Comparison of Snow Cover Fraction Functions to Estimate Snow Depth of South Korea from MODIS Imagery

김대성; 정형섭; 김정철

추천

검색

자료유형: 학술저널

저자정보: 김대성 (서울시립대학교) 정형섭 (서울시립대학교) 김정철 (국립생태원)

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제33권 제4호

발행연도: 2017.8

수록면: 401 - 410 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Estimation of snow depth using optical image is conducted by using correlation with Snow Cover Fraction (SCF). Various algorithms have been proposed for the estimation of snow cover fraction based on Normalized Difference Snow Index (NDSI). In this study we tested linear, quadratic, and exponential equations for the generation of snow cover fraction maps using data from the Moderate Resolution Imaging Spectroradiometer (MODIS) Aqua satellite in order to evaluate their applicability to the complex terrain of South Korea and to search for improvements to the estimation of snow depth on this landscape. The results were validated by comparison with in-situ snowfall data from weather stations, with Root Mean Square Error (RMSE) calculated as 3.43, 2.37, and 3.99 cm for the linear, quadratic, and exponential approaches, respectively. Although quadratic results showed the best RMSE, this was due to the limitations of the data used in the study; there are few number of in-situ data recorded on the station at the time of image acquisition and even the data is mostly recorded on low snowfall. So, we conclude that linear-based algorithms are better suited for use in South Korea. However, in the case of using the linear equation, the SCF with a negative value can be calculated, so it should be corrected. Since the coefficients of the equation are not optimized for this area, further regression analysis is needed. In addition, if more variables such as Normalized Difference Vegetation Index (NDVI), land cover, etc. are considered, it could be possible that estimation of national-scale snow depth with higher accuracy.

#snow depth #snow cover fraction (SCF) #NDSI (Normalized Difference Snow Index) #MODIS #South Korea

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김대성

소속기관 서울시립대학교

주요연구분야 자연과학 > 기타 자연과학

논문수 5 이용수 43

정형섭

소속기관 서울시립대학교

주요연구분야 공학 > 건축공학 > 토목공학 자연과학 > 지구과학 > 대기과학

논문수 47 이용수 1,900

김정철

소속기관 서울대학교

주요연구분야 자연과학 > 기타 자연과학

논문수 6 이용수 63

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)