• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1379-1391
• /
• 2020

농업에서의 무인기는 촬영 영역은 작지만, 위성이 가지지 못하는 초고해상도의 영상 수집이 가능하며, 작물의 생물계절에 맞는 영상을 적시에 획득 할 수 있어 들녘단위 농경지의 모니터링에 유용하게 사용될 수 있다. 하지만 무인기의 경우 위성과 달리 다양한 카메라와 촬영 환경에 따른 다중시기 영상을 활용하기 때문에 시계열 영상 활용을 위해서는 정규화 된 영상자료를 활용하는 것이 필수적으로 요구된다. 본 연구는 무인기 다중분광 영상의 농업 모니터링 시계열 활용을 위해 촬영 환경에 따른 무인기 반사율 및 식생지수의 변동성을 분석하였다. 촬영 고도, 촬영 방향, 촬영시간, 운량과 같은 환경요인에 따른 반사율 변동성은 8%에서 11%로 매우 크게 나타났으나, 식생지수의 변동성은 1% ~ 5%로 안정적인 것을 확인 할 수 있었다. 이러한 현상은 무인기 다중분광센서의 특성과 후처리 프로그램의 정규화 등 다양한 원인이 존재하는 것으로 판단된다. 따라서 무인기 영상의 시계열 활용을 위해서는 식생지수와 같은 밴드비율함수를 활용하는 것이 권장되며 촬영 시 가능한 동일한 촬영시간, 촬영 고도, 촬영 방향을 설정하여 시계열 영상의 변동성을 최소화하는 것이 권장된다.

• Journal of Ecology and Environment
• /
• 제41권2호
• /
• pp.34-44
• /
• 2017

Background: Monitoring terrestrial vegetation cover condition is important to evaluate its current condition and to identify potential vulnerabilities. Due to simplicity and low cost, point intercept method has been widely used in evaluating grassland surface and quantifying cover conditions. Field-based digital photography method is gaining popularity for the purpose of cover estimate, as it can reduce field time and enable additional analysis in the future. However, the caveats and uncertainty among field-based vegetation cover estimation methods is not well known, especially across a wide range of cover conditions. We compared cover estimates from point intercept and digital photography methods with varying sampling intensities (25, 49, and 100 points within an image), across 61 transects in typical steppe, forest steppe, and desert steppe in central Mongolia. We classified three photosynthetic groups of cover important to grassland ecosystem functioning: photosynthetic vegetation, non-photosynthetic vegetation, and bare soil. We also acquired normalized difference vegetation index from satellite image comparison with the field-based cover. Results: Photosynthetic vegetation estimates by point intercept method were correlated with normalized difference vegetation index, with improvement when non-photosynthetic vegetation was combined. For digital photography method, photosynthetic and non-photosynthetic vegetation estimates showed no correlation with normalized difference vegetation index, but combining of both showed moderate and significant correlation, which slightly increased with greater sampling intensity. Conclusions: Results imply that varying greenness is playing an important role in classification accuracy confusion. We suggest adopting measures to reduce observer bias and better distinguishing greenness levels in combination with multispectral indices to improve estimates on dry matter.

• 환경영향평가
• /
• 제14권3호
• /
• pp.127-134
• /
• 2005

Recently, aquaculture farm sites have been increased with demand of the expensive fish species and sea food like as seaweed, laver and oyster. Therefore coastal water quality have been deteriorated by organic contamination from marine aquaculture farm sites. For protecting of coastal environment, we need to control the location of aquaculture sites. The purpose of this study is to detect the laver aquaculture sites using multispectral remotely sensed data with autodetection algorithm. In order to detect the aquaculture sites, density slice and contour and vegetation index methods were applied with SPOT and IKONOS data of Shinan area. The marine aquaculture farm sites were extracted by density slice and contour methods with one band digital number(DN) carrying 65% accuracy. However, vegetation index algorithm carried out 75% accuracy using near-infra red and red bands. Extraction of the laver aquaculture site using remotely sensed data will provide the efficient digital map for coastal water management strategies and red tide GIS management system.

• 한국재난정보학회 논문집
• /
• 제14권4호
• /
• pp.501-509
• /
• 2018

연구목적: UAV기반의 사진측량은 기존 항공촬영에 비해 비용이 절감될 뿐만 아니라 원하는 시간과 장소에 대한 고해상도의 데이터를 취득하기 용이하기 때문에, 공간정보 분야에서도 UAV를 활용한 연구가 진행되고 있다. 본 연구에서는 UAV 기반의 고해상도 영상을 활용하여 토지피복 분류를 수행하고자 하였다. 연구방법: 고해상도 영상의 획득을 위하여 RGB카메라를 사용하였으며, 추가적으로 식생지역을 정확하게 분류하기 위해서 다중분광 카메라를 사용하여 동일 지역을 추가 촬영하였다. 최종적으로 RGB 및 다중분광 카메라를 이용하여 생성된 정사영상, DSM(Digital Surface Model), NDVI(Normalized Difference Vegetation Index), GLCM(Gray-Level Co-occurrence Matrix)을 이용하여 대표적인 감독분류기법인 RF(Random Forest)방법을 이용해 총 7개 클래스에 대해 토지피복분류를 수행하였다. 연구결과: 분류정확도 평가를 위해 오차행렬을 기반으로 한 정확도 평가를 실시하였으며, 정확도 평가 결과 RGB 영상만을 이용한 감독분류결과와 비교하여 제안 방법이 해당 지역의 클래스를 효과적으로 분류할 수 있음을 확인하였다. 결론: 본 연구에서 제안한 정사영상, 다중분광영상, NDVI, GLCM을 모두 추가한 경우 기존의 정사영상만을 이용하였을 때 보다 높은 정확도를 나타냈다. 추후 연구로는 추가적인 입력자료의 개발을 통해 분류 정확도를 향상시키고자 한다.

• 한국수자원학회논문집
• /
• 제56권11호
• /
• pp.721-728
• /
• 2023

농업적 가뭄이 발생하면 토양의 수분이 감소하여 식생의 광합성 및 성장을 저해한다. 광합성을 통해 대기 중의 이산화탄소가 흡수되며 산소 생산량이 증가하는데, 이러한 광합성에 부정적인 영향이 생긴다면 대기 중의 이산화탄소 농도가 증가한다. 본 연구에서는 다중분광광학센서인 MODerate resolution Imaging Spectroradiometer (MODIS) 산출물을 이용하여 토양수분, 식생 활력 및 대기 중의 이산화탄소 농도 간의 관계를 분석하였다. 토양수분의 경우, 기존의 마이크로웨이브 센서는 낮은 공간 해상도로 제공되는 특징으로 인해 소규모 연구 지역 분석에 한계가 있어서 상대적으로 고해상도인 광학센서를 이용한 토양수분 산정 방법을 적용하였다. 또한, MODIS 총일차생산량(Gross Primary Productivity, GPP) 산출물을 이용하여 식생의 호흡과의 관계식을 이용하여 이산화탄소 플럭스를 계산하였다. 원격탐사 기반의 토양수분, 식생지수와 이산화탄소 플럭스를 국내의 극한 가뭄 발생시기인 2014년과 2015년도에 대하여 지점 관측 자료인 플럭스타워 값과 비교 분석하였다. 분석한 결과 토양수분과 식생지수 사이에는 한 달의 지체시간, 식생지수와 이산화탄소 플럭스 사이에는 2주 지체시간이 발생했을 때, 상관성이 높게 나타났다.

• Spatial Information Research
• /
• 제20권4호
• /
• pp.47-55
• /
• 2012

정규식생지수(NDVI)는 식생자원을 모니터링할 수 있도록 설계된 식생지수(VI-Vegetation Index) 중 하나로 여러 응용 분야에서 가장 많이 사용되고 있는 지수이다. 산림 분야에서도 NDVI가 많이 활용되고 있는데 본 논문에서는 산림 변화 모니터링을 위해 MODIS NDVI를 활용하는 방법론이 연구되었다. 특정 시점을 기준으로 NDVI 값을 비교 및 분류하여 변화를 탐지하는 방법은 기계나 기상상태의 영향으로 자료의 정확성이 떨어질 수 있고 장기적인 변화를 탐지하는데도 어려움이 있다. 이러한 점을 고려하여 본 논문에서는 하모닉 모형을 이용하여 NDVI 시계열 자료를 통해 NDVI 패턴을 고려하는 방법론을 제시하였다. 먼저 하모닉 모형을 적용하여 미관측 자료나 자료의 오류를 보정한 NDVI 시계열 자료를 재구축하고 추정된 하모닉 요소의 모수를 기준으로 장기적 패턴을 통해 식생의 변화를 모니터링할 수 있다. 제안된 방법은 한반도 지역의 2009년 8월 21일부터 2011년 9월 6일까지 총 49개의 MODIS NDVI 시계열 자료에 적용하여 모형의 유용성을 입증하였다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.917-926
• /
• 2021

벼 쓰러짐은 벼농사의 대표적인 기상재해 피해로써 강한 바람과 강우로 발생한다. 원격탐사 기법은 넓은 지역의 벼 쓰러짐을 효과적으로 탐지하기에 적절한 방법이다. 실제로 벼 쓰러짐은 벼 키가 최대인 생육 시기에 주로 발생하여 군락의 큰 구조적 변화를 불러오기 때문에 분광 반사도 차이를 야기한다. 따라서, 본고에서는 나주에 위치한 전남농업기술원의 2020년 태풍에 의한 논벼 피해를 444 nm부터 842 nm까지 10개 밴드로 구성된 카메라 영상으로 분석하였다. 드론 영상마다 벼 쓰러짐 피해를 받은 영역과 벼 쓰러짐 피해가 없는 영역으로 구분하여 벼 쓰러짐 영역의 분광 반사도 특성 차이와 식생 탐지에 주로 사용되는 식생지수인 NDVI(Normalized Difference Vegetation Index), NDRE (Normalized Difference Red Edge), CCI (Chlorophyll Carotenoid Index)의 변화를 살펴보았다. 반사도 값의 변화는 밴드6(668 nm)에서 가장 적었으며, 이를 중심으로 밴드 파장이 감소와 증가할수록 일반 논벼 보다 쓰러짐 영역 반사도가 커졌다. 또한, 쓰러진 벼를 묶어 세운 복구 지역은 대부분의 밴드에 걸쳐 반사도가 크게 감소함을 볼 수 있었다. NDVI와 NDRE는 벼 쓰러짐 영역에 대해 민감하게 반응하였으나, 그 반응 대상 및 정도는 서로 달랐다. 본 연구의 결과는 향후 드론과 위성을 이용한 벼 쓰러짐 피해 조사 알고리즘에 기여될 것으로 기대한다.

• 한국항행학회논문지
• /
• 제28권2호
• /
• pp.238-245
• /
• 2024

본 논문에서는 농작물 다중 분광 이미지에 대해 특징 융합 기법을 이용하여 의미론적 분할 성능을 향상시키기 위한 프레임워크를 제안한다. 스마트팜 분야에서 연구 중인 딥러닝 기술 중 의미론적 분할 모델 대부분은 RGB(red-green-blue)로 학습을 진행하고 있고 성능을 높이기 위해 모델의 깊이와 복잡성을 증가시키는 데에 집중하고 있다. 본 연구는 기존 방식과 달리 다중 분광과 어텐션 메커니즘을 통해 모델을 최적화하여 설계한다. 제안하는 방식은 RGB 단일 이미지와 함께 UAV (unmanned aerial vehicle)에서 수집된 여러 채널의 특징을 융합하여 특징 추출 성능을 높이고 상호보완적인 특징을 인식하여 학습 효과를 증대시킨다. 특징 융합에 집중할 수 있도록 모델 구조를 개선하고, 작물 이미지에 유리한 채널 및 조합을 실험하여 다른 모델과의 성능을 비교한다. 실험 결과 RGB와 NDVI (normalized difference vegetation index)가 융합된 모델이 다른 채널과의 조합보다 성능이 우수함을 보였다.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1369-1382
• /
• 2018

국내 외 다중분광 위성의 수가 증가하고 자료를 획득할 수 있는 경로가 넓어짐에 따라 원하는 시기의 영상 취득 및 활용이 가능할 것으로 기대된다. 하지만 다른 촬영시간, 주기 및 공간해상도를 가지기 때문에 자료의 불일치 문제가 존재한다. 특히, 밴드대역폭 차이는 동일한 시기에 촬영된 영상일지라도 서로 다른 반사도를 산출하며, 식생지수와 같은 식생 활력도 분석에 있어 큰 불확실성이 발생한다. 본 연구는 KOMPSAT-3의 농업분야 활용을 위해 타 다중분광위성과의 밴드대역폭 차이에 따른 Spectral Band Adjustment Factor(SBAF)를 산정하고 실제 적용을 통해 융합 활용 가능성을 평가하였다. 사막지역에서 취득된 초분광 위성영상을 활용하여 SBAF를 산정하였고, 작물 주산지 지역에 SBAF를 적용한 결과 식생지수는 천정각이 24도로 촬영된 합천지역을 제외한 다른 지역에서 상대백분율 차이가 3% 이내로 높은 일치율을 보였다. SBAF 산정을 위해 본 연구는 한 세트의 영상을 활용하였고 이는 SBAF의 계절 및 태양 천정각에 따른 변화를 고려하지 않아 불확실성이 높을 것으로 판단되며, 향후 이러한 문제를 해결하기 위해 장기간 분석이 필요할 것으로 판단된다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.433-442
• /
• 2018

저수구역은 계획된 홍수위에 의하여 둘러싸인 지역 혹은 댐의 계획된 홍수위 내에 있는 지역으로 정의된다. 본 연구에서는 저수구역 내 농경지를 탐지하기 위하여, 대표적인 기계학습 기법인 RF (Random Forest) 기반의 감독 분류 방법을 적용하였다. 저수구역 내의 농경지를 효과적으로 분류하기 위하여, 질감정보를 정량화하기 위한 대표적인 기법인 GLCM (Gray Level Co-occurrence Matrix)과 NDWI (Normalized Difference Water Index), NDVI (Normalized Difference Vegetation Index)를 추가적인 입력자료로 활용하였다. 특히, 질감정보를 생성하는데 사용된 윈도우 크기가 농경지의 분류 정확도에 미치는 영향을 분석하여, 저수구역 내의 농경지를 효과적으로 분류하기 위한 방법론을 제시하였다. 실험결과, UAV 영상을 이용한 분류결과를 통하여 취득된 다중분광영상과 NDVI, NDWI, GLCM 영상들을 이용하여 저수구역 내의 농경지를 효과적으로 탐지할 수 있음을 확인하였다. 또한, GLCM의 윈도우 크기가 분류정확도를 향상시키기 위한 중요한 변수임을 확인하였다.