Analysis of the Possibility for Practical Use of MSI/ MidIR/ II Vegetation Indices for Drought Detection of Spring Season

(1)

MSI/ MidIR/ II 식생지수를 이용한 봄 가뭄탐지 활용 가능성 분석

Analysis of the Possibility for Practical Use of MSI/ MidIR/ II Vegetation Indices for Drought Detection of Spring Season

김 성 재^* 최 경 숙^** 장 은 미^*** 홍 성 욱^****

Sung Jae Kim Kyung Sook Choi Eun Mi Chang Seong Wook Hong

요 약 봄 가뭄탐지를 위한 위성영상 활용을 위해 중 저해상 위성영상인 Landsat TM(Thematic Mapper) 영상을 이용하여 기존의 봄철 가뭄 해석에 많이 사용되어온 정규식생지수(NDVI: Normalized Difference Vegetation Index)이외에 MSI(Moisture Stress Index), MidIR Index, II (Infrared Index) 지수 들의 가뭄분석 활용가능성을 알아보고자 하였다. 이를 위해 경상북도 영천시를 대상으로 무강수일수에 따 른 영상을 선정하여 DN(Digital Number)값의 특성 및 상관성을 분석하고 이와 더불어 가뭄지수와의 비교 분석을 실시하였다. 그 결과 NDVI와 MSI 및 II 지수는 높은 상관관계를 보였으나, MidIR은 낮은 상관관 계를 보였으며, 가뭄지수와의 분석에서도 MSI 및 II 지수는 강한 상관관계를 보여주었다. 따라서 MSI와 II 지수를 이용한 가뭄연구를 통해 정보의 다양성 및 정확도를 높일 수 있을 것으로 판단된다.

키워드：가뭄, Landsat TM, NDVI, MSI, MidIR, II, Vegetation Index

Abstract In recent years, utilizations of satellite imagery have been extensively conducted in order to obtain accurate information on drought detection in spring season. This research also carried out utilization of satellite imagery through the various vegetation indices such as NDVI(Normalized Difference Vegetation Index), MSI(Moisture Stress Index), MidIR Index, II(Infrared Index) to find better methodology to detect drought phenomena, especially occurring in spring season. For this purpose, Landsat TM(Thematic Mapper) images were used and applied on the Yeong-cheon city. In this study, the characteristics of DN(Digital Number) for each vegetation index is analyzed, and the correlation analysis between indices and DN according to the number of days with no rain is performed. The results shows high correlation between NDVI and MSI and II with positive correlation on MSI, and negative correlation on II. This indicates the possibility for practical use of MSI, II indices with NDVI to obtain better credibility for detecting spring droughts.

Keywords：Drought, Landsat TM, NDVI, MSI, MidIR, II

󰠊 이 논문은 국가기상위성센터의 위성자료의 응용분야 활용확대를 위한 기술개발과제 연구비 지원에 의해 수행되었음.

*

㈜지오씨앤아이 연구소 차장 [email protected]

****경북대학교 농업토목공학과 부교수 [email protected](교신저자)

****㈜지인컨설팅 대표이사, 이화여대 겸임교수 [email protected]

****국가기상위성센타 위성분석팀 연구관 [email protected]

1. 서 론

강수나 토양 수분이 식물 성장에 필요한 최적의 양을 충족시키지 못할 때 발생하는 농업가뭄은 심한 강수량 부족으로 인하여 농사 등에 피해를 겪는 기 상재해의 하나로써 일반적으로 지표에 내리는 빗물

중에서 증발산에 의하여 대기 중으로 손실되고 남은 물이 실제 수요량에 부족을 일으키게 될 때를 말한 다. 특히 우리나라는 거의 매년 봄 가뭄에 의한 농업 피해가 발생하고 있으며, 이러한 봄 가뭄은 물리적 입장에서뿐만 아니라 생물학적인 입장에서도 중요 시된다. 이는 식물의 종류나 토양 환경에 따라 같은

(2)

Simple Raito SR = NIR / Red

Normalized Difference Vegetation Index NDVI = NIRTM4-RedTM3 / NIRTM4+RedTM3 Infrared Index II = NIRTM4-MidIRTM5 / NIRTM4+MidIRTM5 Greenness Above Bare Soil GRABS = G-0.09178B+5.58959

Moisture Stress Index MSI = MidIRTM5 / NIRTM4

Leaf Relative Water Content Index LCWI= -log[1-(NIRTM4-MidIRTM5)]/-log[1-NIRTM4-MidIRTM5]

MidIR Index MidIR = MidIRTM5 / NIRTM7

Soil Adjusted Vegetation Index SAVI = (1+L)(NIR-red) / NIR+red+L Atmospherically Resistant Vegetation

Index ARVI = P*nir - P*rb / P*nir + P*rb Soil and Atmospherically Resistant

Vegetation Index SARVI = P*nir - P*rb / P*nir + P*rb + L Enhanced Vegetation Index EVI = P*nir - P*red / P*nir+C1p*red - C2p*blue +L (1+L)

Table 1. The Various Vegetation Indices of Remote Sensing 기상 조건 하에서도 피해 정도가 달리 나타나기 때

문이다.

1960년대 이래 원격탐사 자료로부터 식물의 생물 리학적 특성을 나타내는 다양한 인자들을 밝혀내고 자 노력해왔으며 이러한 노력의 대부분은 식생지수 의 개발로 이어졌다. 식생지수는 단위가 없는 복사 값으로서 녹색식물의 상대적 분포량과 활동성, 엽면 적지수, 엽록소함량, 엽량 및 광합성 흡수복사량 (APAR)등과 관련된 지표로 사용되며 식생지수로 사용되기 위해서는 다음과 같은 조건을 갖추어야 한 다[7, 4]. 식생지수는 넓은 범위의 식물상태를 직접 적으로 연관시킬 수 있는 여러 종류의 생물리적 변 수들에 대하여 최대한의 반응을 보일 수 있어야 하 며 수치에 대한 검ㆍ보증이 용이하여야한다. 아울러 공간적 및 시간적으로 일정한 비교가 가능하도록 태 양각도, 촬영 각도, 대기상태 등의 외부 효과를 정규 화하거나 모의할 수 있어야 한다. 또한 식생지수는 지형적 효과, 토양 변이 그리고 고사된 식물이나 가 지 줄기 등의 목질부 등의 요인에 따라서 영향을 줄 수 있는 배경 효과를 정규화 할 수 있어야 한다.

최초로 위성영상분석에 사용된 식생지수는 1968 년 Birth와 Mcvey에 의하여 발표된 적색과 근적외 선 영역에서의 반사값을 나눈 단순식생지수(SR:

simple ratio)로 알려져 있다[8]. 식생지수는 가시광 선과 근적외선의 파장대를 가지고 있는 위성영상자 료들의 밴드비(Band ratio), 밴드차(Band difference) 등에 의해 산출되어질 수 있는데, 지금까지 가장 널 리 활용되고 있는 식생지수는 NDVI(Normalized

Difference Vegetation Inbdex), 즉 정규식생지수이 다[11, 17, 20]. 특히 NDVI는 위성영상을 활용한 가 뭄연구에 많이 이용되어 왔는데, 그 이유는 토양수 분지수를 이용한 가뭄분석보다 영상확보가 다양하 고 식생지수를 이용한 가뭄해석이 용이하기 때문이 다. 국내 관련연구로는 한반도의 다중시기 NDVI를 이용한 가뭄지수 적용성 분석 수행[16]과, NDVI자 료를 이용한 가뭄발생지역 검출 및 부족수분량에 대 한 연구[15], SPOT/VEGETATION NDVI 자료를 이용한 북한지역 식생 변화 탐지[17] 등에 관한 연구 와, Landsat ETM+ 영상을 활용한 경작지역내 가뭄 민감도에 관한 연구를 수행한 사례도 있다[13].

Tasseled Cap 변환에 의한 Landsat TM 영상과 KOMPSAT 2호 영상의 융합 연구에서도 저수지와 하천의 가뭄현상을 계산하여 가뭄지수 지도제작을 수행한 바 있으며[19], SWAT 모형을 이용한 봄철 산림 토양수분과 Terra MODIS 위성영상의 NDVI 와의 상관성 분석을 수행한 사례도 있다[20]. 해외의 관련 연구로는 농경지와 초지에 대하여 NDVI를 활 용하여 기상학적 가뭄지수인 SPI(Standardized Precipitation Index)와 비교 분석한 경우[8]와, NDVI를 기반으로 제작된 VCI(Vegetation Condi- tion Index)를 정상강우백분율과 비교분석한 사례도 있다[9]. 뿐만 아니라 NOAA AVHRR 영상으로부터 얻은 NDVI와 LST의 상관관계를 이용하여 가뭄지 역을 추출하는 등 NDVI를 이용한 다양한 가뭄관련 연구가 수행되었다[1].

그러나 NDVI를 이용한 가뭄평가는 식생 활력에

(3)

Sector Landsat TM(Thematic Mapper)

Band width(㎛) No.1: 0.45∼0.52, No.2: 0.52∼0.60, No.3: 0.63∼0.69, No.4: 0.76∼0.90, No.5: 1.55∼1.75, No.7: 2.08∼2.35, No.6: 10.4∼12.5

Swath 185km

Radiometric resolution 9 bit (8bit used)

Spatial resolution No.1-5 band (30m), No.7 band (30m), No.6 band (120m)

Temporal resolution 16 day

Weight 258kg

Lense aperture 40.6cm

Table 2. Landsat TM Specifications 영향을 주는 요소를 기상학적 요인으로 제한하고 있

으며, 식생 스트레스를 초래하는 다양한 원인들로 상당한 불확실성을 내포하는 제한성이 있다[14]. 따 라서 식생지수를 이용한 가뭄분석 연구에서의 객관 성 확보와 정확한 정보 추출을 위해서는 NDVI 이외 의 식생지수들을 활용한 연구가 반드시 수행되어져 야 한다. 위성 기술의 발달로 사용목적에 따라 여러 식생지수들이 개발되었으며 이러한 식생지수들이 현재까지 널리 쓰이고 있지만 국내에서는 가뭄관련 연구 및 활용에 NDVI만 사용되었을 뿐 다른 관련 식생지수의 활용 및 관련연구는 매우 부진한 실정이 다.

현재까지 약 20여 종류의 식생지수가 개발되어 사 용되고 있으며 밴드비, 밴드차와 같은 변환식에서부 터 보정인자 및 함수를 이용한 변환식까지 다양한 방법을 이용하여 식생지수를 산출하고 있다. 이중 대표적인 식생지수는 Table 1에 나타낸 바와 같다.

여기서 일반적으로 NDVI는 식생활력, MSI는 수분 상태[6], MidIR은 토양수분[5], II의 경우 식물의 생 체량과 수분 스트레스에 민감하게 반응하는 것으로 알려져 있다[3].

본 연구에서는 봄철에 빈번하게 발생하는 가뭄현 상에 대한 분석을 위하여 NDVI와 같은 변환식 방법 을 이용하여 산출하는 식생지수 II, MSI, MidIR를 이용하여 가뭄정도에 따른 NDVI와의 상관성 분석 및 가뭄지수와의 비교 분석을 통하여 가뭄관련 연구 및 활용에 있어서의 적용가능성을 분석하고자 한다.

2. 연구방법

본 연구에 사용한 위성영상은 가뭄분석에 많이 활

용되고 있는 Terra MODIS 영상보다 해상도가 높은 Landsat TM이며, 영상자료의 촬영시기와 무강수 일수의 지속성 등을 고려하여 경상북도 영천시를 대 상으로 연구를 수행하였다.

가뭄정도를 파악하기 위해 기상자료는 농촌진흥 청에서 운영하고 있는 농업기상정보서비스에서 제 공하는 가뭄지수 정보를 활용할 수 있지만 본 연구 에 사용한 위성영상 촬영일에 대한 가뭄지수는 농업 기상정보서비스에 구축되어 있지 않아, 기상청에서 제공하는 AWS(Automatic Weather System) 자료 를 토대로 무강수일수를 직접 산출하여 가뭄정도를 추정하였다. 무강수일수는 강수일수가 아닌 날을 의 미 하는 것이 아니라 비와 눈 같은 강수 현상이 전 혀 관측되지 않는 날을 의미하며, 본 연구에서는 일 강수량이 0mm인 일만을 무강수일로 정의하였다.

위성영상 자료를 활용한 가뭄관련 연구는 반드시 위성영상 촬영 전의 기상상태를 파악한 후 연구가 수행 되어져야 정확한 가뭄 현상 파악이 가능함으로 Landsat 5 TM 위성영상 촬영날짜를 기준으로 무강 수일수에 대한 기간을 파악하였다. 무강수일수 산정 에 있어서는 연구대상지역인 영천시내의 Landsat 5 TM 영상 촬영범위에 속하는 영천시 화북면 관측소 의 AWS 자료를 토대로 연속적인 무강수일을 추출 하였다. 그 결과 AWS 관측자료 및 최대 연속적인 무강수일수가 15일인 1997년 3월 30일 영상, 무강수 일수가 10일인 2000년 4월 7일, 무강수일수가 4일인 1998년 5월 20일 영상을 각각 추출할 수 있었다.

본 연구에 사용된 Landsat 5 TM영상의 특징은 Table 2에 나타낸 바와 같이 30m×30m의 해상력으 로, 0.45-12.5㎛ 파장대를 7개의 밴드로 구분하고 있 으며, 궤도경사각 98.2°, 공칭고도 750㎞, 적도 통과시

(4)

Method Landsat TM(1997.03.30) Landsat TM(2000.04.07) Landsat TM(1998.05.20)

Root mean square 0.3 0.41 0.36

Interpolation Nearest-neighbor Nearest-neighbor Nearest-neighbor

Re-sampling 30m×30m 30m×30m 30m×30m

Table 3. Data Processing

Fig. 1. Study Area and Landsat TM Image of Yeong-Cheon

각은 지방평균시 9:39 AM.으로, 태양동기궤도로부터 16일마다 주기적으로 지구표면을 관측하고 있다.

Landsat 위성영상자료 처리에 있어서는 기하보정 과정에서 발생한 RMS(Root Mean Square) 오차는 0.3화소(9m) 이내로 처리하였고, 기하보정의 마지막 단계인 재배열(Resampling) 및 내삽(Interpolation) 에 있어서는 원래의 화소 값의 손실을 최소화하면서 처리 속도가 빠르며 화소 값의 변화가 가장 적은 최 근린내삽법으로 화상을 30m×30m로 재배열 하였다 (Table 3). 최근린내삽법은 보간점에서 가장 가까운 관측점의 화소값을 구하고자 하는 화소값을 참조하 여 값을 결정하는 방법으로써 위치오차는 최대 1/2 화소 정도가 생기지만 원래의 화소 값을 손실하지 않고 처리속도가 빠른 장점이 있다[12]. Fig. 1은 본 연구대상지인 영천시의 위치와 2000년 4월 17일에 촬영된 Landsat TM 영상을 보여주고 있다.

본 연구에서는 무강수일수에 의한 가뭄정도에 따 라 NDVI와 II, MSI, MidIR 식생지수와의 DN 특성 및 상관성 분석을 실시하고 이를 가뭄지수와 비교분 석하여 각 지수들의 가뭄분석 가능성을 알아보고자 하였다.

3. 무강수일수에 따른 식생지수 분석

도출된 식생지수 분포도별 DN(Digital Number)값 을 이용하여 식생지수별 특성 및 상관성 분석을 실 시하기 위해 -1에서 1 사이의 값을 가지는 식생지수 값들을 8bit 형식으로 변환하여 0∼255의 DN 값으 로 표현하였다. 다양한 시기의 위성영상 자료에 대 한 DN 값 비교 및 상관성 분석에 있어서 경년 변화 에 따른 토지피복 변화가 발생한다면 비교 분석 값 에 대한 오류를 나타내게 된다. 이러한 오류방지 및 NDVI, MSI, MidIR, II 식생지수별 DN값 특성 분석 에 있어 보다 정확한 분석을 수행하기 위해서는 동 일한 토지피복물을 대상으로 분석을 수행해야만 한 다. 이를 위하여 경년 변화에 따른 토지피복변화가 없는 논 지역을 대상으로 ERDAS Imagine의 Accu- racy Assessment를 이용하여 무작위로 100 Point를 생성하였으며, 이에 대한 결과는 Fig. 3에 나타낸 바 와 같다.

위성영상 자료에서의 DN은 어떠한 물체로부터 반사(reflection) 혹은 복사(radiation)되어 나오는 전 자파를 수신하여 전처리 과정을 거친 후, 디지털화

(5)

Fig. 3. Random Points for NDVI / MSI / MidIR / II DN characteristics and correlation analysis Fig. 2. The Distribution Maps of NDVI, MSI, MidIR, II Vegetation Indices

(6)

Fig. 4. DN Analysis of NDVI, MSI, MidIR, II Vegetation Indices

Item 1997년 2000년 1998년 Ave.

Normalized Difference Vegetation Index

Min 83 84 142 103

Max 151 162 215 176

Mean 109 119 174 134

Dev. 68 78 73 78

Moisture Stress Index

Min 68 63 31 54

Max 157 144 105 135

Mean 124 116 67 102

Dev. 89 81 74 81

MidIR Index

Min 127 68 21 72

Max 168 124 48 113

Mean 146 100 35 94

Dev. 41 38 27 35

Infrared Index

Min 75 71 61 69

Max 176 161 142 160

Mean 111 104 100 105

Dev. 101 90 81 91

Table 4. DN Statistical Data of NDVI, MSI, MidIR, II Vegetation Indices 된 수치값을 말한다. DN값이 높다는 것은 반사 혹

은 복사된 전자파가 많다는 것을 의미하며, 반대로 DN값이 낮다는 것은 물체 특성에 따른 흡수된 값이 높다는 것을 의미한다.

동일하게 선정한 100 Point를 대상으로 NDVI, MSI, MidIR, II 지수들의 DN 특성을 분석한 결과, 일반적으로 가장 많이 이용되고 있는 NDVI의 경우

무강수일수가 지속될수록 평균 DN값이 낮아지는 반비례적인 형태를 보여주는 반면, MSI, MidIR, II 의 경우에는 무강수일수가 지속될수록 평균 DN 값 이 높아지는 비례적인 패턴양상이 나타났다. 각 지 수별 DN 최고값은 무강우일수가 가장 작은 1998년 에 NDVI의 215이었으며, 최저값은 MidIR의 21로 나타났다. 각 식생지수들의 표준편차에 대한 평균값

(7)

1997 II MidIR MSI NDVI 2000 II MidIR MSI NDVI 1998 II MidIR MSI NDVI Section Ave.

II 1.00 II 1.00 II 1.00 II 0.86

MidIR 0.21 1.00 MidIR 0.57 1.00 MidIR 0.60 1.00 MidIR 0.54

MSI -0.97 -0.17 1.00 MSI -0.90 -0.48 1.00 MSI -0.79 -0.57 1.00 MSI -0.73 NDVI 0.87 0.41 -0.84 1.00 NDVI 0.82 0.67 -0.53 1.00 NDVI 0.90 0.54 -0.82 1.00 NDVI 1

Table 5. Coefficients of Correlation between Each Vegetation Index

단 계 지수범위 가뭄상황

매우가뭄 55미만 작물손실, 광범위한 물 부족, 제한급수 고려 필요

가뭄 55-80 작물에 다소 피해발생, 물 부족 시작, 자발적 절수 요구

정상 80-100 식물성장에 필요한 정도로 강수가 충분함

습도 110 이상 충분한 강수로 인해 가뭄상황 없음

Table 6. Degree of Drought based on Standard Precipitation Index 을 살펴 본 결과, II가 91로 가장 높게 나타났으며

MidIR이 35로 가장 낮은 편차를 나타내었다. 각 지 수별 DN값을 그래프로 나타낸 결과는 Fig. 4와 같 다.

NDVI 값을 기준으로 각 영상별 MSI, MidIR, II에 대한 상관성 분석을 수행하였으며, 상관성 분석에 앞서 데이터들의 유효성 검사를 통하여 자료의 정확 도를 확보하였다. 유효성 검사의 결과는 Table 5에 나타낸 바와 같다. 1997년에 II와의 상관성이 0.87로 가장 높게 나타났으며, MidIR은 0.4로 가장 낮게 나 타났다. 각 지수에 대한 평균 상관성을 살펴본 결과 II가 0.86으로 가장 높게 나타났으며 MSI의 경우 -0.73으로 음의 상관관계를 나타내었다. 그러나 MidIR의 경우에는 0.54로 3개의 식생지수 중 가장 낮은 상관관계를 보여주었다. 그 다음으로 각각의 식생지수별 상관관계를 살펴본 결과 1997년 값에서 MSI와 II 지수의 상관관계가 -0.97로 가장 높게 나 타났다. NDVI와의 상관성 분석 결과는 MSI 와 II의 상관관계가 MidIR 보다 높게 나타난 것을 알 수 있 었다. 이는 NDVI, MSI, II의 식생지수 변환식에서 사용되는 위성영상 근적외 밴드(Landsat TM 4 Band : 0.76㎛-0.90㎛)가 공통적으로 이용되는 것에 따른 결과로 유추 할 수 있으며, MidIR의 경우 NDVI, MSI, II의 식생지수 변환식에서 사용되는 근 적외 밴드를 사용하지 않고 중적외밴드인 Landsat TM 5 Band(1.55㎛-1.75㎛)와 Landsat TM 7 Band(2.08㎛-2.35㎛)를 사용함에 따라 상관성이 낮 아진 결과로 판단된다. 한편 1997년 MSI와 II의 상

관관계는 -0.97로 가장 높게 나타났으며, 2000, 1998 년에서도 각각 -0.90, -0.75 값으로 강한 음의 상관 관계를 나타내고 있었다. 이는 MSI와 II는 식생지수 변환식에서 동일한 밴드(Landsat TM 4 Band : 0.76

㎛-0.90㎛ 와 Landsat TM 5 Band(1.55㎛-1.75㎛ ) 를 사용함에 따른 결과로 사료된다.

3.1 MSI/II 지수 활용을 위한 가뭄지수와의 비교 분석

3.1.1 평균치 비율을 활용한 가뭄지수 산정 NDVI와 가장 상관성이 높게 나타난 MSI, II지수 에 대한 활용성 평가를 위하여 가뭄지수와의 상관성 분석을 수행하였다. 현재 사용되고 있는 가뭄지수는 가뭄판단지수, 파머가뭄지수, 표준강수지수, 평균치 비율을 이용한 가뭄지수 등 많이 있으나, 본 연구대 상지는 영천시 단일지역이며 다중시기의 영상을 사 용하지 않았으므로 표준강수지수에 따라 가뭄정도 를 파악 할 수 있는 평균치 비율을 이용하였다. 평균 치 비율이란 30년 이상 강수자료의 평균치에 대한 실제 강수의 백분율로 다양한 기간에 대하여 산정이 가능하며, 가뭄을 판단하는 가장 간단한 방법 중의 하나로 단일지역이나 특정한 기간에 대하여 적용 가 능하다. 평균치비율 산출식은 식(1)과 같다[1].

평균치비율  평균강수

실제강수 × (1)

위 식을 이용한 가뭄지수를 산출하기 위해 먼저 영천시 기상대 자료를 활용하여 1973년부터 2010년 까지 37년간의 평균 강수량을 구한 결과, 2.86mm로

(8)

Index T-score

Correlation Coefficient 1997.03.30 2000.04.07 1998.05.20

MSI 58.46 47.58 35.95 - 0.92

II 63.21 47.75 39.02 - 0.83

Drought Index 41.77 44.15 64.07 1

Table 7. T Scores and Coefficients of Correlation of MSI and II with Drought Index 나타났다. 그리고 위성영상 촬영일 기준으로 30일

이전의 강수자료를 활용하여 30일간의 실제 일평균 강수량을 알아 본 바 1997년은 실제 일평균 강수량 이 0.716mm이었으며, 2000년은 1.033mm, 1998년은 3.666mm로 각각 나타났다. 이에 대한 관측치를 평 균치 비율 산출식에 대입한 결과 1997년은 평균치 비율이 25로 나타났으며, 2000년은 36, 1998년은 128 로 각각 나타났다. Table 6은 평균치 비율에 따른 가뭄상황을 나타내고 있다. Table 6에 근거하여 1997년과 2000년의 경우는 매우 심각한 가뭄상태이 며, 1998년의 경우는 가뭄이 없는 상태임을 알 수 있 었다.

3.1.2 가뭄지수와 MSI, II 지수의 자료 계량화 및 표준화를 통한 비교 분석

가뭄지수와 MSI, II지수의 평균 DN값들은 서로 다른 단위이기 때문에 비교하기가 용이하지 않아 인 자들의 단위에 따른 편자문제를 해소하기 위한 표준 화 과정이 필요하여 본 연구에서는 Z점수법과 T점 수법을 이용하여 표준화를 수행하였다. 표준점수 (Standard score)는 원점수(raw score)의 상대적 위 치를 알려주는 점수로서, 어떤 점수와 평균간의 차 이, 즉 편차를 표준편차로 나누어서 변환시킨 점수 를 의미하며, 표준점수를 사용하게 되면 서로 다른 의미의 인자를 단일척도로 효과적으로 전이 시킬 수 있다[18]. Z 점수법 계산식은 식(2)와 같으며, 여기서 Z는 표준화 값, X는 인자 값, 는 인자에 대한 평균 치, 는 인자에 대한 표준편차를 각각 의미한다.

  

  

(2) Z점수는 원점수가 평균보다 작을 경우에는 모두 음 수로 표시되며 대부분의 Z점수가 소수점을 지니는 단점을 가진다. 이 두 가지의 단점을 보완하기 위하 여 T점수법을 사용하며 식(3)과 같다.

   (3)

Table 7은 MSI와 II의 평균 DN값과 가뭄지수의 지수 값을 T점수로 변환한 결과를 나타내고 있다.

T점수의 비교결과는 가뭄지수에 대한 T점수가 높 아질수록 DN 값이 낮아지는 경향이 있음을 알 수 있었다. 가뭄지수와의 상관분석 결과에서는 MSI의 경우 -0.92, II는 -0.83로 강한 음의 상관관계가 나타 나는 것을 알 수 있었다.

4. 결 론

최근 농업의 피해를 최소화하기 위한 봄 가뭄에 대한 연구의 중요성과 위성영상 자료 활용에 관한 사회적 관심이 고취되고 있으나 이에 대한 연구는 다양하게 이루어지고 있지 않는 실정이다. 본 연구 에서는 다중시기 위성영상 Landsat TM 및 무강수 일수 자료를 활용하여 MSI, MidIR, II 식생지수의 가뭄관련 연구의 적용 및 활용 가능성을 분석해 보 았다. 본 연구의 결과를 요약하면 다음과 같다.

1. 무강수일수에 따른 식생지수 DN 분포 패턴을 분석한 결과 NDVI와 II지수의 경우 무강수일이 지 속됨에 따라 DN값이 낮아지는 반비례적인 현상을 보인 반면, MidIR 및 MSI의 경우 무강수일수가 지 속됨에 따라 DN값이 높아지는 비례적인 현상을 나 타내고 있었다.

2. 동일한 토지피복지역을 대상으로 무강수일수에 따른 NDVI와의 상관성 분석 결과, II와 MSI가 각각 0.86, -0.83으로 높은 상관관계를 나타냈으며, 이는 식생활력지수인 NDVI가 높으면 II 식물생체량 정도 를 나타내는 II지수도 높아지나, 수분스트레스 정도 를 나타내는 MSI지수는 낮아지는 것을 알 수 있어, 이 두 지표의 가뭄분석 활용가능성을 보여주는 것으 로 판단된다.

3. 식생지수들의 DN 편차를 살펴 본 결과 II가 91 로 가장 크게 나타났다. 이는 동일한 지표를 구성하 고 있는 물질에 대한 다양성을 나타내고 있는 것으 로 해석 될 수 있으며, 향후 이에 대한 보완 연구를

(9)

수행하여 논 지역 작물에 대한 분류 가능성을 알아 볼 수 있는 지표로 활용가능한지를 조사해 볼 필요 가 있다.

4. MSI 및 II 지수와 평균치 비율을 이용한 가뭄 지수와의 상관성 분석 결과는 각각 -0.92, -0.83로 나타나 강한 음의 상관관계를 보여주었다.

5. MSI, II 등의 식생지수를 이용하여 가뭄지수 및 표준강수지수 등의 상관성 분석을 통하여 가뭄모니 터링 관련 정보추출에 대한 정보의 다양성과 기존의 가뭄관련 정보시스템의 광역적 정보에서 정밀한 국 지적 정보 제공이 가능 할 것으로 기대되며, 가뭄관 련 연구뿐만이 아니라 식생정보와 관련된 병해충 탐 지, 식생변화, 작물 구분 등의 위성영상 활용분야에 있어서의 기초자료로 활용 될 수 있을 것으로 판단 된다.

향후에는 보다 높은 공간 해상도를 가진 위성영상 자료의 활용을 통하여 가뭄 민감도 등을 비롯한 NDVI를 기반으로 한 가뭄관련 연구에서 다양한 식 생지수의 활용성 평가 및 정량적인 결과의 도출과 더불어 현장자료를 이용한 검증관련 연구를 병행하 게 되면 가뭄 분석의 신뢰성을 한층 높일 수 있을 것으로 기대된다.

참 고 문 헌

[ 1 ] Y. Bayarjargal, T. Adyasuren and S. Munk- htuya, 2000, “Drought & Vegetation Monitoring in the Arid and Semi-Arid Regions of the Mongolia using Remote Sensing and Ground Data”, In Proceedings of The 21st Asian Conferenceon Remote Sensing.

[ 2 ] W. B. Cohen, 1991, "Response of Vegetation Indices to Changes in Three Measures of Leaf Water Stress," Photogrammetric Engineering and Remote Seneing, vol. 57. no. 2. pp. 195-202.

[ 3 ] M. A. Hardisky, V. Klemas and M. Smart, 1983,

“he Influence of Soil Salinity, Growth Form, and Leaf Moisture on the Spectral Radiance of Spartina Alterniflora Canopies,”

Photogrammetric Engineering and Remote Seneing, vol. 49. pp. 77-83.

[ 4 ] J. R. Jensen, 2000, Introductory digital image processing-second edition, Prentice Hall.

[ 5 ] H. B. Musick and R. E. Pelletier, 1988,

"Response to soil moisture of spectral indexs dericed from bidirectional reflectance in thematic mapper wavebands, Remote Sens.

Environ. vol. 25. pp. 167-184.

[ 6 ] B. N. Rock., J. E. Vogelmann, D. L. Williams, A.

F. Voglemann and T. Hoshizaki, 1986, "Remote Detection of Forest Damage," BioScience, vol.36. pp. 439.

[ 7 ] S. W. Running, C. O. Justice, V. Solomonson, D.

Hall, J.Barker, Y. J. Kaufmann, A. H. Strahler, A. R. Huete, J. P. Muller, V. Vanderbilt, Z. M.

Wan, P. Teillet and D. Carneggie, 1994

“Terrestrial Remote Sensing Science and Algorithms Planned for EOS/ MODIS,” Intl.

Journal or Remote Sensing, vol. 15. no. 17. pp.

587-3620.

[ 8 ] L. Ji, A. J. Peters, 2003. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices, Remote Sensing of Environment, vol. 87. pp. 85-98.

[ 9 ] F. N. Kogan, 1995. “Application of Vegetation Index and Brightness Temperature for Drought Detection”, Adv. in Space Res., vol. 15. pp.

91-100.

[10] 기상청 홈페이지(www.kma.kr/HELP/basic/help_

04_05.jsp)

[11] 김성재, 2005, “GIS 공간분석을 이용한 3차원 임 분 배치기법 개발”, 경일대학교 석사학위 논문, pp. 41-43.

[12] 김영섭, 서애숙, 조명희, 김응남, 신계종, 장영률, 2004, 원격탐사개론, 동화출판사, pp. 217-218.

[13] 박은주, 성정창, 황철수, 2003, “Landsat ETM+

영상을 활용한 경작지역내 가뭄민감도의 연구”, 대한원격탐사학회지, 제19권, 2호, pp. 107-115.

[14] 박정술, 김경탁, 2009, “가뭄모니터링을 위한 MODIS NDVI의 활용성 평가: 가뭄지수와의 비 교를 중심으로”, 한국GIS학회지, 17권, 1호, pp.

117-129.

[15] 신사철, 김경탁, 김주훈, 박정술, 2006, “NDVI를 이용 한 가뭄발생지역 검출 및 부족수분량 산정”, 한국수 자원학회 학술발표회 논문집, pp. 1201-1205.

[16] 신수현, 국민정, 이규성, 2004, “한반도의 다중시