선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구의 목적은 보급형 UAV를 플랫폼으로 다양한 파장대의 영상센서를 탑재, 식 생태 탐측용 보급형 UAS를 구성, 대상지의 사전 식생조사 결과를 기준으로 UAS에 의한 파장대별 식생지수를 산출, 식생지수 간의 상관성을 가시 및 정량적으로 분석하고 식생조사의 효용성을 고찰하여 정밀농업 분야를 위한 활용성을 검토하는 것이다. 이를 위해 시험대상지의 파장 대별 영상을 SfM(Structure from Motion) 기반 영상 해석(Lee YC 2017)을 수행하여 정사영상모자익 및 수치표면모형을 재현한 후, 파장대별 스펙트럴 특성을 활용, 각 영상 내 픽셀 단위의 식생지수를 산정한다.
- 시험대상지에 대한 지상 피복현황을 기준으로 각 식생지수의 분포도 및 식생지수 간 상관성(R2 : 결정계수)를 비교·고찰하며 특히, 중점 검증 대상 네 곳을 대상으로 UAS를 활용한 가시컬러, 근적외 및 열적외 영상해석에 의한 식생 상태의 탐측 능력을 비교 고찰하였다. 아울러 식생 및 주변 환경의 수분 분포 및 관개배수용 농수로 탐측을 위한 열적외 영상의 활용성을 검토하였다.
- Figure 5는 BG_NIR 영상기반 식생지수 5종 (ENDVI, GNDVI, EVI2, OSAVI 및 NDWI)의 식생분포를 가시화 한 것이다. 촬영 당일 기상이 양호했고 미세먼지 농도도 낮았으며 저 고도 UAS 특성 상, 대기 영향은 미소한 것으로 판단하여 본 연구에서는 식생의 토양후면배경영향의 보정상태를 고찰하였다. NDVI 지수의 토양후면배경영향 보정을 검토하기 위해 ‘코윈어리’ 면적 비율이 근사한 조건에서 대상지 내 ‘마늘’ 및 ‘둑새풀’ 재배지를 관심영역으로 Figure 4 및 Figure 5의 식생분포 변화를 비교하였다.
제안 방법
- UAS 항공 촬영은 국토지리정보원 "무인비행장치 이용 공공측량 작업지침"를 준수하여 2018년 4월 6일 오후 1시 33분 ∼ 오후 2시 20분 동안, DJI사의 팬톰4 Pro.(일체형 카메라), BG_NIR 및 TIR 영상 센서를 Inspire 1 기종에 교환 장착하면서 연속 수행하였다. 특히, 4점의 지상기준점과 검사점 2점의 실세계 좌표성과는 GNSS Network RTK 측량(Trimble R8)를 수행(Figure 5.
- 3가지 분류방법의 각 분급 개수는 시험대상지 내, 식생의 활력도가 가장 높은 ‘코윈어리(Kowinearly)’ 재배지(Figure 1, “가” 부분)를 기준으로 BG_NIR 영상의 실세계 전체 면적(약 54,830㎡)에 대한 ‘코윈어리’ 재배면적(약 2,360㎡)의 비(4.3%)가 최상위 분급 수의 면적비 및 주변 환경에 근사하게 조정 후, 가시화 하였다.
- NDVI 지수의 토양후면배경영향 보정을 검토하기 위해 ‘코윈어리’ 면적 비율이 근사한 조건에서 대상지 내 ‘마늘’ 및 ‘둑새풀’ 재배지를 관심영역으로 Figure 4 및 Figure 5의 식생분포 변화를 비교하였다.
- 각 식생 지수의 분급 수는 VIS_RGB 영상 내 실세계 전 면적(약 36,400㎡)에 대한 ‘코윈어리’ 재배 면적의 비(3.55%)를 기준으로 최상위 분급 면적비율이 ‘코윈어리’ 재배지 면적비율 및 주변 환경에 근사하 게 조정한 후, 지수별로 가시화 하였다.
- 또한, 피사체의 방사온도정보를 갖는 Zenmuse XT 열영상 카메라는 온도정보가 포함된 밴드(Thermal_ IR)에 보정계수(0.04)를 적용한 온도지수(Temperature Index=0.04*Thermal_IR–273.15)를 적용(Pix4D, 2018)하여 절대온도를 추출하였다.
- 보급형 무인항공기에 VIS_RGB, BG_NIR 및 TIR 영상 센서를 탑재, 시험대상지에 대한 온도지수를 포함 한 10종의 식생 및 온도지수와 상관성을 검토하고 사전조사 자료와의 비교분석을 통해 UAS기반 식생 조사의 예측 수행능력을 평가하고 그 효용성을 다음과 같이 검토할 수 있었다.
- 본 연구에서 분급 개수의 선정은 관심 식생에 대한 면적에 비중을 두고 ‘주변 환경과 근사한 재현’을 조건으로 결정하였다.
- 5㎛ 분광대역의 열영상 센서의 제원, Table 3은 영상센서별 비행계획 제원을 요약한 것이다. 본 연구에서 활용한 BG_NIR 카메라는 Inspire 1 FC-350(RGB)의 적외선차단 필터를 제거한 후 LDP LLC(maxmax.com)사의 X-Nite 필터로 수정․개조한 근적외 영상 카메라로 SfM 영상해석의 초반부에 R(Red), G(Green), B(Blue) 각 밴드별로 할당하는 경중률[Red(NIR)=0.7152, Green=0.2126, Blue(Red)=0.0722)]를 적용하였다(Pix4D 2008).
- 식생분광지수는 임의 식생지역의 특징을 가장 잘 표현하는 몇 가지 파장대역의 조합으로 지수를 산출 하고 식생상태(엽록소, 수분, 영양, 질소 함량 등) 조 사·분석을 위한 판단 기준으로 활용되며 NDVI 지수 개발 이후, 가시광, Red edge 및 적외 밴드대역의 분광 향상과 토양, 대기, 그림자 등 간섭영향의 최소화를 도모하면서, 2가지 또는 3가지 밴드 간의 비율․거리․조합 기반의 보완 연구를 통해 지속적으로 개발 (Jackson 1991)되어 왔다. 본 연구에서는 시험대상지 내, 탐측대상 식생탐측 및 환경에 적합한 식생지수를 선정하기 위해 농작물의 생태 분석용 식생지수의 특성과 활용성을 고찰하여 Table 1과 같이 9가지 식생 지수와 절대온도변환에 의한 온도지수를 선정, 실험대상지 내 식생의 생태 조사, 수분함유량 및 관개배수로 탐측 능력의 검토에 활용하였다. 선정된 9가지 식생지수의 공통점은 식생여부확인 및 광합성에 따른 활력도 탐측으로 가시컬러(VIS_RGB) 밴드를 활용한 식생지수로 G밴드가 강조된 GLI, 대기영향에 덜 민감한 VARI 및 G와 R 밴드만을 활용한 NGRDI를 선정하였다.
- 본 연구에서는 시험대상지 내, 탐측대상 식생탐측 및 환경에 적합한 식생지수를 선정하기 위해 농작물의 생태 분석용 식생지수의 특성과 활용성을 고찰하여 Table 1과 같이 9가지 식생 지수와 절대온도변환에 의한 온도지수를 선정, 실험대상지 내 식생의 생태 조사, 수분함유량 및 관개배수로 탐측 능력의 검토에 활용하였다. 선정된 9가지 식생지수의 공통점은 식생여부확인 및 광합성에 따른 활력도 탐측으로 가시컬러(VIS_RGB) 밴드를 활용한 식생지수로 G밴드가 강조된 GLI, 대기영향에 덜 민감한 VARI 및 G와 R 밴드만을 활용한 NGRDI를 선정하였다. 일반 카메라를 수정한 BG_NIR 파장대를 활용하는 지수로는 NDVI, NDVI의 민감도를 강화한 ENDVI, 엽록소의 밀도 탐측에 특화된 GNDVI, 토양 후면배경 영향과 대기흡수영향을 보정한 EVI2 및 OSAVI(식생밀도가 작고 토양이 보이는 환경에 특화), 수분 또는 물 검출에 특화된 NDWI를 선정하였다.
- 시험대상지(Figure 1)에 대한 UAS기반 VIS_RGB, BG-NIR 및 TIR 영상을 대상으로 영상해석 툴 (Pix4Dmapper)로부터 식생지수 9종 및 온도지수를 산출한 후, 대상지 내 사전 식생분포조사 내용을 기준으로 식생지수 간의 상관성(R2), 관심영역 및 검사선에 대한 식생지수별 식생분포와 수계현황 등을 비교· 고찰하였다.
- 시험대상지에 대한 지상 피복현황을 기준으로 각 식생지수의 분포도 및 식생지수 간 상관성(R2 : 결정계수)를 비교·고찰하며 특히, 중점 검증 대상 네 곳을 대상으로 UAS를 활용한 가시컬러, 근적외 및 열적외 영상해석에 의한 식생 상태의 탐측 능력을 비교 고찰하였다.
- 또한 지난 40여 년 동안 식생 상태의 원격탐측분석 기준으로 개발·활용해온 식생지수들의 특성과 활용성을 검토(Agapiou 2012; HARRIS 2018; Hunt 2013; Barati 2011)하여 가시, 근적외 및 열적외 파장대역을 기본요소로 정밀농업분야에 활용할 수 있는 VIS_RGB 및 BG_NIR 파장대역 식생지수와 TIR 온도지수 총 10 종을 선정, 식물의 엽록소, 질소 및 수분 함유량 등의 식 생태 검출에 활용한다. 시험대상지의 각 파장대역의 영상을 획득한 후, SfM(Structure from Motion)기반의 영상해석(Lee YC 2017) 툴(Pix4Dmapper)을 활 용하여 정사영상모자익(Orthophoto mosaics), 수치 표면모형(DSM ; Digital Surface Model)을 재현하고 파장대별 스펙트럴 특성을 활용, 각 영상 내 픽셀 단위의 식생지수와 온도지수, 식생분포도를 작성, 식 생태 분석에 활용하였다. 시험대상지에 대한 지상 피복현황을 기준으로 각 식생지수의 분포도 및 식생지수 간 상관성(R2 : 결정계수)를 비교·고찰하며 특히, 중점 검증 대상 네 곳을 대상으로 UAS를 활용한 가시컬러, 근적외 및 열적외 영상해석에 의한 식생 상태의 탐측 능력을 비교 고찰하였다.
- 선정된 9가지 식생지수의 공통점은 식생여부확인 및 광합성에 따른 활력도 탐측으로 가시컬러(VIS_RGB) 밴드를 활용한 식생지수로 G밴드가 강조된 GLI, 대기영향에 덜 민감한 VARI 및 G와 R 밴드만을 활용한 NGRDI를 선정하였다. 일반 카메라를 수정한 BG_NIR 파장대를 활용하는 지수로는 NDVI, NDVI의 민감도를 강화한 ENDVI, 엽록소의 밀도 탐측에 특화된 GNDVI, 토양 후면배경 영향과 대기흡수영향을 보정한 EVI2 및 OSAVI(식생밀도가 작고 토양이 보이는 환경에 특화), 수분 또는 물 검출에 특화된 NDWI를 선정하였다. 특히, TIR로 부터 온도정보를 도출하기 위해 Pix4D사의 절대온도 변환식(Pix4D.
- 일반 카메라를 수정한 BG_NIR 파장대를 활용하는 지수로는 NDVI, NDVI의 민감도를 강화한 ENDVI, 엽록소의 밀도 탐측에 특화된 GNDVI, 토양 후면배경 영향과 대기흡수영향을 보정한 EVI2 및 OSAVI(식생밀도가 작고 토양이 보이는 환경에 특화), 수분 또는 물 검출에 특화된 NDWI를 선정하였다. 특히, TIR로 부터 온도정보를 도출하기 위해 Pix4D사의 절대온도 변환식(Pix4D. 2018)을 활용한 절대온도 지수를 산출하였다. 식생분석을 위해서는 검출대상과 목적에 적합한 식생지수 선정 외에도 분석을 위한 가시화 분류방법 및 분급 수(Number of classes)의 선정 또한 중요하다.
- 회전익 UAV로 DJI 사의 보급형 Inspire 1 및 팬톰 4 Pro를 선정하고 VIS_RGB 카메라(DJI FC-350 및 FC6310), 근적외 영상을 취득할 수 있도록 DJI FC-350를 수정한 BG-NIR 카메라(Maxmax 2018) 및 DJI․FLIR 사가 공동 개발한 7.5㎛∼13.5㎛ 분광대역의 열적외영상(TIR)센서(ZENMUSE XT, DJI 2018)을 활용, ‘다중파장대역(Multispectral bands) 영상취득용 UAS’를 구성하였다.
대상 데이터
- 5㎛ 분광대역의 열적외영상(TIR)센서(ZENMUSE XT, DJI 2018)을 활용, ‘다중파장대역(Multispectral bands) 영상취득용 UAS’를 구성하였다. 관측시기 및 시험대상지 (Test bed)는 모내기 직전 농수로가 정비된 논 및 인접지(내한성 조사료용 식물 재배 밭)를 선정하였다. 또한 지난 40여 년 동안 식생 상태의 원격탐측분석 기준으로 개발·활용해온 식생지수들의 특성과 활용성을 검토(Agapiou 2012; HARRIS 2018; Hunt 2013; Barati 2011)하여 가시, 근적외 및 열적외 파장대역을 기본요소로 정밀농업분야에 활용할 수 있는 VIS_RGB 및 BG_NIR 파장대역 식생지수와 TIR 온도지수 총 10 종을 선정, 식물의 엽록소, 질소 및 수분 함유량 등의 식 생태 검출에 활용한다.
- 시험대상지는 충남 공주시 의당면 유계리와 청룡리 경계에 위치한 210m×170m 규모의 지목 상, 전․답․대․ 도 혼합지로 Figure 1은 시험대상지 전경과 지상기준점(GCP : Ground Control Point △, GCP1∼GCP4) 4점, 검사점(Check points ○ : CP1, CP2) 2점 및 영상 별, 식생지수 조사를 위한 검사선 4종(\(\overline{12}\), \(\overline{34}\), \(\overline{56}\), \(\overline{78}\))의 위치를 나타낸 것이다.
이론/모형
- NDVI 식생지수를 3가지 분류방법(Equal spacing, Equal area, Jenks)를 적용하고 템플릿(RdYIGn)을 활용하여 가시화한 결과는 Figure 4와 같다. 3가지 분류방법의 각 분급 개수는 시험대상지 내, 식생의 활력도가 가장 높은 ‘코윈어리(Kowinearly)’ 재배지(Figure 1, “가” 부분)를 기준으로 BG_NIR 영상의 실세계 전체 면적(약 54,830㎡)에 대한 ‘코윈어리’ 재배면적(약 2,360㎡)의 비(4.
- 본 연구의 목적은 보급형 UAV를 플랫폼으로 다양한 파장대의 영상센서를 탑재, 식 생태 탐측용 보급형 UAS를 구성, 대상지의 사전 식생조사 결과를 기준으로 UAS에 의한 파장대별 식생지수를 산출, 식생지수 간의 상관성을 가시 및 정량적으로 분석하고 식생조사의 효용성을 고찰하여 정밀농업 분야를 위한 활용성을 검토하는 것이다. 이를 위해 시험대상지의 파장 대별 영상을 SfM(Structure from Motion) 기반 영상 해석(Lee YC 2017)을 수행하여 정사영상모자익 및 수치표면모형을 재현한 후, 파장대별 스펙트럴 특성을 활용, 각 영상 내 픽셀 단위의 식생지수를 산정한다. 회전익 UAV로 DJI 사의 보급형 Inspire 1 및 팬톰 4 Pro를 선정하고 VIS_RGB 카메라(DJI FC-350 및 FC6310), 근적외 영상을 취득할 수 있도록 DJI FC-350를 수정한 BG-NIR 카메라(Maxmax 2018) 및 DJI․FLIR 사가 공동 개발한 7.
성능/효과
- ‘마늘’과 ‘코윈어리’ 재현성을 고찰한 결과 ENDVI, EVI2 지수가 NDVI 대비 우수하여 NDVI 식생지수의 토양후면배경 영향의 보정을 입증할 수 있었다.
- BG_NIR 영상기반 식생지수분포(Figure 12.1), VIS_RGB 영상기반 식생지수분포(Figure 12.2) 및 NDWI 지수를 종합·고찰하면 NDWI 지수를 제외한 다른 식생지수분포는 첫 번째 논 뚝(8m)과 d 필지(68 ∼98m)에서 높은 식생지수가 나타났고 구간별 식생 분포는 사전현장 조사결과와 대체로 동일한 ‘d > e > a > b > c’ 순을 보였다.
- UAS를 기반의 가시(VIS_RGB), 근적외(BG_NIR) 및 열적외(TIR) 영상을 활용한 시험대상지에 대한 총 9종의 식생지수 및 TIR 온도지수 분포를 사전 현장 실사 내용을 기본으로 비교·고찰하고 식생지수 간의 상관성(R2) 검토, 대상지 내 다양한 식생 및 검사선에 대한 식생지수 분포 분석 등, 무인항공기를 활용한 식생 상태의 탐측 수행능력을 다양하게 검토하여 그 효용성을 입증할 수 있었다.
- 검사점의 측위정확도는 VIS_RGB 및 BG_ NIR의 경우, 좌표성분별 최대편차가 ±10cm 이내인 반면, TIR의 경우는 최대편차(±30cm)를 나타내었는데 Zenmuse XT 열영상 카메라의 저해상 영상, 렌즈 왜곡보정의 미흡 및 4점의 GCP 영역 외부에 검사점을 설치한 것 등에 기인된 것으로 사료된다.
- 그러나 반사성이 강한 축사와 주택가 지붕 및 중앙부 농수로 일부구간의 태양반사로 인해 상대적으로 큰 양수값 즉, 강한 ‘녹색’ 계열의 예외 반응도 관찰되었다.
- 둘째, 일반 RGB 카메라를 필터 수정한 가시 근적외 (BG_NIR) 카메라와 보급형 UAV를 조합한 UAS를 구성, 시험대상지에 대한 6가지 식생지수(NDVI, ENDVI, GNDVI, EVI2, OSAVI 및 NDWI)와 NDVI 지수간의 상관성 분석, 관심장소 및 검사선에 대한 식생조사의 수행 평가를 통해 UAS의 활용성을 검증할 수 있었다.
- 반 면, 14m 지점의 경우, BG_NIR지수와 온도지수는 낮은 분포를 보인반면, VIS_RGB지수와 NDWI지수는 상승경향을 나타내었는데 사전식생 조사결과, ‘코윈어리’는 녹색을 유지하면서 월동하며 대체로 식생밀도가 고르고 높지만 종자 파종당시, 파종기의 바퀴자국으로 해당부분이 오목하며 식생밀도가 낮아 높은 수분을 포함한 흙이 노출된 경우에 기인된 것으로 분석되었다. 따라서, BG_NIR, 온도지수 및 NDWI 지수의 종합적인 고찰을 통해 특이 상황에 좀 더 근접한 식생 조사를 도모할 수 있었다. 반면, VIS_RGB 지수는 대상지의 포괄적 식생 유·무 조사에 유용할 것으로 사료되나 좀 더 다양한 추가 연구가 요망된다.
- Figure 7과 같이 VIS_RGB 영상기반 식생지수 3종의 식생지수 분포도를 비교·고찰하면 Figure 4 및 Figure 5의 NDVI 계열 5종 식생분포 대비, 밀도가 작은 식생영역에서 토양과의 차별화가 명료하지는 않지만 ‘코윈어리’, ‘마늘’, ‘둑새풀’ 분포 및 일부 인공물의 식별이 가능한 것으로 검토되었다. 또한 RGB 영상 기반 식생지수 3종과 NDVI 지수 간의 상관성은 식생지수 산정에 활용되는 파장대역의 차이로 상관성은 매우 약한 반면, VIS_RGB 영상기반 식생지수 3종간의 상관성은 NGRDI와 VARI(R2= 0.857), NGRDI와 GLI(R2=0.574), 및 VARI와 GLI(R2=0.444)로 나타났고 2 밴드 식생지수인 NGRDI와 대기영향을 보정한 VARI 지수간의 상관성이 높게 나타났다. 특히, 보급형 디지털카메라의 2 밴드 또는 3 밴드 파장대역 영상을 활용한 식생조사의 효용성은 ‘5.
- 또한, VIS_RGB 식생지수가 높게 나타난 부분이 BG_NIR의 경우와 유사하였고 봄비로 논에 물이 고여 있는 상황으로 인해 NGRDI와 VARI 지수는 Figure 12.3의 NDWI패턴과 유사하게 나타났고 GLI의 경우 에서도 함수비가 높은 일부 구간의 경우, 음수(‘-’)로 나타나 ‘물’ 특성을 보였다.
- 반 면, 14m 지점의 경우, BG_NIR지수와 온도지수는 낮은 분포를 보인반면, VIS_RGB지수와 NDWI지수는 상승경향을 나타내었는데 사전식생 조사결과, ‘코윈어리’는 녹색을 유지하면서 월동하며 대체로 식생밀도가 고르고 높지만 종자 파종당시, 파종기의 바퀴자국으로 해당부분이 오목하며 식생밀도가 낮아 높은 수분을 포함한 흙이 노출된 경우에 기인된 것으로 분석되었다.
- 셋째, 상대적으로 저렴한 열적외 영상 카메라를 UAV에 탑재, 식생지에 대한 절대온도를 산출하고 RGB 및 BG_NIR 대역의 9가지 식생분포와 비교 검토 한 결과, 대상체간의 온도편차와 온도변화를 활용한 식생분석의 응용성을 확인할 수 있었다. 특히, 검사선 및 농수로 적용을 통해 식생의 수분함량조사 및 수계 분석 응용이 기대된다.
- 시험대상지의 NDVI 지수 분포는 최소 –0.52 ∼ 최대 0.72 로 나타났다.
- 시험대상지의 사전조사를 통해 분석된 대상지 내 식생분포는 가장 활성도가 높은 ‘코윈어리’ 재배지, 인접한 마늘재배지 및 논에 가장 넓게 분포하고 있는 ‘둑새풀’이 대표 식종이다.
- 식생지수 대부분은 NDVI와 직선 상관하며 R2이 평균 0.97 이상으로 높은 상관성을 나타내었다. 특히, OSAVI의 경우, R2 ≒ 1에 근사한 상관성을 보였다.
- 5는 절대표정 작업을 위한 GCP의 지오태깅 (Geo_tagging) 작업에서 VIS 및 TIR 용 GCP 타겟의 식별성을 영상 즁류 별로 비교한 것이다. 열 영상의 경우, 사진 2.4 및 사진 2.5와 같이 VIS용 타킷은 식별이 불가한 반면, 알루미늄 타킷은 명확히 식별되어 열 영상용 GCP로 알루미늄 은박접시의 효용성을 확인할 수 있었다.
- 특히, 온도지구를 Equal spacing으로 분류한 경우, ‘코윈어리’ 재배지내 식생의 밀도 구분이 가능한 반면, Equal area 분류 결과를 가시화 할 경우, 상세한 식생밀도 구분이 어렵고 전체적으로 대조가 큰 식생분포 경향을 나타내었다.
- 특히, 온도지수의 경우 마늘재배지 “나”의 검은 비닐로 덮은 멀칭 둔덕 개수(총 9개)와 일치한 분포를 보였고 온도차를 활용할 경우, 식생부와 무식생부 간의 구별도 용이함을 확인할 수 있었다.
후속연구
- 또한, 둑새풀의 식생지수가 높을 경우, 토양의 염분도는 낮고 인산함유량이 높은 특징이 있으므로 인산 성분이 가장 많은 토양을 가진 필지는 d > e > a > b > c 순으로 사료되나 토양조사 후속연구를 통해 향후 입증할 계획이다.
- 반면, VIS_RGB 지수는 대상지의 포괄적 식생 유·무 조사에 유용할 것으로 사료되나 좀 더 다양한 추가 연구가 요망된다.
- 본 연구수행을 통해 인공위성과 항공영상에 의존한 과거의 식생조사방식 대비, 영상해상도, 경제성 및 운용성 면에서 UAV기반 고 해상 저고도 원격탐측시스템(UAS)의 효용성을 입증할 수 있었으므로 정밀농업, 산림 및 수계 조사 등의 분야에 그 활용이 기대된다. 향후, RGB, BG-NIR 및 열적외 영상에 의한 식생·온도지수를 식생 평가의 정보원으로 조합·활용하는 등, UAS 기반 식생영농 기술을 활성화 한다면 기존 식생 분석방법의 단점과 미흡한 부분을 보완·해소할 수 있을 것이다.
- 첫째, 생활용 디지털 카메라를 활용한 가시분석 외에 RGB 밴드기반 식생지수 3종(GLI, VARI, NGRDI)의 시험대상지 적용결과, 단순 식생조사 및 분석의 가능성을 입증할 수 있었으므로 보급형 UAV와 디지털 카메라만의 2밴드(NGRDI) 또는 3밴드(GLI, VARI) 파장 대역을 활용한 고 해상 저 고도 원격탐측시스템 (UAS)의 활용이 기대된다.
- 향후, RGB, BG-NIR 및 열적외 영상에 의한 식생·온도지수를 식생 평가의 정보원으로 조합·활용하는 등, UAS 기반 식생영농 기술을 활성화 한다면 기존 식생 분석방법의 단점과 미흡한 부분을 보완·해소할 수 있을 것이다. 특히, 4차 산업 융합시대, 농촌인구 감소와 고령화, 농업부문 FDA 문제 등, 우리 사회의 당면 문제 보완에 일조할 수 있을 것이다.
- 또한, Jenks 분류법의 경우에서도 ‘코윈어리’의 식생밀도 구분이 가능한 분포를 보였다. 특히, BG_NIR 영상대비 TIR 영상의 온도지수분포는 농수로 및 물이 고여 있는 부분의 식별이 용이하므로 식생분포 조사는 물론 농수로, 관개배수로 및 수계 분석 응용 분야에 효율적인 탐측이 가능할 것으로 기대된다.
- 셋째, 상대적으로 저렴한 열적외 영상 카메라를 UAV에 탑재, 식생지에 대한 절대온도를 산출하고 RGB 및 BG_NIR 대역의 9가지 식생분포와 비교 검토 한 결과, 대상체간의 온도편차와 온도변화를 활용한 식생분석의 응용성을 확인할 수 있었다. 특히, 검사선 및 농수로 적용을 통해 식생의 수분함량조사 및 수계 분석 응용이 기대된다.
- 향후, RGB, BG-NIR 및 열적외 영상에 의한 식생·온도지수를 식생 평가의 정보원으로 조합·활용하는 등, UAS 기반 식생영농 기술을 활성화 한다면 기존 식생 분석방법의 단점과 미흡한 부분을 보완·해소할 수 있을 것이다.
- 현재, 국내에서 4차 산업 융합기술로 주목받고 있는 드론 기술의 향상, 저렴화 및 응용분야의 다양화에 힘입어 사진측량, UAV 및 ICT(정보통신기술) 융·복합 기술을 활용한 식생관리(Lee GS 2017) 연구가 활발히 시도되고 있어 국내 농업분야의 발전에 효율적으로 활용될 전망이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.