• 한국습지학회지
• /
• 제13권2호
• /
• pp.171-179
• /
• 2011

본 연구는 기후변화의 영향을 받아 달라질 것으로 예상되는 식생의 분포가 수문인자인 토양수분에 어떠한 변화를 야기하는지 규명하고자 하는데 있다. 식생인자와 수문기상인자와의 시공간적 상관관계를 알아보기 위해 Moderate Resolution Imaging Spectroradiometer (MODIS) 다중분광센서로 스캔한 위성 이미지 데이터를 연구에 적용하였으며, 식생인자는 MODIS 13 Vegetation Indices Product에서 추출한 Normalized Difference Vegetation Index (NDVI)를 이용하였다. 식생인자와 토양수분의 상관관계를 분석하기 위해 농업기상정보시스템(Rural Development Administration) 에서 측정한 국내 4개 지점의 토양수분 Data 및 Aqua 위성에 탑재된 Advanced Microwave Scanning Radiometer E (AMSR-E)를 이용하여 측정한 토양수분과 MODIS 13 NDVI를 비교 분석하였다. 식생인자와 수문기상인자의 시계열 자료를 이용하여 각 지점에 대한 인자가 시간의 경과에 따라 변화하는 양상을 알아내고자 하였으며 추가적으로 토양수분과 식생이 서로 일정한 시차를 두고 연관이 있을 것이라는 가정 하에 상관 분석을 수행하였다. 그리하여 토양수분에 일정한 시차 (5일, 10일, 15일)를 주는 Time lag을 통한 상관분석을 시행한 결과 시차를 고려하지 않은 상관분석에서 보다 토양수분과 NDVI의 상관관계가 높게 나타났으며, 또한 토성에 따라 그 상관관계의 양상이 다르게 나타났다. 이러한 결과를 통해 식생인자가 수문인자에 어떠한 영향을 주는지 다양한 스케일 별로 이해하는 데 도움이 될 것이다.

• 대한지리학회지
• /
• 제49권1호
• /
• pp.45-56
• /
• 2014

지표의 식생활력도를 간접적으로 반영하는 위성 기반의 식생지수 자료를 연속적으로 확보하기 위해 자료합성법이 통상적으로 적용된다. 이는 자료합성을 통해 누락 자료나 신호 오류의 영향을 최소화함으로써 장기적인 식생지수 자료 구축이 가능해지기 때문이다. 또, 합성주기에 따라 두 개 이상의 위성 센서로부터 같은 시점에 생성된 식생지수 자료를 상호교호적으로 사용할 경우, 식생지수 자료 축적의 연속성과 안정성을 보다 더 강화할 수 있다. 본 연구는 식물생장 연구에 있어 위성시스템 간 자료 호환 가능성뿐만 아니라 MODIS 자료 취득 조건, 즉 태양과 센서의 천정각이 미치는 영향을 센서 geometry 측면에서 파악하여 장기적인 식생모니터링을 위한 자료 구축 개선에 기여하고자 한다. 연구 기간 중 센서천정각의 변화는 일정한 패턴을 보이지 않았고, 연도별로 불규칙한 등락을 나타냈다. 또, 동일 계절별로 분석한 결과에서도 계절에 따른 특징적 경년변화 패턴은 나타나지 않았다. 두 가지 분석 대상 자료인 NDVI와 EVI를 비교했을 때, EVI가 NDVI에 비해 더 안정된 결과를 보여주었고, 전반적으로 중위도 지역 식물생장의 계절적 특성을 전형적으로 보여주었다. 식생피복에 따른 NDVI-EVI 간 상관관계는 모두 유효한 결과를 얻었으나, 식생피복별로 상관도 차이를 보였고 상호간에 선형 관계가 아닌 상단부에서 수렴되는 곡선 관계를 보여주었다. Terra와 Aqua 위성에 의해 오전과 오후에 각각 관측된 식생지수를 비교한 결과, 상관계수 범위는 NDVI의 경우 0.641-0.880로, EVI의 경우 0.747-0.963으로 나타나, NDVI자료에 비해 EVI자료의 호환성이 높은 것으로 조사되었다. 두 센서 기반의 식생지수간 호환성 개선을 위해서는 두 자료 간의 회귀선으로부터 벗어나 있는 예외치에 대한 정밀한 분석이 과제로 남는다.

• 한국환경복원기술학회지
• /
• 제4권2호
• /
• pp.36-44
• /
• 2001

The main purpose of this study was to classify forest vegetation effectively using Landsat Thematic Mapper data(June, 1994) in mountainous region. The research area was the Mt. Wolak Experimental Forest of Chungbuk National University, near Chungju and Jecheon city, Chungcheongbuk-do. To classify forest vegetation effectively, Normalized Difference Vegetation Index(NDVI) was used to reduce topographic effects. This NDVI was modified and transformed to the value of 0 to 255, and then the modified values were combined with other Landsat Thematic Mapper bands. To classify forest and land cover types, unsupervised classification method was used. The results of this study are summarized as follows. 1. Combinations of band "3, 5, NDVI" in Landsat Thematic Mapper data showed a good separation with high accuracy. The expected classification accuracy was 95.1% in Landsat Thematic Mapper data. 2. The Land Cover types were classified into six groups : coniferous forest, deciduous forest, mixed forest, paddy and grass, non-forest, and other undetectable areas. As these classified results were compared with the reconnaissance survey and aerial black and white infrared photographs, the overall classification accuracy was 76.5% in Landsat Thematic Mapper data. 3. The portion of non-forest in Mt. Wolak area was 1.9%. The percentages of coniferous, deciduous and mixed forests were 30.9%, 35.7% and 26.4%, respectively. 4. As these classified results were compared with other reference data, the percentages of coniferous, deciduous and mixed forests increased, but the portion of non-forest was exceedingly diminished. These differences are thought to be from the different research method and the different season of received Landsat Thematic Mapper data.

• 대한원격탐사학회지
• /
• 제35권6_4호
• /
• pp.1403-1415
• /
• 2019

도시인구 증가와 이에 따른 급격한 도시화는 도시 내 여러 열환경 문제를 수반한다. 이를 효과적으로 대응하기 위해 hot Spot 분석과 같은 도심 열환경 모니터링이 필요시 된다. 본 연구는 우리나라 세종특별자치시의 14개의 동과 주변 행정구역을 연구지역으로 선정하여 2013년부터 2018년 여름철의 도시 확장에 따른 지표면 온도 변화 특성을 분석하였다. Landsat 8 지표면온도와 KOMPSAT2/3 기반 NDVI(Normalized Difference Vegetation Index)및 NDBI(Normalized Difference Built-up Index)를 이용하여 연구 지역의 지표면 온도 분포를 모의하고, 도심지 확장에 따른 지표면 온도 변화 양상을 구축된 NDVI와 NDBI를 이용해 논의했다. 특히, 연구지역 안에서의 도심지 확장이 뚜렷한 지역을 연구 대상으로 선정하여 고해상도의 KOMPSAT영상으로 지역 내 hot spot의 변화 원인을 분석하였다. 연구결과, 연구지역 내에서 도시화가 진행된 지역에 hot spot이 나타나는 것을 확인하였으며 일반적으로 NDVI가 낮거나 NDBI가 높을수록 hot spot의 영향이 뚜렷하고 온도가 높게 나타나는 것으로 확인되었다. 지표면온도와 위성기반 산출물을 이용해 도시화가 지속적으로 진행된 지역과 급격하게 나타난 지역이 구분되었으며 토지피복에 따른 상이한 특성도 파악할 수 있었다. 도시화에 따른 지표면 온도 변화가 뚜렷한 지역에 본 연구와 같이 고해상도의 KOMPSAT 영상을 통한 분석이 수반되면 향후 도시계획 및 정책 활용에 효과적으로 도움을 줄 수 있을 것으로 기대된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.598-601
• /
• 2007

Urban growth management is essential for sustainable urban growth. Monitoring physical urban built-up area is a task of great significance to manage urban growth. Detecting urbanized area is essential for monitoring urbanized area. Although image classifications using satellite imagery are among the conventional methods for detecting urbanized area, they requires very tedious and hard work, especially if time-series remote sensing data have to be processed. In this paper, we propose an effective urbanized area detecting method based on normalized difference vegetation index (NDVI) and normalized difference built-up index (NDBI). To verify the proposed method, we extract urbanized area using two methods; one is conventional supervised classification method and the other is the proposed method. Experiments shows that two methods are consistent with 98% in 1998, 99.3% in 2000, namely the consistency of two methods is very high. Because the proposed method requires no more process without band operations, it can reduce time and effort. Compared with the supervised classification method, the proposed method using vegetation indices can serve as quick and efficient alternatives for detecting urbanized area.

• 대한원격탐사학회지
• /
• 제38권2호
• /
• pp.179-188
• /
• 2022

지구온난화는 기후변화를 야기하며 전지구적으로 이상기상 현상을 유발하고 있다. 우리나라에서도 폭염, 가뭄과 같은 이상기상 현상이 증가하고 있는 상황이다. 이상기상 감시를 위하여 지표면온도(Land Surface Temperature, LST), 온도상태지수(Temperature Condition Index, TCI), 식생활력지수(Normalized Difference Vegetation Index, NDVI), 식생상태지수(Vegetation Condition Index, VCI), 식생건강지수(Vegetation Health Index, VHI) 등의 위성자료가 활용되고 있다. TCI와 VCI를 이용하여 계산되는 VHI는 온도, 강수와 같은 기상 요인에 의한 식생 스트레스를 나타내며, 기후변화 상황에서 가뭄 평가에 주로 활용되고 있다. TCI, VCI는 날짜 및 장소에 따른 LST, NDVI의 과거 평년치를 참조해서 산출되기 때문에, 아직 2년여의 자료밖에 없는 천리안위성 2A호(GK2A) AMI (Advanced Meteorological Imager) 자료로부터 TCI, VCI, VHI를 산출하는 것은 현재로서는 쉽지 않은 일이다. 본 연구에서는 대안적인 방법으로 VIIRS (Visible Infrared Imaging Radiometer Suite) 센서의 LST, NDVI를 이용하여 GK2A의 VHI 산출 가능성을 모색하였다. GK2A와 VIIRS의 LST, NDVI는 상당히 높은 상관성을 보이기 때문에, GK2A에 존재하지 않는 과거 평년치를 VIIRS 자료로 대체하는 방식을 택하였다. 8일 간격으로 GK2A 격자에 해당하는 LST, NDVI의 최소·최대값 조견표를 구축하여 TCI, VCI, VHI를 산출하였고, 최근 우리나라 이상기상 현상에 대한 해석을 수행하였다. GK2A VHI는 2020년 3월과 6월의 폭염, 4월과 7월의 저온, 8월의 폭우 등으로 인한 식생 스트레스의 변화를 잘 표현하는 것으로 나타났지만, 미국 해양대기청(National Oceanic and Atmospheric Administration, NOAA)의 VHI 산출물은 그렇지 않았다. 본 연구에서 제시한 GK2A VHI는 향후 LST, NDVI의 과거 평년치에 대한 통계적으로 엄밀한 보완을 거친다면 폭염, 가뭄으로 인한 식생 스트레스 감시에 활용될 수 있을 것으로 사료된다.

• 한국초지조사료학회지
• /
• 제44권3호
• /
• pp.165-172
• /
• 2024

Italian ryegrass (IRG) has become a vital forage crop due to its increasing cultivation area and its role in enhancing forage self-sufficiency. However, its production is susceptible to environmental factors such as climate change and drought, necessitating precise yield prediction technologies. This study aimed to assess the growth characteristics of IRG and predict dry matter yield (DMY) using vegetation indices derived from unmanned aerial vehicle (UAV)-based remote sensing. The Green Leaf Index (GLI), normalized difference vegetation index (NDVI), normalized difference red edge (NDRE), and optimized soil-adjusted vegetation index (OSAVI) were employed to develop DMY estimation models. Among the indices, GLI demonstrated the highest correlation with DMY (R² = 0.971). The results revealed that GLI-based UAV observations can serve as reliable tools for estimating forage yield under varying environmental conditions. Additionally, post-winter vegetation coverage in the study area was assessed using GLI, and 54% coverage was observed in March 2023. This study assesses that UAV-based remote sensing can provide high-precision predictions of crop yield, thus contributing to the stabilization of forage production under climate variability.

• 지적과 국토정보
• /
• 제47권1호
• /
• pp.15-26
• /
• 2017

도시화에 따른 녹지의 감소로 서식처 피괴, 대기오염, 열섬효과 등 많은 환경문제들이 발생하고 있다. 최근에는 자연경관에 대한 관심이 높아지면서 겨울철에도 서식하는 상록수의 적정 관리가 중요하게 대두되고 있다. 본 연구에서는 UAV 기반 식생지수를 이용하여 상록수 분포면적을 분석하였다. 먼저 고정익 UAV에 RGB와 NIR+RG 카메라를 탑재하였으며 Pix4D SW 기반 GCP점을 활용하여 영상접합을 수행하였다. 그리고 취득한 정사영상으로부터 밴드계산 기능을 통해 NDVI와 SAVI 식생지수를 계산하였다. 식생지수 구간별 상록수 분포의 정확도를 평가하기 위해 검정점을 이용하였으며, 분석 결과 "NDVI > 0.5"와 "SAVI > 0.7" 구간에서 Kappa 계수가 각각 0.822와 0.816로 가장 높게 나타났다. GIS 공간분석을 통해 계산한 "NDVI > 0.5"와 "SAVI > 0.7" 구간에서의 상록수 분포면적은 각각 $11,824m^2$와 $15,648m^2$로 계산되었으며 이는 전체면적 대비 4.8%와 6.3%에 해당되는 비율이다. 이와 같이 도심지 환경, 대기오염, 기후변화, 열섬효과 등과 관련하여 식생을 분석하는 업무에서 UAV가 최신의 고해상도 정보를 제공해 줄 수 있으리라 판단된다.

• 대한공간정보학회지
• /
• 제23권4호
• /
• pp.11-16
• /
• 2015

시공간적 기온정보는 지구온난화와 기후변화의 이해에 있어서 중요한 기상요소이다. 본 연구에서는 인공위성 원격탐사로부터 획득된 공간적으로 균질한 지표면 정보를 이용하여 우리나라 지상기온 평가 알고리즘을 개발하였다. LST(Land Surface Temperature), NDWI(Normalized Difference Water Index), NDVI(Normalized Difference Vegetation Index)를 독립변수로 하는 지상기온 추정을 위한 다중회귀모형을 제안하고, 우리나라의 지역기후변화를 고려하기 위하여 온난시즌과 한랭시즌에 대한 모형의 회귀상수 및 회귀계수를 도출하였다. 개발된 기온 추정 알고리즘에 의해 산출된 온난 및 한랭시즌의 기온정보는 지상관측기온과 비교하여 우수한 상관관계를 보였고, $3^{\circ}C$ 미만의 RMSE와 거의 0에 가까운 BIAS로 매우 높은 일치성을 보였다. 따라서 인공위성 지표면 원격탐사자료를 활용하고 온난 및 한랭시즌의 구분을 적용한 기온 평가 알고리즘은 우리나라의 지역기후를 평가하는데 있어서 간략하고 유용한 수단이 될 수 있으리라 기대된다.

• 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.