[논문]하천 녹조 모니터링을 위한 드론 다중분광영상의 분광지수 적용성 평가

최은영; 정경미; 윤종수; 장정희; 김미정; 이호중

doi:10.7780/kjrs.2021.37.3.5

하천 녹조 모니터링을 위한 드론 다중분광영상의 분광지수 적용성 평가
Application of Spectral Indices to Drone-based Multispectral Remote Sensing for Algal Bloom Monitoring in the River 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.3, 2021년, pp.419 - 430

최은영 (환경부 낙동강유역환경청 측정분석과) , 정경미 (환경부 낙동강유역환경청 측정분석과) , 윤종수 (환경부 낙동강유역환경청 측정분석과) , 장정희 (환경부 낙동강유역환경청 측정분석과) , 김미정 (환경부 낙동강유역환경청 측정분석과) , 이호중 (환경부 낙동강유역환경청)

초록
AI-Helper

신속하게 면단위(2-Dimension)로 하천의 녹조 우심지역을 관측하기 위해 드론 다중분광영상을 이용한 분석기법을 연구하였다. 드론은 항공기나 위성에 비해 관측 면적이 작지만 높은 공간해상도와 현장접근 및 데이터 획득 용이성, 대기에 의한 간섭 저감, 다중분광센서를 이용한 신속한 자료처리로 녹조 모니터링 효율성을 향상시킬 수 있을 것으로 보고 있다. 이러한 드론의 다중분광센서 영상으로 하천의 녹조발생 현황을 모니터링하기 위해 광합성 색소에 의한 분광특성을 반영하는 분광지수들을 비교 분석하고 Chlorophyll-a(Chl-a) 농도 추정식에 적용 가능성을 평가하였다. 주로 Red-edge 밴드를 포함하는 분광지수가 Chl-a 농도와 높은 상관성을 보였는데, 그 중에서도 3-Band Model(3BM), Normalized Difference Chlorophyll Index(NDCI)가 각각 비슷한 수준으로 가장 높은 통계적 유의성(R²=0.86, RMSE=7.5)을 나타내었다. NDCI의 경우에는 두 개의 분광밴드만 적용되는 간결한 수식과 정규화된(Normalizing) 결과값으로 신속하고 표준화된 프로세싱이 가능할 것으로 보이며 드론 녹조 모니터링에서 적용성이 높을 것으로 기대된다. 3BM의 경우에는 Red-edge 영역에서 두 개의 파장대를 적용해야 하나 본 연구에서 사용한 드론 센서에는 한 개의 Red-edge 밴드만 포함되어서 근적외선으로 대체하여 수식을 적용하였는데 Red-edge 파장영역이 세밀한 분광센서를 활용할 경우에 NDCI 보다 높은 정확도를 나타낼 수 있을 것으로 보인다.

Abstract ▼ AI-Helper

Remote sensing techniques using drone-based multispectral image were studied for fast and two-dimensional monitoring of algal blooms in the river. Drone is anticipated to be useful for algal bloom monitoring because of easy access to the field, high spatial resolution, and lowering atmospheric light scattering. In addition, application of multispectral sensors could make image processing and analysis procedures simple, fast, and standardized. Spectral indices derived from the active spectrum of photosynthetic pigments in terrestrial plants and phytoplankton were tested for estimating chlorophyll-a concentrations (Chl-a conc.) from drone-based multispectral image. Spectral indices containing the red-edge band showed high relationships with Chl-a conc. and especially, 3-band model (3BM) and normalized difference chlorophyll index (NDCI) were performed well (R2=0.86, RMSE=7.5). NDCI uses just two spectral bands, red and red-edge, and provides normalized values, so that data processing becomes simple and rapid. The 3BM which was tuned for accurate prediction of Chl-a conc. in productive water bodies adopts originally two spectral bands in the red-edge range, 720 and 760 nm, but here, the near-infrared band replaced the longer red-edge band because the multispectral sensor in this study had only one shorter red-edge band. This index is expected to predict more accurately Chl-a conc. using the sensor specialized with the red-edge range.

주제어

표/그림 (9)

그림 Fig. 1. Location of the study area and sampling points and drone-based multispectral images of NJ and CH.
표 Table 1. Formulas of spectral indices used in the study
그림 Fig. 2. Time series analysis of measured chlorophyll-a concentrations in the study area.
그림 Fig. 3. Spectral characteristics of vegetation and algae in water : (a) spectral variation according to chlorophyll-a concentrations in the water (Jensen, 2006) and (b) comparison of the spectrum of coastal water and vegetation in the Spectral Library (ENVI 5.6).
표 Table 2. Statistics of analysis elements for sampling points in Nakdong river from August to October
그림 Fig. 4. Spectral variations at each waveband of drone-based multispectral sensor according to chlorophyll-a (Chl-a) concentrations attaching suspended solid (SS) data.
그림 Fig. 5. Relationship between the measured chlorophyll-a concentration (Chl-a conc.) and each spectral index (NDCI, 3BM, MCI, and CARI).
그림 Fig. 6. Mapping of chlorophyll-a concentrations derived from NDCI of drone-based multispectral images of NJ (left) and CH (right) area with the measured dataset.
표 Table 3. Statistical parameters of the performance in estimating chlorophyll-a concentrations using each spectral index (NDCI, 3BM, CARI, and MCI)

AI 본문요약
AI-Helper

문제 정의

최근에는 현장 접근이 용이하고 신속하게 소규모 면적을 동시에 관측할 수 있는 드론이 다양하게 활용되고 있는데, 항공기나 위성에 비해 관측 면적이 작지만 높은 공간해상도와 데이터 획득의 용이성 및 구름, 에어로졸 등의 대기에 의한 간섭 저감의 장점이 있고 다중분광영상을 이용하여 빠르고 표준화된 자료처리 및 공간분석이 가능한 것으로 알려져 있다. 본 연구에서는 이러한 드론에 탑재된 다중분광센서 영상으로 하천의 녹조발생 현황을 신속하게 모니터링하고자, 기존에 해양조류 탐지나 육상에서의 식생 관측을 위해 위성영상 분석에 활용되고 있는 여러 지수들 중에서 광합성 색소에 의한 분광특성을 반영하는 분광지수(Spectral index)들을 비교 분석하고 드론 다중분광영상의 Chl-a 농도 추정식 산출에 적용 가능성을 평가하고자 한다.

제안 방법

드론으로 촬영한 개별 이미지들은 지오태깅(Geo tagging)과 기하보정 후 접합점을 기반으로 자동으로 영상을 정합하여 구역당 한 장의 정사영상으로 제작하였다. 촬영 후처리 작업으로 개별 이미지 상태에서 기하보정을 수행하였지만 정합된 정사영상에서 채수 지점의 위치 정확도를 위해 각기 다른 시기에 촬영된 정사영상끼리 정밀기하보정을 하였다.
드론에 탑재한 다중분광센서는 Micasense사의 Rededge MX로 청(475 nm), 녹(560 nm), 적(670 nm), 적색경계(Red-edge, 720 nm), 근적외선(NIR, 840 nm) 파장대의 5개 분광밴드로 이루어져 있다. 드론은 고도 약 300 m, 촬영방향 중복도 80%, 인접코스 중복도 70%로 설정하여 한 구역당 약 30 km 코스를 비행하여 영상을 촬영하였다. 수체에 나타나는 태양광 반사(Sun-glint)를 피하기 위해 남지 구간 10시 이전, 창녕함안보 구간은 14시 이후에 촬영을 진행하였다.
밴드비(Band Ratio) 기반의 분광지수를 이용하여 다양한 요인의 광산란(Optical scattering)에 의한 오차를 줄이고, 광합성 색소에 의한 분광반응 파장을 조합함으로써 드론 다중분광영상 데이터의 Chl-a 농도에 대한 상관성을 높이고자 하였다. 본 연구에서는 위성영상으로 육상 식생의 엽록소 분광특성을 나타내기 위해 개발된 지수(NDVI, CARI, 3BM)나 해양 조류 분석을 위해 개발된 분광지수들(MCI, SABI, NDCI)이 드론 다중분광영상에 적용되었고 각 분광지수의 수식은 Table 1에 정리하였다.
밴드비(Band Ratio) 기반의 분광지수를 이용하여 다양한 요인의 광산란(Optical scattering)에 의한 오차를 줄이고, 광합성 색소에 의한 분광반응 파장을 조합함으로써 드론 다중분광영상 데이터의 Chl-a 농도에 대한 상관성을 높이고자 하였다. 본 연구에서는 위성영상으로 육상 식생의 엽록소 분광특성을 나타내기 위해 개발된 지수(NDVI, CARI, 3BM)나 해양 조류 분석을 위해 개발된 분광지수들(MCI, SABI, NDCI)이 드론 다중분광영상에 적용되었고 각 분광지수의 수식은 Table 1에 정리하였다.
위성영상에 적용된 광합성 색소 관련 분광지수 중 NDVI, SABI, CARI, 3BM, MCI, NDCI에 대해 Chl-a 농도 계산식을 산출하고 통계적 유의성을 비교함으로써 드론 다중분광영상 분석에 적용 가능성을 평가하였다.

대상 데이터

연구지역의 수질현황을 파악하기 위해 8~10월 현장채수한(Fig. 1) 시료의 시험분석값과 조류 우심기간인 6~10월 물환경정보시스템 자료를 활용하였다. Fig.
드론 분광영상 및 현장자료는 조류 우심기간인 8~10월 중 총 8회에 걸쳐 취득하였다. 연구지점 내 교각을 중심으로 상·하류 각 1 km씩 총 2 km 구역을 촬영하였는데, 연구지점의 하폭은 평균 300 m 이상이고 한 구역당 하천 길이 2 km를 촬영하기 위해 상대적으로 장시간 비행이 가능한 고정익(Fixed wing) 드론을 이용하였다.
고정익은 비행기처럼 날개로 되어 있어 헬리콥터형인 회전익에 비해 연료 소모가 비교적 적고 체공시간이 긴 장점이 있다. 본 연구에 이용된 드론은 eBee X 모델이며, 날개길이 116 cm, 무게 약 1.7 kg(센서 포함), 최대체공시간은 90분이다. 드론에 탑재한 다중분광센서는 Micasense사의 Rededge MX로 청(475 nm), 녹(560 nm), 적(670 nm), 적색경계(Red-edge, 720 nm), 근적외선(NIR, 840 nm) 파장대의 5개 분광밴드로 이루어져 있다.

데이터처리

6(Harris Geospatial Solutions)의 BandMath로 각 분광지수식(Table 1)을 계산하여 NDVI, NDCI, SABI, 3BM, CARI, MCI 분광지수 영상을 도출하였다. 각 분광지수와 Chl-a 시험분석값 간의 상관관계로 Chl-a 농도 추정식을 산출하여 결정계수(Determination coefficient, R2)와 평균제곱근오차(Root Mean Square Error, RMSE)로 통계적 유의성을 비교하였다.

이론/모형

기본적인 프로세스 후 드론 분광영상은 ENVI5.6(Harris Geospatial Solutions)의 BandMath로 각 분광지수식(Table 1)을 계산하여 NDVI, NDCI, SABI, 3BM, CARI, MCI 분광지수 영상을 도출하였다. 각 분광지수와 Chl-a 시험분석값 간의 상관관계로 Chl-a 농도 추정식을 산출하여 결정계수(Determination coefficient, R2)와 평균제곱근오차(Root Mean Square Error, RMSE)로 통계적 유의성을 비교하였다.
연구지점 내 교각을 중심으로 상·하류 각 1 km씩 총 2 km 구역을 촬영하였는데, 연구지점의 하폭은 평균 300 m 이상이고 한 구역당 하천 길이 2 km를 촬영하기 위해 상대적으로 장시간 비행이 가능한 고정익(Fixed wing) 드론을 이용하였다

성능/효과

광합성 색소에 의해 흡수반응이 강하게 나타나는 적색광 이후에 급격히 빛에너지 흡수율이 떨어지면서 반사가 일어나는 지점을 Red-edge라고 하며 이 파장대가 포함된 분광지수인 CARI, MCI, 3BM, NDCI가 비교적 통계적 유의성이 높게 나타났다(Table 3). 그 중에서 MCI, CARI는 상대적으로 낮은 적용성을 나타내었는데, 이들 지수는 분광 스펙트럼의 형태적 특징을 수식화하여 원 식에서 제안한 파장밴드와 사용할 센서의 분광 파장대의 차이에 유의해야 한다.
광합성 색소에 의해 흡수반응이 강하게 나타나는 적색광 이후에 급격히 빛에너지 흡수율이 떨어지면서 반사가 일어나는 지점을 Red-edge라고 하며 이 파장대가 포함된 분광지수인 CARI, MCI, 3BM, NDCI가 비교적 통계적 유의성이 높게 나타났다(Table 3). 그 중에서 MCI, CARI는 상대적으로 낮은 적용성을 나타내었는데, 이들 지수는 분광 스펙트럼의 형태적 특징을 수식화하여 원 식에서 제안한 파장밴드와 사용할 센서의 분광 파장대의 차이에 유의해야 한다. 3BM, MCI는 Red-edge 영역에서 두 개의 밴드를 적용해야 하는데, 해당 파장대가 없는 분광센서를 이용하는 경우에는 원래 제안된 파장대에서 일어나는 분광반응과 대체해야 하는 파장대에서 유사한 반응이 나타나는 영역인지 검토가 필요하다.
3BM, MCI는 Red-edge 영역에서 두 개의 밴드를 적용해야 하는데, 해당 파장대가 없는 분광센서를 이용하는 경우에는 원래 제안된 파장대에서 일어나는 분광반응과 대체해야 하는 파장대에서 유사한 반응이 나타나는 영역인지 검토가 필요하다. 여기서는 750 nm의 Red-edge 밴드를 840 nm 파장으로 대체하였는데 정도의 차이는 있으나 두 영역 모두에서 흡수반응이 나타나 적용이 가능하였고 Chl-a 농도 추정식에서 통계적 유의성이 확인되었다(Table 3).

후속연구

그 중에서 MCI, CARI는 상대적으로 낮은 적용성을 나타내었는데, 이들 지수는 분광 스펙트럼의 형태적 특징을 수식화하여 원 식에서 제안한 파장밴드와 사용할 센서의 분광 파장대의 차이에 유의해야 한다. 3BM, MCI는 Red-edge 영역에서 두 개의 밴드를 적용해야 하는데, 해당 파장대가 없는 분광센서를 이용하는 경우에는 원래 제안된 파장대에서 일어나는 분광반응과 대체해야 하는 파장대에서 유사한 반응이 나타나는 영역인지 검토가 필요하다. 여기서는 750 nm의 Red-edge 밴드를 840 nm 파장으로 대체하였는데 정도의 차이는 있으나 두 영역 모두에서 흡수반응이 나타나 적용이 가능하였고 Chl-a 농도 추정식에서 통계적 유의성이 확인되었다(Table 3).
또한, 이러한 결과를 바탕으로 높은 적용성이 확인된 NDCI나 3BM 분광지수에 대해 더 다양한 간섭현상과 수체환경의 조건을 적용하여 Chl-a 농도 계산식을 검증하고 정확도를 더 높여 표준화된 수식을 도출한다면 드론 다중분광영상을 이용하여 하천 녹조 우심지역에 실시간 수준의 정량적인 모니터링(Near real-time monitoring)이 가능할 것으로 기대된다.

참고문헌 (24)

Alawadi, F., 2010. Detection of surface algal blooms using the newly developed algorithm surface algal bloom index (SABI), Proc. of Remote Sensing of the Ocean, Sea Ice, and Large Water Regions 2010, Toulouse, FR, Sep. 22-23, vol. 7825, pp. 782506-1-782506-14.
Alikas, K., K. Kangro, and A. Reinart, 2010. Detecting cyanobacterial blooms in large North European lakes using the Maximum Chlorophyll Index, Oceanologia, 52(2): 237-257.

상세보기
Bidigare, R.R., M.E. Ondrusek, J.H. Morrow, and D.A. Kiefer, 1990. In vivo absorption properties of algal pigments, Proc. of Ocean Optics X 1990, Orlando, FL, Apr. 16-18, vol. 1302, pp. 290-302.
Binding, C.E., T.A. Greenberg, and R.P. Bukata, 2013. The MERIS Maximum Chlorophyll Index; its merits and limitations for inland water algal bloom monitoring, Journal of Great Lakes Research, 39: 100-107.

상세보기
Cho, S.-H., G.-S. Lee, and J.-W. Hwang, 2020. Drone-based vegetation index analysis considering vegetation vitality, Journal of the Korean Association of Geographic Information Studies, 23(2): 21-35 (in Korean with English abstract).

원문보기 상세보기
Choe, E., J.H. Lee, and J.K. Lee, 2011. Estimation of Chlorophyll-a concentrations in the Nakdong river using high-resolution satellite image, J. Korean Society of Remote Sensing, 27(5): 613-623 (in Korean with English abstract).
Dall'Olmo, G., A.A. Gitelson, and D.C. Rundquist, 2003. Towards a unified approach for remote estimation of chlorophyll-a in both terrestrial vegetation and turbid productive waters, Geophysical Research Letter, 30(18): 1938-1941.
Jensen J.R., 2006. Remote Sensing Land Use and Land Cover, Remote sensing of the environment: An earth resource perspective, Prentice Hall, Saddle River, NJ, USA, p. 413.
Gower, J., S. King, G. Borstad, and L. Brown, 2005. Detection of intense plankton blooms using the 709 nm band of the MERIS imaging spectrometer, International Journal of Remote Sensing, 26(9): 2005-2012.

상세보기
Kim, K., J. Shin, and J.-H. Ryu, 2018. Application of Multi-satellite Sensors to Estimate the Green-tide Area, Korean Journal of Remote Sensing, 34(2): 339-349 (in Korean with English abstract).
Kim, M.S., C.S.T. Daughtry, E.W. Chappelle, J.E. McMurtrey, and C.L. Walthall, 1994. The use of high spectral resolution bands for estimating absorbed photosynthetically active radiation (A par ), Proc. of the 6th Symposium On Physical Measurements and Signatures in Remote Sensing, Val D'Isere, FR, Jan. 17-21, pp. 299-306.
Lee, K.-H. and S.-H. Lee, 2012. Monitoring of floating green algae using ocean color satellite remote sensing, Journal of the Korean Association of Geographic Information Studies, 15(3):137-147 (in Korean with English abstract).

원문보기 상세보기
Matthews, M.W., 2009. Remote sensing of water quality parameters in Zeekoevlei, a hypertrophic, cyanobacteria-dominated lake, Cape Town, South Africa, Doctoral dissertation, University of Cape Town, Cape Town, ZA.
Mishra, S. and D.R. Mishra, 2012. Normalized Difference Chlorophyll Index: A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters, Remote Sensing of Environment, 117: 394-406.

상세보기
Mishra, S., R.P., Stumpf, and A. Meredith, 2019. Evaluation of RapidEye data for mapping algal blooms in inland waters, International Journal of Remote Sensing, 40(7): 2811-2819.

상세보기
Neigh, C.S.R., C.J. Tucker, and J.R.G. Townshend, 2008. North American vegetation dynamics observed with multi-resolution satellite data, Remote Sensing of Environment, 112: 1749-1772.

상세보기
NIER(National Institute of Enviromental Research), 2019. Official test standards of water pollution, National Institute of Environmental Research, Incheon, KR.
NIER(National Institute of Enviromental Research), 2020. Manual for Operation of Algae Alarm System, National Institute of Environmental Research, Incheon, KR.
O'Reilly, J.E., S. Maritorena, B.G. Mitchell, D.A. Siegel, K.L. Carder, S.A. Garver, M. Kahru, and C. McClain, 1998s. Ocean color chlorophyll algorithms for SeaWiFS, Journal of Geophysical Research: Oceans, 103(C11): 24937-24953
Pettorelli, N., S. Ryan, T. Mueller, N. Bunnefeld, B. Jedrzejewska, M. Lima, and K. Kausrud, 2011. The Normalized difference vegetation index (NDVI): Unforeseen successes in animal ecology, Climate Research, 46: 15-27.
Rouse, J.W, R.H. Haas, J.A. Schell, and D.W. Deering, 1973. Monitoring vegetation systems in the great plains with ERTS, Proc. of In third ERTS-1 Symposium, Washington D.C., DC, Dec. 10-14, vol. 1, pp. 309-317.
Sawtell, R.W., R. Anderson, R. Tokars, J.D. Lekki, R.A. Shuchman, K.R. Bosse, and M.J. Sayers, 2019. Real time HABs mapping using NASA Glenn hyperspectral imager, Journal of Great Lakes Research, 45: 596-608.

상세보기
Shin, Y.-H, J.-H Park, and M.-S. Park, 2003. Spectral Reflectance Characteristics and Vegetation Indices of Field Crops, Korean National Committee on Irrigation and Drainage Journal, 10(2): 43-54 (in Korean with English abstract).
Suh, Y.S., N.K. Lee, L.H. Jang, J.D. Hwang, S.j. Yoo, and H.S. Lim, 2002. Characteristic response of the OSMI bands to estimate chlorophyll a, J. Korean Society of Remote Sensing, 18(4): 187-100 (in Korean with English abstract).

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