[국내논문]무인기와 디지털카메라를 이용한 산지초지에서의 애기수영 분포도 제작 Estimating the Spatial Distribution of Rumex acetosella L. on Hill Pasture using UAV Monitoring System and Digital Camera원문보기
본 연구는 산지초지에서 애기수영의 분포를 신속하고 정밀하게 파악하기 위안 무인기 촬영 항공영상의 이용가능성을 실험하였다. 항공영상은 일반 디지털카메라로 촬영한 RGB 영상과 자체 제작한 NIR 카메라로 촬영한 NIR 영상을 이용하여 각각 Red, Green, Blue 벤드와 NIR 밴드를 이용하였고, 밴드조합에 따른 애기수영의 건물비율과의 상관관계를 조사하였다. 다중선형회귀분석 결과 NIR+R+G+B 밴드의 조합이 가장 높은 상관관계($R^2$, 0.96)를 보였으며, R+G+B 밴드의 조합이 다음으로 높은 상관관계를 보였고 ($R^2$, 0.91) NIR+R 밴드($R^2$, 0.45)와 NIR+G 밴드 ($R^2$, 0.27)는 상대적으로 낮은 상관관계를 보여 NIR+R+G+B 밴드조합이 애기수영 분포 파악을 위하여 가장 적합한 것을 확인하였다. R+G+B 밴드 조합의 경우 NIR+R+G+B 밴드의 조합과 비교하여 예측정확도가 큰 차이가 나지 않았으며 근적외선 카메라 없이 일반 디지털 카메라로 영상정보의 획득이 가능하기 때문에 현장적용성 면에서 장점을 가질 것으로 판단된다.
본 연구는 산지초지에서 애기수영의 분포를 신속하고 정밀하게 파악하기 위안 무인기 촬영 항공영상의 이용가능성을 실험하였다. 항공영상은 일반 디지털카메라로 촬영한 RGB 영상과 자체 제작한 NIR 카메라로 촬영한 NIR 영상을 이용하여 각각 Red, Green, Blue 벤드와 NIR 밴드를 이용하였고, 밴드조합에 따른 애기수영의 건물비율과의 상관관계를 조사하였다. 다중선형회귀분석 결과 NIR+R+G+B 밴드의 조합이 가장 높은 상관관계($R^2$, 0.96)를 보였으며, R+G+B 밴드의 조합이 다음으로 높은 상관관계를 보였고 ($R^2$, 0.91) NIR+R 밴드($R^2$, 0.45)와 NIR+G 밴드 ($R^2$, 0.27)는 상대적으로 낮은 상관관계를 보여 NIR+R+G+B 밴드조합이 애기수영 분포 파악을 위하여 가장 적합한 것을 확인하였다. R+G+B 밴드 조합의 경우 NIR+R+G+B 밴드의 조합과 비교하여 예측정확도가 큰 차이가 나지 않았으며 근적외선 카메라 없이 일반 디지털 카메라로 영상정보의 획득이 가능하기 때문에 현장적용성 면에서 장점을 가질 것으로 판단된다.
Red sorrel (Rumex acetosella L.), as one of exotic weeds in Korea, was dominated in grassland and reduced the quality of forage. Improving current pasture productivity by precision management requires practical tools to collect site-specific pasture weed data. Recent development in unmanned aerial v...
Red sorrel (Rumex acetosella L.), as one of exotic weeds in Korea, was dominated in grassland and reduced the quality of forage. Improving current pasture productivity by precision management requires practical tools to collect site-specific pasture weed data. Recent development in unmanned aerial vehicle (UAV) technology has offered cost effective and real time applications for site-specific data collection. To map red sorrel on a hill pasture, we tested the potential use of an UAV system with digital cameras (visible and near-infrared (NIR) camera). Field measurements were conducted on grazing hill pasture at Hanwoo Improvement Office, Seosan City, Chungcheongnam-do Province, Korea on May 17, 2014. Plant samples were obtained at 20 sites. An UAV system was used to obtain aerial photos from a height of approximately 50 m (approximately 30 cm spatial resolution). Normalized digital number values of Red, Green, Blue, and NIR channels were extracted from aerial photos. Multiple linear regression analysis results showed that the correlation coefficient between Rumex content and 4 bands of UAV image was 0.96 with root mean square error of 9.3. Therefore, UAV monitoring system can be a quick and cost effective tool to obtain spatial distribution of red sorrel data for precision management of hilly grazing pasture.
Red sorrel (Rumex acetosella L.), as one of exotic weeds in Korea, was dominated in grassland and reduced the quality of forage. Improving current pasture productivity by precision management requires practical tools to collect site-specific pasture weed data. Recent development in unmanned aerial vehicle (UAV) technology has offered cost effective and real time applications for site-specific data collection. To map red sorrel on a hill pasture, we tested the potential use of an UAV system with digital cameras (visible and near-infrared (NIR) camera). Field measurements were conducted on grazing hill pasture at Hanwoo Improvement Office, Seosan City, Chungcheongnam-do Province, Korea on May 17, 2014. Plant samples were obtained at 20 sites. An UAV system was used to obtain aerial photos from a height of approximately 50 m (approximately 30 cm spatial resolution). Normalized digital number values of Red, Green, Blue, and NIR channels were extracted from aerial photos. Multiple linear regression analysis results showed that the correlation coefficient between Rumex content and 4 bands of UAV image was 0.96 with root mean square error of 9.3. Therefore, UAV monitoring system can be a quick and cost effective tool to obtain spatial distribution of red sorrel data for precision management of hilly grazing pasture.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
무인기를 이용한 초지의 생육분포를 파악하기 위한 연구는 있었으나, 초지에서의 잡초 분포를 파악하기 위한 연구는 아직 시도되지 않았다. 따라서 본 연구에서는 애기수영의 위치기반 생육분포 현황파악을 위하여 저고도 무인항공기 촬영영상을 이용하여 애기수영의 위치기반 생육분포 현황을 파악하기 위한 방법의 개발을 목적으로 한다.
본 연구는 산지초지에서 애기수영의 분포를 신속하고 정밀하게 파악하기 위안 무인기 촬영 항공영상의 이용가능성을 실험하였다. 항공영상은 일반 디지털카메라로 촬영한 RGB 영상과 자체 제작한 NIR 카메라로 촬영한 NIR 영상을 이용하여 각각 Red, Green, Blue 벤드와 NIR 밴드를 이용하였고, 밴드조합에 따른 애기수영의 건물비율과의 상관관계를 조사하였다.
본 연구에서는 애기수영의 분포를 파악하기 위하여 애기수영이 출수하여 붉은 색을 띄는 시기에 촬영한 영상을 이용하여 무인기 이용 애기수영 모니터링의 가능성을 확인하였으며, 애기수영의 방제작업을 주요 목적으로 한다. 방목지에서의 애기수영 방제는 파종 전에 실시하는 것이 일반적이나, 애기수영의 분포는 생장이 가장 왕성한 시기에 측정하는 것이 효과적이다.
제안 방법
2014년 5월 17일에 애기수영이 출수하여 붉은색을 띄고 있는 상태에서 식생조사를 실시하였다. 30×30 cm 방형구를 설치하고 총 20개의 시료를 채취하였으며 시료는 애기수영, 목초, 잡초로 분류하고 각각의 시료를 65℃에서 72시간 건조하여 풍건물량을 측정하였다. 애기수영의 건물비율을 다음의 공식에 의하여 계산하였다.
Quantum GIS 소프트웨어(http://www.qgis.org/)를 이용하여 두 대의 디지털 카메라에서 획득된 RGB와 NIR 영상을 지상기준점을 이용하여 정사보정하고, 두 영상을 각각 30cm 해상도로 변환하였다. RGB 영상의 Red(R), Green(G), Blue(B) 밴드의 normalized digital number(DN) 값과 NIR영상 NIR 밴드의 DN 값을 사용하였다.
실험초지의 항공영상을 얻기 위하여 두 대의 디지털 카메라(Casio, FS-10)를 무인항공기에 부착하여 촬영하였으며, 카메라는 각각 컬러(RGB) 영상과 근적외선(NIR) 영상의 촬영에 사용되었다. RGB은 일반카메라로 획득하였으며, NIR 영상은 일반 카메라의 CCD(Charge-Coupled Device)앞에 부착되어 있는 근적외선을 차단하고 가시광선만을 투과시키는 필터를 제거하고 가시광선을 차단하고 근적외선을 투과시키는 필터(Fujifilm, IR 82)를 부착하여 제작한 근적외선 카메라를 이용하여 획득하였다(Fig.
애기수영 건물비율과의 상관관계가 가장 높은 NIR+R+G +B 밴드의 조합과 애기수영 건물비율과의 회귀식을 이용하여 무인기 항공영상의 NIR+R+G+B 밴드로부터 애기수영 건물비율을 계산하고 애기수영의 분포도를 작성하였다.
본 연구는 산지초지에서 애기수영의 분포를 신속하고 정밀하게 파악하기 위안 무인기 촬영 항공영상의 이용가능성을 실험하였다. 항공영상은 일반 디지털카메라로 촬영한 RGB 영상과 자체 제작한 NIR 카메라로 촬영한 NIR 영상을 이용하여 각각 Red, Green, Blue 벤드와 NIR 밴드를 이용하였고, 밴드조합에 따른 애기수영의 건물비율과의 상관관계를 조사하였다. 다중선형회귀분석 결과 NIR+R+G+B 밴드의 조합이 가장 높은 상관관계 (R2, 0.
대상 데이터
2014년 5월 17일에 애기수영이 출수하여 붉은색을 띄고 있는 상태에서 식생조사를 실시하였다. 30×30 cm 방형구를 설치하고 총 20개의 시료를 채취하였으며 시료는 애기수영, 목초, 잡초로 분류하고 각각의 시료를 65℃에서 72시간 건조하여 풍건물량을 측정하였다.
실험초지의 항공영상을 얻기 위하여 두 대의 디지털 카메라(Casio, FS-10)를 무인항공기에 부착하여 촬영하였으며, 카메라는 각각 컬러(RGB) 영상과 근적외선(NIR) 영상의 촬영에 사용되었다. RGB은 일반카메라로 획득하였으며, NIR 영상은 일반 카메라의 CCD(Charge-Coupled Device)앞에 부착되어 있는 근적외선을 차단하고 가시광선만을 투과시키는 필터를 제거하고 가시광선을 차단하고 근적외선을 투과시키는 필터(Fujifilm, IR 82)를 부착하여 제작한 근적외선 카메라를 이용하여 획득하였다(Fig. 2).
본 시험은 충청남도 서산에 위치한 농협 한우개량사업소 산하 생육장 내의 산지초지 중 일부를 실험초지로 선택하여 실시하였다. 실험초지는 1969년에 조성되었으며 해발고도 145m~190m에 위치한 남향의 1.
데이터처리
RGB 영상의 Red(R), Green(G), Blue(B) 밴드의 normalized digital number(DN) 값과 NIR영상 NIR 밴드의 DN 값을 사용하였다. 모든 밴드를 사용하는 NIR+R+G+B 밴드의 조합, 가시광선 영역만을 사용하는 R+G+B 밴드의 조합, 정규화식생지수(Normalized Differential Vegetation Index; NDVI)에 이용되는 밴드인 NIR+R 밴드의 조합 그리고 R 밴드 대신 G 밴드를 사용하는 NDVIgreen 에 사용되는 NIR+G 밴드의 조합에 대하여 각각의 애기수영 건물비율 샘플에 대한 다중선형회귀분석을 Matlab 소프트웨어(Mathworks Inc., Sherborn, MA, USA)를 이용하여 실시하여 회귀식을 작성하고 작성된 회귀식을 이용하여 무인기 촬영영상으로부터 애기수영 건물비율을 계산한 후에 Quantum GIS 소프트웨어를 이용하여 애기수영 분포도를 작성하였다.
성능/효과
27)는 상대적으로 낮은 상관관계를 보여 NIR+R+G+B 밴드 조합이 애기수영 분포 파악을 위하여 가장 적합한 것을 확인하였다. R+G+B 밴드 조합의 경우 NIR+R+G+B 밴드의 조합과 비교하여 예측정확도가 큰 차이가 나지 않았으며 근적외선 카메라 없이 일반 디지털 카메라로 영상정보의 획득이 가능하기 때문에 현장적용성 면에서 장점을 가질 것으로 판단된다.
따라서 NIR+R+G+B 밴드의 조합이 가장 높은 상관관계를 보여 애기수영의 분포를 파악하기 위하여 가장 적합한 밴드조합이었다. R+G+B 밴드의 경우 NIR+R+G+B 밴드와 예측정확도가 큰 차이가 나지 않았으며 근적외선 카메라 없이 일반 디지털 카메라로 영상정보의 획득이 가능하기 때문에 현장적용에서 장점을 가질 것으로 판단된다.
각각의 무인항공기 촬영 영상의 밴드 조합에 의한 다중 선형회귀분석 결과 NIR+R+G+B 밴드의 조합이 애기수영 건물비율과 가장 높은 상관관계(coefficient of determination, R2 = 0.96; root mean square error, RMSE = 9.3)를 보였으며, R+G+B 밴드의 조합이 다음으로 높은 상관관계를 보였으며(R2 = 0.91, RMSE = 13.8) NIR+R 밴드 (R2 = 0.45, RMSE = 33.5)와 NIR+G 밴드(R2 = 0.27, RMSE = 38.9)는 상대적으로 낮은 상관관계를 보였다 (Fig. 3).
항공영상은 일반 디지털카메라로 촬영한 RGB 영상과 자체 제작한 NIR 카메라로 촬영한 NIR 영상을 이용하여 각각 Red, Green, Blue 벤드와 NIR 밴드를 이용하였고, 밴드조합에 따른 애기수영의 건물비율과의 상관관계를 조사하였다. 다중선형회귀분석 결과 NIR+R+G+B 밴드의 조합이 가장 높은 상관관계 (R2, 0.96)를 보였으며, R+G+B 밴드의 조합이 다음으로 높은 상관관계를 보였고(R2, 0.91) NIR+R 밴드(R2, 0.45)와 NIR+G 밴드(R2, 0.27)는 상대적으로 낮은 상관관계를 보여 NIR+R+G+B 밴드 조합이 애기수영 분포 파악을 위하여 가장 적합한 것을 확인하였다. R+G+B 밴드 조합의 경우 NIR+R+G+B 밴드의 조합과 비교하여 예측정확도가 큰 차이가 나지 않았으며 근적외선 카메라 없이 일반 디지털 카메라로 영상정보의 획득이 가능하기 때문에 현장적용성 면에서 장점을 가질 것으로 판단된다.
따라서 NIR+R+G+B 밴드의 조합이 가장 높은 상관관계를 보여 애기수영의 분포를 파악하기 위하여 가장 적합한 밴드조합이었다. R+G+B 밴드의 경우 NIR+R+G+B 밴드와 예측정확도가 큰 차이가 나지 않았으며 근적외선 카메라 없이 일반 디지털 카메라로 영상정보의 획득이 가능하기 때문에 현장적용에서 장점을 가질 것으로 판단된다.
본 연구에서는 애기수영의 분포를 파악하기 위하여 애기수영이 출수하여 붉은 색을 띄는 시기에 촬영한 영상을 이용하여 무인기 이용 애기수영 모니터링의 가능성을 확인하였으며, 애기수영의 방제작업을 주요 목적으로 한다. 방목지에서의 애기수영 방제는 파종 전에 실시하는 것이 일반적이나, 애기수영의 분포는 생장이 가장 왕성한 시기에 측정하는 것이 효과적이다. 따라서 애기수영의 생육이 가장 왕성한 시기(출수 이후)에 모니터링은 실시하는 본 연구의 모니터링 방법은 방제를 목적으로 한 현장에 대하여도 현장적용성이 높다고 판단된다.
후속연구
방목지에서의 애기수영 방제는 파종 전에 실시하는 것이 일반적이나, 애기수영의 분포는 생장이 가장 왕성한 시기에 측정하는 것이 효과적이다. 따라서 애기수영의 생육이 가장 왕성한 시기(출수 이후)에 모니터링은 실시하는 본 연구의 모니터링 방법은 방제를 목적으로 한 현장에 대하여도 현장적용성이 높다고 판단된다.
애기수영은 초지의 생산성 저하 및 초지경관을 저시켜 애기수영의 효과적인 방제는 초지의 생산성 제고효과 뿐만 아니라 초지경관을 유지하기 위하여 중요하다. 본 연구의 무인기 기반 애기수영 분포도 작성 방법은 저비용으로 신속하게 정밀한 애기수영의 분포 파악이 가능하며 분포도를 바탕으로 투입되어야 하는 제초제의 양과 작업량 등을 결정하기 위한 기초데이터로 활용될 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
정밀농업기술은 어떤 기술인가?
정밀농업기술은 농업생산성을 향상시키고 환경영향을 최소화시키기 위한 기술로서 (Bouma, 1997) 경작지뿐만 아니라 초지에도 적용되어 (Suzuki et al., 2008) 방목지의 경우 방목강도와 초지관리에 적용되고 있다 (Starks et al.
애기수영이 우점한 초지의 특징은?
이로 인하여 소리쟁이와 애기수영과 같은 다년생 숙근성 잡초가 빈번하게 발생하고 있으며 (Kim et al., 2003) 특히 애기수영이 우점한 초지는 목초의 생산성과 품질 그리고 가축의 기호성을 현저하게 저하시킨다. 이러한 애기수영의 방제에 관한 연구는 주로 제초제의 개발, 석회시용 및 보파, 생태적 방법을 통한 애기수영의 생육제어 등이 보고되고 있다 (Park et al.
다양한 저고도 항공영상 획득 방법이 시도된 것의 배경은?
원격탐사는 주로 넓은 면적의 위치기반 정보획득을 위하여 사용되며 (Schanda, 1978), 넓은 면적의 초지 관측을 위해서는 위성영상이 주로 사용되었으나, 대부분의 위성영상은 항공영상에 비하여 낮은 공간해상도와 촬영주기가 긴 단점을 가지고 있다. 항공영상은 위성영상에 비하여 높은 공간해상도를 가지며, 촬영시기를 선택 할 수 있는 장점을 가지고 있지만 (Lamb and Brown, 2001) 비용이 높은 단점을 가진다. 따라서 저비용으로 고해상도 영상을 획득할 수있도록 기구 (Kawamura et al.
참고문헌 (21)
Bouma, J. 1997. Precision agriculture: introduction to the spatial and temporal variability of environmental quality. Lake, J.V., Bock, G.R. and Goode, J.A. Eds. pp. 5-17. John Wiley and Sons, Wageningen, The Netherlands.
Di Bella, Faivre, C., Ruget, R., Seguin, F., Guerif, M., Combal, B., Weiss, M. and Rebella, C. 2004. Remote sensing capabilities to estimate pasture production in France. International Journal of Remote Sensing. 25:5359-5372.
Hill, M.J., Donald, G.E., Vickery, P.J., Moore, A.D. and Donnelly, J.R. 1999. Combining satellite data with a simulation model to describe spatial variability in pasture growth at a farm scale. Australian Journal of Experimental Agriculture. 39:285-300.
Inoue, Y., Morinaga, S. and Tomita, A. 2000. A blimp-based remote sensing system for low altitude monitoring of plant variables: A preliminary experiment for agricultural and ecological applications. International Journal of Remote Sensing. 21:379-385.
Kawamura, K., Sakuno, Y., Tanaka, Y., Lee, H.J., Lim, J.H., Kurokawa, Y. and Watanabe. N. 2011. Mapping herbage biomass and nitrogen status in an Italian ryegrass (Lolium multiflorum L.) field using a digital video camera with balloon system. Journal of Applied Remote Sensing. 5(1):053562-053562.
Kim, Y.K., Chung, C.W., Choi, Y.S., LIM, Y.C., Han, S.Y. and Na, K.J. 2003. Effect of herbicide Application on Weed Control and Forage Production in Alpine Grassland Predominated with Red Sorrel (Rumex acetosella L.). Journal of Animal Science and Technology. 45(5):865-874.
Lamb, D.W. and Brown, R.B. 2001. PA-precision agriculture: Remote-sensing and mapping of weeds in crops. Journal of Agricultural Engineering Research. 78:117-125.
Lee, H.W., Lee, H.J., Jung, J.S. and Ko. H.J. 2015. Mapping herbage biomass on a hill pasture using a digital camera with an unmanned aerial vehicle system. Journal of the Korean Society of Grassland and Forage Science. 35(3):225-231.
Lee, I.Y., Park, J.Y., Oh, S.M., Kim, C.S., Moon, B.C., Lim, S.T. and Jung, J.W. 2001. Geographical Distribution and Characteristics of Seed Germination and Rhizomes Growth of Rumex acetosella. Journal of the Korean Society of Weed Science. 21(3):259-267.
Lee, J.S., Lee, S.Y. and Choi, I.H. 1999. The Estimation of Optimal Nitrogen and Lime Application Levels on the Growth Control of Sheep Sorrel (Rumex acetocella L.) in Mountainous Pastures. Journal of the Korean Society of Grassland and Forage Science. 19(4):363-372.
Mutanga, O. and Skidmore, A.K. 2004. Narrow band vegetation indices overcome the saturation problem in biomass estimation. International Journal of Remote Sensing. 25:3999-4014.
Park, K.J., Kim, Y.J., Lee, J.K., Kim, M.J., Yoon, S.H. and Choi, S.S. 1997. Effect of Herbicide Treatments on the Dry Matter Yield and Nutrient Productivity in Rumex acetosella Dominated Pasture. Journal of the Korean Society of Grassland and Forage Science. 17(3):277-284.
Rovira-M'as, F., Zhang, Q. and Reid, J.F. 2005. Creation of threedimensional crop maps based on aerial stereoimages. Biosystems Engineering. 90:251-259.
Starks. J.P., Zhao, D., Phillips, A.W. and Coleman, S.W. 2006. Herbage mass, nutritive value and canopy spectral reflectance of bermudagrass pastures. Grass and Forage Science. 61:101-111.
Sugiura, R., Noguchi, N. and Ishii, K. 2005. Remote-sensing technology for vegetation monitoring using an unmanned helicopter. Biosystems Engineering. 90:369-379.
Suzuki, Y., Tanaka, K., Kato, W., Okamoto, H., Kataoka, T., Shimada, H., Sugiura, T. and Shima, E. 2008. Field mapping of chemical composition of forage using hyperspectral imaging in a grass meadow. Grassland Science. 54:179-188.
Wallace, J.F., Caccetta, P.A. and Kiiveri, H.T. 2004. Recent developments in analysis of spatial and temporal data for landscape qualities and monitoring. Austral Ecology. 29:100-107.
White, J. and Hodgson, J. 1999. New Zealand pasture and crop science. NZ: Oxpord University Press, Auckland.
Yoder, B.J. and Waring, R.H. 1994. The normalized difference vegetation index of small Douglas-fir canopies with varying chlorophyll concentrations. Remote Sensing of Environment. 49:81-91.
Zhao, D., Starks, P.J., Brown, M.A., Phillips, W.A. and Coleman, S.W. 2007. Assessment of forage biomass and quality parameters of bermudagrass using proximal sensing of pasture canopy reflectance. Grassland Science. 53:39-49.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.