GK2A/GK2B 정지궤도 위성 식생지수의 신뢰성 향상을 위한 MODIS 자료 융합 및 검토

Evaluation and Fusion of MODIS Data to Enhance the Reliability of GK2A/GK2B Geostationary Satellite Vegetation Indices

본 연구는 정지궤도 위성의 시간 연속성과 극궤도 위성의 검증된 안정성을 통해 한반도 지역의 식생지수 Normalized Difference Vegetation Index (NDVI)와 Enhanced Vegetation Index (EVI)의 융합 자료 구축을 목표로 하였다. 이를 위해 장기간 검증된 Moderate Resolution Imaging Spectroradiometer (MODIS) 식생지수를 기준으로 하여 정지궤도 위성인 Geostationary Korea Multi-Purpose Satellite-2A (GK2A)와 Geostationary Korea Multi-Purpose Satellite-2B (GK2B)의 시계열 특성을 정량적으로 비교하였다. Triple Collocation (TC) 기법을 적용하여 한반도 지역 내 토지피복 유형별로 참조자료 없이 각 세 위성자료가 갖는 오차 분산(error variance)과 Root Mean Square Error (RMSE)를 추정하여, 상대적 불확실성을 평가하였다. 마지막으로, TC 분석에서 도출된 error variance 기반의 가중치를 산정하였으며, 가중치를 기반으로 각 위성의 장점을 극대화하고 단점을 보완한 고품질 식생지수를 산정하였다. 한반도 지역에서 각 위성 기반 식생자료의 연간 계절적 변동을 잘 나타내는 것으로 확인되었으나, 위성간의 결과 품질 수준에서 뚜렷한 차이가 확인되었다. TC 분석 결과, GK2A가 가장 안정적이었으며, MODIS는 GK2A에 준한 수준으로 나타났으나, GK2B는 과소산정 및 불안정한 계절적 변동성으로 인해 높은 오차를 보였다. Error variance를 활용하여 세 위성자료를 가중치 기반의 융합을 진행한 결과, GK2A의 높은 신뢰도가 반영된 Fused NDVI, Fused EVI는 시공간적 연속성과 정확도가 동시에 향상된 양상을 나타내었다. 본 연구는 참조자료가 부재한 상황에서의 다중 위성 기반 식생지수의 상대적 불확실성 평가 및 오차 기반의 융합 방법론을 체계적으로 제시하였다는 점에서 의의가 있다. 제안된 방법론은 정지 및 극궤도 위성의 상호보완적 활용을 통해 한반도의 식생 변화를 고빈도⋅고밀도로 모니터링할 수 있는 과학적 기반을 제공한다.

This study aimed to implement fused data and enhance the reliability of the Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) over the Korean Peninsula by synergizing the high temporal resolution of geostationary satellites with the proven stability of polar-orbiting satellites. The time-series characteristics of two geostationary satellites, the Geostationary Korea Multi-Purpose Satellite-2A (GK2A) and Geostationary Korea Multi-Purpose Satellite-2B (GK2B), were quantitatively evaluated using a long-term validated Moderate Resolution Imaging Spectroradiometer (MODIS) as the baseline. The triple collocation (TC) method was used to quantify the error variance and root mean square error of each dataset across various land cover types, enabling the assessment of relative uncertainties in the absence of ground reference data. Subsequently, a high-quality fusion framework was developed by applying weights derived from the TC-based error variances, thereby maximizing the strength of each sensor and mitigating its limitations. Although all three datasets captured seasonal variability in vegetation, distinct disparities in quality were observed. TC analysis identified GK2A as the most stable source, comparable to MODIS, whereas GK2B exhibited higher uncertainty, which was attributed to underestimation and unstable seasonal fluctuation. The resulting fused NDVI and EVI synthesized via error-variance weighting demonstrated significant improvements in spatiotemporal continuity and accuracy, reflecting the high fidelity of the GK2A. This study is significant for establishing a systematic methodology to evaluate relative uncertainty and fuse multi-satellite vegetation indices without ground truth. The proposed approach provides a scientific foundation for the high-frequency, high-density monitoring of vegetation dynamics, which is essential for effective environmental assessment and hazard mitigation on the Korean Peninsula.