[국내논문]지상용 초분광 카메라를 이용한 소나무재선충병 감염목 분광 특성 분석 An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera원문보기
본 연구에서는 소나무재선충병이 확산되어 있는 거제도를 대상으로 소나무재선충병 감염목 특성분석을 위하여 지상용 초분광 카메라를 활용하여 2012년과 2013년에 걸쳐 대상 임목을 촬영하였다. 영상 촬영은 소나무재선충병이 확산되는 시기인 6~9월 기간에 개체목 단위와 임분 단위로 구분하여, 개체목은 인위적으로 소나무재선충병을 주입한 공시목을 대상으로 실시하고, 임분은 소나무재선충병이 자연적으로 발생한 임분을 대상으로 실시하였다. 수백개의 파장대역 정보를 담고 있는 지상용 초분광 영상을 이용하여 소나무재선충병 감염단계에서부터 고사단계에 이르기까지 파장대역 변화와 특성분석을 진행하였다. 그 결과, 전체 파장대역 중 적색영역(550~700 nm)의 변화가 두드러지게 나타났으며 특히, 688 nm 전후의 파장대역에서 고사목과 정상목간의 가장 많은 변화폭이 관측되었다. 향후 초분광 항공사진을 활용한 소나무재선충병 감염목 탐지 활용가능성 판단을 위하여 개체목 단위 촬영영상보다 대면적의 임분단위 촬영영상을 활용한 분석이 진행되었다. 가장 큰 변화를 나타낸 688 nm 구간의 식생지수 활용을 위하여 Normalized Difference Vegetation Index(NDVI), Red Edge Normalized Difference Vegetation Index(reNDVI), Photochemical Reflectance Index(PRI), Anthocyanin Reflectance Index 2(ARI2) 식생지수에 대한 비교 분석을 실시하였다. 감염목 탐지에 효율성이 높다고 판단되는 지수는 NDVI와 reNDVI으로 나타났으며 688 nm를 NDVI와 reNDVI식 적색영역에 적용한 결과 688 nm를 포함하여 적용한 지수값에서 감염진행에 따른 가장 큰 변화폭을 나타내어 감염목 탐지에 가장 효율적인 것으로 판단되었다.
본 연구에서는 소나무재선충병이 확산되어 있는 거제도를 대상으로 소나무재선충병 감염목 특성분석을 위하여 지상용 초분광 카메라를 활용하여 2012년과 2013년에 걸쳐 대상 임목을 촬영하였다. 영상 촬영은 소나무재선충병이 확산되는 시기인 6~9월 기간에 개체목 단위와 임분 단위로 구분하여, 개체목은 인위적으로 소나무재선충병을 주입한 공시목을 대상으로 실시하고, 임분은 소나무재선충병이 자연적으로 발생한 임분을 대상으로 실시하였다. 수백개의 파장대역 정보를 담고 있는 지상용 초분광 영상을 이용하여 소나무재선충병 감염단계에서부터 고사단계에 이르기까지 파장대역 변화와 특성분석을 진행하였다. 그 결과, 전체 파장대역 중 적색영역(550~700 nm)의 변화가 두드러지게 나타났으며 특히, 688 nm 전후의 파장대역에서 고사목과 정상목간의 가장 많은 변화폭이 관측되었다. 향후 초분광 항공사진을 활용한 소나무재선충병 감염목 탐지 활용가능성 판단을 위하여 개체목 단위 촬영영상보다 대면적의 임분단위 촬영영상을 활용한 분석이 진행되었다. 가장 큰 변화를 나타낸 688 nm 구간의 식생지수 활용을 위하여 Normalized Difference Vegetation Index(NDVI), Red Edge Normalized Difference Vegetation Index(reNDVI), Photochemical Reflectance Index(PRI), Anthocyanin Reflectance Index 2(ARI2) 식생지수에 대한 비교 분석을 실시하였다. 감염목 탐지에 효율성이 높다고 판단되는 지수는 NDVI와 reNDVI으로 나타났으며 688 nm를 NDVI와 reNDVI식 적색영역에 적용한 결과 688 nm를 포함하여 적용한 지수값에서 감염진행에 따른 가장 큰 변화폭을 나타내어 감염목 탐지에 가장 효율적인 것으로 판단되었다.
In this paper spectral characteristics and spectral patterns of pine wilt disease at different development stage were analyzed in Geoje-do where the disease has already spread. Ground-based hyperspectral imaging containing hundreds of wavelength band is feasible with continuous screening and monitor...
In this paper spectral characteristics and spectral patterns of pine wilt disease at different development stage were analyzed in Geoje-do where the disease has already spread. Ground-based hyperspectral imaging containing hundreds of wavelength band is feasible with continuous screening and monitoring of disease symptoms during pathogenesis. The research is based on an hyperspectral imaging of trees from infection phase to witherer phase using a ground based hyperspectral camera within the area of pine wilt disease outbreaks in Geojedo for the analysis of pine wilt disease. Hyperspectral imaging through hundreds of wavelength band is feasible with a ground based hyperspectral camera. In this research, we carried out wavelength band change analysis on trees from infection phase to witherer phase using ground based hyperspectral camera and comparative analysis with major vegetation indices such as Normalized Difference Vegetation Index (NDVI), Red Edge Normalized Difference Vegetation Index (reNDVI), Photochemical Reflectance Index (PRI) and Anthocyanin Reflectance Index 2 (ARI2). As a result, NDVI and reNDVI were analyzed to be effective for infection tree detection. The 688 nm section, in which withered trees and healthy trees reflected the most distinctions, was applied to reNDVI to judge the applicability of the section. According to the analysis result, the vegetation index applied including 688 nm showed the biggest change range by infection progress.
In this paper spectral characteristics and spectral patterns of pine wilt disease at different development stage were analyzed in Geoje-do where the disease has already spread. Ground-based hyperspectral imaging containing hundreds of wavelength band is feasible with continuous screening and monitoring of disease symptoms during pathogenesis. The research is based on an hyperspectral imaging of trees from infection phase to witherer phase using a ground based hyperspectral camera within the area of pine wilt disease outbreaks in Geojedo for the analysis of pine wilt disease. Hyperspectral imaging through hundreds of wavelength band is feasible with a ground based hyperspectral camera. In this research, we carried out wavelength band change analysis on trees from infection phase to witherer phase using ground based hyperspectral camera and comparative analysis with major vegetation indices such as Normalized Difference Vegetation Index (NDVI), Red Edge Normalized Difference Vegetation Index (reNDVI), Photochemical Reflectance Index (PRI) and Anthocyanin Reflectance Index 2 (ARI2). As a result, NDVI and reNDVI were analyzed to be effective for infection tree detection. The 688 nm section, in which withered trees and healthy trees reflected the most distinctions, was applied to reNDVI to judge the applicability of the section. According to the analysis result, the vegetation index applied including 688 nm showed the biggest change range by infection progress.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 이러한 초분광 영상의 장점을 이용하여 소나무재선충병 감염목의 시계열적 변화 특성을 파악하고 감염목 및 감염단계 판정을 위한 최적 파장대역과 식생지수를 도출하기 위한 연구를 수행하였다.
제안 방법
소나무재선충 접종을 위해 가지부에는 칼로 흠집을 낸 후 배양한 재선충 약 5,000마리를 주입한 후 솜과 은박지로 감싸주고 수간부에는 드릴을 이용하여 구멍을 낸 후 재선충 5,000마리를 주입하였다. 1차 접종(2012년 6월 15일)이 이루어지고 지상용 초분광 카메라를 통하여 지속적인 영상 취득이 이루어졌으나 감염 증상이 발견되지 않아 추가로 2차 접종(2012년 7월 26일)을 실시하였다. 개체목에 대한 지상초분광 영상 촬영은 2012년 6월 20일부터 9월 12일 기간 동안 이루어졌으며, 접종 초기에는 1~2주 간격, 감염된 후에는 2주에서 1개월 간격으로 진행되었다.
감염목 중 최종 영상취득 단계까지 완전히 고사단계에 도달한 T1, T3, T10의 고사목 그룹(Dead tree group), 중간정도의 시들음을 보이는 T2, T4, T5의 반고사목 그룹(Wilting tree group), 접종처리를 하지 않은 비감염목 T6, T7, T8의 정상목 그룹(No-infected tree group)으로 구분하여 분광정보를 추출하였다. 감염목 중 하나인 T9 공시목은 최종 촬영이 이루어질 때 까지 소나무재선충병에 의한 시들음이 나타나지 않는 정상목의 형태를 나타내고 있어 최종분석에는 제외하였다.
또한 개체목 단위 영상 분석에서 가장 민감한 파장대역으로 추출된 688 nm 영역을 NDVI, reNDVI 지수에 적용하여 NDVI, NDVI688, reNDVI, reNDVI688 지수를 감염목과 정상목의 비율을 통하여 비교하였다. 감염목과 정상목의 차이 변화를 비율로 비교하기 위하여 지수값에 일률적으로 0.5를 더하여 양수값을 산출하는 지수로 변환하였다. 개체목 단위 분광특성분석에서 가장 민감한 파장대역으로 선정된 688 nm분광값을 Table 1의 기존 NDVI, reNDVI 식 적색영역 파장(NDVI의 경우 670 nm, reNDVI의 경우 705 nm)에 대입하여 지수영상 생성과 지수값의 추출이 이루어졌다.
1차 접종(2012년 6월 15일)이 이루어지고 지상용 초분광 카메라를 통하여 지속적인 영상 취득이 이루어졌으나 감염 증상이 발견되지 않아 추가로 2차 접종(2012년 7월 26일)을 실시하였다. 개체목에 대한 지상초분광 영상 촬영은 2012년 6월 20일부터 9월 12일 기간 동안 이루어졌으며, 접종 초기에는 1~2주 간격, 감염된 후에는 2주에서 1개월 간격으로 진행되었다.
임분단위 촬영된 영상을 통해 생성된 식생지수영상에서 감염목과 정상목에 대한 동일지점의 4가지 지수값을 추출하여 소나무재선충병에 의한 시들음의 진행 단계별 비교를 실시하였다. 또한 개체목 단위 영상 분석에서 가장 민감한 파장대역으로 추출된 688 nm 영역을 NDVI, reNDVI 지수에 적용하여 NDVI, NDVI688, reNDVI, reNDVI688 지수를 감염목과 정상목의 비율을 통하여 비교하였다. 감염목과 정상목의 차이 변화를 비율로 비교하기 위하여 지수값에 일률적으로 0.
본 연구에 사용한 지상용 초분광 영상의 관측 장비는 핀란드 Specim사에서 제조한 Multi-channel Spectral 카메라(PS 모델)로 분광범위 400∼1,000 nm이고 Prism Grating Prism(PGP) 분광기를 통해 push-broom 라인스캔 방식으로 영상을 기록한다.
본 연구에서는 소나무재선충병에 대한 감염목을 조제하고 지상용 초분광 영상을 촬영하여 감염진행단계별 분광특성 및 식생지수 영상을 비교하였다. 소나무재선충병에 대한 시들음의 진행에 따라 감염목과 정상목간의 분광패턴의 변화는 뚜렷하게 나타나고 있으며, 초분광 영상의 좁은 밴드 간격을 통하여 이러한 변화에 대한 보다 세밀한 분석이 이루어질 수 있다.
생성된 식생지수영상에서도 분광값 비교와 동일지점의 지수영상값을 추출하여 소나무재선충병 감염진행단계별로 분석하였다. NDVI와 reNDVI 지수는 식생의 활력도와 관련된 지수로 감염목과 비감염목을 비교해보면 시들음 증상이 나타나기 시작하면서 감염목과 비감염목의 차이가 뚜렷하게 나타나는 것을 확인할 수 있다.
지수값의 추출 및 비교는 감염이 진행됨에 따라 시들음이 진행되고 있는 감염목과 촬영기간 내에 변화가 없는 정상목으로 구분하여 지수영상을 생성하였다. 생성된 지수영상에서 감염목과 정상목에 대한 지수 평균값을 추출하였다. 지수 평균값은 대상목 전체에 임의의 지점을 고르게 분포하도록 선정하고 해당 픽셀의 평균 지수값을 취득하였다.
1). 선정된 지역에 대하여 2013년 7월 9일부터 9월 24일까지 2~3주 간격으로 지상초분광영상 촬영을 진행하였다.
소나무재선충 접종목을 포함한 공시목 10본에 대한 개체목 단위 초분광 영상을 활용하여 감염목의 분광특성 분석이 이루어졌으며 소나무재선충병 감염목에 가장 민감한 파장대역 추출이 이루어졌다. 공시목에 대하여 재선충 접종처리 후 피해 진행 단계별로 초분광 카메라를 이용하여 촬영하였으며 일반영상보다 감염 진행 단계에 따른 색조변화와 같은 피해현상이나 차이를 명확하게 확인할 수 있다.
2). 소나무재선충 접종을 위해 가지부에는 칼로 흠집을 낸 후 배양한 재선충 약 5,000마리를 주입한 후 솜과 은박지로 감싸주고 수간부에는 드릴을 이용하여 구멍을 낸 후 재선충 5,000마리를 주입하였다. 1차 접종(2012년 6월 15일)이 이루어지고 지상용 초분광 카메라를 통하여 지속적인 영상 취득이 이루어졌으나 감염 증상이 발견되지 않아 추가로 2차 접종(2012년 7월 26일)을 실시하였다.
소나무재선충병 발병 및 변화 관측을 위하여 소나무재선충병이 극심하게 나타나고 있는 거제도 지역을 대상으로 연구가 진행되었다. 소나무재선충병 초기부터 고사까지의 감염단계에 따른 분광특성을 모니터링 하기 위해 1차년도에는 감염목을 조제하여 개체목 단위 지상 초분광 영상을 촬영하였고, 개체목 단위 모니터링에서 도출된 결과를 공간적으로 확장하기 위해 2차년도에는 자연상태에서 고사가 진행 중인 소나무 임분에 대한 촬영을 실시하였다.
촬영된 초분광 영상에서 550~700 nm 영역대의 분광값을 2~3 nm 간격으로 추출하였고 촬영이 시작된 6월 20일부터 고사단계에 이른 9월 12일까지 시기별로 분류하였다. 시기별 분광반사값의 차이에 따른 영향을 제거한 정상목과의 차이를 확인하기 위하여 동일시기 정상목과 고사목 반사값의 상대적인 비율을 산출하여 시계열적으로 비교하였다. 그 결과 소나무재선충병에 의한 시들음 진행에 따라 가장 큰 변화를 보이는 구간은 688 nm 전후의 파장대로 적색영역에 해당하는 것으로 나타났다(Fig.
임분단위 영상에 대한 적용성을 검토하기 위해 식생지수에 대한 평가를 수행했다. 식생지수는 기존에 널리 활용되고 있는NDVI, reNDVI, PRI, ARI2가 이용되었다(Table 1).
임분단위 촬영된 영상을 통해 생성된 식생지수영상에서 감염목과 정상목에 대한 동일지점의 4가지 지수값을 추출하여 소나무재선충병에 의한 시들음의 진행 단계별 비교를 실시하였다. 또한 개체목 단위 영상 분석에서 가장 민감한 파장대역으로 추출된 688 nm 영역을 NDVI, reNDVI 지수에 적용하여 NDVI, NDVI688, reNDVI, reNDVI688 지수를 감염목과 정상목의 비율을 통하여 비교하였다.
지수값의 추출 및 비교는 감염이 진행됨에 따라 시들음이 진행되고 있는 감염목과 촬영기간 내에 변화가 없는 정상목으로 구분하여 지수영상을 생성하였다. 생성된 지수영상에서 감염목과 정상목에 대한 지수 평균값을 추출하였다.
초분광 영상의 촬영은 촬영 전과정이 노트북을 통하여 제어되며 대상물의 거리에 따라 렌즈 초점을 조정하고 대상범위에 따라 촬영각도, 노출, 영상의 크기를 설정하여 T1~T10까지의 공시목과 소나무재선충병 자연발생 임분 내의 감염목에 대하여 258 밴드의 초분광 영상을 취득하였다. 촬영영상은 제어 프로그램을 통하여 실시간으로 모니터링 되지만 촬영된 영상의 품질 상태를 확인하고 필요시 재촬영과 확인 작업의 반복 과정을 거쳐 최종적으로 영상을 획득하게 된다.
특성 분석에서 뚜렷한 차이를 나타내는 550~700 nm 구간에 있어서 소나무재선충병 감염목 변화에 가장 민감한 파장대역을 보다 세밀하기 추출하기 위해 감염 초기단계에서 고사단계까지의 정상목 그룹(T6, T7, T8)과 고사목 그룹(T1, T3, T10)의 분광값의 변화를 비교하였고, 시기별 분광반사값의 차이에 따른 영상을 제거하기 위해 동일시기 정상목과 고사목 반사값의 상대적인 비율을 산출하여 시계열적으로 비교하였다. 촬영된 초분광 영상에서 550~700 nm 영역대의 분광값을 2~3 nm 간격으로 추출하였고 촬영이 시작된 6월 20일부터 고사단계에 이른 9월 12일까지 시기별로 분류하였다. 시기별 분광반사값의 차이에 따른 영향을 제거한 정상목과의 차이를 확인하기 위하여 동일시기 정상목과 고사목 반사값의 상대적인 비율을 산출하여 시계열적으로 비교하였다.
취득한 초분광 영상의 감염목과 비감염목의 분광패턴 비교는 소나무재선충병 피해 진행단계별 감염목과 비감염목에 대하여 개체목 전체에 임의의 지점을 고르게 분포하도록 선정하고 해당 픽셀의 평균 분광값을 취득하여 분석이 진행되었다. 침엽수의 특성상 잎이 가늘고 길기 때문에 변화를 관측하기 위해서 잎내에 포함되는 픽셀단위로 값을 추출하여 추출된 값의 평균값을 개체목의 대표값으로 선택하는 방법을 적용하였다.
취득한 초분광 영상의 감염목과 비감염목의 분광패턴 비교는 소나무재선충병 피해 진행단계별 감염목과 비감염목에 대하여 개체목 전체에 임의의 지점을 고르게 분포하도록 선정하고 해당 픽셀의 평균 분광값을 취득하여 분석이 진행되었다. 침엽수의 특성상 잎이 가늘고 길기 때문에 변화를 관측하기 위해서 잎내에 포함되는 픽셀단위로 값을 추출하여 추출된 값의 평균값을 개체목의 대표값으로 선택하는 방법을 적용하였다.
특성 분석에서 뚜렷한 차이를 나타내는 550~700 nm 구간에 있어서 소나무재선충병 감염목 변화에 가장 민감한 파장대역을 보다 세밀하기 추출하기 위해 감염 초기단계에서 고사단계까지의 정상목 그룹(T6, T7, T8)과 고사목 그룹(T1, T3, T10)의 분광값의 변화를 비교하였고, 시기별 분광반사값의 차이에 따른 영상을 제거하기 위해 동일시기 정상목과 고사목 반사값의 상대적인 비율을 산출하여 시계열적으로 비교하였다. 촬영된 초분광 영상에서 550~700 nm 영역대의 분광값을 2~3 nm 간격으로 추출하였고 촬영이 시작된 6월 20일부터 고사단계에 이른 9월 12일까지 시기별로 분류하였다.
대상 데이터
1차년도 개체목단위 촬영을 위해 소나무재선충병 감염목 조제를 실시하였으며, 대상목으로 경남 거제시 연초면 소재 조경수원에서 곰솔(Pinus thunbergii Parl.) 10본을 선정하였다. 대상 공시목 10본의 평균 수령은 약 20년이며 흉고직경 10 cm이상, 수고는 3 m이상이다.
2차년도 임분단위 촬영을 위해, 2013년 5~6월에는 소나무재선충병이 자연적으로 발생한 지역을 대상으로 현지조사를 실시하고 지상용 초분광 카메라 촬영이 가능한 지역을 선정하였다(Fig. 1). 선정된 지역에 대하여 2013년 7월 9일부터 9월 24일까지 2~3주 간격으로 지상초분광영상 촬영을 진행하였다.
) 10본을 선정하였다. 대상 공시목 10본의 평균 수령은 약 20년이며 흉고직경 10 cm이상, 수고는 3 m이상이다. 선정된 곰솔은 소나무재선충 접종 대상목 7본(T1~T5, T9~T10)과 대조구로 활용될 비접종목 3본(T6~T8)으로 구분하였다(Fig.
본 연구에서는 소나무재선충병이 극심하게 발생하고 있는 경상남도 거제시 연초면을 대상으로 인위적으로 소나무재선충병 감염목 조제 및 지상용 초분광 영상 촬영(2012년 6~9월)을 위한 대상지(조경수원)와 소나무재선충병이 자연적으로 발생한 임분단위 촬영(2013년 6~9월)을 위한 대상지를 선정하였다(Fig. 1).
대상 공시목 10본의 평균 수령은 약 20년이며 흉고직경 10 cm이상, 수고는 3 m이상이다. 선정된 곰솔은 소나무재선충 접종 대상목 7본(T1~T5, T9~T10)과 대조구로 활용될 비접종목 3본(T6~T8)으로 구분하였다(Fig. 2). 소나무재선충 접종을 위해 가지부에는 칼로 흠집을 낸 후 배양한 재선충 약 5,000마리를 주입한 후 솜과 은박지로 감싸주고 수간부에는 드릴을 이용하여 구멍을 낸 후 재선충 5,000마리를 주입하였다.
임분단위 영상에 대한 적용성을 검토하기 위해 식생지수에 대한 평가를 수행했다. 식생지수는 기존에 널리 활용되고 있는NDVI, reNDVI, PRI, ARI2가 이용되었다(Table 1).
데이터처리
생성된 지수영상에서 감염목과 정상목에 대한 지수 평균값을 추출하였다. 지수 평균값은 대상목 전체에 임의의 지점을 고르게 분포하도록 선정하고 해당 픽셀의 평균 지수값을 취득하였다.
성능/효과
하지만 촬영당시의 기상, 바람, 그림자, 노출 등에 민감하여 임분단위 영상 적용에는 어려움이 있을 것으로 판단된다. NDVI, NDVI688, reNDVI, reNDVI688 지수의 감염진행에 따른 시기별 변화정도를 살펴보면 reNDVI688 지수에서 가장 큰 변화폭을 나타내었으며 감염목 탐지에 가장 효율적인 지수라 판단된다.
생성된 식생지수영상에서도 분광값 비교와 동일지점의 지수영상값을 추출하여 소나무재선충병 감염진행단계별로 분석하였다. NDVI와 reNDVI 지수는 식생의 활력도와 관련된 지수로 감염목과 비감염목을 비교해보면 시들음 증상이 나타나기 시작하면서 감염목과 비감염목의 차이가 뚜렷하게 나타나는 것을 확인할 수 있다. ARI2 지수는 엽록소(안토시아닌)의 증가나 감소 등 변화에 민감하게 반응하는 지수이며 PRI 지수는 광합성과 관련된 지수로 카로테노이드 및 크산토필의 함량과 관련이 있다.
소나무재선충 접종목을 포함한 공시목 10본에 대한 개체목 단위 초분광 영상을 활용하여 감염목의 분광특성 분석이 이루어졌으며 소나무재선충병 감염목에 가장 민감한 파장대역 추출이 이루어졌다. 공시목에 대하여 재선충 접종처리 후 피해 진행 단계별로 초분광 카메라를 이용하여 촬영하였으며 일반영상보다 감염 진행 단계에 따른 색조변화와 같은 피해현상이나 차이를 명확하게 확인할 수 있다.
시기별 분광반사값의 차이에 따른 영향을 제거한 정상목과의 차이를 확인하기 위하여 동일시기 정상목과 고사목 반사값의 상대적인 비율을 산출하여 시계열적으로 비교하였다. 그 결과 소나무재선충병에 의한 시들음 진행에 따라 가장 큰 변화를 보이는 구간은 688 nm 전후의 파장대로 적색영역에 해당하는 것으로 나타났다(Fig. 5).
개체목 단위 분광특성분석에서 가장 민감한 파장대역으로 선정된 688 nm분광값을 Table 1의 기존 NDVI, reNDVI 식 적색영역 파장(NDVI의 경우 670 nm, reNDVI의 경우 705 nm)에 대입하여 지수영상 생성과 지수값의 추출이 이루어졌다. 그 결과, 감염초기단계에서는 감염목과 정상목의 지수는 정상목과 비슷하게 큰 차이가 발생하지 않으나 감염후기로 갈수록 reNDVI688 지수를 적용한 결과가 가장 많은 변화폭을 나타내었다(Fig. 8).
비감염목에서는 초기의 정상목과 동일한 패턴을 보이게 된다. 변화가 뚜렷하게 나타나는 550~700 nm구간에 중에서 고사목과 정상목간의 가장 많은 차이가 발생하는 구간은 688 nm구간으로 나타났으며 이 결과는 식생지수 영상 생성 및 비교에도 활용되었다.
소나무재선충 발병 지역 일대의 임분단위 시계열 촬영 결과, 2개월 사이에 급속하게 고사가 진행되었다(Fig. 6.). Fig.
소나무재선충병 피해 공시목에 대하여 접종을 실시한 6월부터 9월까지 약 3개월 경과하면서 수관 전체가 완전히 적갈색으로 변하는 것을 확인할 수 있었다. 촬영당시 조건에 따라 분광값의 크기 차이는 발생하지만 감염목의 분광패턴을 살펴보면 패턴의 변화가 뚜렷하게 나타나는 구간은 550~700 nm 파장대역으로 녹색파장대역에서는 피해가 진행될수록 분광값이 감소하고 적색파장대역에서는 증가하는 경향을 나타낸다.
임분단위 영상에 4가지 식생지수를 적용하여 지수영상을 생성했으며, 그 결과 NDVI와 reNDVI 지수영상은 소나무재선충에 감염되어 시들음이 진행되고 있는 감염목과 정상목 형태의 비감염목의 구분이 뚜렷하게 구분해주는 것으로 나타났다. 반면, PRI와 ARI2 지수는 촬영당시 현장상황에 따른 노이즈 발생이 심하여 감염목의 정확한 추출이 어려웠다(Fig.
소나무재선충병 피해 공시목에 대하여 접종을 실시한 6월부터 9월까지 약 3개월 경과하면서 수관 전체가 완전히 적갈색으로 변하는 것을 확인할 수 있었다. 촬영당시 조건에 따라 분광값의 크기 차이는 발생하지만 감염목의 분광패턴을 살펴보면 패턴의 변화가 뚜렷하게 나타나는 구간은 550~700 nm 파장대역으로 녹색파장대역에서는 피해가 진행될수록 분광값이 감소하고 적색파장대역에서는 증가하는 경향을 나타낸다. 또한 근적외선파장대역인 700 nm이상에서도 일부 파장대역에서 변화 패턴을 보이고 있다.
후속연구
소나무재선충병에 대한 시들음의 진행에 따라 감염목과 정상목간의 분광패턴의 변화는 뚜렷하게 나타나고 있으며, 초분광 영상의 좁은 밴드 간격을 통하여 이러한 변화에 대한 보다 세밀한 분석이 이루어질 수 있다. 본 연구에서 제시한 기존의 초분광 영상의 식생지수로 쓰이고 있는 reNDVI에서 보다 민감한 영역으로 추출된 688 nm 파장대역을 활용하는 방법이 기존의 지수를 활용하는 것보다 효율적일 것이라 평가되었으며, 지상 초분광 영상이 아닌 항공 초분광 영상에도 본 연구와 같은 형태로 민감한 파장대역 추출 및 식생지수를 활용한 감염목 탐지에 활용될 수 있을 것이다. 지상 초분광 영상에 대해서는 촬영당시의 기상, 바람, 그림자, 노출 등에 매우 민감하게 영향을 받기 때문에 가능한 동일한 촬영조건을 유지하는 것이 중요하며 초분광 영상분석을 위한 영상의 전처리 부문의 연구가 추가로 수행된다면 보다 정확도 높은 결과를 도출할 수 있을 것이다.
본 연구에서 제시한 기존의 초분광 영상의 식생지수로 쓰이고 있는 reNDVI에서 보다 민감한 영역으로 추출된 688 nm 파장대역을 활용하는 방법이 기존의 지수를 활용하는 것보다 효율적일 것이라 평가되었으며, 지상 초분광 영상이 아닌 항공 초분광 영상에도 본 연구와 같은 형태로 민감한 파장대역 추출 및 식생지수를 활용한 감염목 탐지에 활용될 수 있을 것이다. 지상 초분광 영상에 대해서는 촬영당시의 기상, 바람, 그림자, 노출 등에 매우 민감하게 영향을 받기 때문에 가능한 동일한 촬영조건을 유지하는 것이 중요하며 초분광 영상분석을 위한 영상의 전처리 부문의 연구가 추가로 수행된다면 보다 정확도 높은 결과를 도출할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
소나무재선충병은 언제 처음 발생했는가?
소나무재선충병(Pine Wilt Disease)은 1905년 일본에서 처음 발생하였으며 우리나라에서는 1988년 부산에서 처음 발견되었다. 소나무재선충병은 솔수염 하늘소(Monochamus alternatus)의 성충이 소나무의 새순을 갉아 먹을 때 몸 속에 있던 재선충(Bursaphelenchus xylophilus)이 나무 내부로 침입하여 소나무 내에서 급속히 증식, 통도작용을 저해하여 소나무를 말라 죽게 하는 병이다.
지상용 초분광 영상을 이용하여 소나무재선충병 감염단계에서부터 고사단계에 이르기까지 파장대역 변화와 특성분석을 진행한 결과는 어떻게 됬는가?
수백개의 파장대역 정보를 담고 있는 지상용 초분광 영상을 이용하여 소나무재선충병 감염단계에서부터 고사단계에 이르기까지 파장대역 변화와 특성분석을 진행하였다. 그 결과, 전체 파장대역 중 적색영역(550~700 nm)의 변화가 두드러지게 나타났으며 특히, 688 nm 전후의 파장대역에서 고사목과 정상목간의 가장 많은 변화폭이 관측되었다. 향후 초분광 항공사진을 활용한 소나무재선충병 감염목 탐지 활용가능성 판단을 위하여 개체목 단위 촬영영상보다 대면적의 임분단위 촬영영상을 활용한 분석이 진행되었다.
소나무재선충병은 어떤 병인가?
소나무재선충병(Pine Wilt Disease)은 1905년 일본에서 처음 발생하였으며 우리나라에서는 1988년 부산에서 처음 발견되었다. 소나무재선충병은 솔수염 하늘소(Monochamus alternatus)의 성충이 소나무의 새순을 갉아 먹을 때 몸 속에 있던 재선충(Bursaphelenchus xylophilus)이 나무 내부로 침입하여 소나무 내에서 급속히 증식, 통도작용을 저해하여 소나무를 말라 죽게 하는 병이다. 소나무재선충병의 급속한 확산을 막기 위해, 정부는 2005년 「소나무재선충병 방제특별법」을 제정·시행하여 감염목 발병 추세가 다소 진정되었으나, 2011년부터 다시 확산되는 추세를 보이고 있다.
참고문헌 (18)
Gamon, J.A., J. Penuelas, and C.B. Field, 1992. A Narrow-Waveband Spectral Index That Tracks Diurnal Changes in Photosynthetic Efficiency, Remote Sensing of Environment, 41: 35-44.
Gitelson, A.A. and M.N. Merzlyak, 1994. Spectral Reflectance Changes Associated with Autumn Senescence of Aesculus Hippocastanum L. and Acer Platanoides L. Leaves. Spectral Features and Relation to Chlorophyll Estimation. Journal of Plant Physiology, 143: 286-292.
Gitelson, A.A., Y. Zur, O.B. Chivkunova, and M.N. Merzlyak, 2002. Assessing Carotenoid Content in Plant Leaves with Reflectance Spectroscopy. Photochemistry and Photobiology, 75: 272-281.
Kim, J.B., D.Y. Kim, and N.C. Park, 2010. Development of an aerial precision forecasting techniques for the pine wilt disease damaged area based on GIS and GPS, Journal of Korean Association of Geographic Information Studies, 13(1): 28-34.
Kim, J.B., M.H. Jo, I.H. Kim, and Y.K. Kim, 2003. A study on the extraction of damaged area by pine wood nematode using high resolution IKONOS satellite images and GPS, Journal of Korean Forest Society, 92(4): 362-366.
Kim, S.R., W.K. Lee, K. Nam, Y. Song, H. Yu, M.I. Kim, J.Y. Lee, and S.H. Lee, 2013. Investigation into reflectance characteristics of trees infected by pine wilt disease, Journal of Korean Forest Society, 102(4): 499-505.
Kim, Y., D.M. Glenn, J. Park, H.K. Ngugi, and B.L. Lehman, 2011. Hyperspectral image analysis for water stress detection of apple trees, Computers and Electronics in Agriculture, 77: 155-160.
Kim, Y.S., S.E. Jung, W.K. Lee, J.B. Kim, and T.H. Kwon, 2008. Analyzing vegetation index change of damaged trees by pine wilt disease using portable near infrared camera, Journal of Korean Forest Society, 97(6): 561-564.
Korea Forest Service, 2014. 2014 Plan for forecasting and control of forest insect pests and disease, Korea Forest Service, Daejeon, Korea.
Lee, S.H., H.K. Cho, and W.K. Lee, 2007. Detection of the pine trees damaged by pine wilt disease using high resolution satellite and airborne optical imagery. Korean Journal of Remote Sensing, 23(5): 409-420
Penuelas, J., I. Filella, and L. Sweeano, 1996. Cell wall elastivity and water index (R970 nm/R900 nm) in wheat under different nitrogen availabilities, International Journal of Remote Sensing, 17: 373-382.
Penuelas, J., I. Filella, C. Biel, L. Sweeano, and R. Save, 1993. The reflectance at the 950-970 nm region as an indicator of plant water status, International Journal of Remote Sensing, 14: 1887-1905.
Pu, R., L. Foschi, and P. Gong, 2004. Spectral feature analysis for assessment of water status and health level of coast live oak (Quercus agrifolia) leaves, International Journal of Remote Sensing, 25(20): 4267-4286.
Pu, R., S. Ge, N.M. Kelly, and P. Gong, 2003. Spectral absorption features as indicators of water status in Quercus agrifolia leaves, International Journal of Remote Sensing, 24(9): 1799-1810.
Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering, 1974. Monitoring Vegetation Systems in the Great Plains with ERTS. 3rd Earth Resource Technology Sstellite(ERTS) Symposium, vol 1: pp. 48-62.
Suarez, L., P.J. Zarco-Tejada, G. Sepulcre-Canto, O. Perez-Priego, J.R. Miller, J.C. Jimenez-Munoz, and J. Sobrino, 2008. Assessing canopy PRI for water stress detection with diurnal airborne imagery, Remote Sensing of Environment, 112: 560-575.
Wu, C., Z. Niu, Q. Tang, and W. Huang, 2008. Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation, Agricultural and Forest Meteorology, 148: 1230-1241.
Zarco-Tejada, P.J., V. Gonzalez-Dugo, and J.A.J. Berni, 2012. Fluorescence, temperature and narrowband indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera, Remote Sensing of Environment, 117: 322-337.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.