Diurnal Change of Reflectance and Vegetation Index from UAV Image in Clear Day Condition

청천일 무인기 영상의 반사율 및 식생지수 일주기 변화

Abstract

Recent advanced UAV (Unmanned Aerial Vehicle) technology supply new opportunities for estimating crop condition using high resolution imagery. We analyzed the diurnal change of reflectance and NDVI (Normalized Difference Vegetation Index) in UAV imagery for crop monitoring in clear day condition. Multi-spectral images were obtained from a 5-band multi-spectral camera mounted on rotary wing UAV. Reflectance were derived by the direct method using down-welling irradiance measurement. Reflectance using UAV imagery on calibration tarp, concrete and crop experimental sites did not show stable by time and daily reproducible values. But the CV (Coefficient of Variation) of diurnal NDVI on crop experimental sites was less than 5%. As a result of comparing NDVI at the similar time for two day, the daily mean average ratio of error showed a difference of 0.62 to 3.97%. Therefore, it is considered that NDVI using UAV imagery can be used for time series crop monitoring.

본 연구는 청천일 조건에서 직접적 보정 방식으로 산정한 반사율 및 식생지수의 일주기 변화를 분석하여 시계열 작황 모니터링을 위한 무인비행체 영상의 특성을 구명하고자 수행하였다. 무인기에 다중분광센서를 장착하여 청천일이었던 2020년 3월 23일과 3월 24일에 반사율 보정용 반사판, 콘크리트 및 작물 시험구를 대상으로 시간대별, 비행경로별 항공영상을 촬영하여 직접적 방식으로 반사율을 산정하고 작물 시험구를 대상으로 식생지수를 계산하여 비교하였다. 반사율 보정용 반사판, 콘크리트 및 작물 시험구의 무인기 영상 반사율은 시간대 및 비행경로별로 일정한 변화 경향을 보이지 않을 뿐 아니라 일간 재현성 있는 값을 보이지 않아 시계열적으로 비교·활용 하는 것에는 한계가 있을 것으로 판단된다. 그러나 작물 시험구의 NDVI는 값이 높을수록 일중 및 일간 변동성이 적었으며 식생의 활력이 부족한 식생 제어 시험구에서도 일 중 5% 미만의 변동계수를 보여 반사율과 달리 대체로 일정한 값을 유지하는 것으로 나타났다. 또한 3월 23일과 3월 24일 동일한 시간대에 촬영한 무인기 영상으로 산정한 NDVI의 평균 절대 오차도 0.76~3.97%의 범위를 보여 시계열 작황모니터링에 활용이 가능할 것으로 판단된다.

1. 서론

무인비행체는 위성, 항공기 등 기존 원격탐사 플랫폼에 비해서 촬영 범위는 좁지만 10 cm 안팎의 높은 해상도와 함께 사용자가 촬영시기를 결정하여 영상자료를 수집할 수 있고, 영상 취득 비용이 상대적으로 저렴하다는 장점이 있어 들녘단위 농경지(100~1,000 ha)의 원격탐사자료 수집에 유용하다(Lee et al., 2015). Xiang and Tian(2011)은 무인비행체 영상을 활용하여 작물의 초장을 추정한 바 있으며, Torres-Sanchez et al.(2014)은 무인비행체 영상을 활용하여 시계열 밀 피복지도를 작성하였다. Bendig et al.(2014)은 무인비행체에 RGB (RedGreen-Blue) 카메라를 부착하여 영상을 수집하고 작물 표고모형(CSM: Crop Surface Model)을 구축하여 보리의 바이오매스를 추정한 바 있다. 국내에서는 무인비행체 영상을 활용한 풋거름 작물의 질소량 추정(Lee et al., 2015), 벼 등 주요 작물의 생육 및 수량 추정(Lee et al., 2017a, 2017b; Jang et al., 2019, Lee et al., 2019), 작물 구분 및 면적 추정(Park and Park, 2015; Lee et al., 2016; Yoon et al., 2016), 가뭄, 병해 등 재해에 따른 피해 평가(Park and Park, 2017; Lee et al., 2020)에 이르기까지 농작물 작황 추정을 위해 활용되고 있다.

시계열적으로 변화하는 작물 생육 상황을 정량적으로 분석하기 위해서는 작물의 고유한 반사율(Reflectance)과 식생의 특성을 잘 반영할수 있는 식생지수(Vegetation Index)의 산정과 활용이 필요하다(Tomas and Gausman, 1977; Lee et al., 2016; Lee et al., 2019). 초기 무인비행체 영상의 반사율 산정은 지상 기준점에서 측정한 분광반사율과 무인비행체 영상의 합성 및 전처리를 통해 산정한 반사율의 선형적 관계를 이용하여 구하는 경험적 방식(empirical correction)이 주로 사용되었다(Del Pozo et al., 2014; Lee et al., 2016). 그러나 무인비행체 영상에 있어서 반사율 산정을 위한 경험적 방식은 지상 반사율 측정의 번거로움 뿐 만 아니라 무인비행체 영상 수집의 특성 상 다량의 영상을 촬영할 경우 매 촬영 시 촬영 환경 변화를 고려할 수 없음으로 지상 반사율 측정 지점을 기준으로 산정한 반사율 변환 식을 전체 영상으로 확대하는 것에 한계가 존재한다(Lee et al., 2016; Lee et al., 2019). 최근에는 무인비행체에 탑재된 카메라로 촬영한 영상을 기반으로 계산한 복사휘도(radiance)를 무인비행체 상단에 부착된 복사조도계(DLS: downwelling light sensor)에서 측정한 복사조도로 나누어 반사율을 산정하는 직접적 보정 방식이 활용되고 있다(Deng et al., 2018; Lee et al., 2019; Cao et al., 2019; Fawcett et al., 2020). Lee et al. (2019)는 산림지역을 대상으로 반사율 산정을 위해 경험적 보정 방식과 직접적 보정 방식을 비교한 결과 직접적 보정 방식이 경험적 보정 방식에 비해 촬영 지역 전역에 걸쳐 반사율이 안정적이었다고 보고한 바 있다. Deng et al. (2018)는 맑은 날과 흐린 날 각 1회씩 무인기 영상으로 산정한 반사율, 식생지수와 지상에서 분광복사계 및 광학센서로 측정한 반사율, 식생지수를 비교하여 보고한 바 있다. Cao et al. (2019)는 2달 동안 17회 시계열 영상을 획득하여 지상 반사판의 반사율 변화를 보고한 바 있다. Fawcett et al. (2020)은 구름 없이 맑은 청천일(clear day condition)에 초분광 항공기 영상과 무인기 다중분광 센서 영상을 취득하여 반사율과 식생지수를 비교한 바 있다. 그러나 생육단계에 따른 연속적인 작황 분석을 위해서 필요한 반사율과 식생지수의 시계열적 변화 양상을 정밀하게 구명하기 위한 일주기 영상 촬영 및 비교 연구는 부족하다. 따라서 본 연구는 청천일 직접적 보정 방식으로 산정한 반사율 및 식생지수의 일주기 변화를 분석하여 시계열 작황 모니터링을 위한 무인비행체 영상의 특성을 구명하고 활용성을 평가하고자 수행하였다.

2. 재료 및 방법

1) 무인비행체 영상 촬영

본 연구는 전북 완주군 이서면에 위치한 국립농업과학원 시험연구포장(35°49′34″N, 127°2′52″E)에서 반사율 55%, 33%, 11%, 3% 반사판(Reflectance tarp), 불변성 지표(invariant target)로 콘크리트 및 식생 모니터링 대상으로 작물 시험구를 선정하여 수행하였다(Fig. 1). 작물 시험구는 식생의 활력도를 고려하여 식생의 활력도가 높은 호밀 재배구, 활력도가 중간 정도인 자연 식생구및 식생이 거의 없는 식생 제어구를 대상으로 하였다(Fig. 2, Table 1).

Fig. 1. Location of the study area.

Fig. 2. Examples of reflectance and vegetation index measuring target sites.

Table 1. List of crop experiment site

2020년 3월 23일부터 3월 24일까지 2일에 걸쳐 REDEDGE-MX(Micasense, USA) 카메라를 M200(DJI, China) 기체에 장착하여 고도 100 m, 해상도 6.94 cm, 횡중복도 75%, 종중복도 75%, 비행속도 5 m/s로 설정하여 일주기 항공영상을 촬영하였다. 무인비행체는 지상컨트롤 시스템(GCS : ground control system)을 이용하여 사전에 비행 경로를 설정하고 3월 23일, 3월 24일 이틀에 걸쳐 오전 10시 30분 무렵부터 오후 2시 30분까지 약한 시간 간격으로 비행 방향을 시험포장에 수직(남–북 방향) 및 수평 방향(동–서 방향)으로 일별로 각 10회, 총 20회 자동비행 모드로 비행토록 했다(Table 2).

Table 2. UAV flight time and direction

※ vertical: north-south direction, horizontal: east-west direction

시험 포장에 조도계(SL200, KIMO, FRANCE)를 설치하여 무인비행체 영상 촬영 동안 1분 간격으로 조도(Irradiance)를 측정한 결과(Fig. 3) 시험기간 동안 구름이 거의 없는 맑은 날씨를 보였다. 풍속은 3월 23일 시험 기간 동안에는 1.7~5.4 m/s였으며, 3월 24일에는 0~2.5m/s로 비행에 큰 영향이 없었다.

Fig. 3. Irradiance change on experimental sites during UAV image collection.

연구에 활용한 REDEDGE-MX 카메라는 청색, 녹색, 적색, 적색경계, 근적외선의 5개 밴드를 갖고 있으며 복사조도계를 통해 영상 촬영과 동시에 입사되는 조도를 측정하며 촬영 전후 기준반사판(CRP: calibrated reflectance panel) 촬영 값을 통해 복사조도를 보정할 수 있다(Table 3).

Table 3. Specifications of REDEDGE-MX camera

2) 반사율 영상 및 식생지수 산정

Rededge-MX 카메라로 촬영한 항공영상의 반사율(reflectance) 영상은 무인비행체 영상합성 프로그램(Pix4D mapper, Pix4D, Switzerland)을 이용하여 복사휘도(radiance)를 복사조도(irradiance)로 나누어 산출하였다(Micasense Inc., 2020; Lee et al., 2019). 영상값을 복사휘도로 변환하는 과정은 비네트(Vignette) 효과, 블랙 레벨, 노출시간, ISO 감도, 복사보정계수를 고려하여 식 (1)과 같이 수행한다.

\(L=V(x, y) * \frac{a_{1}}{g} * \frac{p-p_{B L}}{t_{e}+a_{2} y-a_{3} t_{e} y}\)   (1)

where, L : the spectral radiance (W/m²/sr/nm)

V(x, y) : the vignette polynomial function for pixel location (x, y)

a₁, a₂, a₃ : the radiometric calibration coefficients

g : the sensor gain setting

p : the normalized raw pixel value

p_BL : the normalized black level value

t_e : the image exposure time

x, y : the pixel column and row number, respectively

매 화소마다 산출된 복사휘도를 복사조도로 나누면 결국 반사율이 되는 데, 복사조도는 무인기에 탑재된 복사조도계(DLS)로 매 영상마다 측정된다. 매 영상마다 측정된 복사조도는 촬영 전후로 지상에서 측정된 반사율 보정 판넬에서 얻어진 기준 복사조도로 보정된다. 복사조도 보정 계수는 기준 복사조도를 매 영상마다 DLS로 측정한 복사조도로 나눈 값이다. 최종적으로 무인기 다중분광영상의 반사율은 영상에서 산출한 복사휘도, 수광량 센서에 기록된 복사조도, 복사조도 보정계수를 통해서 계산된다(식 (2)). 이때 반사율은 완전한 난반사면(Lambertian surface) 가정에서 얻어지는 값이다.

\(\rho=\frac{\pi * L}{E_{D L S}} * f\)   (2)

where, ρ : the spectral reflectance obtained from the direct method

L : the spectral radiance(W/m²/sr/nm) calculated by Equation 1

f : the EDLS correction factor

E_DLS : the spectral irradiance measured by DLS(W/m²/nm)

식생지수는 식물체의 질소량과 직접적인 비례관계에 있는 엽록소의 분광반사 특성이 주로 적색(Red), 청색(Blue) 파장은 흡수하는 반면 근적외선(NIR: Near Infra Red) 파장은 반사하는 현상을 바탕으로 이들 파장을 조합하여 녹색 식물의 상대적 분포량과 활동성을 평가하는 지표로 널리 사용되어 왔다(Tomas and Gausman, 1977). 본 연구에서는 적색 파장과 근적외선 파장의 반사율을 이용하여 계산하는 정규화식생지수(NDVI: Normalized Difference Vegetation Index)를 산정하였다(식 (3)).

\(N D V I=\frac{\rho_{N I R}-\rho_{R E D}}{\rho_{N I R}+\rho_{R E D}}\)    (3)

where, ρ_NIR,RED : the spectral reflectance obtained from the red and NIR wavelength respectively

3. 결과 및 고찰

1) 무인기 영상 반사율 변화

반사율 보정용 반사판(Reflectance Calibration Tarp)에 대한 무인기 영상의 비행경로에 따른 시간별 및 일별 반사율의 변화 경향은 Fig. 4와 같았다. 청색 영역(Blue band)은 55% 반사판에서는 포화된 값이 많아 연속적인 값을 얻을 수 없었다. 33% 반사판에서는 3월 23일의 경우 비행 경로와 관련 없이 시간대별로 유사한 값을 보였다. 3월 24일의 경우 다른 시간대에서는 유사한 값을 보였으나 13시 30분 촬영 영상에서 비행 경로에 따른 차이를 보였다. 11%, 3% 반사판에서의 무인기 영상 반사율은 55%, 33% 반사판에 비해 시간대 및 비행 경로별 값 변동이 작은 경향을 보였다. 녹색 영역(Green band) 의 경우에도 55% 반사판에서는 포화로 인해 일부 값이 소실되었으며 시간대별로 0.05~0.1 이상의 큰 변동 폭을 보였다. 55%보다 낮은 반사율의 반사판(33%, 11%, 3%)에서는 무인기 영상 반사율의 변동 폭이 55% 반사판에 비해 상대적으로 줄어들었는데 3월 23일에 비해 3월 24일의 일간 변동 폭이 더 컸다. 적색 영역(Red band)의 경우 3월 23일에는 11시 30분대 촬영 영상의 반사율 값이 다른 시간대에 비해 높았으며 비행 경로에 따른 차이를 보이지 않았다. 3월 24일에는 수평 방향 비행의 경우 12시 30분경이 가장 높은 반사율을 보여 “∩” 형의 증감을 보였으나 수직 방향 비행의 경우 반사율은 “U” 형태를 보여 비행 경로에 따른 차이를 보였다. 적색경계 영역(Rededge band)에서는 3월 23일 경우 수직방향 비행에서 10시 30분과 14시 30분대에 촬영한 영상 반사율이 적색 영역과 달리 11시 30분대에 촬영한 것과 유사한 값을 보였다. 3월 24일 경우 적색영역에서의 반사율 변화와 유사한 변동 경향을 보였다. 근적외 영역(NIR band)에서 반사판에 대한 무인기 영상의 반사율은 3월 23일 12시 30분대 수평 방향으로 비행하여 수집한 영상의 반사율이 다른 시간대에 비해서 높았던 것을 제외하고는 적색경계 영역에서의 반사율 변동과 유사한 경향을 보였다. 이처럼 반사율 보정용 반사판에 대한 무인기 영상 반사율의 시간대별 변화 경향은 반사율이 높은 반사판에서 변동이 컸으며 반사율이 낮은 반사판에서는 변동이 작은 경향을 보였다. 3월 23일과 3월 24일 양일간의 반사율 변화를 정성적으로 비교하면 영상 밴드별로는 유사한 경향을 보였으나 시간대별 및 비행 경로별로는 특정한 경향을 찾을 수 없었다. 반사율 보정용 반사판에 대한 무인기 영상 반사율의 정량적 변화를 분석하기 위해 일자별, 비행 경로별 반사율의 변동계수를 계산한 것은 Table 4와 같았다. 반사율 변동 계수는 3월 23일 3.2~14.8%의 범위를 보였으며, 3월 24일 5.9~22.0%의 범위를 보여 3월 24일이 3월 23일에 비해 일간 반사율 변동 폭이 큰 것으로 나타났다. 반사판의 반사율에 따른 무인기 영상 반사율의 변동계수는 3월 23일 경우 청색, 녹색, 적색 영역의 값이 적색 경계 및 근적외 영역에 비해 높은 값을 보였으나 3월 24일에는 영상 영역별로 뚜렷한 경향을 찾을 수 없었다. 반사율이 높은 반사판과 낮은 반사판의 변동계수에는 큰 차이를 보이지 않았는데 이는 반사율이 낮은 반사판의 경우 정성적으로 값 변동이 작아 보였다 하더라도 변동계수 산정 시 평균 반사율이 낮아 작은 변동에도 영향을 받기 때문으로 판단된다. 비행 경로별 반사율도 3월 23일과 3월 24일의 변동계수 비교 시 비행 경로에 따른 반복적인 경향을 찾기 어려웠다. 청천일 연속해서 이틀 동안 시간대별로 측정한 반사율이 일정한 변화 경향을 보이지 않을 뿐 아니라 변동계수도 3.2~22.0%의 범위에서 평균 10.9%의 값을 보이고 있어 무인기 영상에서 반사판을 기준으로 산정한 반사율을 시계열적으로 비교·활용 하는 것은 한계가 있을 것으로 판단된다.

Fig. 4. Change of UAV image reflectance for reflectance calibration tarp.

Table 4. Coefficient of variation of UAV image reflectance for reflectance calibration tarp (Unit: %)

불변성 지표인 콘크리트와 작물 시험구의 무인기 영상 반사율 변화 및 변동 계수는 Fig. 5, Table 5와 같았다. 콘트리트의 반사율은 파장 영역에 따라 청색, 녹색, 적색, 적색경계 영역에서는 33% 반사판, 근적외 영역에서는 55% 반사판의 반사율과 유사한 변동 경향을 보였다. 콘크리트에 대한 시간대별 무인기 영상의 변동계수는 3월 23일의 경우 약 5% 이하였으나 3월 24일의 경우 8.8~17%의 값을 보여 3월 23일에 비해 3월 24일의 시간대별 반사율 변동이 더 컸던 반사율 보정용 반사판에서의 반사율 변화와 유사한 경향을 보였다. 작물 시험구의 무인기 영상 반사율은 청색, 녹색, 적색 영역에서는 0.2 이하의 값을 보였으며 시간대별로 큰 변동 없이 일정한 값을 보였다. 적색 경계 영역의 경우 호밀 재배구에서 가장 낮은 반사율을 보였으며 자연 식생구, 식생 제어구 순이었다. 근적외 영역의 경우 식생 활력도가 높은 호밀 재배구의 반사율 값이 가장 높았으며 시간대별 변동 경향은 55% 반사판과 유사하였다. 작물 시험구의 무인기 영상 반사율 변동계수는 3월 23일 1.9~5.4%의 값을 보였으나 3월 24일 7.6~18%의 값을 보여 콘크리트 및 반사판과 동일한 경향을 보였다. 이처럼 콘크리트 및 작물 시험구의 무인기 영상 반사율은 반사율 보정 반사판에서와 동일한 변동 경향으로 시간대 및 일간 재현성 있는 값을 보이지 않아 시계열적으로 비교·활용 하는 것에는 한계가 있을 것으로 판단된다. 이는 Deng et al.(2018)이 무인기 영상 반사율과 지상 분광복사계로 측정한 반사율 비교 실험에서 무인기 영상 반사율이 지상 분광 복사계로 측정한 반사율과 일정한 경향 없이 차이를 보여 무인기 영상 반사율을 정량적으로 사용할 수 없었다는 연구결과와 일치하는 것이다. Cao et al. (2019)과 Fawcett et al. (2020)은 무인기 영상 반사율이 청천일 조건에서 시간대, 비행경로별로 일정한 경향 없이 변동성이 크게 나타난 것은 무인기 탑재 복사조도계 센서의 하드웨어적 성능 한계 및 영상 전처리 프로그램의 영상 합성시 인근 영상 값과 평활화(smoothing)에 의한 것으로 추정한 바 있다. 따라서 추후에는 무인기 복사조도계의 성능 검정 및 영상 합성을 위한 전처리 방식 검토를 통해 반사율 산정 방식을 개선하기 위한 연구가 필요할 것으로 생각된다.

Fig. 5. Change of UAV image reflectance for concrete and crop vegetation.

Table 5. Coefficient of variation of UAV image reflectance for concrete and crop vegetation (Unit: %)

2) 무인기 영상 식생지수 변화

무인기 영상 반사율을 활용하여 산정한 작물 시험구 NDVI 식생지수의 일별 변동 경향 및 통계 값은 Fig. 6, Table 6과 같았다. 호밀 재배구의 NDVI는 일중 시간대 및 비행경로에 따른 값의 큰 차이 없이 약 0.88~0.91의 범위에서 3월 23일, 3월 24일 모두 1% 미만의 변동계수를 보였다. 자연 식생구의 NDVI는 12시 30분 및 13시 30분대 값이 다른 시간대에 비해 약간 낮은 경향을 보였으며, 이들 시간대의 NDVI 값이 다른 시간대 영상에 비해 비행경로에 따른 차이가 더 큰 것으로 나타났다. 자연 식생구의 NDVI 변동계수는 처리구별로 3월 23일 0.93~1.39%, 3월 24일 1.19~1.47%로 2% 미만의 변동계수를 보였다. 식생 제어구의 NDVI는 자연 식생구의 NDVI와 유사한 변동 양상을 보였는데 변동 폭이 자연 식생구에 비해 더 큰 특성을 보였다. 시험구의 시간대 별 식생지수 변동계수는 3월 23일 2.33~2.98%, 3월 24일 2.33~3.05%로 2~3%의 범위를 보였다. 작물 시험구의 NDVI는 값이 높을수록 일중 및 일간 변동성이 적었으며 식생의 활력이 부족한 식생 제어 시험구에서도 일간 3%이내의 변동계수를 보여 반사율과 달리 대체로 일정한 값을 유지하는 것으로 나타났다. Deng et al. (2018), Cao et al. (2019)은 NDVI의 경우 적색, 근적외 영역 반사율의 상대적인 비율로 산정됨으로 시계열로 측정되는 항공영상의 촬영환경이 달라지더라도 함께 영향을 받기 때문에 반사율과 달리 유사한 값을 보였다고 보고 한 바 있는데, 본 연구에서도 동일한 결과를 확인할 수 있었다.

Fig. 6. Change of average NDVI using UAV image reflectance for crop experimental sites.

Table 6. Statistics of NDVI using UAV imagery on crop experimental sites

3월 23일과 3월 24일 동일한 시간대에 촬영한 무인기 영상으로 산정한 NDVI의 오차율은 Table 7과 같았다. 호밀 재배구는 수평 방향 비행의 경우 -0.92~0.74%, 수직 방향 비행의 경우 -1.03~0.63%로 약 1% 이하의 오차를 보였다. 자연 식생구의 경우 오전 촬영 영상에서는 1% 이하의 오차를 보였으나 12시 30분경부터 오후 촬영 영상의 경우 -1.32~2.98%의 오차를 보였다. 식생 제어구의 경우 수평 비행의 경우 -2.38~5.47%, 수직 비행의 경우 -1.52~9.93%로 호밀 재배구 및 자연 식생구에 비해 오차율이 증가하였다. 식생 제어구에서 12시 30분경 수직 방향으로 촬영한 영상의 NDVI를 제외하면 대부분 5% 미만의 오차를 보였으며 평균 절대 오차(MAE: Mean Absolute Error)도 0.62~3.97%의 범위를 보였다.

Table 7. Percent error ratio of NDVI using UAV imagery on crop experimental sites in daily similar time (Unit: %)

*MAE : Mean Absolute Error

식생 제어구의 NDVI 편차가 호밀 재배구 및 자연 식생구에 비해 큰 값을 보였는데 이는 나지 영역의 비율이 많으면 식생지수 산정 시 편차가 커질 수 있다는 Deng et al. (2018)의 연구와 일치하는 결과이다.

무인기 영상의 반사율과 식생지수를 비교한 연구로는 Deng et al. (2018)의 경우 맑은 날과 흐린 날 각 1회씩 무인기 영상으로 산정한 반사율, 식생지수와 지상에서 분광복사계 및 광학센서로 측정한 반사율, 식생지수를 비교한 바 있으며, Cao et al. (2019)의 경우 2달 동안 17회 시계열 영상을 획득하여 지상 반사판의 반사율과 식생의 식생지수 변화를 보고하였다. 또한 Fawcett et al. (2020)은 청천일 항공기 초분광 영상과 무인기 다중분광 영상의 반사율 및 식생지수를 비교한 바 이들 연구 모두 무인기 영상 반사율은 지상 측정 반사율과 차이가 크고 일정한 경향이 없었던 반면 식생지수는 지상센서로 측정한 값과 높은 선형적 관계성을 보여 활용 가능하다고 보고하였다. 본 연구는 시간대별, 비행경로별 무인기 영상을 촬영하여 일주기 및 일간 무인기 영상의 반사율과 식생지수를 비교한 결과 반사율의 경우 일정한 경향 없이 일중, 일간 변동성이 커서 정량적 활용에는 한계가 있으나 NDVI는 시계열적으로 큰 변화 없이 5% 내외의 안정적인 변화를 보여 위 연구들과 유사한 결과를 보였다.

향후에는 지속적이고 안정적인 작황 모니터링을 위해 청천일 뿐 아니라 광량이 불규칙하게 변하되는 흐린날 등 다양한 기상 조건에서 식생지수 변화 모니터링도 필요할 것으로 생각된다. 또한 무인기 부착 카메라 센서는 위성, 항공기 탑재 센서에 비해 내구성에 차이가 있음으로 주기적인 검보정을 통해 센서 퇴화(degradation)에 대한 점검과 다양한 무인기 탑재 카메라 센서의 특성 검정을 통해 센서별 활용 가능성 및 센서 간 공동 활용 가능성도 연구가 필요할 것으로 판단된다.

4. 결론

무인기에 다중분광센서를 장착하여 청천일이었던 2020년 3월 23일과 3월 24일에 반사율 보정용 반사판, 콘크리트 및 작물 시험구를 대상으로 시간대별, 비행경로별 항공영상을 촬영하여 직접적 방식으로 반사율을 산정하고 작물 시험구를 대상으로 식생지수를 계산하여 비교하였다. 반사율 보정용 반사판, 콘크리트 및 작물 시험구의 무인기 영상 반사율은 시간대 및 비행경로 별로 일정한 변화 경향을 보이지 않을 뿐 아니라 일간 재현성 있는 값을 보이지 않아 시계열적으로 비교·활용하는 것에는 한계가 있을 것으로 판단된다. 그러나 작물 시험구의 NDVI는 값이 높을수록 일중 및 일간 변동성이 적었으며 식생의 활력이 부족한 식생 제어 시험구에서도 일 중 5% 미만의 변동계수를 보여 반사율과 달리 대체로 일정한 값을 유지하는 것으로 나타났다. 또한 3월 23일과 3월 24일 동일한 시간대에 촬영한 무인기 영상으로 산정한 NDVI의 평균 절대 오차율도 0.62~3.97%의 범위를 보여 시계열 작황모니터링에 활용이 가능할 것으로 판단된다. 향후에는 식생지수를 활용한 지속적이고 안정적인 작황모니터링을 위해 무인기 영상 전처리 방식 개선, 다양한 기상 조건에서의 식생지수 변화 분석과 센서 퇴화(degradation) 및 센서 간 자료융합 활용을 위한 보정 방안에 대한 연구가 필요할 것으로 생각된다.