다중분광 정보를 이용한 태양 고도각과 기온에 따른 식생지수 변화 분석 = Analysis of Vegetation Index Changes according to Solar Elevation Angle and Temperature Using Multispectral Information

다국어 초록 (Multilingual Abstract)

This study selected five vegetation indices, NDVI, NDRE, GNDVI, LCI, and OSAVI, and analyzed the correlation between them, among various vegetation indices to analyze the effect of temperature and solar altitude on vegetation index in the water system area. It was intended to increase the accuracy of the vegetation index by acquiring multiple spectral data of the target site through drones and multispectral cameras, dividing the target site into grids after post-treatment, and calculating the average of the vegetation index in the grid. The acquired vegetation index showed that OSAVI significantly lowered the figure in June compared to May in the two target sites. Regression analysis was conducted in three cases: temperature, solar altitude, temperature, and solar altitude, and in this study, OSAVI was presented to be 0.06∼0.61 lower than other indices that showed 0.8 or higher. NDRE and LCI were the highest correlation coefficients on average at 0.98, but OSAVI did not undergo separate correction at the time of filming, so it is believed that the number was relatively low due to inconsistent factors.

국문 초록 (Abstract)

본 연구는 수계지역에서 기온과 태양고도각이 식생지수에 미치는 영향을 분석하기 위하여 다양한 식생지수 중에서 NDVI, NDRE, GNDVI, LCI, OSAVI의 5가지 식생지수를 선정하고 서로의 상관관계를 분석하였다. 드론과 멀티스펙트럴 카메라를 통하여 대상지의 다중분광 데이터를 취득하고, 후처리 이후 대상지를 격자로 나눠 그 격자 안의 식생지수의 평균을 계산하여 격자 안에 식생이 대부분의 영역을 차지하는 부분만 사용하는 방식으로 식생지수의 정확도를 높이고자 하였다. 취득한 식생지수는 대체적으로 식생이 활발해짐과 같이 증가하는 현상을 보였다. 다만 OSAVI는 두 대상지에서 5월 대비 6월의 수치가 현저히 낮아지는 결과를 보였다. 기온, 태양 고도각, 기온 및 태양고도각으로 3가지 경우에 대하여 회귀분석을 실시하였으며, 본 연구에서는 OSAVI는 0.8 이상으로 나타나는 다른 지수에 비해 0.06∼0.61로 상관성이 낮게 제시되었다. 상관계수는 NDRE와 LCI가 평균적으로 0.98로 가장 높게 나타났으며, 다만 OSAVI는 촬영시 보정을 따로 진행하지 않아 수치가 일관성 있지 못한 요인으로 상대적으로 낮게 나타난 것이 원인으로 판단된다. 본 대상지에서는 NDRE와 LCI는 NDVI와 GNDVI보다 변화를 관찰하기 어려웠으며, OSAVI는 사용하기 어려울 것이라 판단된다.

참고문헌 (Reference)

1 "한국천문연구원 천문우주지식정보 생활천문관 태양 고도/방위각계산"

2 김경탁 ; 박정술, "식생지수와 가뭄지수의 상관성 분석" 한국습지학회 8 (8): 49-58, 2006

3 조상호 ; 이근상 ; 황지욱, "식생 활력도를 고려한 드론 기반의 식생지수 분석" 한국지리정보학회 23 (23): 21-35, 2020

4 김용석 ; 양건석, "시계열 드론 영상정보를 이용한 식생변화 분석" (사)한국정원디자인학회 7 (7): 1-9, 2021

5 정윤영 ; 김상욱, "소나무재선충병 피해목 탐지를 위한 UAV기반의 식생지수 비교 연구" 한국국토정보공사 50 (50): 201-214, 2020

6 이경도 ; 안호용 ; 박찬원 ; 소규호 ; 나상일 ; 장수용, "무인비행체 영상을 활용한 벼 수량 분포 추정" 한국농공학회 61 (61): 1-10, 2019

7 김용석, "드론 초분광 영상과 다중 식생지수를 활용한 태화강 유역 식생변화 분석" 한국환경복원기술학회 24 (24): 97-110, 2021

8 김용석, "드론 초분광 스펙트럼과 분광각매퍼를 적용한 생태계교란식물 탐지" 한국환경과학회 30 (30): 173-184, 2021

9 함건우 ; 이정민 ; 배경호 ; 박홍기, "드론 열화상 및 초분광 센서를 이용한 농업가뭄 모니터링 적용 연구" 한국지리정보학회 22 (22): 107-119, 2019

10 이광재, "다중분광 자료를 이용한 영상기반의 대기보정연구" 4 (4): 211-220, 2005

11 "기상청 날씨누리 과거관측 일별자료"

12 박정술 ; 김경탁, "가뭄모니터링을 위한 MODIS NDVI의 활용성 평가: 가뭄지수와의 비교를 중심으로" 대한공간정보학회 17 (17): 117-129, 2009

13 Gitelson, A. A., "Use of a green channel in remote sensing of global vegetation from EOSMODIS" 58 : 289-298, 1996

14 이근상 ; 최연웅, "UAV를 이용한 농경지 분광특성 및 식생지수 분석" 한국지리정보학회 22 (22): 86-101, 2019

15 Hall, F. G., "Radiometric rectification : toward a common radiometric response among multidate, multisensor images" 35 : 11-27, 1991

16 Rondeaux, G., "Optimizationof soiladjusted vegetation indices" 55 : 95-107, 1996

17 Rouse, J. W., "Monitoring vegetation systems in the great plains with ERTS" 351 : 309-317, 1974

18 Chavez, P. S., Jr, "Image-based atmospheric corrections-Revisited and improved" 62 (62): 1025-1036, 1996

19 Eckhardt, D. W., "Automated update of and irrigated Lands GIS using SPOT HRV imagery" 56 (56): 1515-1522, 1990