Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Net Primary Production Changes over Korea and Climate Factors

위성영상으로 분석한 장기간 남한지역 순 일차생산량 변화: 기후인자의 영향

  • Received : 2011.06.12
  • Accepted : 2011.07.15
  • Published : 2011.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Spatial and temporal variabilities of NPP(Net Primary Production) retrieved from two satellite instruments, AVHRR(Advanced Very High Resolution Radiometer, 1981-2000) and MODIS(MODerate-resolution Imaging Spectroradiometer, 2000-2006), were investigated. The range of mean NPP from A VHRR and MODIS were estimated to be 894-1068 $g{\cdot}C/m^2$/yr and 610-694.90 $g{\cdot}C/m^2$/yr, respectively. The discrepancy of NPP between the two instruments is about 325 $g{\cdot}C/m^2$/yr, and MODIS product is generally closer to the ground measurement than AVHRR despite the limitation in direct comparison such as spatial resolution and vegetation classification. The higher NPP values over South Korea are related to the regions with higher biomass (e.g., mountains) and higher annual temperature. The interannual NPP trends from the two satellite products were computed, and both mean annual trends show continuous NPP increase; 2.14 $g{\cdot}C/m^2$/yr from AVHRR(1981-2000) and 6.08 $g{\cdot}C/m^2$/yr from MODIS (2000-2006) over South Korea. Specifically, the higher increasing trends over the Southwestern region are likely due to the increasing productivity of crop fields from sufficient irrigation and fertilizer use. The retrieved NPP shows a closer relationship between monthly temperature and precipitation, which results in maximum correlation during summer monsoons. The difference in the detection wavelength and model schemes during the retrieval can make a significant difference in the satellite products, and a better accuracy in the meterological and land use data and modeling applications will be necessary to improve the satellite-based NPP data.

본 연구는 AVHRR(Advanced Very High Resolution Radiometer)과 MODIS(MODerate-resolution Imaging Spectroradiometer) 위성관측을 바탕으로 산출된 남한지역의 장기간(1981-2006년) 순 일차생산량(Net Primary Production, NPP)의 시공간적 변화를 분석하고 그 변화에 영향을 미치는 기후요소와의 상관성을 분석하였다. 남한지역의 AVHRR과 MODIS에서는 연간순 열차생산량이 AVHRR의 경우 893-1068 $g{\cdot}C/m^2$ /yr과 MODIS의 경우 610-695 $g{\cdot}C/m^2$/yr로 나타나고 있으며 두 자료는 통계적으로 약 325 $g{\cdot}C/m^2$/yr 의 차이를 보이고 있다. 해상도 등의 차이가 있으나 지상 관측과 비교한 결과 MODIS 센서에 의한 관측이 보다 근접한 결과를 보이는 것으로 나타났다. 위성관측자료 분석결과 NPP 값은 식생의 밀도가 높은 산림지역 및 연평균기온이 높은 지역에서 큰 것으로 나타났다. 두개의 위성센서로 산출된 순 열차생산량은 경년변화가 다소 크지만, 각각 장기간에 걸쳐 서서히 증가하고 있는 것으로 나타났으며 1981-2000년 동안 AVHRR에서 매년 평균 2.14 $g{\cdot}C/m^2$/yr, 2000-2006년 동안 MODIS에서 매년 평균 6.08 $g{\cdot}C/m^2$/yr 만큼 증가하였다. 특히 남서해안 지역은 두 위성관측결과 모두 순 일차생산량의 증가가 상대적으로 높았다. 토지피복 지도와 대조결과 그 이유는 논 밭 등의 관개와 비료시용에 의한 농작물의 생산성 증대와 관계가 있는 것으로 추정된다. NPP값은 월별 강수량 및 평균기온에 밀접한 관계가 있는 것으로 확인되었으며, 특히 남한지역의 여름몬순시기에서 강수량과 기온이 모두 가장 큰 상관관계를 보이고 있다. NPP 절대값의 차이 외에도 두 센서로 산출된 순 일차생산량과 기후요소와의 상관성 등의 차이는 두 자료의 토양호흡 등을 포함하는 등 위성자료 복원과정 및 관련 모텔의 차이에 의해 발생하는 것으로 사료된다. 또한 향후 보다 정확한 순 일차생산량을 계산하기 위해 복원과정에서 기상 실측자료 및 보다 현실적인 토지피복 등을 고려해야 할 것이다.

Keywords

Acknowledgement

Grant : 차세대 핵심환경기술개발사업(Eco-Technopia 21 Project)

Supported by : 환경부

References

  1. 강신규, 2005. MODIS 엽면적지수 및 일차생산성 영상의 구름 영향 오차 분석: 우리나라 몬순기후의 영향, 한국생태학회지 28(4): 215-222.
  2. 강신규, 김영일, 김영진, 2005. MODIS 총일차생산성 산출물의 오차요인 분석: 입력기상자료의 영향, 한국농림기상학회지, 7(2): 171-183.
  3. 국립기상연구소, 2005. 기후변화협약대응 지역기후시나리오 활용기술 개발(I), 국립기상연구소.
  4. 신사철, 백승철, 2008. 정규화식생지수를 이용한 금강유역의 순일차생산량 추정방법의 제안, 한국지반환경공학회지, 9(6): 43-51.
  5. 윤정숙, 강성진, 이규성, 2009. 시계열 MODIS를 이용한 토지피복의 반사율 패턴: 2004년-2008년, 대한원격탐사학회지, 25(2): 113-126. https://doi.org/10.7780/kjrs.2009.25.2.113
  6. 정영상, 방정호, 임양생, 1999. 우리 나라의 순1차생산력 및 벼 수량의 지역성과 변이성, 한국농림기상학회, 1(1): 1-12.
  7. 조덕기, 강용혁, 2010. 국내 태양광시스템 설치를 위한 수평면 전일사량과 운량 정밀조사, 한국태양에너지학회, 30(3): 1-9.
  8. 환경부, 2010. 국가 장기 생태연구, 국립산림과학원.
  9. 황태희, 이도현, 2003. 경기도 광릉숲의 이산화탄소 흡수 효과 추정: 인공위성 영상과 현장 측정 자료를 이용한 생태계 모형 분석, 기후변화 포럼 및 학술대회, 1(15): 169-180.
  10. Angert, A., S. Biraud, C. Bonfils, C. C. Henning, W. Buermann, J. Pinzon, C. J. Tucker, and I. Fung, 2005. Drier summers cancel out the CO2 uptake enhancement induced by warmer springs, Proceedings of the National Academy of Sciences of the United States of America, 102 (31): 10823-10827. https://doi.org/10.1073/pnas.0501647102
  11. Atlas, R. M. and R. Lucchesi, 2000. File specification for GEOS-DAS celled output. Data Assimilation Office, Goddard Space Flight Center, Greenbelt, Maryland, Document No. DAO-1001v4.3.
  12. Baldocchi, D., E. Falge, L. Gu, R. Olson, D. Hollinger, S. Running, P. Anthoni, C. Bernhofer, K. Davis, R. Evans, J. Fuentes, A. Goldstein, G. Katul, B. Law, X. Lee, Y. Malhi, T. Meyers, W. Munger, W. Oechel, U. K. T. Paw, K. Pilegaard, H. P. Schmid, R. Valentini, S. Verma, T. Vesala, K. Wilson, and S. Wofsy, 2001. FLUXNET: A New Tool to Study the Temporal and Spatial Variability of Ecosystem-Scale Carbon Dioxide, Water Vapor and Energy Flux Densities, Bulletin of the American Meteorological Society, 82(11): 2415-2434. https://doi.org/10.1175/1520-0477(2001)082<2415:FANTTS>2.3.CO;2
  13. Goetz, S. J., S. D. Prince, S. N. Goward, M. M. Thawley, J. Small, and A. Johnston, 1999. Mapping net primary production and related biophysical variables with remote sensing: Application to the BOREAS region, Journal of Geophysical Research-Atmospheres, 104(22): 27719-27733. https://doi.org/10.1029/1999JD900269
  14. Goetz, S. J., S. D. Prince, J. Small, A. Gleason, and M. M. Thawley, 2000. Interannual variability of global terrestrial primary production: Results of a model driven with satellite observations, Journal of Geophysical Research, 105: 20077-20091. https://doi.org/10.1029/2000JD900274
  15. Goward, S. N., R. H. Waring, and D. G. Dye, 1994. Ecological remote sensing at OTTER: Macroscale satellite observations, Ecological Society of America, 4(2): 322-343.
  16. Heinsch, F. A., M. Reeves, C. F. Bowker, P. Votava, S. Kang, C. Milesi, M. Zhao, J. Glassy, W. M. Jolly, J. S. Kimball, R. R. Nemani, and S. W. Running, 2003. User's Guide GPP and NPP(MOD17A2/A3) Products NASA MODIS Land Algorithm.
  17. Heinsch, F. A., M. Zhao, S. Running, J. Kimball, R. Nemani, K. Davis, P. Bolstad, B. Cook, A. Desai, D. Ricciuto, B. Law, W. Oechel, H. Kwon, H. Luo, S. Wofsy, A. L. Dunn, J. Munger, D. Baldocchi, L. Xu, D. Hollinger, A. Richardson, P. Stoy, M. Siqueira, R. Monson, S. Burns, and L. Flanagan, 2006. Evaluation of remote sensing based terrestrial productivity from MODIS using regional tower eddy flux network observations, IEEE Transactions on Geoscience and Remote Sensing, 44(7): 1908-1925. https://doi.org/10.1109/TGRS.2005.853936
  18. Hunt, E. R. and Jr. Raymond, 1994. Relationship between woody biomass and PAR conversion efficiency for estimating net primary production from NDVI, International Journal of Remote Sensing, 15(8): 1725-1729. https://doi.org/10.1080/01431169408954203
  19. Monteith, J. L., 1972. Solar radiation and productivity in tropical ecosystems, Journal of Applied Ecology, 9(3): 747-766. https://doi.org/10.2307/2401901
  20. Prince, S. D., S. J. Goetz, K. Czajkowski, R. Dubayah, and S. N. Goward, 1998. Inference of surface and air temperature, atmospheric precipitable water and vapor pressure deficit using AVHRR satellite observations: Validation of algorithms, Journal of Hydrology, 212-213: 230-250. https://doi.org/10.1016/S0022-1694(98)00210-8
  21. Running, S. W. and E. R. Hunt, 1993. Generalization of a forest ecosystem process model for other biomes, Biome-BGC, and an application for global-scale models. In: Scaling Physiological Processes: Leaf to Globe, J. Ehleringer, and C. Field, pp. 141-158, Academic Press, San Diego, 236.
  22. Prince, S. D. and S. N. Goward, 1995. Global Primary Production: a remote sensing approach, Goward Laboratory for global remote sensing studies, Journal of Biogeography, 22: 815-835. https://doi.org/10.2307/2845983
  23. Thornton, P. E., B. E. Law, H. L. Gholz, K. L. Clark, E. Falge, D. S. Ellsworth, A. H. Goldstein, R. K. Monson, D. Hollinger, M. Falk, J. Chen, and J. P. Sparks, 2002. Modeling and measuring the effects of disturbance history and climate on carbon and water budgets in evergreen needleleaf forests, Agricultural and Forest Meteorology, 113:185-222. https://doi.org/10.1016/S0168-1923(02)00108-9
  24. Turner, D. P., S. Urbanski, D. Bremer, S. C. Wofsy, T. Meyers, S. T. Gower, and M. Gregory, 2003. A cross-biome comparison of daily light-use efficiency for gross primary production, Global Change Biology, 9: 383-395. https://doi.org/10.1046/j.1365-2486.2003.00573.x
  25. White, M. A., P. E. Thornton, and S. W. Running, 1997. A continental phenology model for monitoring vegetation responses to interannual climatic variability, Global Biogeochemical Cycles, 11(2): 217-234. https://doi.org/10.1029/97GB00330
  26. Zhang, Y., J., M. Xu, H. Chen, and J. Adams, 2009. Global pattern of NPP to GPP ratio derived from MODIS data: effects of ecosystem type, geographical location and climate, Global Ecology and Biogeography, 18(3): 280-290. https://doi.org/10.1111/j.1466-8238.2008.00442.x
  27. Zhao, M., F. A. Heinsch, R. R. Nemani, and S. V. Running, 2005, Improvements of the MODIS terrestrial gross and net primary production global data set, Remote sensing of Environment, 95(2): 164-176. https://doi.org/10.1016/j.rse.2004.12.011
  28. Zhao, M., S. W. Running, and R. R. Nemani, 2006. Sensitivity of Moderate Resolution Imaging Spectroradiometer (MODIS) terrestrial primary production to the accuracy of meteorological reanalysis, Journal of Geophysical Research, 111, G01002, doi:10.1029/2004JG000004.

Cited by

  1. Prediction of Rice Yield in Korea using Paddy Rice NPP index - Application of MODIS data and CASA Model - vol.29, pp.5, 2013, https://doi.org/10.7780/kjrs.2013.29.5.2
  2. Estimation of forest carbon budget from land cover change in South and North Korea between 1981 and 2010 vol.57, pp.4, 2014, https://doi.org/10.1007/s12374-014-0165-3
  3. Estimating the Changes in Forest Carbon Dynamics of Pinus densiflora and Quercus variabilis Forests in South Korea under the RCP 8.5 Climate Change Scenario vol.17, pp.1, 2015, https://doi.org/10.5532/KJAFM.2015.17.1.35
  4. Quantitative Study of CO2 based on Satellite Image for Carbon Budget on Flux Tower Watersheds vol.57, pp.3, 2015, https://doi.org/10.5389/KSAE.2015.57.3.109
  5. 기후변화에 따른 수도권 산림의 순일차생산량과 토양탄소저장량의 시공간적 변화 추정 vol.21, pp.5, 2011, https://doi.org/10.14249/eia.2012.21.5.757
  6. 산림의 CO2 흡수량 평가를 위한 통계 및 공간자료의 활용성 검토 - 안산시를 대상으로 - vol.27, pp.2, 2011, https://doi.org/10.14249/eia.2018.27.2.124
  7. 장기미집행공원 개발에 따른 도시 식생 탄소 흡수량에 미치는 영향 및 경제적 가치 평가 vol.21, pp.10, 2020, https://doi.org/10.5762/kais.2020.21.10.361
  8. 논벼에서 관측된 태양 유도 엽록소 형광 자료: 나주에서 2020년 6월 10일부터 10월 5일까지 vol.23, pp.1, 2011, https://doi.org/10.5532/kjafm.2021.23.1.82
  9. Discrepancies between Global Forest Net Primary Productivity Estimates Derived from MODIS and Forest Inventory Data and Underlying Factors vol.13, pp.8, 2011, https://doi.org/10.3390/rs13081441