정규식생지수영상의 시공간적 결측 보정기법 개발 (Development of Spatio-Temporal Gap-Filling Technique for NDVI Images)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 40권 / 6호 / 957 ~ 963페이지
· 저자명 : 김선화, 은정, 김태호

초록

광학위성영상으로부터 추출된 시계열 정규식생지수 자료는 농작물의 생육 및 수확량 예측에 가장많이 사용되는 자료이다. 시계열 정규식생지수 패턴을 살펴보면 농작물의 생육주기에 따른 변이와 함께 구름에 의한 감소현상이 자주 나타난다. 특히 국내 장마철은 농작물의 중요한 생육기간이나 많은 구름으로 인해 광학 위성영상의 활용이 매우 어렵다. 본 연구에서는 당진의 논지역을 촬영한 Sentinel-2A/B 정규식생지수영상을 대상으로 시공간적 결측 보정 기법을 개발하였다. 공간적 보정기법은 결측 지역의 경계나 작은 규모의 결측 지역을 대상으로 주변부에 정상 화소의 정규식생지수 정보를 가져오는 방법으로 보정한다. 이후큰 규모의 결측 지역의 화소들은 대상 시기 전과 후에 획득된 자료에 가우시안 처리 회귀모델을 적용하여시간적 보정을 수행한다. 이렇게 개발된 시공간적 보정 기법은 주기합성된 정규식생지수영상을 대상으로0.15 이하의 평균 제곱근 오차(Root Mean Squared Error, RMSE)를 보였으며, 구름이 제거되고 보정된 영상을 육안으로 확인할 수 있었다. 또한 구름의 양이 많은 일별 정규식생지수영상을 대상으로 구름의 양에 따라 0.11~0.17 RMSE를 보이는 것을 알 수 있었다. 해당 알고리즘은 파이썬(Python)을 이용하여 프로그램으로 개발되었으며, 5분 이내의 처리 시간이 소요된다. 향후 농림위성영상을 활용하는 전문가를 대상으로 제공될 예정이다. 본 알고리즘은 농경지 뿐만 아니라 산악지역을 포함한 다양한 피복을 대상으로 테스트될 예정이며, 보다 긴 시계열 자료에 적용될 예정이다. 이를 통해 식생지수 뿐만 아니라 농작물 모니터링에 필요한 다른 생육인자에 대한 적용성을 분석할 예정이다.

영어초록

Time-series Normalized Difference Vegetation Index (NDVI) data extracted from optical satelliteimages is the most widely used data for predicting crop growth and yield. In the time series pattern ofNDVI, variation due to the growth cycle of crops and reduction due to clouds are often seen. In particular,the rainy season in Korea is an important growing period for crops, but it is very difficult to use opticalsatellite images due to many clouds. In this study, a spatio-temporal gap-filling technique was developedfor Sentinel-2A/B NDVI images obtained in rice paddy in Dangjin. The spatial gap-filling technique isused to correct the boundary of a missing area or a small-area missing area by obtaining the NDVIinformation of normal pixels at the periphery. Afterward, pixels in large areas of missing areas aretemporally gap-filled by applying a Gaussian Process Regression (GPR) model to data acquired before andafter the target period. The spatio-temporal gap-filling technique developed in this study showed a RootMean Squared Error (RMSE) of less than 0.15 for the periodically composited NDVI image, and the cloudswere removed and the corrected image could be confirmed with visual interpretation. In addition, for dailyNDVI images with a large number of clouds, it was found that RMSE was 0.11 to 0.17 depending on theamount of clouds. The algorithm was developed as a program using Python and takes less than 5 minutesto process. In the future, it will be provided to experts who use agricultural and forestry satellite images.
This algorithm will be tested on a variety of land cover areas, including mountainous areas as well asagricultural areas, and will be applied to longer time series data. Through this, we plan to analyze theapplicability not only to the vegetation index but also to other biophysical variables required for cropmonitoring.

참고자료

· 없음