1. 서론

작물의 공간적 분포와 그에 따른 수확량에 대해서, 정확하고 시기적절한 정보를 획득하는 것은 지역적 그리고 세계적 식량안보 요구를 충족시키기 위한 중요한 첫걸음이다(Xiao et al., 2005; Peng et al., 2017). 그뿐만 아니라 최근 기후변화로 인한 식량 작물 피해가 계속해서 증가하고 있기 때문에 작황의 시공간적 특성에 대한 연구가 필요하다(Yeom et al., 2021). 본 연구에서는 동북아시아 지역을 대상으로 세계 주요 작물 중 하나인 벼에 대한 생산량 지도를 시공간적으로 제작하기 위해 정지궤도 위성으로부터 높은 시간 해상도를 갖는 식생지수 시계열 자료를 주요 변수로 활용하였다. 이를 위해 선행연구에서는 먼저 동북아시아지역에 대한 논 재배 지역 분류를 우선적으로 수행했었다(Jeong et al., 2021). 그리고 본 연구에서는 앞서 분류된 논 지도를 기반으로, 원격탐사 자료와 작물모형을 통합한 RSCM (Remote Sensing-integrated Crop Model)을 적용하여 2011년부터 2017년까지 동북아시아(남한, 북한, 일본, 중국 동북 3성)의 벼 생산량에 대한 시공간 정보를 획득할 수 있는 시계열 지도를 제작하였다.

2. 벼 생산량 지도

벼 생산량 지도를 제작하기 위해 천리안 정지궤도 위성(COMS: Communication, Ocean and Meteorological Satellite)의 GOCI (Geostationary Ocean Color Imager) 센서로부터 식생지수(NDVI: Normalized Difference Vegetation Index, RDVI: Renormalized Difference Vegetation Index, OSAVI: Optimized Soil Adjusted Index, MTVI: modified Triangular Vegetation Index), MI (Meteorological Imager) 센서로부터 일사량을 각각 사용하였다. 또한 기온 자료로는 수치모델 중 RDAPS (Regional Data Assimilation and Prediction System)를 사용하였다. 특히, Bidirectional Reflectance Distribution Function (BRDF) 모델을 이용하여 지표 GOCI 분광반사도 보정을 통해 식생지수의 오차를 최소화하였고, MI 영상을 통해 1 km의 고해상도 일사량 산출함으로써 고품질 입력자료를 생산할 수 있었다. 2011년부터 2017년까지 공식적인 벼 생산량 통계정보를 기반으로 연구 지역 중 일부 지역을 선정하여 RSCM 모형의 보정(calibration) 및 최적화를 수행하였으며, 이후 연구 지역 전체에 적용하여 벼 생산량 모의를 수행했다. 2011년에서 2017년 기간의 모의된 벼 생산량 모의 결과에 대해 오차 통계분석을 수행한 결과, Root Mean Square Error (RMSE)는 674 kg ha^-1의, 결정계수(R²)는 0.823, Nash-Sutcliffe 효율성 계수(NSE: NashSutcliffe Efficiency)는 0.524로 전체 평균 값이 관측 자료와 높은 정확도를 보였으며, 또한 t-test (α = 0.05) 결과에서 p-value가 0.235로 모의된 결과가 관측 값과 통계적으로 유의미한 차이가 없는 것으로 나타났다(Yeom et al., 2021). 결론적으로 정지궤도위성인 COMS의 BRDF가 적용된 GOCI 영상과 높은 공간해상도의 일사량을 입력자료로 사용한 RSCM 모형 기반의 작물 생산량 모의 방법은 국가 및 지역의 농작물 수급 및 관리를 위한 새로운 접근법으로 고려될 수 있다.

3. 공간적 범위

벼 생산량 지도는 위도 25 ° N ~ 47 ° N와 경도 115 ° E ~ 145 ° E 범위(Fig. 1) 로 남한, 북한, 일본, 중국 동북 3성(헤이룽장성, 지린성, 랴오닝성)을 포함하는 동북아시아 영역이다. 공간해상도는 500 m 해상도 식생지수를 적용한 GOCI 위성 공간 해상도와 동일하다.

4. 시간적 범위

동북아시아 벼 생산량 지도는 2011년부터 2017년월까지 연도별로 총 7개 년도 지도가 제작됐다.

Acknowledgements

본 과제는 한국항공우주연구원 위성활용사업(FR21J00)에서 수행되었다.

Fig. 1.

Spatial distribution of the rice yields over classified paddy fields using COMS geostationary satellite and meteorological data from the numerical model for Northeast Asia in 2017.

참고문헌

• Jeong ST, Ko JH, Yeom JM (2021) The spatial data of paddy rice classification over Northeast Asia using COMS geostationary satellite. Geo Data 3(1):18–22ArticlePDF
• Jeong ST, Kang S, Jang K, Lee H, Hong S, Ko D (2012) Development of Variable Threshold Models for detection of irrigated paddy rice fields and irrigation timing in heterogeneous land cover. Agricultural Water Management 115:83–91Article
• Peng D, Huete AR, Huang J, Wang F, Sun H (2011) Detection and estimation of mixed paddy rice cropping patterns with MODIS data. International Journal of Applied Earth Observation and Geoinformation 13(1):13–23Article
• Xiao X, Boles S, Liu J, Zhuang D, Frolking S, Li C, Salas W, Moore B III (2005) Mapping paddy rice agriculture in southern China using multi-temporal MODIS images. Remote Sensing of Environment 95(4):480–492Article
• Yeom JM, Jeong ST, Deo RC, Ko JH (2021) Mapping rice area and yield in northeastern asia by incorporating a crop model with dense vegetation index profiles from a geostationary satellite. GIScience & Remote Sensing 58(1):1–27Article

Appendix

Figure & Data

References

Citations

Citations to this article as recorded by