에스엘랩 | 위에서 내려다 본 사진
천문대 망원경, 전파망원경, CCD 카메라, 분광기, 우주환경 감시, 천문/과학교육, 과학관/천문대 매니지먼트 천문학 전문회사
우주,과학,교육,천문,망원경,천체,Space,Science,Astronomy,Education,Telescope
18011
page-template-default,page,page-id-18011,page-child,parent-pageid-17444,ajax_fade,page_not_loaded,,qode-theme-ver-17.2,qode-theme-bridge,qode_header_in_grid,wpb-js-composer js-comp-ver-5.5.2,vc_responsive
 

위에서 내려다 본 사진

A view from above

목적

 

학생들은 다중 스펙트럼 인공위성 사진으로부터 초목과 공해 지역에 대한 지표면 특징을 판독하는 방법에 대해 이해하는 통찰력을 가질 수 있다. 학생들은 실제 원격 탐사 인공위성 자료를 분석하는 방법에 대해 직접적인 이해를 할 수 있다. 이런 활동은 특별히 제작된 교육 소프트웨어 패키지(LEO Works)를 통해서 이루어진다. 이 프로그램은 인공위성 자료를 전문적으로 처리하는 방법을 알려준다. 이런 자료들이 지구에 살고 있는 수십억 인구들의 삶에 미치는 중요성에 대해서 학생들은 이해할 수 있게 되며, 이런 분야에서 일하는 것에 대해 흥미를 느낄 수 있게 된다. 마지막으로 학생들은 분석에 필요한 사진과 지도를 만들어 낼 수 있게 된다. 활동이 끝나면 학생들은 자신이 인공위성 자료를 분석할 수 있다는 자신감을 가지게 될 것이다.

 

 

학습 목표

 

  • 학생들은 전문가들이 하는 것처럼 실제 인공위성 자료를 확인하고 분석할 수 있다.
  • 학생들은 자료를 합성하여 유색 사진과 스펙트럼 지표 지도를 만들어 낼 수 있다.
  • 학생들은 스펙트럼 지표 지도를 분석하여 질문에 응답할 수 있고 초목과 공해처럼 서로 다른 지표면의 특징을 구분 할 수 있다.
  • 학생들은 자연재해에 대한 대처방법과 기후 변화와 같은 사건을 다룰 때 인공위성 자료가 왜 중요한가에 대해 토의하고 이에 대한 질문에 응답할 수 있다.

 

 

평가

 

이 활동의 주된 내용은 인공위성 사진의 분석이다. 활동을 통해 인공위성 자료들을 적절히 합성한 사진을 산출물로 얻게 된다. 제공된 자료들을 이용해 지도와 사진을 비교함으로써 활동에 대한 성공여부를 평가할 수 있다. 또한 학생들은 여러 측면에서 인공위성 자료들의 중요성에 대해 이해했는지 질문에 대답할 수 있어야한다. 질문에 대한 대답은 활동이 끝난 후 수업시간에 토의할 수 있다.

 

 

준비물

 

  • 학생들을 위한 활동지(배경지식과 활동 단계가 포함되어 있음)
  • 컴퓨터(사용될 소프트웨어는 OS에 관계없이 설치/사용이 가능함)
  • 소프트웨어 설치 : LEO Works 4.0, http://leoworks.terrasigna.com에서 다운 받을 수 있음.
  • 심화과정 학생들을 위한 확장 버전 : (Landsat 인공위성 자료) Landsat 2002년 1월과 Landsat 2002년 7월.

배경지식

 

원격 탐사

 

‘원격 탐사’라는 용어는 우주 밖에서 지구를 조사하고 분석하는 측정 기술을 지칭하는 말이다. 날씨 자료 분석, 야외 조사 혹은 샘플 수집과 같은 기존의 고전적인 조사 방법과 달리 인공위성 기반 측정법의 중요성은 점차 더 높아지고 있다. 인공위성의 장점은 넓은 지역을 빠르고 정확하게 확보할 수 있다는 것이다. 하지만 인공위성 자료의 분석이 항상 쉬운 것은 아니며 상당한 분석을 필요로 한다.

 

가장 많은 원격 탐사 장치는 기상위성이다. 적절한 센서를 장착한 기상위성은 구름의 범위와 온도 분포, 바람의 속도와 방향, 수위와 적설량 등에 대한 정보를 제공한다. 기후 변화가 점점 더 심화됨을 고려하면 이러한 자료는 기후 모의실험과 대기 구성요소, 초목 감시를 통해 가뭄과 홍수 등 자연재해 대처 방법에 점점 더 중요한 역할을 함을 알 수 있다. 게다가 도시와 육지에 대한 관리 역시 인공위성 자료로부터 도움을 받는다.

 

일찍이 NASA는 1960년에 첫 번째 기상위성을 발사하였다. 1970년대 초, NASA는 Landsat 인공위성을 이용한 지구 관측 프로그램을 시작했다(그림 1). 유럽에서는 프랑스가 SPOT 인공위성들을 가장 먼저 쏘아 올렸다. 1990년대에 유럽 우주 연합(ESA)을 설립한 이후 여러 유럽 국가들이 뒤를 이었다.

 

그림 1: NASA의 Lasdsat 원격 탐사 인공위성의 개요 (NASA, https://www.usgs.gov/media/images/landsatprogram)

 

코페르니쿠스 프로그램

 

1997년 이후부터 미국과 NASA는 지구 관측 시스템(Earth Observation System)이라고 하는 지구 탐사를 위한 대형 프로그램을 개발해오고 있다. 이것은 많은 인공위성들로 이루어져있다. 유럽 역시 전 지구적 환경과 보안 감시(the Global Monitoring for Environment and Security, GMES)라고 하는 동일한 프로그램을 1998년부터 개발하고 있다. 이 프로그램은 2012년에 다시 코페르니쿠스라고 이름이 붙여졌다. 인공위성 자료를 이용해 얻어지는 정보는 대략 다음 다섯 가지 항목으로 분류할 수 있다 : 바다, 육지, 대기의 감시; 긴급 상황 대응; 기후 변화. 정보가 처리된 결과물은 대중들에게 무료로 제공된다. 정보들은 우주 기반 원격 탐사(인공위성 요소)와 공중·지상·해양 조사(기존 요소)를 융합하여 제공된다. 인공위성 요소의 핵심은 코페르니쿠스 프로젝트만을 위해 마련된 Sentinel 인공위성들이다. 이 인공위성들은 다른 국내 및 상업적인 파트너들에 의해 보완되었다. 첫 번째 Sentinel 인공위성(Sentinel 1-A)은 2014년에 발사되었다. Sentinel 2-A와 Sentinel 3-A는 각각 2015년과 2016년 발사되었다.

 

그림 2 : 2015년 6월 23일에 발사된 Sentinel 2-A의 조감도 (ESA/ATG medialab, http://www.esa.int/spacei nimages/Images/2014/07/Sentinel-2_brings_land_into_focus).

 

전자기 스펙트럼

 

가시광선은 인간의 눈으로 보고 분석할 수 있는 복사선이다. 하지만 전자기 복사의 모든 영역(스펙트럼)은 훨씬 더 넓다. 우리 눈으로 볼 수 없는 부분은 천체 망원경과 인공위성에 장착된 특별한 카메라를 이용해서 관측할 수 있다. 그림 3은 여러 종류의 복사에 대한 예시이다.

 

그림 3: 전자기 복사 스펙트럼. 가시광선은 전체 영역에서 아주 작은 부분일 뿐이다.

(유도성 부하, https://commons.wikimedia.org/wiki/File:EM_Spectrum_Propert ies_reflected.svg, “EM Spectrum Properties reflected“, cropped by Markus Nielbock, https://creativecommons.org/licenses/by-sa/3.0/legalcode).

다중 스펙트럼 영상처리

 

지구 관측과 원격 탐사의 중요한 목적 중 한 가지는 사진을 획득하고 분석하는 것이다. 현대 천문학에서 그러하듯이, 여러 가지 스펙트럼 필터로 얻어진 영상은 지구 표면의 구조를 찾아내고 분석할 때 중요한 역할을 한다. 이러한 종류의 자료 획득을 위해 카메라는 지구 표면에 반사되는 태양 빛에 의존한다. 즉, 카메라는 지구 표면의 여러 구조에 의해 반사되는 태양 빛의 일부를 검출한다. 직접적인 태양빛 그 자체와 비교하면 반사되는 빛은 밝기와 스펙트럼 구성 성분이 변한 상태이다.

 

1: Sentinel-2A 인공위성의 MSI 카메라로 본 스펙트럼 밴드 (Sentinel Online, https://sentinels.copernicus.eu/web/sentinel/technical-guides/sentinel-2-msi/msi-instrument)

밴드 중심 파장 (μm) 밴드 폭 (μm) 공간 분해능 (m)
1 0.443 0.021 60
2 0.490 0.066 10
3 0.560 0.036 10
4 0.665 0.031 10
5 0.705 0.015 20
6 0.740 0.015 20
7 0.783 0.020 20
8 0.842 0.106 10
8a 0.865 0.021 20
9 0.945 0.020 60
10 1.380 0.031 60
11 1.610 0.091 20
12 2.190 0.175 20

 

Sentinel-2A 인공위성의 다중 스펙트럼 장비(MSI) 카메라의 스펙트럼 밴드가 표 1에 제시되어 있다. 예를 들어 밴드 2는 0.490μm 파장대에서 0.066μm 대역폭으로 검출한다. 이 밴드에서 관측할 수 있는 가장 작은 구조는 크기가 10m 정도이다. 이러한 밴드들의 파장은 임의로 정하는 것이 아니다. 왜냐하면 지구 대기는 파장에 따라 투명한 정도가 다르기 때문이다(그림 4의 회색부분). 이 영역은 ‘스펙트럼 창’이라고 불린다. 외부 복사가 대기에 의해서 막히는 파장 영역이 생기는 주원인은 수증기 때문이다. 그러므로 카메라를 이용한 관측은 신호가 충분히 투과되는 복사 영역의 파장에서 수행되도록 계획되는 것이 효과적이다. 이 범위는 카메라에 고안된 광학 필터로 나타낸다.

 

그림 4 : Landsat 7과 8 인공위성과 비교한 MSI/Sentinel-2A의 스펙트럼 밴드의 비교.

축은 나노미터(1nm= 10-3μm = 10-9m) 단위의 파장을 나타낸다. 그리고 육지의 대기 수증기량(회색부분)은 확률단위이다 (NASA, https://landsat.gsfc.nasa.gov/sentinel2a-launches-our-compliments-our-complements/).

적절한 광학필터의 설정은 물과 육지의 차이를 알려줄 뿐만 아니라 초목이나 판독할 수 있는 지표면 상태를 알려주기도 한다. 예를 들어 그림 5는 새로운 잔디(초록색 곡선)와 건조한 잔디(갈색 곡선)의 반사 스펙트럼으로 이들 사이의 뚜렷한 차이를 보여준다. 엽록소의 흡수량 차이가 이러한 차이의 주요 원인이다. 특히 건조한 잔디는 거의 일정한 반면 새로운 초록색 잔디의 스펙트럼은 빨간색(밴드 4)과 적외선 범위(밴드 7-9)사이에서 갑자기 값이 튀어 오른다. 밴드의 신호를 제거함으로써 두 상태를 비교할 수 있게 된다.

 

그림 5: MSI/Sentinel-2 밴드(그래프의 가장 윗부분에 나타나는 노란색 곡선)에서 새로운 잔디(초록색 곡선)와 건조한 잔디(갈색 잔디)의 반사 스펙트럼. 밴드 4와 7 사이에서 초록색 잔디 스펙트럼은 높이 튀어 오르는 것을 알 수 있다 (USGS Spectral Viewer, NASA, http://landsat.usgs.gov/tools_viewer.php).

 

인공위성 사진은 가시광선 영역에서 검출되고 지표면에서 반사되는 빛의 밝기나 강도를 나타내는 픽셀 값을 포함한다. 이 값들은 주로 회색 스케일로 표현된다. 이러한 사진들을 추가로 색 합성을 진행하면 유색사진으로 만들 수 있다. 붉은 색, 초록색, 파란색을 나타내는 스펙트럼 밴드 이미지를 선택하면 RGB 영상이 실제와 같은 색을 나타낸다(그림 6, 왼쪽).

 

그림 6: MSI/Sentinel-2A에서 얻은 사진들. 왼쪽: 실제 RGB 색으로 나타낸 Milan시 사진; 오른쪽: 실제와 다른 색으로 나타낸 이탈리아의 Po 강 주변 지역 사진. 붉은색은 초록색 초목 환경에 민감하게 반응하는 근적외선 영역의 결과를 나타낸다.

(코페르니쿠스 자료 2015/ESA, https://directory.eoportal.org/web/eoportal/satellite-missions/c-missions/copernicus-sentinel-2).

스펙트럼 지표

 

서로 다른 가시광선 영역의 자료를 합치게 되면 양질의 방법으로 초목과 상업지역에 대한 많은 정보를 알아낼 수 있다(그림 6, 오른쪽). 하지만 양질의 정보를 얻으려면 좀 더 상세한 분석이 필요하다. 스펙트럼 지표란 서로 다른 파장에서 얻은 자료를 계산한 수를 의미하며 이를 이용해 지표면에서 반사된 여러 파장의 빛에 대한 상대적인 비교를 한다.

 

정규화된 차등 식생 지수 (Normalized Differenced Vegetation Index, NDVI)

 

좋은 상태의 초목을 확인하기 위해서 사용되는 중요한 스펙트럼 지표는 정규화된 차등 식생 지수(Normalized Differenced Vegetation Index, NDVI)이다. 이것은 붉은색(R)과 근적외선(NIR) 스펙트럼 영역에서 측정한 광도를 이용해 계산한 것이다. 앞서 언급한 것과 같이 두 밴드 사이의 전환은 건강한 초목과 다른 상태를 구별하는데 도움을 준다(그림 5). 이것은 다음 식에 의해서 계산된다.

 

NDVI = (NIR – R) / (NIR + R)

 

참고: R: 붉은색 필터(ca. 0.6-0.7 μm)에서 반사된 빛의 광도/밝기, NIR: 근적외선 필터(ca. 0.8-0.9 μm)에서 반사된 빛의 광도/밝기

 

그림 7 : NASA Terra 인공위성의 ‘해상도 이미지 분광 방사계(MODIS)’의 2007년 11월 자료를 기반으로 한 NDVI 세계 지도 (NASA, http://earthobservatory.nasa.gov/IOTD/view.php?id=8622).

 

NDVI는 Sentinel-2 MSI 카메라의 밴드 4번과 8번을 사용해서 측정한다(표 1). NIR과 R의 차이는 –1과 +1 사이 값에서 결정되는 이들의 합에 의해 정규화 된다. 음의 값은 물이 있는 지역을 나타낸다. 0과 0.2 사이의 값은 초목이 거의 없는 지역을 나타내는 반면, +1에 가까운 값은 건강한 초목으로 덮인 영역을 나타낸다.

 

정규화된 차등 습지 지수(Normalized Differenced Moisture Index, NDMI)

 

다른 스펙트럼 지표는 정규화된 차등 습지 지수(Normalized Differenced Moisture Index, NDMI) 혹은 정규화된 차등 물 지수(Normalized Differenced Water Index, NDWI)이다. 이 수치는 습한 초목이나 개방된 습지대에 민감하다. 이는 NDVI를 보충하는 자료이다.

 

NDMI = (NIR – SWIR) / (NIR + SWIR)

 

참고: NIR: 근적외선 필터(ca. 0.8-0.9 μm)에서 반사된 빛의 광도/밝기, SWIR: 단파장 근적외선 필터(ca. 1.5-1.8 μm)에서 반사된 빛의 광도/밝기

 

NDMI는 건조지역과 습지를 구별하는데 도움을 준다.

 

수정한 정규화된 차등 물 지수(Modified Normalized Differenced Water Index, MNDWI)

 

수정한 정규화된 차등 물 지수(Modified Normalized Differenced Water Index, MNDWI)는 NDMI의 고급 버전이라고 생각하면 된다. 이는 개방된 습지를 구별하고 인공적으로 만들어진 건축물, 초원과 농지를 제외하는데 도움이 된다.

 

MNDWI = (G – SWIR) / (G + SWIR)

 

참고: G: 녹색 필터(ca. 0.5-0.6 μm)에서 반사된 빛의 광도/밝기, SWIR: 단파장 근적외선 필터(ca. 1.5-1.8 μm)에서 반사된 빛의 광도/밝기

 

개방된 습지는 NDWI에서 보다 MNDWI에서 높은 양의 값을 나타낸다. 반면 건물, 초목, 밭과 같은 육지 영역은 음의 값을 나타낸다.

 

LEO Works 4.0 소프트웨어

 

ESA는 인공위성 자료 분석의 기본 단계에 대해서 교육하고 학습할 수 있는 교육 도구를 개발했다. 가장 최근 버전인 4.0은 루마니아의 Terrasign에 의해서 개발되었다. Java를 이용하기 때문에 OS에 대한 의존성이 없다. 이번 활동에 이 프로그램을 사용한다.

 

그림 8 : LEO Works 4.0의 시작 화면. 이 소프트웨어는 교육적인 목적으로 인공위성 자료를 다루고 분석하기 위해서 개발되었다. 이것은 http://leoworks.terrasigna.com에서 다운로드 받을 수 있고 다양한 OS에서 작동된다.

전체 활동 설명

 

준비

 

학생들에게 인쇄 혹은 디지털 파일로 활동지를 나눠준다. 활동지에는 배경지식에 대한 정보도 포함되어 있는데 배경지식은 자료를 성공적으로 분석하는데 필요하다.

 

LEO Works 4.0 소프트웨어는 http://leoworks.terrasigna.com에서 설치할 수 있으며 학생들이 자신의 컴퓨터를 이용해서 다운받을 수 있도록 지도한다. 이번 활동을 수행하기 위해서는 이 프로그램이 필요하다.

 

소개

 

학생들에게 지구 관측에 대해서 알고 있는 점을 질문하면서 활동 주제를 소개한다. 우리는 지구를 어떻게 관측하는가? 원격 탐사란 무엇인가? 원격 탐사를 이용해서 어떤 정보를 얻을 수 있으며 어디에 사용되는가? 기상 위성과 관련된 대답이 가장 많이 나올 것이다.

 

학생들에게 구글맵이나 구글 어스에서 볼 수 있는 사진들은 어디에서 얻는 것인지 알고 있느냐고 물어본다. 해당 사진의 출처는 화면의 하단에 명시되어있다. 학생들은 SPOT이나 Landsat과 같은 이름을 찾을 것이다. 학생들에게 이들 인공위성 캠페인 중 하나를 선택하도록 한다. 학생들에게 인공위성의 발사 날짜, 궤도 정보, 제작한 나라에 대해서 조사하도록 한다.

 

직접 해 보기

 

이 활동은 실제로 인공위성 자료 분석을 단계별로 진행한다. 실습 내용에는 학생들의 이해도를 평가하기 위한 질문들뿐만 아니라 인공위성 자료의 관련성을 알아내는 과정도 포함되어 있다. 일부 과제는 심과 단계의 분석을 위해 매우 비슷하면서도 반복적인 과정이 포함된다.

 

LEO Works 4.0을 이용한 인공위성 사진 자료의 분석. 이 활동은 원격 탐사 위성 자료를 처리하고 분석하기 위한 기본 활동이다.

 

설치용 버전에는 실습에 활용할 수 있는 일부 자료들이 이미 포함되어 있다. 자료들은 leoworks.data 폴더에 저장된다. MS Windows를 버전에서는 사용자 안내 자료가 제공된다. 제공되는 자료들 중에서 Venice라고 표시된 것을 사용한다.

 

자료 읽기

 

설치 후 소프트웨어의 실행 첫 화면은 그림 9와 같다. 메뉴에서 첫 번째 아이콘을 클릭하거나 File\Open\Single File Dataset(s)에 들어가서 Venice_Landsat_ETM_multispectral.tif를 실행시키면 작업 창에 선택한 파일이 나타난다(그림 10).

 

그림 9: LEO Works 4.0의 작업 창. 메뉴에는 자료를 표시하고 분석을 진행하기 위해 필요한 도구들이 있다. 읽은 자료와 사진 표시 목록을 제공하는 창이 아래 항목에 있다.

 

그림 10: 파일 선택 창.

 

해당 파일은 이탈리아의 베니스 인근 지역을 NASA의 Landsat 7 인공위성의 “Enhanced Thematic Mapper Plus (ETM+)” 카메라의 7개 영역으로 찍은 7개의 개별 사진 자료이다(표 2). 해당 창이 Specify Subset을 보이면 OK 버튼을 누른다.

 

표 2: Landsat 7 인공위성의 “Enhanced Thematic Mapper Plus (ETM+)” 카메라 (출처: NASA; 색에 대한 세로 단은 학생들에게 제공하지 않는다).

Landsat 7 파장 (Qm) 해상도 (m)
밴드 1 0.450-0.515 30 파랑
밴드 2 0.535-0.605 30 초록
밴드 3 0.630-0.690 30 빨강
밴드 4 0.750-0.900 30 NIR
밴드 5 1.550-1.750 30 SWIR
밴드 6 10.400-12.500 60*(30) Thermal IR
밴드 7 2.090-2.350 30 IR

 

자료는 왼쪽 상단에 있는 창에 자동으로 뜬다. 7개의 사진 목록을 보기 위해서 버튼을 누르면 밴드에 대한 정보가 자세히 나타난다(그림 11). 이들은 밴드_1 ~ 밴드_7로 이름 지어지며 표 2의 스펙트럼 밴드와 대응된다.

 

활동: 2의 밴드 1에서 5까지의 이라는 세로 단을 채운다. 스펙트럼 지표의 소개에서 제공된 정보를 사용한다.

 

그림 11: 읽은 자료의 목록

이미지 표시

 

이미지를 보여주기 위해서 밴드_#이라는 이름을 더블 클릭한다.

 

활동: 밴드 1을 가장 먼저 한다.

 

베니스 시와 인근 지역의 사진을 볼 수 있을 것이다. 여러 종류의 회색조 사진이고 선택한 지역(픽셀)에서 측정된 밝기나 광도와 대응한다. 콘트라스트는 구별하기 어려우며 Interactive Stretching 도구를 이용해서 조절해야한다.

 

활동: 버튼이나 메뉴를 찾는다.

 

마우스 포인터를 사진 위에 놓고 움직이면 서로 다른 버튼을 찾을 수 있다. 이것을 클릭하여 그림 12처럼 새로운 창을 열도록 한다.

 

그림 12: Interactive Stretching을 이용하여 콘트라스트 수준을 조절한 창. 이 창은 두 가지 그래프를 포함하는데 사진의 픽셀 값 분포와 사진을 보여주는 창이 함께 나타난다. 플래그를 움직이면서 값을 조절할 수 있다. 설정은 Apply를 클릭하여 실행한다. 왼쪽: 조절하기 전 분포; 중간: 조절한 후; 오른쪽: 로그 단위로 나타낸 것, 하단 왼쪽의 아이콘을 오른쪽으로 누르면 나타난다.

 

콘트라스트를 위한 눈금 조절은 플래그를 움직이면서 할 수 있다. 작업 창은 로그 단위로 나타내는 자료처럼 추가 도구들을 제공한다.

 

그림 13: 콘트라스트 조절을 조정하기 전(왼쪽)과 후(오른쪽)의 밴드 1의 사진들.

실제 유색사진 만들기

 

콘트라스트 보정을 끝내면 사진 3장을 겹쳐 유색사진을 만들 수 있다. 콘트라스트 조절이 잘못되면 흐릿한 색을 만든다. 실제 사진 느낌을 내기 위해서 파랑, 초록, 빨강에 해당하는 세 가지 밴드를 선택해야한다.

 

활동: 대응하는 밴드를 표 2에서 찾아라. 파장 영역에 알맞은 색을 찾기 위해 인터넷에서 관련 정보를 조사하여라.

 

View\New RGB View를 선택하여라. 새로운 창이 뜬다(그림 14). 빨강, 초록, 파랑에 맞는 밴드를 선택하고 OK 버튼을 클릭한다.

 

그림 14: RGB 사진을 만들기 위해 밴드를 선택하는 창.

 

새로운 유색 사진이 나타난다. 필요하다면 Interactive Stretching을 이용해서 색을 조절할 수 있다.

 

활동:
  • 결과를 점검하고 육지에 있는 것들(건물, , , 초목)을 알아보도록 한다.
  • 공항을 찾아라.

 

그림 15: 인공위성 자료로 만든 베니스의 3색 사진(RGB)

 

 

실제와 다른 유색 사진 만들기

 

지금까지는 인간이 볼 수 있는 자연의 색과 동일한 RGB 사진을 만들었다. RGB 사진은 빨강, 초록, 파랑으로 구성된다. 벌과 뱀처럼 다른 종을 한번 생각해보자. 이런 동물들은 자외선(UV)이나 적외선(IR)과 같이 인간과는 다르게 전자기 스펙트럼의 다른 영역을 본다. 우리는 빨강, 초록, 파랑과는 다른 스펙트럼 밴드를 결합하여 시각 자료를 만들 수 있다. 그 결과 만들어진 색은 우리의 눈으로 볼 수 있는 자연의 색과는 맞지 않지만 이는 흥미로운 세부사항을 보여준다.

 

녹색 식물의 엽록소가 빨간 빛은 흡수하지만 적외선은 반사한다는 지식을 이용한다.

 

활동: 근적외선(ca. 0.8 μm), 빨강(ca. 0.65 μm), 초록(ca. 0.5 μm)을 이용하여 3색 사진을 만든다. 대응하는 밴드는 무엇인가? RGB 사진의 빨간 영역에 적외선 밴드, 녹색 영역에는 빨간 밴드, 파란색 영역에는 초록색 밴드를 대입하여라. 이 사진을 그림 15와 비교해라. 초록색 초목을 어디에서 찾을 수 있는가? 녹색 밭과 녹색 습지(조류)를 구별할 수 있는가? 경작되지 않는 땅은 어떻게 보이는가?

 

그림 16: 초록, 빨강, 적외선 영역의 사진을 결합하여 만든 실제와 다른 유색 사진

NDVI를 이용한 분석

 

배경지식 부분에서 이미 NDVI는 한 색깔을 나타내거나 스펙트럼 지표로 사용된다는 것을 보았다.

 

NDVI = (NIR – R) / (NIR + R)

 

특히, 이 값은 초록색 초목에 민감하게 반응한다. 이 지표는 초목의 온도를 객관적으로 반영하는 숫자를 제공한다. 빨강(R)과 적외선(NIR) 범위에서 녹색 초목의 스펙트럼이 갑자기 커진 것을 기억하여라(그림 5). 모든 사진의 픽셀에서 NDVI를 포함한 새로운 지도를 만들 수 있다. LEO Works는 이 작업에 대한 도구들을 제공한다.

 

활동: NDVI 도구 찾기

 

도구를 활성화시키면 새로운 창이 뜬다(그림 17). 상단의 dataset을 선택한다. 다음 줄은 제작되는 사진의 이름을 적고 자료의 목록에서 어떻게 나타나는지 보여준다. 이름은 이미 제시되어 있다. 아래의 줄에 있는 적절한 밴드를 선택한다.

 

활동: 여기에서 선택된 밴드는 무엇인가? 대답은 NDVI와 표 2에서 관련한 섹션에서 찾을 수 있다.

 

수식은 아래에 적혀있다. 시작 단계에서는 아무런 밴드도 선택되지 않은 변수인 “null”로 나타난다. NIR과 R 범위에 해당하는 밴드를 선택하면 변수는 자동으로 업데이트 된다. NDVI 지도는 OK 버튼을 누르면 만들어진다. 실제와 다른 적절한 색 표현은 자동으로 선택되며 이는 녹색 초목을 구별하는데 도움을 준다. 하지만 색깔 표에 대한 계수는 반드시 조절되어야 한다.

 

그림 17: NDVI 지표를 설정하는 도구 창.

 

색깔 조작 도구를 사용한다. 분포히스토그램의 상단 끝의 최대치 쪽으로 플래그를 움직인다. 첫 번째 초록색 플래그가 0.2 값에 이르도록 플래그를 최소치 쪽으로 이동한다(그림 18). Apply 버튼을 눌러 새로운 설정을 적용한다.

 

그림 18: 색깔 조작 도구 조절 창.

 

결과는 그림 19처럼 나타난다. 노란색과 초록색 영역으로 변하는 넓은 흰색 영역을 볼 수 있다.

 

활동:
  • NDVI 지도를 이전에 제작한 사진들과 비교한다. 초록색과 노란색 영역에 나타나는 초목의 온도에 대해서 어떻게 말할 수 있는가?
  • 만약 사진이 월별 비율을 나타낸다면 계절의 변화를 알 수 있을까? 가뭄 동안에는 어떤 현상이 일어날까?

 

그림 19: Landsat 7 인공위성 자료에 기반한 베니스 인근 지역의 NDVI 지도

 

 

MNDWI를 이용한 분석

 

MNDWI를 이용하여 개방 습지를 확인하기 위해 인공위성 자료를 이용할 것이다.

 

MNDWI = (G – SWIR) / (G + SWIR)

 

특히, 작은 연못과 좁은 강은 자연색으로 나타낸 사진에서는 쉽게 발견되지 않는다. MNDWI는 이론적으로 NDVI 도구를 사용하지만 대응되는 밴드를 선택할 때 혼동이 있을 수 있다. LEO Works는 스펙트럼 밴드와 더불어 모든 종류의 수학 계산이 가능한 도구를 제공한다. 이 과정을 Band arithmetic이라고 한다.

 

활동: 도구 막대나 메뉴에서 도구를 찾고 실행시킨다.

 

NDVI를 계산하기 위한 도구와 유사하게 dataset을 먼저 선택하고 콘트라스트를 조절할 사진의 이름을 선택한다(그림 20, 왼쪽). 새 창을 열기 위해 Edit를 선택한다(그림 20, 오른쪽). 이 창에 스펙트럼 지표를 계산하기 위한 수식을 기입한다.

 

그림 20: 스펙트럼 밴드 사진에서 수학 계산을 할 수 있는 창.

 

활동: MNDWI를 계산하는데 필요한 밴드를 찾아라.

 

이 지표의 수식으로부터 두 스펙트럼 밴드에서 측정한 반사광의 강도 차이를 구분할 수 있다. 이 식에 있는 연산자와 괄호의 위치에 주의하여라.

 

수식을 확인하면 첫 번째 창에 나타나게 된다. 이 과정은 OK 버튼을 누르면 끝난다.

 

그 결과 사진은 회색조의 지표 값으로 나타난다. 지도의 판독력을 높이기 위해 색깔 조작 도구를 이용하여 확실한 값으로 색깔을 바꿀 수 있다. 색깔 표는 그림 21에서 나타낸 것처럼 “Import palette”를 클릭하여 조정할 수 있다.

 

그림 21: 지도의 판독력을 높이기 위해서 사진의 색깔은 조절할 수 있다.

 

활동:
  • cpd 파일을 선택한다. 플래그를 올바르게 조절하여 중간에 위치한 플래그가 0의 값이 되도록 한다. 물을 나타내는 색깔은 무엇인가?
  • MNDWI 지도를 이전에 제작한 사진들과 비교하여라. 자연색으로 표현된 사진에서도 습지를 발견할 수 있는가? 수위를 확인하는 것이 중요하거나 혹은 생명체가 거주할 가능성을 알아내는 상황을 가정할 수 있는가? 수위가 높아지게 되면 그 사진은 어떻게 보이게 될까?
  • 시간이 있다면 NDMI 사진을 제작하여라. 이것을 다른 결과 값과 비교해보도록 하여라.

 

그림 22: Landsat 7 인공위성 자료를 기반으로 한 베니스 인근 지역의 MNDWI 지도.

 

 

심화과정 학생들을 위해서

 

두 개의 추가 dataset은 같은 지역의 2002년 1월과 7월 자료가 제공된다. 앞서 분석한 dataset들은 2001년 8월 자료이다.

 

활동:
  • 두 개의 dataset을 이전 자료들처럼 만든다.
  • 자연스러운 색의 RGB 사진을 제작한다.
  • NDVI 분포에 대한 사진을 제작한다.
  • 한 해 동안 서로 다른 날짜에 얻은 세 가지 dataset의 결과를 비교하여라. 초목의 변화가 어떤가.
  • 결과에 비추어 인공위성 원격 탐사의 장점에 대해서 묘사하고 설명하여라.

커리큘럼

 

국가 등급 주제 평가 기관 세부 항목
UK KS3 지리학 지리학적 기술과 현장 학습. 장소와 자료를 보고, 분석하고, 해석하기 위해 지리 정보 시스템 (Geographical Information Systems, GIS)체계를 이용하여라.
UK GCSE (2016) 지리학 AQA Skills 3.4.5: 지리 정보를 얻고, 이용하고, 전달하고, 해석하고, 분석하고, 평가하기 위해서 주, 부 자료 모두로부터의 양적, 질적인 자료를 이용하여라. 포함: 위성 이미지 – GIS 체계에서 나타난 특정지역의 자료. 사진과 관련한 지도: – 지도와 비교할 수 있다. – 사진: 육지, 항공, 위성사진을 사용하고 해석하라. – 인간과 물리적 풍경(지형, 천연 초목, 토지 이용, 정착)과 사진으로부터의 지리적 현상을 묘사하라.
UK GCSE (2016) 지리학 Edexcel 지도제작 기술 – GIS 체계에 나타난 특정 지역 자료를 묘사하고 해석하라 (예: 환경단체 웹사이트의 상호적인 지도를 사용하여 홍수해를 분석하라.)
UK GCSE (2016) 지리학 OCR A and B 지리적 기술 1.6.

GIS 4.1 체계에 나타난 특정지역 자료를 묘사하고 해석하라.

사진, 만화, 그림, 도표를 포함한 시각적 이미지를 해체하고 이해하고 분석하고 평가하라.

UK GCSE 지리학 WJEC A and B (2016) 지도 제작 기술 3.4.

GIS 체계에 나타난 특정지역 자료를 묘사하고 해석하라.

UK AS/A level 지리학 AQA (2016) 3.5.2.5 ICT 기술 – 원격 탐사된 자료를 사용하라 (Core 기술로 묘사됨). 3.5.1. 양적 자료: 지리적 자료를 선택하고 분석하고 표현하기 위해 사용되는 지리적, 공간적 기술(예, GIS)로 어떻게 자료를 만드는지 이해함.
UK A level 지리학 Edexcel 지리적 기술: 2. 양적 자료 a) 지리적인 자료를 선택하고 분석하고 표현하기 위해 사용되는 지리적, 공간적 기술(예: GIS)로 어떻게 자료를 만드는지 이해하기. b) 전자 지리 자료를 선정하고 배치하는 능력과 그런 자료의 사용과 분석을 성취하는 범위를 이해하기 위한 모사. c) 선형, 로그 스케일, 위성 이미지, GIS 등을 포함하는 지리적 정보를 사용하고 해석하고 분석하기.
UK A level 지리학 OCR 지리적 기술: 조사 도구로서 기술 사용. 예: GIS, 원경탐사 등
UK A level 지리학 WJEC 비수치적 지리적 기술: 5. 풍경 시스템 정의를 위한 지도제작 정보 7. 전자적 지도 배치 자료: 항공사진, 전자 이미지, 위상 이미지, GIS, 위치 기반 시스템(GPS), 데이터 베이스를 포함하는 공간적 기술

 

 

추가 정보

 

  • 다른 지역에 대한 적당한 사진은 the ESA Eduspace image server에서 다운받을 수 있다.: http://www.esa.int/SPECIAL S/Eduspace_EN/SEMLK0F1EHH_0.html
  • 다른 적절한 인공위성 자료: https://earthexplorer.usgs.gov

 

 

결론

 

학생들은 LEO Work 소프트웨어를 사용하여 전문가적 수준과 유사하게 실제 인공위성 자료를 점검하고 분석할 수 있다. 학생들은 자료를 결합하여 유색 사진과 스펙트럼 지표 지도를 만들어 낼 수 있고 그것들을 해석하는 방법에 대해서 배울 수 있다. 학생들은 자연재해 관리나 기후 변화와 같은 현상을 다룰 때 인공위성 자료의 역할을 이해할 수 있다.

 

 

 감사의 글

 

이 활동의 번역을 검토해주신 심현진 교수님과 이정애 박사님에게 감사의 인사를 전합니다.