[논문]UAV를 이용한 농경지 분광특성 및 식생지수 분석

이근상; 최연웅

doi:10.11108/kagis.2019.22.4.086

UAV를 이용한 농경지 분광특성 및 식생지수 분석
Analysis of Cropland Spectral Properties and Vegetation Index Using UAV 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.22 no.4, 2019년, pp.86 - 101

이근상 (전주비전대학교 지적토목학과) , 최연웅 (조선이공대학교 토목건설과)

초록
AI-Helper

원격탐사 기술은 플랫폼 개발, 탐사면적 및 탐사기능 등 양적 및 질적 향상의 관점에서 지속적으로 발전되어왔으며 비용절감 및 현장자료보완의 방법으로 유용하게 활용되고 있다. 최근에는 농업분야에서의 활용사례와 관련연구가 증가하는 추세에 있으며 농경지의 상태를 탐지하고 정량화하여 농경지 및 농업환경에 대한 관리방안 수립 및 정책지원이 가능하기 때문에 농작물 생육이상 판별, 시계열 정보에 의한 작황 추정 등 다양한 분야에서 연구되고 있다. 본 연구에서는 다중분광센서를 장착한 UAV를 이용하여 간척지 농경지에 대한 식생지수를 분석하고자 하였다. 한편, UAV를 이용하여 취득한 다중분광영상 자료로부터 산정된 식생지수의 정확도를 평가하기 위해서 현지 조사를 실시하였다. 현지조사에 의한 식생지수와 UAV 다중분광영상으로부터 산정된 식생지수간의 상관성을 평가함으로써 가장 적절한 식생지수를 도출하였으며 대상지역 전체에 대한 식생지수 분석에 활용하고자 하였다.

Abstract ▼ AI-Helper

Remote sensing technology has been continuously developed both quantitatively and qualitatively, including platform development, exploration area, and exploration functions. Recently, the use cases and related researches in the agricultural field are increasing. Also, since it is possible to detect and quantify the condition of cropland and establish management plans and policy support for cropland and agricultural environment, it is being studied in various fields such as crop growth abnormality determination and crop estimation based on time series information. The purpose of this study was to analyze the vegetation index for agricultural land reclamation area using a UAV equipped with a multi-spectral sensor. In addition, field surveys were conducted to evaluate the accuracy of vegetation indices calculated from multispectral image data obtained using UAV. The most appropriate vegetation index was derived by evaluating the correlation between vegetation index calculated by field survey and vegetation index calculated from UAV multispectral image, and was used to analyze vegetation index of the entire area.

주제어

표/그림 (13)

표 TABLE 1. Vegetation Index applied this study
그림 FIGURE 1. Study Area
표 TABLE 2. Specification of spectrometer (ASD FieldSpec4)
표 TABLE 3. Field survey contents for sampling point (Crops: rice plant)
표 TABLE 4. Specification of Micasense Rededge camera
그림 FIGURE 2. Vegetation indices calculated by multispectral image obtained by UAV (1st field survey)
그림 FIGURE 3. Vegetation indices calculated by multispectral image obtained by UAV (2nd field survey)
그림 FIGURE 4. Vegetation indices calculated by the 1st field survey
그림 FIGURE 5. Vegetation indices calculated by the 2nd field survey
표 TABLE 5. Standard deviation of vegetation indices
표 TABLE 6. Result of regression analysis
그림 FIGURE 6. Result of regression analysis between the 1st field surveyed vegetation index and UAV vegetation index
그림 FIGURE 7. Result of regression analysis between the 2nd field surveyed vegetation index and UAV vegetation index

AI 본문요약
AI-Helper

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

문제 정의

따라서 식생지수의 평가를 통해 해당필지별로 작물의 생육상태를 정기적으로 모니터링 할 필요가 있으며 이를 통해 염해로 인해 생육이 저하된 작물을 포함하고 있는 필지에 대해서는 임대료를 할인해 주는 업무도 지원할 필요가 있다. 따라서, 본 연구에서는 석문 간척지 일부지역을 대상지로 선정하여 식생지수에 대한 정확도를 평가하고 향후 필지별로 식생지수 현황과 염해피해 정도를 상호 비교하는데 기초자료로 활용하고자 하였다.
본 연구에서는 다중분광센서를 장착한 UAV를 이용하여 간척지 농경지에 대한 식생지수를 분석하고자 하였다. 한편, UAV를 이용하여 취득한 다중분광영상 자료로부터 산정된 식생지수의 정확도를 평가하기 위해서는 분광계(spectrometer)를 이용하여 주요지점에 대한 현지조사를 실시하였다.
한편, UAV를 이용하여 취득한 다중분광영상 자료로부터 산정된 식생지수의 정확도를 평가하기 위해서는 분광계(spectrometer)를 이용하여 주요지점에 대한 현지조사를 실시하였다. 이를 통해 본 연구에서는 현지조사에 의한 식생지수와 UAV 다중분광영상으로부터 산정된 식생지수간의 상관성을 평가함으로써 가장 적절한 식생지수를 도출하였으며 대상지역 전체에 대한 식생지수 분석에 활용하고자 하였다.

제안 방법

각 현장조사지점별로 식생지수에 활용되는 R,G, B, RE, NIR 밴드에 대한 반사율을 측정하고 해당 지점에 대한 GRS80 TM 좌표와 작물종류 그리고 사진 등을 정리하였으며 표 3은 대표적으로 여러 지점 중 벼를 재배하고 있는 지점에 대한 조사 내용을 보여준다.
그 밖에 현재까지 제안되고 있는 것은 약 50여종 이상이 있으나(Na et al., 2016), 본 연구에서는 Red, Green, Blue, Red Edge, NIR 밴드의 반사율을 활용하여 표 1과 같이 NDVI, GNDVI(Green Normalized Difference Vegetation index), SAVI, NDRE 식생지수를 분석하였다. 특히 본 연구에서 사용된 Micasense Rededge 카메라의 특성을 반영하기 위해 NDRE 식생지수를 포함하였다.
또한 본 연구에서는 (주)케바드론의 KD-2Mapper에 Micasense Red Edge 다중분광 카메라를 장착하여 대상지역에 대한 R, G, B, RE, NIR 밴드별 분광특성 정보를 취득하였고 NDVI, NDRE, SAVI, GNDVI 식생지수를 산정하였으며 조사지점에 식생지수를 추출하였다. 표 4는 Micasense Red Edge 다중분광 카메라의 제원이다.
본 연구에서는 다중분광센서를 장착한 UAV를 이용하여 간척지 농경지에 대한 다중분광영상을 취득하고 대상지역에 대한 식생지수를 분석하였다. 또한 정확도 평가를 위하여 분광계를 이용하여 주요지점에 대한 현지조사를 실시하였고 현지조사에 의한 식생지수와 UAV 다중분광영상으로부터 산정된 식생지수간의 상관성을 평가함으로써 가장 적절한 식생지수를 도출하였다.
본 연구에서는 다중분광센서를 장착한 UAV를 이용하여 간척지 농경지에 대한 다중분광영상을 취득하고 대상지역에 대한 식생지수를 분석하였다. 또한 정확도 평가를 위하여 분광계를 이용하여 주요지점에 대한 현지조사를 실시하였고 현지조사에 의한 식생지수와 UAV 다중분광영상으로부터 산정된 식생지수간의 상관성을 평가함으로써 가장 적절한 식생지수를 도출하였다.
본 연구에서는 분광계를 이용하여 현지 조사한 분광특성을 참값으로 가정했을 때 현지조사에 의하여 취득된 분광정보를 이용하여 산정된 식생지수와 UAV 영상자료에 의하여 산정된 식생지수간의 오차를 분석하기 위해 각 조사지점별로 표준편차를 표 5와 같이 계산하였다.
본 연구에서는 자료구축을 위하여 2019년 8월 7일과 9월 21일에 현지조사 및 UAV 촬영을 실시하였다. 분광계를 활용한 현지조사 시 정확한 위치를 취득하기 위하여 GNSS 측량기를 활용하였으며 VRS(virtual references station)방식으로 GRS80 TM 좌표를 취득하였다.
본 연구에서는 다중분광센서를 장착한 UAV를 이용하여 간척지 농경지에 대한 식생지수를 분석하고자 하였다. 한편, UAV를 이용하여 취득한 다중분광영상 자료로부터 산정된 식생지수의 정확도를 평가하기 위해서는 분광계(spectrometer)를 이용하여 주요지점에 대한 현지조사를 실시하였다. 이를 통해 본 연구에서는 현지조사에 의한 식생지수와 UAV 다중분광영상으로부터 산정된 식생지수간의 상관성을 평가함으로써 가장 적절한 식생지수를 도출하였으며 대상지역 전체에 대한 식생지수 분석에 활용하고자 하였다.
현지조사를 통한 식생지수 계산을 위해 표 2의 ASD Field Spec4 분광계를 활용하였으며, 현장조사 시점에 태양복사에너지의 특성을 고려한 분광정보를 취득하기 위하여 전용복사판을 활용한 캘리브레이션을 실시하였다.

대상 데이터

VRS측량은 정밀도 ±3~5㎝를 확보할 수 있으므로 UAV 촬영영상에서 해당 픽셀별 식생지수를 정확하게 확인할 수 있다. 1차 조사시기인 8월 7일에는 24점을 선정하였으며, 2차 조사시기인 9월 21일에는 23점을 선정하였다.
본 연구에서는 그림 1과 같이 충남 당진시 가곡리의 석문 간척지 일부지역을 연구대상지로 선정하였다. 농어촌공사에서는 석문간척지에 대단위 농경지를 조성하여 지역주민들로부터 일정량의 임대료를 받고 동물 사료용 작물인 총체벼와 옥수수를 재배하도록 하고 있다.

데이터처리

또한 분광계를 이용하여 현지 조사한 식생지수와 UAV 영상자료에 의한 식생지수간의 회귀분석을 실시하고 상관계수와 결정계수를 계산하여 표 6에 제시하였다. 전체적으로 식생지수의상관계수와 결정계수가 높게 나타나 현지조사식생지수와 UAV 식생지수 간에 유의미한 결과를 보였으며, 특히 NDVI의 평균 상관계수가0.

이론/모형

본 연구에서는 자료구축을 위하여 2019년 8월 7일과 9월 21일에 현지조사 및 UAV 촬영을 실시하였다. 분광계를 활용한 현지조사 시 정확한 위치를 취득하기 위하여 GNSS 측량기를 활용하였으며 VRS(virtual references station)방식으로 GRS80 TM 좌표를 취득하였다. VRS측량은 정밀도 ±3~5㎝를 확보할 수 있으므로 UAV 촬영영상에서 해당 픽셀별 식생지수를 정확하게 확인할 수 있다.
, 2016), 본 연구에서는 Red, Green, Blue, Red Edge, NIR 밴드의 반사율을 활용하여 표 1과 같이 NDVI, GNDVI(Green Normalized Difference Vegetation index), SAVI, NDRE 식생지수를 분석하였다. 특히 본 연구에서 사용된 Micasense Rededge 카메라의 특성을 반영하기 위해 NDRE 식생지수를 포함하였다.

성능/효과

1차 및 2차 조사결과에 대한 표준편차를 평균한 결과 NDVI의 표준편차가 ±0.060로 가장 낮게 나타났으며 NDRE의 표준편차가 ±0.151로 가장 높게 나타났으며 NDVI > GNDVI >SAVI > NDRE 순으로 분석되었다.
VRS측량은 정밀도 ±3~5㎝를 확보할 수 있으므로 UAV 촬영영상에서 해당 픽셀별 식생지수를 정확하게 확인할 수 있다.
060로 가장 낮게 나타났으며 NDVI, GNDVI, SAVI, NDRE순으로 분석되었다. 또한, 분광정보 취득방법에 따른 식생지수간의 회귀분석을 실시하고 상관계수와 결정계수를 계산한 결과 NDVI의 상관계수와 결정계수가 가장 높게 나타났으며 모든 식생지수에 대하여 전반적으로 상관계수와 결정계수가 높게 나타나 현지조사 식생지수와 UAV 식생지수간의 유의미한 결과를 보이고 있으나 NDVI의 표준편차가 가장 낮게 나타난 것으로 볼 때 UAV 영상자료를 이용한 식생지수를 산정하는 경우 NDVI가 현지조사 값을 기준으로가장 높은 정확도를 나타냈다.
또한 분광계를 이용하여 현지 조사한 식생지수와 UAV 영상자료에 의한 식생지수간의 회귀분석을 실시하고 상관계수와 결정계수를 계산하여 표 6에 제시하였다. 전체적으로 식생지수의상관계수와 결정계수가 높게 나타나 현지조사식생지수와 UAV 식생지수 간에 유의미한 결과를 보였으며, 특히 NDVI의 평균 상관계수가0.984로 매우 높게 나타났다. 상관계수와 마찬가지로 NDVI의 평균 결정계수가 0.
현지조사에 의하여 취득된 분광정보를 이용하여 산정된 식생지수와 UAV 영상자료에 의하여 산정된 식생지수간의 조사지점별 표준편차를 분석한 결과 NDVI의 표준편차가 ±0.060로 가장 낮게 나타났으며 NDVI, GNDVI, SAVI, NDRE순으로 분석되었다.

후속연구

Kim and Na(2019)는 드론을 이용하여 농산물의 작황 및 재배면적을 모니터링 하고자 하였다. 표본 필지에 대하여 현장조사 데이터와 NDVI를 토대로 작황추정 모형을 구성하여 농업작황 모니터링에 필요한 다양한 종류의 재배현황맵을 체계적으로 제작하였고 공간정보기반의 정식면적 변화정보를 통해 해당 작물의 출하량 변화 예측에 효율적으로 활용 가능할 것으로 판단하였다. 또한, 농촌진흥청 국립농업과학원에서는 채소의 안정적인 공급을 위해 재배면적 및 단수 예측이 필요하다고 판단하여2015년부터 2018년까지 4년간 채소 작황과 관련된 연구에 UAV를 적극적으로 활용하고 있다(Na et al.

질의응답

핵심어	질문	논문에서 추출한 답변
	원격탐사 기술의 특징은 무엇인가?	원격탐사 기술은 플랫폼 개발, 탐사면적 및 탐사기능 등 양적 및 질적 향상의 관점에서 지속적으로 발전되어왔으며(Hunt et al., 2003; Toevs et al., 2011), 비용절감 및 현장자료보완의 방법으로 유용하게 활용되고 있다(Laliberte et al., 2007; Booth et al.
	원격탐사 분야에서 식생분포와 생육특성 평가에 대표적인 지표는 무엇인가?	, 2013).특히, 근적외선(near infra red, NIR)영역의 파장을 반사하는 식물 내 엽록소의 분광학적 특성에 기반한 식생지수(vegetation index, VI)는 원격탐사 분야에서 식생분포와 생육특성을 평가하는 대표적인 지표로 사용되어 왔다(Tomas and Gausman, 1977; Na et al., 2016).

참고문헌 (45)

Birth, G.S. and G.R. McVey. 1968. Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. American Society of Agronomy, 60:640-643.

상세보기
Booth, D.T., S.E. Cox, T. Meikle and H.R. Zuuring. 2008. Ground-cover measurements: assessing correlation among aerial and ground-based methods. Environmental Management 42(6):1091-1100.

상세보기
Broge, N.H. and J.V. Mortensen. 2002. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data. Remote Sensing of Environment 81(1):45-57.

상세보기
Candiago, S., F. Remondino, M.D. Giglio, M. Dubbini, and M. Gattelli. 2015. Evaluating Multispectral Images and Vegetation Indices for Precision Farming Applications from UAV Images. Remote Sensing 7:4026-4047.

상세보기
Choi, Y.W., J.H. You and G.S. Cho. 2015. Accuracy analysis of UAV data processing using DPW. Journal of the Korean Society for Geospatial Information Science 23(4):3-10
Dieter H., Z. Werner, S. Gunter, and S. Peter. 2005. Monitoring of gas pipelines - a civil UAV application. Aircraft Engineering and Aerospace Technology 77:352-360.

상세보기
Feng, Q., J. Liu, and J. Gong. 2015. UAV Remote Sensing for Urban Vegetation Mapping Using Random Forest and Texture Analysis. Remote Sensing 7:1074-1094.

상세보기
Flynn, K.F. and S.C. Chapra. 2014. Remote Sensing of submerged aquatic vegetation in a shallow Non-turbid river using an unmanned aerial vehicle. Remote Sensing 6:12815-12836.

상세보기
Gitelson, A., Y.J. Kaufman and M.N. Merzlyak. 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment 58(3):289-298.

상세보기
Hardisky, M. A., V. Klemas and R.M. Smart. 1983. The influence of soil salinity, growth form, and leaf moisture on the spectral radiance of Spartina alterniflora canopies. Photogrammetric Engineering & Remote Sensing 49:77-83.
Hassan, F.M., H.S. Lim and M.Z. Mat Jafri. 2011. CropCam UAV for Land Use/Land Cover mapping over Penang Island, Malaysia, Pertanika Journal of Science & Technology, 19:69-76.
Herwitz, S.R., L.F. John, S.E. Dunagan, R.G. Higgins, D.V. Sullivan, J. Zheng, B.M. Lobitz, J.G. Leung, B.A. Gallmeyer, M. Aoyagi, R.E. Slye and J.A. Brass. 2004. Imaging from an unmanned aerial vehicle: agricultural surveillance and decision support, Computers and Electronics in Agriculture 44:49-61.

상세보기
Hornbuckle, J., J. Brinkhoff, C. Ballester and S. North. 2016, Using Satellite And Drones For Water And Nitrogen Management Decision Making, CRDC.
Hong, S.Y., J.N. Hur, J.B. Ahn, J.M. Lee, B.K. Min, C.K. Lee, Y.H. Kim, K.D. Lee, S.H. Kim, G.Y. Kim, and K.M. Shim. 2012. Estimating rice yield using MODIS NDVI and meteorological data in Korea. Korean Journal of Remote Sensing 28(5):509-520

원문보기 상세보기
Huete, A.R. 1988. A soil-adjusted vegetation index(SAVI). Remote Sensing of Environment 25(3):259-309.
Huete, A.R. and H.Q. Liu. 1994. An error and sensitivity analysis of the atmosphericand soil-correcting variants of the NDVI for the MODIS-EOS. IEEE Transactions on Geoscience and Remote Sensing 32(4):897-905.

상세보기
Hunt, E.R., J.H. Everitt, J.C. Ritchie, M.S. Moran, D.T. Booth, G.L. Anderson, P.E. Clark and M.S. Seyfried. 2003. Applications and research using remote sensing for rangeland management. Photogrammetric Engineering & Remote Sensing 69(6):675-693.

상세보기
Im, S.H., S.I. Hassan, L.M. Dang, K.B. Min and H. Moon. 2018. Analysis of Fusarium Wilt Based on Normalized Difference Vegetation Index for Radish Field Images from Unmanned Aerial Vehicle. The Transactions of the Korean Institute of Electrical Engineers 67(10):1353-1357
Jeong, S.H., Y.W. Choi and G.S. Cho. 2018. Basic Data Investigation Method of Crop Insurance using Spatial Information Based on UAV. Journal of the Korean Society for Geospatial Information Science 26(3):61-68
Jung, K.S., Y.S. Kim, and S.R. Oh. 2015. Technical Development of Flood Damage Estimation using UAV. Water for future, 48(1):51-59
Kim, D.I., Y.S. Song, G. Kim, and C.W. Kim. 2014. A study on the application of UAV for korean land monitoring. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 32(1):29-38

원문보기 상세보기
Kim, K.Y. and S.I. Na. 2019. Vegetation Map Service System Using UAV Imagery and Sample Field Data on Major Cultivation Regions. Journal of the Korean Society for Geospatial Information Science 27(1):33-41
Laliberte, A.S., A. Rango, J.E. Herrick, E.L. Fredrickson and L. Burkett. 2007. An object-based image analysis approach for determining fractional cover of senescent and green vegetation with digital plot photography. Journal of Arid Environments 69(1):1-14.

상세보기
Lee, K.D., S.I. Na, S.C. Baek, K.D. Park, J.S. Choi, S.J. Kim, H.J. Kim, H.S. Yun, and S.Y. Hong, 2015, Estimating the amount of nitrogen in hairy vetch on paddy fields using unmaned aerial vehicle imagery, Korean Journal of Soil Science and Fertilizer 48(5):384-390 (in Korean with English abstract).

원문보기 상세보기
Lee, K.D., Y.E. Lee, C.W. Park, S.Y. Hong and S.I. Na. 2016. Study on Reflectance and NDVI of Aerial Images using a Fixed-Wing UAV"Ebee". Korean Journal of Soil Science and Fertilizer 49(6):731-742 (in Korean with English abstract).

원문보기 상세보기
Lee, G.S., Y.W. Choi, K. Jung and G.S. Cho. 2015. Analysis of the Spatial Information Accuracy According to Photographing Direction of Fixed Wing UAV. Journal of the Korean Cadastre Information Associstion 17(3):141-149
Lee, G.S., Y.W. Choi, S.B. Lee and S.G. Kim. 2016. Estimation of reservoir area and capacity curve equation using UAV photogrammetry. Journal of the Korean Society for Geo-spatial Information Science 24(3):93-101

원문보기 상세보기
Lee, J.W., G.A. Park, H.K. Joh, K.H. Lee, S.I. Na, J.H. Park, and S.J. Kim. 2011. Analysis of relationship between vegetation indices and crop yield using KOMPSAT (KoreaMulti-Purpose SATellite)-2 imagery and field investigation data. Journal of The Korean Society of Agricultural Engineers 53(3):75-82
Morel, A. and L. Prieur. 1977. Analysis of variation in ocean. Limnology and Oceanography 22:709-722.

상세보기
Na, S.I., S.Y. Hong, C.W. Park, K.D. Kim, K.D. Lee. 2016. Estimation of highland Kimchi cabbage growth using UAV NDVI and agro-meteorological factors. Korean Journal of Soil Science and Fertilizer 49(5):420-428 (in Korean with English abstract).

원문보기 상세보기
Na, S.I., S.Y. Hong, Y.H. Kim, K.D. Lee, and S.Y. Jang. 2013. Prediction of rice yield in Korea using paddy rice NPP index: Application of MODIS data and CASA model. Korean Journal of Remote Sensing 29(5):461-476

원문보기 상세보기
Na, S.I., C.W. Park, Y.K. Cheong, C.S. Kang, I.B. Choi and K.D. Lee. 2016. Selection of Optimal Vegetation Indices for Estimation of Barley & Wheat Growth based on Remote Sensing: An Application of Unmanned Aerial Vehicle and Field Investigation Data. Korean Journal of Remote Sensing 32(5):483-497

원문보기 상세보기
Nam W.H., T. Tadesse, B.D. Wardlow, M.W. Jang and S.Y. Hong. 2015. Satellite-based hybrid drought assessment using vegetation drought response index in South Korea (VegDRISKorea). Journal of the Korean Society of Agricultural Engineers 57(4):1-9
Pajares, G. 2015. Overview and current status of remote sensing applications based on unmanned aerial vehicles (UAVs). Photogrammetric Engineering & Remote Sensing 81(4):281-329.

상세보기
Park, J.K. and J.H. Park. 2015. Crops classification using imagery of unmanned aerial vehicle(UAV). Journal of the Korean Society of Agricultural Engineers 57(6):91-97

원문보기 상세보기
Pearson, R.L. and L.D. Miller. 1972. Remote mapping of standing crop biomass for estimation of the productivity of the shortgrass prairie. Proceeding of the Eighth International Symposium on Remote Sensing of Environment, II, Michigan, Ann Arbor, pp. 1357-1381.
Rock, B.N., J.E. Vogelmann, D.L. Williams, A.F. Vogehnann and T. Hoshizaki. 1986. Remote detection of forest damage. Bioscience 36:439-445.

상세보기
Rouse, J,W., R.H. Haas, J.A. Schell and D.W. Deering. 1974. Monitoring Vegetation Systems in the Great Plains with ERTS. Proceedings, Third Earth Resources Technology Satellite-1 Symposium, Volume 1: Technical Presentations, section A. pp.309-317.
Shin, Y.H., J.H. Park and M.S. Park. 2003. Spectral reflectance characteristics and vegetation indices of field crops. KCID journal 10(2):43-54
Su, T.C. and H.T. Chou. 2015. Application of multispectral sensors carried on unmanned aerial vehicle(UAV) to trophic state mapping of small reservoirs: A case study of Tain-Pu reservoir in Kinmen, Taiwan. Remote Sensing 7(8):10078-10097.

상세보기
Toevs, G.R., J.W. Karl, J.J. Taylor, G.S. Spurrier, M. Karl, M.R. Bobo and J.E. Herrick. 2011. Consistent indicators and methods and a scalable sample design to meet assessment, inventory, and monitoring information needs across scales. Rangelands 33:14-20.

상세보기
Tomas, J.R. and H.W. Gausman. 1977. Leat reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops. Agronomy Journal 69:799-802.

상세보기
Thompson, L.J., Y. Shi, R.B. Ferguson. 2017. Getting Started with Drones in Agriculture. NebGuide, Nebraska Extension Publications. 12pp.
Watanabea, Y. and Y. Kawaharab. 2016. UAV photogrammetry for monitoring changes in river topography and vegetation. Procedia Engineering 154:317-325.

상세보기
Zaman, B., A. Jensen, S.R. Clemens and M. McKee. 2014. Retrieval of spectral reflectance of high resolution multispectral imagery acquired with an autonomous unmanned aerial vehicle. Photogrammetric Engineering & Remote Sensing 80(12):1139-1150.

상세보기

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

연합인증