Diagnosis of Chinese Cabbage Growth and Water Stress Using Time-Series Drone Imagery

드론 시계열 영상 기반 노지 배추의 생육 및 수분 스트레스 진단

Abstract

The importance of growth and water management for open-field crops is increasing due to climate change. Although automatic irrigation systems based on soil moisture sensors are effective for water management, they have limitations in spatially representing the entire field. To supplement this, drone imagery can be utilized. In this study, we evaluated the response of outputs based on RGB, multispectral, and thermal imagery according to the growth stages and water status of Chinese cabbage. The normalized difference vegetation index (NDVI) was useful for monitoring the initial growth stage of cabbage, while the normalized difference red edge index contributed to a more detailed assessment of the cabbage's growth status by reflecting chlorophyll content. Plant height, estimated through the crop height model, showed the growth status during the bulbing stage under different irrigation treatments more clearly than NDVI and the height of the Chinese cabbage consistently irrigated under dry weather conditions was taller. The vegetation index and plant height from drone imagery effectively detected spatial variations within the same treatment as well as growth differences between plots with and without irrigation. The crop water stress index, derived from drone thermal imagery, immediately reflected changes in Chinese cabbage water stress after irrigation and rainfall. These results are expected to contribute not only to the utilization of various products observed by drones but also to the growth and water management for open-field Chinese cabbage farming.

기후변화로 인해 노지 작물에 대한 생육과 물 관리의 중요성이 높아지고 있다. 토양수분 센서 기반의 자동관수 시스템은 물 관리에 효과적이나 필지 전체를 공간적으로 대표하는데 한계가 있다. 이를 보완하기 위하여 드론 영상을 활용할 수 있으며, 본 연구에서는 배추의 생육 단계와 수분 상태에 따른 RGB, 다중분광, 열화상 영상 기반으로 한 산출물들의 반응을 평가하였다. 정규화식생지수(normalized difference vegetation index, NDVI)는 배추 정식 초기 생육 모니터링에 유용했으며, 정규화적색경계지수(normalized difference red edge index)는 엽록소 함량을 반영하여 배추의 생육 상태를 구체적으로 평가하는 데 기여하였다. 작물 높이모델을 통해 추정된 초장(plant height)은 상이한 관수 처리 조건에서 배추 결구기 생육 상태를 NDVI보다 명확하게 나타냈으며, 건조한 기상 상황에서 꾸준히 관수한 처리구의 초장이 높았다. 드론 기반의 식생지수와 초장은 관수 여부에 따른 처리구별 생육 차이뿐만 아니라 동일한 처리구 내에서의 공간변이를 효과적으로 탐지하였다. 드론 열화상 영상을 통해 산출된 crop water stress index는 관수 및 강우 후 배추의 수분 스트레스 변화를 즉각적으로 반영하였다. 노지에 설치된 토양수분 값과 연계하여 건조한 조건에서의 수분 스트레스뿐만 아니라 물이 고이는 지점 정보를 생산하였다. 이러한 결과는 드론으로 관측한 다양한 산출물들에 대한 활용법뿐만 아니라 노지 배추의 생육 관리 및 농작업 의사결정 지원에 기여할 것으로 기대된다.

1. 서론

지구온난화로 인한 기후변화는 농업분야에 중대한 영향을 미치고 있다. 최근 이상고온 현상과 더불어 비가 내리지 않다가 짧은 기간 동안 극단적으로 비가 내리는 기상현상이 빈번해지고 있다. 작물은 토양에 수분이 충분하다면 이상고온 조건에서 증산(transpiration) 작용을 통해 엽온(canopy temperature, Tc)을 낮추지만 수분이 부족해지면 스트레스가 발생한다. 반면 집중호우는 토양 침식을 유발하며, 작물 뿌리가 과도한 수분에 노출되어 습해 피해가 나타날 수 있다. 이에 따라 노지 작물에 대한 효과적인 생육, 물 관리가 필요한 실정이다.

토양수분 센서를 이용한 자동 관수 시스템은 토양의 수분 상태를 실시간으로 모니터링하여 작물에 대한 최적의 관수 시점을 제공한다. 사물인터넷(internet of things) 기술과 결합하여 토양수분 값이 임계치(threshold) 이하로 떨어졌을 때 설정된 특정 시간이나 특정 토양 수분 값에 도달할 때까지 관수를 진행한다(Kang et al., 2021). 최근에는 기상자료를 활용하여 잠재증발산(potential evapotranspiration)을 계산하며, 이를 통해 특정 작물에 대한 적절한 관수량을 계산하기도 한다(Touil et al., 2022). 하지만 다양한 토양의 종류와 유기물 함량, 지형(topography), 이랑과 고랑 방향 등에 따라 좁은 필지라고 하더라도 토양수분 상태와 작물의 생육에 대하여 공간변이가 나타난다.

드론 영상은 농경지의 작물 생육과 토양 상태를 공간적으로 파악할 수 있으며, 이를 통해 빠른 농작업 의사결정을 내리는데 활용되고 있다. 농업분야에서 고해상도 RGB 영상을 활용하여 작물의 피복면적과 객체를 탐지하고(Kang et al., 2023; Ryu et al., 2022), 작물높이모델(crop height model, CHM)을 활용하여 초장(plant height)을 공간적으로 추정하였다(Na et al., 2020; Go and Park, 2024). 또한, 정규화식생지수(normalized difference vegetation index, NDVI), 정규화적색경계지수(normalized difference red edge index, NDRE) 등과 같은 분광반사도 기반의 식생지수를 활용하여 작물 생육, 질소 함량, 생육 이상 등을 진단하는데 활용되고 있다(Lee et al., 2020; Ryu et al., 2023).

가시광선과 근적외선 파장대의 영상뿐만 아니라 열적외 파장을 활용하여 작물과 토양의 표면온도를 추정할 수 있다. 작물의 표면온도(엽온)와 기온(air temperature), 수증기압포차(vapor pressure deficit)와 같은 기상인자를 활용하여 crop water stress index (CWSI)를 산출하였으며(Idso et al., 1981), 이를 통해 작물의 수분 스트레스를 진단하였다. 선행연구에 의하면 CWSI는 작물의 기공전도도와 상관관계가 존재하며(Park et al., 2017), 건조한 기상조건에서 작물의 수분 스트레스를 효과적으로 진단하였다(Na et al., 2020).

하지만 CWSI를 산출하기 위해서는 다양한 기상 조건에서 작물이 기공을 열고 닫았을 때의 최소, 최대 엽온을 기반으로 non-transpring baseline과 non-water-stressed baseline을 경험적으로 추출하여야 하며, 기준선(baseline)은 작물의 생육 단계에 따라 달라질 수 있다(Ekinzog et al., 2022). 또한, 식생지수와 CWSI와의 관계는 상호비교 기간이 늘어날수록 상관관계가 떨어졌다(Zhang et al., 2019). 따라서 노지에서 재배되는 작물의 생육과 수분 스트레스를 진단하기 위해서는 드론 영상 기반의 산출물들의 시계열 반응을 이해해야 할 것이다.

본 연구의 목적은 관수 처리에 따른 노지 작물의 반응을 시계열 드론 영상을 통해 평가하는 것이다. 이를 위해 드론에 탑재된 RGB, 다중분광, 열화상 카메라를 통해 배추 초장, 식생지수, 엽온을 산출하였으며, 배추 포장에서 관수 여부에 따른 산출물들의 반응을 살펴보고자 한다.

2. 연구자료 및 방법

2.1. 연구 지역

드론 영상을 이용한 작물 생육 및 수분 스트레스를 진단하기 위하여 전북특별자치도 완주군에 위치한 국립원예특작과학원 포장에 배추를 재배하고 관수 시설을 설치하였다. 2022년 가을배추(품종: 청명가을), 2023년 봄배추(품종: 진청) 그리고 2023년 가을배추(품종: 불암플러스)를재배하기위하여두둑을만들고검정색비닐멀칭(plastic mulching)으로 피복하였으며, 멀칭 내부에는 점적관수 시설을 설치하였다. 2022년의 경우에는 하나의 두둑에 2줄 배추를 정식하였으며, 2023년의 경우에는 하나의 두둑에 1줄 배추를 정식하였다.

2.2. 관수 및 기상 현황

수분 처리에 따른 배추 생육 및 스트레스 반응을 드론 영상을 통해 탐지하기 위하여 포장에 3개의 처리구를 구성하였으며, 각각의 처리구는 약 12 × 42 m 크기로 설정 하였다. 관수를 가장 많이 하는 처리구부터 Block 1, Block 2, Block 3로 정의하였다. 배추 정식기(정식일로부터 20일 전)에는 처리구별 동일한 양을 점적관수 하였으며, 그 이후부터는 처리구별 관수량을 달리하였다. 2022년 가을배추의 경우 관수시간을 달리하여 관수량을 조절하였으며(Table 1), 2023년의 경우 배추 포장에 설치된 토양수분센서 값이 임계치 이하로 떨어지면 관수하는 시스템을 구축하였다. 각각의 처리구에서 토양수분장력(matric potential) 값이 –30 kPa (Block 1), –50 kPa (Block 2) 그리고 –100 kPa(Block 3) 이하로 떨어졌을 때 관수하였다. 토양수분장력(단위: kPa)은 배추가 토양의 수분을 흡수할 때 필요한 힘을 수치화한 것으로 토양이 건조할수록 음의 값이 크다.

Table 1. Irrigation history bytreatment area in 2022 year (Approximately 2 L/m² /1 hour)

2022년 가을배추의 경우 정식 이후 9월 하순까지 0.2 mm의 강우량을 기록하였으며, 10월 3일부터 10월 11일까지 51.0 mm의 강우량을 기록하였다. 이후 수확까지 단 0.1 mm의 강우량을 기록하는 등 매우 건조한 기상 환경이 유지되었다. 2023년 봄배추의 경우 5월 초순에 비가 내린 뒤 8~27일까지 강우량이 미미하여 토양이 매우 건조하였다. Block 2에서는 토양수분장력 값이 -2,000 kPa까지 감소하였고, Block 3에서는 토양수분장력 값이 -2,500 kPa까지 감소하였다(Fig. 1) 2023년 가을배추의 경우 정식 후한달 동안 생장을 위한 충분한 양의 강우량이 내렸으며, 2023년 10월 1일부터 19일까지는 강우량이 미미하였으나 토양수분센서 기반의 관수시스템을 통해 충분한 양의 물이 공급되었다(Fig. 2). 각각의 처리구에서 토양수분장력 값이 설정된 임계치 이하로 떨어지면 자동으로 관수를 하여 비가 오지 않은 날이라고 하더라도 토양수분장력과 토양수분함량(water content)이 증가하였으며, 배추 재배기간 동안 토양에 충분한 수분이 있는 것을 확인하였다.

Fig. 1. Time series of soil moisture such as matric potential and water content in 2023 spring. –30 kPa, –50 kPa, and –100 kPa indicate Block 1, Block 2, and Block 3 treatment area.

Fig. 2. Time series of soil moisture such as matric potential and water content in 2023 autumn.–30 kPa,–50 kPa, and –100 kPa indicate Block 1, Block 2, and Block 3 treatment area.

2.3. 드론 관측 및 영상 처리

배추 포장에 대한 영상 정보를 획득하기 위하여 Matrice 300 (DJI, Shenzhen, China) 드론에 RGB, 다중분광, 열화상 카메라를 탑재하였다(Table 2).고해상도RGB영상은Zenmuse P1 (DJI, Shenzhen,China) 카메라(35 mm 렌즈)를 드론에 장착하여 취득하였다. 화각(field of view, FOV)은 약 63.5°이며, 60 m 고도에서 약 1 cm의 지상표본거리(ground sampling distance, GSD)를 가진다. 이렇게 고해상도 영상을 취득할 수 있기 때문에 RGB 영상을 활용하여 2023년 수치표본모델(digital surface models) 자료를 기반으로 CHM을 추정하였다.

Table 2. Drone cameras for cabbage growth and stress diagnosis

청색(475 nm, Blue), 녹색(560 nm, Green), 적색(668 nm, Red), 적색경계(717 nm, Rededge), 근적외(842 nm; near-infrared, NIR) 파장대에 대한 분광반사도는 Rededge-mx 다중분광 카메라(Micasense, Inc., Seattle, WA, USA)를 사용하여 획득하였다. 20 m 고도에서 약 1.85 cm의 GSD를 가지며, RGB 카메라를 사용하기 전 2022년의 경우 다중분광카메라를 활용하여 CHM을 추출하였다. 분광반사도 자료를 활용하여 NDVI, NDRE 식생지수를 아래 식으로 계산하였다.

\(\begin{align}N D V I=\frac{\sigma_{N I R}-\sigma_{\text {Red }}}{\sigma_{N I R}+\sigma_{R e d}}\end{align}\)       (1)

\(\begin{align}N D R E=\frac{\sigma_{N I R}-\sigma_{\text {Rededge }}}{\sigma_{\text {NIR }}+\sigma_{\text {Rededge }}}\end{align}\)       (2)

여기서, σ는 분광반사도, NIR, Red, Rededge는 각각의 파장대역을 의미한다. NDVI와 NDRE는 이론적으로 –1에서 1 사이의 값을 가지며, 식생과 토양이 존재하는 화소(Pixel)의 경우 0에서 1사이의 값을 가진다. 0에 가까울수록 토양의 비율이 높거나 식생이 분포된 정도가 드물며(sparse), 1에 가까울수록 식생이 건강하고 밀집(dense)되어 있다는 것을 의미한다.

2022년열화상영상은Duo ProR640 (FLIRSystems,Inc.,Wilsonville, OR, USA) 카메라를 Matrice 300 드론에 장착하여 방출률, 기온, 상대습도 정보를 설정한 뒤 촬영하였다. 2023년의 경우 M30T (DJI, Shenzhen, China) 드론에 탑재되어 있는 열화상 카메라를 활용하였다. 드론 열화상 관측 시간 동안 일사량 변화의 영향을 최소화하기 위해 배추 필지가 하나의 영상에 포함되도록 촬영하였다.

모든 드론 관측 영상은 Pix4D mapper 소프트웨어를 이용하여 처리하였으며, RGB, 다중분광영상의 경우 지상기준점(ground control point)을이용하여정사영상을제작하였다.열화상영상의경우QGIS 소프트웨어를 이용하여 다중분광 영상을 기준으로 지오레퍼런싱(georeferencing)을 통해 정사영상을 제작하였다.

2.4. 배추 개체별 정보 추출

배추 객체는 선행 연구(Ryu et al., 2022)에서 개발된 알고리즘을 활용하여 탐지하였다. 컴퓨터 비전기술을 활용하는 해당 알고리즘은 다중분광 영상을 입력자료로 한다. 탐지된 각각의 배추 개체들에 대하여 초장, 식생지수, 엽온 값을 추출하였다. 배추 개체 중심을 대상으로 보로노이(Voronoi) 다각형을 생성하였으며, 구역 통계(zonal statistic)를 통해 개체별 대표값을 추출하였다. 또한, 초장과 식생지 수의 경우 배추 개체들에 대한 포장 내 상대값을 확인하기 위하여 아래의 식을 적용하였다.

\(\begin{align}\text {relative Var}=\frac{\operatorname{Var}-\operatorname{Var}_{\text {Min }}}{\operatorname{Var}_{M a x}+\operatorname{Var}_{\text {Min }}}\end{align}\)      (3)

여기서, Var는 NDVI, NDRE, 초장에 대한 산출물을 의미한다. relative Var는 포장 내 전체 배추들에 대한 산출물들의 상대값을 의미하며 0에서 1사이의 값을 가진다. Var_Max, Var_Min은 산출물들의 최대, 최소값을 의미한다.

엽온의 경우 구역 내 식생화소에 대한 값을 추출하였으며(Park et al., 2017), 본 연구에서는 NDVI가 0.4 초과인 화소들로 정의하였다. 이후 포장 내 전체 배추 개체들에 대하여 CWSI를 계산하였다. 상위, 하위 2%를 제외하고 엽온이 가장 높은 배추 개체를 Tc_Max로 정의하였으며, 엽온이 가장 낮은 배추 개체를 Tc_Min으로 정의하고 CWSI를 아래와 같이 계산하였다.

\(\begin{align}C W S I=\frac{T c_{\text {Canopy }}-T c_{\text {Min }}}{T c_{\text {Max }}+T c_{M i n}}\end{align}\)       (4)

CWSI는 0에서 1 사이의 값을 가지며, 0에 가까울수록 수분 스트레스가 적고 1에 가까울수록 수분 스트레스를 많이 받고 있다는 것을 의미한다.

3. 연구결과

3.1. 관수처리별 식생지수 변화

배추 정식 후 한달 동안 동일한 양의 관수를 하였기 때문에 관수 처리를 달리한 시점부터 처리구별 식생지수의 공간 분포를 분석하였다. 2022년 10월 5일 NDVI 영상에서는 개체별로 생육 차이가 나타났지만 많은 강수량 이후 대부분 배추 개체의 NDVI 값이 0.9에 근접하였다(Fig. 3). 이후 처리구별 상이한 관수량에도 불구하고 배추 결구기 NDVI의 차이는 크지 않았다. 이것은 일정 비율 이상의 식생이 존재하면 NDVI는 포화하는 경향이 나타나며, NDVI는 구조적인 특성을 가지는 식생지수이기 때문에 화소 내에 식생이 차지하는 비율과 관련이 있다(Ryu et al., 2020). 따라서 배추 정식 후 생육 현황을 파악하고 포장 내 배추 엽면적을 계산하는데 유용하였다.

Fig. 3. Time seriesimages of NDVI and relative NDVI byirrigation treatment in 2022 autumn.Arrowsindicate irrigation treatment areas. (a–d) NDVI and (e–h) relative NDVI.

NDRE는 작물의 생육과 엽록소와 관련있는 식생지수로써 NDVI와는 다른 공간분포를 가졌다(Fig. 4). 2022년 10월 초순에는 배추 개체별 NDRE가 Block 2, 3에서 평균적으로 높고 Block 1에서 낮은 공간 분포를 보였다(Table 3). 하지만 관개 처리를 달리하여 관수량이 부족해짐에 따라 Block 3에 정식된 배추보다 Block 1과 Block 2에 정식된 배추에서 NDRE가 더 높았다. NDRE가 높은 배추 개체에서 더 짙은 녹색의 RGB 값을 가진다는 것을 고려하면 상대적으로 높은 엽록소를 함유하고 있다고 사료된다.

Fig. 4. Time series images of NDRE and relative NDRE by irrigation treatment in 2022 autumn. Arrows indicate irrigation treatment areas. (a–d) NDRE and (e–h) relative NDRE.

Table 3. Mean values of NDVI, NDRE, and plant height by treatment area

3.2. 관수처리별 배추 초장 변화

배추 개체별로 초장의 공간분포는 상이하며, 2022년 10월 중순부터 부족한 강우량 상태에서 관수 처리를 달리하면서 처리구별 배추 초장 차이가 나타났다(Fig. 5). 관수를 가장 많이 한 Block 1 처리구의 경우 평균 초장이 33.1 cm로 가장 높았으며, 다음으로 10월 하순 관수를 재개한 Block 2 처리구의 평균 초장은 27.8 cm였다. 10월 중순이후 관수를 한 번도 하지 않은 Block 3 처리구에서 평균적으로 초장이 24.8 cm로 가장 낮았다. 관수 처리에 대한 누적된 영향이 드론 영상 기반의 배추 초장에서 두드러지게 나타났다.

Fig. 5. Time series images of plant height and relative plant height by irrigation treatment in 2022 autumn. Arrows indicate irrigation treatment areas. (a-d) plant height and (e-h) relative plant height.

3.3. 관수처리별 작물 수분 스트레스 반응

드론에 탑재된 열화상 카메라로 측정된 배추의 엽온은 관측 시점의 기온, 상대습도, 일사량 등에 의해 달라질 수 있기 때문에 포장 내에 위치한 전체 배추들에 대한 상대값으로 변환되어 분석하였다.

2022년 10월 초순 충분한 강우량이 내린 시점에서 CWSI의 분포는 배추 생육에 대한 차이와 유사하였다(Fig. 6). 이후 부족한 강우량 상태에서 관수 여부에 따른 처리구별 CWSI 차이가 두드러지게 나타났다. 2022년 10월 18일은 Block 1 처리구에 2시간 동안 관수를 하고, 2일 후 CWSI는 0.226으로 작물 수분스트레스가 낮은 것을 확인할 수 있다(Table 4). 이것은 2022년 11월 4일 CWSI 영상에서도 동일하며, 관수 처리를 한 Block 1에서는 0.259, 관수 처리를 하지 않은 Block 2와 Block 3 처리구에서는 각각 0.472, 0.572의 값을 가졌다. 이러한 경향은 Block 1과 Block 2 처리구에 모두 관수를 하였을 때도 동일하게 나타났다.

Fig. 6. CWSI images by irrigation treatment in 2022 autumn.Arrows indicate irrigation treatment areas. (a-d) CWSI.​​​​​​​

Table 4. Mean values of CWSI by treatment area in 2022 and 2023 years​​​​​​​

본 연구에서는 관수 처리에 따른 엽온의 경향이 다른 시기에도 동일하게 나타나는지 확인하기 위해 2023년 봄배추와 가을배추 포장에서 추가로 평가를 수행하였다. 2023년 4월은 적은 강수량을 기록하였으나 모든 처리구에 관수를 하여 배추를 재배하였다. 2023년 5월 3일 Block 1, 2에 관수를 하였을 때 작물(이랑)에 대한 CWSI 분포에서 관수 처리에 의한 영향이 나타나나 작물이 아닌 토양(고랑)에 대한 CWSI 분포에서 관수 여부에 대한 차이가 두드러지는 것을 확인할 수 있었다(Fig. 7e). 2023년 10월 5~6일에 많은 강우량 이후 약 2주간 매우 건조한 상태가 지속되었으며(Fig. 1), 토양에 수분이 건조한 상황(2023년 5월 16일)에서 관수를 한 처리구의 CWSI는 0.272(Block 1)이었으며, 관수를 하지 않은 처리구의 경우 0.448 (Block 2)과 0.486 (Block 3)의 CWSI 값을 가지는 것을 확인하였다(Table 3). 또한, 상대적으로 건조한 토양상태에서 작물과 토양에 대한 낮은 CWSI 값은 동일한 처리구에서 나타남을 확인하였다(Fig. 7).

Fig. 7. CWSI images by irrigation treatment in 2023 spring.Arrows indicate irrigation treatment areas. (a-d) CWSI at each cabbage and (e-h) CWSI at the soil.​​​​​​​

2023년 가을은 배추 정식 후 충분한 강수량과 자동관수로 인해 모든 처리구에서 토양수분장력 최소값이 배추 전체 생육기간 동안 –249.4 kPa (Block 3), –208.9 kPa (Block 2), –62.1 kPa (Block 1)였다. Block 1 처리구에서는 –30 kPa 이하로 떨어지면 자동 관수를 하였으며, 이로 인해 토양이 과습한 상태가 되었다(Fig. 2). 작물에 대한 CWSI 분포에서는 관수 여부에 따른 처리구별 차이보다 처리구 내에서 공간적인 분포가 나타났다(Fig. 8). 반면 토양에 대한 CWSI 분포에서는 Block 1 처리구에서 관수 후 CWSI 값이 낮은 군집이 나타났으며, 현장조사를 통해 물이 고여있는 지점임을 확인하였다. 이처럼 상대적으로 습윤한 토양상태에서 작물과 토양에 대한 낮은 CWSI 값은 상이한 것을 확인하였다.

Fig. 8. CWSI images by irrigation treatment in 2023 autumn. Arrows indicate irrigation treatment areas. (a-d) CWSI for each cabbage and (e-h) CWSI for soil.​​​​​​​

4. 토의

본 연구에서는 시계열 드론 영상을 이용하여 다양한 수분 조건에서 배추의 생육과 수분 상태를 진단하였다. 시계열 NDVI는 배추 정식 후 초기 성장을 모니터링 하는데 효과적이었으며, 개체별 배추 피복 정도를 파악 할 수 있었다. 토양이 보이지 않으면 NDVI는 1에 가까운 값을 가지기 때문에 결구기 배추의 생장을 파악하는데 한계를 가지고 있었다. 따라서 높은 지상표본거리를 가지는 RGB 영상을 통해 정밀한 CHM을 이용하여 배추의 초장을 추정하는 것이 효과적이었다. 특히 2022년 가을배추의 사례를 보면, 비가 오지 않은 건조한 기상 조건에서 관수 여부에 따라 NDVI는 처리구별 차이가 보이지 않았으나 초장은관수를한곳에서높게나타났다.이것은배추결구기에NDVI 보다 CHM 기반의 초장이 배추의 생육을 보다 더 잘 반영한다는 것을 의미한다. 따라서 드론 영상을 통해 배추의 체적을 추정하기 위해서는 시계열 NDVI와 초장을 함께 활용하면 보다 효과적일 것이다(Na et al., 2021).

NDVI가 작물의 구조적인 부분 중 하나인 식생피복, 정식 전후 CHM 차이가 배추 초장을 나타낸다고 하더라도 작물의 생화학적 특성을 파악하여야 한다(Ryu et al., 2020). NDRE는 작물의 생육과 엽록소와 관련 있는 지수로써 NDVI와 초장과 다른 공간분포를 가졌다. 2022년 가을배추의 경우 Block 2 처리구 중심에서 Block 1 처리구보다 더 높은 NDRE 값을 가지며, 이것은 배추 개체들이 상대적으로 더 많은 엽록소를 함유하고 있다는 것을 의미한다. 특히 배추 수확기 드론 RGB 영상을 살펴보면 짙은 엽색과 NDRE의 분포가 유사한 것을 확인할 수 있다(Fig. 9).

Fig. 9. Drone-based RGB and NDRE images on Nov. 11, 2022. (a) RGB image and (b) NDRE image.​​​​​​​

열화상 영상 기반의 CWSI는 관수, 강우 후 즉각적으로 반응하였다. 건조한 토양 상태에서 물이 공급되면 작물은 공극을 통해 물을 흡수하며 증산을 통해 엽온을 낮추게 된다. 이러한 작물의 기작을 열화상 영상을 통해 효과적으로 탐지할 수 있었다. 하지만 드론 열화상 영상은 촬영 도중에도 기온, 상대습도, 일사량, 운량 등 다양한 영향을 받고 있으며, 작물의 기작과 외부 환경요인을 분리하는데 어려움이 있다. 따라서 드론 매핑(mapping)을 통한 촬영뿐만 아니라 필지가 한 번에 촬영될 수 있도록 높은 고도에서 추가 촬영이 요구된다.

일부 연구에서는 열화상 영상과 식생지수들을 융합하여 CWSI를 추정하려는 노력이 진행되고 있다(Kapari et al., 2024). 그러나 드론 엽온 자료를 활용하여 산출된 CWSI는 식생지수와 CHM 기반 초장과는 달리 촬영 시점에 대한 정보를 나타내며, 관측 영역에 대한 상대적인 값이라고볼수있다.따라서배추포장에토양수분센서를1개이상설치하고, 강우량과 관수에 의해 달라지는 토양수분 공간대표성을 확장시키는 용도로 드론 CWSI 영상 정보를 활용하는 것이 유용할 것이다.

5. 결론

드론에 장착된 RGB, 다중분광, 열화상 영상 정보를 활용하여 수분 처리에 따른 배추 생육과 스트레스를 진단하였다. 토양의 건조하고 습윤한 수분 상태에서 드론 영상 기반 NDVI, NDRE,초장 그리고 CWSI는 상이하게 반응하였다. 식생지수와 CHM 기반 초장의 변화는 기상, 토양, 재배관리 등의 영향이 누적된 결과이며, 관수 여부에 따라 즉각적으로 반응하지는 않았다. NDVI는 개체별 배추의 피복 상태, NDRE는 배추의 엽록소, 정식 전후 CHM 차이는 배추 초장을 간접적으로 나타내며, 각각의 산출물을 배추 생육단계에 맞춰 활용하는 것이 유용하였다. NDVI는 정식 후 초기 생육을 모니터링하는데 유용하며, NDRE와 초장은 배추의 피복이 덮힌 이후 생육을 파악하는데 유용하였다. 건조한 토양 조건에서 엽온 기반 CWSI는 강우와 관수 처리에 즉각적으로 반응하였으며, 배추 생육기간 전체에 대한 누적 정보가 아닌 일정 기간에 대한 반응이었다. 작물뿐만 아니라 토양에 대한 CWSI의 반응을 함께 살펴보면 건조한 토양 조건에서 작물의 스트레스뿐만 아니라 습해가 발생할 수 있는 지점도 탐지할 수 있었다. 본 연구의 결과는 노지 배추의 수분 스트레스 조건에서 드론에서 관측된 다양한 산출물들에 대한 활용법을 제시하였으며, 이를 통해 영상 기반의 농작업 의사결정 지원에 이바지할 것으로 기대된다. 향후 연구에서는 다년간 누적된 배추 생육조사, 기상, 드론 자료를 통합하여 배추 생육을 정량적으로 산출하고자 한다.