[논문]벼 도열병 발생 탐지 및 확산 모니터링을 위한 기상자료, 위성영상, 드론영상의 공동 활용

류재현; 안호용; 이경도

doi:10.5532/kjafm.2023.25.4.245

벼 도열병 발생 탐지 및 확산 모니터링을 위한 기상자료, 위성영상, 드론영상의 공동 활용
Utilization of Weather, Satellite and Drone Data to Detect Rice Blast Disease and Track its Propagation 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.25 no.4, 2023년, pp.245 - 257

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

초록
AI-Helper

우리나라 대표적인 식량 작물인 벼는 넓은 면적에서 장기간 재배되어 병해충에 대한 저항성이 낮아지고 있다. 대표적인 벼 질병 중 하나인 도열병이 대규모로 발생하면 수확량이 감소하여 조기에 병을 발견하고 방제를 하여야 한다. 하지만 농지 중심에서 도열병이 발생 하면 육안으로 병을 발견하기 어렵다. 드론을 이용한 작물 모니터링 기법은 생육 이상을 탐지하는데 유용하나 언제 발생할지 모르는 도열병 발생을 위해 빈번하게 촬영을 하는 것은 많은 인력과 비용이 소모된다. 본 연구의 목적은 드론, 위성과 같은 원격탐사 자료와 기상자료를 공동 활용하여 벼 도열병을 조기에 탐지하는 것이다. 위성영상은 벼 재배 필지를 추출하는데 유용하였다. 식생지수와 수분지수의 특성을 이용하여 관개가 된 논을 효과적으로 탐지하였다. 이후 기온, 상대습도, 강우일수 자료를 활용하여 벼 도열병 발생위험도를 계산하였다. 도열병 발생위험도가 증가하면 병이 발생할 가능성이 높아진다는 것을 의미하며, 해당 시점에 드론 관측을 수행하였다. 병이 발생한 지점, 병이 발생한 지점과 일반 벼가 혼재되어 있는 지점, 일반 벼 지점에서 분광반사도의 변화를 살펴보았으며, 갈색 병반을 가지는 도열병 특성상 적색과 근적외선 파장대에서 분광반사도의 변화가 급격한 것을 확인하였다. 도열병이 발생한 지점에서는 주변 지점에 비해 식생지수 값이 낮은 군집이 나타났으며, 시계열 드론 영상을 통해 해당 지점으로부터 벼 도열병 확산을 추적하였다. 최종적으로 수확 전 드론 영상을 활용하여 필지별 도열병 발생률에 대한 공간정보를 생산하였다.

Abstract ▼ AI-Helper

The representative crop in the Republic of Korea, rice, is cultivated over extensive areas every year, which resulting in reduced resistance to pests and diseases. One of the major rice diseases, rice blast disease, can lead to a significant decrease in yields when it occurs on a large scale, necessitating early detection and effective control of rice blast disease. Drone-based crop monitoring techniques are valuable for detecting abnormal growth, but frequent image capture for potential rice blast disease occurrences can consume significant labor and resources. The purpose of this study is to early detect rice blast disease using remote sensing data, such as drone and satellite images, along with weather data. Satellite images was helpful in identifying rice cultivation fields. Effective detection of paddy fields was achieved by utilizing vegetation and water indices. Subsequently, air temperature, relative humidity, and number of rainy days were used to calculate the risk of rice blast disease occurrence. An increase in the risk of disease occurrence implies a higher likelihood of disease development, and drone measurements perform at this time. Spectral reflectance changes in the red and near-infrared wavelength regions were observed at the locations where rice blast disease occurred. Clusters with low vegetation index values were observed at locations where rice blast disease occurred, and the time series data for drone images allowed for tracking the spread of the disease from these points. Finally, drone images captured before harvesting was used to generate spatial information on the incidence of rice blast disease in each field.

주제어

표/그림 (12)

그림 Fig. 1. Study area located in Gimje-si, Republic of Korea. Black line indicates rice paddy fields. Red, yellow, and blue circle polygons indicate severe disease, moderate disease, and normal area. A radius of each circle polygon is 2 m. Orange polygon represents field survey point.
그림 Fig. 2. Conception of rice blast detection using satellite images, drone images, and weather data. Disease risk is computed using air temperature, relative humidity, and precipitation.
표 Table 1. Drone measurement date.
표 Table 2. Weather conditions for calculating the risk of developing rice blast disease.
그림 Fig. 3. Classification of rice paddy using normalized difference vegetation index (NDVI) and land surface water index (LSWI) calculated using Sentinel-2 satellite data. (a), (d) NDVI. (b), (e) LSWI. (c), (f) Crop classification.
그림 Fig. 4. Distribution of normalized difference vegetation index (NDVI) and land surface water index (LSWI) calculated using Sentinel-2 satellite data before transplanting of rice paddy. (a) NDVI on May 7, 2022. (b) NDVI on May 2, 2023, (c) LSWI on May 7, 2022, (d) LSWI on May 2, 2023.
그림 Fig. 5. Disease risk calculated using weather variables such as air temperature, precipitation, and relative humidity. (a) 2022 year, (b) 2023 year.
그림 Fig. 6. Time series of reflectance at blue (475 nm), green (560 nm), red (660 nm), rededge (717 nm), and near-infrared (840 nm) wavelengths depending on degree of rice blast in 2023 year.
그림 Fig. 7. Relative change of reflectance after heading stage depending on degree of rice blast. (a) Sep. 7, 2023. (b) Sep. 19, 2023. (c) Sep. 27, 2023. (d) Oct. 4, 2023. Baseline meant reflectance measured on Aug. 15, 2023.
그림 Fig. 8. A time series of drone-based RGB and Normalized Difference Vegetation Index (NDVI) images after rice blast outbreak. Red circles indicate cluster where rice blast disease occurred. (a) Case 1 with extreme disease. (b) Case 2 with severe disease.
그림 Fig. 9. Spread of rice blast captured from drone. (a) Moderate disease case, (b) Severe disease case, (c) Extreme disease case.
그림 Fig. 10. Drone-based rice disease map in 2022 and 2023 years. (a), (b) Spread of rice disease. (c), (d) Degree of rice disease.

참고문헌 (22)

Chen, W. L., Y. B. Lin, F. L. Ng, C. Y. Liu, and？Y. W. Lin, 2019: RiceTalk: Rice blast detection？using Internet of Things and artificial intelligence？technologies. Institute of Electrical and Electronics？Engineers Internet of Things Journal 7(2),？1001-1010.
Chung, H., J.-H. Roh, J.-W. Yang, H.-K. Shim, D.？G. Jeong, J. Y. Kim, J. Y. Shin, I. J. Kang, and？S. Heu, 2019: Rice Blast Populations Isolated？from the Border Area of North Korea. Research？in Plant Disease 25(4), 164-172.
Greer, C. A., and R. K. Webster, 2001: Occurrence,？Distribution, Epidemiology, Cultivar Reaction, and？Management of Rice Blast Disease in California.？Plant Disease 85(10), 1096-1102.

상세보기
Ji, L., L. Zhang, B. K. Wylie, and J. Rover, 2011:？On the terminology of the spectral vegetation？index (NIR- SWIR)/(NIR+ SWIR). International？journal of remote sensing 32(21), 6901-6909.

상세보기
Kang, W. S., S. S. Hong, Y. K. Han, K. R. Kim,？S. G. Kim, and E. W. Park, 2010: A web-based？information system for plant disease forecast based？on weather data at high spatial resolution. The？Plant Pathology Journal 26(1), 37-48.
Kang, W. S., M.-C. Seo, S. J. Hong, K. J. Lee, and？Y. H. Lee, 2019: Outbreak of rice panicle blast？in Southern provinces of Korea in 2014. Research？in Plant Disease 25(4), 196-204.
Lee, K.-D., H. Ahn, J.-H. Ryu, B.-M. Lee, and S.-I.？Na, 2022a: Estimation of Rice Yield in Paddy？Damaged by Rice Blast Using UAV Imagery.？Korean Journal of Soil Science and Fertilizer？55(4), 361-368.

상세보기
Lee, H.-J., S.-H. Go, and J.-H. Park, 2022b:？Assessment of Lodged Damage Rate of Soybean？Using Support Vector Classifier Model Combined？with Drone Based RGB Vegetation Indices.？Korean Journal of Remote Sensing 38(6-1),？1489-1503.
Li, H., 2020: Research Progress on Acquisition and？Processing of Rice Disease Images Based on？Computer Vision Technology. Journal of Physics:？Conference Series 1453(1), 012160.
Pan, L., H. Xia, X. Zhao, Y. Guo, and Y. Qin,？2021: Mapping winter crops using a phenology？algorithm, time-series Sentinel-2 and Landsat-7/8？images, and Google Earth Engine. Remote sensing？13(13), 2510.

상세보기
Park, H.-S., M.-K. Baek, W.-J. Kim, J.-P. Suh, J.-H.？Lee, J.-U. Jeung, C.-S. Kim, O-Y. Jeong, D.-R.？Lee, C.-M. Lee, J.-M. Jeong, Y.-J. Mo, S.-K. Ha,？D.-K. Lee, H. Ji, J. Seo, J.-R. Park, H.-S. Lee, S.？Park, M. Jin, and K.-Y. Kim, 2023: The Multiple？Disease-resistant, Mid-late Maturing Rice Cultivar？'Chamdongjin', Carrying the Bacterial Blight？Resistance Gene Xa21, with the Genetic？Background of 'Sindongjin'. Korean Journal of？Breeding Science 55(1), 86-102.
Park, E. W., W. S. Kang, M. I. Ahn, and Y. K.？Han, 2012: A system and a method for？forecasting infection risks of rice leaf blast. Korea？Patent, 10-1185071.
Rad, A. M., D. Ashourloo, H. S. Shahrabi, and H.？Nematollahi, 2019: Developing an automatic？phenology-based algorithm for rice detection using？sentinel-2 time-series data. IEEE Journal of？Selected Topics in Applied Earth Observations and？Remote Sensing 12(5), 1471-1481.

상세보기
Ryu, J.-H., H. Ahn, S.-I. Na, B. Lee, and K.-D.？Lee, 2022a: Evaluation of NDVI Retrieved from？Sentinel-2 and Landsat-8 Satellites Using Drone？Imagery Under Rice Disease. Korean Journal of？Remote Sensing 38(6-1), 1231-1244.
Ryu, J.-H., D. Oh, J. Ko, H. Y. Kim, J. M. Yeom,？and J. Cho, 2022b: Remote sensing-Based？evaluation of heat stress damage on paddy rice？using NDVI and PRI measured at leaf and？canopy scales. Agronomy 12(8), 1972.
Shim, H., W.-H. Yeh, B.-J. Yoo, I.-S. Myung, S.-K.？Hong, and S. Lee, 2012: Pathogenic Races of？Pyricularia oryzae Isolated from Various Rice？Cultivars on the Blast Nursery and Paddy Field in？Different Locations. Research in Plant Disease？18(4), 324-330.
Song, S., H. Chung, K. H. Kim, and K. T. Kim,？2022: Analysis of Rice Blast Outbreaks in Korea？through Text Mining. Research in Plant Disease？28(3), 113-121.
Tian, H., M. Wu, L. Wang, and Z. Niu, 2018:？Mapping early, middle and late rice extent using？sentinel-1A and Landsat-8 data in the poyang lake？plain, China. Sensors 18(1), 185.
Yeom, J. M., S. Jeong, R. C. Deo, and J. Ko, 2021:？Mapping rice area and yield in northeastern asia？by incorporating a crop model with dense？vegetation index profiles from a geostationary？satellite. GIScience & Remote Sensing 58(1), 1-27.
Yin, Q., M. Liu, J. Cheng, Y. Ke, and X. Chen,？2019: Mapping paddy rice planting area in？northeastern China using spatiotemporal data？fusion and phenology-based method. Remote？Sensing 11(14), 1699.

상세보기
Zhang, Q., X. Luo, L. Hu, C. Liang, J. He, P.？Wang, and R. Zhao, 2023: Method and？Experiments for Acquiring High Spatial Resolution？Images of Abnormal Rice Canopy by Autonomous？Unmanned Aerial Vehicle Field Inspection.？Agronomy 13(11), 2731.
Zheng, Q., W. Huang, Q. Xia, Y. Dong, H. Ye, H.？Jiang, S. Chen, and S. Huang, 2023: Remote？Sensing Monitoring of Rice Diseases and Pests？from Different Data Sources: A Review.？Agronomy 13(7), 1851.

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