DOI QR코드

DOI QR Code

수직 축 회전형 측각기 제작 및 야외 지표면 반사도 관측 시험: 타프와 잔디에서

Observation Test of Field Surface Reflectance Using Vertical Rotating Goniometer on Tarp Surface and Grass

  • 문현동 (전남대학교 응용식물학과) ;
  • 조은이 (전남대학교 응용식물학과) ;
  • 김현기 (전남대학교 응용식물학과) ;
  • 조유나 (전남대학교 응용식물학과) ;
  • 김보경 (전남대학교 응용식물학과) ;
  • 안호용 (국립농업과학원 기후변화평가과) ;
  • 류재현 (국립농업과학원 기후변화평가과) ;
  • 조재일 (전남대학교 응용식물학과)
  • Moon, Hyun-Dong (Department of Applied Plant Science, Chonnam National University) ;
  • Jo, Euni (Department of Applied Plant Science, Chonnam National University) ;
  • Kim, Hyunki (Department of Applied Plant Science, Chonnam National University) ;
  • Cho, Yuna (Department of Applied Plant Science, Chonnam National University) ;
  • Kim, Bo-Kyeong (Department of Applied Plant Science, Chonnam National University) ;
  • Ahn, Ho-Yong (Climate Change Assessment Division, National Institute of Agricultural Sciences) ;
  • Ryu, Jae-Hyun (Climate Change Assessment Division, National Institute of Agricultural Sciences) ;
  • Cho, Jaeil (Department of Applied Plant Science, Chonnam National University)
  • 투고 : 2022.11.27
  • 심사 : 2022.12.05
  • 발행 : 2022.12.31

초록

농업의 새로운 패러다임인 디지털 농업에서는 원격탐사 기법을 이용하여 작물 생육을 지속으로 감시하며 상태를 신속히 정보화하고 있다. 대표적으로 작물의 생육·생리적 변화에 대한 선택적인 파장 반사도 변화를 기반으로 한 식생지수가 주로 사용되어진다. 하지만 식생 표면의 분광 반사도는 이방성을 갖기 때문에 태양 위치와 지면 관측 방향에 따라 변할 수 있어 식생지수 값이 작물의 상태를 나타내지 못하고 왜곡될 수 있다. 본 연구에서는 야외용 측각기를 제작하여 타프(tarp)와 잔디 식생에서 시험 운영하였다. 램버시안 표면과 유사한 성질의 타프에서는 Blue, Green, Red, 근적외선 파장에 대해 대체적으로 타프의 속성 반사도와 유사하게 측정되었다. 하지만, 흐린 날은 센서 천정각이 커질수록 반사도가 과대 측정되는 경향을 보였다. 잔디에서 주요 식생지수의 상대 차잇값을 보았을 때, 태양과 센서 천정각에 대해 visible atmospherically resistant index (VARI)와 vegetation index green (VIgreen),simple ratio (SR), normalized difference vegetation index (NDVI), enhanced vegetation index (EVI) 순으로 민감하였다. 측각기를 통해서 직접 관측된 자료들은 원격탐사 기반의 반사도 기반 식생지수를 보다 정확하게 산출하는데 기여할 수 있을 것이다.

Vegetation indices using the reflectance of selected wavelength, associating with the monitoring purpose such as identifying the progress of crop growth, on the vegetation canopy surface is widely used in the digital agriculture technology. However, the surface reflectance anisotropy can distort the true value of vegetation index related to the condition of surface, even though the surface property be unchanged. That causes difficulty to observe accurately crop growth on the monitoring system. In this study, a simple type goniometer was designed to measure the reflectance from the anisotropic surface according to various zeniths and azimuths of sun and viewing sensor in the field. On the tarp like as Lambertian surface, the reflectance of Blue, Green, Red, Near-Infrared band was similar to the tarps' reflectance properties. However, the reflectance was slightly overestimated in the cloudy day. The relative difference values of vegetation indices on grass were overestimated for the forward viewing and underestimated for the backward viewing. In addition, enhanced vegetation index (EVI) showed less sensitive according to the positions of sun and sensor viewing. Field observation with a goniometer will be helpful to understand the anisotropy characteristics on the vegetation surface.

키워드

1. 서론

농업은 작물 생산성을 증대하기 위해서 다양한 재배 및 육종 기술을 발전시켜 왔으며, 최근에는 디지털 농업 기술의 발전으로 원격탐사 기법을 이용하여 신속하고 연속적으로 작물 생육을 탐지하고 분석하고 있다(Lee et al., 2017). 특히, 영농활동이 이루어지고 있는 농경지의 작물 군락(canopy) 표면의 선택적 파장 반사를 이용한 식생지수(vegetation indices)가 작물 모니터링 기법으로 많이 사용되고 있다(Na et al., 2016; Kamble et al., 2013). 하지만 식생지수에 사용되는 작물 지표면에서의 분광 반사는 시야 및 광원 방향의 함수로 표현되는 이방성(anisotropic)을 갖기 때문에 지표면의 토양과 식생의 물성(properties)이 변하지 않아도 야외에서는 관측 시간에 따른 태양천정각(solar zenith angle, SZA)과 태양 방위각(solar azimuth), 센서 관측 각도, 직달광과 산란광의 비율 등에 따라 값이 변할 수 있어 작물 생리·생육 특성 및 상태 탐지의 목적을 가진 작물 생육 모니터링 분석에 어려움을 준다(Zhao et al., 2020).

식생지수를 이용한 노지에서의 작물 생육 변화를 이해하기 위해서는 군락 반사도(canopy reflectance)의 기본 요소인 노지 작물에 입사되는 태양복사 에너지(solar irradiance)와 군락 표면에서 반사된 복사 에너지(reflected radiation)를 정확히 측정하는 것 외에도 하루 동안 변하는 태양복사 입사 방향에 따른 이방성 표면의 반사 특성을 고려해 분석해야 한다(Peng et al., 2015). 예를 들어 양방향 반사 분포 함수(bidirectional reflectance distribution function, BRDF)를 이용해 보정된 반사도로 식생지수를 산출하여야만, 표면 이방성에서 기인한 특성을 제외하고 작물 생리·생육 특성 및 상태만이 식생지수에 표현되어진다(Zhang et al., 2014; Li et al., 2021).

BRDF는 표면의 산란반사에 있어 광원 방향과 관측 센서 각도 사이의 관계를 물리적으로 풀이한 수치 모델이다(Gao et al., 2003). BRDF 모델은 대상 표면의 이방성 반사 특성을 3종류의 커널(isometric kernel, geometric kernel, volumetric kernel) 값으로 표현함으로써, 모든 입사광의 방위각과 천정각에 대한 어느 관측 위치에서든 표면 산란반사 분포를 추정할 수 있다. 하지만, 표면 특성을 표현하는 3종의 커널 계산은 서로 다른 입사광과 센서 위치 조건에서 측정된 반사도 3개만을 입력하기 때문에 대상 표면의 일부 산란반사 특징을 모든 표면 반사도 계산에 확대 해석할 수 있는 문제를 가지고 있다(Pokrovsky et al., 2002). 따라서, 최대한 다양하고 이질적인 입사광 및 센서 위치 조건에서의 반사도 관측값을 BRDF 커널계수 또는 BRDF 보정 반사도 계산에 입력하여 보정과 검증이 상호보완적으로 이루어져야 한다(Li et al., 2010).

다양한 관측 조건에서 표면 반사도를 측정할 목적으로 측각기(goniometer)에 분광 반사계를 설치하여 사용하는데, 노지 식생을 관측하기 위해서는 지표면의 대상 식물보다 측각기가 커야 하겠으며, 입력 복사원인 태양의 방위각과 천정각 변화에 따라 센서가 다양한 각도로 동일 지표면을 관측할 수 있어야 하겠다(Sandmeier and Itten, 1999). 국내에서는 지금까지 노지 식생을 대상으로 측각기를 이용한 반사도 시험이 이루어진 사례가 없지만, 해외에서는 야외에서 운용한 다양한 사례 및 측각기 형태가 개발되어 왔다(Harms et al., 2016; Yan et al., 2012).

Susaki et al. (2004)은 크레인의 4.1 m 높이에 분광 반사계를 설치해서 하루 태양천정각 변화에 따라 4개의 방위각과 13개의 센서 관측 각도에서 논 토양의 산란반사 분포를 확인하였다. 하지만, 크레인에 설치된 센서는 정확한 관측 각도를 만들기 쉽지 않으며, 각도 변화에 따라 동일한 지표면 지점을 지속적으로 관측하기도 어려울 것으로 보인다.

Sun et al. (2017)은 대형 카메라 삼각대를 개조하여 수직 축 회전형 측각기를 제작했으며, 2 m 높이에서 토양과 벼의 반사도를 4개 파장대로 9개 각도에서 관측하고 엽면적지수(leaf area index, LAI)와 비교하였다. 하지만, 측각기 구조가 카메라 삼각대를 기반으로 하고 있기 때문에 관측 각도 변경이 잦은 야외 시험에서 측각기 본체의 수평이 안정적으로 유지되기 어려울 것으로 사료된다.

Coburn et al. (2016)은 반경 60 cm의 이동형 아치형 형태의 측각기 구조물을 제작하여 특정 방위에 대해서만 여러 센서 천정각으로 보리 표면 반사도를 관측하였다. 야외에서 다양한 태양 방위각과 천정각으로 관측하려면 측각기가 하루 종일 안정적으로 위치를 잡아야 하는데, 이 구조물은 반달 모양으로 세워져 있어 빠르게 센서 각도를 변환할 수는 있겠지만 정확도를 담보하기 어려울 것으로 사료된다.

Suomalainen et al. (2009)은 높이가 155 cm에서 265 cm까지 조절이 되는 수직 축 회전형 측각기를 이용해 야외에서 눈이 쌓인 표면을 대상으로 센서 관측 각도에 따른 반사도를 비교하였다. 측각기가 야외에서도 안정적으로 각도 및 수평을 유지할 수 있도록 무게 중심을 최대한 아래 지면에 둔 점에서 차별성이 있다. 하지만, 일반적인 수직 축 회전형과 마찬가지로 두 방향의 센서 방위각만 관측이 가능하며 방위각을 바꾸려면 장점이었던 안정적 무게중심을 이동시켜야 한다는 단점이 생긴다.

Biriukova et al. (2020)은 직경 160 cm의 원형 레일에 설치하여 높이 125 cm의 수직 축 회전형 측각기의 방위각 변경이 용이하게 하였다. 병아리콩, 알팔파, 잔디, 벼에서 태양과 관측 천정각에 따라 태양유도엽록소형광(sun-induced chlorophyll fluorescence)을 관측했다. 하지만 지면에 설치한 원형 레일이 식생을 훼손할 위험이 우려된다. 한편, 대상 지면 식생을 보호하기 위해 레일의 원형 크기를 늘린다면, 측각기 높이가 더 커져야 하는 단점이 예상된다.

Sandmeier and Itten (1999)Schill et al. (2004)은 지름 약 2 m의 반구형 측각기에 초분광계를 설치하여 태양 방위각과 천정각 변화에 따른 모든 센서 방위 및 천정 각도로 파장대별 지표면 반사도를 관측할 수 있다. 발생되는 모든 산란반사 분포를 관측 제약없이 파악할 수 있는 장점은 매우 크지만, 매우 고가이고 설치가 난해한 토목 작업이며 지면 식생 훼손이 우려된다.

국내 연구진 Kim et al. (2022)는 측각기 구조물을 이용하지 않는 대신, 드론으로 관측 대상 지점을 중심으로 반구형태로 비행하면서 가능한 다양한 센서 방위각 및 천정각으로 반사도를 취득하였다. 산림에서는 수목 크기 보다 큰 측각기 구조물을 설치할 수 없기 때문에 효과적이겠지만, 반구형으로 비행 관측하는 시간이 다소 소요되어 태양 조도 조건이 변할 수 있는 단점이 있다.

국내의 식생지수 연구는 위성 뿐만 아니라 드론과 고정식 지상 관측 등의 기술을 이용하여 활발하게 수행되고 있으나, 지면 식생 반사도의 이방성 특성 연구는 미비하며 더욱이 야외에서 측각기를 이용한 관측자료 분석은 거의 전무한 실정이다. 본 연구에서는 국내의 노지 작물을 대상으로 활용이 가능한 측각기를 제작하여 4종의 반사도 보정 타프(tarp)와 잔디 식생에서 시험 운영한 결과를 보고하였다.

2. 재료 및 방법

1) 고니오미터 설계 및 제작

국내에서는 야외에서 측각기를 이용하여 지표면 반사도를 측정한 사례가 없기 때문에 해외의 측각기 사례를 참고하였다. 반구형 측각기(Sandmeier and Itten, 1999; Schill et al., 2004)는 모든 센서 방위각과 천정각을 관측할 수 있어 성능이 우수하지만 제작 단가가 고가이며 이동 설치가 자유롭지 않기 때문에 배제하였다. 수직 축 회전형 측각기 형태 중에서 원형 레일이 지면에 깔려 있는 형태(Biriukova et al., 2020)는 식생을 훼손할 우려와 안정적 자세 유지에 어려움이 예상되어 고려하지 않았다. Suomalainen et al. (2009)의 수직 축 회전형 측각기는 비록 2방향의 방위각 관측만이 허용되지만, 무게 중심이 아래에 있어 안정적 자세와 이동 설치의 용이성이 높아 본 연구 제작에 참고하였다.

제작한 측각기 중심에서 위로 뻗어 있는 중심 암(main boom arm)은 각도조절 브라켓에 연결되어 좌우 180°로 회전하며 주먹핸들로 원하는 각도에 고정이 가능하다. 중심 암의 길이는 우리나라 주요 작물인 벼와 콩의 크기, 그리고 측각기 구조의 안정성을 고려하여 188 cm로 하였다(Fig. 1(a)). 중심 암에서 관측 지면을 향해 가로로 뻗어 나오는 암 말단에 분광 반사계를 설치할 수 있도록 하였다. 그 암의 길이는 122 cm로 하였는데 전체 구조물의 안정성을 해치지 않는 정도에서 센서의 관측 시야각(field of view, FOV) 안에 측각기 본체에 포함되지 않도록 한 것이다. 센서 각도 조절 시에 가로로 뻗은 암이 흔들리지 않도록 받쳐주는 암을 덧대었고, 각도조절 브라켓에 사용된 철판 두께를 2 mm로 하였다.

OGCSBN_2022_v38n6_1_1207_f0001.png 이미지

Fig. 1. Simplified mobile goniometer (a), observation of the tarp reflectance on the roof top (b) and grass reflectance in backyard (c).

측각기는 관측지 간 이동 설치가 용이하며 현장에서 쉽게 수평을 잡을 수 있도록, 내구성이 우수하고 가벼운 알루미늄 재질의 프로파일이 각 마디 마다 분리되게 제작하였다. 지표면 반사도 관측에 영향을 주지 않도록 사용된 골격 재료는 모두 검은색 프로파일을 사용하였다. 측각기 하부 골격이 뒤틀리지 않게 밑 바닥에 철판을 깐 뒤 흔들리지 않도록 하중이 나가는 물건(e.g., 물통, 모래 주머니)을 올려 두었다.

측각기에 설치한 분광계는 FloX (JB Hyperspectral Devices, Düsseldorf, Germany)로 400 nm와 950 nm 사이 파장의 입사와 반사된 복사 에너지를 측정한다. FloX의 반치전폭(full width at half maximum, FWHM)은 최대 1.5 nm이고 분광 추출 간격(spectral sampling interval, SSI)은 0.65 nm이다. 분광계는 >98% 반사율의 흰색 완전확산 판넬로 보정한 후 측각기에 부착하였다. 분광계에서 나온 광섬유(bare optical fiber) 말단의 반사 및 입사 탐침(probe)의 FOV는 20°와 180°로 측각기 최대 높이에서 지면을 수직(nadir) 방향으로 바라보는 관측 지표면 크기(footprint area)는 반경 33.14 cm의 원형이다. 관측 지표면 크기는 제작한 측각기의 중심 암을 회전시켜 센서 관측 천정각을 변경하면 달라지는데, 50°일 경우 타원의 크기가 단축 반경 33.14 cm, 장축 반경 65.29 cm가 된다.

2) 관측 장소 및 대상

관측 장소는 광주광역시 북구 용봉로 77의 전남대학교 농업생명과학대학 1층 건물 옥상(위도: 35°10′30.0″N, 경도: 126°53′56.4″E)과 농업생명과학대학 4호관 잔디밭(위도: 35°10′33.6″N, 경도: 126°54′03.6″E)으로 두 장소에서 각각 반사도 타프와 잔디를 관측하였다. 반사도 타프는 항공우주연구원의 협조로 위성 검보정에 사용하던 5×20 m 크기로써 그 중 일부분만 펴서 측각기로 관측하였다(Fig. 1(b), (c)). 사용된 타프 종류는 총 4가지로 각각 3%, 25%, 35%, 53%의 반사도를 가지고 있다. 측각기 방향은 정남향으로 위치시키고 중심 암을 좌우 동-서 방향으로 회전시켰다.

타프 관측은 2022년 4월 5일 12시와 6일 12시, 15시이며, 잔디 관측은 2022년 4월 20일 10시, 12시, 15시에 이루어졌다. 해당 시간에 이루어지는 관측은 5개의 센서 각도에서 순차적으로 이루어졌고, 각 다섯 지점의 센서 천정각은 동쪽 방향에서 –50°와 –25°, 지면을 수직으로 내려보는 0°, 그리고 서쪽 방향에서 25°과 50°이다. 한 센서 위치에서 3차례 반복 관측이 수행되었고, 1회 관측에 약 1분 정도의 시간이 소요된다. 기상은 2022년 4월 5일은 옅은 구름이 드리웠으며, 4월 6일과 20일은 맑았다(Fig. 2). 기상은 측각기 관측 현장에 임시 설치한 온·습도계(ATMOS-14, METER Inc., USA)와 일사계(SP-110, Apogee Instruments Inc., USA)로 측정했으며, 기상 관측 값은 데이터로거(ZL6, METER Inc., USA)에 5분 간격으로 저장되었다.

OGCSBN_2022_v38n6_1_1207_f0002.png 이미지

Fig. 2. Time series of solar radiation, air temperature, and relative humidity on observation days: Apr. 5th (a), Apr. 6th (b), and Apr. 20th (c).

3) 관측 식생지수

식생 반사도에 영향을 미치는 요소는 지표면 위에 존재하는 식물 생물량(biomass)과 구조(canopy structure) 그리고 식물 생리·생화학적인 상태가 있을 수 있다. 생물량과 구조에 의존적인 식생지수는 생육 모니터링 및 수확량 예측에 많이 사용되고 있다(Sims et al., 2006). 대표적으로 normalized difference vegetation index (NDVI; Simset al., 2006)가 있으며, 그 밖에 simple ratio (SR; Jordan, 1969), enhanced vegetation index (EVI; Huete et al., 1997), visible atmospherically resistant index (VARI; Gitelson et al., 2002), vegetation index green (VIgreen; Gitelson et al., 2002) 등이 있다. 본 연구에서는 NDVI, SR,EVI,VARI,VIgreen에 사용된 파장의 반사도를 측각기를 통해 관측하고, 각각의 식생지수를 산출하였다.

\(\begin{aligned}NDVI=\frac{R_{800}-R_{668}}{R_{800}+R_{668}}\end{aligned}\)        (1)

\(\begin{aligned}SR=\frac{R_{800}}{R_{668}}\end{aligned}\)       (2)

\(\begin{aligned}\mathrm{EVI}=2.5 * \frac{\left(R_{800}-R_{668}\right)}{R_{800}+6 * R_{668}-7.5 * R_{800}-R_{475}+1}\\\end{aligned}\)       (3)

\(\begin{aligned}\mathrm{VARI}=\frac{R_{531}-R_{668}}{R_{531}+R_{668}-R_{475}}\\\end{aligned}\)       (4)

\(\begin{aligned}VIgreen=\frac{R_{531}-R_{668}}{R_{531}+R_{668}}\\\end{aligned}\)      (5)

위 식에서 R은 반사도를 나타내며 아래 첨자 숫자는 파장 밴드(nm)를 나타낸다.

3. 결과 및 고찰

1) 타프의 주요 파장 반사도

완전확산면을 만들어주는 도료가 칠해진 타프는 램버시안 표면으로써 태양 및 센서 위치와 상관없이 도료의 속성 반사도 값으로 일정하게 관측되는 등방성(isotropic) 특성을 가져야 한다(Fig. 3). Fig. 4은 4종류의 반사도 보정 타프에서 Blue (475 nm), Green (531 nm), Red (668 nm), Near-infrared (NIR, 800 nm) 파장을 측각기로 관측한 결과이다. 측각기 관측 결과는 대체적으로 각 밴드 반사도는 타프의 속성 반사도와 유사하였고, 태양과 센서 위치에 따라 반사도의 큰 차이를 보이지 않았다.

OGCSBN_2022_v38n6_1_1207_f0003.png 이미지

Fig. 3. Mental image of the isotropic reflection on Lambertian surface associated with different sensor zenith angle (θ).

OGCSBN_2022_v38n6_1_1207_f0004.png 이미지

Fig. 4. Observed reflectance associated with different solar and sensor zenith angles on tarp on April 5th at 12PM (a), April 6th at 12PM (b), and 15PM (c). Solar azimuth angles for 12PM and 15PM are 162° and 237° where north is zero degree.

하지만, 등방성의 이론적 모습과 다른 점도 보였는데, 반사를 많이 시키는 속성을 갖는 타프일수록 파장 간 관측 반사도 차이가 컸다. NIR, Red, Green, Blue 순서로 관측 반사도가 낮아졌으며, 그 차이는 53% 타프에서 가장 크게 나타났다. 사용된 분광계는 실험 전에 이미 보정되었으므로 관측된 값 자체가 타프의 실제 속성으로 보아도 무방할 것으로 사료된다. 본 연구에서 사용한 타프는 항공기 및 위성 보정에 사용하는 대형이기 때문에 관리 과정에서 쉽게 이물질로 더러워질 수 있다. 따라서, 속성 반사도 값이 큰 밝은 색 타프일수록 상대적으로 민감하게 반사도가 낮아질 가능성이 있는데, 그것이 파장 별로도 달랐던 것으로 사료된다.

4월 5일과 6일의 정오 관측은 비록 태양 위치가 같은 조건이지만, 흐린 날 –50°와 +50° 측각기 천정각(Fig. 3의 θ)에서 상대적으로 높은 반사도 값을 보였다(Fig. 4(a), (b)). 이런 모습은 흐린 날의 모든 타프 종류와 밴드에서 동일하게 나타났다. 흐린 날은 일반적으로 광도가 낮아지며 대기 산란일사 비율이 높아지는 특징이 있는데, 반사도는 입사량에 대한 반사량의 비율값이므로 분광계의 관측 성능 내에서 낮아진 광도는 이러한 문제를 야기하지 않았을 것이다. 반면, 이론적으로 타프와 같은 램버시안 표면이 등방성으로 관측되는 이유에서 실마리를 찾을 수 있는데, 센서 천정각(θ)이 커질수록 cos (θ)에 비례해 관측 산란 광도가 낮아지겠지만, 관측 면적은 1/cos (θ)에 비례해 넓어져 보다 많은 광선이 센서에 포착됨으로써 낮아진 광도를 만회한다. 4월 5일 흐린 날 관측 시(Fig. 4(a)), 측각기가 정확한 센서 각도를 만들지 못해서 1/cos (θ) 비율의 관측 면적 변화를 재현하지 못하였을 가능성은 낮은데, 그 이유는 다음날 4월 6일 맑은 날(Fig. 4(b))의 측각기 실험에서는 센서 각도에 따른 반사도 차이가 매우 적었기 때문이다. 따라서 정오의 태양 천정각 30°로부터의 대기 직달일사(direct solar radiation)는 낮고 측면에서 입사되는 대기 산란일사(diffuse solar radiation) 비율은 높았던 상황에서 cos (θ)에 비례해 표면 산란 강도가 작아지는 경향이 완벽하지는 않은 램버시안 표면인 타프의 실제 성질 때문에 위축된 것으로 사료된다.

Fig. 4(b)와 (c)는 맑은 조건에서 태양천정각이 12시의 30°에서 15시의 45°로 달라진 차이이다. 15시 관측에는 태양이 서쪽으로 이동한 상태여서 측각기 회전 방향을 음(–)의 동쪽 방향으로 하면 전방산란반사(forward reflectance), 양(+)의 서쪽 방향으로 하면 후방산란반사(backward reflectance)가 된다. 15시의 전방산란반사의 값이 명확하게 가장 컸고, 그 차이는 타프의 속성 반사도가 낮은 어두운 표면에서 더 컸다. 또한 후방산란반사 값도 전방산란반사 값보다는 낮았지만, 센서 천정각이 0°(nadir)일 때의 반사도보다 컸다. 이방성 표면에서는 전방산란반사가 상대적으로 큰 것이 일반적이지만, 등방성으로 제작된 타프 표면에서 이런 모습이 보인 것은 앞서 흐린 날에 등방성 특징이 잘 드러나지 않았던 이유와 유사한 타프의 실제 상태 때문으로 추정된다.

2) 잔디의 주요 파장 반사도

Fig. 5는 잔디에서 Blue, Green, Red, NIR 파장의 반사도를 종일 맑았던 오전, 정오, 오후에 측각기로 관측한 것이다. Blue, Green, Red는 주로 살아 있는 잎에, NIR은 잔여물 잎에 흡수되는데, 관측일의 잔디는 새로운 잎이 수직형으로 올라와 있었으며 전년도에 깎여진 잔여물 잎이 상층 표면에 수평으로 누여져 퍼져 있는 상태였다. 태양과 센서 위치와는 별개로 Blue, Green, Red 반사도보다 NIR의 반사도가 두드러지게 높은 식물의 전형적인 반사도 모습을 보였다. 하지만, Green보다 Red 반사도가 다소 낮은 일반적 모습과는 반대로 Red가 Green보다 반사도가 높은 것은 잔여물의 영향으로 있었던 것으로 추정된다.

OGCSBN_2022_v38n6_1_1207_f0005.png 이미지

Fig. 5. Observed reflectance associated with different solar and sensor zenith angles on grass.

동쪽의 –50°부터 서쪽의 +50°으로 센서 천정각이 변함에 따라 오전(10시)과 오후(15시) 모두 후방산란반사가 가장 높았고, 다음으로 직하 반사도 그리고 전방산란반사 순서로 낮아지는 모습을 보였다. 이러한 모습은 모든 파장에서 매우 유사하게 나타났다. 이러한 모습은 관측 지표면의 지형은 평평한데 반해, 수직형 잎을 가진 잔디의 표면 거칠기가 크기 때문에 입사된 광선이 대칭 방향으로 전진 반사되는 전방산란반사보다는 후방 산란반사가 컸던 것으로 사료된다.

이와 같은 특징은 태양천정각이 24°인 정오의 측각기 관측에서도 드러나는데, 센서 천정각 0°인 수직 관측에서 반사도가 가장 높았고 측각기를 동쪽 또는 서쪽으로 회전할수록 반사도가 낮아져서 센서 각도에 따른 반사도 변화 모습이 역V자 모양을 보였다. 이것은 모든 파장에서 마찬가지였으나 NIR에서는 다소 완만한 역V자를 보였다. 이는, 정오에 직하로 입사되는 광이 수평형의 잔여물에서 NIR 파장의 산란복사가 잘 이루어진 것으로 사료된다.

3) 잔디 주요 식생지수

태양과 센서 관측 천정각이 모두 0°일 때 획득된 식생지수에서 이방성 왜곡이 가장 적은 것으로 보기 때문에, 비록 반사도 값의 보정이 없더라도 정오에 직하방향으로 관측한 식생지수 값이 참값에 가깝다고 가정할 수 있다. Fig. 6은 정오에 측각기 0°일 때를 기준으로 태양과 센서 위치에 따른 잔디 식생지수의 상대 차잇값을 보인 것이다. 사용한 파장 밴드가 동일한 NDVI와 SR은 반사도의 상대 차잇값의 패턴도 유사했는데, 전방산란복사를 관측할 때 차잇값이 가장 크게 발생했고, 정오 관측이라고 하더라도 센서 천정각이 커지면 NDVI와 SR 값이 작아지는 경향을 보였다. 이렇게 태양과 센서 위치에 따른 NDVI와 SR의 변화 패턴은 동일했으나 변화 폭은 SR에서 더 컸다. 따라서 NDVI보다 SR이 식생 표면 거칠기에 민감한 것으로 평가된다.

OGCSBN_2022_v38n6_1_1207_f0006.png 이미지

Fig. 6. The relative difference (%) of the vegetation index associated with solar and sensor zenith angles on grass. (a) NDVI, (b) SR, (c) EVI, (d) VARI, and (e) VIgreen.

EVI는 기능적으로 NDVI로부터 개선된 식생지수로 볼 수 있는데, 토양의 반사 효과를 제거하여 보다 식생 반사도를 집중적으로 표현한다. 다른 식생지수와는 달리 측각기 각도 변경에 따른 EVI 값은 오전, 정오, 오후의 패턴이 모두 같았다. 한편, 정오의 직하 관측일 때인 EVI 기준값보다 모든 경우에 있어 관측 식생지수 값이 작았다. 하지만, 그 차이 폭은 NDVI와 SR보다도 적어 식생 표면의 이등방성에 덜 민감하다는 것을 알 수 있다.

VARI와 VIgreen은 2개의 파장 밴드가 같지만, VARI에서 475 nm 파장을 추가로 사용하는 차이를 가지지만, 태양과 센서 각도에 따른 식생지수 값 변화가 거의 일치하는 모습을 보인다. 이는 475 nm의 이등방성 변화가 VARI 값에 거의 영향을 미치지 못했기 때문으로 사료된다. 또한 VARI와 VIgreen은 센서 관측 위치에 따라 매우 큰 폭으로 값이 변하는 것으로 볼 때 보정(e.g., nadir BRDF-adjusted reflectance)없이 활용하기는 어려울 것으로 보인다.

4. 요약 및 제언

본 연구에서는 야외에서 활용이 가능한 측각기를 제작하여 등방성이라고 알려진 4종류 반사도의 타프 표면과 이등방성인 잔디에서 반사도를 측정하였다. 해외 선행연구 사례를 참고하여 제작한 측각기는 매우 안정적으로 이동, 설치, 각도 변환이 이루어졌으며, 향후 다양한 작물에서의 활용 가능성을 보여줬다.

위성 검증에도 사용된 이력이 있는 타프를 측각기로 관측했을 때 대체로 등방성을 보였지만, 흐린 날에는 정오 관측이라고 해도 센서 천정각이 커지면서 사전에 알고 있던 타프의 반사도 값을 벗어났다. 또한 맑은 날이라고 해도 센서 천정각이 크면 전방산란반사가 커지는 모습을 보였다.

식생을 대표하여 시험한 잔디에서는 파장별 반사도와 식생지수를 측정하고 분석했는데, 다양한 이등방성 특징을 보여주었다. 대표적으로 타프에서와는 달리 시험한 모든 파장에서 후방산란반사가 전방산란반사보다 더 컸는데, 이는 식물의 형태에 크게 영향을 받았을 것으로 사료되며, 앞으로 다양한 식물 형태 및 식생 구조에서 시험하여 그 특성을 더 깊게 이해할 필요가 있겠다. 더불어 본 연구에서 사용한 식생지수는 생물량과 구조를 표현하는 기능에 적합한 것으로 알려진 것들로써, 식물의 생리·생화학적 특성을 탐지하는 계열의 식생지수는 반사의 이등방성이 원인이 아니어도 식물을 관측하는 방향에 따라 값이 달라질 수도 있다. 가령 Ryu et al.(2018)이 보고한 바에 따르면 잎 면적이 바라보는 방위에 따라 하루 중에 잎이 받는 광저해 정도가 다르므로, 스트레스 탐지에 효과적인 photochemical reflectance index(PRI)는 노지 식물을 관측하는 방위에 따라 값이 달라진다. 따라서 향후 다양한 계열의 식생지수를 측각기로 관측하여 식생 표면의 이등방성 뿐만 아니라 생리적 특성 변화가 반사도에 미치는 영향도 함께 이해해야 할 것이다.

측각기를 통해서 직접 관측된 자료들은 식생 지표면에서의 반사도 보정을 위한 BRDF 모델의 모수화 및 검증에 이용될 수 있다. 모든 식생을 대상으로 측각기 관측을 수행하는 것은 한계가 있기 때문에 측각기 관측 자료 기반으로 BRDF 모델 예측력을 향상시키면 위성, 항공기, 드론 등의 반사도 기반 식생지수를 보다 정확하게 산출하는데 기여할 수 있을 것으로 본다.

사사

이 논문은 농촌진흥청 공동연구사업(과제번호: PJ016234032022)의 지원을 받았으며, 이에 감사드립니다.

참고문헌

  1. Biriukova, K., M. Celesti, A. Evdokimov, J. Pacheco-Labrador, T. Julitta, M. Migliavacca, C. Giardino, F. Miglietta, R. Colombo, C. Panigada, and M. Rossini, 2020. Effects of varying solar-view geometry and canopy structure on solar-induced chlorophyll fluorescence and PRI, International Journal of Applied Earth Observation and Geoinformation, 89: 102069. https://doi.org/10.1016/j.jag.2020.102069
  2. Coburn, C.A. and S.D. Noble, 2016. ULGS II: A High-Performance Field and Laboratory Spectrogoniometer for Measuring Hyperspectral Bidirectional Reflectance Characteristics, IEEE Transactions on Geoscience and Remote Sensing, 54(4): 2304-2313. https://doi.org/10.1109/TGRS.2015.2499245
  3. Gao, F., C.B. Schaaf, A.H. Strahler, Y. Jin, and X. Li, 2003. Detecting vegetation structure using a kernel-based BRDF model, Remote Sensing of Environment, 86(2): 198-205. https://doi.org/10.1016/S0034-4257(03)00100-7
  4. Gitelson, A.A., Y.J. Kaufman, R. Stark, and D. Rundquist, 2002. Novel algorithms for remote estimation of vegetation fraction, Remote Sensing of Environment, 80(1): 76-87. https://doi.org/10.1016/S0034-4257(01)00289-9
  5. Harms, J.D., C.M. Bachmann, J.W. Faulring, and A.J.R. Torres, 2016. A next generation field-portable goniometer system, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XXII, 9840: 103-109. https://doi.org/10.1117/12.2223180
  6. Huete, A.R., H.Q. Liu, K. Batchily, and W. Leeuwen, 1997. A Comparison of Vegetation Indices over a Global Set of TM Images for EOS-MODIS, Remote Sensing of Environment, 59(3): 440-451. https://doi.org/10.1016/S0034-4257(96)00112-5
  7. Jordan, C.F., 1969. Derivation of Leaf-Area Index from Quality of Light on the Forest Floor, Ecology, 50(4): 663-666. https://doi.org/10.2307/1936256
  8. Kamble, B., A. Kilic, and K. Hubbard, 2013. Estimating Crop Coefficients Using Remote Sensing-Based Vegetation Index, Remote Sensing, 5(4): 1588-1602. https://doi.org/10.3390/rs5041588
  9. Kim, M., C. Jin, S. Lee, K.M. Kim, J. Lim, and C. Choi, 2022. Calibration of BRDF Based on the Field Goniometer System Using a UAV Multispectral Camera, Sensors, 22(19): 7476. https://doi.org/10.3390/s22197476
  10. Lee, K., C.W. Park, S.I. Na, M.P. Jung, and J. Kim, 2017. Monitoring on Crop Condition using Remote Sensing and Mode, Korean Journal of Remote Sensing, 33(5-2): 617-620 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.5.2.1
  11. Li, F., D.L.B. Jupp, S. Reddy, L. Lymburner, N. Mueller, P. Tan, and A. Islam, 2010. An Evaluation of the Use of Atmospheric and BRDF Correction to Standardize Landsat Data, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 3(3): 257-270. https://doi.org/10.1109/JSTARS.2010.2042281
  12. Li, W., J. Jiang, M. Weiss, S. Madec, F. Tison, B. Philippe, A. Comar, and F. Baret, 2021. Impact of the reproductive organs on crop BRDF as observed from a UAV, Remote Sensing of Environment, 259(15): 112433. https://doi.org/10.1016/j.rse.2021.112433
  13. Na, S.I., C.W. Park, Y.K. Cheong, C.S. Kang, I.B. Choi, and K.D. Lee, 2016. Selection of Optimal Vegetation Indices for Estimation of Barley & Wheat Growth based on Remote Sensing, Korean Journal of Remote Sensing, 32(5): 483-497 (in Korean with English abstract) https://doi.org/10.7780/kjrs.2016.32.5.7
  14. Peng, J., W. Fan, X. Xu, Y. Liu, and L. Wang, 2015. Crop specified albedo model based on the law of energy conservation and spectral invariants, Proc. of 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Milan, Italy, Jul. 17-22, pp. 653-656. https://doi.org/10.1109/IGARSS.2015.7325848
  15. Pokrovsky, O. and J.L. Roujean, 2002. Land surface albedo retrieval via kernel-based BRDF modeling: I. Statistical inversion method and model comparison, Remote Sensing of Environment, 84(1): 100-119. https://doi.org/10.1016/S0034-4257(02)00100-1
  16. Ryu, J.-H., D. Oh, S.W. Jang, H. Jeong, K.H. Moon, and J. Cho, 2018. Assessment of Photochemical Reflectance Index Measured at Different Spatial Scales Utilizing Leaf Reflectometer, Field Hyper-Spectrometer, and Multi-spectral Camera with UAV, Korean Journal of Remote Sensing, 34(6-1): 1055-1066 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2018.34.6.1.17
  17. Sandmeier, S.R. and K.I. Itten, 1999. A Field Goniometer System (FIGOS) for Acquisition of Hyperspectral BRDF Data, IEEE Transactions on Geoscience and Remote Sensing, 37(2): 978-986. https://doi.org/10.1109/36.752216
  18. Schill, S.R., J.R. Jensen, G.T. Raber, and D.E. Porter, 2004. Temporal Modeling of Bidirectional Reflection Distribution Function (BRDF) in Coastal Vegetation, GIScience and Remote Sensing, 41(2): 116-135. https://doi.org/10.2747/1548-1603.41.2.116
  19. Sims, D.A., H. Luo, S. Hastings, W.C. Oechel, A.F. Rahman, and J.A. Gamon, 2006. Parallel adjustments in vegetation greenness and ecosystem CO2 exchange in response to drought in a Southern California chaparral ecosystem, Remote Sensing of Environment, 103(3): 289-303. https://doi.org/10.1016/j.rse.2005.01.020
  20. Sun, T., H. Fand, W. Liu, and Y. Ye, 2017. Impact of water background on canopy reflectance anisotropy of a paddy rice field from multi-angle measurements, Agricultural and Forest Meteorology, 233(15): 143-152. https://doi.org/10.1016/j.agrformet.2016.11.010
  21. Suomalainen, J., T. Hakala, J. Peltoniemi, and E. Puttonen, 2009. Polarised Multiangular Reflectance Measurements Using the Finnish Geodetic Institute Field Goniospectrometer, Sensors, 9(5): 3891-3907. https://doi.org/10.3390/s90503891
  22. Susaki, J., K. Hara, J.G. Park, Y. Yasuda, K. Kajiwara, and Y. Honda, 2004. Validation of Temporal BRDFs of Paddy Fields Estimated From MODIS Reflectance Data, IEEE Transactions on Geoscience and Remote Sensing, 42(6): 1262-1270. https://doi.org/10.1109/TGRS.2004.826798
  23. Yan, G., H. Ren, R. Hu, K. Yan, and W. Zhang, 2012. A portable Multi-Angle Observation System, Proc. of 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, Jul. 22-27, pp. 6916-6919. https://doi.org/10.1109/IGARSS.2012.6352572
  24. Zhang, Q., Y.B. Cheng, A.I. Lyapustin, Y. Wang, X. Xiao, A. Suyker, S. Verma, B. Tan, and E.M. Middleton, 2014. Estimation of crop gross primary production (GPP): I. impact of MODIS observation footprint and impact of vegetation BRDF characteristics, Agricultural and Forest Meteorology, 191(15): 51-63. https://doi.org/10.1016/j.agrformet.2014.02.002
  25. Zhao, H., C. Yang, W. Guo, L. Zhang, and D. Zhang, 2020. Automatic Estimation of Crop Disease Severity Levels Based on Vegetation Index Normalization, Remote Sensing, 12(12): 1930. https://doi.org/10.3390/rs12121930