[논문]농업관측을 위한 다중분광 무인기 반사율 변동성 분석

안호용; 나상일; 박찬원; 홍석영; 소규호; 이경도

doi:10.7780/kjrs.2020.36.6.1.8

[국내논문] 농업관측을 위한 다중분광 무인기 반사율 변동성 분석
Analysis of UAV-based Multispectral Reflectance Variability for Agriculture Monitoring 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.6 pt.1, 2020년, pp.1379 - 1391

안호용 (농촌진흥청 국립농업과학원 기후변화평가과) , 나상일 (농촌진흥청 국립농업과학원 기후변화평가과) , 박찬원 (농촌진흥청 국립농업과학원 기후변화평가과) , 홍석영 (농촌진흥청 국립농업과학원 기후변화평가과) , 소규호 (농촌진흥청 국립농업과학원 기후변화평가과) , 이경도 (농촌진흥청 국립농업과학원 기후변화평가과)

초록
AI-Helper

농업에서의 무인기는 촬영 영역은 작지만, 위성이 가지지 못하는 초고해상도의 영상 수집이 가능하며, 작물의 생물계절에 맞는 영상을 적시에 획득 할 수 있어 들녘단위 농경지의 모니터링에 유용하게 사용될 수 있다. 하지만 무인기의 경우 위성과 달리 다양한 카메라와 촬영 환경에 따른 다중시기 영상을 활용하기 때문에 시계열 영상 활용을 위해서는 정규화 된 영상자료를 활용하는 것이 필수적으로 요구된다. 본 연구는 무인기 다중분광 영상의 농업 모니터링 시계열 활용을 위해 촬영 환경에 따른 무인기 반사율 및 식생지수의 변동성을 분석하였다. 촬영 고도, 촬영 방향, 촬영시간, 운량과 같은 환경요인에 따른 반사율 변동성은 8%에서 11%로 매우 크게 나타났으나, 식생지수의 변동성은 1% ~ 5%로 안정적인 것을 확인 할 수 있었다. 이러한 현상은 무인기 다중분광센서의 특성과 후처리 프로그램의 정규화 등 다양한 원인이 존재하는 것으로 판단된다. 따라서 무인기 영상의 시계열 활용을 위해서는 식생지수와 같은 밴드비율함수를 활용하는 것이 권장되며 촬영 시 가능한 동일한 촬영시간, 촬영 고도, 촬영 방향을 설정하여 시계열 영상의 변동성을 최소화하는 것이 권장된다.

Abstract ▼ AI-Helper

UAV in the agricultural application are capable of collecting ultra-high resolution image. It is possible to obtain timeliness images for phenological phases of the crop. However, the UAV uses a variety of sensors and multi-temporal images according to the environment. Therefore, it is essential to use normalized image data for time series image application for crop monitoring. This study analyzed the variability of UAV reflectance and vegetation index according to Aviation Image Making Environment to utilize the UAV multispectral image for agricultural monitoring time series. The variability of the reflectance according to environmental factors such as altitude, direction, time, and cloud was very large, ranging from 8% to 11%, but the vegetation index variability was stable, ranging from 1% to 5%. This phenomenon is believed to have various causes such as the characteristics of the UAV multispectral sensor and the normalization of the post-processing program. In order to utilize the time series of unmanned aerial vehicles, it is recommended to use the same ratio function as the vegetation index, and it is recommended to minimize the variability of time series images by setting the same time, altitude and direction as possible.

Keyword

표/그림 (20)

그림 Fig. 1. Location of study area (Left: Playground, Right: Crop land).
표 Table 1. Specification Multispectral Camera
그림 Fig. 3. UAV with multispectral camera attached DLS.
그림 Fig. 4. RSR of Multispectral camera.
표 Table 2. UAV Flight Parameter
표 Fig. 2. Flow chart.
그림 Fig. 5. Tarp measurement.
그림 Fig. 6. Spectral reflectance of tarp.
그림 Fig. 7. UAV image reflectance Tarp by Calibration Method (Left) and Difference of Spectroradiometer (Right).
표 Table 3. Percent Difference UAV Reflectance image and Spectroradiometer
그림 Fig. 8. DN-Reflectance (Mosaic Image).
그림 Fig. 10. Change of UAV image reflectance by altitude.
그림 Fig. 9. DN-Reflectance (Singe Image).
그림 Fig. 11. Different Weather Condition during UAV Flight.
그림 Fig. 12. Change of UAV image reflectance by Cloud.
그림 Fig. 13. Change of UAV image reflectance by Direction.
그림 Fig. 14. Location of NDVI area.
그림 Fig. 15. Change of UAV image reflectance by Environment.
표 Table 4. Coefficient of variation of UAV Image Reflectance by Environment
표 Table 5. Coefficient of variation of UAV Image NDVI by Environment

AI 본문요약
AI-Helper

문제 정의

본 연구는 다중분광 무인기 영상의 시계열 농업활용을 위해 다양한 촬영환경에서의 반사율 및 식생지수를 비교 분석하여 영상의 품질평가와 변동성 분석을 위해 (1) 검보정 방법에 따른 반사율 변화(2) 촬영환경에 따른 반사율 변동성(3) 촬영환경이 식생지수에 미치는 영향을 분석하였다.

제안 방법

촬영환경에 따른 영상 획득을 위해 본 연구에서는 Table 2와 같이 각 조건을 독립변수로 설정하고 촬영을 수행하였다. 2020년 3월 촬영 영상의 경우 태양 고도 각에 따른 반사율 변화, 9월 촬영의 경우 검보정 방법 및 고도에 따른 식생지수 변화, 11월 촬영의 경우 고도 및 기상에 따른 반사율 변화를 분석하였다.
4와 같이 다중 분광카메라의 상대분광응답 반응(Relative Spectral Response, RSR) 을 이용하여 카메라 밴드별 반사율(ρ) 산정 후 비교하였다 (Fig
무인기 반사율 변동성을 분석하기 위해 본 연구에서는 촬영고도, 촬영 시간(태양천정각), 촬영 방향, 구름양에 대해 독립조건을 설정하였다. 영상 후 처리는 Meta Shape 소프트웨어를 사용하였으며 처리된 DN정사 영상을 반사율로 변환하였다.
무인기 반사율 변동성을 분석하기 위해 본 연구에서는 촬영고도, 촬영 시간(태양천정각), 촬영 방향, 구름양에 대해 독립조건을 설정하였다. 영상 후 처리는 Meta Shape 소프트웨어를 사용하였으며 처리된 DN정사 영상을 반사율로 변환하였다.
무인기 다중분광센서의 반사율 정확도 평가를 위해 본 연구에서는 9월 23일 및 24일 13시 30분에 촬영된 영상과 분광 복사계 자료를 바탕으로 Tarp 반사율을 비교하였다. Fig.
하지만 무인기의 경우 위성과 달리 다양한 카메라와 촬영 환경에 따른 다중시기 영상을 활용하기 때문에 시계열 영상 활용을 위해서는 정규화 된 영상자료를 활용하는 것이 필수적으로 요구된다. 본 연구는 무인기 다중분광 영상의 농업 모니터링 시계열 활용을 위해 촬영 환경에 따른 무인기 반사율 및 식생지수의 변동성을 분석하였다. 촬영 고도, 촬영 방향, 촬영시간, 운량과 같은 환경요인에 따른 반사율 변동성은 8%에서 11%로 매우 크게 나타났으나, 식생지수의 변동성은 1% ~ 5%로 안정적인 것을 확인 할 수 있었다.
본 연구는 무인기 다중분광 영상의 농업 모니터링 시계열 활용을 위해 촬영환경에 따른 무인기 반사율 및 식생지수의 변동성을 분석하였다. 각 촬영환경을 독립변수로 설정하여 고도, 태양각, 검보정 방법, 날씨의 조건에 맞춰 무인기 촬영을 수행하였고 반사율이 일정한 Tarp 및 식생에 대해 상호 비교분석을 수행하였다. 그 결과 무인기 다중분광 기반 영상의 반사율은 촬영방식에 따라 변동성이 크게 나타났다.

대상 데이터

무인기 다중분광센서의 반사율 변동성을 분석하기 위해 전라북도 완주군 이서면에 있는 국립농업과학원 시험연구 포장 및 운동장에서 반사율이 일정한 Tarp 및 식생을 선정하여 다양한 환경(촬영 고도, 태양천정각, 촬영 방향, 구름 유무) 에서 촬영을 수행하였다(Fig. 1).

성능/효과

또한, 기상의 경우 통제할 수 있는 촬영조건이 아니지만 구름이 부분적으로 있는 경우 그림자 및 대기 산란에 의한 반사율 변동성이 매우 크기 때문에 가능한 맑은 날·흐린 날 촬영을 수행하는 것이 권장된다
각 촬영환경을 독립변수로 설정하여 고도, 태양각, 검보정 방법, 날씨의 조건에 맞춰 무인기 촬영을 수행하였고 반사율이 일정한 Tarp 및 식생에 대해 상호 비교분석을 수행하였다. 그 결과 무인기 다중분광 기반 영상의 반사율은 촬영방식에 따라 변동성이 크게 나타났다. 촬영 높이 및 태양고도에 따라 일부 경향성을 보이기는 했으나 재현성 있는 값은 나타나지 않아 시계열 영상 활용은 한계가 있을 것으로 판단된다.
이러한 현상은 무인기 탑재 센서의 특성과 후처리 프로그램의 정사 영상 정규화 등 다양한 원인이 존재하는 것으로 판단된다. 식생지수의 경우 반사율보다 상대적으로 안정적인 변동성을 보였다. 따라서 무인기 영상의 시계열 활용을 위해서는 최대한 균일한 촬영조건을 유지하여 시계열 영상의 변동성을 최소화하고, 반사율을 직접 이용하는 것보다는 식생지수와 같은 비율함수를 활용하는 것이 중요할 것으로 판단된다.

후속연구

검보정 방법에 따른 변동계수는 1% 이내의 매우 작은 변동성이 나타났지만, 고도에 따른 식생지수변화는 다른 촬영환경에 비해 상대적으로 큰 변화를 보였다. 하지만 고도에 따른 식생지수 변화는 100 m 고도와 144 m고도만을 비교하였기 때문에 향후 추가적인 분석이 필요하다. 비식생 지표 피복인 Soil과 Concrete에서 변동성이 큰 것으로 나타났으며, 식생활력도가 높은 벼, 콩, 밀의 경우 촬영환경에 따른 NDVI변동성이작게나타났다.
그 결과 무인기 다중분광 기반 영상의 반사율은 촬영방식에 따라 변동성이 크게 나타났다. 촬영 높이 및 태양고도에 따라 일부 경향성을 보이기는 했으나 재현성 있는 값은 나타나지 않아 시계열 영상 활용은 한계가 있을 것으로 판단된다. 이러한 현상은 무인기 탑재 센서의 특성과 후처리 프로그램의 정사 영상 정규화 등 다양한 원인이 존재하는 것으로 판단된다.
식생지수의 경우 반사율보다 상대적으로 안정적인 변동성을 보였다. 따라서 무인기 영상의 시계열 활용을 위해서는 최대한 균일한 촬영조건을 유지하여 시계열 영상의 변동성을 최소화하고, 반사율을 직접 이용하는 것보다는 식생지수와 같은 비율함수를 활용하는 것이 중요할 것으로 판단된다. 또한, 기상의 경우 통제할 수 있는 촬영조건이 아니지만 구름이 부분적으로 있는 경우 그림자 및 대기 산란에 의한 반사율 변동성이 매우 크기 때문에 가능한 맑은 날·흐린 날 촬영을 수행하는 것이 권장된다.
또한, 기상의 경우 통제할 수 있는 촬영조건이 아니지만 구름이 부분적으로 있는 경우 그림자 및 대기 산란에 의한 반사율 변동성이 매우 크기 때문에 가능한 맑은 날·흐린 날 촬영을 수행하는 것이 권장된다. 또한, 촬영 시 기상을 기록하여 분석 참고 자료로 활용하는 것이 권장되며, 향후 태양 복사 조건의 영향을 줄이기 위한 보정방법의 개발이 필요하다.
정사 영상의 경우 영상을 합성하면서 발생하는 평활화(Smoothing)에 따른 반사율 왜곡으로 정확한 반사율 산정에 한계가 있다. 따라서 무인기 기반의 영상 반사율 활용을 위해 전처리 및 영상 합성 방법의 개선이 필요하다.

참고문헌 (29)

Aasen, H., A. Burkart, A. Bolten, and G. Bareth, 2015. Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: From camera calibration to quality assurance, ISPRS Journal of Photogrammetry and Remote Sensing, 108(2015): 245-259.

상세보기
Anderson, C., 2017. The drone economy, Harvard Business Publishing, Brighton, MA, USA.
Assmann, J. J., J. T. Kerby, A. M. Cunliffe, and I. H. Myers-Smith, 2018. Vegetation monitoring using multispectral sensors-Best practices and lessons learned from high latitudes. Journal of Unmanned Vehicle Systems, 7(1): 54-75.

상세보기
Cao, S., B. Danielson, S. Clare, S. Koenig, C. Campos-Vargas, and A. Sanchez-Azofeifa, 2019. Radiometric calibration assessments for UAS-borne multispectral cameras: Laboratory and field protocols, ISPRS Journal of Photogrammetry and Remote Sensing, 149: 132-145.

상세보기
Chavez Jr, P. S., 1988. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data, Remote sensing of environment, 24(3): 459-479.

상세보기
Deng, L., Z. Mao, X. Li, Z. Hu, F. Duan, and Y. Yan, 2018. UAV-based multispectral remote sensing for precision agriculture: A comparison between different camera, ISPRS Journal of Photogrammetry and Remote Sensing, 146: 124-136.

상세보기
Fawcett, D., C. Panigada, G. Tagliabue, M. Boschetti, M. Celesti, A. Evdokimov, K. Biriukova, R. Colombo, F. Miglietta, U. Rasher, and K. Anderson. 2020. Multi-scale evaluation of drone-based multispectral surface reflectance and vegetation indices in operation conditions, Remote Sensing, 12(3): 514.

상세보기
Galvao, L. S., I. Vitorello, and R. Almeida, 1999. Effects of band positioning and bandwidth NDVI (Normalized difference vegetation index) measurements of tropical savannas, Remote Sensing of Enviroment, 67: 181-193.

상세보기
Guo, Y., J. Senthilnath, W. Wu, X. Zhang, Z. Zeng, and H. Huang, 2019. Radiometric calibration for multispectral camera of different imaging conditions mounted on a UAV platform, Sustainability, 11(4): 978.

상세보기
Hashimoto, N., Y. Saito, M. Maki, and K. Homma, 2019. Simulation of Reflectance and Vegetation Indices for Unmanned Aerial Vehicle (UAV) Monitoring of Paddy Fields, Remote Sensing, 11(18): 2119

상세보기
Jang, S. H., C. S. Ryu, Y. S. Kang, S. R. Jun, J. W. Park, H. Y. Song, K. S. Kang, D. W. Kang, K. Zou, and T. H. Jun, 2019. Estimation of fresh weight, dry weight, and leaf area index of soybean plant using multispectral camera mounted on rotor-wing UAV, Korean Journal of Agricultural and Forest Meteorology, 21(4): 327-336 (in Korean with English abstract).

원문보기 상세보기
Lee, K. D., S. I. Na, S. C. Baek, K. D. Park, J. S. Choi, S. J. Kim, H. J. Kim, H. S. Choi, and S. Y. Hong, 2015. Estimating the amount of nitrogen in hairy vetch on paddy fields using unmanned 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 (Normalized difference vegetation index) 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, K. D., C. W. Park, K. H. So, and S. I. Na, 2017a. Selection optimal vegeation indices and regression model for estimation of rice growth using UAV aerial images, Korean Journal of Soil Science and Fertilizer, 50(5): 409-421 (in Korean with English abstract).

원문보기 상세보기
Lee, K. D., C. W. Park, K. H. So, K. D. Kim, and S. I. Na. 2017b. Characteristics of UAV aerial images for monitoring of highland Kimchi cabbage, Korean Journal of Soil Science and Fertilizer, 50(3): 162-178 (in Korean with English abstract).

원문보기 상세보기
Lee, H. S., W. W. Seo, C. S. Woo, and K. S. Lee, 2019a. Derivation and evaluation of surface reflectance from UAV multispectral image for monitoring forest vegetation, Korean Journal of Remote Sensing, 35(6-2): 1149-1160 (in Korean with English abstract).
Lee, K. D., H. Y. An, C. W. Park, K. H. So, S. I. Na, and S. Y. Jang, 2019b. Estimation of rice grain yield distribution using UAV imagery, Journal of the Korean Society of Agricultural Engineers, 61(4): 1-10 (in Korean with English abstract).

원문보기 상세보기
Lee, K. D., S. M. Kim, H. Y. An, C. W. Park, S. Y. Hong, K. H. So, and S. I. Na, 2020a. Yearly estimation of rice growth and bacterial leaf blight inoculation effect using UAV imagery, Journal of the Korean Society of Agricultural Engineers, 62(4): 75-86 (in Korean with English abstract).

원문보기 상세보기
Lee, K. D., S. I. Na, C. W. Park, S. Y. Hong, K. H. So, and H. Y. An, 2020b. Diurnal Change of Reflectance and Vegetation Index from UAV Image in Clear Day Condition, Korean Journal of Remote Sensing, 36(5-1): 735-747 (in Korean with English abstract).

원문보기 상세보기
Mamaghani, B. and C. Salvaggio, 2019. Multispectral sensor calibration and characterization for sUAS remote sensing, Sensors, 19(20): 4453.

상세보기
Na, S. I., C. W. Park, and K. D. Lee, 2016a. Application of highland kimchi cabbage status map for growth monitoring based on unmanned aerial vehicle, Korean Journal of Soil Science and Fertilizer, 49(5): 469-479 (in Korean with English abstract).

원문보기 상세보기
Na, S. I., S. Y. Hong, C. W. Park, K. D. Kim, and K. D. Lee, 2016b. Estimation of highland kimchi cabbage growth using UAV NDVI (Normalized difference vegetation index) and agrometeorological factors, Korean Journal of Soil Science and Fertilizer, 49(5): 420-428 (in Korean with English abstract).

원문보기 상세보기
Na, S. I., B. K. Min, C. W. Park, K. H. So, J. M. Park, and K. D. Lee, 2017a. Development of field scale model for estimating garlic growth based on UAV NDVI and meteorological factors, Korean Journal of Soil Science and Fertilizer, 50(5): 422-433 (in Korean with English abstract).

원문보기 상세보기
Na, S. I., C. W. Park, K. H. So, J. M. Park, and K. D. Lee, 2017b. Monitoring onion growth using UAV NDVI (Normalized difference vegetation index) and meteorological factors, Korean Journal of Soil Science and Fertilizer, 50(4): 306-317 (in Korean with English abstract).

원문보기 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 (in Korean with English abstract).

원문보기 상세보기
Richards, J. A., 2013. Remote Sensing Digital Image Analysis, Springer, Berlin GER.
Teal Group., 2012. Worldwide UAS market will total $89 billionin 10 years, http://tinyurl.com/l9hav8g, Accessed on Nov. 21, 2020.
Tomas, J. R. and H. W. Gausman, 1977. Leat reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops 1, Agronomy Journal, 69(5): 799-802.

상세보기
Yun, H. S., S. H. Park, H. J. Kim, W. D. Lee, K. D. Lee, S. Y. Hong, and G. H. Jung, 2016. Use of unmanned aerial vehicle for multi-temporal monitoring of soybean vegetation fraction, Journal of Biosystems Engineering, 41(2): 126-137.

원문보기 상세보기

저자의 다른 논문 :

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