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 연구는 동계사료작물의 무인기기반 생육모니터링을 위하여 호밀, 총체보리, IRG를 대상으로 다중분광영상으로 건물수량을 예측하기 위한 최적식생지수를 테스트하였다. 2019년 2월부터 4 월까지 나주의 실경작지에서 무인기 다중분광카메라로 분광영상 을 수집하여 4종류의 식생지수(Normalized Difference Vegetation Index; NDVI, Green Normalized Difference Vegetation Index; GNDVI, Normalized Green Red Difference Index; NGRDI and Normalized Difference Red Edge Index; NDREI)를 산출하고 지 상에서 건물수량을 조사하여 식생지수와 건물수량의 상관관계를 조사하였다.
- 이에 본 연구에서는 국내 조사료로 활용가치가 높은 호밀과 총체보리, 이탈리안라이그라스(Italian ryegrass; IRG)를 대상으로 무인기 기반 분광 데이터를 수집하여 동계 사료작물의 생육 모니터링을 위한 최적의 식생지수를 선정하고 추정식을 개발하 고자 하였다
제안 방법
- 본 연구는 동계사료작물의 무인기기반 생육모니터링을 위하여 호밀, 총체보리, IRG를 대상으로 다중분광영상으로 건물수량을 예측하기 위한 최적식생지수를 테스트하였다. 2019년 2월부터 4 월까지 나주의 실경작지에서 무인기 다중분광카메라로 분광영상 을 수집하여 4종류의 식생지수(Normalized Difference Vegetation Index; NDVI, Green Normalized Difference Vegetation Index; GNDVI, Normalized Green Red Difference Index; NGRDI and Normalized Difference Red Edge Index; NDREI)를 산출하고 지 상에서 건물수량을 조사하여 식생지수와 건물수량의 상관관계를 조사하였다. 호밀, 총체보리, IRG에 대하여 건물수량과 NDVI의 상관관계(R2 )는 0.
- 건물수량 조사는 각 필지의 대표성을 고려하여 1회 조사 시 초종 별로 10개 지점을 무작위로 선정하였으며 연구기간동안 전체 120개 지점에 대해 수행하였다. 건물수량 측정을 위해 30 ㎝ × 30 ㎝ 방형구를 이용하여 시료를 채취하였으며, 채취된 시료는 80℃에서 48시간 건조한 후 건물수량을 측정하였다. 그리고 UAV 영상에서 조사지점의 분광정보를 획득하기 위하여 시료 채 취 지점의 위치를 GPS를 이용하여 기록하였다.
- 건물수량 측정을 위해 30 ㎝ × 30 ㎝ 방형구를 이용하여 시료를 채취하였으며, 채취된 시료는 80℃에서 48시간 건조한 후 건물수량을 측정하였다. 그리고 UAV 영상에서 조사지점의 분광정보를 획득하기 위하여 시료 채 취 지점의 위치를 GPS를 이용하여 기록하였다.
- 자동비행의 세부적인 조건은 고도 50 m, 기체속도 8 m/sec로 촬영하였으며, Overlap 80%, Overshot 20m로 설정하여 최대한 중첩된 영상을 수집하고 곡 선에서의 왜곡을 줄이고자 하였다. 또한 다중분광카메라(Rededge, Micasense, USA)를 사용하여 가시광선(Blue, Green, Red) 밴드 와 Rededge, Near Infrared 밴드의 분광영상을 획득하였다.
- 무인기를 이용한 분광 영상 데이터 수집은 식생조사 일정과 동일한 날짜로 총 4회를 수행하였다. 무인기는 자체 제작한 영상 촬 영용 드론을 이용하였으며(Table 1), 드론의 비행경로 및 세부조 건 설정은 Mission Planner를 이용하였다. 자동비행의 세부적인 조건은 고도 50 m, 기체속도 8 m/sec로 촬영하였으며, Overlap 80%, Overshot 20m로 설정하여 최대한 중첩된 영상을 수집하고 곡 선에서의 왜곡을 줄이고자 하였다.
- 무인기를 이용한 분광 영상 데이터 수집은 식생조사 일정과 동일한 날짜로 총 4회를 수행하였다. 무인기는 자체 제작한 영상 촬 영용 드론을 이용하였으며(Table 1), 드론의 비행경로 및 세부조 건 설정은 Mission Planner를 이용하였다.
- 무인기는 자체 제작한 영상 촬 영용 드론을 이용하였으며(Table 1), 드론의 비행경로 및 세부조 건 설정은 Mission Planner를 이용하였다. 자동비행의 세부적인 조건은 고도 50 m, 기체속도 8 m/sec로 촬영하였으며, Overlap 80%, Overshot 20m로 설정하여 최대한 중첩된 영상을 수집하고 곡 선에서의 왜곡을 줄이고자 하였다. 또한 다중분광카메라(Rededge, Micasense, USA)를 사용하여 가시광선(Blue, Green, Red) 밴드 와 Rededge, Near Infrared 밴드의 분광영상을 획득하였다.
대상 데이터
- 건물수량 조사는 2019년 2월부터 4월까지 총 4회 실시하였다. 건물수량 조사는 각 필지의 대표성을 고려하여 1회 조사 시 초종 별로 10개 지점을 무작위로 선정하였으며 연구기간동안 전체 120개 지점에 대해 수행하였다.
- 건물수량 조사는 2019년 2월부터 4월까지 총 4회 실시하였다. 건물수량 조사는 각 필지의 대표성을 고려하여 1회 조사 시 초종 별로 10개 지점을 무작위로 선정하였으며 연구기간동안 전체 120개 지점에 대해 수행하였다. 건물수량 측정을 위해 30 ㎝ × 30 ㎝ 방형구를 이용하여 시료를 채취하였으며, 채취된 시료는 80℃에서 48시간 건조한 후 건물수량을 측정하였다.
- 연구대상 지역은 전라남도 나주시 동강면 장동리 일대의 실경 작지를 선정하였다. 대상 지역은 5월부터 9월까지 벼농사가 이루 어지고 10월에 동계 사료작물을 파종하여 다음해 5월에 수확하는 이모작을 하고 있다. 본 연구에서는 호밀, 총체보리, IRG를 연구대상 작물로 선정하였으며(Fig.
- 대상 지역은 5월부터 9월까지 벼농사가 이루 어지고 10월에 동계 사료작물을 파종하여 다음해 5월에 수확하는 이모작을 하고 있다. 본 연구에서는 호밀, 총체보리, IRG를 연구대상 작물로 선정하였으며(Fig. 1), 벼 수확 후 드론을 이용하여 2018년 10월 30일에 파종하였다
- 연구대상 지역은 전라남도 나주시 동강면 장동리 일대의 실경 작지를 선정하였다. 대상 지역은 5월부터 9월까지 벼농사가 이루 어지고 10월에 동계 사료작물을 파종하여 다음해 5월에 수확하는 이모작을 하고 있다.
데이터처리
- 다중분광카메라는 보정패널(Calibration panel, Micasense, USA) 을 이용하여 반사율을 보정하였고, 촬영된 이미지는 영상 합성 프로그램(Pix4Dmapper, Pix4D, Swiss)을 이용하여 정사보정 및 밴드별 Index Map을 생성하였으며 Quantum GIS 소프트웨어 (http://qgis.org/)를 통해 샘플링 위치에 대한 밴드별 Reflectance 값을 산정하였다
이론/모형
- (2011)은 원 격 탐사를 통해 작물의 녹색 잎 면적 지수에 대한 다양한 식생지 수를 비교하여 Rededge 파장은 토양 배경 효과에 대한 민감도가 낮고 녹색 잎 면적지수를 평가하는데 가장 적합하다고 보고한 바 있다. 이에 본 연구에서는 초지 및 사료작물 연구에서 일반적으로 사용되고 있는 식생지수인 NDVI와 함께 무인기에 장착된 카메라 의 분광 밴드를 고려하여 GNDVI(Green normalized difference vegetation index), NGRDI(Normalized green red difference index), NDREI(Normalized difference red edge index) 4가지의 식생지 수를 선정하였다(Table 2).
성능/효과
- 7 ㎏/ha 범위로 나타났다. IRG 호밀과 총체보리와 비교하여 가장 넓은 범위의 건물수량 분포를 보였으며, 세 종류의 초종 중 가장 많은 건물수량으로 나타났다(Table 3).
- NDVI와 GNDVI 그리고 NDREI에서는 보리보다 호밀이 다소 높은 값을 보이지만 RGB 밴드만을 사용하는 NGRDI에서는 거의 같은 수준이거나 보리가 더 높게 나타나는 경향을 보였다. 이는 보리와 호밀의 분광반사 특성에 의한 결과로 NDVI, GNDVI 및 NDREI 계산에 이용된 근적외선 파장대에서 호밀이 보리보다 더 민감하게 반응한 것으로 해석된다.
- Fig 4는 호밀과 보리 그리고 IRG를 대상으로 식생지수와 건 물수량의 상관성을 분석한 결과이다. 건물수량과 식생지수와의 상관성을 고려하였을 때 모든 식생지수에서 결정계수가 0.7 이상 으로 상관성이 높은 것으로 나타났으며, 그 중 Green-NIR 밴드 를 활용한 GNDVI가 세 가지 초종 모두 결정계수(R2 ) 0.92 이상 으로 가장 높게 나타났다. Ahmed et al.
- 92로 가장 높은 값을 보였다. 또한 IRG는 GNDVI에서 0.94로 세 가지 초종 중 가장 높은 결정계수를 보여 생산량을 예측하기 위한 최적의 식생지수는 GNDVI로 나타났다. 또한 RGB만을 활용한 NGRDI의 경우 건물수량은 총체보리에서 0.
- 94로 세 가지 초종 중 가장 높은 결정계수를 보여 생산량을 예측하기 위한 최적의 식생지수는 GNDVI로 나타났다. 또한 RGB만을 활용한 NGRDI의 경우 건물수량은 총체보리에서 0.71의 결정계수로 나타났으며, 호밀에서는 0.80, IRG는 0.85로 나타나 RGB 밴드 기반의 NGDRI를 활용하여 동계 사료작물의 식생 모니터링이 가능할 것으로 판단된다
- 호밀, 총체보리, IRG의 식생지수는 모두 4월 22일 조사까 지 증가하는 것으로 나타났다. 생육 초기에는 근적외선 파장대를 이용한 식생지수인 NDVI, GNDVI, NDREI의 값은 보리보다는 호밀이 다소 높은 경향을 보였다. 그러나 작물이 성장함에 따라 그 차이는 점차 감소되어 생육 후기에는 거의 차이가 없는 것으로 나타났다.
- 초종별 건물수량과 식생지수의 상관성을 살펴보면 호밀의 경우 GNDVI가 0.94로 가장 높게 나타났으며, 총체보리는 NDVI 와 GNDVI가 0.92로 가장 높은 값을 보였다. 또한 IRG는 GNDVI에서 0.
- 초종별 건물수량은 시간이 지남에 따라 증가하는 것으로 나타났으며, 3월 26일 조사부터는 급격하게 증가하는 경향을 보였다. 연구기간 동안 초종별 건물수량을 살펴보면 호밀이 44.
- 2019년 2월부터 4 월까지 나주의 실경작지에서 무인기 다중분광카메라로 분광영상 을 수집하여 4종류의 식생지수(Normalized Difference Vegetation Index; NDVI, Green Normalized Difference Vegetation Index; GNDVI, Normalized Green Red Difference Index; NGRDI and Normalized Difference Red Edge Index; NDREI)를 산출하고 지 상에서 건물수량을 조사하여 식생지수와 건물수량의 상관관계를 조사하였다. 호밀, 총체보리, IRG에 대하여 건물수량과 NDVI의 상관관계(R2 )는 0.91∼0.92, GNDVI는 0.92∼0.94, NGRDI는 0.71 ∼0.85, NDREI는 0.84∼0.91로 GNDVI가 가장 효과적이었다.
- Table 4는 초종별 무인기 기반 식생지수의 평균값을 산정한 결과이며, Fig 3은 시간에 따른 식생지수의 변화를 나타낸 그림 이다. 호밀, 총체보리, IRG의 식생지수는 모두 4월 22일 조사까 지 증가하는 것으로 나타났다. 생육 초기에는 근적외선 파장대를 이용한 식생지수인 NDVI, GNDVI, NDREI의 값은 보리보다는 호밀이 다소 높은 경향을 보였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.