본문 바로가기
KERD
논문KCI 등재

농업분야에서 식생지수의 활용

Utilization of Vegetation Indice in Agricultural Field

김윤하|윤정범|윤영남
농업생명과학연구원 (Institute of Agriculture & Life Science, Gyeongsang National University)|2021|농업생명과학연구 (Journal of Agriculture & Life Science)|제55권 제5호|pp. 1-9|DOI https://doi.org/10.14397/jals.2021.55.5.1

2

조회

0

다운로드

4

인용

0

참고문헌

키워드

드론Drone식생지수다중분광초분광HyperSpectralMultispectralVegetative index

초록

최근 농업분야에서 정밀농업을 구현하기 위한 다양한 노력들을 기울이고 있다. 정밀농업분야에서 가장 대표적인 연구분야는 영상정보를 이용하여작물의 생육 및 수량을 예측하는 것이다. 특히, 여러 영상정보 중에서 다중분광 혹은 초분광영상정보를 기반으로 한 작물의 생육 및 수량예측이가장 활발하게 연구되고 있는 분야이다. 각각의 센싱장비를 통해서 획득된 영상정보는 여러 방법으로 활용할 수 있으며, 가장 보편적으로 활용하고있는 방법이 다중분광 및 초분광정보를 이용하여 다양한 식생지수로 산출하고 이를 기반으로 작물의 생육을 예측하는 것이다. 식생지수는 식물체내의광합성색소함량 및 광합성효율과 높은 상관관계를 보이는 파장을 기반으로 산출된 지수이다. 현재까지 약 150종의 식생지수가 알려져 있으나농업분야에서 주로 이용하고 있는 식생수는 일부에 불과하다. 이런 이유에서 본 논문에서는 다양한 식생지수들 중 주요한 식생지수들을 선별하여식생지수들의 산출공식, 적용방법과 관련된 내용을 소개하였다.

Abstract

Recently, various efforts have been made to implement precision agriculture in the agricultural sector. Among them, the most representative research area in precision agriculture is to predict the growth and productivity of crops using the imagery data. In particular, among various image information, plant growth and prediction of crop productivity based on multi-spectral or hyper-spectral images are the most actively studied areas. The image data obtained through many sensing-equipments and the image data can be used in many area. Among them, the most commonly using area is to convert image data into various vegetation indices using multi-spectral or hyper-spectral images and the data can predict the plant growth condition. The vegetation index is an calculated-index based on wavelengths that are highly correlated with the photosynthetic pigment content and photosynthetic efficiency in the plants. So far, approximately 150 vegetation indices have been identified, but only a small number of vegetation index have been used in the agricultural area. For this reason, this paper selected the major vegetation indices among the various vegetation indices and summarized the calculation formulas and application methods of it in agricultural sectors.

참고문헌 (44)

  1. 백슬기, "위성기반의 식생지수를 활용한 농업적 가뭄감시", 한국수자원학회 논문집, 49(4), pp.305~314 (2016), 한국수자원학회
  2. Birth GS, "Measuring the color of growing turf with a reflectance spectrophotometer 1", Agron. J, 60(6), pp.640~643 (1968)
  3. Cabrera-Bosquet L, "NDVI as a potential tool for predicting biomass, plant nitrogen content and growth in wheat genotypes subjected to different water and nitrogen conditions", Cereal Res. Commun, 39(1), pp.147~159 (2011)
  4. Cao K, "Exposure to lower red to far-red light ratios improve tomato tolerance to salt stress", BMC Plant Biol, 18(1), pp.1~12 (2018)
  5. Chappelle EW, "Ratio analysis of reflectance spectra (RARS): An algorithm for the remote estimation of the concentrations of chlorophyll a, chlorophyll b, and carotenoids in soybean leaves", Remote Sens. Environ, 39(3), pp.239~247 (1992)
  6. 조상호, "식생 활력도를 고려한 드론 기반의 식생지수 분석", 한국지리정보학회지, 23(2), pp.21~35 (2020), 한국지리정보학회[DOI]
  7. Forkmann G, "Metabolic engineering and applications of flavonoids", Curr. Opin. Biotechnol, 12, pp.155~160 (2001)
  8. Gitelson AA, "Optical properties and nondestructive estimation of anthocyanin content in plant leaves", Photochem. Photobiol, 74(1), pp.38~45 (2001)
  9. Gitelson AA, "Assessing carotenoid content in plant leaves with reflectance spectroscopy", Photochem. Photobiol, 75(3), pp.272~281 (2002)
  10. Goetz AF, "Imaging spectrometry for earth remote sensing", Science, 228(4704), pp.1147~1153 (1985)
  11. Gratani L, "Relationship between photosynthetic activity and chlorophyll content in an isolated Quercus ilex L. tree during the year", Photosynthetica, 35(3), pp.445~451 (1998)
  12. Gunawardena AR, "Estimation of above ground biomass in Horton Plains National Park, Sri Lanka using optical, thermal and RADAR remote sensing data", Tropical Agri. Res, 26(4), pp.608~623 (2015)
  13. 함건우, "드론 열화상 및 초분광 센서를 이용한 농업가뭄 모니터링 적용 연구", 한국지리정보학회지, 22(3), pp.107~119 (2019), 한국지리정보학회[DOI]
  14. 한심희, "온도와 CO_2 농도 증가에 따른 다릅나무와 백당나무의 생장, 광합성 및 광색소 함량 변화", 한국농림기상학회지, 13(3), pp.115~122 (2011), 한국농림기상학회
  15. Hawryło P, "Estimating defoliation of Scots pine stands using machine learning methods and vegetation indices of Sentinel-2", Eur. J. Remote Sens, 51(1), pp.194~204 (2018)
  16. Zhong-sheng He, "Response of Photosynthesis and Chlorophyll Fluorescence Parameters of Castanopsis kawakamii Seedlings to Forest Gaps", Forests, 11(1), pp.21~ (2020), MDPI AG[DOI]
  17. Hermans C, "An update on magnesium homeostasis mechanisms in plants", Metallomics, 5, pp.1170~1183 (2013)
  18. Jang, G. J., "Case Study: The Effect of Shade on the RGB Images Obtained from Unmanned Aerial Vehicle in Crop Evaluation", 농업생명환경연구, 31(3), pp.143~150 (2019), 농업생명과학연구원
  19. 장수원, "규소, 질소, 칼슘 단독 및 혼합처리가 벼 식물체 내 무기성분 흡수 및 식물호르몬 함량 변화에 미치는 영향", 한국작물학회지, 62(4), pp.293~303 (2017), 한국작물학회[DOI]
  20. Jasinski MF, "Sensitivity of the normalized difference vegetation index to subpixel canopy cover, soil albedo, and pixel scale", Remote Sens. Environ, 32(2-3), pp.169~187 (1990)
  21. Jin H, "A physically based vegetation index for improved monitoring of plant phenology", Remote Sens. Environ, 152, pp.512~525 (2014)
  22. Jose PSV, "Post-fire vegetation regrowth detection in the deiva marina region using Landsat TM and ETM+ data", Ecol. Model, 221, pp.75~84 (2010)
  23. 정윤영, "소나무재선충병 피해목 탐지를 위한 UAV기반의 식생지수 비교 연구", 지적과 국토정보, 50(1), pp.201~214 (2020), 한국국토정보공사[DOI]
  24. 강준오, "스마트 팜을 위한 UAS 모니터링의 자연재해 작물 피해 분석", 한국측량학회지, 38(6), pp.583~589 (2020), 한국측량학회[DOI]
  25. 김동욱, "무인기를 이용하여 얻은 생육지수와 토양 내 마그네슘 양의 관계", 농업생명환경연구, 33(2), pp.136~143 (2021), 농업생명과학연구원[DOI]
  26. Kim J, "A short review: Comparisons of high-throughput phenotyping methods for detecting drought tolerance", Sci. Agric, 78(4), pp.20190300300~ (2021)
  27. 김정태, "솔비톨 및 Salicylic Acid 처리가 토마토 과실의 품질 및 기능성 물질 함량에 미치는 영향", 원예과학기술지, 32(6), pp.771~780 (2014), 한국원예학회[DOI]
  28. Kim SH, "Selection of tolerant and susceptible wild soybean (Glycine soja Siebold & Zucc.) accessions under waterlogging condition using vegetation indices", Pol. J. Environ. Stud, 30(4), pp.3659~3675 (2021)
  29. 김성재, "MSI", MidIR, Spatial Information Research, pp.2011, 19(5)[DOI]
  30. 김유승, "휴대용 근적외선 카메라를 이용한 소나무 재선충 피해목의 식생지수 변화분석", 한국산림과학회지, 97(6), pp.561~564 (2008), 한국산림과학회
  31. Kohzuma K, "Physiological validation of photochemical reflectance index (PRI) as a photosynthetic parameter using Arabidopsis thaliana mutants", Biochem. Biophys. Res. Commun, 498, pp.52~57 (2018)
  32. Koike T, "Leaf morphology and photosynthetic adjustments among deciduous broad-leaved trees within the vertical canopy profile", Tree Physiol, 21(12-13), pp.951~958 (2001)
  33. 이경도, "Estimating the Amount of Nitrogen in Hairy Vetch on Paddy Fields using Unmaned Aerial Vehicle Imagery", 한국토양비료학회지(Korean Journal of Soil Science and Fertilizer), 48(5), pp.384~390 (2015), 한국토양비료학회[DOI]
  34. 나상일, "작물 스트레스 평가를 위한 드론 초분광 영상 기반 광화학반사지수 산출 및 다중분광 영상에의 적용", 대한원격탐사학회지, 35(5), pp.637~647 (2019), 대한원격탐사학회[DOI]
  35. Nagler PL, "Evapotranspiration on western US rivers estimated using the enhanced vegetation index from MODIS and data from eddy covariance and Bowen ratio flux towers", Remote Sens. Environ, 97(3), pp.337~351 (2005)
  36. Penuelas J, "Semi-Empirical indices to assess carotenoids", chlorophyll-a ratio from leaf spectral reflectance, 1995, pp.31, 221~230
  37. Penuelas J, "Assessment of photosynthetic radiation-use efficiency with spectral reflectance", New Phytologist, 131, pp.291~296 (1995)
  38. 류재현, "드론 장착 다중분광 카메라, 소형 필드 초분광계, 휴대용 잎 반사계로부터 관측된 서로 다른 공간규모의 광화학반사지수 평가", 대한원격탐사학회지, 34(6), pp.1055~1066 (2018), 대한원격탐사학회[DOI]
  39. Serrano L, "Remote sensing of biomass and yield of winter wheat under different nitrogen supplies", Crop Sci, 40(3), pp.723~731 (2000)
  40. Shin YH, "Spectral reflectance characteristics and vegetation indices of filed crops", KCID J, 10(2), pp.43~54 (2003)
  41. Sims DA, "Estimation of vegetation water content and photosynthetic tissue area from spectral reflectance:A comparison of indices based on liquid water and chlorophyll absorption features", Remote Sens. Environ, 84, pp.526~537 (2002)
  42. Tomas JR, "Leat reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops", Agron. J, 69, pp.799~802 (1977)
  43. Shujun Wang, "Photosynthesis, Chlorophyll Fluorescence, and Yield of Peanut in Response to Biochar Application", Frontiers in Plant Science, 12, pp.650432~ (2021), Frontiers Media SA[DOI]
  44. Zhang D, "Phenolic compounds, ascorbic acid, carotenoids and antioxidant properties of green, red and yellow bell peppers", J. Food Agric. Environ, 1(2), pp.22~27 (2003)

관련 논문AI추천

KOMPSAT-2 위성영상과 현장 측정자료를 통한 식생지수와 수확량의 상관관계 분석김성준, 나상일, 박근애, 박종화, 이규호, 이지완, 조형경한국농공학회 · 한국농공학회논문집2011 · 제53권 제3호UAS 기반, 가시, 근적외 및 열적외 영상을 활용한 식생조사이용창한국국토정보공사 · 지적과 국토정보2018 · 제48권 제1호농촌지역 토지이용유형별 RapidEye 위성영상의 분광식생지수 시계열 특성김윤수, 김현옥, 염종민한국항공우주연구원 · 항공우주기술2011 · 제10권 제1호RGB 식생지수를 활용한 밀 군락 엽면적과 군락 피복 및 적정 노출 평가김대욱, 김보경, 김정원, 박혁진, 윤종탁, 이윤호, 장현수, 황태영농업생명과학연구원 · 농업생명과학연구2022 · 제56권 제6호무인비행체 영상을 활용한 벼 수량 분포 추정나상일, 박찬원, 소규호, 안호용, 이경도, 장수용한국농공학회 · 한국농공학회논문집2019 · 제61권 제4호Estimation of Leaf Dry Mass and Nitrogen Content for Soybean using Multi-spectral Camera Mounted on Unmanned Aerial Vehicle강예성, 강정균, 김성헌, 류찬석, 홍영기, Tapash Kumar Sarkar농업생명과학연구원 · 농업생명과학연구2016 · 제50권 제6호

이 간행물의 다른 논문 (14건)

Effect of Environmentally Friendly Horticultural Substrate on Onion (Allium cepa L.) Seedlings GrowthDhruba Khakurel, 이성호, 김태원, 전병균pp. 11-17남부지역에 있어서 기후요인과 사료용 옥수수(Zea mays L.)의 수량과의 상관성 분석민창우, 정종성, 김동현, 이병현, 이준우pp. 19-26경남 합천군 오도산 치유의 숲의 생태적 특성김충열, 김태운, 문현식pp. 27-36땅밀림지 규모와 지질특성 기반의 땅밀림지 영향인자 분석박재현, 강민정, 박성균, 임홍근pp. 37-51남해군 농촌관광 활성화를 위한 방문자의 속성 만족도 및 재방문 의도 평가허근영, 김인혜, 박명식pp. 53-65
원문 보기