See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/264102287

Analysis of Relationship between Vegetation Indices and Crop Yield using

KOMPSAT (KOreaMulti-Purpose SATellite)-2 Imagery and Field Investigation
Data

Article · May 2011

DOI: 10.5389/KSAE.2011.53.3.075

CITATIONS READS

10 216

7 authors, including:

Ji-Wan Lee Seongjoon Kim

Konkuk University Konkuk University
15 PUBLICATIONS   49 CITATIONS    235 PUBLICATIONS   2,428 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

This research was supported by a grant (18AWMP-B079625-05) from Water Management Research Program sponsored by the Ministry of Land, Infrastructure and
Transport of the Korean government. View project

All content following this page was uploaded by Ji-Wan Lee on 25 August 2015.

The user has requested enhancement of the downloaded file.

 Journal of the Korean Society of Agricultural Engineers
Vol. 53, No. 3, pp. 75~82, May, 2011
DOI: 10.5389/KSAE.2011.53.3.075

KOMPSAT-2 위성영상과 현장 측정자료를 통한 식생지수와 수확량의 상관관계 분석

Analysis of Relationship between Vegetation Indices and Crop Yield using KOMPSAT
(KOreaMulti-Purpose SATellite)-2 Imagery and Field Investigation Data

이지완* 박근애* 조형경* 이규호** 나상일** 박종화*** 김성준****,

Lee, Ji-Wan Park, Geun-Ae Joh, Hyung-Kyung Lee, Kyo-Ho Na, Sang-Il Park, Jong-Hwa Kim, Seong-Joon

ABSTRACT
This study refers to the derivation of simple crop yield prediction equation by using KOMPSAT-2 derived vegetation index. For a
1.25 ha small farm area located in the middle part of South Korea, the KOMPSAT-2 panchromatic and multi-spectral images of
31th August 2008, 17th November 2008, and 10th September 2009 were used. The field spectral reflectance during growing period
for the 6 crops (rice, potato, corn, red pepper, garlic, and bean) were measured using ground spectroradiometer and the yield was
investigated. Among the 6 vegetation indices (VI), the NDVI and ARVI between measured and image derived showed high
relationship with the coefficient of determination of 0.85 and 0.95 respectively. Using the 3 years field data, the NDVI and ARVI
regression curves were derived, and the yields were tried to compare with the maximum VIs value.

Keywords: ARVI; crop yield; KOMPSAT-2; NDVI; vegetation index

I. 서 론* 기여수준을 높일 필요가 있다. 특히, 고해상도 위성영상을 활용

한 정밀농업 정보의 실용화를 위해 과학적인 농업 주제정보 추
최근, 위성정보를 이용한 원격탐사기술의 활용이 선진국 및 출 및 분석을 위한 기술 개발 및 위성영상과 현지관측 자료를
수자원, 임업, 기상 분야에 걸쳐 다양하게 연구되고 있다. 선진 연계하여 활용 할 수 있는 기술 개발이 필요하다.
국에 비해 원격탐사 기술이 비교적 활발하게 적용되지 못했던 고해상도 위성영상을 활용한 국내외 연구를 살펴보면, 국내
농업분야에서도 최근 들어 고해상도 위성영상 자료를 이용한 에서는 Kim (2008)은 KOMPSAT-2 (KOreaMuliti-Purpose
연구와 시범사업이 추진되고 있다 (Kim et al., 2010). 그동안 SATellite, 다목적 실용위성) 위성영상과 1:25,000 수치지도를
농업 분야에서는 농작물의 분류, 작황예측, 농업재해, 농업 토 활용하여 경지면적을 추정하였으며, Kim (2010)은 위성자료를
양 등의 분석에 위성영상을 활용하고 있으나 이러한 연구는 주 농업관측에 활용하기 위한 비용을 산출하여 중장기적으로 위성
로 Landsat TM과 NOAA 등의 중 ․ 저해상도위성영상을 이용 정보를 농업관측에 활용하기 위한 기초연구를 수행한 바 있다.
하여 이루어져 왔다. 따라서 국내에서 발사된 고해상도 위성영 또한 Lee et al. (2009)은 KOMPSAT-3급 위성영상을 이용하
상을 활용하여 농작물 작황예측기술을 개발함으로서 우리나라 여 농업 토지이용 및 작물 생육정보를 추출 하여 현장조사 자
고유의 정밀농업 (Precision Agriculture) 정보의 구축을 위한 료와 비교함으로써 고해상도 위성영상의 농업분야의 활용성을
산업적 기반을 다지고, 농업 ․ 경제 분야에 대한 원격탐사기술의 평가하였다. 국외에서는 Allen (1990)이 1977년 IOWA주에서
최초로 위성영상 데이터를 이용하여 작물재배면적을 공식적으
* 건국대학교 대학원 사회환경시스템공학과
로 추정하였으며, 캐나다 통계국의 협력으로 작물조건평가사업
** 충북대학교 대학원 지역건설공학과 (Corp Condition Assessment Program)을 실시하여, NDVI를
*** 충북대학교 지역건설공학과 교수
이용하여 전년 대비 곡물변화 수치를 제공함으로써 작황 및 가
****건국대학교 사회환경시스템공학과 교수
† Corresponding author Tel.: +82-2-444-0186 뭄판단의 기초자료로 활용하고 이를 바탕으로 수량을 추정하는
Fax: +82-2-444-0186 연구를 진행한 바 있다. Doraiswamy et al. (2007)은 MODIS
E-mail: kimsj@konkuk.ac.kr
2011년 2월 22일 투고 데이터의 NDVI 및 LST를 작황 예측의 매개변수로 사용하는
2011년 5월 6일 심사완료 것을 제안하였으며, Prasad et al. (2007)은 NDVI와 토양수분
2011년 5월 25일 게재확정

75
 KOMPSAT-2 위성영상과 현장 측정자료를 통한 식생지수와 수확량의 상관관계 분석

자료, 지표온도 등의 인자를 고려하여 작황예측식을 제시하였다. 주거지가 고루 분포되어 있으며 북서쪽으로 산악지대가 발달되
이와 같이 국내외 많은 연구자들이 농작물 생산통계 산출에 원 어 있는 전형적인 농업지역이다 (Fig. 1).
격탐사기술을 활용하려고 노력하고 있으나, 아직 정확한 생산량
예측할 수준으로는 발전하지 못하였으며, 실용화를 위한 연구가 2. 고해상도 위성영상자료의 수집
지속적으로 추진되고 있는 실정이다. 농작물 작황관련 분석을 위
KOMPSAT-2는 2006년 7월에 발사되어 운용중인 위성으로,
한 농작물 별 현장자료의 측정, 지역별 토지이용도, 농작물의 주
한반도 정밀관측을 위해 개발되었으며 흑백 (Pan.) 1 m, 컬러
산지 등의 DB구축이 요구된다. 그러나 현재 이에 대한 연구는
(MS.) 4 m의 해상도와 15 km의 폭으로 관측할 수 있는 고해
미진한 상태이며 특히, 고해상도 위성영상과 현장측정자료의 시
상도 카메라가 탑재되었다. KOMPSAT-2 위성영상으로 1 m
계열적 비교분석을 통한 농작물 작황분석기술의 개발은 거의 전
급의 위성영상을 얻을 수 있으며 기존의 중 ․ 저해상도 영상보
무한 상태라 할 수 있다.
다 정밀한 논벼의 필지별 분석이 가능하다.
따라서 본 연구는 KOMPSAT-2의 다중분광 위성영상을 활용
고해상도 위성영상은 전처리 과정 없이 직접적인 기본도와 함
한 정밀농업 주제정보 추출기술 개발을 통하여 접근지역에 대한
께 사용될 수 없다 (Lillesand and Kiefer, 2000). KOMPSAT-2
작황 모니터링 기술을 확보하고 농업환경 및 작황을 분석하고
영상의 배포시, RPC (Rational Polynomial coefficients) 파일을
자 한다. KOMPSAT-2 위성영상의 수집하여 영상의 전처리를
함께 제공하는 경우가 있다. RPC 파일에는 latitude, longitude,
수행하고, 주요 농작물을 선정하여 농작물의 분광복사반사율과
표정요소에 대한 정보가 있다. 이런 RPC파일을 이용하면 외부
엽면적지수를 측정하고 작물의 수확량을 수집하였다. 작황분석
표정을 결정하지 않고도 센서 모델링이 가능하다. 본 연구에서
에 사용되는 식생지수 (Vegetation Indices)는 6개의 식생지수
는 2008년 8월 31일 영상에 대해서는 Image to Image 방법
를 선정하여 분석하였으며, 구축된 자료를 활용하여 주요 농작
으로 정사보정을 실시하였으며, 2008년 11월 18일과 2009년
물에 따른 작황예측 관계식을 도출하였다. 9월 10일 영상에 대해서는 RPC 파일을 이용하여 구축한 2 m

II. 재료 및 방법 Table 1 The acquired satellite images

Date of Acquisition Resolution (m) Level GCPs Processing method
1. 연구대상지역 Pan. 1 m Image to Image
KOMPSAT-2
1G 99 Orthographic
31 August, 2008
연구대상지역의 선정은 전형적인 농촌유역이면서 자료의 축적 MS. 4 m rectification
이 가능하고 지속적인 관리와 정보가 체계적으로 수집 될 수 KOMPSAT-2 Pan. 1 m Orthographic
1G RPC
있는 충북 청원군 옥산면 소로리로 3개의 KOMPSAT-2 영상 18 November, 2008 MS. 4 m rectification

(2008.8.31, 2008.11.18, 2009.09.10)을 수집하여 분석에 사 KOMPSAT-2 Pan. 1 m Orthographic

1G RPC
용하였다. 연구 대상지역은 미호천을 중심으로 여러 밭작물, 논, 10 September, 2009 MS. 4 m rectification

Fig. 1 The study area

76 한국농공학회논문집 제53권 제3호, 2011

 이지완 박근애 조형경 이규호 나상일 박종화 김성준

DEM과 함께 정사보정을 실시하였다. DEM 자료는 1:5,000 수 에 사용한 KOMPSAT-2의 경우 농작물의 생육시기에 대한 시
치지도의 DXF (Drawing eXchange Format) 파일을 이용하였 계열 영상의 확보가 어렵고, 기상현상으로 인한 영상 사용이 불
으며, 지형관련 레이어인 7111 (주곡선), 7114 (계곡선), 7217 가능한 자료가 수집 될 가능성이 높기 때문에 농작물의 생육 시
(표고점), 7311 (삼각점)을 ARC/INFO의 스크립트언어인 AML 기별 분석에 어려움이 있다. 따라서 시계열 자료의 확보를 위해
(ARC/INFO Macro Language)을 적용하여 라인 및 포인트 커 현장조사를 실시하였으며 선정한 6개 작물 (벼, 감자, 고추, 마
버리지로 전환하였다 (Jung and Kim, 2003). Table 1은 수집 늘, 옥수수, 콩)에 대하여 분광반사를 측정하였다. 작물별 성장
한 영상과 영상의 전처리 방법을 나타낸 것이다. 단계에 따른 분광반사 특성변화를 도시하면 Fig. 2와 같다.
예를 들어, 벼에 대한 분광반사 측정은 이앙기부터 분얼기, 유
3. 주요작물의 생육시기별 분광반사 측정 수형성기, 수잉기, 출수기, 수확기까지 생육단계별로 실시하였다.
벼에 대한 엽면적지수 (LAI)는 식생수관 분석장치 (LAI-2000,
고해상도 위성영상의 시공간적 해상도의 한계로 인해 정밀 농 Li-Cor Inc)를 이용하여 간격으로 측정하였다 (Park and Na,
업관련 RS DB 구축 및 정량적 분석에 어려움이 있다. 본 연구 2005). LAI의 측정은 분광반사 측정과 마찬가지로 구름이 없는

(a) Rice (b) Potato

(c) Red Pepper (d) Garlic

(e) Corn (f) Bean

Fig. 2 Spectral reflectance of crops during the growing period

Journal of the Korean Society of Agricultural Engineers, 53(3), 2011. 5 77

 KOMPSAT-2 위성영상과 현장 측정자료를 통한 식생지수와 수확량의 상관관계 분석

날 오전 11시부터 오후 2시 사이에 측정하였다. 그리고 LAI 측 과 활동성, 엽면적지수, 엽록소함량, 엽량 및 광합성 흡수복사
정에 적합한 측정거리는 잎 폭의 4배정도 떨어진 지점에서 측 량 (APAR)등과 관련된 지표로 사용된다. Table 2는 본 연구
정하였다. 에서 선정한 식생지수들을 나타낸 표이다.
벼의 분광반사특성은 작물이 성장함에 따라 최대반사율은 증
가하다가 8월 4일을 기점으로 점차 감소하는 것을 확인할 수 III. 결과 및 고찰
있었다. 마늘과 같이 속이 비고 근조직이 약한 작물의 반사율은
낮은 반면 고추와 같이 잎 조직이 단단하고 잎 표면이 매끄러 1. 현장 분광반사율 측정자료를 이용한 작물별 최적
운 작물의 반사율은 2~3배 정도 높게 나타났다. 또한, 980 nm 식생지수 선정
파장대에서 반사율이 일시적으로 감소하는 특성을 나타내었다.
현장에서 측정한 생육시기별 분광반사율 자료를 이용하여 각
이와 같이, 적색과 근적외선 영역에서 보이는 작물의 반사특성
작물별로 생육기간을 대상으로 한 식생지수 회귀분석을 실시하
차이는 각 작물의 생체량 차이를 나타내는 것으로 두 영역의
였다. 이는 본 연구에서 선정한 6개의 식생지수들 중에서 해당
반사특성을 산술적으로 이용하면 식생지수가 되어 작물의 정보
작물의 생육시기별 식생지수의 시간적 변화를 가장 잘 반영하
를 파악할 수 있게 된다.
는 식생지수를 선정하고자 하는 것이다. Table 3은 6개 작물
에 대한 각 6개의 식생지수를 대상으로 한 2개년간의 회귀식
4. 식생지수 선정
에 대한 결정계수들을 정리한 것이다. 상관성이 높은 식생지수
식생지수는 단위가 없는 복사값으로 식물의 양, 계절적 변화, 는 NDVI와 ARVI로 나타났으며, 특히 NDVI는 6개의 작물 대
식생의 생리적 특성을 나타내는 인자로, 식물의 상대적 분포량 부분과 상관성이 높은 것으로 나타났다. Fig. 3는 2008년 벼에

Table 2 The selected vegetation indices

Vegetation Index Formula References
    
NDVI (Normalised Difference Vegetation Index)    Rouse et al., 1974
∋   
    
GNDVI (Green Normalised Difference Vegetation Index)    Gitelson et al., 1996
    

SAVI (Soil Adjusted Vegetation Index)     

     
       Huete, 1988
  
     
 ×           
MSAVI (Modified Soil Adjusted Vegetation Index)   Qi et al., 1995


ARVI (Atmospherically Resistant Vegetation Index) 

  
   
     Kaufman and Tanrel., 1992
       

RVI (Ratio Vegetation Index)    Birth and Mcvey, 1968


Table 3 The R2 between field measured and KOMPSAT-2 derived vegetation indices for 6 crops
NDVI GNDVI SAVI MSAVI ARVI RVI
Crop
2008 2009 2008 2009 2008 2009 2008 2009 2008 2009 2008 2009
Rice 0.78 0.85 0.71 0.65 0.59 0.68 0.51 0.61 0.75 0.80 0.54 0.60
Potato 0.99 0.90 0.99 0.93 0.90 0.64 0.75 0.75 0.99 0.96 0.93 0.65
Red Pepper 0.97 0.61 0.96 0.37 0.95 0.72 0.01 0.71 0.92 0.59 0.65 0.46
Garlic 0.98 0.86 0.99 0.92 0.86 0.53 0.95 0.77 0.95 0.91 0.88 0.56
Corn 0.95 0.76 0.95 0.86 0.60 0.57 0.18 0.65 0.93 0.86 0.66 0.76
Bean - 0.70 - 0.36 - 0.68 - 0.66 - 0.70 - 0.31
Mean 0.85 0.79 0.70 0.59 0.95 0.63

78 한국농공학회논문집 제53권 제3호, 2011

 이지완 박근애 조형경 이규호 나상일 박종화 김성준

(a) (b)
Fig. 3 The regression analysis of field measured and KOMPSAT-2 rice NDVI (a) and ARVI (b)

(a) (b)
Fig. 4 The field measured and KOMPSAT-2 derived rice NDVI (a) and ARVI (b)

대한 NDVI와 ARVI의 회귀식을 도시한 것이다. Fig. 4는 현장 수집한 2개의 위성영상자료를 사용하여 식생지수와 수확량자료
측정자료와 KOMPSAT-2 위성영상에서 추출한 NDVI와 ARVI 의 관계를 분석하였다. 이는 통계적으로 인정할 만한 기간의 자
를 비교하여 도시한 예이다. KOMPSAT-2에서 추출한 식생지 료는 아니지만, 위성영상과 수확량 자료의 상관관계를 분석할
수가 현장측정자료 보다 낮은 것으로 나타났으나, 작물의 생육 수 있는 방법을 제시하고 작물의 식생성장 모니터링을 위한 위
주기에 따른 식생지수의 경향을 잘 반영하고 있는 것으로 판 성영상자료의 활용성을 확보할 수 있을 것으로 판단된다. 현재
단된다. 로서는 비교할 수 있는 자료의 양이 작기 때문에, 향후 다양한
생육상황 (한해, 냉해 등)에 따른 현장 식생지수와 수확량자료의
2. 식생지수 회귀식을 이용한 작황예측 축적이 이루어진 후에 생육기간 수확량을 예측해야 할 것 으로
판단된다.
본 연구에서는 작물의 생육기간 동안에서의 식생지수가 수확
량과 관계가 있다고 가정하였다. Fig. 4는 6개 작물별로 3개년
V. 결 론
간의 현장 NDVI 및 ARVI를 이용하여 도출한 회귀식들을 도
시한 것이다. 이제 특정 시기에 촬영된 영상자료로부터 추출한 본 연구는 충북 오창지역을 연구대상지역으로 고해상도 위성
NDVI 또는 ARVI 식생지수가 있다면, Fig. 5의 회귀식들 중에 영상과 현장조사자료를 활용하여 주요 농작물에 따른 작황예측
서 가장 근접한 회귀식을 선택하고 이 때의 과거 수확량으로 관계식을 도출하고자 하였다. 고해상도 위성영상은 KOMPSAT-2
부터 작황을 예측하고자 하는 것이다. 에서 촬영한 3개의 영상자료를 이용하였으며, 현장조사자료는
일반적으로 최대 식생지수는 수확기이전에 성숙기와 등숙기에 주요 농작물 별 분광복사반사율과 엽면적지수를 측정하고, 작물
걸쳐 나타나는데 도출한 그래프에서 추출한 최대 식생지수의 일 의 수확량을 수집하여 분석에 사용하였다.
수가 작물의 생육주기를 잘 반영하는 것으로 분석되었다. Table 6개의 식생지수를 선정하여 수집한 영상자료와 현장조사자료
4는 식생지수에 대한 각 작물별 다항관계식, 생육기간중 최대 에 적용하여 회귀분석을 실시하였다. 선정한 6개의 식생지수들
식생지수, 그리고 수확량 자료를 정리하여 나타낸 것이며, Fig. 중에서 해당 작물의 생육시기별 식생지수의 시간적 변화를 가장
6은 작물별 생육기간 중 최대 식생지수와 수확량 자료간의 관 잘 반영하는 식생지수는 NDVI, ARVI 으로 나타났다. 작물별로
계를 살펴 본 것이다. 본 연구는 3개년에 걸쳐 현장측정 자료와 3개년간의 현장 NDVI 및 ARVI를 이용하여 도출한 회귀식들을

Journal of the Korean Society of Agricultural Engineers, 53(3), 2011. 5 79

 KOMPSAT-2 위성영상과 현장 측정자료를 통한 식생지수와 수확량의 상관관계 분석

VI
NDVI ARVI
Crop

Rice

Potato

Red pepper

Garlic

Corn

Bean

Fig. 5 The derived Crop kimsjVI equations from the field measured data

80 한국농공학회논문집 제53권 제3호, 2011

 이지완 박근애 조형경 이규호 나상일 박종화 김성준

Table 4 Summary of crop yield and derived equations with maximum VI for 6 crops
NDVI ARVI 2
Crop Year Yield (kg/m )
Derived Equation Max, NDVI Derived Equation Max, ARVI
2 2
2005 y＝－0.000095x ＋0.039763x－3.26 0.90 y＝－0.000120x ＋0.050873x－4.47 0.91 0.52
2 2
Rice 2006 y＝－0.000091x ＋0.038106x－3.12 0.86 y＝－0.000120x ＋0.050873x－4.58 0.80 0.53
2008 y＝－0.000099x2＋0.041420x－3.39 0.93 y＝－0.000120x2＋0.050873x－4.51 0.87 0.57
2
2008 y＝－0.000113x ＋0.032335x－1.43 0.88 y＝－0.000079x2＋0.024629x－1.18 0.74 2.47
2 2
Potato 2009 y＝－0.000112x ＋0.032015x－1.42 0.87 y＝－0.000079x ＋0.024629x－1.14 0.78 2.90
2 2
2010 y＝－0.000108x ＋0.031055x－1.37 0.85 y＝－0.000079x ＋0.024629x－1.16 0.76 －
2 2
2008 y＝－0.000054x ＋0.020565x－1.04 0.26 y＝－0.000080x ＋0.032793x－2.40 0.95 0.29
Red 2 2
2009 y＝－0.000052x ＋0.019948x－1.01 0.96 y＝－0.000080x ＋0.032793x－2.45 0.90 0.25
Pepper
2
2010 y＝－0.000055x ＋0.021182x－1.08 0.90 y＝－0.000080x2＋0.032793x－2.35 0.99 －
2 2
2008 y＝－0.000082x ＋0.021356x－0.72 0.67 y＝0.000008x －0.003224x＋0.79 0.48 0.69
2 2
Garlic 2009 y＝－0.000091x ＋0.023729x－0.80 0.81 y＝0.000008x －0.003224x＋1.01 0.83 0.71
2 2
2010 y＝－0.000118x ＋0.030971x－1.16 1.24 y＝0.000008x －0.003224x＋0.85 0.75 －
2 2
2008 y＝－0.000056x ＋0.019984x－0.93 0.85 y＝－0.000101x ＋0.033004x－1.96 0.73 0.74
2 2
Corn 2009 y＝－0.000059x ＋0.021036x－0.98 0.89 y＝－0.000101x ＋0.033004x－1.95 0.74 0.70
2 2
2010 y＝－0.000062x ＋0.022088x－1.03 0.94 y＝－0.000101x ＋0.033004x－1.87 0.82 －　
2008 y＝－0.000074x2＋0.030736x－2.25 0.94 y＝－0.000084x2＋0.034273x－2.61 0.86 0.15
2 2
Bean 2009 y＝－0.000070x ＋0.029273x－2.14 0.92 y＝－0.000084x ＋0.034273x－2.64 0.83 0.20
2 2
2010 y＝－0.000065x ＋0.026931x－1.97 0.82 y＝－0.000084x ＋0.034273x－2.70 0.77 －　

(a) NDVI (b) ARVI

Fig. 6 Comparison of crop yield with maximum VI for 6 crops

도시한 것을 이용하여 작물별 생육시기에 대한 2차 포물선 다 REFERENCES

항관계식을 추출하였다. 다항관계식으로부터 추출한 최대 식생
지수 값과 수집한 수확량자료와의 분석을 실시하였다. 향후 영 1. Allen J. D., 1990. A Look at the Remote Sensing
상의 시계열 자료와 현장조사자료, 다년간의 수확량자료가 축적 Applications Program of the National Agricultural
된다면 작황예측관계식의 정확도가 향상될 것으로 판단된다. Statistics Service, Journal of Official Statistics 6(4):
393-409.
2. Doraiswamy, P, C., Akhmedov, B.. Beard, L., Stern,
본 연구는 교육과학기술부에서 시행한 우주개발사업의 세부
A. and Mueller, R. 2007, OPERATIONAL PREDICTION
과제 “정밀 농업 정보추출 및 분석기술 개발(2010K000305)”
OF CROP YIELDS USING MODIS DATA AND PRODUCTS,
사업과제에 의해 수행되었습니다.
International Archives of Photogrammetry, Remote

Journal of the Korean Society of Agricultural Engineers, 53(3), 2011. 5 81

 KOMPSAT-2 위성영상과 현장 측정자료를 통한 식생지수와 수확량의 상관관계 분석
Sensing and Spatial Information Sciences Special
Publications.
3. Gitelson, A., Y. J. Kaufman, and M. N. Merzlyak. 1996.
Use of green channel in remote ng of global vegetation
from EOS-MODIS Remote Sensing of Environment
58: 289-298.
4. Huete, A. R., 1996. A Soil-adjusted Vegetation Index
(SAVI), Remote Sensing of Environment 25: 295-309.
5. Jung I, K. and Kim, S. J., 2003. Comparison of DEM
Preprocessing Method for Efficient Watershed and
Stream Network Extraction. Journal of the Korean
Society of Civil Engineers 23(3D): 393-400 (in Korean).
6. Kaufman, Y. J. and D. Tnare., 1992. Atmospherically
Resistant Vegetation Index (ARVI) for EOS-MODIS,
IEEE Transactions on Geoscience and Remote Sensing
30(2): 261-270.
7. Kim, B. S., 2010. A Pilot Study on Estimating Rice
Acreage with Satellite Images, Korea Rural Economic
Institute (in Korean).
8. Kim, C. S., 2008, A Study on the Remote Sensing
Technology of Agricultural Statistics Survey. KyungPook
National University (in Korean).
9. Lee, M. S., Kim, S. J., Shin, H. S., Park, J. K, Park,
J. H. 2009. Extraction of Agricultural Land Use and
Crop Growth Information using KOMPSAT-3 Resolution
Satellite Image. Korean Journal of Remote Sensing
25(5): 411-421 (in Korean).
82
View publication stats
10. Lillseand, T. M. and Kiefer, R. W., 2000, Remote
sensing and image interpretation 4th ed., Jojn Wiley
and Sons.
11. Park, J. H. and S. I. Na, 2005. Estimating the vegetation
indices for field crops using a spectral reflectance
technique. Journal of Agriculture Science Chungbuk
National University 22(1): 101~105 (in Korean).
12. Prasad, A. K, R. P. Singh, V. Tare, and M. Kafatos,
2007. Use of vegetation index and meteorological
parameters for the prediction of crop yield in India,
International Journal of Remote Sensing 28(23): 5207
-5235.
13. Qi. J., F. Cabot, M. S. Moran and G. Dedieu, 1995,
“Biophysical Parameter Estimations Using Multidirectional
Spectral Measurements”, Remote Sensing of Environment
57: 71-83.
14. Rouse, J. W., R. H. Hass, J. A. Schell, and D. W.
Deering, 1974. Monitoring vegetation systems in the
Great Plains with ERTS, Proceedings. Third Earth
Resources Technology Satellite-1 Symposium, Greenbelt,
NASASP-351, 1974. 301-317.
한국농공학회논문집 제53권 제3호, 2011