Drone Image based Time Series Analysis for the Range of Eradication of Clover in Lawn

(1)

드론 영상기반 잔디밭 내 클로버의 퇴치 범위에 대한 시계열 분석

Drone Image based Time Series Analysis for the Range of Eradication of

Clover in Lawn

이용창¹⁾· 강준오²⁾· 오성종²⁾

Lee, Yong Chang·Kang, Joon Oh·Oh, Seong Jong

Abstract

The Rabbit grass(Trifolium Repens, call it 'Clover') is a representative harmful plant of lawn, and it starts growing earlier than lawn, forming a water pipe on top of the lawn and hindering the photosynthesis and growth of the lawn. As a result, in competition between lawn and clover, clover territory spreads, but lawn is damaged and dried up. Damage to the affected lawn area will accelerate during the rainy season as well as during the plant's rear stage, spreading the area where soil is exposed. Therefore, the restoration of damaged lawn is causing psychological stress and a lot of economic burden. The purpose of this study is to distinguish clover which is a representative harmful plant on lawn, to identify the distribution of damaged areas due to the spread of clover, and to review of changes in vegetation before and after the eradication of clover. For this purpose, a time series analysis of three vegetation indices calculated based on images of convergence Drone with RGB(Red Green Blue) and BG-NIR(Near Infra Red)sensors was reviewed to identify the separation between lawn and clover for selective eradication, and the distribution of damaged lawn for recovery plan. In particular, examined time- series changes in the ecology of clover before and after the weed-whacking by manual and brush cutter. And also, the method of distinguishing lawn from clover was explored during the mid-year period of growth of the two plants. This study shows that the time series analysis of the MGRVI(Modified Green-Red Vegetation Index), NDVI(Normalized Difference Vegetation Index), and MSAVI(Modified Soil Adjusted Vegetation Index) indices of drone-based RGB and BG-NIR images according to the growth characteristics between lawn and clover can confirm the availability of change trends after lawn damage and clover eradication.

Keywords : Trifolium Repens, Lawn, Clover, Drone, Eradication, Vegetation Indices

초 록

클로버는 잔디의 대표적 유해 식물로 양지식물인 잔디보다 일찍 생육활동을 시작하여 잔디의 상부에 수관을 형 성하고 잔디의 광합성과 성장을 방해한다. 이로 인해 두 식생종 간 경쟁에서 대부분, 클로버 영역은 확산되고 잔디 의 경우는 훼손과 고사가 진행되게 된다. 훼손된 부분은 장마 및 생장 휴면 기간 중, 토양표출 확산으로 전개되어 잔디 복구에 심리적 스트레스 및 많은 경제적 부담을 초래하고 있다. 본 연구의 목적은 잔디의 대표적 유해식물인 클로버를 구분하고 클로버의 확산에 따른 훼손지역 분포, 퇴치 전·후의 식생변화 추이를 고찰하는 것이다. 이를 위 해 RGB, BG-NIR 센서를 탑재한 융·복합 드론기반 영상을 활용, 3가지 식생지수의 시계열 분석을 통해 선별적 퇴 치를 위한 식생구분, 복구전략 수립을 위한 잔디 훼손 분포 등을 고찰하였다. 특히, 인력 및 기기에 의한 선별적 제 초 및 예초 전·후, 클로버의 생태변화 추이를 시계열로 분석하였다. 또한, 잔디와 클로버의 성장 중반기 기간 중, 식 생 종간 구분 방안도 모색하였다. 연구결과, 잔디와 클로버 생육 특성에 따른 RGB 및 BGNIR 드론영상의 MGRVI 및 NDVI, MSAVI 지수의 시계열 분석을 통해 잔디 훼손과 클로버 퇴치 후 변화 추이 분석의 활용성을 확인하여 잔디 유해 잡초에 대한 효율적 관리의 활용 가능성을 입증할 수 있었다.

핵심어 : 클로버, 잔디, 드론, 퇴치, 식생지수

Received 2021. 07. 12, Revised 2021. 07. 29, Accepted 2021. 08. 23

1) Corresponding Author, Member, Dept. of Urban Construction Engineering, Professor, Incheon National University. (E-mail: [email protected]) 2) Member, Dept. of Urban Construction Engineering, Incheon National University. (E-mail: [email protected])

3) Member, Dept. of Urban Construction Engineering, Ph.D. student, Incheon National University. (E-mail: [email protected])

https://doi.org/10.7848/ksgpc.2021.39.4.211 Original article

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

(2)

1. 서 론

사과밭에서 클로버는 공기 중 질소고정 작용으로 유용한 식물이다. 그러나 잔디밭의 클로버는 치명적인 대표 유해식물 (NCB, 2009)로 한국잔디연구소에서는 잔디와 클로버의 성장 기간 및 생육특성을 비교 고찰하여 클로버 퇴치를 위한 다양 한 방안(수작업, 예초기, 제초제 살포 등)과 관리용 홍보자료 를 제공하고 있다(Park, 2012). 공원 내 잔디 관리용 농약성 제 초제 살포가 환경문제로 제기된 이후로 광합성, 세포분열, 에 너지 대사과정, 호르몬 교란작용 및 생합성에 관여하는 여러 종류의 친환경 제초제가 출시되고 있다(RDA, 2020; KTRI, 2021). 그러나 클로버의 강인한 생명력과 재발성으로 개인은 물론 공공기관에서도 잔디관리에 심적, 물적 경제적인 부담이 가중되고 있는 현실이다. 잔디는 매년 전년도 11월부터 해당년 도 4월 초까지 휴면기로 황갈색인 반면, 클로버는 3월 초부터 생육을 시작하며 특히, 변종의 경우 온화한 겨울에도 월동하 면서 녹색을 나타낸다. 따라서, 이를 역으로 이용하면 두 식물 의 생장활동 시차를 활용하여 클로버의 출현 구역, 분포 및 밀도 등을 파악할 수 있다(Ahn, 2019). 특히, 대상 면적에 따 라 인공위성, 항공기 및 드론에 탑재한 원격탐측용 센서로 부 터 생육 초기의 영상을 취득하고 다양한 식생지수(vegetation indices)를 산출, 분석하면 컬러영상이나, 육안 식별이 어려운 어린 클로버의 분포 상태도 확인 가능할 것으로 예상된다.

최근, 국내외적으로 ‘스마트 팜’ 관련 연구 지원이 확대되면 서 인공위성, 항공기 외에 저가형 드론 플랫폼에 RGB, BG- NIR, GR-NIR, TIR 및 LiDAR 등 다양한 전자기파 반사 스펙 트럴 수집 센서를 탑재, 다채널 밴드의 영상을 취득하여 스마 트 영농(Kang and Lee, 2020)에 기여하고 있다. ESA(2021)에 서는 Sentinel-2 위성 센서(MSI, Multi-Spectral Instrument) 가 취득한 13개 Bands(공간해상도 10m 4개 밴드, 20m 6개 밴 드 및 60m 3개 밴드)의 영상공개서비스와 식생분석이 가능한 원격탐측영상해석용툴(SNAP)을 제공하고 있다. 원격탐측 용 센서부문도 일반 저가형 카메라를 수정한 DIY 센서(LDP LLC, 2021)외에 멀티밴드 센싱이 가능한 다양한 드론 탑재용 센서들이 출시되고 있다. 지표면에서 반사된 다종 밴드영역의 스펙트럴 반사 정보로부터 식물의 식생상태 진단용 100여개 이상의 식생지수가 발표(Barati et al., 2011; Agapiou et al., 2012; Hunt et al., 2013; L3Harris, 2018)되어 국내·외적으로 식물의 생태계 연구와 스마트 팜 연구에 다양하게 활용되어 왔다(Lee, 2018). EOS 사(2021)는 다양한 위성영상을 활용, 전 세계 스마트팜 2종 서비스(crop monitoring, land viewer) 를 진행해 왔다. 특히, 식물의 성장기간 별 식생지수 NDVI,

MSAVI, NDRE, RECI 를 선정하여 기상(기온, 강우량) 정보 와 함께 시계열 서비스도 병행하고 있다. 또한, 휴대폰 및 일 반 ‘RGB 컬러용 식생지수’(ExG, GLI, VEG, MPRI, RGVBI 등)도 다양하게 발표·활용되어왔다(Yang et al., 2008; Bendig et al., 2015).

Yeom et al.(2019) 등은 농지를 대상으로 RGB UAV 영상을 활용한 경운효과(tillage eﬀects) 연구에서 MGRVI, ExG 지 수의 효용성을 제시한 바 있다. 잔디에 클로버가 발생할 경우, 제초제를 살포하거나 인력에 의한 수작업(제초) 또는 예초기 로 퇴치하는데 이 과정에서 경제적 문제 외에 농약과 환경문 제, 퇴치 작업 중 클로버 종자 전파, 잔디손상 등 추가 문제도 유발되어 친환경적 효율적 퇴치를 위한 정밀방제 계획이 필요 하다. 따라서, 다양한 센서를 활용한 모니터링 기술이 요구되 며 광범위지역 정보획득 및 식생지수 분석에 유리한 드론기반 영상해석 기술이 필요하다. 드론 영상기반 식생지수로부터 잔 디, 클로버의 식생범위, 클로버에 의한 잔디의 훼손 범위를 파 악·산출할 수 있다면 대규모 잔디 조성지(예 : 잔디경작지, 골 프장, 공원 및 초지) 등에서 클로버의 정밀방제계획 수립에 효 율적 활용이 기대된다.

2. 연구방법 및 목적

잔디(lawn grass, 학명 zoysia japonica)는 난지형(추운 겨울 에 휴면하는 잔디), 한지형으로 분류되며 국내에서는 난지형 이 주류를 이루고 잔디조림지, 잔디경작지, 공원, 묘지, 스포 츠시설(골프장, 축구장, 테니스 코트 등), 주택의 경관조경 등 에 널리 식재되고 있다. 특히, 공학적으로는 사방공사용으로 활용되는 벼과의 다년 생 피복성 식물로 햇볕이 잘 드는 환경 을 선호한다. 따라서 잔디에 클로버가 발생할 경우, 클로버의 강한 경쟁력으로 잔디장의 훼손과 추가적 피해가 발생된다.

본 연구는 소형 무인항공기에 RGB 카메라 및 수정한 BG- NIR 카메라 영상센서를 탑재, 잔디밭에서 발생하는 클로버의 확장 상태를 주기적으로 촬영하고 성장 초반기 클로버의 선별 이 용이한 식생지수를 선정, 지수분포의 시계열 분석으로 식 생의 확장 상태, 퇴치범위를 가시화·정량화하여 잔디 복구전 략 수립에 기여하는 것이다. 또한, 잔디밭에서 클로버의 선별 적 퇴치를 위한 성장 중반기 기간 중, 두 식물 간의 종간 구분 방안도 모색하였다. 이를 위해 저가형 드론 플랫폼에 탑재된 2종의 영상센서(RGB, BG-NIR)로부터 획득된 반사 스펙트럴 특성을 활용하여 잔디밭에서 클로버 분포의 선별에 활용 가 능한 식생지수를 선정하였다. 관측 대상지는 잔디와 클로버가 공존하는 소규모 공원을 선정, 약 3년간 주기적으로 드론을

(3)

활용한 RGB, BG-NIR 센서를 통해 항공영상을 획득, 잔디와 클로버의 분포범위 및 훼손 부분 등에 대한 시계열 변동 추이 를 컬러영상 및 MGRVI, NDVI, MSAVI 식생지수로 산출하 여 비교·고찰하였다. 특히, 공원관리소에서 실시한 수작업(제 초) 및 예초기에 의한 클로버 퇴치작업 이후, 잔디와 클로버의 생육 변화 추이를 시계열로 종합 분석하였다.

3. 성장기간 별 식생지수

식생지수는 임의 식생에서 반사된 스펙트럴 밴드의 조합을 통해 정량화된 수치로 식생질 상태(엽록소, 수분, 영양, 질소 함량, 병해충 피해 등)의 조사·분석을 위한 판단 기준으로 활 용된다. Table 1은 EOS(2021)의 ‘스마트 팜 서비스’에 적용하고 있는 성장기간 별, 식생지수(Chang et al., 2020) 일부를 요약 한 것이다. Rouse et al.(1973)에 의해 연구 개발된 NDVI는 식 물 생장 전 기간의 식생 상태 진단에 활용되고 있는 표준지수 이나 대기와 구름의 영향 및 식생 밀도가 낮은 토양부에서 보 정이 필요하다(L3Harris, 2018). MSAVI는 순수토양의 밀도 가 높은 장소의 식생분포를 조사하는 지수로 토양분포 대비 식생분포가 적은 경우 NDVI의 한계성을 극복하는데 사용되 며 식생 초반기에 적용할 수 있다(Qi et al., 1994). 또한 ‘스마트 팜’의 범용 확산을 감안, RGB 영상용 지수 중, 토양환경에서 식생분포를 강조할 수 있는 MGRVI지수(Bendig et al., 2015) 를 추가 적용하였다.

4. 관측 및 영상 해석

관측 대상지는 인천시설공단 송도공원사업단 공원시설 (솔찬공원 ‘케이슨 24’ 인근 원형잔디조성지 이하 ‘원형잔디

장’, 면적 약 855㎡)을 선정하였다. 원형잔디장은 해안가 인 접지로 드론 영상관측은 2018년 4월부터 2021년 3월까지 약 3년 동안 33회 수행하였고 잔디와 클로버의 시계열 식 생 변화 추이 분석에 활용하였다. 원형잔디장은 2018년 이 전에도 클로버에 의한 잔디의 피해가 큰 상태였으나 소규모 인 관계로 수작업 제초작업과 예초기 작업을 지속적으로 수 행해왔다. 영상 획득에 활용된 센서 및 드론 제원은 Table 2 과 같고, Pix4D Capture 앱을 활용하여 자동비행(촬영고도 30m 또는 60m, 종·횡 중복도 85% 설정)을 수행, 3cm 이내 의 GSD(Ground Sample Distance) 영상을 획득하였다. BG- NIR 카메라는 경제적인 스마트팜 연구수행을 위해 DJI사의 Inspire 1에 탑재된 FC-350(RGB) 카메라 모델의 적외선 차 단 필터를 제거한 후, X-Nite 필터를 장착 수정하여 근적외 파장 대역(680~800nm)을 재현·활용하였다.LDP LLC, 2021;

Laura et al., 2020)

(a) (b) (c) Fig. 1. (a) Whole view of target area, (b) region of interest, and (c) MGRVI index map reproduced in RGB

(acquired in March 26, 2021)

영상 해석은 Pix4D Mapper를 활용하여 정사영상 및 수치 표고모형(DSM)을 재현(GSD, 1cm~2.6cm)한 후, 3종의 식생 지수를 산출하였다.

Fig. 1은 2021년 3월 26일 촬영한 RGB 영상기반 원형잔디 Table 1. The considered vegetation indices related to the vegetation cover and chlorophyll content

(N = NIR, R=Red, G=Green)

Vegetation index Equation Reference

NDVI       Rouse et al. 1973

MSAVI  ×  ^ ×  ^  ×  Qi et al. 1994 MGRVI ^^^  ^^ Bendig et al. 2015

Table 2. Speciﬁcation of the converged Drone and Sensors Source : www.dji.com

Image sensor Drone(Platform) Elements

RGB(Color) Phantom 4 Pro(FC 6310) 1" CMOS, FOV(84°), Number of pixels : 5472×3648 BG-NIR Inspire 1 FC-350(Modiﬁed ﬁlter) 1/2.3" CMOS, FOV(94°), Number of pixels : 4000×3000

(4)

장 주변의 DSM과 해석부분의 컬러 영상 및 MGRVI 식생지 수 분포를 나타낸 것이다. 클로버는 3월 초부터 식생활동이 시작된 반면, 잔디는 황갈색의 휴면기 상태이다. Fig. 1(b) 컬 러 영상에서는 토양 노출부(암회색)와 인공물(연보라색) 구 분 정도로 가능하지만, Fig. 1(c)의 경우, 클로버와 기타 유해 잡초(연한 녹색), 잔디(진한 노란색), 인공물과 잎이 없는 나무 (적색) 및 회색 도포된 철재 맨홀뚜껑과 가로등 상부(진한녹 색)가 나타난다. 따라서 피복 색의 부분 영향은 있지만 휴면기 원형잔디장에서 클로버와 유해 잡초의 선별 구분 시, 단순 컬 러영상(b)보다 MGRVI 식생분포(c)를 활용하는 것이 유리하 다. 특히, 식물 광합성과 토양표면 반사 영향의 반사 스펙트럴 특성을 고려할 수 있는 근적외 영상을 활용할 경우, 식생 생육 상태의 현황 분석에 좀 더 유리할 것이다.

5. 잔디와 클로버의 시계열 식생지수 분석

5.1 성장 초반기 컬러영상과 MGRVI 지수 분석 농촌진흥청, 한국잔디연구소에서는 잔디의 유해잡초 퇴치 적기로 이른 봄을 권장하고 있다. 약 3년간 수행한 33회의 드 론 관측 영상 중, 3월 말~6월 초 기간 중, 획득한 RGB 및 BG- NIR 영상을 활용, MGRVI, NDVI 및 MSAVI 식생지수를 각 각 산출하고 시계열 분포를 고찰하였다. 특히, 바다와 인접한 본 실험장소의 환경을 감안, 잔디 휴면기(잔디색 : 황갈색)를 사진 문헌 조사를 토대로 전년도 11월부터 해당 년도 4월 초 까지로 설정하였다.

Fig. 2는 2018년 4월~6월 기간 중, 원형잔디장의 RGB 영상 기반 MGRVI 지수의 등분할분포도(equal spacing, 최소~최 대범위 : -0.7~0.5, 분류단계 : 5, 급간대(dr, distribution range) : 0.24, 이하 ‘MGRVI 분포도’) 및 컬러 영상으로 나타낸 것이 다. MGRVI 분포도에서 진한 녹색(클로버), 노란색(잔디), 및 적색(흙, 인공물)을 나타내고 있다.

특히, 4월 9일에서 4월 17일로 경과하면서 클로버의 면적 백 분율(percentage of area, 이하 ‘PA')이 23.6% → 26.7%로 확 산되는 반면, 휴면기 잔디 PA(MGRVI=0.02 이하)는 4월 9일 에서 5월 9일로 경과 중, 76.4% → 73.3% → 37.5% → 16.2%

로 감소하면서 잔디와 클로버의 식생 활동이 동시에 진행되었 다. MGRVI 지수급간대역(0.26~0.50, 대부분 ’클로버‘로 추정) 의 PA는 4월 27일 13.4%에서 5월 9일 32.9%로 2배 이상 증가 되어 생육 초반기의 잔디 영역이 점차 클로버에 의해 잠식되었 다. 공원관리소에서는 매년 4월~5월 초 클로버 다량 출몰장소 에 대한 퇴치작업을 수행하고 있다. Figs. 2(e), and (e’)는 인력 제초 및 예초 작업에 의해 클로버가 퇴치된 상태로 클로버가

있던 장소는 MGRVI 분포도(e)에서 진한 황갈색 계열, 컬러영 상(e’)에서는 대부분 토양까지 노출된 상태를 확인할 수 있다.

Fig. 2(e)에서 잔디는 연한 녹색을 보이며 좌측 가장자리 진한 녹색은 조경수의 잎 영역을 나타낸다.

Fig. 2. RGB image-based MGRVI (distribution range

= -0.7~0.5, class=5, dr=0.24) of 'round lawn' test ﬁeld between April 9, 2018 and June 6, 2018, The images (a'), (d'), and (e’) are color images of (a), (d), and (e), respectively

(a) 2018-04-09, MGRVI (a’) 2018-04-09, RGB Color

(d) 2018-05-09, MGRVI (d’) 2018-05-09, RGB Color

(e) 2018-06-06, MGRVI (e’) 2018-06-06, RGB Color

(5)

= -0.7∼0.5, class=5, dr=0.24) of 'round lawn' test ﬁeld between March 14, 2019 and May 8, 2019. The images (a'), (b’), (c’) and (d') are color images of (a), (b), (c), and (d) respectively. Expecially, (d) and (d’) are images after

the weed-whacking by manual on April 29 Fig. 3은 2019년 3월~5월 기간 중, MGRVI 지수의 등분포 도 및 컬러 영상을 비교한 것이다. 클로버의 PA는 3월 14일에 서 5월 8일로 경과 중, 0% → 21% → 34.3% → 51.9%로 증가 하였고, 3월 14일에서 4월 9일 기간 중 클로버의 PA는 1% 이 하 → 26.3%로 점차 확산되었다. 또한, MGRVI 지수급간대역 (0.26~0.50, 대부분 ‘클로버’로 추정)의 PA가 4월 18일과 5월 8 일 각각 Fig. 3(c) 14.1%에서 Fig. 3(d) 8%로 약 2배 감소된 반 면, MGRVI 지수급간대역(0.02~0.26, 잔디와 클로버 공존영 역 추정)의 PA는 34.3%에서 51.9%로 증가되었다. Figs. 3(d),

and (d’)에서 지수분포의 원형 형상은 클로버 확장 방지를 위 해 예초 작업 시 형성된 형태이다. Figs. 3(c, c’) → (d, d’)의 변 화를 고찰하면 확산 분포는 증가하고 생육 활력도가 높은 최 대분류군은 14.1% → 8%로 감소상태로 클로버 의 생육이 강 한 영역의 부분적 퇴치상태를 확인할 수 있다. 2018년 봄철 클 로버의 식생분포는 Fig. 2와 같이 ‘12시~6시’ 방향에서 강세를 보인 반면, 2019년 봄에는 ‘1시~7시’ 방향으로 전년도 퇴치영 역 외부에서 강세를 나타냈다.

= -0.7∼0.5, class=5, dr=0.24) of 'round lawn' test ﬁeld between March 3, 2020 and May 7, 2020, The images (a'),

(b’), (c’) and (d') are color images of (a), (b), (c), and (d) respectively. Expecially, (c) and (c’) are images after the

weed-whacking on the beginning of April by manual.

Fig. 4는 2020년 3월~5월 기간 중, MGRVI 분포도 및 컬러 (a) 2019-03-14, MGRVI (a’) 2019-03-14, RGB Color

(b) 2019-04-09, MGRVI (b’) 2019-04-09, RGB Color

(a) 2020-03-03, MGRVI (a’) 2020-03-03, RGB Color

(6)

영상을 나타낸 것이다. 잔디 휴면기인 4월 초까지 MGRVI 지 수급간대역(0.26~0.50)의 PA는 3월 3일, 3월 24일 모두 0%, 지수급간대역(0.02~0.26)에서는 각각 1.7% 및 18.6%로 클로 버 식생의 확산 상태를 확인할 수 있었다. 특히, 4월 29일의 경 우, MGRVI 지수급간대역 (0.26~0.50) 및 (0.02~0.26)의 PA 가 각각 0%와 0.6%로 3월에 비해 현격히 감소하여 부분적인 클로버 제초작업이 3월말~4월 중 진행되었음을 추정할 수 있 었다. 5월 7일 분포도에서는 동일한 2가지 MGRVI 지수급간 대역에 대해 각각 0% 및 31%로 나타나 잔디와 클로버 식생의 공존상태가 원형 가장자리를 중심으로 빠르게 진행 중인 것 을 확인하였다.

5.2 성장 초반기 NDVI, MSAVI 지수 분석

Fig. 5. BG-NIR image-based NDVI and MSAVI (distribution range = 0.0∼0.8, class=5, dr=0.24) of 'round lawn' test ﬁeld between April 17, 2018 and June 6,

2018, (a), (b), (c), and (d) are maps of NDVI by date, (a'), (b’), (c’) and (d') are maps of MSAVI respectively.

Fig. 5는 2018년 4월~6월 기간 중, BG-NIR 영상기반 원형잔 디장의 NDVI 및 MSAVI 지수 균등분할분포(equal spacing, 최 소~최대범위=0.0～0.8, 분류단계 5, 급간격(dr)=0.16, 이하 각각

‘NDVI 분포도’, ‘MSAVI 분포도’)를 관측 기간별로 정리한 것 이다. Fig. 5의 NDVI(좌측) 및 MSAVI(우측) 분포도에서 식생 에 대한 색상은 클로버(진한 녹색), 휴면잔디(적색, 황갈색), 및 성장 중인 잔디(연한녹색, 노란색)로 구분되어 있다. 4월 17에 서 4월 27일 및 5월 9일로 경과하면서 봄철 NDVI 지수급간대 역(0.64~0.80, 대부분 ‘클로버’로 추정)의 PA는 각각 0%(a) → 0.1%(b) → 0.6%(c)인 반면, NDVI 지수급간대역(0.48~0.64, ‘ 클로버’와 ‘식생초기의 잔디’ 공존영역 추정)의 PA는 각각 9.6% → 23.9% → 44.9%로 나타났다. 또한, 봄철 MSAVI 지 수급간대역(0.64~0.80, 대부분 ‘클로버’로 추정)의 PA는 각각 10.4%(a’) → 24.8%(b’) → 40.3%(c’)인 반면, MSAVI 지수급간 대역(0.48~0.64, ‘클로버’와 ‘식생초기의 잔디’ 공존영역 추정)의 경우는 각각 10.7% → 24.2% → 30.5%로 나타났다. 특히, 봄 철 NDVI와 MSAVI 지수급간대역(0.64~0.80)의 PA의 경우, NDVI 지수 대비 MSAVI 지수에서 클로버의 식생분포 상태 를 보다 명확히 구분할 수 있었다. 이는 식생 초기 토양 배경과 반사 영향이 보정 가능한 MSAVI 지수의 특성에 기인된 것으 로 분석된다. 즉, 봄철 클로버 생육상태가 강한 부분은 NDVI 지수대비 ‘진한 녹색’으로 선별성이 높으며 4월 중순, 휴면기를 마치고 생육이 시작되는 잔디의 생장 시점에서 면적백분율은 NDVI 지수분포(적색)대비 좀 더 현실적인 분포(황갈색)로 나 타났다. Fig. 2의 5월 9일과 6월 6일에 대한 MGRVI 지수분포 도에서 클로버 퇴치 전·후의 지수분포 상태를 BG-NIR 영상 기반 식생지수와 비교하면 NDVI 지수급간대역(0.48~0.80, ‘클 로버’ 비중 높음)의 PA는 46.6%에서 약 1%로 나타났다. 또한, MSAVI 지수급간대역(0.64~0.80, 대부분 ‘클로버’로 추정)의 경 우도 48.3%에서 약 1%로 현격한 퇴치 전후의 변화 상태를 확 인할 수 있어 컬러영상 대비 BG-NIR 영상의 효용성을 입증할 수 있었다. Figs. 5(c, c’), and (d, d’)에서 좌측 모서리의 연한녹색 (NDVI 분포)과 진한 녹색(MSAVI 분포)은 퇴치 변동이 없는데 이는 데크(적색)옆 가로수 잎새에 기인된 것으로 분석되었다.

Fig. 6은 2019년 3월~5월 기간 중, NDVI 및 MSAVI 분포 도를 정리한 것이다. 3월 14에서 4월 27일 및 5월 8일로 경과 되면서 봄철 NDVI 지수급간대역(0.64~0.80, 대부분 ‘클로버’

로 추정)의 PA는 모두 0%인 반면, MSAVI 지수급간대역은 각 각 0%(a’) → 1.7%(b’) → 5.6%(c’) → 16.4%(d’)를 보였다. 또 한 NDVI 및 MSAVI 지수급간대역(0.48~0.64, ‘클로버’와 ‘식 생초기의 잔디’ 공존 추정)의 PA도 각각 0%(a) → 1.4%(b) → 4.6%(c) → 14.5%(d) 및 1.7%(a’) → 12.2%(b’) → 21.0%(c’) → (a) 2018-04-17, NDVI (a’) 2018-04-17, MSAVI

(b) 2018-04-27, NDVI (b’) 2018-04-27, MSAVI

(d) 2018-06-06, NDVI (d’) 2018-06-06, MSAVI

(7)

44.4%(d’)로 시간 경과에 따라 면적백분율이 증가하는 형태 로 나타났지만 Figs. 3(c, c’) → (d, d’)의 부분 퇴치 상태의 확 인에는 한계가 있었다. 따라서 이 부분은 다양한 식생지수 및 환경을 고려한 추가 연구를 통한 규명이 요망된다.

Fig. 6. BG-NIR image-based NDVI and MSAVI (distribution range = 0.0∼0.8, class=5, dr=0.16) of 'round lawn' test ﬁeld between March 14, 2019 and May

8, 2019, (a), (b), (c), and (d) are maps of NDVI by date, (a'), (b’), (c’) and (d') are maps of MSAVI respectively.

Fig. 7은 2020년 3월~5월, NDVI 및 MSAVI 분포도를 나타 낸 것이다. 봄철 NDVI 및 MSAVI 지수급간대역(0.64~0.80, 대부분 ‘클로버’로 추정)의 PA는 3월 3일에서 5월 8일 기간 중 모두 0%로 나타났다. 또한, NDVI 및 MSAVI 지수급간대 역(0.48~0.64)의 경우도 Figs. 7(a), (b), (c), and (d) 모두 0% 및 0%(a’) → 2.1%(b’) → 2.5%(c’) → 2.0%(d’)로 과년도 동월의 클 로버 생육 상태 대비 작은 값으로 연차별로 수행된 클로버 퇴

치 작업의 성과를 간접 확인할 수 있었다. 클로버의 생육상태 가 3월 24일 중앙부에서 부분 관찰되었지만, 4월 29일의 경우 중앙부는 퇴치되었고 5시 방향 모서리 부분에서 새롭게 부분 관찰되었다. 또한, 2020년도에는 예초기에 의한 클로버 퇴치작 업의 영향으로 흙이 일부 노출된 부분(‘부분 나지’라 함)을 여러 곳 확인할 수 있는데 NDVI 및 MSAVI 지수 분포도에서 ‘부분 나지’(지수급간대역 0.00~0.16)의 PA 분포를 비교하면, NDVI 분포도(적색) 및 MSAVI 분포도(황갈색)에서 각각 72.4%(a)

→ 40.4%(b) → 10.3%(c) → 24.8%(d) 및 1.8%(a’) → 0.9(b’) → 0.7%(c’) → 2.9%(d’)로 점차 식생이 회복되는 경향을 보이다가 5월 8일 ‘부분 나지’ 면적이 재 증가한 상태를 확인할 수 있었다.

Fig. 7. BG-NIR image-based NDVI and MSAVI (distribution range = 0.0∼0.8, class=5, dr=0.16) of 'round lawn' test ﬁeld between March 3, 2020 and May 7,

2020, (a), (b), (c), and (d) are maps of NDVI by date, (a'), (b’), (c’) and (d') are maps of MSAVI respectively.

(a) 2019-03-14, NDVI (a’) 2019-03-14, MSAVI

(b) 2019-04-09, NDVI (b’) 2019-04-09, MSAVI

(d) 2019-05-08, NDVI (d’) 2019-05-08, MSAVI

(a) 2020-03-03, NDVI (a’) 2020-03-03, MSAVI

(b) 2020-03-24, NDVI (b’) 2020-03-24, MSAVI

(d) 2020-05-07, NDVI (d’) 2020-05-07, MSAVI

(8)

Fig. 8. BG-NIR image-based NDVI and MSAVI (distribution range = 0.0∼0.8, class=5, dr=0.16) of 'round

lawn' test ﬁeld on January 2, 2020, February 22, 2021 and March 26, 2021. (a), (b), and (c), are maps of NDVI by

date, (a'), (b’), and (c’) are maps of MSAVI respectively.

Figs. 8(a), (b), and (c)는 각각 2020년 1월 2일, 2021년 2월 22일과 3월 26일 원형잔디장의 NDVI와 MSAVI 분포도를 각 각 정리한 것이다. Figs. 8(a), and (a’)은 한겨울의 NDVI 및 MSAVI 분포도로서 NDVI 분포도에서 월동 잡초의 PA 산정 은 한계가 있지만, MSAVI 분포도의 경우, 약 2.0%로 산출할 수 있었다. 이는 2020년 온화한 겨울 기온의 영향에 기인한 것 으로 분석된다. 특히, 2월 22일과 3월 26일 NDVI 분포 Figs.

8(a), and (b) 및 MSAVI 분포 Figs. 8(a’), and (b’)에서 진한 황 갈색 부분은 클로버가 제거된 휴면 상태의 잔디영역으로 약 100%에 근접한 PA를 나타내었다. Fig. 8의 지수분포도에서도 NDVI 대비 MSAVI의 실감지수분포가 현장 환경에 보다 근 접한 분포 경향을 보였다. 특히, Figs. 8(b’), and (c’)에서 지수 분포(VI=0.16~0.32)를 나타낸 1 상한 영역과 일부 3 상한 및 4 상한 영역에 대한 현장 현황 조사를 수행하였다.

Fig. 9는 잔디의 훼손부분 외곽지역(폐합다각형 영역), 클로버 출현 위치(녹색 수목기호; C1~C15)에 대한 GNSS network-RTK 현황측량 수행 결과를 원형잔디장 분포도에

중첩 표기한 것이다. C1 및 C9 측점 부근의 현황을 확대하면 Figs. 9(b), and 9(c)와 같다. 현황조사 과정에서 클로버 이외 의 잔디 유해잡초(새포아풀, 개망초)가 ‘부분 나지’에서 확인되 었지만, 개체수는 미소하였다. 따라서, 현황조사를 통해 확인 된 토양 노출상태와 월동식생분포에 대한 사전 정보 분석에 NDVI 지수분포 Fig. 8(c) 대비 MSAVI 지수분포 Fig. 8(c’)의 효과를 입증할 수 있었다.

Weeding(Clover, Poa annua, annual ﬂeabane) distribution at the round lawn test site.

(a) Boundary surveying, (b) photo view of exposed soil part C1, and C9

Fig. 9. Status of clover appearance and damaged grass area by precise visual observation of

‘Round lawn’ test site on March 26, 2021.

Fig. 10. Time series index distribution of

‘Round lawn’ test site by class of NDVI and MSAVI vegetation indices during grass dormancy (late March to

early April) ((a) NDVI, and (b) MSAVI)) Figs. 10(a), and (b)는 약 3년의 연구기간 중, 잔디 휴면기간 (3월말~4월초)의 NDVI 및 MSAVI 지수급간대역 별 PA의 시 계열 분포를 나타낸 것이다. NDVI 및 MSAVI 지수의 급간대 역 별 분포를 고찰하면, 관측일이 동일하지 않은 관계로 2018 년~2020년 기간 중, 급간대역별 부분 변동은 있지만 연구 종 료일(2021년 3월 26일) 급간대(0~0.16)의 NDVI 및 MSAVI 지 수의 PA는 각각 100% 및 64%, 기타 급간대에서 NDVI 지수 는 모두 0%에 수렴되었다. 특히, MSAVI 지수의 경우, 급간대 (0.16~0.32)의 PA경우 만 36%였고 나머지 급간대는 모두 0%

(a) 2020-01-02, NDVI (a’) 2020-01-02, MSAVI

(b) 2021-02-22, NDVI (b’) 2021-02-22, MSAVI

(a) (b) (c)

(9)

로 수렴된 분포를 나타내었는데 2021년 3월 26일, 드론영상 관측과 함께 현장 검증을 수행한 결과, Figs. 9(a), (b), and (c) 와 같이 클로버 식생이 상당 부분 퇴치된 상태를 육안으로도 확인할 수 있었다.

약 3년간의 RGB 영상기반 MGRVI 식생지수, BG-NIR 영상 기반 NDVI, 및 MSAVI 식생지수의 시계열 분석을 통해 잔디의 대표 유해식물인 클로버의 확장에 따른 잔디의 훼손범위와 예 초 작업 후 식생변동 및 노출된 토양부의 상태조사 등에서 무 인항공기와 분광센서 융합기반 영상의 효용성을 확인하였다.

5.3 성장 중반기 잔디와 클로버 구분 방안

잔디와 클로버의 성장 중반기는 두 식생의 분열·확장이 왕 성한 시기로 드론 영상(RGB, BG-NIR)기반 잔디밭 내 클로버 의 구분을 위한 별도의 전략이 요망된다. 클로버는 공기 중 질 소고정 식물로 잔디에 비해 진한 녹색을 띠며 클로버와 혼재 된 잔디는 클로버의 질소공급으로 주변 잔디(연녹색) 대비 진 녹색을 나타낸다. 본 연구는 이점에 착안하여 성장 중반기 잔 디와 클로버의 혼재 부분 및 제초 후, 클로버 잔존지의 구분 등에 활용하였다. Figs. 11(a) to 11(d)는 각각 2018년 8월 14일 BG-NIR 영상기반 NDVI, MSAVI, RGB 영상기반 MGRVI 식생지수 및 컬러 영상이다. 각 식생지수의 최소값~최대값 범 위에 대해 5단계(하위 5단계인 적색은 인공벤치)로 구분한 결 과, 4종의 분포도에서 대체로 유사한 분포 경향을 보였다.

Fig. 11. (a) BG-NIR image-based NDVI, (b) MSAVI, (c) RGB image-based MGRVI(class=5), and (d) RGB image of 'round lawn' test ﬁeld on August 14,

2018 respectively. (dr = distribution range)

(1) (2)

(3) (4)

Fig. 12. Vegetation according to the photographing direction ((1)∼(4)) in Figure 11(d)

Fig. 12는 Fig. 11(d)의 지상사진 촬영 각 방향((1)~(4)) 식 생 분포의 컬러 영상이다. 잔디의 성장 초반기(2018년 4월 17 일~2018년 6월 6일) 이후, 2개월 중에도 잔디 깍기, 예초 및 제초작업이 병행되었다. Fig. 11(d)의 원형잔디장 전경 및 4방 향의 식생분포를 Fig. 12에서 고찰해 보면, 토양이 노출된 부 분(연한 황갈색), 순수잔디(연녹색) 및 잔디와 클로버 공존부 또는 클로버 인접부의 잔디(진녹색)는 Fig. 11의 식생분포도 (a~c)의 분류 등급에서 각각 하위 2단계(진노랑), 상위 3단계 (연노랑) 및 상위 1단계(9시 방향 가로수 포함)와 2단계(연녹 색)에 상당한다. 특히, Fig. 11(a~c)에서 진녹색과 연녹색 부 분은 대부분 클로버와 잔디의 공존부였고 부분적으로 클로버 가 공급한 질소의 영향으로 진녹색을 띤 잔디로 확인되었다.

또한, Fig. 11 및 Fig. 12의 토양 노출부에서는 퇴치가 되지 않 은 클로버와 기타잡초(바랭이, 개망초, 방동사니 등) 등도 확 인할 수 있었다.

6. 결 론

본 연구는 잔디밭에서 클로버의 선별 방제를 위해 퇴치 범 (a) NDVI (dr = –0.02~0.49) (b) MSAVI (dr = 0.02~0.72)

(c) MGRVI (dr = –0.27~0.28) (d) RGB image

(10)

위의 가시화·정량화 및 식생 간 선별 방안 모색을 목적으로 약 3년간, 드론 RGB 및 BG-NIR 영상을 활용, 성장 초반기 식생 지수의 시계열 분석을 통해 다음의 결과를 도출하였다.

첫째, 잔디와 클로버의 생육 기간 편차를 활용, 드론 RGB 영상기반, MGRVI의 시계열 분석을 통해 클로버의 확장, 잔 디 훼손 및 클로버 퇴치 후 변화 추이 분석의 활용성을 입증 하여, 범용 RGB 카메라에 의한 잔디 유해식물의 관리에 그 활용이 기대된다.

둘째, 드론 BG-NIR 영상기반, NDVI, MSAVI 식생지수의 시계열 분석을 통해 클로버의 확장 및 잔디 훼손 부분의 가 시화·정량화를 구현하여 퇴치 범위와 퇴치 후, 유지관리 등 잔디 유해 잡초의 효율적 관리 분야의 활용성을 입증하였다.

셋째, 잔디와 클로버의 성장 중반기, 혼재된 식생 부분의 구 분 방안으로 클로버의 질소공급 과잉에 따른 잔디색상의 차 이로, 선별 가능성을 입증할 수 있었다.

본 연구를 통해, 잔디밭에서 클로버의 선별적 퇴치계획 수 립 및 스마트 관리 방안으로 일반용 UAV 플랫폼에 범용 RGB 및 BG-NIR 수정카메라 활용의 효용성을 선별된 식생지수와 연계, 종합 분석을 통해 입증할 수 있었다. 따라서 대규모 잔 디구역의 유해잡초 관리는 물론 스마트 팜을 위한 드론 영상 의 응용 및 활용 확대가 기대된다.

감사의 글

본 연구는 2019년 인천대학교 자체연구지원비(과제번호 : 2019-0110)에 의해 이루어진 연구내용으로 인천대학교의 연 구지원에 감사드립니다.

References

Agapiou, A., Hadjimitsis, D.G., Alexakis, D.D. (2012), Evaluation of broadband and narrowband vegetation indices for the identiﬁcation of archaeological crop marks, Remote Sensing, Vol.4, No.12, DOI.3892-3919;10.3390/

rs4123892.

Ahn, H.S. (2019) Timely landscaping management and eﬀective control by weed types and characteristics, APTN, http://www.aptn.co.kr/news/articleView.html?idxno=

66555/ (last accessed: 27 February 2021).

Barati, S., Rayegani, B., Saati, M., Shariﬁ, A., and Nasri, M.

(2011), Comparison the accuracies of diﬀerent spectral indices for estimation of vegetation cover fraction in sparse vegetated areas, The Egyptian Journal of Remote Sensing and Space Sciences, Vol.14, No.1, pp.49-56.

Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Martin L.G., and Bareth, G. (2015), Combining UAV-based plant height from crop surface models, visible, and near infrared vegetation indices for biomass monitoring in barley. International Journal of Applied Earth Observation and Geoinformation, Vol.39, pp.79-87.

Chang, A.j., Yeom, J.h., Jung, J.h., and Landivar, J. (2020), Comparision of canopy shape and vegetation indices of cirtus trees derived from UAV multispectral images for characterization of citrus greening disease, Remote Sensing, Vol.12, No.24, DOI.4122;10.3390/rs12244122.

Nature Conservation Bureau(NCB), (2009), Ecosystem Disturbance Wild Animals and Plants Data Book, Ministry of Environment, Publication registration number 11-1480000-001000-01.

Earth Observing System (EOS), 2021, Precision agriculture, Earth Observing System, NASA, http://eos.com/ (last accessed: 17 April 2021).

European Space Agency (ESA), (2021), Sentinel Technical Guides, European Space Agency, Europe, https://sentinels.

copernicus.eu/web/sentinel/home/ (last accessed: 13 April 2021).

Hunt, E.R., Doraiswamy, P.C., McMurtrey, J.E., Daughtry, C.S.T., Perry, E.M., and Akhmedov, B. (2013), A visible band index for remote sensing leaf chlorophyll content at the canopy scale, International Journal of Applied Earth Observation and Geoinformation, Vol.21, No.1, pp.103- 112.

Kang, J.O., Lee, Y.C. (2020), Analysis of crop damage caused by natural disaster in UAS monitoring for smart farm, Geodesy Photogrammetry and Cartography, Vol.38, No.6, pp. 583-589.(in Korean with English abstract)

Korea Turfgrass Research Institute(KTRI), (2021), lawn protector, Korea Turfgrass Research Institute, Sungnam, http://www.ktri.or.kr/ (last accessed 14 April 2021).

Laura, A.M., Miguel, I.A., Matthew, B., Niall, G.B., Juan,

(11)

A.C., Marta, P., Aida, L.S., Jordi, B., Helena, F., Santiago, L., Ramon, P., and Emmanuel, S. (2020), Remote mapping of foodscapes using sUAS and a low cost BG-NIR sensor, Science of the Total Environment, Vol.718, DOI.https://doi.

org/10.1016/j.scitotenv.2020.137357

LDP LLC, (2021), XNiteDJI-X3: DJI Zenmuse X3 Camera Modiﬁed for UV-VIS-IR Functionality, LDP LLC, Carlstadt, https://maxmax.com/shopper/category/9489- dji-uv-vis-ir/ (last accessed 17 April 2021).

Lee, Y.C. (2018), Vegetation monitoring using unmanned aerial system based visible, near infrared and thermal images. Journal of Cadastre & Land Informatix, Vol.48, No.1, pp.71-91.(in Korean with English abstract)

L3Harris, (2018), From Data Collections to Custom Geospatial Solutions, L3Harris Geospatial Solutions, State of California, http://harrisgeospatial.com/ (last accessed: 20 April 2021).

Park, N.I. (2012), Weed prevention and practice, Education Special Lecture Materials, Korea Turfgrass Research Institute.

Qi, J., Chehbouni, A., Huete, A.R., Kerr, Y.H., and Sorooshian, S. (1994), A modiﬁed soil adjusted vegetation index, Remote Sensing of Environment, Vol.48, No.2, pp.119-126.

Rouse, J.W., Hass, R.H., Schell, J.A., and Deering, D.W.

(1973), Monitoring vegetation systems in the great plains with ERTS, Third Earth Resources Technology Satellite-1 Symposium-1973, Goddard Space Flight Center:NASA, 10-14 December, Washington D.C., United States of America, pp.A20:309-317.

Rural Development Administration(RDA), (2020), Annual weed management “Start on the Lunar New Year”, Ministry of Culture, https://www.korea.kr/news/pressReleaseView.

do?newsId=156371993/ (last accessed: 24 March 2021).

Yang, Z., Willis, P., and Mueller, R. (2008), Impact of band-ratio enhanced AWIFS image to crop classiﬁcation accuracy, The Future of Land Imaging…Going Operational-2008, Pecora 17, 18-20 November, Denver, Colorado.

Yeom, J.H., Jung, J.H., Chang, A.J., Akash, A., Murilo, M., Andrea, M., and Juan, L. (2019), Comparison of vegetation indices derived from UAV data for diﬀerentiation of tillage

eﬀects in agriculture, Remote Sencing, Vol.11, No.13, DOI.1548; https://doi.org/10.3390/rs11131548.