[논문]기상 조건과 작물 생육상태에 따른 무인기 기반 지표면온도의 관측 정확도 평가

류재현

doi:10.7780/kjrs.2021.37.2.3

기상 조건과 작물 생육상태에 따른 무인기 기반 지표면온도의 관측 정확도 평가
Evaluation of Measurement Accuracy for Unmanned Aerial Vehicle-based Land Surface Temperature Depending on Climate and Crop Conditions 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.2, 2021년, pp.211 - 220

초록
AI-Helper

작물의 생육 상태와 스트레스를 탐지하기 위한 유용한 변수 중 하나인 지표면온도(LST)는 열화상 카메라의 소형화와 무인기(UAV)의 발달로 인해 식생 군락 및 지역적 규모에서 취득할 수 있게 되었다. 무인기에 장착된 열화상 카메라로 관측한 LST(LSTUAV)는 습도, 풍속과 같은 기상인자, 관측기기, 그리고 지표 상태에 따라 영향을 받으나 다양한 기상 조건과 작물의 생육 단계에서 측정된 LSTUAV의 정확도 평가는 부족한 실정이다. 본 연구의 목적은 지상에 고정된 열적외선 센서에서 관측된 LST(LSTGround)를 이용하여 다양한 기상 조건과 작물의 생육 상황에서 LSTUAV의 정확도를 평가하는 것이다. 마늘 작물을 대상으로 LSTUAV 관측을 수행하였으며, 상대습도, 절대습도, 돌풍, 그리고 식생지수에 따른 LSTUAV 정확도를 평가하였다. 센서 간의 편향을 최소화한 경우 상대습도가 60%를 초과하는 조건에서 관측된 LSTUAV의 평균제곱근오차는 2.565℃로 상대습도 60% 이하에서 관측된 LSTUAV의 평균제곱근오차(1.82℃) 보다 정확도가 낮았으며, 절대습도에 대한 결과도 상대습도와 유사했다. 이는 대기 중의 습도가 LSTUAV의 정확도에 영향을 미친다는 것을 의미한다. 따라서 LSTUAV를 관측은 상대습도가 60% 이하의 조건에서 수행되는 것을 권고한다. 반면, 돌풍이나 식생 피복률의 영향은 통계적으로 유의하지 않았다. 이것은 무인기 비행이 안정적으로 가능한 조건에서 LSTUAV는 식생의 상태를 반영한 신뢰성 있는 값을 도출한다는 것을 의미한다. 본 연구의 결과는 농업 분야에서 LSTUAV의 정확도를 이해하고 활용하는데 도움이 될 것이다.

Abstract ▼ AI-Helper

Land Surface Temperature (LST) is one of the useful parameters to diagnose the growth and development of crop and to detect crop stress. Unmanned Aerial Vehicle (UAV)-based LST (LSTUAV) can be estimated in the regional spatial scale due to miniaturization of thermal infrared camera and development of UAV. Given that meteorological variable, type of instrument, and surface condition can affect the LSTUAV, the evaluation for accuracy of LSTUAV is required. The purpose of this study is to evaluate the accuracy of LSTUAV using LST measured at ground (LSTGround) under various meteorological conditions and growth phases of garlic crop. To evaluate the accuracy of LSTUAV, Relative humidity (RH), absolute humidity (AH), gust, and vegetation index were considered. Root mean square error (RMSE) after minimizing the bias between LSTUAV and LSTGround was 2.565℃ under above 60% of RH, and it was higher than that of 1.82℃ under the below 60% of RH. Therefore, LSTUAV measurement should be conducted under the below 60% of RH. The error depending on the gust and surface conditions was not statistically significant (p-value < 0.05). LSTUAV had reliable accuracy under the wind speed conditions that allow flight and reflected the crop condition. These results help to comprehend the accuracy of LSTUAV and to utilize it in the agriculture field.

주제어

표/그림 (7)

그림 Fig. 1. Positions of infrared thermometer (IRT) sensors in 2020: (a) Study area in South Korea, (b) region of interest (ROI) of IRT, and (c) ROI of IRT and ground control point (GCP) targets.
표 Table 1. The measurement schedules of the thermal camera onboard unmanned aerial vehicle
그림 Fig. 2. Scatterplot between LSTUAV and LSTGround. Red triangle indicate samples of relative humidity (RH) ≤ 30%. Blue circles indicate samples of 30% 60%. The errorbar means the standard deviation of LSTGround measured during UAV flight time.
그림 Fig. 3. Box plots on the difference in LSTUAV and LST_Ground depending on (a) relative humidity and (b) absolute humidity. The data were analyzed using the least significant difference at a 5% significance level. Red circles indicate mean values.
표 Table 2. Statistics results between LST_Ground and LST_UAV
그림 Fig. 4. Images of land surface temperature captured by infrared camera on-board unmanned aerial vehicle: (a) LST image (relative humidity: 33%, absolute humidity: 6 g/m³) on April 29, 2020, 13:35, (b) LST image (relative humidity: 83%, absolute humidity: 13.3 g/m³) on May 4, 2020, 8:36. RH (AH) indicates relative humidity (absolute humidity).
그림 Fig. 5. Box plots on the difference in LST_UAV and LST_Ground depending on (a) normalized difference vegetation index and (b) gust. The data were analyzed using the least significant difference at a 5% significance level. Red box plots were derived using all data and blue box plots were derived using the filtered data (relative humidity ≤ 60%).

참고문헌 (24)

An, J.H., S.H. Jeon, E.Y. Choi, H.M. Kang, J.K. Na, and K.Y. Choi, 2021. Effect of Irrigation Starting Point of Soil on Chlorophyll Fluorescence, Stem Sap Flux Relative Rate and Leaf Temperature of Cucumber in Greenhouse, Journal of Bio-Environment Control, 30(1): 46-55 (in Korean with English abstract).

원문보기 상세보기
Bates, J.S., C. Montzka, M. Schmidt, and F. Jonard, 2021. Estimating Canopy Density Parameters Time-Series for Winter Wheat Using UAS Mounted LiDAR, Remote Sensing, 13(4): 710.

상세보기
Bian, J., Z. Zhang, J. Chen, H. Chen, C. Cui, X. Li, S. Chen, and Q. Fu, 2019. Simplified evaluation of cotton water stress using high resolution unmanned aerial vehicle thermal imagery, Remote Sensing, 11(3): 267.

상세보기
Camino, C., P. Zarco-Tejada, and V. Gonzalez-Dugo, 2018. Effects of Heterogeneity within Tree Crowns on Airborne-Quantified SIF and the CWSI as Indicators of Water Stress in the Context of Precision Agriculture, Remote Sensing, 10(4): 604.

상세보기
Cho, A.-R. and M.-S. Suh, 2013. Evaluation of Land Surface Temperature Operationally Retrieved from Korean Geostationary Satellite (COMS) Data, Remote Sensing, 5(8): 3951-3970.

상세보기
DeJonge, K.C., S. Taghvaeian, T.J. Trout, and L.H. Comas, 2015. Comparison of canopy temperaturebased water stress indices for maize, Agricultural Water Management, 156: 51-62.

상세보기
Duan, S.-B., Z.-L. Li, H. Li, F.-M. Gottsche, H. Wu, W. Zhao, P. Leng, X. Zahng, and C. Coll, 2019. Validation of Collection 6 MODIS land surface temperature product using in situ measurements, Remote Sensing of Environment, 225: 16-29.

상세보기
Guillevic, P.C., J.C. Biard, G.C. Hulley, J.L. Privette, S.J. Hook, A. Olioso, F.M. Gottsche, R. Radocinski, M.O. Roman, Y. Yu, and I. Csiszar, 2014. Validation of Land Surface Temperature products derived from the Visible Infrared Imaging Radiometer Suite (VIIRS) using ground-based and heritage satellite measurements, Remote Sensing of Environment, 154: 19-37.

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

상세보기
Jeong, H., R.D. Jeong, J.H. Ryu, D. Oh, S. Choi, and J. Cho, 2019. Preliminary growth chamber experiments using thermal infrared image to detect crop disease, Korean Journal of Agricultural and Forest Meteorology, 21(2): 111-116 (in Korean with English abstract).

원문보기 상세보기
Jones, H.G., R. Serraj, B.R. Loveys, L. Xiong, A. Wheaton, and A.H. Price, 2009. Thermal infrared imaging of crop canopies for the remote diagnosis and quantification of plant responses to water stress in the field, Functional Plant Biology, 36(11): 978.

상세보기
Kelly, J., N. Kljun, P.O. Olsson, L. Mihai, B. Liljeblad, P. Weslien, L. Klemedtsson, and L. Eklundh, 2019. Challenges and best practices for deriving temperature data from an uncalibrated UAV thermal infrared camera, Remote Sensing, 11(5): 567.

상세보기
Lee, K.S., 2019. Atmospheric correction issues of optical imagery in land remote sensing, Korean Journal of Remote Sensing, 35(6-3): 1299-1312 (in Korean with English abstract).
Na, S.I., H.Y. Ahn, C.W. Park, S.Y. Hong, K.H. So, and K.D. Lee, 2020. Crop Water Stress Index (CWSI) Mapping for Evaluation of Abnormal Growth of Spring Chinese Cabbage Using Drone-based Thermal Infrared Image, Korean Journal of Remote Sensing, 36(5-1): 667-677 (in Korean with English abstract).

원문보기 상세보기
Nam, S.W., Y.S. Kim, and D.U. Seo, 2014. Change in the plant temperature of tomato by fogging and airflow in plastic greenhouse, Protected Horticulture and Plant Factory, 23(1): 11-18 (in Korean with English abstract).

원문보기 상세보기
Olioso, A., 1995. Estimating the difference between brightness and surface temperatures for a vegetal canopy, Agriculture Forest and Meteorology, 72(3-4): 237-242.

상세보기
Ryu, J.H., H. Jeong, S. Choi, Y.W. Lee, and J. Cho, 2019. Comparison of Land Surface Temperatures from Near-surface Measurement and Satellite-based Product, Korean Journal of Remote Sensing, 35(4): 609-616 (in Korean with English abstract).

원문보기 상세보기
Ryu, J.H., K.S. Han, J. Cho, C.S. Lee, H.J. Yoon, J.M. Yeom, and M.L. Ou, 2015. Estimating midday near-surface air temperature by weighted consideration of surface and atmospheric moisture conditions using COMS and SPOT satellite data, International Journal of Remote Sensing, 36(13): 3503-3518.

상세보기
Ryu, J.H., S.I. Na, and J. Cho, 2020. Inter-Comparison of Normalized Difference Vegetation Index Measured from Different Footprint Sizes in Cropland, Remote Sensing, 12(18): 2980.

상세보기
Sandholt, I., K. Rasmussen, and J.A. Andersen, 2002. simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status, Remote Sensing of Environment, 79(2-3): 213-224.

상세보기
Song, B. and K. Park, 2020. Verification of Accuracy of unmanned aerial vehicle (UAV) land surface temperature images using in-situ data, Remote Sensing, 12(2): 288.

상세보기
Solangi, G.S., A.A. Siyal, and P. Siyal, 2019. Spatiotemporal dynamics of land surface temperature and its impact on the vegetation, Civil Engineering Journal, 5(8): 1753-1763.

상세보기
Zhang, L., H. Zhang, Y. Niu, and W. Han, 2019. Mapping maize water stress based on UAV multispectral remote sensing, Remote Sensing, 11(6): 605.

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