$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 무인비행체 탑재 다중분광 센서별 반사율 및 식생지수 변화 비교
Comparison of Reflectance and Vegetation Index Changes by Type of UAV-Mounted Multi-Spectral Sensors 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.5 pt.1, 2021년, pp.947 - 958  

이경도 (농촌진흥청 국립농업과학원 기후변화평가과) ,  안호용 (농촌진흥청 국립농업과학원 기후변화평가과) ,  류재현 (농촌진흥청 국립농업과학원 기후변화평가과) ,  소규호 (농촌진흥청 국립농업과학원 기후변화평가과) ,  나상일 (농촌진흥청 국립농업과학원 기후변화평가과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 무인비행체에 탑재해서 활용되고 있는 다중분광 센서의 센서별 반사율식생지수를 산정하여 시계열 작황분석을 위한 센서별, 센서간 활용 가능성을 평가하기 위해 수행하였다. RedEdge-MX, S110 NIR, Sequioa, P4M 등 4종의 무인비행체 탑재 다중분광센서에 대하여 2020년 9월 14일과 9월 15일에 걸쳐 오전, 오후 각 1회, 총 4회씩 항공영상을 촬영하고 반사율 및 NDVI를 산정하여 비교하였다. 반사율의 경우 모든 센서에서 시계열 변동계수가 평균 약 10% 이상의 값을 보여 활용에는 한계가 있는 것으로 나타났다. 작물 시험구에 대한 센서별 NDVI 변동계수는 식생이 우거져 활력도가 높은 시험구에서 평균 1.2~3.6%의 값을 보여 5% 이내의 변동성을 보였다. 그러나 이는 청천일의 변동계수에 비해서는 높은 값을 보인 것으로서 실험 기간 동안 오전, 오후에 구름 등 기상환경이 달랐기 때문으로 판단되며 시계열 작황 분석을 위한 정밀 NDVI 산정 시에는 일정한 광 환경을 유지할 수 있는 촬영 계획 수립과 이행이 필요할 것으로 판단된다. 무인비행체 다중분광센서 간 NDVI를 상호 비교한 결과 본 실험에서는 RedEdeg-MX 센서의 경우 안정적인 광 환경 내에서 동종의 센서를 여러 대 사용하더라도 NDVI 값의 특별한 보정 없이 함께 활용할 수 있을 것으로 판단된다. RedEdge-MX, P4M, Sequioa 센서는 상호 선형적인 관계를 보였으나 NDVI 간의 off-set 보정을 통한 공동 활용 가능성 평가를 위해서는 보완 실험이 필요할 것으로 생각된다.

Abstract AI-Helper 아이콘AI-Helper

This study was conducted to provide basic data for crop monitoring by comparing and analyzing changes in reflectance and vegetation index by sensor of multi-spectral sensors mounted on unmanned aerial vehicles. For four types of unmanned aerial vehicle-mounted multispectral sensors, such as RedEdge-...

Keyword

표/그림 (13)

AI 본문요약
AI-Helper 아이콘 AI-Helper

제안 방법

  • 다중분광 센서별 반사율 변화 비교는 9월 14일 오전부터 9월 15일 오후까지 3지점에 설치한 반사율 반사판에 대해서 센서별로 4회 측정한 반사율의 평균, 표준편차를 구하여 변동계수(CV : Coefficient of Variation)를 산정하고 비교하였다(식 4). 다중분광 센서별 NDVI 변화도 반사율 변화 비교와 같이 작물 시험구의 NDVI 변동계수를 산정하여 비교하였다.
  • 시계열 작황분석을 위한 센서별, 센서간 활용 가능성을 평가하기 위해 식생 모니터링에 많이 활용되고 있 는 무인비행체 탑재 다중분광 센서 RedEdge-MX, S110 NIR, Sequioa, P4M 등 4종에 대하여 2020년 9월 14일과 9월 15일에 오전, 오후 각 1회, 총 4회씩 항공영상을 촬영하고 반사율 및 NDVI를 산정하여 비교하였다. 반사율 보정용 반사판을 대상으로 측정한 무인비행체 탑재 센서 반사율 값은 촬영 시기, 센서, 밴드 및 반사율 보정 판 위치별로 특정한 경향을 찾을 수 없었으며 시계열 반사율 변동계수도 평균 약 10% 이상의 값을 보여 정량적으로 활용하기 어려운 것으로 나타났다.

대상 데이터

  • 본 연구는 전북 완주군 이서면에 위치한 국립농업과학원시험연구포장(35°49′34″N, 127°2′52″E)에서반사율 55% (White), 33% (Silver), 11% (Gray), 3% (Black) 반사판 및 작물 시험구를 대상으로 수행하였다. 작물 시험구는 식생 활력도가 낮은 나지, 잔디에서부터 벼, 콩, 옥수수, 고구마, 고추 등 식생 활력도가 높은 지점을 대상으로 ROI (Region of Interest)를 선정하였다(Fig. 1, Fig.
  • 본 연구는 전북 완주군 이서면에 위치한 국립농업과학원시험연구포장(35°49′34″N, 127°2′52″E)에서반사율 55% (White), 33% (Silver), 11% (Gray), 3% (Black) 반사판 및 작물 시험구를 대상으로 수행하였다

데이터처리

  • 촬영된 무인비행체 영상은 영상합성 프로그램 (Pix4Dmapper, Pix4D, Switzerland)을 이용하여 반사율을 산정하였다. Rededge-MX, Sequioa, P4M 센서로 촬영한 영상의 반사율 영상은 복사휘도를 무인비행체 상단에 탑재된 복사조도계(DLS)의 복사조도로 나누어 산출하는 직접적 보정 방식이 적용된다(식 1; Micasense, 2021; Lee et al.
  • 다중분광 센서별 반사율 변화 비교는 9월 14일 오전부터 9월 15일 오후까지 3지점에 설치한 반사율 반사판에 대해서 센서별로 4회 측정한 반사율의 평균, 표준편차를 구하여 변동계수(CV : Coefficient of Variation)를 산정하고 비교하였다(식 4). 다중분광 센서별 NDVI 변화도 반사율 변화 비교와 같이 작물 시험구의 NDVI 변동계수를 산정하여 비교하였다.
  • 센서간 NDVI 비교는 기존 연구에서 반사율 및 NDVI 변동에 대한 연구가 수행된 RedEdge-MX 센서(Lee et al., 2020)를 기준으로 타센서에서 측정된 NDVI의 상관관계(Correlation) 및 평균제곱근오차(RMSE : Root Mean Square Error)를 산정하여(식 5) 비교하였다.

이론/모형

  • 촬영된 무인비행체 영상은 영상합성 프로그램 (Pix4Dmapper, Pix4D, Switzerland)을 이용하여 반사율을 산정하였다. Rededge-MX, Sequioa, P4M 센서로 촬영한 영상의 반사율 영상은 복사휘도를 무인비행체 상단에 탑재된 복사조도계(DLS)의 복사조도로 나누어 산출하는 직접적 보정 방식이 적용된다(식 1; Micasense, 2021; Lee et al., 2020).
본문요약 정보가 도움이 되었나요?

참고문헌 (19)

  1. Ahn, H.Y., S.I. Na, C.W. Park, S.Y. Hong, K.H. Sho, and K.D. Lee, 2020. Analysis of UAV-based multispectral reflectance variability for agricultural monitoring, Korean Journal of Remote Sensing, 36(6-1): 1379-1391 (in Korean with English abstract). 

  2. 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. 

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

  4. 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. 

  5. 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). 

  6. 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). 

  7. Lee, K.D., Y.E. Lee, C.W. Park, S.Y. Hong, and S.I. Na, 2016. Study on reflectance and NDVI 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). 

  8. Lee, K.D., C.W. Park, K.H. So, K.D. Kim, and S.I. Na, 2017. 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). 

  9. 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). 

  10. Lu, H.T.Fan., P. Ghimire, and L. Deng, 2020. Experimental evaluation and consistency comparison of UAV multispectral minisensors, Remote Sensing, 12: 2542. 

  11. Hama, A., K. Tanaka, B. Chen, and A. Kondoh, 2020. Examination of appropriate observation time and correction of vegetation index for drone-base crop monitoring, Journal of Agricultural Meteorology, 77(3): 200-209. 

  12. Martins, R.N., F.A.C. Pinto, D.M. Queiroz, D.S.M. Valente, and J.T.F. Rosas, 2021. A novel vegetation index for coffee ripeness monitoring using aerial imagery, Remote Sensing, 13: 263. 

  13. MicaSense Incorporated, 2021. MicaSense redEdge-mx multispectral camera user manual, http://support.micasense.com, Accessed on Sep. 23, 2021. 

  14. Olsson, P.O., A. Vivekar, K. Adler, V.E.G. Millan, A. Koc, M. Alamrani, and L. Eklundh, 2021. Radiometric correction of multispectral UAS Images: evaluating the accuracy of the parrot sequioa camera and sunshine sensor, Remote Sensing, 13: 577. 

  15. Pix4D, 2021. Camera requirements for precision agriculture, https://support.pix4d.com/hc/en-us/articles/204894705-Camera-Requirements-forPrecision-Agriculture, Accessed on Sep. 24, 2021. 

  16. Qiao, L., D. Gao, J. Zhang, M. Li, H. Sun, and J. Ma, 2020. Dynamic influence elimination and chlorophyll content diagnosis of maize using UAV spectral imagery, Remote Sensing, 12: 2650. 

  17. Schut, A.G.T., P.C.S. Traore, X. Blaes, and R.A. By, 2018. Assesing yield and fertilizer response in heterogeneous smallholder fields with UAVs and satellites, Field Crops Research, 221:98-107. 

  18. Teixeira, A.A.D., C.W.M. Junior, C. Bredemeier, M. Negreiros, and R.S. Aquino, 2020. Evaluation of the radiometeric accuracy of images obtained by a sequoia multispectral camera, Ehgenharia Agricola, 40(6):759-768. 

  19. Tomas, J.R. and H.W. Gausman, 1977. Leat reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops, Agronomy Journal, 69: 799-802. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로