Ⅰ. 서 론
대기와 지표 토양층을 연결하는 토양층의 수분함량은 지표-대기 수리⋅수문 해석을 위한 중요한 인자이며, 특히 기상예측, 기후변화, 수문 분석, 산림 보전 및 관리, 수자원관리, 농업 생산성, 가뭄, 홍수, 산불 등 다양한 응용분야에서 직간접적으로 영향을 미친다. 우리나라는 국토면적의 약 70%가 산림 경사지역으로 구성되어 있으며, 활엽수, 침엽수 등이 혼재되어 있다. 유역단위에서는 강우, 증발산, 지표유출, 침투 등 다양한 수문현상이 복합적으로 발생하며, 토양층의 수분함량은 가뭄, 홍수 발생 저감 등에 직간접적으로 영향을 미친다.
기후변화로 야기되는 물 관련 재해에 선제적으로 대응하기 위해서는 광역지구를 관측, 평가 및 예측할 수 있는 인공위성 활용 기술 개발이 필요하다. 특히 기상 및 물 관련 재해는 국민안전에 직⋅간접으로 영향을 미치기 때문에 자연재해 발생시 시⋅공간적 변동특성을 실시간 관측 및 예측하여 선제적 대응이 필요하다. 홍수, 가뭄, 산불 등 자연재해는 광역적으로 발생하기 때문에 국⋅내외의 다양한 인공위성(multi-sensor) 기반의 수문 기상인자, 지표특성 등의 수자원변화를 실시간 관측할 수 있는 물 관리 기술 개발이 필요하다.
현재 Advanced Microwave Scanning Radiometer-Earth Observing System-AMSR-E (Njoku et al., 2003), Advanced Microwave Scanning Radiometer 2-AMSR2 (Imoka et al., 2010), Soil Moisture and Ocean Salinity-SMOS (Kerr et al., 2001), Soil Moisture Active and Passive-SMAP (Entekhabi et al., 2010) 등 다양한 인공위성 기반 토양수분 자료가 제공되고 있다. AMSR-E, AMSR2, SMOS, SMAP 등 토양수분 전용위성의 재방문주기는 2~3일 정도로 높은 시간해상도와 비교하여 공간해상도가 10~40 km 정도로 매우 낮기 때문에 산악지형이 많고 지표특성이 복잡한 우리나라에 적용할 경우 불확실성이 증가하게 된다. 국내에서는 원격탐사 기반 중⋅고해상도 Landsat/MODIS (MODerate resolution Imaging Spectroradiometer) 이미지 자료와 토양수분산정모형을 연계하여 시공간적으로 연속적인 일별 토양수분 예측 및 농업가뭄 평가를 수행하였다 (Shin et al. 2016a, b). Shin et al. (2017)은 원격탐사된 SMAP (Soil Moisture Active & Passive) 이미지 자료와 토양수분자료동화기법을 연계하여 격자 해상도의 시공간적으로 연속인 일별 토양수분함량을 산정하였다. 또한 Kim et al. (2017)은 경험식과 MODIS 이미지 자료를 연계하여 지표특성과 토양수분의 관계를 분석하였다. 그러나 현재까지 우리나라의 복잡한 지표특성을 대표할 수 있는 시⋅공간적 해상도 분석에 관한 연구는 미흡한 실정이다.
따라서 본 연구의 목표는 1) 우리나라의 복잡한 지표특성을 대표할 수 있는 인공위성 기반 토양수분의 시⋅공간적 해상도 결정 및 2) 토양수분 실측값 기반 인공위성 토양수분 자료의 불확실성을 평가하였다.
Ⅱ. 재료 및 연구방법
본 연구에서는 우리나라의 복잡한 지표특성을 고려하여 공간해상도를 결정하고 일별 토양수분 공간분포를 관측할 수 있는 인공위성 기반 토양수분 센서를 선정하여 불확실성을 평가하였다. 공간해상도 결정을 위하여 Scott et al. (2003)이 제시한 토양수분회귀공식과 Landsat 이미지 자료를 연계하여 토양수분을 산정하였다. 토양수분회귀공식 기반의 Landsat 토양수분의 공간해상도는 30 m×30 m 이며, 이후 공간해상도를 1~4 km로 변환하였다. 공간해상도가 가장 높은 30 m×30 m를 기준(reference spatial resolution)으로 1~4 km로 공간해상도 변화에 따른 토양수분 공간분포 특성을 비교분석하였다. 또한 재방문 주기가 짧은 SMAP 및 AMSR2 토양수분 관측자료의 불확실성을 분석하였다. Fig. 1은 공간해상도에 따른 지표특성 관측 및 불확실성을 나타낸다.
Fig. 1
Potential uncertainties due to land surface characteristics comprised of various land use and soils at the spatial domain
1. Landsat 기반 토양수분 공간분포 산정
국내 적용가능한 인공위성 기반 토양수분 이미지의 공간해상도를 결정하기 위하여, Landsat 7 (30 m×30 m) 이미지와 Soctt et al. (2003)이 제시한 토양수분회귀공식을 이용하여 토양수분을 산정하였다. Scott et al. (2003)이 제시한 공식<1-3>은 토양의 증발량과 토양수분의 관계를 회귀공식을 도출하여, Landsat 기반 토양 증발량을 토양수분으로 변환한다.
여기서 Rn : 지표 순복사량(net radiation [W m-2]), G0 : 토양의 열 이동 (soil heat flux [W m-2]), H : 대기로의 열 이동(sensible heat flux [W m-2]), λE : 잠열이동(latent heat flux [W m-2]), Λ : 토양의 증발량(soil evaporation) 비율, 
: 토양수분(soil moisture [cm3 cm-3]), 
: 포화 상태의 토양수분(saturated soil moisture [cm3 cm-3]), 및 a,b : 곡선적함계수(curve-fitting parameters)이다. Landsat 기반 토양수분 이미지 자료의 검증을 위하여 농촌진흥청에서 제공하는 TDR (Time Domain Reflectometer) 기반 토양수분 실측값을 이용하였다.
2. 인공위성 기반 시계열 토양수분특성 분석
인공위성 기반 토양수분의 시간해상도는 위성의 동일 관측지점의 재방문주기에 의해 결정된다. 일반적으로 고해상도(공간)로 지표면을 관측하는 위성의 경우 시간해상도(재방문주기)가 낮으며 저해상도(공간)의 토양수분 관측자료를 제공하는 위성은 시간해상도가 높은 특성을 보인다. 현재 SMOS, AMSR-E, AMSR2, SMAP 등 다양한 인공위성 기반 토양수분 이미지가 관측되어 활용되고 있으며, 본 연구에서는 AMSR2 센서의 주파수에 따른 토양수분 관측값을 분석하여 우리나라에 적용가능성을 분석하였다.
AMSR-E는 6개의 주파수로 지구를 관측하며 그중 토양수분 관측에 6.9 GHz (C-band)와 10.7 GHz (X-band)가 사용되었으며, Retrieval Algorithm을 이용하여 토양수분을 생산한다.. 토양수분 Ascending (1:30 PM)과 Desending (1:30 AM) 하루 2회 관측하며, 2011년 10월에 퇴역하였다. 이를 대체하기 위하여 2012년 5월 발사된 GCOM-W1 (Global Change Observation Mission Water, Imoka et al., 2010) 위성에 탑재된 AMSR2 센서가 운영되고 있다. AMSR2는 AMSR-E의 6개 주파수에 7.3GHz (C2-band)를 추가하여 7개의 주파수로 지구를 측정하고 있다. 이는 라디오전파간섭 (Radio Frequency Interferences, RFI)에 의한 데이터 불확실성을 C1-band 및 C2-band와 비교하여 감지하기 위한 것으로 AMSR-E의 단점을 보완하였다. JAXA (Japan Aerospace Exploration Agency)에서는 토양수분 데이터 (50 km)를 제공하고 있으며, NASA (National Aeronautics and Space Administration)에서는 LPRM 알고리즘 기반의 토양수분 데이터 (10~25 km)를 제공하고 있다.
2014년 미국 NASA에서 발사하여 운용중인 SMAP 위성은 전 지구적으로 토양수분의 시⋅공간적 분포를 관측하기 위한 토양수분 전용위성이다. SMAP 위성은 능동(Active)/수동(Passive) 센서를 이용하여 약 3 km/39 km 해상도로 지표면의 토양수분을 관측한다. 또한 3 km 및 39 km 해상도의 토양수분 이미지를 결합하여 약 9 km 해상도의 토양수분 이미지를 2~3일 간격으로 제공하며, 토양의 투과깊이는 약 0-5 cm 정도이다. 그러나 2015년 7월 시험운영중에 능동위성의 오작동으로 인하여 현재 수동(마이크로웨이브)센서 기반 39 km×39 km 공간해상도의 토양수분만 관측하여 제공되고 있다.
Landsat 7은 Landsat 시리즈의 7번째 위성으로 ETM+ (The Enhanced Thematic Mapper Plus)센서를 이용하여 30 m×30 m해상도로 지표면을 관측한다. Landsat 위성은 16일의 시간해상도로 이미지를 제공하고 있으며, 가시, 근적외, 단파적외 등 다양한 주파수로 지표면을 관측한다. Table 1은 본 연구에서 사용한 원격탐사자료의 제원을 나타낸다.
Table 1
The information of AMSR2, SMAP and Landsat7 products
3. 시험 유역 선정
우리나라의 지표특성을 고려하여 시험 지점(test-bed)을 선정하였다. 국내에서는 농촌진흥청 농업기상정보서비스(토양수분관측지점 64개 지점), 유량조사사업단(청미천 및 설마천 지점), 한국수자원공사(용담댐 유역), 경북대학교(전북대학교 부안학술림 및 경북대학교 대구학술림) 등 여러 기관에서 지표 토양수분을 관측하고 있다. 토양층의 토양수분 관측 깊이는 기관별로 상이하며, 개략적으로 지표면으로부터 약 10 cm, 30 cm 및 50 cm 깊이에서 TDR (Time Domain Reflectometry) 실측 센서를 이용하여 관측하고 있다. 본 연구에서는 농촌진흥청에서 관측중인 TDR 실측자료를 수집하여 이용하였다. 농촌진흥청의 관측지점은 우리나라 전체에 비교적 균등하게 분포되어 있으며, 토지이용도가 작물 (crop), 도시 (urban), 산림 (forest) 및 나지 (bare soil)로 구성되어 있다.
공간해상도 결정을 위한 연구유역은 강원도 평창 선자령 (Pyeongchang), 경상남도 거창 (Geochang), 전라남도 김제 (Gimje), 경북대학교 대구학술림 (Daegu), 청미천 (Cheongmicheon)유역 및 용담댐(Yongdam)유역 인근 지역을 선정하였다. 또한 토양수분 전용위성의 시계열 불확실성 평가를 위하여 농촌진흥청에서 관측하고 있는 TDR 관측지점 중에서 산림지역(순창군 구림면, 안동시 송천동, 칠곡군 약목면) 및 평야지역(김제시 부량면, 영암군 덕진면, 구미시 선산읍)을 선정하여 비교⋅분석하였다. Fig. 2는 연구대상지역을 나타낸다.
Ⅲ. 결과 및 고찰
1. 국내 적용가능한 위성 토양수분 센서의 공간적 해상도 분석
Fig. 3(a-c)는 강원도 평창 선자령, 경상남도 거창 및 전라남도 김제 인근의 2017년 4~5월에 관측된 Landsat 이미지를 Scott et al. (2003)이 제시한 토양수분회귀공식을 이용하여 토양수분으로 변환한 토양수분 공간분포를 나타낸다. 강원도 선자령, 경상남도 거창 및 전라남도 김제 대상지역에서 운영되는 토양수분 관측지점의 TDR실측값/Landsat모의값은 0.180/0.184, 0.150/0.130 및 0.320/0.341 cm3 cm-3로 모의값이 실측값과 유사하게 나타났다. 해당지역내의 TDR 관측지점이 1개 지점만 위치하고 있기 때문에 지점 (point-scale)에서 관측된 TDR 실측값과 Landsat 30 m×30 m 해상도의 격자 토양수분 비교시 해상도 불일치로 인한 불확실성이 있을 것으로 판단되었다. Fig. 3(d-f)는 경북대학교 대구학술림, 용담댐유역 및 청미천유역 인근의 2017년 4~5월에 관측된 Landsat 이미지를 토양수분으로 변환한 토양수분 공간분포를 나타낸다. 대구학술림의 경우 2017년 토양수분 실측값이 없기 때문에 검증을 진행하지 못하였으며, 청미천유역 및 설마천유역의 토양수분 실측값은 수문조사연보의 토양수분 실측값을 이용하여 검증을 실시하였다. 청미천유역 및 용담댐유역 대상지역에서 운영되는 토양수분 관측지점의 TDR실측값/Landsat모의값은 0.304/0.300 및 0.320/0.341 cm3 cm-3로 모의값이 실측값과 유사하게 나타났다. 앞서 비교한 대상지역과 마찬가지로 해당지역내의 지점 (point-scale)에서 관측된 TDR 실측값과 Landsat 30 m×30 m 해상도의 격자 토양수분을 비교하였기 때문에 해상도 불일치로 인한 불확실성이 있을 것으로 판단되었다.
Fig. 3
Spatial distribution of Landsat-based soil moisture;(a)Pyeongchang, (b)Geochang, (c)Gimje, (d)Daegu, (e)Yongdam-watershed, (f)Cheonmicheon
Fig. 4는 Landsat(30 m×30 m) 기반 토양수분 이미지 자료의 해상도를 Resample하여 1 km, 2 km, 3 km 및 4 km로 변환한 각 토양수분의 격자수를 비교한 것이다. 1 km 해상도로 변환한 토양수분의 격자수의 경우 30 m 해상도의 토양수분 크기별 격자수 분포와 상당히 유사한 것으로 나타났다. 하지만 2 km 해상도의 토양수분 격자의 경우 일부 지역(평창, 용담댐, 청미천)에서 분절화(토양수분 크기별 격자수 분포)가 발생하였다. 이러한 분절화는 공간해상도가 낮아질수록 증가하였다. 또한 일부 토양수분구간의 격자수가 증가하거나 감소하는 것으로 나타났다. 이는 2~4 km 이상의 저해상도에서 원격탐사된 토양수분 이미지 자료의 불확실성이 증가하여 지표특성을 반영하지 못하는 것으로 판단된다.
Fig. 4
Comparison of uncertainties due to various spatial resolutions of the Landsat-based soil moisture values; (a)Pyeongchang, (b)Geochang, (c)Gimje, (d)Daegu, (e)Yongdam-watershed, (f)Cheonmicheon
Fig. 5는 해상도의 변화에 따른 토양수분 이미지 자료의 최대, 최소, 평균 및 중앙값의 변화를 나타낸다. 고해상도(30 m×30 m)에서 최대값과 최소값의 차이는 약 0.4~0.5 cm3 cm-3 까지 변동폭이 크게 나타났으나, 해상도가 낮아질수록 그 변동폭이 점차 감소하는 것으로 나타났다. 평균값 및 중앙값의 경우 해상도에 따른 변화가 크지 않은 것으로 나타났으나, 1 km 해상도 이상의 경우 해상도에 따른 최대값 및 최소값의 변동폭이 크게 감소하는 경향을 보였다. 특히, 공간해상도가 저해상도(2 km~4 km)로 낮아질수록 토양수분 크기별 격자수의 분포가 30 m×30 m 공간해상도와 비교하여 상이(분절화)한 것으로 나타났다. 따라서 공간해상도에 따른 불확실성을 최소화하기 위해서는, 최소 1 km×1 km 공간해상도의 확보가 필요할 것으로 판단된다.
2. 국내 적용가능한 위성 토양수분 센서의 시간적 해상도 분석
고해상도 토양수분 관측이 가능한 Sentinel, Landsat 등의 재방문주기의 경우, 약 2~3 주 정도로 연속적인 토양수분 관측이 어렵기 때문에 일별 토양수분 자료 확보를 위해서는 재방문주기가 짧은 위성 토양수분 센서 선정이 필요하다. 토양수분 관측 위성인 SMAP 위성(39 km×39 km)의 경우 약 2~3일의 재방문주기로 인하여 연속적인 토양수분 관측이 가능하나, 수도권 일부와 해안가에서 미관측 부분이 발생하였다. 이를 보완하기 위하여 NASA에서 공간해상도 9 km×9 km 해상도의 토양수분자료를 제공하고 있으나, 해안지역 경계부분에서 39 km×39 km 공간해상도에서 발생한 불확실성이 유사하게 발생하는 것으로 나타났다(Fig. 6).
AMSR2 위성은 시간해상도가 1~2일로 다른 인공위성 센서와 비교하여, 상대적으로 균일하고 연속적인 토양수분 관측이 가능하다 (Figs. 7-8). 또한 X-band의 경우 C1-/C2-band와 달리 RFI에 영향을 덜 받는 것으로 나타났다. AMSR2의 경우 하루 2번 지표면의 토양수분을 관측한다. 시간대에 따른 주파수별 관측 토양수분을 비교한 결과 Descending (AM 1:30) 시간대의 경우 C1-/C2-band 기반 토양수분 관측값이 유사한 것으로 나타났으며 (Fig. 7), Ascending (PM 1:30) 시간대의 경우 X-band 기반 토양수분 관측값이 실제 지표특성을 잘 반영하는 것으로 나타났다 (Fig. 8). 이는 Descending 시간대에는 Ascending 시간대에 비해 상대적으로 RFI 오염이 작아서 C1-/C2-band의 토양수분 관측값이 실제 토양수분과 유사한 것으로 판단되며, X-band 기반 토양수분의 경우 밤 보다 낮의 수문순환이 활발한 결과로 판단된다. 하지만 AMSR2 기반 토양수분자료의 동절기 (1~4월 및 11~12월) 토양수분 이미지의 경우, 실제 토양수분과 비교하였을 때 비정상적(60%~100%)으로 높게 나타났다. 이는 동절기에 토양층 수분함량 결빙으로 인하여 발생하는 문제로 판단된다. 따라서 원격탐사자료를 이용한 토양수분 관측에 있어 동절기의 토양수분 관측 자료에 대한 제한적인 사용이 필요할 것으로 판단된다.
Fig. 7
Spatial distribution of ASMR2(10 km×10 km)-based C1-/C2-/X-band(Descending) soil moisture at korean peninsula
Fig. 8
Spatial distribution of ASMR2(10 km×10 km)-based C1-/C2-/X-band(Ascending) soil moisture at korean peninsula
Fig. 9는 2018년 05월 01일부터 2018년 10월 31일까지 AMSR2 C2-band (Descending), X-band (Ascending) 및 합성된 (평균) C2-/X-band 토양수분을 농촌진흥청에서 운영하는 52개 관측지점 중에서 산림지역(순창군 구림면, 안동시 송천동, 칠곡군 약목면) 및 평야지역(김제시 부량면, 영암군 덕진면, 구미시 선산읍)을 대표하는 지점의 실측 TDR 토양수분과의 비교를 나타낸다. 시간해상도에 따른 AMSR2 토양수분 변화 경향이 전체적으로 실측된 TDR 토양수분의 변화 경향과 일치하는 것으로 판단되었다. Descending 시간대의 C2-band 기반 토양수분과 Ascending 시간대의 X-band 기반 토양수분을 동일 날짜에 따라 합성하여 나타내었다. 산정과정에서 동일날짜에 C2-/X-band 기반 관측토양수분이 없는 경우 계산에서 제외하였다. 전체적으로 합성된 토양수분이 C2-/X-band 토양수분과 비교하여 TDR 토양수분에 더욱 근사하는 것으로 나타났다. 비록 일부지점(구미시 선산읍, 안동시 송천동)에서 과소 및 과대 산정되는 것으로 나타났으나, TDR 토양수분과 AMSR2 기반 합성토양수분의 증감 변화는 유사한 것으로 나타났다. 또한 지점별 C2-band 및 X-band 기반 토양수분과 비교하여 합성된 토양수분에서 과대 및 과소평가되는 경향이 감소하는 것으로 나타났다.
3. TDR 실측 토양수분(평야 및 산림 경사지) 기반 위성 토양수분의 불확실성 산정 및 분석
미국 Oklahoma 주의 SMAP-ok, Stillwater 및 ARM-1 지역의 SMAP 및 TDR 기반 토양수분을 시계열로 비교하였다(Fig. 10). 해당지역은 평야지역에 해당하며 TDR 기반의 토양수분은 ISMN(International Soil Moisture Network)에서 이용가능하다. 분석기간은 SMAP위성의 Active 및 Passive 센서가 작동한 2015년 4월 13일부터 7월 7일의 자료를 이용하여 비교 분석을 진행하였다. 분석결과 SMAP-ok 지역을 제외한 나머지 지역의 SMAP과 TDR 기반의 토양수분의 차이가 발생하였다. 이는 지점 (point-scale)을 대표하는 TDR 기반 토양수분과 9 km×9 km 해상도를 대표하는 SMAP 기반의 토양양수분과의 공간해상도에 따른 차이에 의한 것으로 판단된다. 그러나 전체적으로 시계열에 따른 변화특성은 매우 유사하게 나타났다.
Fig. 10
Comparison of the TDR and SMAP soil moisture values at the temporal scale in the Oklahoma regions (USA); (a) SMAP-ok, (b) Stillwater and (c) ARM-1
Fig. 11은 2015년도 용담댐 유역의 TDR 기반 실측 토양수분 및 SMAP 토양수분의 시계열 분포를 나타낸다. 미국 Oklahoma주 지역의 TDR 기반 토양수분과 비교하여, 국내 용담댐을 대상으로 비교 분석한 결과 TDR 기반 실측 토양수분과 비교하여 불확실성이 높은 것으로 나타났다. 국내의 경우 산림⋅경사지역이 우세하여 SMAP 위성 센서에서 관측된 토양수분이 지표특성을 반영하지 못하는 것으로 판단된다. 따라서 국내 산림경사가 우세한 지역의 경우 AMSR-E, AMSR2, SMAP, SMOS 등의 저해상도 위성 기반 토양수분의 불확실성이 높을 것으로 판단된다.
Ⅳ. 결 론
본 연구에서는 Landsat/AMSR2 기반 토양수분 이미지를 이용하여 시간적⋅공간적 해상도 특성을 분석하였다. 시간적 및 공간적 해상도의 결정을 위하여 강원도 평창 선자령, 경상남도 거창, 전라남도 김제, 경북대학교 대구학술림, 청미천유역 및 용담댐유역 인근 지역을 연구대상지역으로 선정하였다. 또한 시간해상도의 결정을 위하여 산림지역(순창군 구림면, 안동시 송천동, 칠곡군 약목면) 및 평야지역(김제시 부량면, 영암군 덕진면, 구미시 선산읍)을 선정하여 시간적 해상도를 분석하였다. 실측 토양수분은 농촌진흥청에서 제공하는 TDR 자료를 이용하였다. 공간적 해상도 분석에는 Landsat 기반의 토양수분 이미지자료 (30 m×30 m)를 1 km, 2 km, 3 km 및 4 km로 Resample하여 토양수분 크기별 격자수 변화를 비교분석하였다. 시간해상도 분석에는 AMSR2 X-band (Ascending), C2-band (Descendig) 및 합성 C2-/X-band 기반 토양수분과 실측 TDR 기반 토양수분을 시계열로 비교하여 불확실성을 평가하였다.
고해상도 Landsat 기반의 토양수분 이미지자료 (30 m×30 m)를 Resample하여 해상도별 토양수분 크기별 격자수를 비교한 결과, 2 km×2 km 이상의 해상도에서 분절화(불확실성)가 발생하는 것으로 나타났다. 또한 1 km~2 km 구간에서 해상도의 토양수분 최대값과 최소값의 차이가 급격하게 감소하는 것으로 나타나, 2 km×2 km 이상의 해상도에서는 복잡한 우리나라 산림지역의 지표특성을 반영하지 못하는 것으로 판단되었다. 따라서 공간해상도에 따른 불확실성을 최소화하기 위해서는 최소 1 km×1 km 공간해상도의 확보가 필요할 것으로 판단된다.
국내 적용가능한 위성 토양수분 센서의 시간해상도는 AMSR2 위성의 경우 1~2일로 판단된다. AMSR2 위성의 경우 비록 시간해상도가 1~2일 간격이지만 공간해상도가 10 km×10 km 정도로 낮기 때문에 공간해상도 측면에서 우리나라 지표특성을 대표하지 못할 것으로 판단된다. 따라서 Landsat, Sentinel 등과 같은 고해상도 토양수분과 연계한 상세화기법 (Downscaling Algorithm)을 적용하여, 1~2일 시간해상도와 함께 상세화된 고해상도 토양수분 자료 생산에 관한 연구가 필요할 것으로 판단된다. AMSR2 기반 위성 토양수분의 경우 겨울철 (1~4월 및 10~12월)의 토양수분이 결빙으로 인하여 60~100% 정도로 매우 높게 나타나기 때문에, 이용에 제약이 있을 것으로 판단된다. 본 연구에서는 지표특성을 대표할 수 있는 시간적 및 공간적 해상도를 분석하였으며, 다양한 분야에 활용될 수 있을 것으로 사료된다.
