UAS 기반, 가시, 근적외 및 열적외 영상을 활용한 식생조사 = Vegetation Monitoring using Unmanned Aerial System based Visible, Near Infrared and Thermal Images

국문 초록 (Abstract)

최근 영농분야에서 종자파종, 병충해 방제 등에 무인항공기(UAV ; Unmanned Aerial Vehicle)를 활용한 응용이 활발히 진행되고 있다. 본 연구는 UAV에 다양한 파장대의 영상센서를 탑재하고 SfM(Structure from Motion) 영상해석기법과 연계한'고해상 저고도 원격탐측시스템(UAS ; Unmanned Aerial System)'를 구성, UAS 기반 식생조사의 효용성을 고찰하여 정밀영농의 활용성을 검토하였다. 이를 위해 저가 UAV에 가시 컬러(VIS_RGB ; Visible Red, Green, and Blue) 영상센서, 수정된 BG_NIR(Blue Green_Near Infrared Red) 근적외 영상 센서, $7.5{\sim}13.5{\mu}m$ 분광대역의 열적외 영상(TIR ; Thermal Infrared Red)센서를 조합 연계한 UAS를 구성하였다. 또한, 가시 근적외 및 열적외 파장대를 기본요소로 광합성에 따른 식물의 엽록소, 질소 및 수분 함유량 등을 검토할 수 있는 총 10종의 식생지수를 선정, 식생상태 검출에 활용하였다. 시험대상지에 대한 각 파장대역의 영상을 획득하고 사전에 조사된 지상 피복현황을 기준으로 각 식생지수의 분포도 및 식생지수 간 상관성(결정계수 R2) 등을 비교 고찰하여 무인항공기를 활용한 가시 컬러, 근 적외 및 열 적외 영상에 의한 식생상태의 검측 수행능력을 검토하였다. 저가 무인항공기에 VIS_RGB, BG_NIR 및 TIR 영상 센서를 탑재, 식생조사의 효용성을 종합적으로 검토한 결과, 인공위성과 항공영상에 의존한 과거의 식생조사방식 대비, 영상해상도, 경제성 및 운용성 면에서 UAV기반 고해상 저고도 원격탐측시스템(UAS)의 효용성을 입증할 수 있었으므로 정밀농업, 수계 및 산림조사 등의 분야에 그 활용이 기대된다.

참고문헌 (Reference)

1 이용창, "토공량 산정을 위한 소형무인항공시스템의 활용성 평가" 한국국토정보공사 47 (47): 111-126, 2017

2 Gitelson A.A., "Use of a green channel remote sensing of global vegetation from EOS-MODIS" 58 : 289-298, 1996

3 이근상, "UAV 기반 식생지수를 활용한 상록수 분포면적 분석" 한국국토정보공사 47 (47): 15-26, 2017

4 McFeeters S.K., "The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features" 17 : 1425-1432, 1996

5 Louhaichi M., "Spatially located platform and aerial photography for documentation of grazing impacts on wheat" 16 (16): 65-70, 2001

6 Tucker C.J., "Red and photographic infrared linear combinations for monitoring vegetation" 8 : 127-150, 1979

7 Kriegler F.J., "Preprocessing transformations and their effects on multispectral recognition" University of Michigan 97-131, 1969

8 Pix4D, "Pix4Dmapper user manual"

9 Rondeaux G., "Optimization of soil-adjusted vegetation indices" 55 : 95-107, 1996

10 Rouse J.W., "Monitoring vegetation systems in the great plains with ERTS" NASA 309-317, 1973

11 "Maxmax"

12 Sankarana S., "Low-altitude, high-resolution aerial imaging systems for row and field crop phenotyping: A review" 70 : 112-123, 2015

13 "LDP LCC"

14 Jackson R.D., "Interpreting vegetation indices" 11 : 185-200, 1991

15 "Harris"

16 NGII, "Guidelines for the Use of Unmanned Aerial Vehicles in Public Surveys"

17 Agapiou A., "Evaluation of Broadband and Narrowband Vegetation Indices for the Identification of Archaeological Crop Marks" 4 : 892-3919, 2012

18 Candiago S., "Evaluating multispectral images and vegetation indices for precision farming applications from UAV images" 7 : 4026-4047, 2015

19 Cohen Y., "Estimation of leaf water potential by thermal imagery and spatial analysis" 56 (56): 1843-1852, 2005

20 Park S., "Estimation of crop water stress in a nectarine orchard using high-resolution imagery from unmanned aerial vehicle (UAV)" 2015

21 Turner D., "Development of an Unmanned Aerial Vehicle (UAV) for hyper resolution vineyard mapping based on visible, multispectral, and thermal imagery" 2011

22 "DJI"

23 Barati S., "Comparison the accuracies of different spectral indices for estimation of vegetation cover fraction in sparse vegetated areas" 14 : 49-56, 2011

24 Tom M., "Comparing RGB-Based Vegetation Indices With NDVI For Agricultural Drone Imagery, RGB Vegetation Indices"

25 Campbell J.E., "Chapter 6. Data characteristics and visualization"

26 Rasmussen J., "Are vegetation indices derived from consumer-grade cameras mounted on UAVs sufficiently reliable for assessing experimental plots ?" 74 : 75-92, 2016

27 Hunt E.R., "A visible band index for remote sensing leaf chlorophyll content at the canopy scale" 21 : 103-112, 2013

28 Huete A.R., "A soil-adjusted vegetation index (SAVI)" 25 : 295-309, 1988

29 Jiang Z., "2-band Enhanced Vegetation Index without a blue band and its application to AVHRR data, Remote Sensing and Modeling of Ecosystems for Sustainability IV" 6679 : 667905-, 2007