Sen2Cor 대기보정 프로세서 평가를 위한 항공 초분광영상 기반 Sentinel-2 모의영상 생성 및 TOA와 BOA 반사율 자료와의 비교: 농업지역을 중심으로

조강준,김용일 대한원격탐사학회 2019 大韓遠隔探査學會誌 Vol.35 No.2

Sentinel-2 Multi Spectral Instrument(MSI) launched by the European Space Agency (ESA) offered high spatial resolution optical products, enhanced temporal revisit of five days, and 13 spectral bands in the visible, near infrared and shortwave infrared wavelengths similar to Landsat mission. Landsat satellite imagery has been applied to various previous studies, but Sentinel-2 optical satellite imagery has not been widely used. Currently, for global coverage, Sentinel-2 products are systematically processed and distributed to Level-1C (L1C) products which contain the Top-of-Atmosphere (TOA) reflectance. Furthermore, ESA plans a systematic global production of Level-2A(L2A) product including the atmospheric corrected Bottom-of-Atmosphere (BOA) reflectance considered the aerosol optical thickness and the water vapor content. Therefore, the Sentinel-2 L2A products are expected to enhance the reliability of image quality for overall coverage in the Sentinel-2 mission with enhanced spatial, spectral, and temporal resolution. The purpose of this work is a quantitative comparison Sentinel-2 L2A products and fully simulated image to evaluate the applicability of the Sentinel-2 dataset in cultivated land growing various kinds of crops in Korea. Reference image of Sentinel-2 L2A data was simulated by airborne hyperspectral data acquired from AISA Fenix sensor. The simulation imagery was compared with the reflectance of L1C TOA and that of L2A BOA data. The result of quantitative comparison shows that, for the atmospherically corrected L2A reflectance, the decrease in RMSE and the increase in correlation coefficient were found at the visible band and vegetation indices to be significant. Sentinel-2 위성은 기존 Landsat 시리즈보다 높은 공간해상도, 시간해상도 및 13개의 가시광, Red-edge, 적외, 단파적외 영역을 포함하는 다중분광 영상을 제공하고 있다. 이는 Landsat 시리즈와의 비슷한 파장대역 구성으로 향후 Landsat 시리즈와 융합분석이 가능하다는 이점이 있다. 그 동안 Landsat 위성영상은 국내의 다양한 연구에 적용되고 있으나 Sentinel-2 광학 위성영상은 많은 활용 사례가 보고되지 않았다. Sentinel-2 광학 위성은 기존 Landsat 위성이 제공하는 Top-of-Atmosphere(TOA) 반사율 영상을 Level-1C(L1C)에서 제공하고 있으며, Level-2A(L2A)영상을 통해 Landsat 시리즈보다 한 단계 더 대기보정이 수행된 Bottom-of-Atmosphere(BOA) 반사율 영상을 제공할 예정에 있다. BOA 반사율 영상은 에어로졸 광학 두께(AOT: Aerosol optical thickness)와 대기 중 수증기(WV: Water Vapor) 자료를 Sentinel-2 영상으로부터 얻고 이를 보정하여 TOA 반사율 영상을 BOA 반사율 영상으로 변환을 가능하게 한다. 현재, 유럽 전역지역에서 L2A 자료를 무료로 다운로드 가능하며 이외지역의 경우 L2A 자료의 실시간 제공이 예정되어 있다. 따라서, Sentinel-2 L2A 자료의 활용가능성이 국내에서점점 커질 것으로 기대되는 바이며 농업지역에서 Sentinel-2 L2A 영상이 제공하는 BOA 반사율 자료의 활용가능성을 확인하기 위해 경상남도 합천군에서 촬영된 항공 초분광영상을 활용하여 Sentinel-2 L2A 자료를 모의해보고 정량적인 분석을 통해 모의영상과 실제 촬영된 영상을 비교해보았다. 본 연구에서는 Sentinel-2 L2A 자료와 항공기 기반의 초분광 영상을 통해 모의된 Sentinel-2 영상에 대한 정량적인 비교를 수행하였으며, 가시광 영역대의 밴드와 식생지수에 대하여 참조 영상인 모의영상과 대기보정이 수행된 L2A 자료의 RMSE의 감소 및상관관계의 증가 경향이 뚜렷하게 나타나는 것으로 확인되었다.

평면최단거리를 활용한 Sentinel-1 영상의 중소규모 하천 수체 추출

김수현(Soohyun Kim),김동균(Dong Kyun Kim) 한국방재학회 2022 한국방재학회논문집 Vol.22 No.6

본 연구는 평면최단거리를 활용하여 Sentinel-1으로 중소규모 하천의 수체 추출 방법을 검증하였다. 연구지역으로 한강유역의 한탄강과 중랑천 일부를 선정하였다. Sentinel-1의 수체 추출 방법 검증을 위해 고해상도 광학위성인 PlanetScope를 함께 활용하였다. 수집한 SAR 위성영상자료(Sentinel-1)는 전처리과정 후, 히스토그램 매칭기법을 통해 영상의 밝기 분포를 동일시하였다. 그리고 효율적인 하천추출을 위하여 하천중심선에서의 평면최단거리를 활용한 가중치를 추가하였다. 이 가중치 값과 Sentinel-1의 VH, VV 편광과의 조합을 통해 k-mean 방법으로 최적의 매개변수 값을 얻을 수 있었다. 이는 해상도의 한계에 따라 Sentinel-1에서 최대 정확도의 수체를 추출할 수 있는 값이며, 이 수준에 해당하는 수체 추출을 VV, VH, 평면최단거리의 상관관계에 근거하여 타원방정식으로 계산식을 도출할 수 있다. 그 결과 평균 정확도가 0.45~0.75 사이에서 도출되었고, 평균 Kappa 계수가 0.60~0.85에 근접함을 확인하였다. 본 연구는 평면최단거리 값을 활용하여 참값이 없더라도 수체면적의 추정을 보여준다. 또한, 현존하는 수체 추출 방법보다 간단하고 신속하게 수체를 추출할 수 있음을 증명하였다. In this study, a method for extracting the waterbody of small- to medium-sized streams is verified using SAR (Synthetic Aperture Radar) images based on the shortest plane distance (DST). The areas investigated are the Hantangang River and Jungnangcheon stream. To verify the waterbody extraction method, SAR satellite image data (Sentinel-1) and PlanetScope, which is a high-resolution optical satellite, are used simultaneously. After preprocessing the Sentinel-1 images, their brightness distribution is equalized via histogram matching. To realize an efficient stream extraction, a weight, which is the DST from the stream centerline, is added. After combining this weight value and Sentinel-1's VH and VV polarizations, the optimal parameter value is obtained using the k-means method. This value allows the waterbody to be extracted from Sentinel-1 images with maximum accuracy, depending on the resolution limit. Based on the correlation among the VV, VH, and DST, the waterbody extraction can be calculated using an elliptic equation. Results show that the average accuracy is 0.45-0.75, and the average Kappa coefficient is 0.60-0.85. This study shows that the waterbody area can be estimated using the DST. Additionally, the proposed method extracts the waterbody more simply and rapidly than the existing waterbody extraction method.

평면최단거리를 활용한 Sentinel-1 영상의 중소규모 하천 수체 추출

김수현(Soohyun Kim),김동균(Dong Kyun Kim) 한국방재학회 2022 한국방재학회논문집 Vol.22 No.6

본 연구는 평면최단거리를 활용하여 Sentinel-1으로 중소규모 하천의 수체 추출 방법을 검증하였다. 연구지역으로 한강유역의 한탄강과 중랑천 일부를 선정하였다. Sentinel-1의 수체 추출 방법 검증을 위해 고해상도 광학위성인 PlanetScope를 함께 활용하였다. 수집한 SAR 위성영상자료(Sentinel-1)는 전처리과정 후, 히스토그램 매칭기법을 통해 영상의 밝기 분포를 동일시하였다. 그리고 효율적인 하천추출을 위하여 하천중심선에서의 평면최단거리를 활용한 가중치를 추가하였다. 이 가중치 값과 Sentinel-1의 VH, VV 편광과의 조합을 통해 k-mean 방법으로 최적의 매개변수 값을 얻을 수 있었다. 이는 해상도의 한계에 따라 Sentinel-1에서 최대 정확도의 수체를 추출할 수 있는 값이며, 이 수준에 해당하는 수체 추출을 VV, VH, 평면최단거리의 상관관계에 근거하여 타원방정식으로 계산식을 도출할 수 있다. 그 결과 평균 정확도가 0.45~0.75 사이에서 도출되었고, 평균 Kappa 계수가 0.60~0.85에 근접함을 확인하였다. 본 연구는 평면최단거리 값을 활용하여 참값이 없더라도 수체면적의 추정을 보여준다. 또한, 현존하는 수체 추출 방법보다 간단하고 신속하게 수체를 추출할 수 있음을 증명하였다. In this study, a method for extracting the waterbody of small- to medium-sized streams is verified using SAR (Synthetic Aperture Radar) images based on the shortest plane distance (DST). The areas investigated are the Hantangang River and Jungnangcheon stream. To verify the waterbody extraction method, SAR satellite image data (Sentinel-1) and PlanetScope, which is a high-resolution optical satellite, are used simultaneously. After preprocessing the Sentinel-1 images, their brightness distribution is equalized via histogram matching. To realize an efficient stream extraction, a weight, which is the DST from the stream centerline, is added. After combining this weight value and Sentinel-1's VH and VV polarizations, the optimal parameter value is obtained using the k-means method. This value allows the waterbody to be extracted from Sentinel-1 images with maximum accuracy, depending on the resolution limit. Based on the correlation among the VV, VH, and DST, the waterbody extraction can be calculated using an elliptic equation. Results show that the average accuracy is 0.45-0.75, and the average Kappa coefficient is 0.60-0.85. This study shows that the waterbody area can be estimated using the DST. Additionally, the proposed method extracts the waterbody more simply and rapidly than the existing waterbody extraction method.

랜덤포레스트와 Sentinel-2를 이용한 식생 분류의 입력특성 최적화

이승민 ( Seung-min Lee ),정종철 ( Jong-chul Jeong ) 한국지리정보학회 2020 한국지리정보학회지 Vol.23 No.4

최근 북극은 매년 영구 동토층이 녹아 눈으로 덮인 땅이 드러나고 있어 해당 지역 관리를 위한 공간정보가 필요하다. 한국의 국토지리정보원(NGII)은 극지방의 공간정보를 구축하여 극지공간정보 서비스를 제공하고 있으나, 식생 정보는 제공되지 않고 있으므로 식생 공간정보 구축을 위한 추가적인 연구가 필요하다. 본 연구에서는 북극 스발바르제도의 뉘올레순 지역에 대한 식생 분류를 수행하기 위해 다중 시기의 Sentinel-2 영상을 사용하였다. 전처리 단계에서는 다중 시기 Sentinel-2 영상으로부터 10개 밴드와 6가지 정규 지수식을 생성하였다. 영상 분류는 8개 속성에 대한 토지피복분류를 통해 전체 식생 영역을 추출하는 과정과 전체 식생 영역 내에서 다시 세분류를 수행하는 과정으로 이루어졌다. 영상 분류 알고리즘은 OOB(Out-Of-Bag)를 통해 정확도 평가 및 변수 중요도를 산정할 수 있는 랜덤포레스트를 사용하였다. 전체 정확도는 다시기 영상이 사용되었을 경우와 식생 지수가 추가되었을 경우의 이점을 확인하기 위해 사용된 영상 수에 따라 각각 정확도를 산정하였다. 단일시기의 Sentinel-2 영상은 전체 정확도가 77%였으나, 7개의 다중 시기 Sentinel-2 영상을 기반으로 학습하였을 때, 81%로 향상되었다. 또한, 식생 지수가 추가로 사용된 학습에서 전체 정확도가 약 83%로 향상되었다. 식생 분류 시 변수 중요도는 적색, 녹색, 단파적외선-1 밴드가 가장 높은 변수로 선정되었다. 본 연구는 극지방의 식생에 대한 분류를 수행할 시 입력특성을 최적화하는 기초 연구로 활용될 수 있을 것으로 판단된다. Recently, the Arctic has been exposed to snow-covered land due to melting permafrost every year, and the Korea Geographic Information Institute(NGII) provides polar spatial information service by establishing spatial information of the polar region. However, there is a lack of spatial information on vegetation sensitive to climate change. This research used a multi-temporal Sentinel-2 image to perform land cover classification of the Ny-Ålesund in Arctic Svalbard. In the pre-processing step, 10 bands and 6 vegetation spectral index were generated from multi-temporal Sentinel-2 images. In image-classification step is consisted of extracting the vegetation area through 8-class land cover classification and performing the vegetation species classification. The image classification algorithm used Random Forest to evaluate the accuracy and calculate feature importance through Out-Of-Bag(OOB). To identify the advantages of multi- temporary Sentinel-2 for vegetation classification, the overall accuracy was compared according to the number of images stacked and vegetation spectral index. Overall accuracy was 77% when using single-time Sentinel-2 images, but improved to 81% when using multi-time Sentinel-2 images. In addition, the overall accuracy improved to about 83% in learning when the vegetation index was used additionally. The most important spectral variables to distinguish between vegetation classes are located in the Red, Green, and short wave infrared-1(SWIR1). This research can be used as a basic study that optimizes input characteristics in performing the classification of vegetation in the polar regions.

Landsat 8/9 및 Sentinel-2 A/B를 이용한 울진 산불 피해 탐지: 다양한 지수를 기반으로 다시기 분석

김병철 ( Byeongcheol Kim ),이경일 ( Kyungil Lee ),박선영 ( Seonyoung Park ),임정호 ( Jungho Im ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

본 연구에서는 Landsat 8/9 OLI와 Sentinel-2 MSI 위성 영상을 활용한 다시기 영상 데이터를 이용하여 다양한 분광 지수를 기반으로 국내 산불 피해 면적 탐지 정확도를 분석하였다. 2022년 3월 경상북도 울진에서 발생하였던 산불을 대상으로 Difference Normalized Burn Ratio (dNBR), Relative Difference Normalized Burn Ratio (RdNBR), Burned Area Index (BAI) 등의 지수를 활용하여 산불피해 면적 탐지에 활용하였다. 비교적 높은 공간 해상도를 가진 Sentinel-2 영상을 기반으로 참조 자료를 제작하였다. 총 6개의 지수 산출물을 기반으로 Sentinel-2, Landsat 8/9으로 총 4개 위성에 대해 산불 피해 정확도를 각각 분석하였다. Landsat 8/9과 Sentinel-2는 각각 16일, 10일 주기로 영상을 제공하고 있지만 구름으로 인해 영상 취득에 어려움이 많은 편이며, 우리나라는 4월부터 식생의 생장이 시작되어 봄철 산불 피해 분석 시 산불발생 전후 영상을 활용하는 경우 식생의 생장으로 인한 변화가 커서 정확도 높은 탐지에 어려움이 있다. 따라서, 본 연구는 2월에서 5월까지의 다시기 Landsat 8/9과 Sentinel-2 영상 중 같은 날짜를 기반의 영상을 서로 사용하여 시간해상도의 한계를 극복하고 탐지 정확도가 상대적으로 높은 지수를 비교 분석했다. 본 연구 결과는 한국형 산불피해 탐지 지수/모델 개발을 위한 입력 자료 등으로 활용되어 최적화된 산불 지수를 기반으로 정확도 높은 산불 피해 면적 탐지에 활용될 수 있을 것으로 기대된다. This study evaluates the accuracy in identifying the burned area in South Korea using multitemporal data from Sentinel-2 MSI and Landsat 8/9 OLI. Spectral indices such as the Difference Normalized Burn Ratio (dNBR), Relative Difference Normalized Burn Ratio (RdNBR), and Burned Area Index (BAI) were used to identify the burned area in the March 2022 forest fire in Uljin. Based on the results of six indices, the accuracy to detect the burned area was assessed for four satellites using Sentinel-2 and Landsat 8/9, respectively. Sentinel-2 and Landsat 8/9 produce images every 16 and 10 days, respectively, although it is difficult to acquire clear images due to clouds. Furthermore, using images taken before and after a forest fire to examine the burned area results in a rapid shift because vegetation growth in South Korea began in April, making it difficult to detect. Because Sentinel-2 and Landsat 8/9 images from February to May are based on the same date, this study is able to compare the indices with a relatively high detection accuracy and gets over the temporal resolution limitation. The results of this study are expected to be applied in the development of new indices to detect burned areas and indices that are optimized to detect South Korean forest fires.

Sentinel-1A/B SAR 센서 기반 고해상도 토양수분 산정

김상우,이태화,신용철 한국농공학회 2019 한국농공학회논문집 Vol.61 No.5

In this study, we estimated the spatially-distributed soil moisture at the high resolution (10 m×10 m) using the satellite-based Sentinel-1A/B SAR(Synthetic Aperture Radar) sensor images. The Sentinel-1A/B raw data were pre-processed using the SNAP (Sentinel Application Platform) tool providedfrom ESA (European Space Agency), and then the pre-processed data were converted to the backscatter coefficients. The regression equations werederived based on the relationships between the TDR (Time Domain Reflectometry)-based soil moisture measurements and the converted backscattercoefficients. The TDR measurements from the 51 RDA (Rural Development Administration) monitoring sites were used to derive the regressionequations. Then, the soil moisture values were estimated using the derived regression equations with the input data of Sentinel-1A/B based backscattercoefficients. Overall, the soil moisture estimates showed the linear trends compared to the TDR measurements with the high Pearson’s correlations (morethan 0.7). The Sentinel-1A/B based soil moisture values matched well with the TDR measurements with various land surface conditions (bare soil, crop,forest, and urban), especially for bare soil (R: 0.885∼0.910 and RMSE: 3.162∼4.609). However, the Mandae-ri (forest) and Taean-eup (urban) sitesshowed the negative correlations with the TDR measurements. These uncertainties might be due to limitations of soil surface penetration depths of SARsensors and complicated land surface conditions (artificial constructions near the TDR site) at urban regions. These results may infer that qualities ofSentinel-1A/B based soil moisture products are dependent on land surface conditions. Although uncertainties exist, the Sentinel-1A/B basedhigh-resolution soil moisture products could be useful in various areas (hydrology, agriculture, drought, flood, wild fire, etc.).

토양수분자료동화기법 기반 고해상도 Sentinel-1 SAR 토양수분 산정

신용철 ( Yongchul Shin ),김상우 ( Sangwoo Kim ),이태화 ( Taehwa Lee ),천범석 ( Beomseok Chun ),정영훈 ( Younghun Jung ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-

본 연구에서는 Sentinel-1 A/B SAR 센서 영상과 토양수분자료동화기법을 사용하여 우리나라의 시공간적으로 분포한 토양수분을 산정하였다. Sentinel-1A/B 기반 토양수분은 TDR 기반 실측토양수분과 Sentinel-1A/B 기반 후방산란계수와의 선형회귀분석을 통하여 산정하였다. 산정된 Sentinel-1A/B 기반 토양수분의 검증은 모의토양수분과 TDR 기반 실측 토양수분의 Pearson 상관계수와 RMSE(Root Mean Square Error)을 이용하였다. 토양수분자료동화기법은 토양수분과 유전자알고리즘을 이용하여 토양의 수리학적 매개변수를 추출할 수 있다. 본 연구에서는 토양수분자료동화기법을 이용하여 Sentinel-1A/B 기반 토양수분 영상, ASOS(Automated Synoptic Observing System) 기상 자료 및 TRMM(Tropical Rainfall Measuring Mission)/GPM(Global Precipitation Measurement) 강우 자료로 우리나라 토양의 수리학적 매개변수를 추출하였다. 추출된 토양의 수리학적 매개변수는 SWAP 모형의 입력 자료로 사용되었으며, TRMM/GPM 위성 강우 자료를 이용하여 2001년부터 2018년까지의 장기간 일별 토양수분을 모의하기 위하여 사용되었다. 전체적으로, SWAP 모형으로 산정된 장기간 일별 모의토양수분이 다양한 지표 환경(나지, 농경지, 임지 및 도시)에서 TDR 기반 실측토양수분과 Sentinel-1A/B 기반 토양수분과 유사한 것으로 나타났다. 또한 대체로 강우 변화에 따른 토양수분 공간분포의 변화가 장기간 일별 모의토양수분에 잘 반영되는 것으로 나타났다. 본 연구결과는 홍수, 가뭄, 산불과 같은 물 관련 재해뿐만 아니라 농업, 수문 등 다양한 분야에서 기초자료로 활용될 수 있을 것으로 사료된다.

Sentinel-1A/B SAR 센서를 이용한 고해상도 토양수분 산정

김상우 ( Sangwoo Kim ),이태화 ( Taehwa Lee ),신용철 ( Yongchul Shin ) 한국농공학회 2019 한국농공학회 학술대회초록집 Vol.2019 No.-

토양수분은 토양 공극 내에 존재하는 수분을 말하며 지하수 함량, 작물 생장, 농업 생산성 예측 및 가뭄, 홍수, 산불과 같은 물 관련 재해에 직·간접적으로 영향을 미치는 주요 수문 인자 중 하나로써 지표 내 토양수분 함량 파악은 매우 중요하다. Sentinel-1 SAR(Synthetic Aperture Radar)는 능동형 위성으로 10m의 공간해상도로 제공되기 때문에 기존의 토양수분 전용위성인 SMAP(Soil Moisture Active Passive), SMOS(Soil Moisure and Ocean Salinity) 및 GCOM-W1(Global Change Observation Mission Water) 등과는 다르게 고해상도 토양수분 산정이 가능하다. 그러나 Sentinel-1 SAR 센서에서는 지표 관측 이미지 자료만 제공하며, 토양수분 자료를 직접적으로 제공하지 않는다. 따라서 본 연구에서는 2018년도 Sentinel-1 A/B IW(Interferometric Wide swath) 모드의 VH(Vertical Transmit - Horizontal Receive) 편파 영상과 Sentinel-1 SAR 위성자료 전처리 도구인 SNAP(Sentinel Application Platform)을 이용하여 후방산란계수를 산정하였으며, 산정된 후 방산란계수와 농촌진흥청에서 제공하는 65개 지점의 실측 TDR(Time Domain Reflectrometry) 토양수분의 관계를 이용하여 회귀모형을 도출 및 토양수분 공간분포를 산정하였다. 비록 지표특성에 따른 불확실성은 어느정도 발생 하였으나, 전체적으로 10m × 10m 해상도의 Sentinel-1 SAR 기반 토양수분이 실측 토양수분을 잘 반영하는 것으로 나타났다. 본 연구 결과는 가뭄, 홍수, 산불과 같은 물 관련 재해 및 수문, 농업 등 다양한 분야에 활용될 수 있을 것으로 판단된다.

Sentinel-1 및 UAV 영상을 활용한 김제시 벼 재배 조기 추정

이경도 ( Kyung-do Lee ),김숙경 ( Sook-gyeong Kim ),안호용 ( Ho-yong Ahn ),소규호 ( Kyu-ho So ),나상일 ( Sang-il Na ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.3

쌀 수급 조절 정책의 합리적 수립을 지원하기 위해서는 벼 재배면적의 조기 추정이 필요하다. 본 연구는 국내 벼 주산지인 김제시를 대상으로 Sentinel-1 위성영상을 활용하여 이앙이 마무리되는 7월 초순 벼 재배면적을 조기에 추정하기 위해 최적의 훈련자료 수집을 위한 무인기(UAV) 영상 활용 방안을 제시하고자 수행하였다. 5월부터 7월 초까지 수집한 Sentinel-1 위성영상은 ESA에서 제공하는 SNAP(SeNtinel application platform, Version 8.0)프로그램으로 전처리하고 팜맵을 활용하여 농경지만을 추출하였다. 벼 재배지 중심 지역과 벼·콩혼재지 무인기 영상 촬영 영역을 혼합하여 훈련자료로 선정하여 김제시 전체 벼 재배지를 추정한 결과, 정확도와 카파 계수는 각각 89.9%, 0.774로 가장 좋은 결과를 보였는데, 이는 김제시 전역을 대상으로 무작위 표본조사를 수행하여 분류한 결과와 비교 시 전체 정확도 1% 내외, 카파 계수 0.02~0.04 범위에서 차이를 보여 벼 재배지 조기 추정을 위한 무인기 영상 활용 가능성을 확인할 수 있었다. Rice production with adequate level of area is important for decision making of rice supply and demand policy. It is essential to grasp rice cultivation areas in advance for estimating rice production of the year. This study was carried out to classify paddy rice cultivation in Gimje-si using sentinel-1 SAR (synthetic aperture radar) and UAV imagery in early July. Time-series Sentinel-1A and 1B images acquired from early May to early July were processed to convert into sigma naught (dB) images using SNAP (SeNtinel application platform, Version 8.0) toolbox provided by European Space Agency. Farm map and parcel map, which are spatial data of vector polygon, were used to stratify paddy field population for classifying rice paddy cultivation. To distinguish paddy rice from other crops grown in the paddy fields, we used the decision tree method using threshold levels and random forest model. Random forest model, trained by mainly rice cultivation area and rice and soybean cultivation area in UAV image area, showed the best performance as overall accuracy 89.9%, Kappa coefficient 0.774. Through this, we were able to confirm the possibility of early estimation of rice cultivation area in Gimje-si using UAV image.

결장직장암에서 체외 감시림프절의 의의

김형진,이인규,이윤석,강원경,안창혁,오승택 대한대장항문학회 2008 Annals of Coloproctolgy Vol.24 No.1

The presence of lymph-node metastases is one of the most important prognostic factors for patients with a colorectal carcinoma. The sentinel lymph node is the first lymph node that receives afferent lymphatic drainage from a primary tumor, and thus has the highest risk of harboring metastatic disease. Methods: Twenty- eight patients with an adenocarcinoma of the colon or the rectum were investigated. After resection of the specimen in standard oncologic fashion, the specimen was dissected longitudinally along the antimesenteric border, and methylene blue was injected around the tumor submucosally. After 5 minutes, the mesentery was meticulously examined, and blue-stained lymphatics and lymph nodes were carefully dissected and harvested. Results: Sentinel lymph nodes were identified in all cases. The average number of sentinel nodes identified was 3 (range, 1∼6), and the average number of lymph nodes retrieved was 20.8 (range, 6∼42). Of the fifteen patients (53.6%) identified to be positive for lymph-node metastasis 10 showed nonsentinel nodal metastasis without sentinel nodal involvement. No additional isolated tumor cells were found by immunohistochemical staining in 13 patients who had no lymph-node metastasis on conventional pathologic examination. Conclusions: In colorectal cancer, the sentinel-lymph-node sampling method is easy and can be performed for the purpose of finding lymph nodes easily. However, applying the sentinel-lymph-node sampling method for the purpose of minimizing lymph node dissection, as in breast cancer, is not recommended because of the high probability of missing metastasis.