• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.507-519
• /
• 2017

정규식생지수(NDVI, Normalized Difference Vegetation Index)는 생물량 및 $CO_2$ 흡수량 추정과 병충해 탐지 등 다양한 식생 모니터링 영역에서 활용되고 있다. 그러나, 생물량 탐지에 비해 상대적으로 식생의 생리적 상태 변화에 대한 민감도가 낮아 식생의 생리적 활성 및 스트레스를 파악에 한계가 있다. 최근 개발된 광학반사지수(PRI, Photochemical Reflectance Index)는 식생의 생리적 상태 탐지에 용이한 것으로 알려지고 있으며, 식생의 탄소 흡수량 조사를 위해 향후 발사될 해외의 지구관측위성들의 주요 산출물로 선정되는 등 활용도가 높아질 것으로 전망된다. 이에 다양한 이용에 앞서 광 스트레스에 민감한 PRI 특성을 고려하여 그림자 영향의 해석 방향을 제시하고, 현재 가용한 위성으로 PRI 산출이 가능한지 알아보기 위해 대체 밴드를 평가하였다. 항공 초분광 영상을 이용한 본 연구에서는 PRI값이 그림자 부분에서 광 스트레스의 감소로 인해 증가하였다. 그러나 그림자의 정도가 임계값(Shadow Index<25)을 넘어서면 PRI와 NDVI 모두의 자료 품질이 매우 낮아졌다. 또한, 문헌의 570.0 nm 대신 553.6 nm를 사용하여 산출한 PRI가 오리지널 PRI와 높은 상관관계를 보였으며, RED와 NIR 반사도를 이용하여 다중회귀분석을 수행하였을 때 더욱 향상된 결과를 보였다. 이러한 결과는 향후 식생탐지에서 활용도가 높아질 것으로 기대되는 PRI의 생리적인 의미를 이해하는데 도움이 될 것이다.

• Journal of Biosystems Engineering
• /
• 제43권2호
• /
• pp.148-159
• /
• 2018

Purpose: Unmanned air vehicle (UAV) remote sensing was applied to test various vegetation indices and make prediction models of protein content of rice for monitoring grain quality and proper management practice. Methods: Image acquisition was carried out by using NIR (Green, Red, NIR), RGB and RE (Blue, Green, Red-edge) camera mounted on UAV. Sampling was done synchronously at the geo-referenced points and GPS locations were recorded. Paddy samples were air-dried to 15% moisture content, and then dehulled and milled to 92% milling yield and measured the protein content by near-infrared spectroscopy. Results: Artificial neural network showed the better performance with $R^2$ (coefficient of determination) of 0.740, NSE (Nash-Sutcliffe model efficiency coefficient) of 0.733 and RMSE (root mean square error) of 0.187% considering all 54 samples than the models developed by PR (polynomial regression), SLR (simple linear regression), and PLSR (partial least square regression). PLSR calibration models showed almost similar result with PR as 0.663 ($R^2$) and 0.169% (RMSE) for cloud-free samples and 0.491 ($R^2$) and 0.217% (RMSE) for cloud-shadowed samples. However, the validation models performed poorly. This study revealed that there is a highly significant correlation between NDVI (normalized difference vegetation index) and protein content in rice. For the cloud-free samples, the SLR models showed $R^2=0.553$ and RMSE = 0.210%, and for cloud-shadowed samples showed 0.479 as $R^2$ and 0.225% as RMSE respectively. Conclusion: There is a significant correlation between spectral bands and grain protein content. Artificial neural networks have the strong advantages to fit the nonlinear problem when a sigmoid activation function is used in the hidden layer. Quantitatively, the neural network model obtained a higher precision result with a mean absolute relative error (MARE) of 2.18% and root mean square error (RMSE) of 0.187%.

• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.571-585
• /
• 2017

적색경계밴드(red-edge band)가 식물의 생물리적 특성과 밀접한 관계를 가지고 있다고 알려지고 있으며, 이에 따라 최근 적색경계밴드를 포함한 위성영상센서가 증가하고 있다. 본 연구는 향후 농림업중형위성에 적색경계밴드 탑재를 계획하고 있는 점을 감안하여, 적색경계밴드와 관련된 연구 현황과 활용 가치를 분석하고자 한다. 수관울폐도가 높은 우리나라 산림의 엽면적지수(Leaf Area Index, LAI) 추정에 있어서 적색경계밴드의 효과를 분석하였고, 더 나아가 LAI 추정을 위한 최적의 파장폭과 파장영역을 도출하고자 하였다. LAI가 5 이상인 갈참나무와 리기다소나무를 대상으로 4월부터 10월까지 시계열 분광반사 측정자료를 이용하여 LAI와의 상관관계를 분석하였다. 분광반사측정자료에서 5개의 파장폭(10 nm, 20 nm, 30 nm, 40 nm, 50 nm)과 71개의 중심파장(680 nm부터 750 nm까지 1 nm 간격)을 달리하여 모두 355개의 적색경계밴드를 모의 생성했다. 적색경계밴드를 기반으로 하는 두 개의 분광지수 NDRE(normalized difference red-edge index)와 CIRE(chlorophyll index red-edge)를 산출하여 LAI와 상관관계를 분석하였다. 적색경계밴드 기반의 분광지수인 NDRE 및 CIRE는 수관울폐도가 높은 갈참나무와 리기다소나무의 LAI와 높은 상관관계를 얻을 수 있었다. 이는 수관울폐도가 높은 국내 산림에서 일반적으로 사용되는 NDVI가 LAI와의 상관관계가 낮게 나타났던 한계를 해결할 수 있는 가능성을 보여주었다. 10 nm부터 50 nm까지 적색경계밴드의 파장폭 효과는 산림의 LAI와 관계에서 큰 차이를 보이지 않았다. LAI와 최대 상관관계를 보이는 적색경계밴드의 중심파장은 갈참나무에서는 720 nm 부근, 그리고 리기다소나무에서는 710 nm 주변으로 나타났다. 우리나라 농작물 및 산림의 식생정보 획득과 모니터링을 위한 최적의 적색경계밴드의 파장폭과 파장영역을 결정하기 위해서는 다른 생물리적인자(엽록소, 질소, 수분함량, 생체량 등)와의 관계도 충분히 고려하여야 한다.