Google Earth Engine 기반 Sentinel-1 SAR 위성영상을 이용한지표 토양수분량 산정 가능성에 관한 연구

조영현

추천

검색

자료유형: 학술저널

저자정보: 조영현 (K-water연구원 수자원환경연구소)

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제40권 제2호

발행연도: 2024.4

수록면: 229 - 241 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

클라우드 플랫폼을 이용한 빅데이터 처리기술의 발달로 위성영상과 같이 용량이 큰 자료에 대한 접근 및 처리와 분석이 최근 획기적으로 개선되고 있다. 본 연구에서는 그 플랫폼 중 하나인 Google Earth Engine (GEE) 기반의 전처리 완료된 Sentinel-1 합성개구레이더(synthetic aperture radar, SAR) 위성영상 자료의 후방산란계수 값에 비교적 간단한 토양수분량 추출 방법인 Change Detection Method를 적용하여,2015~2023년의 국내 용담댐 유역 내 6개 관측소 지점 및 유역 평균에 대한 지표 토양수분량을 산정 후 실측과의 상관성 분석 및 GEE의 활용성을 검토하였다. 그 결과 SAR 위성영상 자체의 지표 측정 정확도와 자료간 특성 변동 등으로 인해 유역 내 관측소별 일부구역에 대해 산정한 지점 지표 토양수분량은 VH와 VV 편파에서 모두 0.1~0.3 수준의 낮은 상관성이 확인된 반면, 유역 전체 면적에 대한 평균 SAR 후방산란계수 값추출 및 이동평균으로 자료의 불확실성 및 변동성을 완화시킨 유역 평균 지표 토양수분량은 0.5 수준의 향상된 결과를 보였다. 이렇게 GEE를 활용하여 산정된 토양수분량의 결과는 SAR 자료의 전처리에 있어 직접적으로 원하는 분석을 수행하지 못하는 제한점은 있지만, 방대한 위성영상 자료를 효율적으로 처리하여 장기간의 유역 평균과 같은 넓은 범위의 토양수분량을 산정, 평가해 볼 수 있다는 점에서 그 활용성을 확인할수 있었다. 이를 바탕으로 향후 국내 여러 지점의 지표 토양수분량 관측자료와 연계해 주요 댐 유역의 평균지표 토양수분량 장기 변화 파악 등에 유용하게 활용될 수 있을 것으로 기대된다.

With the advancement of big data processing technology using cloud platforms, access,processing, and analysis of large-volume data such as satellite imagery have recently been significantlyimproved. In this study, the Change Detection Method, a relatively simple technique for retrieving soilmoisture, was applied to the backscattering coefficient values of pre-processed Sentinel-1 synthetic apertureradar (SAR) satellite imagery product based on Google Earth Engine (GEE), one of those platforms, toestimate the surface soil moisture for six observatories within the Yongdam Dam watershed in South Koreafor the period of 2015 to 2023, as well as the watershed average. Subsequently, a correlation analysis wasconducted between the estimated values and actual measurements, along with an examination of theapplicability of GEE. The results revealed that the surface soil moisture estimated for small areas withinthe soil moisture observatories of the watershed exhibited low correlations ranging from 0.1 to 0.3 for bothVH and VV polarizations, likely due to the inherent measurement accuracy of the SAR satellite imageryand variations in data characteristics. However, the surface soil moisture average, which was derived byextracting the average SAR backscattering coefficient values for the entire watershed area and applyingmoving averages to mitigate data uncertainties and variability, exhibited significantly improved results atthe level of 0.5. The results obtained from estimating soil moisture using GEE demonstrate its utility despitelimitations in directly conducting desired analyses due to preprocessed SAR data. However, the efficientprocessing of extensive satellite imagery data allows for the estimation and evaluation of soil moisture overbroad ranges, such as long-term watershed averages. This highlights the effectiveness of GEE in handlingvast satellite imagery datasets to assess soil moisture. Based on this, it is anticipated that GEE can beeffectively utilized to assess long-term variations of soil moisture average in major dam watersheds, inconjunction with soil moisture observation data from various locations across the country in the future.

#Google Earth Engine #Sentinel-1 #합성개구레이더 #토양수분량 #Change detection method #Google Earth Engine #Sentinel-1 #Synthetic aperture radar #Soil moisture #Change detection method

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!

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

최근 본 자료

댓글(0)