UAV 기반 산림 다분광 영상의 시기에 따른 임상별 BRDF 보정 = UAV-based forest multispectral image BRDF correction by forest type and acquisition period

국문 초록 (Abstract)

무인 항공기(Unmanned Aerial Vehicle, UAV) 기반 다분광 영상은 높은 공간해상도와 유연한 관측이 가능하지만, 조명·관측 기하가 영상 내·영상 간에 크게 달라지기 때문에 동일 산림 표면에서도 반사도 값이 달라지는 비등방성 반사가 두드러진다. 이러한 기하 차이는 중복 관측 영상 간 반사도 불일치로 나타나 정량 분석의 신뢰성을 저하시킬 수 있으며, 경우에 따라 모자이크 과정에서 영상 접합부 경계가 두드러질 수 있다. 양방향 반사도 분포 함수(Bidirectional Reflectance Distribution Function, BRDF) 는 비등방성 반사를 조명·관측 기하의 함수로 정량화하는 표현이며, 서로 다른 기하 조건에서 취득된 영상을 동일 기준으로 비교하기 위해 BRDF 기반 정규화가 필요하다. 본 연구는 산림 UAV 다분광 영상에 대해 임상(침엽수림·활엽수림)과 시기(전엽기·무엽기) 조건을 구분하고, RTLSR-C(RossThickHT–C Li-Sparse Reciprocal) 기반 BRDF 보정 프레임워크를 구축하여 다양한 관측 기하 조건에서 모델 반사도 재현 성능과 보정 효과를 정량적으로 평가하였다. 동일 산림 지역에서 전엽기(2024년 6월)와 무엽기(2025년 4월) 자료를 취득하였고, 임상·시기·밴드 조합별 RTLSR-C 파라미터와 핫스팟 파라미터 C1, C2를 추정한 뒤 C-factor를 적용하여 관측 반사도를 정규화된 BRDF 보정 반사도(Nadir BRDF-Adjusted Reflectance, NBAR)로 변환하였다. 평가는 핫스팟 조건에서의 RTLSR 대비 성능, 전체 관측 기하 범위에서의 관측–모델 1:1 대응, 중복 관측 영역에서의 반사도 및 NDVI 차이, 그리고 모자이크 영상의 영상 접합부 경계 부근 변화로 수행하였다. 핫스팟 조건에서 RTLSR-C는 RTLSR보다 후방산란 방향의 급격한 반사도 변화를 더 안정적으로 재현하였다. 전체 관측 기하 범위에서도 RTLSR-C는 관측 반사도와 높은 일치도를 보였으며, 전 밴드 평균 RMSE는 약 0.003, MAPE는 약 2.0%, R²는 약 0.94로 나타났다. 중복 관측 영역 분석에서는 BRDF 보정 후 영상 간 반사도 및 NDVI 차이가 감소하여 픽셀 수준의 불일치가 완화되었고, 모자이크 영상에서도 영상 접합부 경계 부근의 불연속성이 완화되는 경향이 확인되었다. 이상의 결과는 RTLSR-C 기반 접근이 산림 UAV 다분광 영상에서 비등방성 반사로 인한 기하 의존적 반사도 불일치를 완화하고, 임상 및 계절 조건이 상이한 환경에서도 반사도와 식생지수 해석의 일관성을 높이는 데 기여할 수 있음을 보여준다.

다국어 초록 (Multilingual Abstract)

Unmanned Aerial Vehicle (UAV)-based multispectral imagery provides high spatial resolution and flexible acquisition; however, illumination and viewing geometries vary substantially within and between images, so anisotropic reflectance becomes pronounced and reflectance values can differ over the same forest surface depending on viewing direction and image location. Such geometric differences often appear as reflectance inconsistencies between overlapping observations and may also be expressed as discontinuities along mosaic seamlines. The Bidirectional Reflectance Distribution Function (BRDF) is a mathematical representation that quantifies anisotropic reflectance as a function of illumination–viewing geometry, and BRDF-based normalization is therefore required to compare observations acquired under different geometric conditions on a common basis. In this study, we developed a BRDF-correction framework based on RTLSR-C (RossThickHT–C Li-Sparse Reciprocal) for forest UAV multispectral imagery by explicitly accounting for forest type (coniferous vs. deciduous broadleaf) and season (leaf-on vs.
leaf-off), and we quantitatively evaluated both reflectance-reconstruction performance and correction effects across a wide range of observation geometries.
Leaf-on (June 2024) and leaf-off (April 2025) datasets were acquired over the same forest site, RTLSR-C parameters and hotspot parameters C1 and C2 were estimated for each forest type–season–band combination, and observed reflectance was transformed to normalized BRDF-corrected reflectance (Nadir BRDF-Adjusted Reflectance, NBAR) by applying a C-factor. Performance was assessed using (1) model–observation agreement under hotspot conditions, (2) one-to-one agreement over the full observation-geometry domain, (3) reflectance and NDVI differences within overlapping regions, and (4) changes near mosaic seamlines. RTLSR-C reproduced the rapid increase in backscatter-direction reflectance under hotspot conditions more stably than RTLSR, and it also showed strong one-to-one agreement with observed reflectance over the full geometry range, with mean values across all bands of RMSE ≈ 0.003, MAPE ≈ 2.0%, and R² ≈ 0.94. In addition, comparisons within overlapping regions indicated reduced inter-image differences in both reflectance and NDVI after BRDF correction, while mosaic products exhibited reduced discontinuities near seamlines. These results demonstrate that the proposed RTLSR-C-based approach can mitigate geometry-dependent reflectance inconsistencies in forest UAV multispectral imagery and contribute to more consistent interpretation of reflectance and vegetation indices across forest types and seasons.

목차 (Table of Contents)

• I. 서론 1
• 1. 연구 배경 1
• 2. 연구 개요 및 목적 2
• II. 이론적 배경 3
• 1. 양방향 반사도 분포 함수 3
• 2. 커널 기반 BRDF 모델 5
• 가. RTLSR BRDF 모델 5
• 나. 핫스팟 모델링을 위한 RossThickHT-C 커널 7
• III. 연구 재료 및 방법 8
• 1. 관측 장비 8
• 2. 연구 지역 및 자료 취득 10
• 3. 영상 기하각 및 반사도 산출을 위한 전처리 12
• 4. RTLSR-C 핫스팟 파라미터 C1, C2 추정 15
• 5. NBAR 기준 영상 BRDF 보정 16
• IV. 연구 결과 17
• 1. 핫스팟 영역에서의 RTLSR과 RTLSR-C 모델링 비교 17
• 2. 시기에 따른 임상별 RTLSR-C 모델링 성능 평가 21
• 3. 중복 관측 영상을 활용한 BRDF 보정 성능 평가 25
• 4. BRDF 보정 전후 모자이크 영상 비교 30
• V. 고찰 및 결론 34