Sentinel-1 레이더 식생지수와 AutoML을 이용한Sentinel-2 NDVI 결측화소 복원 (Gap-Filling of Sentinel-2 NDVI Using Sentinel-1 Radar Vegetation Indices and AutoML)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 39권 / 6호 / 1341 ~ 1352페이지
· 저자명 : 윤유정, 강종구, 김서연, 정예민, 최소연, 임윤교, 서영민, 원명수, 천정화, 김경민, 장근창, 임중빈, 이양원

초록

위성영상 기반의 정규식생지수(normalized difference vegetation index, NDVI)는 넓은 영역에서 주기적인정보를 수집할 수 있어 산림 및 농업 모니터링에 주로 사용된다. 그러나 광학센서 기반 식생지수는 구름 등의영향으로 일부 지역에서 결측을 가지기 때문에, 본 연구는 전천후 및 주야에 관계없이 관측 가능한 Sentinel-1의합성 개구 레이더(synthetic aperture radar, SAR) 영상을 활용하여 Sentinel-2 NDVI 결측값을 복원하는 모델을개발하였다. 이는 광학적으로 관측이 어려운 구름 조건이나 야간에도 NDVI를 추정할 수 있는 잠재력을 보여준다. Automated machine learning (AutoML)을 활용한 비선형 결측복원모델의 5폴드(fold) 교차검증 결과, 절대오차 7.214E-05, 상관계수 0.878의 NDVI 복원 성능을 보였다. 이를 통해 시공간 연속적인 NDVI 생산 방법론을발전시켜, 전천후 식생 모니터링에 필요한 정보 생산에 기여할 수 있을 것으로 기대된다.

영어초록

The normalized difference vegetation index (NDVI) derived from satellite images is acrucial tool to monitor forests and agriculture for broad areas because the periodic acquisition of thedata is ensured. However, optical sensor-based vegetation indices (VI) are not accessible in some areascovered by clouds. This paper presented a synthetic aperture radar (SAR) based approach to retrievalof the optical sensor-based NDVI using machine learning. SAR system can observe the land surfaceday and night in all weather conditions. Radar vegetation indices (RVI) from the Sentinel-1 verticalvertical(VV) and vertical-horizontal (VH) polarizations, surface elevation, and air temperature are usedas the input features for an automated machine learning (AutoML) model to conduct the gap-filling ofthe Sentinel-2 NDVI. The mean bias error (MAE) was 7.214E-05, and the correlation coefficient (CC) was 0.878, demonstrating the feasibility of the proposed method. This approach can be applied to gapfreenationwide NDVI construction using Sentinel-1 and Sentinel-2 images for environmental monitoringand resource management.

참고자료

· 없음