Comparison of NDVI in Rice Paddy according to the Resolution of Optical Satellite Images

광학위성영상의 해상도에 따른 논지역의 정규식생지수 비교

Abstract

Normalized Difference Vegetation Index (NDVI) is the most widely used remote sensing data in the agricultural field and is currently provided by most optical satellites. In particular, as high-resolution optical satellite images become available, the selection of optimal optical satellite images according to agricultural applications has become a very important issue. In this study, we aim to define the most optimal optical satellite image when monitoring NDVI in rice fields in Korea and derive the resolution-related requirements necessary for this. For this purpose, we compared and analyzed the spatial distribution and time series patterns of the Dangjin rice paddy in Korea from 2019 to 2022 using NDVI images from MOD13, Landsat-8, Sentinel-2A/B, and PlanetScope satellites, which are widely used around the world. Each data is provided with a spatial resolution of 3 m to 250 m and various periods, and the area of the spectral band used to calculate NDVI also has slight differences. As a result of the analysis, Landsat-8 showed the lowest NDVI value and had very low spatial variation. In comparison, the MOD13 NDVI image showed similar spatial distribution and time series patterns as the PlanetScope data but was affected by the area surrounding the rice field due to low spatial resolution. Sentinel-2A/B showed relatively low NDVI values due to the wide near-infrared band area, and this feature was especially noticeable in the early stages of growth. PlanetScope's NDVI provides detailed spatial variation and stable time series patterns, but considering its high purchase price, it is considered to be more useful in small field areas than in spatially uniform rice paddy. Accordingly, for rice field areas, 250 m MOD13 NDVI or 10 m Sentinel-2A/B are considered to be the most efficient, but high-resolution satellite images can be used to estimate detailed physical quantities of individual crops.

정규식생지수는 농업분야에 가장 많이 사용된 원격탐사 자료로, 현재 대부분의 광학위성에서 제공되고 있다. 특히 고해상도 광학위성영상이 제공되면서 농업 활용 분야에 따른 최적의 광학위성영상의 선택이 매우 중요한 이슈가 되었다. 본 연구에서는 국내 논지역의 정규식생지수 모니터링 시 가장 최적의 광학위성영상을 정의하고 이를 위해 필요한 해상도 관련 요구조건을 도출하고자 한다. 이를 위해 전 세계적으로 많이 사용되는 MOD13, Landsat-8, Sentinel-2A/B, PlanetScope 위성의 정규식생지수영상을 대상으로 국내 당진 논지역의 공간분포 및 2019년부터 2022년까지 시계열 패턴을 비교, 분석하였다. 각 자료는 3-250 m의 공간해상도와 다양한 주기해상도로 제공되며, 정규식생지수를 산출할 때 사용되는 분광밴드의 영역도 약간의 차이가 있다. 분석 결과 Landsat-8은 가장 낮은 정규식생지수 값을 나타내며 공간적으로 변이도 매우 낮았다. 이에 비해 MOD13 정규식생지수 영상은 PlanetScope 자료와 비슷한 공간분포 및 시계열 패턴을 나타났으나 낮은 공간해상도로 인해 논 주변지역의 영향을 받았다. Sentinel-2A/B는 넓은 근적외선밴드 영역으로 인해 상대적으로 약간 낮은 정규식생지수 값을 나타내었으며, 특히 생육 초기시기에 그 특징이 두드러졌다. PlanetScope의 정규식생지수가 상세한 공간적 변이 및 안정적인 시계열 패턴을 제공하나 높은 구매가격을 고려하면 공간적으로 균일한 논지역보다는 밭지역에서 그 활용성이 높을 것으로 사료된다. 이에 따라 국내 논지역에 대해서는 250 m급 MOD13 정규식생지수나 10 m급 Sentinel-2A/B가 가장 효율적일 것으로 사료되나 작물의 개체에 대한 상세 물리량 추정을 위해서는 고해상도 위성영상이 활용될 수 있다.

1. 서론

농작물 모니터링을 위해 전 세계적으로 가장 많이 사용된 정규식생지수(Normalized Difference Vegetation Index, NDVI)는 작황 상태, 수확량 예측, 농작물 분류 등 다양한 목적으로 활용되고 있다(Houborg and McCabe, 2016; Kasampalis et al., 2018). 최근 1 m 이하의 높은 공간 해상도의 위성영상들이 제공되며 보다 다양한 해상도의 정규식생지수영상이 제공되었으며, 농업 활용 목적에 따른 최적의 위성영상을 선택하는 문제가 발생하였다(Zullo Junior et al., 2014; Kasampalis et al., 2018). 이에 따라 동일 식생지역에 대한 다양한 해상도를 가진 센서별 정규식생지수를 비교한 연구 결과가 제시되었다.

공간해상도 비교 사례를 살펴보면, 산림지역을 대상으로 고해상도 IKONOS 위성영상이 다른 중해상도 위성영상인 SPOT과 ETM+자료보다 낮은 식생지수를 나타냈다(Soudani et al., 2006). 또한 아프리카 지역에서는 10 m급 Sentinel-2A가 30 m급 Landsat-8보다 높은 정규식생지수 값을 나타내고 있다(Zhang et al., 2018; Wang et al., 2020). 주기해상도가 높은 저해상도 위성의 비교 사례에서는 Moderate Resolution Imaging Spectroradiometer (MODIS) 정규식생지수 값이 AVHRR 정규식생지수 값보다 높게 나타났으며(van Leeuwen et al., 2006), MODIS는 Landsat 정규식생지수보다 높은 수치를 나타냈다(Albarakat and Lakshmi, 2019). 이렇게 위성센서별 정규식생지수 값의 차이가 나는 주요 원인은 센서별 분광반응함수, 공간해상도, 방사해상도, 전처리 수준 등이 있다(Wang et al., 2020).

가장 큰 영향을 주는 인자는 센서별 분광반응함수의 차이인데, 특히 정규식생지수에 사용되는 적색광과 근적외선밴드의 파장 폭과 반응 함수 모양에 따라 다르게 나타난다. ASTER 센서는 근적외선영역이 파장폭이 넓어 red-edge를 포함하고 있어 반사율이 낮아 Landsat 정규식생지수 값보다 낮은 값을 나타냈다(Xu and Zhang, 2013). Sentinel-2A/B는 Landsat-8이나 GF-1에 비해 662 nm 영역에서 특이한 분광특성을 나타내 정규식생지수 값이 상대적으로 높게 나타났다(Wang et al., 2020).

정규식생지수를 생성할 때 사용되는 자료의 처리 레벨에 따라 Landsat과 Sentinel 의 비교 결과가 다르게 나타났다(Zhang et al., 2018). 또한 정규식생지수 값이 높은 산림지역에서 센서별 NDVI의 차이가 작게 나타나며, 논과 같이 수분에 의한 영향을 많이 받는 피복의 경우 센서별 차이가 크게 나타났다(Xu and Zhang, 2013). 이와 같이 단일 시기 두 센서의 정규식생지수 영상의 비교 사례는 많았으나, 시계열 자료에 대한 센서별 비교사례는 드물었다(Albarakat and Lakshmi, 2019).

공간해상도 측면에서 보면, 넓은 영역의 농경지 수확량 및 변화 탐지를 위해서는 무료로 제공되는 낮은 공간해상도의 MODIS나 AVHRR 센서자료가 대부분 사용되었으며(Kumhálová and Matêjková, 2017), 좁은 영역의 상세한 물리량 추정, 개체수 분석과 같은 활용분야에서는 고해상도 위성영상이 사용되었다(Kim et al., 2012; Vega et al., 2015; Houborg and McCabe, 2016). 주기해상도의 경우 산림지역은 6~16일 주기가 적합한 것으로 제시되었으나(Zhang et al., 2009), 농경지는 그 종류가 많아 아직까지 최적의 주기해상도가 제공되지 못한 실정이다. 국내의 경우 국외에 비해 상대적으로 좁은 농경지를 보유하고 있으며, 연중 장마나 태풍으로 인해 큰 영향을 받아 높은 공간해상도와 높은 주기해상도가 요구된다.

최근 군집광학 위성영상으로 두 해상도를 충족시키는 위성영상이 제공되고 있으나 높은 비용과 상시 촬영 방식이 아닌 요청 후 촬영방식으로 그 활용이 매우 제한적이다(Kumhálová and Matêjková, 2017). 이에 따라 본 연구에서는 국내 논지역을 대상으로 최근 많이 사용되는 Sentinel-2A/B 위성영상을 포함한 중저해상도 위성영상과 함께 고해상도 위성영상의 정규식생지수의 시계열 패턴을 비교하여 최적의 정규식생지수를 나타내는 위성영상을 제시하려 한다.

2. 연구 방법

2.1. 연구 지역

본 연구에서는 다양한 광학위성영상의 정규식생지수(NDVI) 비교를 위하여, 단일 작물로 넓게 분포한 당진시 석문면에 위치한 교로리 일대의 12 km2 (약 1,200 ha) 면적을 포함하는 논지역을 선택하였다. 해당 연구 지역은 당진시의 계획관리지역의 농업단지로써 시에서 추진하는 친환경적 재배농법 해나루쌀 재배단지 일부를 포함하고 있다. 또한, 간척사업을 통해 만들어진 평야로 경작지는 일정간격으로 네모 반듯하게 경지정리가 잘 되어 있다. 석문면 교로리 일대는 전부 논으로 구성되어 있으며, 5월 모내기철을 시작으로 10월 추수를 진행한다.

Fig. 1. The study area of Dangjin rice paddy. (a) PlanetScope color image and (b, c) field photo.

2.2. 사용한 자료

본 연구에서는 2019년부터 2022년까지의 벼의 생육주기에 맞춰 4월부터 11월까지의 영상자료를 수집하여 사용하였다. 다양한 광학위성영상을 이용하여 논지역 정규식생지수 비교를 위하여 4종의 위성영상을 수집하였다. 수집된 위성자료는 대기보정된 표면반사율(reflectance) Level-2 (L2)자료로써Landsat-8, Sentinel-2A/B, PlanetScope, MODIS 위성영상이다. 대기보정 알고리즘은 Table 1과 같이 개별로 다른 알고리즘이 적용되었다. 실제 정규식생지수의 차이 발생 원인은 센서의 특징, 촬영 당시 대기 및 기상 현황, 촬영 날짜 차이 등이 제시될 수 있어, 본 연구에서는 대기 및 기상 상황에 따른 차이를 최소화하기 위해 대기보정 된 반사율 기반 정규식생지수를 산출하였다. 또한 대기보정 후 현장 정규식생지수와 보다 비슷한 위성기반 정규식생지수가 산출된다. MODIS 자료의 경우, 보다 정확한 정규식생지수를 산출하기 위해서 유일하게 정규식생지수 산출물을 제공하고 있으며, 16일 합성영상의 형태의 MOD13 (NDVI) Product를 사용하였다. 본 연구의 정규식생지수 영상 제작에 사용된 위성영상별 상세정보는 Table 1과 같다.

Table 1. Types and specifications of the dataset used

Landsat-8 위성은 16일 간격으로 동일한 지역을 촬영한 영상을 획득할 수 있으며, 30 m의 공간해상도를 가지고 있다. 총 11개의 분광밴드로 구성되어 있으며, 이중 적색광 영역의 밴드 4와 근적외선 영역의 밴드 5를 이용하여 정규식생지수 영상을 제작하였다. Sentinel-2 위성은 A/B 2종의 위성을 운용하고 있어 동일지역 영상을 5일 간격으로 획득 할 수 있다. 정규식생지수에 사용되는 적색광 영역의 밴드 4와 근적외선 영역의 밴드8은 10 m의 공간해상도를 가지고 있다. 또한, Sentinel2A/B위성자료는 2022년 자료부터 모든 밴드에 offset 값이 추가되었기 때문에 이를 적용하여 사용할 필요가 있다. PlanetScope 위성은 군집형태의 초소형위성으로 200여기가 운용되고 있으며, 이로 인해 매일 원하는 지역의 영상을 획득할 수 있다. PlanetScope 영상은 4개 혹은 8개의 분광밴드로 이루어져 있으며, 이중 본 연구에 사용된 자료는 대부분 3 m의 공간해상도의 4개 밴드로 이루어진 영상자료를 사용하였다.

Terra/MODIS 위성은 전지구를 매일 촬영하고 있으며, 정규식생지수에 사용되는 밴드들은 250 m의 공간해상도를 가지고 있다. 추가로 위성영상별 정규식생지수와 현장자료와의 비교를 위하여, Analytical Spectral Devices (ASD) 분광측정기를 이용하여 2021년~2022년 기간의 벼의 생육이 가장 활발한 7월부터 수확 전 10월 기간 동안 월 1회 현장관측을 통해 연구지역 내에서 재배되는 벼의 분광반사도를 측정하여 사용하였다. 현장자료 수집에 사용된 ASD 분광측정기(Fieldspec 4)를 사용했으며, 400–2,500 nm 파장영역 구간을 1 nm 간격으로 측정하였다. 이후 정규식생지수 값을 산출하기 위해 기존 위성영상과 현장 측정 ASD기반 정규식생지수 비교 연구 사례에서 사용된 대표 파장영역인 590–670 nm와 780–860 nm 파장영역에 대해 산술 평균 된 반사율 값을 도출하였다(Ichikawa et al., 2022). 현장관측을 수행한 현황은 Fig. 2로 확인할 수 있다. 또한, 시계열 패턴 분석을 위해 대상 시기의 강수량 자료를 수집하여 사용하였다.

Fig. 2. Photos from the fieldsdata collection (a:August 2021,b:September 2021, c:October 2021,d: July 2022, e:September 2022, and f: October 2022).

2.3. 처리 과정 및 분석 방법

본 연구에 사용된 4종의 광학위성영상의 NDVI 비교를 위하여, Landsat-8, Sentinel-2A/B, PlanetScope 위성의 각각의 적색광 밴드와 근적외선밴드를 이용하여 정규식생지수영상을 제작하였다. 각 위성의 정규식생지수제작에 사용된 밴드의 분광반응함수는 Fig. 3과 같다. MODIS의 경우 두 밴드의 파장폭이 다른 센서들과 비교 시 다소 넓은 밴드폭으로 나타났다. Sentinel-2A/B는 근적외선 밴드가 타센서와 다르게 매우 넓고 중심 파장영역이 다소 상이한 것으로 나타난다.

Fig. 3. Spectral response functions of red and NIR bands used in the generation of NDVI.

본 연구에서는 Fig. 4와 같이 연구지역을 대상으로 2019~2022년 기간의 각 위성별 정규식생지수를 산출하여 시계열로 비교하였으며, 이 기간 동안 내 수집된 벼의 분광반사율 현장자료를 추가하여 위성자료와의 비교를 진행하였다. 이를 위해 각 대기보정된 위성 Product를 수집 후, UTM 좌표체계(WGS84)로 재투영 후, 정규식생지수로 변환하였다. 그 후 연구지역의 스마트팜 맵을 이용하여 대상지역만을 추출하여 각종 정규식생지수의 통계치를 추출하였다. 현장 측정 자료는 대상지역에 골고루 측정된 총 6지점의 정규식생지수를 산술 평균하여 사용하였다.

Fig. 4. Processing and analysis process for generating and comparing NDVI of various satellite images.

3. 위성영상별 정규식생지수 분포도 및 시계열 패턴 비교 분석 결과

광학위성영상의 가장 큰 장점은 정규식생지수의 공간분포도를 제공하는데 있다. Fig. 5(a)~(d)는 연구지역에 대한 각 위성별 2022년 6월 상반기 정규식생지수 분포도를, Fig. 5(e)~(h)는 9월 상반기 정규식생지수 분포도를 보여주고 있다. Landsat-8위성영상은 가장 6월, 9월 모두 타위성보다 낮은 지수 값을 나타내며, 필지별 변이도 작게 나타났다. 이에 반해 Sentinel-2A/B와 PlanetScope 위성은 필지별 공간적 변이가 잘 나타나나, 6월의 경우 Sentinel-2A/B의 정규식생지수 값이 PlanetScope이나 MODIS에 비해 낮게 나타나는 것을 볼 수 있다. 공간해상도의 차이가 큰 PlanetScope과 MODIS의 정규식생지수 분포도는 공간해상도의 차이에도 불구하고 공간적으로 비슷한 정규식생지수 분포를 보이는 것을 알 수있다. 단, MODIS의 경우 산림과의 혼합되는 경계부분에서 정규식생지수가 크게 나타나는 것을 알 수 있다.

Fig. 5. This is a satellite image. (a) PlanetScope (2022.06.11), (b) Sentinel-2A/B (2022.06.11), (c) Landsat-8 (2022.06.21), (d) MOD13 (2022.06.10), (e) PlanetScope (2022.09.09), (f) Sentinel-2A/B (2022.09.09), (g) Landsat-8 (2022.09.09), and (h) MOD13 (2022.09.14) NDVI images of Danjin rice paddy.

Fig. 6은 대상 연구지역 대상 2019년부터 2022년까지 각 위성의 시계열 정규식생지수의 시계열 패턴을 보여 주고 있다. 또한 2021년과 2022년에 획득된 현장 측정반사율자료를 이용한 정규식생지수 값도 같이 나타내고 있다. 특히 2020년과 2022년에는 강우량이 매우 커 5일 주기로 제공되는 Sentinel-2A/B 영상의 정규식생지수가 많은 변동을 보이는 것을 볼 수 있다. 그에 비해 구름이 적은 특정 날짜에 촬영되는 방식의 PlanetScope 영상은 구름의 영향이 잘 나타나지 않는다. 또한 MODIS 영상의 경우 16일 합성으로 제공되는 특성에 따라 구름의 영향이 최소화 되면서도 상세 시계열 패턴을 잘 나타내는 것을 볼 수 있다.

Fig. 6. Time-series MOD13, Landsat-8, PlanetScope, Sentinel-2A/B, and field-measured NDVI patterns for Dangjin rice paddy from 2019 to 2022.

그에 비해 Landsat-8 영상은 매우 낮은 정규식생지수값을 나타내었다. 공간분포도와 마찬가지로 Sentinel2A/B는 정규식생지수가 최대치를 나타내기 전까지는 타위성에 비해 낮은 정규식생지수 값을 나타나며, 특히 강우량이 많은 2020년과 2022년에는 다소 낮은 정규식생지수 값을 나타내는 것을 알 수 있다. PlanetScope과 MOD13 자료는 비슷한 시계열 패턴을 나타내며, 현장측정치와도 비슷한 값을 나타냈다. 다만, MOD13 자료의 경우 낮은 공간해상도로 인해 정규식생지수가 보다 빠른 시점에 증가하여, 타위성에 비해 생육주기가 길게 나타났다. 이는 MOD13의 낮은 공간해상도로 인해 5월에 물이나 나지로 있는 논지역의 인접된 산림이나 식생과 같은 주변환경의 영향이 발생된 것으로 사료된다.

또한 각 위성 기반 정규식생지수, 현장 측정 기반 정규식생지수 자료와의 상관계수는 Table 2와 같다. 현장측정기반 정규식생지수는 Landsat-8을 제외하고 0.9 이상의 상관계수를 나타내었다. 위성영상 중 공간해상도의 차이가 가장 큰 PlanetScope과 MOD13이 0.948의 높은 상관계수를 나타내었으며, Landsat-8은 여러 위성 중 Sentinel-2A/B와 0.744의 가장 높은 상관계수를 나타내었다.

Table 2. Correlation values of various satellites-based NDVI and field-measured NDVI

이와 함께 2021년과 2022년 동안 현장 측정이 수행된 총 6일에 대해 다양한 위성자료의 정규식생지수와의 통계치를 Table 3과 같이 비교하였다. 현장 측정과 위성영상의 촬영 시점의 차이가 있으나 5일 이내의 자료만을 선택하여 산출하였다. 현장 측정된 정규식생지수는 좁은 Field of View (FOV) 및 낮은 공간 샘플링으로 인해 정규식생지수의 범위가 매우 좁게 나타났으며, 이에 비해 MOD13과 PlanetScope 기반 정규식생지수가 넓은 값의 범위를 나타내었다. 대부분 현장 측정이 7월말부터 수확전인 10월까지 측정되어 높은 정규식생지수 값이 월별로 서서히 감소하다 10월을 기점으로 크게 감소하는 패턴을 볼 수 있다. 또한 위성기반 정규식생지수와 현장 측정 정규식생지수의 차를 나타내는 bias를 보면 대부분의 위성영상이 현장 측정된 정규식생지수보다.

Table 3. Statistics of NDVI obtained from matched field and satellite observations (bias=satellite-based NDVI-field measured ASD NDVI)

4. 결론

본 연구에서는 전 세계적으로 농작물 모니터링에 많이사용되는MOD13,Landsat-8, Sentinel-2A/B,PlanetScope 위성영상의 정규식생지수자료를 비교 분석하였다. 본 자료들은 각각 3 m, 10 m, 30 m, 250 m의 다양한 공간해상도로 제공되며 제공 주기도 매우 다양하다. 공간적으로 매우 균일한 국내 당진 논지역을 대상으로 2019년~2022년까지 시계열 정규식생지수를 분석한 결과, 센서별로 정규식생지수의 차이가 나타났다.

특히 Landsat-8의 경우는 가장 낮은 정규식생지수 값과 공간적인 변이도 매우 작게 나타났다. 이는 Landsat-8과 Sentinel-2A/B 대기보정 후 반사율 기반 정규식생지수를 비교하는 타 연구에서 그 이유를 살펴볼 수 있었다. 물론 정규식생지수에 사용되는 적색광과 근적외선밴드의 파장영역과 Spectral Response Function (SRF)에 두 센서의 차이가 분명하지만, Landsat-8 정규식생지수 값이 Sentinel-2A/B위성의 값보다 낮게 나타났으며, Landsat-8 대기보정 알고리즘인 LaSRC 알고리즘의 과보정으로 인한 것으로 제시되었다(Zhang et al., 2018).

본 연구에서도 Landsat-8 이외 나머지 센서들은 해상도의 차이에도 불구하고 비슷한 정규식생지수의 공간적 분포 및 시계열 패턴을 보여준다. 다만, Sentinel-2A/B의 정규식생지수는 MODIS나 PlanetScope보다 낮게 추정된 것을 볼 수 있는데, 이는 Sentinel-2A/B만의 넓은 근적외선 영역으로 인한 것으로 사료된다.

MOD13영상은 구름의 영향을 최소화한 합성결과물을 제공하여 가장 안정적인 정규식생지수를 나타내었으나, 낮은 공간해상도로 인해 주변 영향을 받아 생육주기가 길게 나타났다. 이러한 결과를 살펴보면, PlanetScope의 정규식생지수가 상세한 공간분포도와 안정적인 시계열 패턴을 나타낸다. 그러나 구입 가격을 고려하면 무료로 제공받는 타위성에 비해 효율적인 자료라고 볼 수 없다. 공간적으로 넓은 균질성을 나타내는 국내 논지역의 통계치나 변화 탐지의 경우 고가의 고해상도 위성영상보다는 아직까지 MOD13자료나 Sentinel-2A/B자료가 더 유용할 것으로 사료된다. 단, 기존 사례에서 보듯이 개체 수나 벼 작물에 대한 생체량과 같은 상세 정보가 필요한 경우에는 고해상도 위성영상이 유용하다. 또한 현장 관측된 정규식생지수가 위성기반 정규식생지수에 비해 높게 나타났는데, 이는 타 연구 결과에서도 제시되었다. 기존 연구에서는 정규식생지수가 0.5이상인 지역에서는 현장 기반 정규식생지수가 위성기반 값보다 높게 나타나며, 0.5 이하에서는 위성 기반 정규식생지수가 높게 나타나는 결과가 제시되었다(Serrano et al., 2018).

본 연구의 현장 측정이 대부분 높은 정규식생지수를 나타내는 시기에 측정되었으며, 기존 연구 결과와 비슷한 결과를 보였다. 이러한 차이는 현장 측정과 위성센서와의 FOV, 작물과 센서의 거리, 정규식생지수에 사용되는 반사율의 범위, 위성영상 대기보정의 정확도에 따라 발생될 수 있다. 향후 연구에서는 보다 많은 현장자료를 주기적으로 획득하여 센서별 파장영역에 대한 매칭 후 정량적 분석을 시도할 예정이다. 또한 논에 비해 공간적으로 좁고, 다양한 변이를 보이는 밭작물을 대상으로 고해상도 위성영상의 활용성을 분석할 예정이다.