4.1. 정사영상과 낱장사진 비교
드론을 활용하여 영상을 취득하는 방법은 크게 정사영상과 낱장사진 등으로 구 분할 수 있으며, 각각 장단점이 상이하다. 정사영상 제작 방법은 영상 합성을 위해 다수의 낱장사진을 획득해야 하며 전처리를 위한 전산 자원의 소요가 크다. 또한 통상적으로 고고도(150~300m 내외) 촬영을 하기 때문에 높은 해상도의 영상을 얻기 어렵다. 구획별로 1~2장의 영상을 촬영하므로 적은 비용으로 신속하게 조사 결과를 산출할 수 있다는 장점이 있다. 반면 촬영지역을 설정하는 등 조사 업무 수 행 시 팜맵과 같이 다른 공간정보에 의존해야만 한다는 제약이 있다.
<표 3-2> 드론을 활용한 낱장사진과 정사영상의 조사 방법 비교
구분 정사영상 낱장사진
개요 ○ 다수의 낱장사진 촬영 후 정합 ○ 팜맵 활용 필지별 중심점 기준 1장 촬영 촬영방식 ○ 주로 고고도(150~300m 내외) 촬영
※ 주로 고정익 활용
○ 저고도(50m 내외) 촬영 ※ 회전익 활용
GSD ○ 5~10cm 수준 ○ 1~5cm 수준
작물 식별 ○ 영상 활용 분석, 식별 불가 시 일부 현장 방문 ○ 영상 활용 판독 중심 쟁점 ○ 정사영상 신규 제작의 필요성 ○ 동일 필지 내 혼작 식별
장점
○ 합성영상 제작을 통해 기준 면적의 신뢰도 높음
○ 작물 재배면적, 재식밀도뿐 아니라 작황 분석 (전용 센서 탑재 시), 팜맵 갱신, 농식품 사업 점 검 등 다양한 농경지 및 농촌의 공간정보 기본 도로 활용 가능
○ 저고도 촬영을 통한 1cm 내외 고해상도 영상 확보 가능, 육안판독을 통한 작물 식별에 유리
○ 필지당 1~2장의 소수 영상을 촬영하므로 비용 과 시간 등 자원 소요 측면에서 경제적
단점
○ 영상 합성을 위한 중복 촬영을 위해 촬영 사진 수가 많고 전처리를 위한 전산 자원 소요가 큼
○ 10cm 내외 낮은 해상도로 인해 작물 식별에 한계 존재
○ 재배면적 정확도는 팜맵 등 기본맵의 자료 정확 도에 따라 영향을 받음.
○ 낮은 고도에서 촬영 시 촬영 면적이 좁아 경작 지 전체 영상을 확보하기 어려운 경우 발생
○ 농업생산조사 외 분야에 활용도가 낮음 자료: 저자 작성.
작물 식별을 위한 영상 취득 측면에서는 낱장사진이 효율적인 측면이 있으나, 혼작 식별이 어렵다는 단점이 있어 촬영방식 선정을 위해서는 종합적 고려가 필요
하다. 낱장사진은 상대적으로 저렴한 비용으로 고해상도의 작물 영상을 취득할 수 있으며, 조사·분석이 비교적 신속하다는 장점이 있지만, 혼작 여부를 식별하기 어렵고, 이미 구축된 GIS 정보와 연계하는 것이 간단치 않다는 단점이 있다.
정사영상은 독립적으로 작물 재배현황과 면적을 분석할 수 있고, GIS 정보와 연계가 용이하다는 장점이 있지만, 상대적으로 많은 비용이 소요되고, 영상 제작 을 위해 수일의 시간이 소요되며, 영상의 용량이 커 전산 자원을 많이 필요로 한다 는 단점이 있다. 요약하면, 정사영상은 최근의 작물 재배현황을 한눈에 파악할 수 있는 영상이 필요할 때 적합한 방식이고, 낱장사진은 고해상도의 영상을 취득할 때 적합한 방식이다.
4.2. 활용되는 기기 특성
고정익드론은 비행기와 같이 날개가 있는 드론이고, 회전익드론은 헬리콥터와 같은 프로펠러가 여러 개 달린 드론이다. 고정익드론은 날개가 있어 양력을 받을 수 있기 때문에 비행 시 배터리 소비량이 상대적으로 적어 오랜 시간 비행할 수 있 다. 일반적으로 완전히 충전된 배터리를 장착하면 1시간 내외를 비행할 수 있는 것으로 알려져 있다. 사전에 프로그램된 경로를 따라 이동하게 되며, 수작업으로 비행경로를 조정하는 것은 용이하지 않다. 일정한 고도에서 연속 사진 촬영할 때 주로 활용되며, 기체의 고도를 조정하여 서로 다른 해상도의 영상을 촬영하는 것 은 어렵다. 높은 위치에서 장시간 비행할 수 있기 때문에 넓은 면적을 짧은 시간 내 에 촬영할 때 장점이 있다. 고정익드론은 비행 고도도 상대적으로 높고 비행 중에 사진을 촬영해야 하기 때문에 정지에서 촬영하는 것에 비해 영상의 해상도가 상대 적으로 낮다. 즉, 작은 GSD 영상을 촬영하는 것이 어렵다. 높은 고도에서 비행하 기 때문에 바람, 안개 등 기상 여건에 상대적으로 큰 영향을 받는다.
회전익드론은 상대적으로 낮은 고도에서 정지한 상태에서 촬영할 수 있어, 높 은 해상도의 영상을 얻는 데 적합하다. 업무용 고정익드론은 대부분 모델이 경로
62 |
비행이 가능하여, 사전에 비행경로를 입력하여 자동으로 비행시킬 수 있다. 비행 속도가 느려 수작업으로 비행경로를 조정하는 것도 비교적 용이하다. 프로펠러의 동력만으로 비행하기 때문에 배터리 소모량이 상대적으로 많아, 완전히 충전한 배터리를 장착한 경우 일반적으로 20분 내외를 비행할 수 있다. 회전익드론은 상 대적으로 좁은 지역에서 고해상도 영상을 얻을 때 장점이 있으며, 특정 지점에서 고도를 바꾸면서 상이한 해상도의 영상을 얻을 수 있다.
비행장, 군부대 인근 지역을 촬영하는 경우 고정익드론에 대한 제약이 상대적 으로 크다. 높은 고도로 비행하기 때문에 촬영 제한 지역이 노출될 가능성이 커 비 행 허가 요청 시 상대적으로 심사 절차가 엄격하다. 회전익드론은 비행 고도를 낮 게 제한하면 비행제한구역 내에서도 비교적 허가를 받기 용이하지만, 비행 허가 는 공항의 재량에 달려 있어 허가받지 못할 수도 있다. 회전익드론은 비행 고도가 낮아 대인·대물 충돌 등 안전 문제가 발생할 가능성이 비교적 높다.
4.3. 작물 식별 방법
작물을 식별하는 방법은 영상을 보고 식별하는 방법과 현장 조사를 통해 식별 하는 방법이 있다. 드론 활용 여부를 막론하고 대부분의 조사에서 작물 식별은 현 장 조사를 통해서 이루어진다. 드론 조사에서도 영상으로 작물을 식별하기 곤란 한 경우에는 현장 방문이 불가피하다. 해상도가 낮은 정사영상을 활용하는 경우 에는 배추, 양배추 등 영상으로 작물의 외형을 명확하게 파악할 수 있는 작물을 제 외한 대부분의 작물은 현장 방문 조사를 통한 식별이 불가피하다. 해상도 높은 영 상을 활용하는 경우에도 마늘·양파·대파 등 형태가 유사한 작물은 방문 조사를 통 해 식별해야 하는 경우가 있을 수 있다.
영상으로 작물을 식별하는 방법은 전문가가 육안으로 식별하는 방법과 인공지 능을 활용하는 방법이 있을 수 있다. 현재로서는 작물 식별을 위한 인공지능 모형 이 개발되어 있지 않아 전문가가 육안으로 식별할 수밖에 없다. 실물영상(RGB 영
상)이 아닌 근적외선 영상, 초분광 영상 등을 통한 작물 식별에 대한 논의가 있으 나 업무에 적용할 수 있는 정도로 연구·개발된 성과물은 알려진 바 없다. 여러 가 지 작물을 각각 식별할 수 있는 인공지능 모형이나 방법론이 개발되기 전까지는 전문가의 육안이 영상을 식별할 수 있는 유일한 방법이라고 생각된다.
영상으로 작물을 식별할 수 있는 전문가를 확보하는 것도 쉽지 않다. 현장에서 다양한 작물을 식별해본 경험이 있는 인력이 많지 않으며, 그와 같은 인력을 양성 하는 교육 기관도 존재하지 않는다. 현재로서는 농업기술 관련 기관(농촌진흥청, 도농업기술원, 시군농업기술센터 등)의 연구·지도 인력들이 해당 분야의 전문성 을 보유하고 있다고 볼 수 있다.
작물을 식별할 수 있는 적정 품질의 영상이 대량 확보되어야, 작물 식별을 위한 인공지능 모형을 구축할 수 있다. 작물을 식별할 수 있는 인공지능 모형을 구축하 기 위해서는 기계학습을 시킬 수 있는 작물 사진이 다량 확보되어야 한다. 드론으 로 촬영한 작물 영상을 식별하는 인공지능을 개발하기 위해서는 드론으로 촬영한 작물 사진을 확보하는 것이 필요하다. 기계학습에 투입할 수 있는 작물 영상이 충 분히 확보된다면, 추후 인공지능을 활용하여 작물을 식별하는 것도 가능할 것이다.
4.4. 재배면적 파악
ArcView GIS, QGIS 등 GIS 소프트웨어는 정사영상을 불러들여 다른 지도 위 에 중첩시키는 기능을 기본적으로 제공한다. GIS 소프트웨어는 국토지리정보원 에 제공하는 국토 기본 지도를 불러들일 수 있고, 그 위에 정사영상을 중첩시키는 기능을 제공한다. GIS 소프트웨어는 정사영상에 포함된 좌표체계와 위칫값을 이 용하여 면적, 위치 등의 공간정보를 파악할 수 있는 영상으로 전환할 수 있다. 정사 영상을 GIS 소프트웨어에서 불러들이고 이를 다른 지도와 중첩시키면 농지가 위 치한 위·경도, 행정구역 등의 정보를 파악할 수 있으며, 특정 구획의 면적도 용이 하게 산출할 수 있다.
64 |
낱장사진에는 해당 사진이 촬영된 위치정보는 포함되어 있으나 그 자체로는 정 확한 면적을 파악할 수 없다. 낱장사진은 상용 GIS 소프트웨어로 불러들일 수 없 고, 지역·면적 등을 산출할 수도 없다. 농지와 관련해서는 팜맵이 공개되어 있으므 로 낱장사진과 팜맵을 연계하면 팜맵의 정보를 활용할 수 있다. 낱장사진으로 작 물을 식별하면, 해당 낱장사진이 찍힌 팜맵 구획을 연계하고, 팜맵에서 제공하는 면적 정보를 연계하여 해당 작물의 재배면적을 산출할 수 있다. 팜맵은 농지에 대 한 기본적인 공간정보일 뿐이므로 낱장사진과 팜맵을 연계하기 위해서는 별도의 소프트웨어가 개발되어야 한다. 바꾸어 말하면, 팜맵과 낱장사진을 연계하는 별 도의 소프트웨어가 구축되어 있지 않다면, 낱장사진을 활용하여 재배면적을 산출 할 수 없다.
만일 팜맵과 낱장사진을 연계하는 소프트웨어가 없다면, 드론을 활용하여 농업 생산조사를 하는 방법은 정사영상을 활용할 수밖에 없다. 드론을 활용한 조사를 도입한 초기에 정사영상에 기반하여 조사가 이루어진 것은 이 같은 현실을 반영한 것이다. 낱장사진과 팜맵을 연계하는 소프트웨어가 개발되고 누구나 활용할 수 있게 되어야 낱장사진을 활용한 드론 조사가 확대될 수 있을 것이다.
4.5. 지적과 팜맵
지적은 농지의 소유관계 측면에서, 팜맵은 실경작 여부 측면에서 유의미한 정 보를 담고 있다. 지적은 국토교통부에서 제공하는 연속지적도를 공공데이터포 털18)에서 받을 수 있고, 팜맵도 농림축산식품부에서 제공하는 농경지 전자지도로 공공데이터포털에서 개방되고 있다. 연속지적도와 팜맵 모두 표준화된 공간정보 이기 때문에 GIS 소프트웨어에서 불러들일 수도 있고, 상호 연계 분석할 수 있다.
지적상의 농지여도 작물이 재배되고 있지 않을 수 있으며, 지적상의 농지 경계
18) 국가에서 보유하고 있는 다양한 데이터를 국민에게 개방한 정보시스템(https://www.data.go.kr) 이다.