상을 취득해 바로 작황을 산출함으로서 실시간 분석이 이루어질 수 있음. 농촌진흥청의 포구 조사방식은 9.15 조사, 10.15조사 후 10월 말 작황 및 생산량 추정치를 발표함에 따라 약 1달 이상의 조사와 발표 간 시차가 발생함.
- 동태적 분석: 기존 분석방식은 9.15조사와 10.15조사 2차례에 걸쳐 조사만을 실시하여 1회 조사결과를 집계하여 통계로 제출하는 방식 임. 그러나 위성을 활용할 경우 위성 영상 습득시점에 바로 작황산 출 모델에 적용하여 작황치를 산출할 수 있게 됨. 따라서 영상취득 시점에 따른 동태적인 분석이 가능해짐.
- 기상제약의 최소화: 2015년 이후 SAR영상을 활용할 경우에는 제한 된 기상여건을 극복하고 원하는 시기에 영상을 취득해 적시성이 더 높아질 것으로 기대함.
제
2
장사 례 분 석
1. 작황판독 연구 사례
○ “LANDSAT 위성영상을 이용한 벼생육 및 수량 모니터링(A Study on Rice Growth and Yield Monitoring Using Medium Resolution Landsat Imagery)”
연구에서는 LANDSAT 위성영상을 이용한 식생지수와 실제 벼의 수량 비 교 분석을 실시함. 이를 통해 원격탐사를 이용한 벼 생육 및 수량 모니터링 가능성을 검토하였음.
- 식생지수와 수량과의 관계를 살펴보면, EVI를 제외한 모든 식생지수와 수량 간에는 정(正)의 상관관계를 보였으며, NDVI_SWIR이나 EVI_SWIR와는 유의성이 없었음. NDVI가 RVI보다 수량과의 상관도가 다소 높았으며, 수량과 가장 밀접한 식생지수는 NDVIR(R2 = 0.68)임.1 - LANDSAT 단일시기 영상(2004년 7월 29일)을 활용하여 서산간척지 지 역내 벼 수량을 모니터링한 결과 NDVIR와 백미수량 간에는 1차 직선관
1 EVI, NDVI, NDVI_SWIR, EVI_SWIR, NDVIR 등은 모두 식생지수의 일종으로 인공 위성 광학센서을 이용하여 추출 가능한 파장을 계산하여 산출하는 지수로서 그 명칭 을 다양하게 부르고 있음. 가장 대표적인 NDVI지수는 Normalized Difference Vegetation Index의 약자로 “정규식생지수”라 불리며, 가장 일반적으로 활용되는 식 생지수임.
계(R2 = 0.46)가 성립하였으며, 필지 중에서 면적이 다소 적거나 주변에 반사특성에 영향하는 요인이 있는 지역을 제외할 경우 추정도가 다소 높 아짐.(R2 = 0.66)
- 논구역 벡터를 사용하여 논구역 정보를 추출하는 기존의 방법 대신 Raster기반의 논구역 Masking을 제작하여 논구역 정보를 추출하였으며, 이 방법을 통해 쉽고 빠르게 논구역 정보추출이 가능함.
그림 2-1. Raster Masking을 활용한 논구역 정보 추출
A) 대상지역을 선정 B) 영상값(R, G, B, Nir) 산출 C) 색상보정과 지적도를 통해 지리정보화 D) NDVI(식생지수) 추출
- 연차별 지역적용 가능성을 검토하기 위해 1994년 7월 26일 경기도내 7개 시군의 논구역 masking을 제작하여 NDVIred를 추출하고, NDVIR-수량 관계식을 이용하여 수량을 추정한 결과 원격탐사를 이용한 벼 생육 및 수량 모니터링 가능성 확인함.
○ 너무 낮은 R2값으로 인해 통계적 유의성은 높지 않다고 보여짐. 단순히 NDVIR-수량간 관계식이 가능하다는 점만을 확인하는데 의미가 있음.
그림 2-2. NDVI와 벼 수량과의 관계 검토
○ 2010년 미국에서는 “뉴럴네트워크 기법을 이용하여 농작물 산출량 예측을 위한 식생지수 활용(Application of Vegetation Indices for Agricultural Crop Yield Prediction Using Neural Network Techniques)”이라는 주제 하 에 연구가 수행됨.
- 본 연구는 최소의 비용으로 농작물 산출량 최대목표를 달성하고, 농작물 산출량에 대한 문제를 조기에 발견, 관리하여 산출량 증대를 목표로 삼 은 연구임. 1998, 1999, 2001년 위성 영상자료를 활용하여 미국 노스다 코타 주 Oakes지역의 옥수수 산출량 예측을 위한 모델을 작성하였음.
- NDVI(Normalized Difference Vegetation Index), GVI(Green Vegetation Index), SAVI(Soil Adjusted Vegetation Index), PVI(Perpendicular Vegetation Index)지수를 이용.2
- 뉴럴네트워크 기법을 이용하여 상단 4가지 식생지수를 추출하고 농작물 의 상태, 토양상태, 작황 등을 관리함.
그림 2-3. 뉴럴네트워크 기법
2 NDVI(Normalized Difference Vegetation Index), GVI(Green Vegetation Index), SAVI(Soil Adjusted Vegetation Index), PVI(Perpendicular Vegetation Index)등은 모 두 식생지수의 일종으로 인공위성 광학센서을 이용하여 추출 가능한 파장을 계산하 여 산출하는 지수로서 그 명칭을 다양하게 부르고 있음.
○ 2006년 오스트리아 “단위면적(에이커)당 작물산출량 측정을 위한 MODIS 자료 활용(The use of MODIS data in Southern Russia for crop acreage es-timations and inter-comparison of results from various crop acreage estima-tion methods)” 연구에서 벨기에 지역의 사탕무/감자 및 옥수수 산출량 추 정 방법을 연구함.
- MODIS 위성영상 자료는 가장 오래되고 촬영주기가 일정한 위성영 상으로 다양한 연구기관에서 활용하고 있으며, 무상으로 인터넷에서 제공되고 있어 취득도 용이한 장점이 있음.
그림 2-4. MODIS위성영상 자료를 활용한 작황량 운영예측
○ 2006년 인도 “원격탐사 자료를 이용한 밀 생산량 추정(Wheat producion es-timation using remote sensing data: an Indian experience)" 연구를 실시함.
본 연구에서는 인도위성인 IRS-1A/1B/1C/1D 위성의 LISS-III 자료(공간해 상도 23.5m) 활용하였음.
- 1986년~2006년까지 10여 년간의 위성자료를 이용하여 인도의 Haryana 지역을 분석함으로서 밀 생산량 추정을 위한 모델 개발에 초점을 맞추었 음. 연구결과 생산량과 위성의 원격탐사(RS)결과의 유의성이 나타남.
그림 2-5. 원격탐사 자료를 이용한 밀 재배면적 추정
주: RS는 원격탐사를 통한 재배면적 추정면적, BES는 통계면적임.
○ 우리나라 충남 지역을 대상으로 한 “RADARSAT(레이다 위성) 자료를 이용 한 벼 생육정보 추출”연구에서는 논지역 분류 및 벼 생육정보 주제도 작성 을 위한 연구가 수행됨.
- 현지조사를 통한 벼 생육조사 자료와 RADASAT 생육정보 자료간의 함 수관계 비교를 통하여 RADASAT를 이용한 벼 생육모니터링이 가능한 가를 확인하기 위해 연구가 수행됨.
- 날씨와 밤낮에 관계없이 얻어지는 RADATSAT 영상은 위성의 가장 큰 어려움인 정기적인 영상확보를 가능하게 해 주는 장점이 있음.
- 레이다위성 영상(RADARSAT SAR)는 다각도로 촬영한 자료를 직각 촬 영한 것으로 동조화하는 과정을 거쳐 지표면의 특성을 나타내는 후방산 란계수 화상으로 산출함. 즉, 날씨, 밤낮에 관계없이 영상과 정보를 얻을 수 있는 장점이 있음.
그림 2-6. 벼 생육정보 주제도
○ 그 외에 원격탐사 데이터를 대륙 및 세계 차원에서 작물생산량 예측에 활용 하는 예는 다음과 같음.
- 유럽의 ‘원격탐사기능 기반의 농업감시(MARSOP)’ 시스템 (http://www.marsop.info/glw/bin/webviewer.html)
- 미국 농업성의 외국농업서비스국의 CropExplorer (http://www.pecad.fas.usda.gov/cropexplorer/) - 조기 기근경보시스템 네트워크
(http://www.fews.net/)