Comparison of Reflectance and Vegetation Index Changes by Type of UAV-Mounted Multi-Spectral Sensors

무인비행체 탑재 다중분광 센서별 반사율 및 식생지수 변화 비교

Abstract

This study was conducted to provide basic data for crop monitoring by comparing and analyzing changes in reflectance and vegetation index by sensor of multi-spectral sensors mounted on unmanned aerial vehicles. For four types of unmanned aerial vehicle-mounted multispectral sensors, such as RedEdge-MX, S110 NIR, Sequioa, and P4M, on September 14 and September 15, 2020, aerial images were taken, once in the morning and in the afternoon, a total of 4 times, and reflectance and vegetation index were calculated and compared. In the case of reflectance, the time-series coefficient of variation of all sensors showed an average value of about 10% or more, indicating that there is a limit to its use. The coefficient of variation of the vegetation index by sensor for the crop test group showed an average value of 1.2 to 3.6% in the crop experimental sites with high vitality due to thick vegetation, showing variability within 5%. However, this was a higher value than the coefficient of variation on a clear day, and it is estimated that the weather conditions such as clouds were different in the morning and afternoon during the experiment period. It is thought that it is necessary to establish and implement a UAV flight plan. As a result of comparing the NDVI between the multi-spectral sensors of the unmanned aerial vehicle, in this experiment, it is thought that the RedEdeg-MX sensor can be used together without special correction of the NDVI value even if several sensors of the same type are used in a stable light environment. RedEdge-MX, P4M, and Sequioa sensors showed a linear relationship with each other, but supplementary experiments are needed to evaluate joint utilization through off-set correction between vegetation indices.

본 연구는 무인비행체에 탑재해서 활용되고 있는 다중분광 센서의 센서별 반사율 및 식생지수를 산정하여 시계열 작황분석을 위한 센서별, 센서간 활용 가능성을 평가하기 위해 수행하였다. RedEdge-MX, S110 NIR, Sequioa, P4M 등 4종의 무인비행체 탑재 다중분광센서에 대하여 2020년 9월 14일과 9월 15일에 걸쳐 오전, 오후 각 1회, 총 4회씩 항공영상을 촬영하고 반사율 및 NDVI를 산정하여 비교하였다. 반사율의 경우 모든 센서에서 시계열 변동계수가 평균 약 10% 이상의 값을 보여 활용에는 한계가 있는 것으로 나타났다. 작물 시험구에 대한 센서별 NDVI 변동계수는 식생이 우거져 활력도가 높은 시험구에서 평균 1.2~3.6%의 값을 보여 5% 이내의 변동성을 보였다. 그러나 이는 청천일의 변동계수에 비해서는 높은 값을 보인 것으로서 실험 기간 동안 오전, 오후에 구름 등 기상환경이 달랐기 때문으로 판단되며 시계열 작황 분석을 위한 정밀 NDVI 산정 시에는 일정한 광 환경을 유지할 수 있는 촬영 계획 수립과 이행이 필요할 것으로 판단된다. 무인비행체 다중분광센서 간 NDVI를 상호 비교한 결과 본 실험에서는 RedEdeg-MX 센서의 경우 안정적인 광 환경 내에서 동종의 센서를 여러 대 사용하더라도 NDVI 값의 특별한 보정 없이 함께 활용할 수 있을 것으로 판단된다. RedEdge-MX, P4M, Sequioa 센서는 상호 선형적인 관계를 보였으나 NDVI 간의 off-set 보정을 통한 공동 활용 가능성 평가를 위해서는 보완 실험이 필요할 것으로 생각된다.

1. 서론

무인비행체를 활용한 원격탐사는 최근 급속한 기술의 발달에 따라 농업, 산림, 자원조사 등 다양한 분야에서 활용도가 증가하고 있다(Lu et al., 2020). 농업분야에서 무인비행체는 위성, 항공기 등 기존 원격탐사 플랫 폼에 비해 높은 해상도의 영상을 편리하고 저렴하게 취득할 수 있다는 점에서 30 ha 이상 들녘 단위 농경지 작황분석에 활발히 활용되고 있다(Lee et al., 2015; Lee et al., 2017; Lee et al., 2019b).

농경지와 작황의 시계열적 변화를 정성, 정량적으로 분석하기 위해서는 농경지와 작물의 고유한 반사율(Reflectance)과 식생 특성을 잘 반영할 수 있는 식생지수(Vegetation Index)의 산정과 활용이 필요하다(Lee et al., 2016). 초기 무인비행체 영상 반사율은 지상에서 측정한 분광반사율과 무인비행체 영상에서 산정한 반사율의 선형적 관계를 이용하여 구하는 경험적 방식(empirical correction)이 사용되었다(Del Pozo et al., 2014). 그러나 경험적 방식은 매번 지상 반사율을 측정해야 하는 번거로움 뿐 아니라 다량의 영상 촬영 시 촬영 시간 동안 구름 등으로 인한 촬영 환경 변화를 반영할 수 없는 한계가 있다(Lee et al., 2016). 최근에는 무인비행체 상단에 부착된 복사조도계(DLS : downwelling light sensor)에서 측정한 복사조도를 활용하여 지상을 촬영한 영상에서 얻은 복사휘도(radiance)를 나누어 반사율을 산정하는 직접적 보정 방식이 활용되고 있다(Deng et al., 2018). Lee et al. (2019a)는 산림의 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. Lee et al. (2020)은 청천일 조건(clear day condition)에서 직접적 보정 방식으로 산정한 반사율 및 식생지수의 일주기 변화를 분석하여 반사율은 일정한 변화 경향을 나타내지 않았으나 식생지수는 대체로 일정한 값을 유지하여 시계열 작황 분석의 가능성을 보고하였다. 그러나 이들 연구는 특정 센서류(Micasense사 RedEdge-M, MX)에 국한된 결과로서 무인비행체에 탑재 가능한 다앙한 카메라 센서에 대한 검토 및 상호 비교는 부족하다.

따라서 본 연구는 농작물 등 식생 모니터링을 위해 무인비행체에 탑재하여 활용되고 있는 Micasense사의 RedEdge-MX (Qiao et al., 2020; Martinset al., 2021), Sensfly 사의 S110 NIR (Lee et al., 2015; Schutt et al., 2018), Sequioa (Teixeira et al., 2020; Olsson et al., 2021), DJI사의 P4M (Liu et al., 2020; Hama et al., 2021) 등 4종의 센서에 대하여 반사율 및 식생지수를 산정하여 시계열 작황 모니터링을 위한 센서 별 및 센서간 활용 가능성을 평가하기 위해 수행하였다.

2. 재료 및 방법

1) 연구 지역 및 자료 처리

본 연구는 전북 완주군 이서면에 위치한 국립농업과학원시험연구포장(35°49′34″N, 127°2′52″E)에서반사율 55% (White), 33% (Silver), 11% (Gray), 3% (Black) 반사판 및 작물 시험구를 대상으로 수행하였다. 작물 시험구는 식생 활력도가 낮은 나지, 잔디에서부터 벼, 콩, 옥수수, 고구마, 고추 등 식생 활력도가 높은 지점을 대상으로 ROI (Region of Interest)를 선정하였다(Fig. 1, 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

무인비행체 영상 촬영은 2020년 9월14일부터 9월 15일까지 이틀에 걸쳐 센서별로 오전, 오후 각 1회, 총 4회씩 촬영하였다. 기체 특성에 따른 센서 값 변화 비교를 위해 RedEdge-MX (Micasense, USA) 카메라는 회전익 무인 비행체 M200 (DJI, China), Inspire (DJI, China)와 고정익 무인비행체 eBeeX (Sensefly, Switzerland) 기체에 탑재하여 항공영상을 촬영하였다. 특정 기체에만 연결이 가능한 S110 NIR (Sensefly, Switzerland) 카메라와 P4M (DJI, China) 카메라는 각각 고정익 무인비행체 ebee classic (Sensefly, Switerland)과 회전익 무인비행체 Phantom4 (DJI, China)에 탑재하여 촬영하였다. Sequioa (Sensefly, Switzerland)는 고정익 및 회전익 무인비행체에 모두 탑재 가능하나 본 연구에서는 Sequioa 개발 당시 고정익 무인비행체 ebee classic (Sensefly, Switerland)에 연계하여 활용된 것을 고려하여 ebee classic에 탑재하여 영상을 촬영하였다. 시험에 활용한 무인비행체는 지상 컨트롤 시스템(GCS : ground control system)을 이용하여 사전에 비행경로를 설정하고, 고도 100 m, 횡-종 중복도를 각각 75%로 설정하였으며, 비행 방향은 시험포장과 수직인 방향(남동-북서)으로 동일하게 설정하여 자동비행 모드로 영상을 촬영하였다(Table 2, Table 3). 시험 포장에 일사량계(SL200, KIMO, FRANCE)를 설치하여 무인비 행체 영상 촬영 동안 1분 간격으로 일사량(Irradiance)을 측정한 결과(Fig. 3, Table 3) 9월 14일 오전 10시 24분까 지는 1~2% 변동계수를 보였으나 이후부터 오후까지는 4.2~73.9%의 높은 변동계수를 보였다. 9월 15일의 경우 오전에는 1.0~6.4%의 변동계수를 보여 대체로 일사량변동이 적었으나 오후에는 5.6~41.2%의 변동계수 값을 보여 9월 14일과 같이 오전에 비해 오후의 일사량 변동이 큰 것으로 나타났다. 풍속은 2020년 9월 14일에는 1~5 m/s 였으며, 9월 15일에는 1~4 m/s로 비행에 큰 영향이 없었다.

Table 2. Specifications of UAV-mounted multi-spectral camera sensors

Table 3. UAV model, sensor, flight time and CV of Irradiation during UAV flight

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

촬영된 무인비행체 영상은 영상합성 프로그램 (Pix4Dmapper, Pix4D, Switzerland)을 이용하여 반사율을 산정하였다. Rededge-MX, Sequioa, P4M 센서로 촬영한 영상의 반사율 영상은 복사휘도를 무인비행체 상단에 탑재된 복사조도계(DLS)의 복사조도로 나누어 산출하는 직접적 보정 방식이 적용된다(식 1; Micasense, 2021; Lee et al., 2020).

\(\rho_{d m}=\frac{\pi^{*} L}{E_{D L S}} * f\)       (1)

where, \(\rho_{d m}\): the spectral reflectance obtained from the direct method

L: the spectral radiance(W/m²/sr/nm)

f: the EDLS correction factor

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

S110 NIR 센서로 촬영한 영상은 영상합성 프로그램에서 센서 DN값과 카메라 특성을 고려하여 추정한 반사율 값을 활용하였다(식 2; Pix4D, 2021).

\(\rho_{\text {est }}=\frac{\text { DN }}{\text { Sensor } \times \text { Illumination }}\)       (2)

where, \(\rho_{est}\): the spectral reflectance estimated by the Pix4Dmapper

Sensor: the camera characteristics according to exposure, shooting speed, etc

Illumination: the amount of incident light estimated by the the Pix4Dmapper

식생지수는 엽록소의 분광반사 특성이 적색(Red), 청색(Blue) 파장은 흡수하지만 근적외선(NIR:Near Infra Red) 파장은 반사하는 특성을 활용하여 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,\(\rho_{NIR,RED}\): the spectral reflectance obtained from the red and NIR wavelength respectively

2) 반사율 및 식생지수(NDVI) 비교

다중분광 센서별 반사율 변화 비교는 9월 14일 오전부터 9월 15일 오후까지 3지점에 설치한 반사율 반사판에 대해서 센서별로 4회 측정한 반사율의 평균, 표준편차를 구하여 변동계수(CV : Coefficient of Variation)를 산정하고 비교하였다(식 4). 다중분광 센서별 NDVI 변화도 반사율 변화 비교와 같이 작물 시험구의 NDVI 변동계수를 산정하여 비교하였다.

\(C V(\%)=\frac{\text { Standard Deviation }}{\text { Mean }} \times 100\)       (4)

센서간 NDVI 비교는 기존 연구에서 반사율 및 NDVI 변동에 대한 연구가 수행된 RedEdge-MX 센서(Lee et al., 2020)를 기준으로 타센서에서 측정된 NDVI의 상관관계(Correlation) 및 평균제곱근오차(RMSE : Root Mean Square Error)를 산정하여(식 5) 비교하였다.

\(R M S E=\sqrt{\frac{\sum_{i=1}^{n}\left(x_{1, i}-x_{2, i}\right)^{2}}{n}}\)       (5)

where, x_1,i: NDVI obtained from RedEdge-MX sensor, x_2,i: NDVI obtained from the other sensor

3. 결과 및 고찰

1) 센서별 반사율 및 식생지수(NDVI) 변화

반사율 보정용 반사판(이하 Tarp)에 대한 무인비행체 탑재 센서별 변동계수는 Table 4와 같았다. DJI M200 회전익 무인비행체에 RedEdge-MX 센서를 탑재하여 촬영한 영상의 반사율 변동계수는 5.9~134.3%, DJI Inspire 회전익 무인비행체에 RedEdge-MX 센서를 탑재하여 촬영한 영상의 경우 3.8~59.1%, Sensefly 고정익 무인비행체에 RedEdge-MX 센서를 탑재하여 촬영한 영상의 경우 4.5~113.2%의 값을 보였다. RedEdge-MX 센서로 Tarp 의 반사율 값을 산정한 결과는 촬영시기, 센서, 밴드 및 Tarp 지점별로 특정한 경향을 찾을 수 없었으며 반사율 변동계수 평균값도 100 이상의 극치를 제외하더라도 Tarp별로 각각 9.0, 27.0, 13.8%의 값을 보여 RedEdge-MX 센서의 반사율을 활용하는 것에는 한계가 있을 것으로 판단된다. DJI Phantom4 회전익 무인비행체에 P4M 센서를 탑재하여 촬영한 영상의 Tarp 반사율 변동계수는 1.9~78.9%의 범위에서 평균 18.9%의 값을 보였으며, Sensefly ebee 고정익 무인비행체에 Sequioa, S110 NIR 센서를 각각 탑재하여 촬영한 영상의 Tarp 반사율 변동 계수는 각각 2.5~46.4%, 16~81.8% 범위에서 평균 10.0, 38.9%의 값을 보여 RedEdge-MX 센서와 같이 반사율 활용이 어려울 것으로 나타났다. 이러한 결과는 무인비행 체 영상으로 산정한 반사율이 일정한 경향 없이 변동성이 크게 나타나 정량적으로 활용할 수 없었다는 기존 연구 결과를(Deng et al., 2018; Cao et al., 2019; Fawcett et al., 2020; Lee et al., 2020) 다양한 센서에서 확인한 것으로서 향후 무인비행체 반사율 산정 개선을 위한 연구가 필요할 것으로 생각된다.

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

센서별로 작물시험구에 대해 4회 촬영한 영상의 NDVI 평균값을 나타낸 것은 Fig. 4와 같았다. S110 NIR 센서로 산정한 NDVI 값이 가장 낮은 값을 보였으며 RedEdge-MX 센서로 산정한 NDVI 값이 가장 높은 값을 보였다. RedEdge-MX와 S110 NIR 센서로 산정한 NDVI 값의 차이는 0.2~0.3 정도 차이를 보였는데 식생의 NDVI가 높아질수록 센서 간의 NDVI 차이는 줄어 드는 경향을 보였다. P4M과 Seqioua 센서는 RedEdgeMX 센서에 비해 대략 0.1 정도 낮은 값을 보였는데, S110 NIR센서와 동일하게 NDVI 값이 높아질수록 차이가 줄어드는 경향을 보였다. P4M 센서의 경우 NDVI 값이 0.9까지는 Sequioa 센서에 비해 낮은 값을 보였으나 0.9 이상에서는 Sequioa 센서보다 높은 값을 보였다.

Fig. 4. NDVI value of UAV image by mounted sensors on crop experimental sites (Item: Dron model-Sensor).

작물 시험구에 대한 센서별 NDVI 변동 계수는 Table 5와 같았다. 나지 등 식생의 활력도가 낮은 작물시험구에서는 S110 NIR 센서를 제외하고는 4.4~6.6%값을 보였으나 식생이 우거져 활력도가 높은 시험구에는 평균 1.2~3.6%의 값을 보였다. RedEdge-MX, Sequioa, P4M 센서의 NDVI 변동계수는 2% 이하의 값을 보여 3.6%의 값을 보인 S110 NIR 센서에 비해 변동성이 더 적은 것으로 나타났으나, Lee et al. (2020)의 연구에서 RedEdge-MX 센서로 청천일 일주기 촬영 시 식생구의 NDVI 변동계수가 0.5% 이내 값을 보인 것에 비해서는 높은 값을 보였다. 이는 본 실험 기간 동안 구름 없이 맑았던 오전에 비해 오후에는 구름으로 인해 광 조건이 불안정하게 변화하면서 NDVI 산정에 영향을 주었기 때문으로 판단된다(Ahn et al., 2000).

Table 5. Coefficient of variation of NDVI by UAV image for crop experimental sites (Unit : %)

일사량 변화가 NDVI에 어떤 영향을 주는지 분석하기 위해 무인비행체 영상 촬영 동안의 일사량과 작물 시험구의 NDVI 변화를 나타낸 것은 Fig. 5와 같았다. 회전익 무인비행체 M200에 RedEdge-MX를 탑재하여 비행한 경우 9월 14일, 9월 15일 모두 오전에는 광량이 일정하였으나 오후에는 구름으로 인해 일사량이 크게 변동된 것을 확인할 수 있었다. NDVI의 경우 9월 14일과 15일 오전에는 대체로 유사한 것을 보였으나 일사량 변화가 컸던 오후에 촬영한 영상의 NDVI는 0.75~0.85 구간 에서 오전에 비해 0.02~0.07 정도 낮은 값을 보였다. 회전익 무인비행체 Inspire와 고정익 무인비행체 eBeeX에 RedEdge-MX 센서를 탑재한 경우 광량이 일정했던 촬영 시기의 반복이 없어 RedEdge-MX 센서처럼 광량변동 유무에 따른 NDVI 변화를 비교할 수 없었으나 대체로 오전에 촬영한 영상의 NDVI가 오후에 촬영한 NDVI에 비해 높은 값을 보이는 경향은 유사하였다. 회전익 무인비행체 Phantom4에 P4M센서를 장착하여 촬영한 경우와 고정익 무인비행체 ebee에 Sequioa를 장착하여 촬영한 경우에도 동일한 광조건의 반복은 없었으나 P4M 센서의 경우 촬영 시기에 따른 NDVI 변동 경향성을 확인하기 어려웠으나 Sequioa 센서의 경우 대체로 오전에 촬영한 영상의 NDVI 값이 오후에 촬영한 값에 비해 높아 RedEdge-MX와 유사한 경향을 보였다. 고정익 무인비행체 ebee에 S110 NIR 센서를 탑재하여 촬영한 경우에는 촬영시기, 일사량 변동에 따른 NDVI의 뚜렷한 변동 경향을 확인할 수 없었으며 변동 폭도 다른 센서들에 비해 컸다.

Fig. 5. Change of Irradiance during UAV flight and NDVI calculated by images of UAV-mounted sensors.

무인비행체에 탑재한 다중분광센서의 경우 절대적 인 반사율 산출 및 활용은 제한이 있으나 비율식으로 이루어진 NDVI의 경우 광량 변화 등에 의한 외부조건을 상쇄할 수 있어 지상 NDVI 측정 센서와도 선형적 관계 를 보여 작황모니터링에 활용 가능한 것으로 보고되었다(Lee et al., 2016; Deng et al., 2018; Cao et al., 2019; Fawcett et al., 2020). 그러나 무인비행체 영상 촬영 시 일사량 변동이 NDVI 산정에 영향을 줄 수 있다는 점에서 한 시기 영상을 활용하여 영상 내 공간변이를 분석하는 경우가 아니라 시계열 작황 분석을 위한 정밀 NDVI 산정을 목적으로 할 경우에는 기상 환경 등 외부 요인에 의한 NDVI 변동을 최소화할 수 있는 촬영 계획 수립과 이행이 필요할 것으로 판단된다.

2) 센서간 식생지수(NDVI) 비교

무인비행체 다중분광센서 간 NDVI의 상호 비교를 위해 일사량 변동이 가장 적었던 9월 15일 오전을 대상 으로 회전익 무인비행체 M200에 RedEdge-MX 센서로 산정한 NDVI와 타 센서의 NDVI를 비교한 것은 Fig. 6 과 같았다. RedEdeg-MX 센서와 P4M, Sequioa 센서는 선형적인 관계를 보였으나 S110 NIR 센서와는 비선형적인 멱함수 관계를 보였다. Fig. 6의 결과 중에서 식생의 활력도가 높은 작물시험구를 대상으로 RedEdge-MX, P4M, Sequioa 센서의 NDVI 상호 관계를 나타낸 것은 Fig. 7과 같았다. RedEdge-MX의 경우 동종 센서로서 촬영 기체만 달랐던 경우에는 1:1 라인에서 0.01~0.02 내 외의 차이만 보일 뿐 선형적인 비례 관계를 보였으며, M200 기체로 촬영한 결과 대비 Inspire, eBeeX로 촬영한 영상의 NDVI RMSE가 각각 0.0136, 0.0109의 값을 보였다. 이러한 결과는 9월 15일 오전 M200 기체에 RedEdge-MX 센서를 탑재하여 산정한 NDVI와 9월 14일 오전 동일 기체, 센서로 산정한 NDVI의 RMSE가 0.0157의 값을 보인 것을 감안하면 촬영 오차 범위 내에 속하는 것으로서 RedEdge-MX 센서의 경우 본 실험에서는 촬영 기체와 관련 없이 촬영 환경이 유사한 경우 NDVI 값을 공동으로 활용할 수 있는 것으로 나타났다.

Fig. 6. Scatter plots of NDVI calculated by RedEdge-MX, Sequioa, P4M, S110 NIR sensor for all crop experimental sites.

Fig. 7. Scatter plots of NDVI calculated by RedEdge-MX, Sequioa, P4M sensor for high vitality vegetation crop experimental sites.

P4M과 Sequioa 센서의 NDVI는 RedEdge-MX 센서의 NDVI에 비해 0.03~0.07 정도 낮은 값을 보였는데 Sequioa 센서의 경우 대체로 일정한 차이를 보였으나 P4M의 경우 NDVI 값이 높아질수록 차이가 줄어드는 경향을 보였다. 센서 간 NDVI 값 기울기가 일정하다면 센서 간 NDVI 값 기울기를 활용하여 기준이 되는 센서의 NDVI 값으로 이종 센서의 NDVI값을 변환하여 공동 활용할 수 있을 것이다. 그러나 본 연구에서는 촬영 환경에 따라 센서의 NDVI 산정 값이 영향을 받을 수 있다는 것을 확인한 만큼 P4M, Sequioa 센서와 RedEdge-MX 센서 NDVI 간의 off-set 보정을 통한 공동 활용 가능성 평가를 위해서는 유사한 기상환경에서 이들 센서 간의 관계가 추가로 실험되어야 할 것으로 생각된다.

4. 결론

시계열 작황분석을 위한 센서별, 센서간 활용 가능성을 평가하기 위해 식생 모니터링에 많이 활용되고 있 는 무인비행체 탑재 다중분광 센서 RedEdge-MX, S110 NIR, Sequioa, P4M 등 4종에 대하여 2020년 9월 14일과 9월 15일에 오전, 오후 각 1회, 총 4회씩 항공영상을 촬영하고 반사율 및 NDVI를 산정하여 비교하였다. 반사율 보정용 반사판을 대상으로 측정한 무인비행체 탑재 센서 반사율 값은 촬영 시기, 센서, 밴드 및 반사율 보정 판 위치별로 특정한 경향을 찾을 수 없었으며 시계열 반사율 변동계수도 평균 약 10% 이상의 값을 보여 정량적으로 활용하기 어려운 것으로 나타났다. 작물 시험구에 대한 센서별 NDVI 변동 계수는 나지 등 식생의 활력도가 낮은 작물 시험구에서는 S110 NIR 센서를 제외하고 는 4.4~6.6%값을 보였으며, 식생이 우거져 활력도가 높은 시험구에는 평균 1.2~3.6%의 값을 보여 5% 이내의 변동성을 보였다. 그러나 청천일 식생구에 대한 NDVI 시계열 변동계수가 0.5% 이내 값을 보인 것에 비해서 변동성이 컸는데 이는 실험 기간 동안 오전에는 구름없이 맑은 날씨였으나 오후에는 구름으로 인해 광 조건이 불안정하게 변화하면서 NDVI 산정에 영향을 주었기 때문으로 시계열 작황 분석을 위한 정밀 NDVI 산정 시에는 광 조건에 영향을 주는 기상 환경 등을 고려하여 NDVI 변동을 최소화할 수 있는 촬영 계획 수립과 이행이 필요할 것으로 판단된다. 무인비행체 다중분광센서 간 NDVI를 상호 비교한 결과 RedEdeg-MX 센서와 P4M, Sequioa 센서는 선형적인 관계를 보였으나 S110 NIR 센서와는 비선형적인 관계를 보여 S110 NIR 센서의 경우 Off-set 등을 통해 타센서와 공동으로 NDVI를 활용하기에는 한계가 있을 것으로 생각된다. RedEdge-MX 센서의 경우 본 실험에서는 촬영 기체와 관련 없이 촬영 환경이 유사한 경우 NDVI 값을 공동으로 활용할 수 있는 것으로 나타났으며, P4M과 Sequioa 센서의 NDVI는 RedEdge-MX 센서와 선형적인 관계를 보이기는 했지만 P4M, Sequioa 센서와 RedEdge-MX 센서 NDVI 간의 offset 보정을 통한 공동활용 가능성 평가를 위해서는 유사 한 기상환경에서 이들 센서 간의 관계가 추가로 실험되어야 할 것으로 생각된다.