[논문]봄배추 생육이상 평가를 위한 드론 열적외 영상 기반 작물 수분 스트레스 지수(CWSI) 분포도 작성

나상일; 안호용; 박찬원; 홍석영; 소규호; 이경도

doi:10.7780/kjrs.2020.36.5.1.2

봄배추 생육이상 평가를 위한 드론 열적외 영상 기반 작물 수분 스트레스 지수(CWSI) 분포도 작성
Crop Water Stress Index (CWSI) Mapping for Evaluation of Abnormal Growth of Spring Chinese Cabbage Using Drone-based Thermal Infrared Image 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.5 pt.1, 2020년, pp.667 - 677

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

초록
AI-Helper

작물 수분 스트레스는 토양수분 함량, 농작물 생리학적 특성 및 원격탐사 기술을 이용하여 감지할 수 있으며, 작물의 생산량 감소를 평가하는데 매우 중요하다. 작물 수분 스트레스 지수(CWSI)는 작물의 엽온과 기온의 차이를 이용하여 산출할 수 있다. 본 연구에서는 드론 기반 열적외 영상을 이용하여 봄배추를 대상으로 관수 처리구(WCP)와 무관수 처리구(WDP)에 대한 CWSI 분포도를 작성하였다. 그 결과, CWSI 공간분포는 배추의 생육이상 반응 요소(구고, 구직경 및 엽록소 함량 측정치)와 높은 일치율을 나타내었다. 따라서 CWSI는 작물 생육이상 모니터링 및 평가에 좋은 수단으로 활용 가능할 것으로 판단된다.

Abstract ▼ AI-Helper

Crop water stress can be detected based on soil moisture content, crop physiological characteristics and remote-sensing technology. The detection of crop water stress is an important issue for the accurate assessment of yield decline. The crop water stress index (CWSI) has been introduced based on the difference between leaf and air temperature. In this paper, drone-based thermal infrared image was used to map of crop water stress in water control plot (WCP) and water deficit plot (WDP) over spring chinese cabbage fields. The spatial distribution map of CWSI was in strong agreement with the abnormal growth response factors (plant height, plant diameter, and measured value by chlorophyll meter). From these results, CWSI can be used as a good method for evaluation of crop abnormal growth monitoring.

주제어

표/그림 (11)

그림 Fig. 1. Location of the study site (A) and water deficit plot is presented in red, and water control plot in blue. Black dots represent the biophysical sampled plants from each plot (B).
그림 Fig. 2. Ground measurement of leaf chlorophyll contents.
그림 Fig. 3. Drone, model DJI Inspire2 with the thermal sensor attached.
그림 Fig. 4. Temporal variations of rainfall during the spring chinese cabbage growth period.
그림 Fig. 5. RGB and TIR images form Drone.
그림 Fig. 6. Extraction of crop area using ExG.
그림 Fig. 7. Crop Water Stress Index (CWSI) map & spatial profile for DSM (a) and CWSI (b).
표 Table 1. Descriptive Statistics of CWSI
그림 Fig. 8. Relationship between CWSI and abnormal growth response factors of WDP.
표 Table 2. Descriptive Statistics of abnormal growth response factors
표 Table 3. Correlation coefficient abnormal growth response factors between CWSI

AI 본문요약
AI-Helper

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

문제 정의

, 2019) 등 관측 조건에 대한 연구도 일부 보고되고 있으나 드론 열적외 영상을 이용한 CWSI 분포도 작성과 관련된 연구는 미흡한 실정이다. 따라서 본 연구에서는 작물의 생육이상 평가 방안으로 CWSI의 활용성을 높이고자 봄배추를 대상으로 드론 열적외 영상 기반 CWSI 분포도를 작성하고, 현장에서 측정한 생육인자와 비교하여 생육이상 모니터링 가능성을 평가하였다.
본 연구에서는 작물의 생육이상 평가 방안으로 작물 수분스트레스 지수(Crop Water StressIndex, CWSI)의 활용성을 높이고자 봄배추를 대상으로 드론 기반의 열적외 영상 및 RGB 칼라영상을 이용하여 CWSI 분포도를 작성하고, 자동 관수장치를 이용한 점적관수 처리구(WCP) 및 무관수 처리구(WDP)에서 측정한 생육이상 반응요인(구고, 구직경, SPAD, CM-1000)과 비교하여 생육이상 모니터링 가능성을 평가하였다. 그 결과, WCP와 WDP 내 배추의 평균 CWSI는 각각 0.

제안 방법

1). 각 처리구는 봄배추에 인위적으로 수분 스트레스를 주기 위하여 관개를 하지 않고 강우에 의존하여 물관리가 된 처리구(Water Deficit Plot, WDP)와 자동 관수장치를 이용한 점적관수 처리구(Water Control Plot, WCP)로 조성하였고, 강우량에 따라 관수시기를 탄력적으로 조절하였다. 배추의 재식거리는 40×85 cm로 봄배추 품종인 ‘춘광’을 2020년 4월 23일에 정식하여 6월 19일 수확하였으며, 표준 재배법에 준하여 재배하였다.
3과 같이 회전익 드론(Inspire2, DJI, China)에 열적외 센서(Vue-Pro, FLIR, USA)를 탑재하여 고도 30 m 에서 촬영하였다. 낱장으로 촬영된 영상은 촬영 당시 드론의 외부 표정요소와 결합하여 전처리 프로그램(Pix4D-mapper, Pix4D, Switzerland)을 이용하여 영상 접합 및 정사보정을 수행하고 공간해상도 2.6 cm의 방사온도 영상으로 변환하였다. 또한 가시광선(RGB) 영상은 드론에 기본으로 탑재되어 있는 카메라(Zenmuse X3, DJI, China)를 이용하여 열적외 영상 촬영과 동시에 수집하였으며, QUAC(Quick Atmospheric Correction) 방법을 이용하여 반사율 영상으로 변환하였다.
식생에 토양 및 기타 재료(비닐 멀칭, 수로, 농로 등)가 일부 포함될 경우 최고 및 최저온도가 변하여 T_wet또는 T_dry에 영향을 미칠 수 있기 때문이다. 따라서 본 연구에서는 열적외 영상 내 정확한 식생의 추출을 위하여 동시간에 촬영된 RGB 영상을 ExG (Excess Green)로 변환하여 식생 추출에 사용하였다. ExG는 효과적인 식생 추출을 위해 고안된 식생지수로서 Torres-Sanchez et al.
또한, 배추의 스트레스에 대한 생육이상 반응을 살펴보기 위하여 처리구별 각각 10개의 표본을 선정하여 현장조사를 수행하였다. 먼저, 구조적 반응 여부 판단을 위하여 배추 개체별 구고(Plant Height, P.
또한, 배추의 스트레스에 대한 생육이상 반응을 살펴보기 위하여 처리구별 각각 10개의 표본을 선정하여 현장조사를 수행하였다. 먼저, 구조적 반응 여부 판단을 위하여 배추 개체별 구고(Plant Height, P.H.)와 구직경 (Plant Diameter, P.D.)을 직접 측정하였으며, 생리적 반응 여부 판단을 위하여 SPAD-502(Minolta, Japan)와 Field ScoutTM CM-1000(Spectrum Tech, USA) 센서를 사용하여 배추 잎의 엽록소 함량을 측정하였다(Fig. 2).
9범위의 값으로 나타낸다. 본 연구에서는 배추 개체별 외엽과 내엽 각각 3장씩 선별하여 측정하였으며, 잎 내 위치별 변이를 고려하여 잎의 녹색 부분에 해당하는 영역만을 5반복 측정하였다. 반면에 CM-1000은 적색 파장대 700 nm와 근적외선 파장대 840 nm의 반사율을 측정하고 두 값의 차이를 이용하여 엽록소 함량을 0~999 범위로 나타내는 기본적인 원리는 유사하지만 원격측정 방식으로 잎과 접촉하지 않고 일정면적을 동시에 측정한다는 점에서 차이가 있다.
열적외 영상 수집을 위한 드론 촬영은 Fig. 3과 같이 회전익 드론(Inspire2, DJI, China)에 열적외 센서(Vue-Pro, FLIR, USA)를 탑재하여 고도 30 m 에서 촬영하였다. 낱장으로 촬영된 영상은 촬영 당시 드론의 외부 표정요소와 결합하여 전처리 프로그램(Pix4D-mapper, Pix4D, Switzerland)을 이용하여 영상 접합 및 정사보정을 수행하고 공간해상도 2.
열적외 영상 수집을 위한 드론 촬영은 배추의 결구기(정식후 40일, DAP 40)가 시작한 후 5일 이상 무강우가 지속된 2020년 6월 10일(DAP 48)에 수행하였다(Fig. 4). 촬영시간은 12:40~13:00 이며, 기상상황은 온도 31.
또한, 태양광의 복사선을 이용하는 패시브(passive) 센서로써 측정 시 광량을 0~9단계로 나누어 측정값과 동시에 저장하여 보정하는데 사용할 수 있다. 측정방법은 SPAD-502 센서와 동일한 엽을 대상으로 약 30 cm 높이(측정 직경 1.1 cm)에서 5반복 측정하였다.

대상 데이터

배추의 재식거리는 40×85 cm로 봄배추 품종인 ‘춘광’을 2020년 4월 23일에 정식하여 6월 19일 수확하였으며, 표준 재배법에 준하여 재배하였다.
본 연구를 위한 시험구는 전북 완주군 이서면에 위치한 국립농업과학원 내 경사지 포장(127°02′49.65″E, 35°49′28.52″N)에 조성하였다.
52″N)에 조성하였다. 시험구의 면적은 290 m²이며, 약 1 m 간격으로 12열 재배 중인 봄배추를 대상으로 6열씩 묶어 2개의 처리구로 구분하였다(Fig. 1). 각 처리구는 봄배추에 인위적으로 수분 스트레스를 주기 위하여 관개를 하지 않고 강우에 의존하여 물관리가 된 처리구(Water Deficit Plot, WDP)와 자동 관수장치를 이용한 점적관수 처리구(Water Control Plot, WCP)로 조성하였고, 강우량에 따라 관수시기를 탄력적으로 조절하였다.

이론/모형

따라서 본 연구에서는 Eq. 1과 같이 Jones(1992)가 제안한 방법으로 열적외 영상만을 이용하여 CWSI를 산출하였다.
6 cm의 방사온도 영상으로 변환하였다. 또한 가시광선(RGB) 영상은 드론에 기본으로 탑재되어 있는 카메라(Zenmuse X3, DJI, China)를 이용하여 열적외 영상 촬영과 동시에 수집하였으며, QUAC(Quick Atmospheric Correction) 방법을 이용하여 반사율 영상으로 변환하였다.

성능/효과

RGB 칼라영상과 열적외 영상의 공간해상도는 각각 0.7, 2.6 cm 로 촬영되었으며, 표면온도는 최고 67.7°C에서 최저 25.6°C로 나타났다.
7과 같다. WCP와 WDP 내 배추의 평균 CWSI는 각각 0.250, 0.489로 나타나 시험포장 내 배추의 CWSI 분포는 처리구 조건에 따라 명확한 차이를 보였다. 특히, 지속적인 관수로 수분 스트레스가 없는 배추(WCP)의 평균 CWSI는 0.
배추의 수분 스트레스에 대한 생육이상 반응을 살펴보기 위하여 처리구별 각각 10개의 표본을 선정하여 현장조사를 수행한 결과는 Table 2와 같다. 결과를 살펴보면, 수분 스트레스를 받은 배추(WDP)의 평균 구고 및 구직경은 20.7 cm, 47.3 cm로 나타나 수분 스트레스가 없는 배추(WCP)와 비교하여 평균 구고 및 구직경이 약 35.11%, 17.02% 작은 것으로 조사되었으며, SPAD 및 CM-1000 관측값도 약 20.14%, 36.28% 작게 관측되었다. 그러나 표준편차의 경우 WDP의 배추가 WCP의 배추보다 큰 것으로 나타나 배추가 수분 스트레스를 받게 되면 생육이상이 발현됨에 따라 전체적인 작황은 불균형 해지고 변이가 커지는 것으로 나타났다.
구조적 반응요인 및 생리적 반응요인 모두 CWSI와는 음(–)의 상관관계를 나타내어 CWSI가 클수록 생육이상이 발현될 가능성이 큰 것으로 나타났다.
그 결과 식생과 토양을 가장 잘 분리해내는 ExG의 임계치는 65.61로 나타났으며, RGB 칼라영상과 중첩을 통해 식생–토양 간 경계선을 추출하였다(Fig.
본 연구에서는 작물의 생육이상 평가 방안으로 작물 수분스트레스 지수(Crop Water StressIndex, CWSI)의 활용성을 높이고자 봄배추를 대상으로 드론 기반의 열적외 영상 및 RGB 칼라영상을 이용하여 CWSI 분포도를 작성하고, 자동 관수장치를 이용한 점적관수 처리구(WCP) 및 무관수 처리구(WDP)에서 측정한 생육이상 반응요인(구고, 구직경, SPAD, CM-1000)과 비교하여 생육이상 모니터링 가능성을 평가하였다. 그 결과, WCP와 WDP 내 배추의 평균 CWSI는 각각 0.250, 0.489로 나타나 처리구 조건에 따라 명확한 차이를 보였으며, 전반적으로 수분 스트레스가 클수록 CWSI가 높고 범위도 큰 것으로 나타났다. 또한, CWSI가 클수록 생육이상이 발현될 가능성이 큰 것으로 나타났으며, CWSI를 생육이상 모니터링에 활용할 경우 정상 작황보다는 수분 스트레스가 심할수록 보다 효과적인 모니터링이 가능한 것으로 나타났다.
구조적 반응요인 및 생리적 반응요인 모두 CWSI와는 음(–)의 상관관계를 나타내어 CWSI가 클수록 생육이상이 발현될 가능성이 큰 것으로 나타났다. 그러나 처리구별 상관계수를 비교해 보면, 수분 스트레스가 없는 배추(WCP)보다 수분 스트레스를 받은 배추(WDP)에서 보다 높은 상관관계를 보였다. 따라서 CWSI를 생육이상 모니터링에 활용할 경우 정상 작황보다는 수분 스트레스가 심할수록 보다 효과적인 모니터링이 가능할 것으로 판단된다.
또한, CWSI도 우측으로 갈수록 낮아지는 특성을 보이는데 이는 경사지 하단에 위치한 배추가 토양 내 수분의 영향으로 상대적으로 수분 스트레스를 덜 받은 것으로 해석할 수 있다. 따라서 동일한 관수 조건에서 작물의 CWSI 공간 분포를 확인하면 토양수분의 이동 방향을 간접적으로 추정할 수 있을 것으로 판단된다.
489로 나타나 처리구 조건에 따라 명확한 차이를 보였으며, 전반적으로 수분 스트레스가 클수록 CWSI가 높고 범위도 큰 것으로 나타났다. 또한, CWSI가 클수록 생육이상이 발현될 가능성이 큰 것으로 나타났으며, CWSI를 생육이상 모니터링에 활용할 경우 정상 작황보다는 수분 스트레스가 심할수록 보다 효과적인 모니터링이 가능한 것으로 나타났다.
6(b)와 같다. 영상 전체에서 ExG는-46~168의 범위를 나타내었으며, RGB 칼라영상과 비교한 결과 ExG는 식생에 가까울수록 높은 값을, 토양에 가까울수록 낮은 값을 나타내는 특성을 보였다. Fig.
489로 나타나 시험포장 내 배추의 CWSI 분포는 처리구 조건에 따라 명확한 차이를 보였다. 특히, 지속적인 관수로 수분 스트레스가 없는 배추(WCP)의 평균 CWSI는 0.071~0.476인 반면에 수분 스트레스를 받은 배추(WDP)의 평균 CWSI는 0.202~0.645로 나타나 전반적으로 수분 스트레스가 클수록 CWSI가 높고 범위도 큰 것으로 나타났다(Table 1).

후속연구

그러나 본 연구의 자료수집 기간 및 표본조사의 수를 고려해 볼 때, 생육이상 모니터링 결과의 정확도 제고를 위해서는 보다 많은 자료의 축적과 작물에 따른 다양한 생육이상 반응요인에 대한 추가적인 검토가 필요할 것으로 사료되며, 정확한 엽온 추출을 위한 식생 추출 기술 개발 및 기상자료 수집을 위한 현장 센서와 드론 기반 열적외 센서와의 연계방안 마련 등 CWSI 산출의 고도화를 위한 끊임없는 노력이 필요할 것으로 생각된다. 또한, 위성을 이용한 관측 범위의 확대와 토양 및 기상자료와의 연계가 이루어진다면 생육이상 외 작황 전반에 걸친 다양한 분석으로의 적용과 정밀농업으로의 확대 연구도 가능할 것이며, 농림업 관측을 위한 중형 위성 개발이 진행되고 있는 시점에서 CWSI와 같은 작물의 스트레스 해석에 효과적인 식생지수에 대한 시계열 정보 수집 및 다양한 사례 연구 등이 지속적으로 수행된다면 원격탐사를 이용한 보다 정확한 농업관측이 이루어 질 것으로 기대된다.
그러나 처리구별 상관계수를 비교해 보면, 수분 스트레스가 없는 배추(WCP)보다 수분 스트레스를 받은 배추(WDP)에서 보다 높은 상관관계를 보였다. 따라서 CWSI를 생육이상 모니터링에 활용할 경우 정상 작황보다는 수분 스트레스가 심할수록 보다 효과적인 모니터링이 가능할 것으로 판단된다.
그러나 본 연구는 1회의 드론 영상과 현장측정 자료를 사용하였으며, 표본조사의 수가 제한적으로 이는 통계적으로 인정할 만한 수준의 자료는 아니다. 따라서 향후 다년간의 드론 열적외 영상 기반 CWSI와 작물 생육이상 반응요인 자료의 축적이 이루어진다면 보다 정밀한 생육이상 모니터링이 가능할 것으로 판단된다.
그러나 본 연구의 자료수집 기간 및 표본조사의 수를 고려해 볼 때, 생육이상 모니터링 결과의 정확도 제고를 위해서는 보다 많은 자료의 축적과 작물에 따른 다양한 생육이상 반응요인에 대한 추가적인 검토가 필요할 것으로 사료되며, 정확한 엽온 추출을 위한 식생 추출 기술 개발 및 기상자료 수집을 위한 현장 센서와 드론 기반 열적외 센서와의 연계방안 마련 등 CWSI 산출의 고도화를 위한 끊임없는 노력이 필요할 것으로 생각된다. 또한, 위성을 이용한 관측 범위의 확대와 토양 및 기상자료와의 연계가 이루어진다면 생육이상 외 작황 전반에 걸친 다양한 분석으로의 적용과 정밀농업으로의 확대 연구도 가능할 것이며, 농림업 관측을 위한 중형 위성 개발이 진행되고 있는 시점에서 CWSI와 같은 작물의 스트레스 해석에 효과적인 식생지수에 대한 시계열 정보 수집 및 다양한 사례 연구 등이 지속적으로 수행된다면 원격탐사를 이용한 보다 정확한 농업관측이 이루어 질 것으로 기대된다.

참고문헌 (25)

Agricultural Weather Information Service Homepage. http://weather.rda.go.kr/, Accessed on Jul. 15, 2020.
Bellvert, J., J. Marsal, J. Girona, and P.J. Zarco-Tejada, 2015. Seasonal evolution of crop water stress index in grapevine varieties determined with high-resolution remote sensing thermal imagery, Irrigation Science, 33(2): 81-93.

상세보기
Choi, Y.H., M.Y. Kim, W.H. Oh, J.G. Cho, S.K. Yun, S.B. Lee, Y.J. Kim, and J.K. Jeon, 2019. Statistical Analysis of Determining Optimal Monitoring Time Schedule for Crop Water Stress Index (CWSI), Journal of the Korean Society of Agricultural Engineers, 61(6): 73-79 (in Korean with English abstract).
DeJonge, K.C., S. Taghvaeian, T.J. Trout, and L.H. Comas, 2015. Comparison of canopy temperature-based water stress indices for maize, Agricultural Water Management, 156: 51-62.

상세보기
Han, M., H. Zhang, K.C. DeJonge, L.H. Comas, and T.J. Trout, 2016. Estimating maize water stress by standard deviation of canopy temperature in thermal imagery, Agricultural Water Management, 177: 400-409.

상세보기
Idso, S.B., R.D. Jackson, P.J.J. Pinter, R.J. Reginato, and J.L. Hatfield, 1981. Normalizing the stress degree-day parameter for environmental variability, Agricultural Meteorology, 24: 45-55.

상세보기
Idso, S.B., R.D. Jackson, and R.J. Reginato, 1977. Remote sensing of crop yields, Science, 196(4285): 19-25.

상세보기
Jackson, R.D., S.B. Idso, R. Reginato, and P.J. Pinter, 1981. Canopy temperature as a crop water stress indicator, Water Resources Research, 17(4): 1133-1138.

상세보기
Jones, H.G., 1992. Plants and Microclimate: A Quantitative Approach to Environmental Plant Physiology, 2nd edition, Cambridge University Press, New York, NY, USA.
Kim, M.C., Y.H. Choi, J.G. Cho, S.K. Yun, J.H. Park, Y.J. Kim, J.K. Jeon, and S.B. Lee, 2019. Response of Crop Water Stress Index (CWSI) and Canopy Temperature of Apple Tree to Irrigation Treatment Schemes, Journal of the Korean Society of Agricultural Engineers, 61(5): 23-31 (in Korean with English abstract).
Korea Rural Economic Institute (KREI) Homepage. http://www.krei.re.kr/, Accessed on Jun. 2, 2020.
Korean Statistical Information Service (KOSIS) Homepage. https://www.kosis.kr/, Accessed on Jul. 8, 2020.
Lee, H.S., S.K. Kim, H.J. Lee, J.H. Lee, S.W. An, and S.G. Lee, 2019. Development of Crop Water Stress Index for Kimchi Cabbage Precision Irrigation Control, Korean Journal of Horticultural Science & Technology, 37(4): 490-498 (in Korean with English abstract).
Lee, S.G., H.J. Lee, S.K. Kim, C.S. Choi, S.T. Park, Y.A. Jang, and K.R. Do, 2015. Effects of Vernalization, Temperature, and Soil Drying Periods on the Growth and Yield of Chinese Cabbage, Korean Journal of Horticultural Science & Technology, 33(6): 820-828 (in Korean with English abstract).

원문보기 상세보기
Martinez, J., G. Egea, J. Aguera, and M. Pirez-Ruiz, 2016. A cost-effective canopy temperature measurement system for precision agriculture: A case study on sugar beet, Precision Agriculture, 18(1): 95-110.
Na, S.I., K.D. Lee, S.C. Baek, and S.Y. Hong, 2015. Estimation of Chinese cabbage growth by RapidEye imagery and field investigation data, Korean Journal of Soil Science and Fertilizer, 48(5): 556-563 (in Korean with English abstract).

원문보기 상세보기
Na, S.I., C.W. Park, and K.D. Lee, 2016. 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., C.W. Park, K.H. So, H.Y. Ahn, and K.D. Lee, 2018. Development of Biomass Evaluation Model of Winter Crop Using RGB Imagery Based on Unmanned Aerial Vehicle, Korean Journal of Remote Sensing, 34(5): 709-720 (in Korean with English abstract).
Na, S.I., C.W. Park, K.H. So, H.Y. Ahn, and K.D. Lee, 2019a. Selection on Optimal Bands to Estimate Yield of the Chinese Cabbage Using Drone-based Hyperspectral Image, Korean Journal of Remote Sensing, 35(3): 375-387 (in Korean with English abstract).
Na, S.I., C.W. Park, K.H. So, H.Y. Ahn, and K.D. Lee, 2019b. Photochemical Reflectance Index (PRI) Mapping using Drone-based Hyperspectral Image for Evaluation of Crop Stress and its Application to Multispectral Imagery, Korean Journal of Remote Sensing, 35(5-1): 637-674 (in Korean with English abstract).
Pou, A., M.P. Diago, H. Medrano, J. Baluja, and J. Tardaguila, 2014. Validation of thermal indices for water status identification in grapevine, Agricultural Water Management, 134: 60-72.

상세보기
Torres-Sanchez, J., J.M. Pena, A.I. de Castro, and F. Lopez-Granados, 2014. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV, Computers and Electronics in Agriculture, 103: 104-113.

상세보기
Woebbecke, D.M., G.E. Meyer, K. Von Bargen, and D.A. Mortensen, 1995. Color indices for weed identification under various soil, residue, and lighting conditions, Transactions of the ASAE, 38(1): 259-269.

상세보기
Yun, S.K., S.J. Kim, E.Y. Nam, J.H. Kwon, Y.S. Do, S.Y. Song, M.Y. Kim, Y.H. Choi, G.S. Kim, and H.S. Shin, 2020. Evaluation of Water Stress Using Canopy Temperature and Crop Water Stress Index (CWSI) in Peach Trees, Protected Horticulture and Plant Factory, 29(1): 20-27 (in Korean with English abstract).

원문보기 상세보기
Zhang, Z., J. Bian, W. Han, Q. Fu, S. Chen, and T. Cui, 2018. Cotton moisture stress diagnosis based on canopy temperature characteristics calculated from UAV thermal infrared image, Transactions of the Chinese Society Agricultural Engineers, 34(15): 77-84.

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