. 분석결과 면적은 27년 동안 약 $9.01km^2$에서 약 $2.54km^2$로 약 $6.47km^2$ 감소하였고, 이는 약 73% 면적의 감소를 의미한다. 최저고도는 27년 동안 약 4,603 m에서 4,893 m로 약 290 m 상승하였다. 추세선을 활용한 결과 면적은 매년 건기에 $0.342km^2$, 전체적으로 $0.421km^2$씩 감소하고 있으며, 최저고도는 매년 건기에 9.848 m, 전체적으로 11.251 m씩 상승하고 있는 것으로 나타났다. 면적 감소량을 통해 종설 시점을 예측한 결과 95% 신뢰도에서 2020년에 완전히 사라질 것으로 분석되었다. 이 연구는 적설지역의 변화를 통하여 전 지구의 기후변화를 모니터링할 수 있다는 근거를 제시했으며, 향후 연구지역 또는 유사 지역의 만년설 현황을 파악하는데 참고 자료로서 활용될 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제33권3호
• /
• pp.287-299
• /
• 2017

칠레에 위치한 남부화산지역(SVZ, Southern Volcanic Zone)에는 화산활동이 매우 활발한 Mt. Villarrica와 Mt. Llaima 화산 있으며, 두 화산은Stratovolcano 형태이고 정상부에 만년설이 존재한다는 공통점이 있다. 본 연구에서는 시계열적으로 활용 가능한 위성영상자료를 활용하여 25년간 두 화산의 만년설의 변화와 화산활동과의 상관관계를 분석하고자 한다. 연구를 위해, 1986년 9월부터 2011년 2월까지 총 60장의 Landsat-5 TM 및 Landsat-7 ETM+자료를 사용하였으며, 위성영상 기반의 NDSI(Normalized Difference Snow Index) 알고리즘과 SRTM DEM을 활용하여 각 영상의 적설 면적 및 설선고도를 추출하였다. 최종적으로 화산활동에 직 간접적으로 영향을 받는 적설변화양상의 정량적 지표가 되는 적설면적, lower-snowline, upper-snowline을 위성영상으로부터 추출하여 각각의 비교 분석을 통해 화산활동 유추 가능성을 확인하였다. 분석 결과, Villarrica화산은 Llaima 화산에서 적설면적이 20 이하일 때, lower-snowline이 1,880m을 이상일 때 55%이상의 확률로 화산 활동이 있었음을 확인 가능하였다. 또한 두 화산의 upper-snowline이 -170m 이하 일 때, 90% 이상의 확률로 화산이 분화하였음을 확인 할 수 있다. 따라서 화산의 적설 변화는 화산활동과 밀접한 상관성이 있으며, 적설을 모니터링하는 것으로 화산활동을 간접적으로 유추하는 것이 가능하다는 것을 밝혀내었다.

• 대한원격탐사학회지
• /
• 제32권4호
• /
• pp.339-351
• /
• 2016

For the safety of sea, it is important to monitor sea fog, one of the dangerous meteorological phenomena which cause marine accidents. To detect and monitor sea fog, Moderate Resolution Imaging Spectroradiometer (MODIS) data which is capable to provide spatial distribution of sea fog has been used. The previous automatic sea fog detection algorithms were focused on detecting sea fog using Terra/MODIS only. The improved algorithm is based on the sea fog detection algorithm by Wu and Li (2014) and it is applicable to both Terra and Aqua MODIS data. We have focused on detecting spring season sea fog events in the Yellow Sea. The algorithm includes application of cloud mask product, the Normalized Difference Snow Index (NDSI), the STandard Deviation test using infrared channel ($STD_{IR}$) with various window size, Temperature Difference Index(TDI) in the algorithm (BTCT - SST) and Normalized Water Vapor Index (NWVI). Through the calculation of the Hanssen-Kuiper Skill Score (KSS) using sea fog manual detection result, we derived more suitable threshold for each index. The adjusted threshold is expected to bring higher accuracy of sea fog detection for spring season daytime sea fog detection using MODIS in the Yellow Sea.