Korean Journal of Remote Sensing, Vol.30, No.5, 2014, pp.665~675 http://dx.doi.org/10.7780/kjrs.2014.30.5.11 ISSN 1225-6161 ( Print ) ISSN 2287-9307 (Online) 지상용 초분광 카메라를 이용한 소나무재선충병 감염목 분광 특성 분석 이정빈* 김은숙* 이승호** *국립산림과학원 기후변화연구센터, **산림교육원 재해방지교육과 An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera Jung Bin Lee*, Eun Sook Kim* and Seung Ho Lee** *Korea Forest Research Institute, **Forest Training Institute of the Korea Forest Service Abstract : In this paper spectral characteristics and spectral patterns of pine wilt disease at different development stage were analyzed in Geoje-do where the disease has already spread. Ground-based hyperspectral imaging containing hundreds of wavelength band is feasible with continuous screening and monitoring of disease symptoms during pathogenesis. The research is based on an hyperspectral imaging of trees from infection phase to witherer phase using a ground based hyperspectral camera within the area of pine wilt disease outbreaks in Geojedo for the analysis of pine wilt disease. Hyperspectral imaging through hundreds of wavelength band is feasible with a ground based hyperspectral camera. In this research, we carried out wavelength band change analysis on trees from infection phase to witherer phase using ground based hyperspectral camera and comparative analysis with major vegetation indices such as Normalized Difference Vegetation Index (NDVI), Red Edge Normalized Difference Vegetation Index (rendvi), Photochemical Reflectance Index (PRI) and Anthocyanin Reflectance Index 2 (ARI2). As a result, NDVI and rendvi were analyzed to be effective for infection tree detection. The 688 nm section, in which withered trees and healthy trees reflected the most distinctions, was applied to rendvi to judge the applicability of the section. According to the analysis result, the vegetation index applied including 688 nm showed the biggest change range by infection progress. Key Words : Pine wilt disease, Ground-based hyperspectral image, Vegetation index, Infection tree detection 요약 : 본 연구에서는 소나무재선충병이 확산되어 있는 거제도를 대상으로 소나무재선충병 감염목 특성 분석을 위하여 지상용 초분광 카메라를 활용하여 2012년과 2013년에 걸쳐 대상 임목을 촬영하였다. 영상 촬 영은 소나무재선충병이 확산되는 시기인 6~9월 기간에 개체목 단위와 임분 단위로 구분하여, 개체목은 인 위적으로 소나무재선충병을 주입한 공시목을 대상으로 실시하고, 임분은 소나무재선충병이 자연적으로 발 접수일(2014년 9월 5일), 수정일(1차 : 2014년 10월 22일), 게재확정일(2014년 10월 22일). 교신저자: 김은숙(drummer12@forest.go.kr) This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons. org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited. 665
Korean Journal of Remote Sensing, Vol.30, No.5, 2014 생한 임분을 대상으로 실시하였다. 수백개의 파장대역 정보를 담고 있는 지상용 초분광 영상을 이용하여 소 나무재선충병 감염단계에서부터 고사단계에 이르기까지 파장대역 변화와 특성분석을 진행하였다. 그 결과, 전체 파장대역 중 적색영역(550~700 nm)의 변화가 두드러지게 나타났으며 특히, 688 nm 전후의 파장대 역에서 고사목과 정상목간의 가장 많은 변화폭이 관측되었다. 향후 초분광 항공사진을 활용한 소나무재선충 병 감염목 탐지 활용가능성 판단을 위하여 개체목 단위 촬영영상보다 대면적의 임분단위 촬영영상을 활용한 분석이 진행되었다. 가장 큰 변화를 나타낸 688 nm 구간의 식생지수 활용을 위하여 Normalized Difference Vegetation Index(NDVI), Red Edge Normalized Difference Vegetation Index(reNDVI), Photochemical Reflectance Index(PRI), Anthocyanin Reflectance Index 2(ARI2) 식생지수에 대한 비교 분석을 실시하 였다. 감염목 탐지에 효율성이 높다고 판단되는 지수는 NDVI와 rendvi으로 나타났으며 688 nm를 NDVI 와 rendvi식 적색영역에 적용한 결과 688 nm를 포함하여 적용한 지수값에서 감염진행에 따른 가장 큰 변 화폭을 나타내어 감염목 탐지에 가장 효율적인 것으로 판단되었다. 1. 서론 소나무재선충병(Pine Wilt Disease)은 1905년 일본 에서 처음 발생하였으며 우리나라에서는 1988년부 산에서 처음 발견되었다. 소나무재선충병은 솔수염 하늘소(Monochamus alternatus)의 성충이 소나무의 새순 을 갉아 먹을 때몸속에 있던 재선충(Bursaphelenchus xylophilus)이 나무 내부로 침입하여 소나무 내에서 급속 히 증식, 통도작용을 저해하여 소나무를 말라 죽게 하는 병이다. 소나무재선충병의 급속한 확산을 막기 위해, 정 부는 2005년 소나무재선충병 방제특별법 을 제정 시행 하여 감염목 발병 추세가 다소 진정되었으나, 2011년부 터 다시 확산되는 추세를 보이고 있다. 2013년에는 광 주, 울산, 경기, 강원, 충부 등 영남 이외의 지역에도 피해 가 지속적으로 확산되고 있는 것으로 나타났다(Korea Forest Service, 2014). 소나무재선충병 감염목의 예찰과 방제 활동이 지속 적으로 이루어지고 있음에도 불구하고, 소나무재선충 병은 단목 중심의 점상으로 발생하고 있으며 산지 내 부에 발생하는 경우가 많아 현장요원의 접근과 감염목 에 대한 정확한 위치확인이 어려워 현황파악이 어려운 문제가 있다. 따라서 대면적에 대한 감염목의 현황파 악을 위해 원격탐사 자료를 이용한 고사목 탐지에 대 한 연구가 수행되어 왔다. Kim et al.(2003)은 IKONOS 위성영상과 GPS를 이용하여 소나무재선충 피해지역 추출 연구를 수행하였으며, 80%의 정확도를 제시하였 다. Lee et al.(2007)은 여러 해상도 자료의 병해충 감염목 탐지효과를 비교하였으며, 고해상도 IKONOS(1 m) 및 QuickBird(0.6 m) 시계열 위성영상, 칼라적외선(CIR) 항 공사진과 흑백/칼라 항공사진을 이용하여 소나무재선 충병 고사목을 탐지하였으며 이때 적정 공간해상도는 1m 내외로 산출되었다. Kim et al.(2010)은 GPS를 이용 한 항공정밀 예찰 기법을 개발하여, 대면적에 대한 예찰 접근을 시도했다. 그러나 위 연구들은 원격탐사 자료를 이용하여 소나무재선충병으로 인한 고사목을 탐지하는 것을 목적으로 하고 있어서 병해충 확산의 가능성을 사 전에 감지하여 예방하는 데는 한계가 있었다. 따라서 감 염목을 고사 이전에 조기에 탐지하고자 하는 노력이 진 행되었고, 이를 위해 감염과 발병에 따른 수목의 미세 한 변화를 분광특성을 이용해 탐지하기 위한 연구 또한 진행되고 있다. Kim et al.(2008)은 휴대용 근적외선카 메라(ADC)를 이용하여 소나무재선충병 감염목이 초기 발생(5월)에서 고사(11월) 단계까지 주기적으로 관측하 여 식생활력도를 분석한 결과 6월초부터 NDVI 지수가 감소하기 시작하였음을 밝혔다. Kim et al.(2013)은 Spectroradiometer를 이용하여 소나무재선충병 감염목의 분광반사 특성을 측정하여 적색과 중적외선 파장대역 의 중요성을 파악하였다. 연속적인 분광정보를 이용한 식생특성의 탐지를 위 해 주로 수분과 광합성과 관련된 연구가 이루어지고 있 다. Penuelas et al.(1993, 1996)은 950~970 nm 파장대역 에서의 반사율 특성을 이용하여 몇 가지 농작물의 수분 상태를 측정하여 상대수분량(RWC), 엽수분잠재량(leaf water potential) 및 세포벽 탄력성(cell wall elasticity) 등을 정밀 탐색하였으며, Pu et al.(2003, 2004)은 참나무 잎의 666
An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera 상대수분량이 975 nm, 1,200 nm와 1,750 nm에서 분광 과 식생지수를 도출하기 위한 연구를 수행하였다. 흡수특성을 갖고 있어 식생스트레스 측정에 유효하며, 특히 스트레스를 받은 잎과 정상 잎 간의 색소 농도 및 2. 연구자료 및 방법 수분함량에 뚜렷한 차이가 있음을 밝혔다. 이러한 세밀 한 분광특성을 추출하기 위해서는 기존에 식생분석에 주로 많이 이용되어 왔던 4~8개 밴드의 비연속적인 분 소나무재선충병 발병 및 변화 관측을 위하여 소나무 광정보를 보유하고 있는 Landsat, SPOT, IKONOS 등의 재선충병이 극심하게 나타나고 있는 거제도 지역을 대 다중분광영상으로는 한계가 있다. 반면, 초분광 영상은 상으로 연구가 진행되었다. 소나무재선충병 초기부터 수백 개의 좁고 연속적인 분광 밴드폭을 가진 밴드로 구 고사까지의 감염단계에 따른 분광특성을 모니터링 하 성되어 있어 기존 영상으로 탐지하지 못했던 미세한 변 기 위해 1차년도에는 감염목을 조제하여 개체목 단위 화를 감지할 수 있는 가능성을 보유하고 있다. 따라서 최 지상 초분광 영상을 촬영하였고, 개체목 단위 모니터링 근 들어 국내에서도 식생 및 토지피복 부문에서 초분광 에서 도출된 결과를 공간적으로 확장하기 위해 2차년도 영상 활용에 대한 관심이 높아지고 있으며, 주로 식생의 에는 자연상태에서 고사가 진행 중인 소나무 임분에 대 미세한 변화탐지를 위해 수분이나 엽록소 변화에 관한 한 촬영을 실시하였다. 다양한 식생지수를 개발하는 연구가 이루어지고 있다. 지상용 초분광 카메라를 이용한 시계열 영상 취득 및 수 1) 연구대상지 및 촬영 대상목 분스트레스에 민감한 식생지수 분석 연구(Kim et al., 본 연구에서는 소나무재선충병이 극심하게 발생하고 2011), 지상관측자료와 초분광 항공영상의 다양한 식생 있는 경상남도 거제시 연초면을 대상으로 인위적으로 지수를 이용한 엽록소량 추정 및 비교 연구(Wu et al., 소나무재선충병 감염목 조제 및 지상용 초분광 영상 촬 2008), 초분광 항공영상의 PRI 지수를 이용한 수분스트 영(2012년 6~9월)을 위한 대상지(조경수원)와 소나무 레스 탐지 연구(Suarez et al., 2008; Zarco-Tejada et al., 재선충병이 자연적으로 발생한 임분단위 촬영(2013년 2012) 등이 수행된 바 있다. 6~9월)을 위한 대상지를 선정하였다(Fig. 1). 본 연구에서는 이러한 초분광 영상의 장점을 이용하 1차년도 개체목단위 촬영을 위해 소나무재선충병 감 여 소나무재선충병 감염목의 시계열적 변화 특성을 파 염목 조제를 실시하였으며, 대상목으로 경남 거제시 연 악하고 감염목 및 감염단계 판정을 위한 최적 파장대역 초면 소재 조경수원에서 곰솔(Pinus thunbergii Parl.) 10 Fig. 1. Study area. 6 67
Korean Journal of Remote Sensing, Vol.30, No.5, 2014 Fig. 2. Infected(T1~T5, T9~T10) and non-infected(t6~t8) trees of pine wilt disease. 본을 선정하였다. 대상 공시목 10본의 평균 수령은 약 20 년이며 흉고직경 10 cm이상, 수고는 3 m이상이다. 선정 된 곰솔은 소나무재선충 접종 대상목 7본(T1~T5, 상초분광영상 촬영을 진행하였다. 2) 지상 초분광 영상 촬영 T9~T10)과 대조구로 활용될 비접종목 3본(T6~T8)으 본 연구에 사용한 지상용 초분광 영상의 관측 장비는 로 구분하였다(Fig. 2). 소나무재선충 접종을 위해 가지 핀란드 Specim사에서 제조한 Multi-channel Spectral 카 부에는 칼로 흠집을 낸 후 배양한 재선충 약 5,000마리 메라(PS 모델)로 분광범위 400 1,000 nm이고 Prism 를 주입한 후 솜과 은박지로 감싸주고 수간부에는 드릴 Grating Prism(PGP) 분광기를 통해 push-broom 라인 을 이용하여 구멍을 낸 후 재선충 5,000마리를 주입하였 다. 1차 접종(2012년 6월 15일)이 이루어지고 지상용 초 분광 카메라를 통하여 지속적인 영상 취득이 이루어졌 으나 감염 증상이 발견되지 않아 추가로 2차 접종(2012 년 7월 26일)을 실시하였다. 개체목에 대한 지상초분광 영상 촬영은 2012년 6월 20일부터 9월 12일 기간 동안 이루어졌으며, 접종 초기에는 1~2주 간격, 감염된 후에 는 2주에서 1개월 간격으로 진행되었다. 2차년도 임분단위 촬영을 위해, 2013년 5~6월에는 소나무재선충병이 자연적으로 발생한 지역을 대상으로 현지조사를 실시하고 지상용 초분광 카메라 촬영이 가 능한 지역을 선정하였다(Fig. 1). 선정된 지역에 대하여 2013년 7월 9일부터 9월 24일까지 2~3주 간격으로 지 스캔 방식으로 영상을 기록한다. 분광카메라 CCD의 크기는 8.93 6.66 mm (1,392 1,040 픽셀)이며, 400 1,000nm 범위 내에서 사용자가 원하는 간격으로 밴 드 수 와 공 간 해 상 도 (2.8 nm)를 조 절 할 수 있 도 록 Spectral/ Spatial binning이 가 능 하 다. Scanner의 화 각 (FOV)은 최대 180 60 이나 다양한 화각의 렌즈를 선 택적으로 사용하면 조절이 가능하고, 관측 대상물의 형 태나 크기에 따라 수평 또는 수직 방향으로 축을 달리하 여 스캐닝할 수 있다. 초분광 영상의 촬영은 촬영 전과정이 노트북을 통하 여 제어되며 대상물의 거리에 따라 렌즈 초점을 조정하 고 대상범위에 따라 촬영각도, 노출, 영상의 크기를 설정 하여 T1~T10까지의 공시목과 소나무재선충병 자연발 6 68
An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera 생 임분 내의 감염목에 대하여 258 밴드의 초분광 영상 을 취득하였다. 촬영영상은 제어 프로그램을 통하여 실 시간으로 모니터링 되지만 촬영된 영상의 품질 상태를 확인하고 필요시 재촬영과 확인 작업의 반복 과정을 거 쳐 최종적으로 영상을 획득하게 된다. 3) 감염목 분광정보 특성 분석 소나무재선충 접종목을 포함한 공시목 10본에 대한 개체목 단위 초분광 영상을 활용하여 감염목의 분광특 성 분석이 이루어졌으며 소나무재선충병 감염목에 가 장 민감한 파장대역 추출이 이루어졌다. 공시목에 대하 여 재선충 접종처리 후 피해 진행 단계별로 초분광 카메 라를 이용하여 촬영하였으며 일반영상보다 감염 진행 단계에 따른 색조변화와 같은 피해현상이나 차이를 명 확하게 확인할 수 있다. 취득한 초분광 영상의 감염목과 비감염목의 분광패 턴 비교는 소나무재선충병 피해 진행단계별 감염목과 비감염목에 대하여 개체목 전체에 임의의 지점을 고르 게 분포하도록 선정하고 해당 픽셀의 평균 분광값을 취 득하여 분석이 진행되었다. 침엽수의 특성상 잎이 가늘 고 길기 때문에 변화를 관측하기 위해서 잎내에 포함되 는 픽셀단위로 값을 추출하여 추출된 값의 평균값을 개 체목의 대표값으로 선택하는 방법을 적용하였다. 감염목 중 최종 영상취득 단계까지 완전히 고사단계 에 도달한 T1, T3, T10의 고사목 그룹(Dead tree group), 중간정도의 시들음을 보이는 T2, T4, T5의 반고사목 그 룹(Wilting tree group), 접종처리를 하지 않은 비감염목 T6, T7, T8의 정상목 그룹(No-infected tree group)으로 구 분하여 분광정보를 추출하였다. 감염목 중 하나인 T9 공 시목은 최종 촬영이 이루어질 때 까지 소나무재선충병 에 의한 시들음이 나타나지 않는 정상목의 형태를 나타 내고 있어 최종분석에는 제외하였다. 4) 식생지수 비교 임분단위 영상에 대한 적용성을 검토하기 위해 식생 지수에 대한 평가를 수행했다. 식생지수는 기존에 널리 활용되고 있는 NDVI, rendvi, PRI, ARI2가 이용되었다 (Table 1). NDVI 지수는 적색영역과 근적외선 영역을 활용한 지수로 밴드간의 간격이 넓은 다중분광자료에서도 널 Table 1. Vegetation indices Vegetation Index References NDVI = ρ800 _ ρ670 Rouse et al., 1974 ρ800 + ρ670 re NDVI = ρ750 _ ρ705 Gitelson et al., 1994 ρ750 + ρ705 PRI = ρ531 _ ρ570 Gamon et al., 1992 ρ531 + ρ570 1 1 ρ550 ρ700 Gitelson et al., 2002 ARI2 = ρ800[( ) _ ( )] 리 활용되는 지수이며 ARI2나 PRI 지수 같은 경우에는 사용되는 밴드간의 간격이 좁기 때문에 정밀한 분광정 보를 제공하는 초분광 영상이나 분광기를 이용한 분광 반사율 측정 자료에 한해 적용될 수 있다. 지수값의 추출 및 비교는 감염이 진행됨에 따라 시들 음이 진행되고 있는 감염목과 촬영기간 내에 변화가 없 는 정상목으로 구분하여 지수영상을 생성하였다. 생성 된 지수영상에서 감염목과 정상목에 대한 지수 평균값 을 추출하였다. 지수 평균값은 대상목 전체에 임의의 지 점을 고르게 분포하도록 선정하고 해당 픽셀의 평균 지 수값을 취득하였다. 3. 연구결과 1) 개체목 단위 촬영과 분광정보 특성 분석 재선충 접종목의 고사가 진행되고 있던 2012년 9월 12일의 T1~T10의 초분광 영상은 Fig. 3과 같다. 재선충 을 접종한 T1~T5, T9~T10 중에서 T1, T3, T10은 이미 고사되었고, T2, T4, T5는 고사가 여전히 진행 중인 상태 이다. 재선충을 접종하지 않은 정상목 T6~T8에 대한 관측 시기별 초분광 영상과 분광패턴에서는 색조변화나 시 들음 현상을 발견할 수 없으며, 측정 시기별로 분광반사 값의 차이는 있지만 분광패턴의 변화는 나타나지 않았 다. 즉, 청색 및 적색파장대역에서는 낮고 녹색파장대역 에서는 상대적으로 높은 건강한 식생의 일반적인 분광 패턴을 보인다. 고사목, 반고사목, 정상목 그룹의 2012 년 9월 12일 마지막 촬영영상에서 추출된 분광값의 차 이는 Fig. 4에서 고사목, 반고사목, 정상목의 각각 그룹에 대한 평균 분광값을 그래프로 나타냈으며 그룹별 평균 669
Korean Journal of Remote Sensing, Vol.30, No.5, 2014 Fig. 3. Ground based hyperspectral images(2012.9.12.). Fig. 4. Spectral pattern of pine wilt disease(2012.9.12.). 값에 대한 표준오차를 그래프에 세로선으로 추가하여 영역(450 nm)와 녹색영역(550 nm)에서는 정상목과 고 나타내었다. Fig. 4에서 고사목과 반고사목의 경우, 정상 사목간의 뚜렷한 차이가 발생하지 않으나 녹색영역에 목과 비교하여 소나무재선충병에 의한 시들음이 증가 서 적색영역으로 넘어가는 550~700 nm에서는 소나무 함에 따라 550~700 nm 사이에서 변화가 나타났다. 고 재선충에 의한 시들음 증상의 진행에 따라 뚜렷한 차이 사목 그룹에서 나타나는 분광 형태가 완전 고사한 상태 가 발생한다. 의 형태이며 반고사목은 아직 고사가 진행 중인 형태의 특성 분석에서 뚜렷한 차이를 나타내는 550~700 nm 분광패턴을 확인할 수 있다. 파장대역 구분에서는 청색 구간에 있어서 소나무재선충병 감염목 변화에 가장 민 6 70
An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera Fig. 5. Time series change of reflectance ratio between dead tree group and non-infected tree. Fig. 6. Endemic area of pine wilt disease. 감한 파장대역을 보다 세밀하기 추출하기 위해 감염 초 반사값의 상대적인 비율을 산출하여 시계열적으로 비 기단계에서 고사단계까지의 정상목 그룹(T6, T7, T8)과 교하였다. 그 결과 소나무재선충병에 의한 시들음 진행 고사목 그룹(T1, T3, T10)의 분광값의 변화를 비교하였 에 따라 가장 큰 변화를 보이는 구간은 688 nm 전후의 고, 시기별 분광반사값의 차이에 따른 영상을 제거하기 파장대로 적색영역에 해당하는 것으로 나타났다(Fig. 5). 위해 동일시기 정상목과 고사목 반사값의 상대적인 비 2) 임분 단위 촬영과 식생지수 평가 율을 산출하여 시계열적으로 비교하였다. 촬영된 초분 광 영상에서 550~700 nm 영역대의 분광값을 2~3 nm 소나무재선충 발병 지역 일대의 임분단위 시계열 촬 영 결과, 2개월 사이에 급속하게 고사가 진행되었다(Fig. 간격으로 추출하였고 촬영이 시작된 6월 20일부터 고사 6.). Fig. 6에서는 감염목 구분을 용이하게 하기 위해 고 단계에 이른 9월 12일까지 시기별로 분류하였다. 시기 사목을 붉은 색으로 보이도록 영상을 조정하였으며, 육 별 분광반사값의 차이에 따른 영향을 제거한 정상목과 안으로는 적갈색에 가까운 색상으로 변색된다. 의 차이를 확인하기 위하여 동일시기 정상목과 고사목 6 71 임분단위 영상에 4가지 식생지수를 적용하여 지수영
Korean Journal of Remote Sensing, Vol.30, No.5, 2014 Fig. 7. Vegetation indices image(2013.9.24.). NDVI: (p800-p670)/(p800+p670), rendvi: (p750-p705)/(p750+p705), PRI: (p531-p570)/(p531+p570), ARI2: p800{(1/p550)-(1/p700)} 상을 생성했으며, 그 결과 NDVI와 rendvi 지수영상은 rendvi, rendvi688 지수를 감염목과 정상목의 비율을 소나무재선충에 감염되어 시들음이 진행되고 있는 감 통하여 비교하였다. 감염목과 정상목의 차이 변화를 비 염목과 정상목 형태의 비감염목의 구분이 뚜렷하게 구 율로 비교하기 위하여 지수값에 일률적으로 0.5를 더하 분해주는 것으로 나타났다. 반면, PRI와 ARI2 지수는 촬 여 양수값을 산출하는 지수로 변환하였다. 개체목 단위 영당시 현장상황에 따른 노이즈 발생이 심하여 감염목 분광특성분석에서 가장 민감한 파장대역으로 선정된 의 정확한 추출이 어려웠다(Fig. 7). 688 nm 분광값을 Table 1의 기존 NDVI, rendvi 식 적색 임분단위 촬영된 영상을 통해 생성된 식생지수영상 영역 파장(NDVI의 경우 670 nm, rendvi의 경우 705 에서 감염목과 정상목에 대한 동일지점의 4가지 지수값 nm)에 대입하여 지수영상 생성과 지수값의 추출이 이 을 추출하여 소나무재선충병에 의한 시들음의 진행 단 루어졌다. 그 결과, 감염초기단계에서는 감염목과 정상 계별 비교를 실시하였다. 또한 개체목 단위 영상 분석에 목의 지수는 정상목과 비슷하게 큰 차이가 발생하지 않 서 가장 민감한 파장대역으로 추출된 688 nm 영역을 으나 감염후기로 갈수록 rendvi688 지수를 적용한 결 NDVI, rendvi 지 수 에 적 용 하 여 NDVI, NDVI688, 과가 가장 많은 변화폭을 나타내었다(Fig. 8). 6 72
An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera Fig. 8. Time series change of vegetation indices ratio between infected and non-infected tree. 3) 결과분석 소나무재선충병 피해 공시목에 대하여 접종을 실시 한 6월부터 9월까지 약 3개월 경과하면서 수관 전체가 완전히 적갈색으로 변하는 것을 확인할 수 있었다. 촬영 당시 조건에 따라 분광값의 크기 차이는 발생하지만 감 염목의 분광패턴을 살펴보면 패턴의 변화가 뚜렷하게 나타나는 구간은 550~700 nm 파장대역으로 녹색파장 대역에서는 피해가 진행될수록 분광값이 감소하고 적 색파장대역에서는 증가하는 경향을 나타낸다. 또한 근 적외선파장대역인 700 nm이상에서도 일부 파장대역에 서 변화 패턴을 보이고 있다. 비감염목에서는 초기의 정 상목과 동일한 패턴을 보이게 된다. 변화가 뚜렷하게 나 타나는 550~700 nm 구간에 중에서 고사목과 정상목간 의 가장 많은 차이가 발생하는 구간은 688 nm 구간으로 나타났으며 이 결과는 식생지수 영상 생성 및 비교에도 활용되었다. 생성된 식생지수영상에서도 분광값 비교와 동일지 점의 지수영상값을 추출하여 소나무재선충병 감염진행 단계별로 분석하였다. NDVI와 rendvi 지수는 식생의 활력도와 관련된 지수로 감염목과 비감염목을 비교해 보면 시들음 증상이 나타나기 시작하면서 감염목과 비 감염목의 차이가 뚜렷하게 나타나는 것을 확인할 수있 다. ARI2 지수는 엽록소(안토시아닌)의 증가나 감소 등 변화에 민감하게 반응하는 지수이며 PRI 지수는 광합 성과 관련된 지수로 카로테노이드 및 크산토필의 함량 과 관련이 있다. 하지만 촬영당시의 기상, 바람, 그림자, 노출 등에 민감하여 임분단위 영상 적용에는 어려움이 있 을 것 으 로 판 단 된 다. NDVI, NDVI688, rendvi, rendvi688 지수의 감염진행에 따른 시기별 변화정도 를 살펴보면 rendvi688 지수에서 가장 큰 변화폭을 나 타내었으며 감염목 탐지에 가장 효율적인 지수라 판단 된다. 4. 결론 본 연구에서는 소나무재선충병에 대한 감염목을 조 제하고 지상용 초분광 영상을 촬영하여 감염진행단계 별 분광특성 및 식생지수 영상을 비교하였다. 소나무재 선충병에 대한 시들음의 진행에 따라 감염목과 정상목 간의 분광패턴의 변화는 뚜렷하게 나타나고 있으며, 초 분광 영상의 좁은 밴드 간격을 통하여 이러한 변화에 대 한 보다 세밀한 분석이 이루어질 수 있다. 본 연구에서 제시한 기존의 초분광 영상의 식생지수로 쓰이고 있는 rendvi에서 보다 민감한 영역으로 추출된 688 nm 파장 대역을 활용하는 방법이 기존의 지수를 활용하는 것보 다 효율적일 것이라 평가되었으며, 지상 초분광 영상이 아닌 항공 초분광 영상에도 본 연구와 같은 형태로 민감 673
Korean Journal of Remote Sensing, Vol.30, No.5, 2014 한 파장대역 추출 및 식생지수를 활용한 감염목 탐지에 활용될 수 있을 것이다. 지상 초분광 영상에 대해서는 촬 영당시의 기상, 바람, 그림자, 노출 등에 매우 민감하게 영향을 받기 때문에 가능한 동일한 촬영조건을 유지하 는 것이 중요하며 초분광 영상분석을 위한 영상의 전처 리 부문의 연구가 추가로 수행된다면 보다 정확도 높은 결과를 도출할 수 있을 것이다. Reference Gamon, J.A., J. Penuelas, and C.B. Field, 1992. A Narrow-Waveband Spectral Index That Tracks Diurnal Changes in Photosynthetic Efficiency, Remote Sensing of Environment, 41: 35-44. Gitelson, A.A. and M.N. Merzlyak, 1994. Spectral Reflectance Changes Associated with Autumn Senescence of Aesculus Hippocastanum L. and Acer Platanoides L. Leaves. Spectral Features and Relation to Chlorophyll Estimation. Journal of Plant Physiology, 143: 286-292. Gitelson, A.A., Y. Zur, O.B. Chivkunova, and M.N. Merzlyak, 2002. Assessing Carotenoid Content in Plant Leaves with Reflectance Spectroscopy. Photochemistry and Photobiology, 75: 272-281. Kim, J.B., D.Y. Kim, and N.C. Park, 2010. Development of an aerial precision forecasting techniques for the pine wilt disease damaged area based on GIS and GPS, Journal of Korean Association of Geographic Information Studies, 13(1): 28-34. Kim, J.B., M.H. Jo, I.H. Kim, and Y.K. Kim, 2003. A study on the extraction of damaged area by pine wood nematode using high resolution IKONOS satellite images and GPS, Journal of Korean Forest Society, 92(4): 362-366. Kim, S.R., W.K. Lee, K. Nam, Y. Song, H. Yu, M.I. Kim, J.Y. Lee, and S.H. Lee, 2013. Investigation into reflectance characteristics of trees infected by pine wilt disease, Journal of Korean Forest Society, 102(4): 499-505. Kim, Y., D.M. Glenn, J. Park, H.K. Ngugi, and B.L. Lehman, 2011. Hyperspectral image analysis for water stress detection of apple trees, Computers and Electronics in Agriculture, 77: 155-160. Kim, Y.S., S.E. Jung, W.K. Lee, J.B. Kim, and T.H. Kwon, 2008. Analyzing vegetation index change of damaged trees by pine wilt disease using portable near infrared camera, Journal of Korean Forest Society, 97(6): 561-564. Korea Forest Service, 2014. 2014 Plan for forecasting and control of forest insect pests and disease, Korea Forest Service, Daejeon, Korea. Lee, S.H., H.K. Cho, and W.K. Lee, 2007. Detection of the pine trees damaged by pine wilt disease using high resolution satellite and airborne optical imagery. Korean Journal of Remote Sensing, 23(5): 409-420 Penuelas, J., I. Filella, and L. Sweeano, 1996. Cell wall elastivity and water index (R970 nm/r900 nm) in wheat under different nitrogen availabilities, International Journal of Remote Sensing, 17: 373-382. Penuelas, J., I. Filella, C. Biel, L. Sweeano, and R. Save, 1993. The reflectance at the 950-970 nm region as an indicator of plant water status, International Journal of Remote Sensing, 14: 1887-1905. Pu, R., L. Foschi, and P. Gong, 2004. Spectral feature analysis for assessment of water status and health level of coast live oak (Quercus agrifolia) leaves, International Journal of Remote Sensing, 25(20): 4267-4286. Pu, R., S. Ge, N.M. Kelly, and P. Gong, 2003. Spectral absorption features as indicators of water status in Quercus agrifolia leaves, International Journal of Remote Sensing, 24(9): 1799-1810. Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering, 1974. Monitoring Vegetation Systems in the Great Plains with ERTS. 3 rd Earth Resource 674
An Analysis of Spectral Pattern for Detecting Pine Wilt Disease Using Ground-Based Hyperspectral Camera Technology Sstellite(ERTS) Symposium, vol 1: pp. 48-62. Suarez, L., P.J. Zarco-Tejada, G. Sepulcre-Canto, O. Perez-Priego, J.R. Miller, J.C. Jimenez-Munoz, and J. Sobrino, 2008. Assessing canopy PRI for water stress detection with diurnal airborne imagery, Remote Sensing of Environment, 112: 560-575. Wu, C., Z. Niu, Q. Tang, and W. Huang, 2008. Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation, Agricultural and Forest Meteorology, 148: 1230-1241. Zarco-Tejada, P.J., V. Gonzalez-Dugo, and J.A.J. Berni, 2012. Fluorescence, temperature and narrowband indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera, Remote Sensing of Environment, 117: 322-337. 675