Diurnal Change of Reflectance and Vegetation Index from UAV Image in Clear Day Condition

Korean Journal of Remote Sensing, Vol.36, No.5-1, 2020, pp.735~747

https://doi.org/10.7780/kjrs.2020.36.5.1.7 ISSN 1225-6161 ( Print )

ISSN 2287-9307 (Online)

Article

청천일 무인기 영상의 반사율 및 식생지수 일주기 변화

이경도 ¹⁾·나상일 ¹⁾·박찬원²⁾·홍석영²⁾·소규호²⁾·안호용 ^1)†

Diurnal Change of Reflectance and Vegetation Index from UAV Image in Clear Day Condition

Kyung-do Lee

·Sang-il Na

·Chan-won Park

· Suk-young Hong

·Kyu-ho So

·Ho-yong Ahn

Abstract: Recent advanced UAV (Unmanned Aerial Vehicle) technology supply new opportunities for estimating crop condition using high resolution imagery. We analyzed the diurnal change of reflectance and NDVI (Normalized Difference Vegetation Index) in UAV imagery for crop monitoring in clear day condition. Multi-spectral images were obtained from a 5-band multi-spectral camera mounted on rotary wing UAV. Reflectance were derived by the direct method using down-welling irradiance measurement. Reflectance using UAV imagery on calibration tarp, concrete and crop experimental sites did not show stable by time and daily reproducible values. But the CV (Coefficient of Variation) of diurnal NDVI on crop experimental sites was less than 5%. As a result of comparing NDVI at the similar time for two day, the daily mean average ratio of error showed a difference of 0.62 to 3.97%. Therefore, it is considered that NDVI using UAV imagery can be used for time series crop monitoring.

Key Words: UAV, Reflectance, NDVI, Diurnal change, Remote sensing

요약 : 본 연구는 청천일 조건에서 직접적 보정 방식으로 산정한 반사율 및 식생지수의 일주기 변화를 분석하 여 시계열 작황 모니터링을 위한 무인비행체 영상의 특성을 구명하고자 수행하였다. 무인기에 다중분광센서 를 장착하여 청천일이었던2020년 3월 23일과 3월 24일에 반사율 보정용 반사판, 콘크리트 및 작물 시험구를 대 상으로 시간대별, 비행경로별 항공영상을 촬영하여 직접적 방식으로 반사율을 산정하고 작물 시험구를 대상 으로 식생지수를 계산하여 비교하였다. 반사율 보정용 반사판, 콘크리트 및 작물 시험구의 무인기 영상 반사율 은 시간대 및 비행경로별로 일정한 변화 경향을 보이지 않을 뿐 아니라 일간 재현성 있는 값을 보이지 않아 시

Received September 14, 2020; Revised September 25, 2020; Accepted September 25, 2020; Published online October 12, 2020

1)

농촌진흥청 국립농업과학원 기후변화생태과 연구사 (Researcher, Climate Change and Agro-Ecology Division, National Institute of Agricultural Sciences, Rural Development Administration)

2)

농촌진흥청 국립농업과학원 기후변화생태과 연구관 (Senior Researcher, Climate Change and Agro-Ecology Division, National Institute of Agricultural Sciences, Rural Development Administration)

†Corresponding Author: Ho-yong Ahn ([email protected])

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License

(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in

any medium, provided the original work is properly cited.

1. 서론

무인비행체는 위성, 항공기 등 기존 원격탐사 플랫폼 에 비해서 촬영 범위는 좁지만 10 cm 안팎의 높은 해상 도와 함께 사용자가 촬영시기를 결정하여 영상자료를 수집할 수 있고 , 영상 취득 비용이 상대적으로 저렴하 다는 장점이 있어 들녘단위 농경지 (100~1,000 ha)의 원 격탐사자료 수집에 유용하다 (Lee et al., 2015). Xiang and Tian(2011)은 무인비행체 영상을 활용하여 작물의 초 장을 추정한 바 있으며 , Torres-Sanchez et al.(2014)은 무 인비행체 영상을 활용하여 시계열 밀 피복지도를 작성 하였다 . Bendig et al.(2014)은 무인비행체에 RGB (Red- Green-Blue) 카메라를 부착하여 영상을 수집하고 작물 표고모형(CSM: Crop Surface Model)을 구축하여 보리의 바이오매스를 추정한 바 있다. 국내에서는 무인비행체 영상을 활용한 풋거름 작물의 질소량 추정(Lee et al., 2015), 벼 등 주요 작물의 생육 및 수량 추정(Lee et al., 2017a, 2017b; Jang et al., 2019, Lee et al., 2019), 작물 구분 및 면적 추정 (Park and Park, 2015; Lee et al., 2016; Yoon et

Park, 2017; Lee et al., 2020)에 이르기까지 농작물 작황 추 정을 위해 활용되고 있다 .

시계열적으로 변화하는 작물 생육 상황을 정량적으 로 분석하기 위해서는 작물의 고유한 반사율 (Reflectance) 과 식생의 특성을 잘 반영할 수 있는 식생지수 (Vegetation Index)의 산정과 활용이 필요하다(Tomas and Gausman, 1977; Lee et al., 2016; Lee et al., 2019). 초기 무인비행체 영 상의 반사율 산정은 지상 기준점에서 측정한 분광반사 율과 무인비행체 영상의 합성 및 전처리를 통해 산정한 반사율의 선형적 관계를 이용하여 구하는 경험적 방식 (empirical correction)이 주로 사용되었다(Del Pozo et al., 2014; Lee et al., 2016). 그러나 무인비행체 영상에 있어서 반사율 산정을 위한 경험적 방식은 지상 반사율 측정의

번거로움 뿐 만 아니라 무인비행체 영상 수집의 특성 상 다량의 영상을 촬영할 경우 매 촬영 시 촬영 환경 변화 를 고려할 수 없음으로 지상 반사율 측정 지점을 기준 으로 산정한 반사율 변환 식을 전체 영상으로 확대하는 것에 한계가 존재한다 (Lee et al., 2016; Lee et al., 2019). 최 근에는 무인비행체에 탑재된 카메라로 촬영한 영상을 기반으로 계산한 복사휘도 (radiance)를 무인비행체 상 단에 부착된 복사조도계 (DLS: downwelling light sensor) 에서 측정한 복사조도로 나누어 반사율을 산정하는 직 접적 보정 방식이 활용되고 있다 (Deng et al., 2018; Lee et

는 산림지역을 대상으로 반사율 산정을 위해 경험적 보 정 방식과 직접적 보정 방식을 비교한 결과 직접적 보 정 방식이 경험적 보정 방식에 비해 촬영 지역 전역에 걸쳐 반사율이 안정적이었다고 보고한 바 있다. Deng et

산정한 반사율, 식생지수와 지상에서 분광복사계 및 광 학센서로 측정한 반사율, 식생지수를 비교하여 보고한 바 있다 . Cao et al. (2019)는 2달 동안 17회 시계열 영상을 획득하여 지상 반사판의 반사율 변화를 보고한 바 있다 . Fawcett et al. (2020)은 구름 없이 맑은 청천일(clear day condition)에 초분광 항공기 영상과 무인기 다중분광 센서 영상을 취득하여 반사율과 식생지수를 비교한 바 있다 . 그러나 생육단계에 따른 연속적인 작황 분석을 위 해서 필요한 반사율과 식생지수의 시계열적 변화 양상 을 정밀하게 구명하기 위한 일주기 영상 촬영 및 비교 연구는 부족하다 . 따라서 본 연구는 청천일 직접적 보 정 방식으로 산정한 반사율 및 식생지수의 일주기 변화 를 분석하여 시계열 작황 모니터링을 위한 무인비행체 영상의 특성을 구명하고 활용성을 평가하고자 수행하 였다 .

계열적으로 비교·활용 하는 것에는 한계가 있을 것으로 판단된다. 그러나 작물 시험구의 NDVI는 값이 높을수 록 일중 및 일간 변동성이 적었으며 식생의 활력이 부족한 식생 제어 시험구에서도 일 중5% 미만의 변동계수 를 보여 반사율과 달리 대체로 일정한 값을 유지하는 것으로 나타났다. 또한 3월 23일과 3월 24일 동일한 시간 대에 촬영한 무인기 영상으로 산정한NDVI의 평균 절대 오차도 0.76~3.97%의 범위를 보여 시계열 작황모니 터링에 활용이 가능할 것으로 판단된다.

2. 재료 및 방법

1) 무인비행체 영상 촬영

본 연구는 전북 완주군 이서면에 위치한 국립농업과 학원 시험연구포장 (35°49′34″N, 127°2′52″E)에서 반사 율 55%, 33%, 11%, 3% 반사판(Reflectance tarp), 불변성 지표(invariant target)로 콘크리트 및 식생 모니터링 대상 으로 작물 시험구를 선정하여 수행하였다(Fig. 1). 작물 시험구는 식생의 활력도를 고려하여 식생의 활력도가 높은 호밀 재배구 , 활력도가 중간 정도인 자연 식생구 및 식생이 거의 없는 식생 제어구를 대상으로 하였다 (Fig. 2, Table 1).

2020년 3월 23일부터 3월 24일까지 2일에 걸쳐 REDEDGE-MX(Micasense, USA) 카메라를 M200(DJI,

China) 기체에 장착하여 고도 100 m, 해상도 6.94 cm, 횡 중복도 75%, 종중복도 75%, 비행속도 5 m/s로 설정하 여 일주기 항공영상을 촬영하였다. 무인비행체는 지상 컨트롤 시스템 (GCS : ground control system)을 이용하여 사전에 비행 경로를 설정하고 3월 23일, 3월 24일 이틀 에 걸쳐 오전 10시 30분 무렵부터 오후 2시 30분까지 약 한 시간 간격으로 비행 방향을 시험포장에 수직 (남–북 방향 ) 및 수평 방향(동–서 방향)으로 일별로 각 10회, 총 20회 자동비행 모드로 비행토록 했다(Table 2).

시험 포장에 조도계 (SL200, KIMO, FRANCE)를 설 치하여 무인비행체 영상 촬영 동안 1분 간격으로 조도 (Irradiance)를 측정한 결과(Fig. 3) 시험기간 동안 구름이 거의 없는 맑은 날씨를 보였다 . 풍속은 3월 23일 시험 기간 동안에는 1.7~5.4 m/s였으며, 3월 24일에는 0~2.5

Table 1. List of crop experiment site

Treatment Site Number Remark

Rye cultivation Site #1, #3, #6, #10 High vegetation

Natural vegetation Site #4, #7, #8, #11 Middle vegetation

Vegetation control Site #2, #5, #9, #12 low vegetation

Fig. 2. Examples of reflectance and vegetation index measuring target sites.

(a) Reflectance tarp (b) Concrete (c) Rye cultivation (d) Natural vegetation (e) vegetation control

m/s로 비행에 큰 영향이 없었다.

연구에 활용한 REDEDGE-MX 카메라는 청색, 녹색, 적색, 적색경계, 근적외선의 5개 밴드를 갖고 있으며 복사조도계를 통해 영상 촬영과 동시에 입사되는 조도 를 측정하며 촬영 전후 기준반사판 (CRP: calibrated

reflectance panel) 촬영 값을 통해 복사조도를 보정할 수 있다 (Table 3).

2) 반사율 영상 및 식생지수 산정

Rededge-MX 카메라로 촬영한 항공영상의 반사율 (reflectance) 영상은 무인비행체 영상합성 프로그램 (Pix4D mapper, Pix4D, Switzerland)을 이용하여 복사휘 도 (radiance)를 복사조도(irradiance)로 나누어 산출하였 다(Micasense Inc., 2020; Lee et al., 2019). 영상값을 복사휘 도로 변환하는 과정은 비네트 (Vignette) 효과, 블랙 레벨, 노출시간 , ISO 감도, 복사보정계수를 고려하여 식 (1)과 같이 수행한다 .

(1) where, L : the spectral radiance (W/m

/sr/nm)

V(x, y) : the vignette polynomial function for pixel

g p – pBL

te

+ a

Date Start time End time Direction

Date Start time End time Direction

March 23

10:24 10:30 horizontal

March 24

10:23 10:28 horizontal

10:33 10:38 vertical 10:31 10:36 vertical

11:26 11:31 vertical 11:28 11:33 vertical

11:34 11:39 horizontal 11:36 11:42 horizontal

12:23 12:28 horizontal 12:26 12:31 vertical

12:32 12:37 vertical 12:34 12:39 horizontal

13:23 13:28 vertical 13:21 13:26 horizontal

13:31 13:36 horizontal 13:29 13:35 vertical

14:22 14:27 horizontal 14:24 14:29 horizontal

14:30 14:35 vertical 14:32 14:37 vertical

※

vertical: north-south direction, horizontal: east-west direction

Table 3. Specifications of REDEDGE-MX camera

Category Specifications

Weight 231.9 g

Dimensions 8.7 cm × 5.9 cm × 4.54 cm Spectral bands

Blue : 475 nm (32 nm) Green : 560 nm (27 nm) Red : 668 nm (14 nm) Red edge : 717 nm (12 nm) Near-IR : 842 nm (57 nm) Capture rate 1 capture per second, 12-bit RAW Ground resolution at 120 m 8 cm per pixel

FOV 47.2°

Fig. 3. Irradiance change on experimental sites during UAV image collection.

(a) March 23 (b) March 24

location (x, y)

a

, a

, a

: the radiometric calibration coefficients g : the sensor gain setting

p : the normalized raw pixel value p

: the normalized black level value t

: the image exposure time x, y : the pixel column and row number,

respectively

매 화소마다 산출된 복사휘도를 복사조도로 나누면 결국 반사율이 되는 데, 복사조도는 무인기에 탑재된 복 사조도계 (DLS)로 매 영상마다 측정된다. 매 영상마다 측정된 복사조도는 촬영 전후로 지상에서 측정된 반사 율 보정 판넬에서 얻어진 기준 복사조도로 보정된다 . 복 사조도 보정 계수는 기준 복사조도를 매 영상마다 DLS 로 측정한 복사조도로 나눈 값이다 . 최종적으로 무인기 다중분광영상의 반사율은 영상에서 산출한 복사휘도 , 수광량 센서에 기록된 복사조도 , 복사조도 보정계수를 통해서 계산된다(식 (2)). 이때 반사율은 완전한 난반사 면(Lambertian surface) 가정에서 얻어지는 값이다.

* f (2) where, ρ : the spectral reflectance obtained from the

direct method

L : the spectral radiance(W/m

/sr/nm) calculated by Equation 1 f : the EDLS correction factor

E

: the spectral irradiance measured by DLS (W/m

/nm)

식생지수는 식물체의 질소량과 직접적인 비례관계에 있는 엽록소의 분광반사 특성이 주로 적색(Red), 청색 (Blue) 파장은 흡수하는 반면 근적외선(NIR: Near Infra Red) 파장은 반사하는 현상을 바탕으로 이들 파장을 조 합하여 녹색 식물의 상대적 분포량과 활동성을 평가하 는 지표로 널리 사용되어 왔다 (Tomas and Gausman, 1977). 본 연구에서는 적색 파장과 근적외선 파장의 반 사율을 이용하여 계산하는 정규화식생지수 (NDVI:

Normalized Difference Vegetation Index)를 산정하였다 (식 (3)).

(3) where, ρ

: the spectral reflectance obtained

from the red and NIR wavelength respectively

3. 결과 및 고찰

1) 무인기 영상 반사율 변화

반사율 보정용 반사판 (Reflectance Calibration Tarp)에 대한 무인기 영상의 비행경로에 따른 시간별 및 일별 반 사율의 변화 경향은 Fig. 4와 같았다. 청색 영역(Blue band)은 55% 반사판에서는 포화된 값이 많아 연속적인 값을 얻을 수 없었다 . 33% 반사판에서는 3월 23일의 경 우 비행 경로와 관련 없이 시간대별로 유사한 값을 보 였다 . 3월 24일의 경우 다른 시간대에서는 유사한 값을 보였으나 13시 30분 촬영 영상에서 비행 경로에 따른 차 이를 보였다. 11%, 3% 반사판에서의 무인기 영상 반사 율은 55%, 33% 반사판에 비해 시간대 및 비행 경로별 값 변동이 작은 경향을 보였다 . 녹색 영역(Green band) 의 경우에도 55% 반사판에서는 포화로 인해 일부 값이 소실되었으며 시간대별로 0.05~0.1 이상의 큰 변동 폭 을 보였다 . 55%보다 낮은 반사율의 반사판(33%, 11%, 3%)에서는 무인기 영상 반사율의 변동 폭이 55% 반사 판에 비해 상대적으로 줄어들었는데 3월 23일에 비해 3 월 24일의 일간 변동 폭이 더 컸다. 적색 영역(Red band) 의 경우 3월 23일에는 11시 30분대 촬영 영상의 반사율 값이 다른 시간대에 비해 높았으며 비행 경로에 따른 차 이를 보이지 않았다. 3월 24일에는 수평 방향 비행의 경 우 12시 30분경이 가장 높은 반사율을 보여 “∩” 형의 증 감을 보였으나 수직 방향 비행의 경우 반사율은 “ U” 형 태를 보여 비행 경로에 따른 차이를 보였다. 적색경계 영역 (Rededge band)에서는 3월 23일 경우 수직방향 비 행에서 10시 30분과 14시 30분대에 촬영한 영상 반사율 이 적색 영역과 달리 11시 30분대에 촬영한 것과 유사한 값을 보였다 . 3월 24일 경우 적색영역에서의 반사율 변 화와 유사한 변동 경향을 보였다 . 근적외 영역(NIR band)에서 반사판에 대한 무인기 영상의 반사율은 3월 23일 12시 30분대 수평 방향으로 비행하여 수집한 영상 의 반사율이 다른 시간대에 비해서 높았던 것을 제외하 고는 적색경계 영역에서의 반사율 변동과 유사한 경향 을 보였다 . 이처럼 반사율 보정용 반사판에 대한 무인 기 영상 반사율의 시간대별 변화 경향은 반사율이 높은 반사판에서 변동이 컸으며 반사율이 낮은 반사판에서 는 변동이 작은 경향을 보였다 . 3월 23일과 3월 24일 양

 * L EDLS

ρNIR

– ρ

ρNIR

+ ρ

Fig. 4. Change of UAV image reflectance for reflectance calibration tarp.

(a) Blue band

(b) Green band

(c) Red band

(d) Red-edge band

(e) NIR band

일간의 반사율 변화를 정성적으로 비교하면 영상 밴드 별로는 유사한 경향을 보였으나 시간대별 및 비행 경로 별로는 특정한 경향을 찾을 수 없었다 . 반사율 보정용 반사판에 대한 무인기 영상 반사율의 정량적 변화를 분 석하기 위해 일자별 , 비행 경로별 반사율의 변동계수를 계산한 것은 Table 4와 같았다. 반사율 변동 계수는 3월 23일 3.2~14.8%의 범위를 보였으며, 3월 24일 5.9~22.0%

의 범위를 보여 3월 24일이 3월 23일에 비해 일간 반사 율 변동 폭이 큰 것으로 나타났다. 반사판의 반사율에 따른 무인기 영상 반사율의 변동계수는 3월 23일 경우 청색 , 녹색, 적색 영역의 값이 적색 경계 및 근적외 영역 에 비해 높은 값을 보였으나 3월 24일에는 영상 영역별 로 뚜렷한 경향을 찾을 수 없었다 . 반사율이 높은 반사 판과 낮은 반사판의 변동계수에는 큰 차이를 보이지 않 았는데 이는 반사율이 낮은 반사판의 경우 정성적으로 값 변동이 작아 보였다 하더라도 변동계수 산정 시 평 균 반사율이 낮아 작은 변동에도 영향을 받기 때문으로 판단된다 . 비행 경로별 반사율도 3월 23일과 3월 24일의 변동계수 비교 시 비행 경로에 따른 반복적인 경향을 찾 기 어려웠다. 청천일 연속해서 이틀 동안 시간대별로 측 정한 반사율이 일정한 변화 경향을 보이지 않을 뿐 아 니라 변동계수도 3.2~22.0%의 범위에서 평균 10.9%의 값을 보이고 있어 무인기 영상에서 반사판을 기준으로 산정한 반사율을 시계열적으로 비교·활용 하는 것은 한 계가 있을 것으로 판단된다 .

불변성 지표인 콘크리트와 작물 시험구의 무인기 영

상 반사율 변화 및 변동 계수는 Fig. 5, Table 5와 같았다.

콘트리트의 반사율은 파장 영역에 따라 청색 , 녹색, 적색 , 적색경계 영역에서는 33% 반사판, 근적외 영역 에서는 55% 반사판의 반사율과 유사한 변동 경향을 보 였다 . 콘크리트에 대한 시간대별 무인기 영상의 변동계 수는 3월 23일의 경우 약 5% 이하였으나 3월 24일의 경 우 8.8~17%의 값을 보여 3월 23일에 비해 3월 24일의 시 간대별 반사율 변동이 더 컸던 반사율 보정용 반사판에 서의 반사율 변화와 유사한 경향을 보였다. 작물 시험 구의 무인기 영상 반사율은 청색, 녹색, 적색 영역에서 는 0.2 이하의 값을 보였으며 시간대별로 큰 변동 없이 일정한 값을 보였다 . 적색 경계 영역의 경우 호밀 재배 구에서 가장 낮은 반사율을 보였으며 자연 식생구 , 식 생 제어구 순이었다 . 근적외 영역의 경우 식생 활력도가 높은 호밀 재배구의 반사율 값이 가장 높았으며 시간대 별 변동 경향은 55% 반사판과 유사하였다. 작물 시험구 의 무인기 영상 반사율 변동계수는 3월 23일 1.9~5.4%

의 값을 보였으나 3월 24일 7.6~18%의 값을 보여 콘크 리트 및 반사판과 동일한 경향을 보였다. 이처럼 콘크 리트 및 작물 시험구의 무인기 영상 반사율은 반사율 보 정 반사판에서와 동일한 변동 경향으로 시간대 및 일간 재현성 있는 값을 보이지 않아 시계열적으로 비교·활용 하는 것에는 한계가 있을 것으로 판단된다 . 이는 Deng et

정한 반사율 비교 실험에서 무인기 영상 반사율이 지상 분광 복사계로 측정한 반사율과 일정한 경향 없이 차이

March-23-2020 Reflectance_55 Reflectance_33 Reflectance_11 Reflectance_3

Direction Horizontal Vertical Horizontal Vertical Horizontal Vertical Horizontal Vertical

Blue – – 10.6 8.8 10.3 3.4 6.6 3.2

Green 11.8 – 8.7 10.3 8.7 9.7 8.8 5.3

Red 11.0 14.8 10.8 12.2 11.1 12.3 7.0 7.1

RE 8.2 6.4 9.3 5.4 9.6 5.8 6.0 7.0

NIR 4.8 5.6 5.0 4.7 5.8 3.4 5.8 4.1

March-24-2020 Reflectance_55 Reflectance_33 Reflectance_11 Reflectance_3

Direction Horizontal Vertical Horizontal Vertical Horizontal Vertical Horizontal Vertical

Blue – – 8.9 16.3 9.5 14.8 13.1 17.3

Green 16.9 – 17.0 18.0 16.6 17.6 16.4 20.5

Red 6.5 20.6 5.9 17.3 6.1 16.5 7.5 22.0

RE 10.1 14.5 10.9 13.2 10.5 13.4 13.0 16.6

NIR 10.2 16.1 10.5 14.7 10.5 14.8 11.4 16.8

Fig. 5. Change of UAV image reflectance for concrete and crop vegetation.

(a) Blue band

(b) Green band

(c) Red band

(d) Rededge band

(e) NIR band

를 보여 무인기 영상 반사율을 정량적으로 사용할 수 없 었다는 연구결과와 일치하는 것이다 . Cao et al. (2019)과 Fawcett et al. (2020)은 무인기 영상 반사율이 청천일 조건 에서 시간대 , 비행경로별로 일정한 경향 없이 변동성이 크게 나타난 것은 무인기 탑재 복사조도계 센서의 하드 웨어적 성능 한계 및 영상 전처리 프로그램의 영상 합성 시 인근 영상 값과 평활화 (smoothing)에 의한 것으로 추 정한 바 있다 . 따라서 추후에는 무인기 복사조도계의 성 능 검정 및 영상 합성을 위한 전처리 방식 검토를 통해 반사율 산정 방식을 개선하기 위한 연구가 필요할 것으 로 생각된다 .

2) 무인기 영상 식생지수 변화

무인기 영상 반사율을 활용하여 산정한 작물 시험구 NDVI 식생지수의 일별 변동 경향 및 통계 값은 Fig. 6, Table 6과 같았다. 호밀 재배구의 NDVI는 일중 시간대 및 비행경로에 따른 값의 큰 차이 없이 약 0.88~0.91의 범위에서 3월 23일, 3월 24일 모두 1% 미만의 변동계수 를 보였다 . 자연 식생구의 NDVI는 12시 30분 및 13시 30분대 값이 다른 시간대에 비해 약간 낮은 경향을 보 였으며 , 이들 시간대의 NDVI 값이 다른 시간대 영상에 비해 비행경로에 따른 차이가 더 큰 것으로 나타났다 . 자연 식생구의 NDVI 변동계수는 처리구별로 3월 23일 0.93~1.39%, 3월 24일 1.19~1.47%로 2% 미만의 변동계 수를 보였다 . 식생 제어구의 NDVI는 자연 식생구의 NDVI와 유사한 변동 양상을 보였는데 변동 폭이 자연

식생구에 비해 더 큰 특성을 보였다 . 시험구의 시간대 별 식생지수 변동계수는 3월 23일 2.33~2.98%, 3월 24일 2.33~3.05%로 2~3%의 범위를 보였다. 작물 시험구의 NDVI는 값이 높을수록 일중 및 일간 변동성이 적었으 며 식생의 활력이 부족한 식생 제어 시험구에서도 일간 3%이내의 변동계수를 보여 반사율과 달리 대체로 일정 한 값을 유지하는 것으로 나타났다 . Deng et al. (2018), Cao et al. (2019)은 NDVI의 경우 적색, 근적외 영역 반사 율의 상대적인 비율로 산정됨으로 시계열로 측정되는 항공영상의 촬영환경이 달라지더라도 함께 영향을 받 기 때문에 반사율과 달리 유사한 값을 보였다고 보고 한 바 있는데 , 본 연구에서도 동일한 결과를 확인할 수 있 었다 .

3월 23일과 3월 24일 동일한 시간대에 촬영한 무인기 영상으로 산정한 NDVI의 오차율은 Table 7과 같았다.

호밀 재배구는 수평 방향 비행의 경우 -0.92~0.74%, 수 직 방향 비행의 경우 -1.03~0.63%로 약 1% 이하의 오차 를 보였다 . 자연 식생구의 경우 오전 촬영 영상에서는 1% 이하의 오차를 보였으나 12시 30분경부터 오후 촬 영 영상의 경우 -1.32~2.98%의 오차를 보였다. 식생 제 어구의 경우 수평 비행의 경우 -2.38~5.47%, 수직 비행 의 경우 -1.52~9.93%로 호밀 재배구 및 자연 식생구에 비해 오차율이 증가하였다 . 식생 제어구에서 12시 30분 경 수직 방향으로 촬영한 영상의 NDVI를 제외하면 대 부분 5% 미만의 오차를 보였으며 평균 절대 오차(MAE:

Mean Absolute Error)도 0.62~3.97%의 범위를 보였다.

Table 5. Coefficient of variation of UAV image reflectance for concrete and crop vegetation (Unit: %)

March-23-2020 Rye cultivation Natural vegetation Vegetation control Concrete

Flight direction Horizontal Vertical Horizontal Vertical Horizontal Vertical Horizontal Vertical

Blue 3.9 4.4 4.6 1.9 3.0 1.4 4.0 3.1

Green 4.3 3.6 4.1 2.0 3.2 2.0 4.9 3.6

Red 5.4 4.0 5.2 3.1 5.3 2.9 2.9 4.4

RE 3.9 4.2 4.3 2.9 4.7 2.7 2.7 4.5

NIR 4.6 4.9 4.5 4.0 5.1 3.7 3.9 5.1

March-24-2020 Rye cultivation Natural vegetation Vegetation control Concrete

Flight direction Horizontal Vertical Horizontal Vertical Horizontal Vertical Horizontal Vertical

Blue 14.2 9.4 10.0 10.9 9.9 11.2 10.6 12.2

Green 13.1 16.0 9.9 17.6 9.6 18.0 10.2 17.0

Red 11.4 11.1 7.6 13.2 7.8 13.6 9.4 13.4

RE 10.9 13.3 8.5 13.8 8.1 13.6 8.8 13.2

NIR 11.3 14.8 10.0 14.6 9.4 14.5 9.6 13.7

(a) Rye cultivation (b) Natural vegetation

(c) Vegetation control

Fig. 6. Change of average NDVI using UAV image reflectance for crop experimental sites.

Table 6. Statistics of NDVI using UAV imagery on crop experimental sites

Experimental sites March-23-2020 March-24-2020

Rye cultivation

site number AVG MAX MIN CV (%) AVG MAX MIN CV (%)

Site #1 0.90 0.90 0.89 0.42 0.89 0.90 0.89 0.48

Site #3 0.90 0.91 0.90 0.31 0.90 0.91 0.89 0.48

Site #6 0.89 0.90 0.89 0.44 0.89 0.90 0.88 0.92

Site #10 0.91 0.91 0.90 0.37 0.91 0.91 0.90 0.41

Natural vegetation

site number AVG MAX MIN CV (%) AVG MAX MIN CV (%)

Site #2 0.67 0.68 0.66 0.93 0.68 0.69 0.66 1.32

Site #5 0.68 0.69 0.66 1.39 0.68 0.70 0.67 1.47

Site #9 0.61 0.62 0.60 1.16 0.62 0.63 0.61 1.19

Site #12 0.65 0.66 0.64 1.25 0.65 0.67 0.64 1.27

Vegetation control

site number AVG MAX MIN CV (%) AVG MAX MIN CV (%)

Site #4 0.40 0.41 0.38 2.54 0.41 0.42 0.39 2.54

Site #7 0.42 0.43 0.40 2.33 0.43 0.44 0.41 2.42

Site #8 0.31 0.32 0.29 2.95 0.32 0.33 0.31 2.33

Site #9 0.31 0.32 0.29 2.98 0.31 0.33 0.30 3.05

식생 제어구의 NDVI 편차가 호밀 재배구 및 자연 식생 구에 비해 큰 값을 보였는데 이는 나지 영역의 비율이 많으면 식생지수 산정 시 편차가 커질 수 있다는 Deng

무인기 영상의 반사율과 식생지수를 비교한 연구로 는 Deng et al. (2018)의 경우 맑은 날과 흐린 날 각 1회씩 무인기 영상으로 산정한 반사율 , 식생지수와 지상에서 분광복사계 및 광학센서로 측정한 반사율 , 식생지수를 비교한 바 있으며 , Cao et al. (2019)의 경우 2달 동안 17회 시계열 영상을 획득하여 지상 반사판의 반사율과 식생 의 식생지수 변화를 보고하였다. 또한 Fawcett et al. (2020) 은 청천일 항공기 초분광 영상과 무인기 다중분광 영상 의 반사율 및 식생지수를 비교한 바 이들 연구 모두 무 인기 영상 반사율은 지상 측정 반사율과 차이가 크고 일 정한 경향이 없었던 반면 식생지수는 지상센서로 측정 한 값과 높은 선형적 관계성을 보여 활용 가능하다고 보 고하였다 . 본 연구는 시간대별, 비행경로별 무인기 영상 을 촬영하여 일주기 및 일간 무인기 영상의 반사율과 식 생지수를 비교한 결과 반사율의 경우 일정한 경향 없이 일중 , 일간 변동성이 커서 정량적 활용에는 한계가 있으 나 NDVI는 시계열적으로 큰 변화 없이 5% 내외의 안정 적인 변화를 보여 위 연구들과 유사한 결과를 보였다 .

향후에는 지속적이고 안정적인 작황 모니터링을 위 해 청천일 뿐 아니라 광량이 불규칙하게 변하되는 흐린 날 등 다양한 기상 조건에서 식생지수 변화 모니터링도 필요할 것으로 생각된다 . 또한 무인기 부착 카메라 센서 는 위성 , 항공기 탑재 센서에 비해 내구성에 차이가 있 음으로 주기적인 검보정을 통해 센서 퇴화 (degradation)

에 대한 점검과 다양한 무인기 탑재 카메라 센서의 특 성 검정을 통해 센서별 활용 가능성 및 센서 간 공동 활 용 가능성도 연구가 필요할 것으로 판단된다 .

4. 결론

무인기에 다중분광센서를 장착하여 청천일이었던 2020년 3월 23일과 3월 24일에 반사율 보정용 반사판, 콘크리트 및 작물 시험구를 대상으로 시간대별, 비행경 로별 항공영상을 촬영하여 직접적 방식으로 반사율을 산정하고 작물 시험구를 대상으로 식생지수를 계산하 여 비교하였다. 반사율 보정용 반사판, 콘크리트 및 작 물 시험구의 무인기 영상 반사율은 시간대 및 비행경로 별로 일정한 변화 경향을 보이지 않을 뿐 아니라 일간 재현성 있는 값을 보이지 않아 시계열적으로 비교·활용 하는 것에는 한계가 있을 것으로 판단된다 . 그러나 작 물 시험구의 NDVI는 값이 높을수록 일중 및 일간 변동 성이 적었으며 식생의 활력이 부족한 식생 제어 시험구 에서도 일 중 5% 미만의 변동계수를 보여 반사율과 달 리 대체로 일정한 값을 유지하는 것으로 나타났다 . 또 한 3월 23일과 3월 24일 동일한 시간대에 촬영한 무인기 영상으로 산정한 NDVI의 평균 절대 오차율도 0.62~

3.97%의 범위를 보여 시계열 작황모니터링에 활용이 가능할 것으로 판단된다 . 향후에는 식생지수를 활용한 지속적이고 안정적인 작황모니터링을 위해 무인기 영 상 전처리 방식 개선 , 다양한 기상 조건에서의 식생지 수 변화 분석과 센서 퇴화 (degradation) 및 센서 간 자료

Horizontal flight direction Time

10h 30 m 11h 30 m 12h 30 m 13h 30 m 14h 30 m MAE*

Rye cultivation -0.92 -0.89 -0.98 -0.27 0.74 0.76

Natural vegetation 0.64 -0.19 -1.32 -0.66 2.31 1.02

Vegetation control 3.58 0.39 -2.38 -1.44 5.47 2.65

Vertical flight direction Time

10h 30 m 11h 30 m 12h 30 m 13h 30 m 14h 30 m MAE*

Rye cultivation -0.91 -1.03 0.09 0.44 0.63 0.62

Natural vegetation 0.07 -0.91 2.98 2.18 1.67 1.56

Vegetation control 1.52 -1.52 9.93 3.90 2.97 3.97

*MAE : Mean Absolute Error

융합 활용을 위한 보정 방안에 대한 연구가 필요할 것 으로 생각된다 .

사사

본 논문은 농촌진흥청 공동연구사업 (과제번호: PJ 01427401)의 지원을 받았으며, 이에 감사드립니다. 작물 시험구 영상 촬영 협조 및 시험구 처리 내역 관련 정보 를 제공해주신 농촌진흥청 이병모 , 조정래 박사님께 감 사드립니다.

References

Bendig, J., A. Bolten, S. Bennertz, J. Broscheit, S.

Eichfuss, and G. Bareth. 2014. Estimating biomass of barley using crop surface models (CSMs) derived from UAV-based RGB imaging, Remote

Cao, S., B. Danielson, S. Clare, S. Koenig, C. Campos- Vargas, and A. Sanchez-Azofeifa, 2019. Radiometric calibration assessments for UAS-borne multispectral cameras: Laboratory and field protocols, ISPRS

149: 132-145.

Deng, L., Z. Mao, X. Li, Z. Hu, F. Duan, and Y. Yan, 2018. UAV-based multispectral remote sensing for precision agriculture: A comparison between different camera, ISPRS Journal of Photogrammetry

Fawcett, D., C. Panigada, G. Tagliabue, M. Boschetti, M.

Celesti, A. Evdokimov, K. Biriukova, R. Colombo, F. Miglietta, U. Rasher, and K. Anderson. 2020.

Multi-scale evaluation of drone-based multispectral surface reflectance and vegetation indices in operation conditions, Remote Sensing, 12(3): 514.

Jang, S.H., C.S. Ryu, Y.S. Kang, S.R. Jun, J.W. Park, H.Y. Song, K.S. Kang, D.W. Kang, K. Zou, and T.H. Jun, 2019. Estimation of fresh weight, dry

weight, and leaf area index of soybean plant using multispectral camera mounted on rotor- wing UAV, Korean Journal of Agricultural and

with English abstract).

Lee, H.S., W.W. Seo, C.S. Woo, and K.S. Lee, 2019.

Derivation and evaluation of surface reflectance from UAV multispectral image for monitoring forest vegetation, Korean Journal of Remote

English abstract).

Lee, K.D., S.I. Na, S.C. Baek, K.D. Park, J.S. Choi, S.J. Kim, H.J. Kim, H.S. Choi, and S.Y. Hong, 2015. Estimating the amount of nitrogen in hairy vetch on paddy fields using unmanned aerial vehicle imagery, Korean Journal of Soil

with English abstract).

Lee, K.D., Y.E. Lee, C.W. Park, S.Y. Hong, and S.I.

Na, 2016. Study on reflectance and NDVI of aerial images using a fixed-wing UAV “Ebee”,

49(6): 731-742 (in Korean with English abstract).

Lee, K.D., C.W. Park, K.H. So, and S.I. Na, 2017a.

Selection optimal vegetation indices and regression model for estimation of rice growth using UAV aerial images, Korean Journal of Soil Science

English abstract).

Lee, K.D., C.W. Park, K.H. So, K.D. Kim, and S.I. Na, 2017b. Characteristics of UAV aerial images for monitoring of highland Kimchi cabbage, Korean

162-178 (in Korean with English abstract).

Lee, K.D., H.Y. An, C.W. Park, K.H. So, S.I. Na, and S.Y. Jang, 2019. Estimation of rice grain yield distribution using UAV imagery, Journal of the

1-10 (in Korean with English abstract).

Lee, K.D., S.M. Kim, H.Y. An, C.W. Park, S.Y. Hong,

K.H. So, and S.I. Na, 2020. Yearly estimation of rice growth and bacterial leaf blight inoculation effect using UAV imagery, Journal of the Korean

(in Korean with English abstract).

MicaSense Inc., 2020. MicaSense RedEdge MX Multispectral Camera User Manual, http://support.

micasense.com, Accessed on Aug. 18, 2020.

Park, J.K. and J.H. Park, 2015. Crops classification using imagery of unmanned aerial vehicle (UAV),

abstract).

Park, J.K. and J.H. Park, 2017. Analysis of rice field drought area using unmanned aerial vehicle (UAV) and geographic information system (GIS) Methods, Journal of the Korean Society of

with English abstract).

Tomas, J.R. and H.W. Gausman, 1977. Leat reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops, Agronomy Journal, 69(5): 799-802.

Torres-Sanchez, J., J.M. Pena, A.I. de Castro, and F.

Lopez-Granados, 2014. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV, Computers and

Xiang, H. and L. Tian, 2011. Development of a low- cost agricultural remote sensing system based on an autonomous unmanned aerial vehicle (UAV),

Yun, H.S., S.H. Park, H.J. Kim, W.D. Lee, K.D. Lee, S.Y.

Hong, and G.H. Jung, 2016. Use of unmanned

aerial vehicle for multi-temporal monitoring of

soybean vegetation fraction, Journal of Biosystems