[논문]드론 장착 다중분광 카메라, 소형 필드 초분광계, 휴대용 잎 반사계로부터 관측된 서로 다른 공간규모의 광화학반사지수 평가

류재현; 오도혁; 장선웅; 정회정; 문경환; 조재일

doi:10.7780/kjrs.2018.34.6.1.17

드론 장착 다중분광 카메라, 소형 필드 초분광계, 휴대용 잎 반사계로부터 관측된 서로 다른 공간규모의 광화학반사지수 평가
Assessment of Photochemical Reflectance Index Measured at Different Spatial Scales Utilizing Leaf Reflectometer, Field Hyper-Spectrometer, and Multi-spectral Camera with UAV 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.6 pt.1, 2018년, pp.1055 - 1066

류재현 (전남대학교 응용식물학과) , 오도혁 (전남대학교 응용식물학과) , 장선웅 ((주)아이렘기술개발) , 정회정 (전남대학교 응용식물학과) , 문경환 (국립원예특작과학원 온난화대응농업연구소) , 조재일 (전남대학교 응용식물학과)

초록
AI-Helper

식생의 광학적 특성을 기반으로 만들어진 식생지수들은 식물의 생물생산량뿐만 아니라 생리적 활성을 나타내고 있다. 식생지수의 활용은 위성에 장착된 다중분광 광학 센서의 발달에 힘입은 바가 크지만, 관측 공간규모에 따라 식생지수의 민감도가 달라질 수 있어 여러 규모에서의 비교 관측이 요구된다. 특히 광화학반사지수(PRI, Photochemical Reflectance Index)는 광합성능과 식물 스트레스 탐지에 유용한 것으로 알려져 있지만 올바른 해석을 위한 다양한 공간규모에서의 선행연구가 드물다. 본 연구에서는 드론에 장착된 다중분광 카메라, 소형 필드 초분광계, 휴대용 잎 반사계를 이용해 마늘 작물을 대상으로 서로 다른 공간규모의 PRI를 평가하였다. 잎 규모에서 하루 중 PRI는 잎의 윗면이 향하는 방위에 따라 서로 다른 시간에 최저값을 보였으며, 이는 어떤 순간에 잎마다 다른 광이용효율(LUE, Light Use Efficiency) 상태라는 것을 의미한다. 잎 규모에서는 식생피복율에 영향을 받지 않으므로 PRI 생물계절적 변화는 생육 초기에 개체 및 군락 규모보다 값이 높게 나타났다. 개체 및 군락 규모에서 PRI는 생물량을 나타내는 NDVI(Normalized Difference Vegetation Index)와는 달리 공간적 변동성이 크게 나타났다. 반면, 지상의 개체들 규모의 식생지수를 드론 영상의 관측 지점 값과 비교해 보면 NDVI에 비해 PRI가좀더 좋은 일치도를 보였다. 이러한 결과는 서로 다른 공간규모에서 관측된 PRI를 이해하고 활용하는데 도움이 될 것이다.

Abstract ▼ AI-Helper

Vegetation indices on the basis of optical characteristics of vegetation can represent various conditions such as canopy biomass and physiological activity. Those have been mostly developed with the large-scaled applications of multi-band optical sensors on-board satellites. However, the sensitivity of vegetation indices for detecting vegetation features will be different depending on the spatial scales. Therefore, in this study, the investigation of photochemical reflectance index (PRI), known as one of useful vegetation indices for detecting photosynthetic ability and vegetation stress, under the three spatial scales was conducted using multi-spectral camera installed in unmanned aerial vehicle (UAV),field spectrometer, and leaf reflectometer. In the leaf scale, diurnal PRI had minimum values at different local-time according to the compass direction of leaf face. It meant that each leaf in some moment had the different degree of light use efficiency (LUE). In early growth stage of crop, $PRI_{leaf}$ was higher than $PRI_{stands}$ and $PRI_{canopy}$ because the leaf scale is completely not governed by the vegetation cover fraction.In the stands and canopy scales, PRI showed a large spatial variability unlike normalized difference vegetation index (NDVI). However, the bias for the relationship between $PRI_{stands}$ and $PRI_{canopy}$ is lower than that in $NDVI_{stands}$ and $NDVI_{canopy}$. Our results will help to understand and utilize PRIs observed at different spatial scales.

주제어

표/그림 (10)

그림 Fig. 1. Location of the study area (the garlic farm in Jeju) draped over the RGB image taken with a drone on 27 Feb. 2018.
그림 Fig. 2. Leaf area index (LAI) and plant height during garlic crop growth period. (a) time series of LAI and plant height, (b) the relationship between LAI and plant height.
그림 Fig. 3. Summary of our observation at three different spatial scales.
그림 Fig. 4. Diurnal PRI variations depending on the garlic leaves of point of the compass.
그림 Fig. 5. The variation of ΔPRI at leaf scale during garlic growth season.
그림 Fig. 6. (a) Wavelengths from hyper-spectrometer at growth stages and (b), (c) vegetation indices at the stands scale of garlic crop.
그림 Fig. 7. (a) Time series analysis and (b) comparison of NDVI and PRI.
그림 Fig. 8. PRI and NDVI images of garlic crop field by multi-spectrum camera. (a)–(d) NDVI images, (e)–(h) PRI images.
그림 Fig. 9. 2D-histogram analysis from PRI and NDVI images. The mean value of all image pixels is represented as white circle.
그림 Fig. 10. Comparison among vegetation indices at three different spatial scales. (a) NDVI, (b) PRI.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 식생의 광합성능과 스트레스 상태의 원격탐사에 있어 최근 주목받고 있는 식생지수인 PRI를 3개의 서로 다른 공간규모에서 관측하고 비교하였으며, PRI에 비해 비교적 많은 연구가 되어있는 NDVI도 함께 평가함으로서 PRI 분석의 이해를 높이고자 하였다.
이러한 특징은 공간규모를 달리한 관측에서 주목할 만한 영향을 미칠 것으로 예상되지만 그에 따른 연구가 부족한 실정이다. 본 연구에는 PRI 해석및 관측 기술에 기여하고자 제주도의 마늘 재배지에서 드론 장착 다중분광 카메라, 소형 필드 초분광계, 휴대용 잎 반사계로부터 PRI를 관측하고 상이한 공간규모에서의 PRI를 평가하였다.

제안 방법

Blue, Green, Red, Red Edge, NIR의 5개 분광밴드를 장착하여 판매하고 있는 드론용 카메라(Micasense RedEdge, Seattle, USA)에서 Green 밴드를 531 nm(밴드폭, 10 nm)으로, Red Edge 밴드를 570 nm(밴드 폭, 10 nm)로 변경하여 판매처에 주문 제작하였다. 이와 같이 밴드를 변경함으로서 NDVI, PRI 영상 획득을 꾀하였다.
2(a)와 같았다. LAI 관측은 엽면적 산출필드 광학센서(LAI-2000 Plant Canopy Analyzer, Li-Cor,USA)를 이용하였고, 초장은 마늘 잎들을 최대한 위로 쓸어올려 바닥부터의 길이를 측정하였다. LAI와 초장의 관측 장소는 4곳이며 각 지점당 LAI는 3번, 초장은 10번의 반복 관측을 실시하였다.
LAI 관측은 엽면적 산출필드 광학센서(LAI-2000 Plant Canopy Analyzer, Li-Cor,USA)를 이용하였고, 초장은 마늘 잎들을 최대한 위로 쓸어올려 바닥부터의 길이를 측정하였다. LAI와 초장의 관측 장소는 4곳이며 각 지점당 LAI는 3번, 초장은 10번의 반복 관측을 실시하였다. 초장의 증가가 엽면적 확장으로 이어지는 대부분의 초본성 작물의 특징이 마늘에서도 동일하게 나타남을 확인하였다(Fig.
PRI를 평가함에 있어, 가장 널리 사용되고 연구된 식생지수인 NDVI를 함께 분석하였다. NDVI는 Red(Redreflectivity)와 NIR(Near-infrared reflectivity)반사도 비로 구하였다(식 1). PRI를 최초로 제안한 Gamon et al.
PRI를 평가함에 있어, 가장 널리 사용되고 연구된 식생지수인 NDVI를 함께 분석하였다. NDVI는 Red(Redreflectivity)와 NIR(Near-infrared reflectivity)반사도 비로 구하였다(식 1).
관측 대상 잎은 잎의 윗면이 향하고 있는 방위를 고려하여, 북쪽을 0° 그리고 동쪽과 서쪽을 각각을 90°과 270°라고 두었을때, 90°, 135°, 180°, 225°, 270°을 향하는 잎 2개씩을 선정하여 총 10개의 샘플을 관측하여 잎의 윗면의 방위에 따른 PRI 변화를 살펴보았다.
마늘 잎 규모에서의 PRI를 관측하기 위해 PRI meter(PRI200, Photon Systems Instruments, Drasov, Czech Republic)를 사용하였다. 광의 세기에 따라 달라지는 PRI의 특징을 고려하여 일출부터 일몰까지 일정한 1시간 30분 또는 2시간 간격으로 관측하였다. 관측 대상 잎은 잎의 윗면이 향하고 있는 방위를 고려하여, 북쪽을 0° 그리고 동쪽과 서쪽을 각각을 90°과 270°라고 두었을때, 90°, 135°, 180°, 225°, 270°을 향하는 잎 2개씩을 선정하여 총 10개의 샘플을 관측하여 잎의 윗면의 방위에 따른 PRI 변화를 살펴보았다.
다중분광 카메라를 8개 날개를 갖는 드론(S1000, DJI,China)의 짐벌에 장착하여 지표면을 직하 방향으로 촬영할 수 있게 하였다. 다중분광 카메라 제조사에서 제공하는 회색의 캘리브레이션 판넬(calibration panel)을 드론비행 직전과 직후에 각각 1회씩 촬영하여 상공에서 관측한 밴드 값을 보정하는데 이용하였다. 지면으로부터 약100 m 이내의 높이에서 관측하여 영상의 공간 해상도가 약 5 cm 이내가 되었다.
다중분광 카메라를 8개 날개를 갖는 드론(S1000, DJI,China)의 짐벌에 장착하여 지표면을 직하 방향으로 촬영할 수 있게 하였다. 다중분광 카메라 제조사에서 제공하는 회색의 캘리브레이션 판넬(calibration panel)을 드론비행 직전과 직후에 각각 1회씩 촬영하여 상공에서 관측한 밴드 값을 보정하는데 이용하였다.
드론에서 촬영된 영상에서 지상 관측 지점의 픽셀을 추출하여, 서로 다른 공간규모에서 관측된 식생지수들과 비교하였다(Fig. 10). 드론에서 촬영된 군락 규모의 NDVI는 지상에서 개체들 규모에서 관측된 NDVI보다 작은 값을 보였다.
위성을 비롯하여, 항공기, 드론, 타워에 설치된 센서의 영상은 보통 수십 cm에서 수십 km의 다양한 해상도를 가지며, 어떤 픽셀의 식생지수 값은 특정 지역의 식생 정보가 통합되어 나타난 값이다. 따라서 영상 정보를 올바로 이해하기 위해 원격탐사 지역의 현지조사(fieldsurvey) 또는 지상관측(near-surface observation)을 실시한다(Sellers et al., 1995). 이렇게 원격탐사에서 지상 조사와 관측을 수행하는 목적은 크게 2가지로 볼 수 있다.
본 연구에서 PRI 산출에 사용되는 밴드 폭(bandwidth)은 각 공간 규모에서 사용한 기기의 특성에 따라 다르게 적용되었다. 각각의 531 nm와 570 nm 파장밴드에 대해 잎 규모에서는 20 nm, 30 nm, 개체 규모에서는 1 nm, 1 nm, 군락 규모에서는 10 nm, 10 nm가 이용되었다.
분광계에 연결된 파이버(Fiber)를 1.8 m 길이의 봉 상단에 고정하고, 관측할 때 봉을 기울여 지면으로부터 약 0.7 m 높이에서 마늘 개체들을 직하 방향으로 바라보게 했다. 이용한 분광계(AvaSpec-ULS2048L, Avantes, Netherlands)의 분광 범위는 300 nm~1,100 nm 이다.
식생(마늘)에서 반사된 방사량(Radiance)을 관측하기직전에 >97% 반사율의 흰색 완전확산 판넬(RS50 White Reflectance Standard, Stellar Net Inc., USA)에서 반사된 방사량(Irradiance)을 측정함으로서 마늘 초관(canopy)의 반사율(reflectance) 값을 계산한다.
여기서 판넬 측정과 초관 측정 사이의 시간 간격을 매우 짧게 하여 날씨 변동에 의한 오차를 최대한 줄였다. 이러한 방법으로 마늘재배지 내의 10개 지점에서 정오(로컬타임 12시~13시)에 관측하였다. 분광 관측 자료에서, 1 nm 밴드 폭으로 계산된 531 nm 반사도와 570 nm 반사도를 PRI 산출에 사용했다.
이러한 초분광 스펙트럼 자료로 PRI와 NDVI를 산출하였다. Fig.
Blue, Green, Red, Red Edge, NIR의 5개 분광밴드를 장착하여 판매하고 있는 드론용 카메라(Micasense RedEdge, Seattle, USA)에서 Green 밴드를 531 nm(밴드폭, 10 nm)으로, Red Edge 밴드를 570 nm(밴드 폭, 10 nm)로 변경하여 판매처에 주문 제작하였다. 이와 같이 밴드를 변경함으로서 NDVI, PRI 영상 획득을 꾀하였다. 그 외의 제품 사양(e.

대상 데이터

본 연구에서 PRI 산출에 사용되는 밴드 폭(bandwidth)은 각 공간 규모에서 사용한 기기의 특성에 따라 다르게 적용되었다. 각각의 531 nm와 570 nm 파장밴드에 대해 잎 규모에서는 20 nm, 30 nm, 개체 규모에서는 1 nm, 1 nm, 군락 규모에서는 10 nm, 10 nm가 이용되었다.
기본적으로 PRI는 NDVI와는 달리 하루 동안의 광세기에 따라 그 값이 변하므로 관측 시간이 중요하며, 본 연구에서는 정오의 관측값을 대상으로 하였다. 잎 규모의 PRI는 잎 윗면이 향하는 방위에 값이 따라 달라지는 공간적 복잡성을 보였지만, 개체들 규모와 군락 규모의 PRI는 서로 매우 유사한 값을 보였다.
이러한 방법으로 마늘재배지 내의 10개 지점에서 정오(로컬타임 12시~13시)에 관측하였다. 분광 관측 자료에서, 1 nm 밴드 폭으로 계산된 531 nm 반사도와 570 nm 반사도를 PRI 산출에 사용했다.
연구 지역은 제주특별자치도 서귀포시 대정읍 신도리 2294(129.182°E, 33.273°N)에 위치한 마늘(품종: 홍산마늘) 재배지로서 약 6087.97 m2의 면적을 대상으로 하였다(Fig. 1).
1). 연구지역의 토양은 검정색 비닐로 덮여 있으며, 그 위에 구멍을 내어 마늘을 약 11 cm~15 cm 간격으로 재식하였다. 제주도 연구지역의 홍산 마늘은 9월 하순에 파종하여 겨울동안 생육을 멈추고 있다가 2월 중순부터 잎과 줄기의 생장이 다시 시작되어 6월 초순에 수확한다.
7 m 높이에서 마늘 개체들을 직하 방향으로 바라보게 했다. 이용한 분광계(AvaSpec-ULS2048L, Avantes, Netherlands)의 분광 범위는 300 nm~1,100 nm 이다. 광학벤치(Optical bench)는 초점 길이는 75 mm인 Symmetrical Czerny-Turner이고, 2,048 픽셀의 CCD(Charge Coupled Device)가 사용되기 때문에 분광 해상도는 최대 2.

데이터처리

80% 공간 중첩으로 촬영된 영상들은 Pix4D 소프트웨어(®Ecublens, Switzerland)로 합성하였고, 식생지수 NDVI와 PRI의 산출은 QGIS(Quantum Geographic Information System, Free and opensource GIS software)를 사용하여 계산되었다.

이론/모형

마늘 잎 규모에서의 PRI를 관측하기 위해 PRI meter(PRI200, Photon Systems Instruments, Drasov, Czech Republic)를 사용하였다. 광의 세기에 따라 달라지는 PRI의 특징을 고려하여 일출부터 일몰까지 일정한 1시간 30분 또는 2시간 간격으로 관측하였다.

성능/효과

2월에 PRI와 NDVI값들 간 차이가 상대적으로 크게 나타났는데, 이 시기는 식생피복율과 LAI가 매우 낮은 시기로서 토양과 식생이 함께 드러나 발생하는 지표면 불균질성 때문에 개체들 공간규모에서 관측된 각 PRI와 NDVI값들 간 차이가 커진 것으로 해석된다. 2월 이후 3, 4, 5월의 NDVI는 모두 작은 공간적 차이를 보였으나, PRI의 경우 NDVI에 비해 전체적으로 차이가 컸다. 이것은 앞서 Fig.
Fig. 7의 PRI와 NDVI 시계열 변화를 보면, 두 식생지수 모두 2월 말에서 3, 4월에 걸친 잎과 줄기 생육이 왕성한 시기에는 값이 증가하다가 수확 직전의 마늘구가비대해지는 시기에는 감소하는 모습을 보였다. 마늘구비대기의 잎 노화 현상이 식생지수에 반영된 것으로 보인다.
9의 PRI와 NDVI 영상의 픽셀값 분포를 살펴보면 2, 3월의 NDVI 분포 범위는 분포 밀도가 높은 부위에서도 비교적 넓은 범위를 보였는데, 2월은 식생피복율이 낮았기 때문이고 3월은 낮은 식생피복율과 더불어 촬영 중 기상변동이 원인으로 보인다. 또한 4, 5월의 PRI분포 범위가 NDVI 보다 좁은 것으로 보이나 분포 밀도가 높은 부분을 보면 PRI가 NDVI 보다 다소 넓었다.
본 연구에서는 작물을 직하로 관측했고, 그 점이 드론에서 관측된 NDVI 보다 과대평가된 이유 중 하나라고 사료된다. 반면 PRI와 NDVI 모두 군락 규모와 개체들 규모의 일치도가 좋았으나, PRI가 조금 더 양호한 모습을 보였다. 하지만, Fig.
4에서 보인 것처럼, 같은 마늘 개체 내에서도 잎들이 처해진 광환경이 다르기 때문으로 사료된다. 시기적으로도 3, 4, 5월에 걸쳐 생육 후기로 갈수록 PRI의 관측 지점별 차이가 컸는데, 이것은 비록 3, 4, 5월의 식생피복율은 높으나 부분적으로 점차 잎들의 노화가 진행되어 PRI값의 공간적 차이가 크게 발생한 것으로 보인다.
잎 규모의 PRI가 군락 규모의 PRI 보다 값이 컸는데, 그 이유는 첫째 식물체(잎) 만을 관측했다는 것은 식생피복율의 개념이 있을 수 없이 항상 100 %라는 의미이므로 식생피복율이 낮을 때에 차이가 더 클 수 있고, 둘째 잎을 관측한 기기의 밴드 폭이 상대적으로 매우 넓었으므로 잎 규모 값이 상대적으로 과대평가되었을 수 있다. 그 외에 관측한 잎 샘플은 광을 잘 받는 남쪽을 방향의 상층 부분으로서 군락 규모에서는 다양한 방위와 하층 잎들이 함께 관측되기 때문에 PRI_leaf가 과소평가될 수도 있겠다.
전체 면적에 대한 공간 분포에서, PRI의 균일성이 NDVI보다 낮게 나타났다. 이것은 개체들 공간 규모에서 관측한 결과(Fig.
LAI와 초장의 관측 장소는 4곳이며 각 지점당 LAI는 3번, 초장은 10번의 반복 관측을 실시하였다. 초장의 증가가 엽면적 확장으로 이어지는 대부분의 초본성 작물의 특징이 마늘에서도 동일하게 나타남을 확인하였다(Fig. 2(b)).
그 정도(bias)를 살펴보면 4, 5월에 비해 2, 3월이 다소 컸는데, 이는 식생이 완전히 지면을 덮지 않은 시기에는 공간규모에 따라 NDVI값이 차이가날 수 있음을 시사하며, NDVI가 선행연구에서 식생피복율 산출에 빈번히 이용된다는 점과 관련이 있겠다. 한편, 개체들 규모에서 센서를 지면에 직하로 관측하면 약 615 cm² 정도의 면적이 관측되는데, 작물 개체를 중심으로 바라보았을 때와 작물과 작물 사이의 토양을 중심으로 했을 때에 관측 면적 안의 작물과 토양의 비율이 달라져서 NDVI값이 차이가 나는 것을 현장에서 경험적으로 알게 되었다. 본 연구에서는 작물을 직하로 관측했고, 그 점이 드론에서 관측된 NDVI 보다 과대평가된 이유 중 하나라고 사료된다.

후속연구

, Fig. 10(b)의 에러바)는 NDVI 보다 컸으므로 실제로 PRI와 NDVI 중 어떤 지수가 군락 규모와 개체들 규모에서 일치도가 보다 좋은지는 보다 많은 관측 데이터가 필요하겠다. 한편 3월의 낮은 품질 영상에서는 군락 규모 값이 다소 낮았다.
향후 2022년 발사 예정인 유럽우주국(European Space Agency, ESA)의 FLEX(Fluorescence EXplorer) 위성에서 PRI가 산출될 예정인데, 이에 앞서 하위의 다양한 공간규모에서 관측을 수행하고 분석하여 향후 위성 PRI값의 이해도를 증진시켜 그 활용도를 극대화 시켜야 할 것이다. 본 연구는 마늘 작물을 대상으로 3가지의 공간규모에서 관측된 PRI값을 비교 분석하였고 고유 특성들을 도출하였으나, 향후 관측 횟수와 지점 수를 더 늘려서 보다 보편적인 패턴을 찾을 필요가 있으며, 마늘 작물 외에도 다양한 식생에서의 실험이 요구된다.
한편 ΔPRI를 위해서는 이른 아침과 정오에 관측이 이루어져야 하는데, 아침은 광량이 비교적 낮고 변동성이 높기 때문에 개체들 또는 군락 규모의 관측 품질이 낮아질 가능성이 있다. 이 같은 경우, 광 환경에 영향을 받지 않는 잎 규모 PRI값이 중요한 기준이 될 수 있으므로, 잎 규모로 부터 시작하는 공간규모 확장 기술 개발에도 많은 연구가 이루어져야 할 것이다.
9에는 각 영상의 모든 식생지수 픽셀들의 평균값이 표시되어 있는데(흰색 점), 분포 밀도가 가장 높은 지점과 차이를 보였으며 그 차이는 관측 품질이 낮았던 3월에 가장 컸다. 이는 영상의 식생지수 대표값을 얻기 위해 평균을 취하기에 앞서 픽셀 값들을 선별적하는 작업이 필요하다는 의미로서, 향후 식생지수 종류에 따라 필터링 기준을 정립하는 후속 연구가 있어야하겠다. 예를 들어 Ryu et al.
잎 규모의 PRI는 잎 윗면이 향하는 방위에 값이 따라 달라지는 공간적 복잡성을 보였지만, 개체들 규모와 군락 규모의 PRI는 서로 매우 유사한 값을 보였다. 한편, 개체들 규모와 군락 규모 간의 일치도 평가에서 PRI와 NDVI모두 양호했는데, 이런 결과는 잎에서 군락으로 PRI를 공간 규모 확장(scale-up)하기 위해서는 기술적으로 다소 어려움이 있을 것으로 예상되나, 개체들 규모에서 군락으로 PRI를 규모 확장하는 것은 상대적으로 용이할 것이며 NDVI 등에 적용한 기술을 개선하여 이용할 수 있을 것으로 판단된다.
가장 넓은 공간규모의 원격탐사 관측은 위성을 활용하는 것이겠지만, PRI를 직접 산출할 수 있는 위성은 현재까지 존재하지 않는다. 향후 2022년 발사 예정인 유럽우주국(European Space Agency, ESA)의 FLEX(Fluorescence EXplorer) 위성에서 PRI가 산출될 예정인데, 이에 앞서 하위의 다양한 공간규모에서 관측을 수행하고 분석하여 향후 위성 PRI값의 이해도를 증진시켜 그 활용도를 극대화 시켜야 할 것이다. 본 연구는 마늘 작물을 대상으로 3가지의 공간규모에서 관측된 PRI값을 비교 분석하였고 고유 특성들을 도출하였으나, 향후 관측 횟수와 지점 수를 더 늘려서 보다 보편적인 패턴을 찾을 필요가 있으며, 마늘 작물 외에도 다양한 식생에서의 실험이 요구된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	광학센서에서 획득된 식물의 분광학적 특성을 기반으로 개발된 식생지수는 어디에 사용되는가?	광학센서에서 획득된 식물의 분광학적 특성을 기반으로 개발된 식생지수는 산림, 초지, 농지 등의 다양한 육상 식물 생태계에 존재하는 식물의 생물생산량(NetBiome Production) 추정 뿐만 아니라 지표면에서의 탄소, 물, 에너지 순환의 이해에 널리 사용되고 있다(Sellers etal., 1996; Karnieli et al.
	NDVI는 어떻게 산출하는가?	널리 이용되는 대부분의 식생지수는 식생의 생물량(Biomass)과 수직/수평 분포 및 구조에 민감한 종류이다. 적색과 근적외선 밴드의 반사율 차이를 이용해 산출하는 NDVI(정규식생지수, Normalized Difference Vegetation Index)가 대표적인 예이며(Jiang etal., 2006), 토양 등 식생 외의 배경효과를 제거한 EVI(Enhanced Vegetation Index)가 제안되어 있다(Huete etal.
	원격탐사에서 지상 조사와 관측을 수행하는 목적은 무엇인가?	이렇게 원격탐사에서 지상 조사와 관측을 수행하는 목적은 크게 2가지로 볼 수 있다. 첫째, 원격탐사 지역의 식생 현지조사 자료를 이용하여 관측된 식생지수 값을 검증하거나, 식생지수 값이 나타내는 식물의 생육·생리 상태 의미를 명확히 이해할 수 있다(e.g., Friedl et al., 1994). 둘째, 원격탐사 지역의 식생을 대상으로 원격탐사에 사용된 밴드파장을 이용하여 보다 작은 공간규모(spatial scale)의 지상에서 동일한 식생지수를 산출함으로서 해당 식생지수의 공간적 특성 이해도를 높인다(e.g.

참고문헌 (20)

Babar, M.A., M.P. Reynolds, M. Van Ginkel, A.R. Klatt, W.R. Raun, and M.L. Stone, 2006. Spectral reflectance indices as a potential indirect selection criteria for wheat yield under irrigation, Crop Science, 46(2): 578-588.

상세보기
Blackburn, G.A., 1998. Spectral indices for estimating photosynthetic pigment concentrations: a test using senescent tree leaves, International Journal of Remote Sensing, 19(4): 657-675.

상세보기
Fensholt, R., I. Sandholt, and M.S. Rasmussen, 2004. Evaluation of MODIS LAI, fAPAR and the relation between fAPAR and NDVI in a semi-arid environment using in situ measurements, Remote sensing of Environment, 91(3-4): 490-507.
Friedl, M.A., D.S. Schimel, J. Michaelsen, F.W. Davis, and H. Walker, 1994. Estimating grassland biomass and leaf area index using ground and satellite data, International Journal of Remote Sensing, 15(7): 1401-1420.

상세보기
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.

상세보기
Gitelson, A.A., Y.J. Kaufman, R. Stark, and D. Rundquist, 2002. Novel algorithms for remote estimation of vegetation fraction, Remote Sensing of Environment, 80(1): 76-87.

상세보기
Huete, A., K. Didan, T. Miura, E.P. Rodriguez, X. Gao, and L.G. Ferreira, 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices, Remote Sensing of Environment, 83(1-2): 195-213.
Hunt, E.R., P.C. Doraiswamy, J.E. McMurtrey, C.S.T. Daughtry, E.M. Perry, and B. Akhmedov, 2012. A visible band index for remote sensing leaf chlorophyll content at the canopy scale, International Journal of Applied Earth Observation and Geoinformation, 21: 103-112.
Jiang, Z., A.R. Huete, J. Chen, Y. Chen, J. Li, G. Yan, and X. Zhang, 2006. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction, Remote Sensing of Environment, 101: 366-378.

상세보기
Karnieli, A., M. Bayasgalan, Y. Bayarjargal, N. Agam, S. Khudulmur, and C.J. Tucker, 2006. Comments on the use of the Vegetation Health Index over Mongolia, International Journal of Remote Sensing, 27(10): 2017-2024.

상세보기
Penuelas, J., F. Baret, and I. Filella, 1995a. Semiempirical indices to assess carotenoids/ chlorophyll a ratio from leaf spectral reflectance, Photosynthetica, 31(2): 221-230.

상세보기
Penuelas, J., I. Filella, P. Lloret, F. Mun Oz, and M. Vilajeliu, 1995b. Reflectance assessment of mite effects on apple trees, International Journal of Remote Sensing, 16(14): 2727-2733.

상세보기
Prasad, B., B.F. Carver, M.L. Stone, M.A. Babar, W.R. Raun, and A.R. Klatt, 2007. Potential use of spectral reflectance indices as a selection tool for grain yield in winter wheat under great plains conditions, Crop science, 47(4): 1426-1440.

상세보기
Rodriguez, D., G.J. Fitzgerlad, R. Belford, and L. Christensen, 2006. Detection of nitrogen deficiency in wheat from spectral reflectance indices and basic crop eco-biophysical concepts, Australian Journal of Agricultural Research, 57: 781-789.
Ryu, J.-H., K.-S. Han, K.-J. Pi, and M.-J. Lee, 2013. Analysis of Land Cover Change Around Desert Areas of East Asia, Korean Journal of Remote Sensing, 29(1): 105-114 (in Korean with English abstract).
Ryu, J.-H., J.I. Shin, C.S. Lee, S. Hong, Y.-W. Lee, and J. Cho, 2017. Evaluating applicability of photochemical reflectance index using airbornebased hyperspectral image: with shadow effect and spectral bands characteristics, Korean Journal of Remote Sensing, 32(3): 235-244 (in Korean with English abstract).
Sellers, P., F. Hall, H. Margolis, B. Kelly, D. Baldocchi, G. den Hartog, J. Cihlar, M.G. Ryan, B. Goodison, P. Crill, K.J. Ranson, D. Lettenmaier, and D.E. Wickland, 1995. The Boreal Ecosyste-Atmosphere Study (BOREAS): an overview and early results from the 1994 field year, Bulletin of the American Meteorological Society, 76(9): 1549-1577.
Sellers, P.J., C.J. Tucker, G.J. Collatz, S.O. Los, C.O. Justice, D.A. Dazlich, and D.A. Randall, 1996. A revised land surface parameterization (SiB2) for atmospheric GCMs. Part II: The generation of global fields of terrestrial biophysical parameters from satellite data, Journal of climate, 9(4): 706-737.

상세보기
Williams, M., R. Bell, L. Spadavecchia, L.E. Street, and M.T. Van Wijk, 2008. Upscaling leaf area index in an Arctic landscape through multiscale observations, Global Change Biology, 14(7): 1517-1530.

상세보기
Zhang, Q., J.M. Chen, W. Ju, H. Wang, F. Qiu, F. Yang, W. Fan, Q. Huang, Y.P. Wang, Y. Feng, X. Wang, and F. Zhang, 2017. Improving the ability of the photochemical reflectance index to track canopy light use efficiency through differentiating sunlit and shaded leaves, Remote Sensing of Environment, 194: 1-15.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format