식생지수 영상 모의를 위한 성장특성이 반영된 변수 적용과 광역 변수 적용 연구 :A Study on Application of Variables in Consideration of Growth Characteristics and Large Area Application of Variables for Vegetation Index Image Simulation

박진수

추천

검색

자료유형: 학위논문

저자정보: 박진수 (건국대학교, 건국대학교 대학원)

지도교수: 어양담

발행연도: 2020

저작권: 건국대학교 논문은 저작권에 의해 보호받습니다.

이용수1

초록· 키워드

에너지 순환, 기후 변화 및 인간 활동과 직간접적으로 상호 작용하며 대기, 수문 및 토양 환경특성의 변화 예측에 활용되는 식생의 분포와 성장의 분석은 광학 위성영상을 통해 산출되는 식생지수 영상을 사용하며 넓은 영역의 장기적인 관찰이 필요하다. 대표적인 광학 위성인 LANDSAT은 40년 이상 운용되었으며, 식생지수 영상을 제작하는데 필요한 적외선과 가시 영역을 촬영하여 장기간의 시계열 NDVI 자료를 구축하기에 적합하다. 그러나 광학영상의 특성상 구름, 강우와 같은 날씨 조건으로 인해 영상획득이 불가능한 상황이 발생한다. LANDSAT의 16일 재방문 주기로 인해 연속적인 영상의 누락이 발생하기도 하며, 이로 인해 시계열 자료 구축에 한계가 발생한다. 이를 해결하기 위해서 기획득된 영상으로부터 누락된 목표일의 모의영상을 제작하는 방법이 제시된다. 특히 La(2015)에 의해 고안된 다시기 다중선형 모의 모델은 모의조건의 제약이 적고 간단한 관계로 구축할 수 있는 방법이다. La’s method 에서는 영상이 촬영된 순간의 환경특성을 변수로 모의하였으며, 비교적 작은 지역을 대상으로 모의하였다. 그러나, NDVI 영상과 같이 식생을 관찰 대상으로 모의할 때에는 대상물의 특성을 고려하여 모의가 진행되어야 하며, 한반도와 같은 특정지역을 관찰하기 위해서는 모의영역의 확대가 반드시 필요하다. 본 연구에서는, 식생의 성장특성을 반영할 수 있는 변수를 선정하였으며, 보다 넓은 지역의 모의를 진행함에 따라, 변수의 보간 처리 방법을 비교 실험하였다. 식생 성장에 가장 큰 영향을 미치는 온도와 시간적 개념이 적용된 적산온도의 변수 사용과 광역 모의를 위한 변수의 격자화를 통해 실험을 진행해 기존에 제시된 방법과의 비교를 진행하였다. 촬영당일의 변수만을 고려한 기존 결과 대비 성장특성을 고려한 적산온도 변수 활용 시 R^2는 평균 27% 의 개선효과를 확인하였다. 동일 계절의 자료가 부족한 경우 그 활용도가 극대화 되어 R^2 가 최대 0.2555 증가, RMSE가 0.1698감소하는 개선효과를 확인하였다.

The Analysis of vegetation distribution and growth that directly or indirectly interacts with energy cycles, climate change, and human activity and is used to predict changes in atmospheric, hydrological and soil environmental characteristics uses vegetation index images generated by optical satellite images and requires long-term observation of a large area. LANDSAT, a representative optical satellite, has been in operation for more than 40 years and is suitable for building long-term time-series NDVI data by capturing the infrared and visible bands needed to produce vegetation index images. However, due to the characteristics of optical images, it is impossible to acquire images due to weather conditions such as clouds and rainfall. LANDSAT''s 16-day revisit cycle sometimes results in missing images, limiting time-series data building.
In order to solve this problem, a method of producing a simulated image of a missing target date from the acquired image is presented. In particular, the multi-temporal multi-linear simulation model devised by La (2015) is a method that can be constructed in a simple relationship with least constraint of simulation conditions. In the La''s method, the environmental characteristics of the moment the image was captured were simulated as variables, and relatively small areas were simulated. However, when the vegetation is simulated as an NDVI image, the simulation must be carried out in consideration of the characteristics of the object. In order to observe a specific region such as the Korean Peninsula, the simulation area must be expanded.
In this study, variables were selected to consider the growth characteristics of vegetation, and the interpolation method of the variables was compared as a simulation of a wider area. The experiments were carried out through the use of variables of accumulated temperature with the concept of temperature and temporal concept that had the greatest effect on vegetation growth, and the rasterizing of variables for wide area simulation. On the average, the results of using the accumulated temperature variable considering growth characteristics showed a 27% improvement in R^2 from the results that the environmental characteristics of the moment the image was captured were simulated as variables. In case of insufficient data of the same season, its utilization was maximized, and so that R^2 increases by 0.2555 and RMSE decreases by 0.1698.

#LANDSAT #NDVI #영상모의 #성장특성 #적산온도 #격자화

제1장 서론 1
제1절 연구배경 및 목적 1
제2절 연구내용 및 방법 4
제2장 다중선형회귀 변수 선정 6
제1절 La’s method 6
제2절 식생의 성장특성이 반영된 기상 변수 8
제3장 실험 및 분석 10
제1절 실험지역과 자료 10
제2절 실험구성 14
제3절 결과 및 분석 17
제4장 결론 26
참고문헌 28
ABSTRACT 32

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

목차

최근 본 자료

댓글(0)