Landsat-8 OLI/TIRS 위성영상의 지표온도와 식생지수를 이용한 토양의 수분 상태 관측 및 농업분야에의 응용 가능성 연구

채성호; 박숭환; 이명진

추천

검색

자료유형: 학술저널

저자정보: 채성호 (한국환경정책·평가연구원) 박숭환 (서울시립대학교) 이명진 (한국환경정책·평가연구원)

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제33권 제6호

발행연도: 2017.12

수록면: 931 - 946 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 토양의 수분 상태를 고해상으로 관측 및 분석하고 농업분야에의 응용 가능성을 평가하기위한 연구이다. 이를 위하여 Landsat-8 OLI(Operational Land Imager)/TIRS(Thermal Infrared Sensor) 의 광학 및 열적외선 위성영상을 연구자료로 전라북도 농업지역을 포함(연구자료 내 46%)하는 2015, 2016, 및 2017년 5-6월에 촬영된 영상 세 장을 이용하였다. 연구지역의 각 영상 촬영일의 토양의 수분 상태는SPI(Standardized Precipitation Index)3 가뭄지수를 통하여 효과적으로 획득할 수 있으며, 각 영상은 보통, 습윤, 및 건조한 토양 수분 조건을 갖는다. 이러한 각기 다른 토양수분 조건을 갖는 영상을 대상으로 토양의 수분 상태를 관측하고 SPI3 가뭄지수로부터 획득한 토양의 수분 상태와 비교/분석을 수행기 위하여, TVDI(Temperature Vegetation Dryness Index)를 계산하였다. TVDI는 Landsat-8 OLI/TIRS 위성영상으로부터 계산한 LST(Land Surface Temperature) 및 NDVI(Normalized Difference Vegetation Index) 의 관계로부터 추정하여 계산된다. LST-NDVI의 형상 공간 내 픽셀의 분포에서 NDVI에 따른 LST의 최대/ 최소값을 추출하고 이를 대상으로 각각 선형회귀분석(linear regression analysis)을 통하여 NDVI에 따른LST의 Dry/Wet edge를 결정할 수 있으며, 최종적으로 NDVI에 따른 두 edge 사이에서의 LST 값의 비율을계산하여 TVDI 값을 계산한다. TVDI 값으로부터 관측된 영상 내 상대적인 토양의 수분 상태를 매우 습윤, 습윤, 보통, 건조, 매우 건조의 5단계로 분류하여 SPI3로부터 획득한 각각의 토양수분 상태와 비교하였다. 연구자료 획득시기인 5-6월 시기의 특성상 모내기로 인하여 영상 내 가장 많은 비율을 차지하는 논 지역의영향으로 영상 전체 중, 약 62% 이상이 습윤 및 매우 습윤한 상태로 분류되었다. 또한, 보통으로 분류되는픽셀은 영상 내 밭 지역의 영향 때문으로 분석되었다. 영상 전체에 대해서는 대략적으로 SPI3의 토양수분상태와 대응하였지만 매우 건조, 습윤, 및 매우 습윤에 해당하는 세분류 결과에서는 SPI3 토양수분 상태와대응하지 않았다. 또한, 영상에서 논과 밭의 농업지역을 추출 및 분류한 후, SPI3 토양수분 상태와 비교하였을 때, 논 지역의 토양수분 상태 관측 분류 결과는 매우 건조, 보통 및 매우 습윤에서, 밭 지역은 보통의 분류에서만 SPI3 가뭄지수와 대응하지 않았다. 이는 매우 건조한 나지 및 매우 습윤한 모내기로 인한 논 지역, 수계, 구름 및 산지 지형효과 등의 이상치로 인하여 잘못된 Dry/Wet edge 추정의 문제로 사료되어진다. 그러나 5-6월 시기의 농업지역 중, 밭 지역에서는 세분류된 토양의 수분 상태를 효과적으로 관측할 수 있었다. 고해상 광학위성 기반 농업지역에 대한 토양수분 상태의 시·공간적 변화를 관측하여 농업지역의 농업생산량예측 등 그 응용이 가능할 것으로 사료된다.

The purpose of this study is to observe and analyze soil moisture conditions with high resolution and to evaluate its application feasibility to agriculture. For this purpose, we used three Landsat- 8 OLI (Operational Land Imager)/TIRS (Thermal Infrared Sensor) optical and thermal infrared satellite images taken from May to June 2015, 2016, and 2017, including the rural areas of Jeollabuk-do, where 46% of agricultural areas are located. The soil moisture conditions at each date in the study area can be effectively obtained through the SPI (Standardized Precipitation Index)3 drought index, and each image has near normal, moderately wet, and moderately dry soil moisture conditions. The temperature vegetation dryness index (TVDI) was calculated to observe the soil moisture status from the Landsat-8 OLI/TIRS images with different soil moisture conditions and to compare and analyze the soil moisture conditions obtained from the SPI3 drought index. TVDI is estimated from the relationship between LST (Land Surface Temperature) and NDVI (Normalized Difference Vegetation Index) calculated from Landsat-8 OLI/TIRS satellite images. The maximum/minimum values of LST according to NDVI are extracted from the distribution of pixels in the feature space of LST-NDVI, and the Dry/Wet edges of LST according to NDVI can be determined by linear regression analysis. The TVDI value is obtained by calculating the ratio of the LST value between the two edges. We classified the relative soil moisture conditions from the TVDI values into five stages: very wet, wet, normal, dry, and very dry and compared to the soil moisture conditions obtained from SPI3. Due to the rice-planing season from May to June, 62% of the whole images were classified as wet and very wet due to paddy field areas which are the largest proportions in the image. Also, the pixels classified as normal were analyzed because of the influence of the field area in the image. The TVDI classification results for the whole image roughly corresponded to the SPI3 soil moisture condition, but they did not correspond to the subdivision results which are very dry, wet, and very wet. In addition, after extracting and classifying agricultural areas of paddy field and field, the paddy field area did not correspond to the SPI3 drought index in the very dry, normal and very wet classification results, and the field area did not correspond to the SPI3 drought index in the normal classification. This is considered to be a problem in Dry/Wet edge estimation due to outlier such as extremely dry bare soil and very wet paddy field area, water, cloud and mountain topography effects (shadow). However, in the agricultural area, especially the field area, in May to June, it was possible to effectively observe the soil moisture conditions as a subdivision. It is expected that the application of this method will be possible by observing the temporal and spatial changes of the soil moisture status in the agricultural area using the optical satellite with high spatial resolution and forecasting the agricultural production.

#Soil moisture #Landsat-8 OLI/TIRS #Land surface temperature (LST) #Normalized difference vegetation index (NDVI) #Temperature vegetation dryness index (TVDI) #Agriculture

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

채성호

소속기관 한국항공우주연구원

주요연구분야 자연과학 > 기타 자연과학

논문수 7 이용수 96

박숭환

소속기관 서울시립대학교

주요연구분야 공학 > 건축공학 > 토목공학 자연과학 > 기타 자연과학

논문수 5 이용수 60

이명진

소속기관 한국환경연구원

주요연구분야 자연과학 > 기타 자연과학

논문수 29 이용수 428

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)