한국지리정보학회지 (Journal of the Korean Association of Geographic Information Studies)

  • 제28권3호
  • /
  • Pages.119-130
  • /
  • 2025
  • /
  • 1226-9719(pISSN)
  • /
  • 2287-6952(eISSN)
한국지리정보학회 (The Korean Association of Geographic Information Studies)
권호 표지
DOI QR코드

DOI QR Code

전라북도 논벼 생육기 및 휴지기 평가를 위한 NDVI와 NDMI 비교 분석

Comparison of Seasonal Variations in NDVI and NDMI for Assessing Rice Growth and Dormancy Periods in Jeollabuk-do, South Korea

  • 정윤재 ((주)지오씨엔아이 공간정보기술연구소) ;
  • 이상율 ((주)지오씨엔아이 공간정보기술연구소) ;
  • 사마르 모하메드 ((주)지오씨엔아이 공간정보기술연구소) ;
  • 정연인 (계명대학교 토목공학과 ) ;
  • 조명희 ((주)지오씨엔아이 공간정보기술연구소 )
  • 투고 : 2025.03.26
  • 심사 : 2025.09.15
  • 발행 : 2025.09.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구는 2023-2024년 동안 전라북도 군산, 김제, 익산, 정읍의 논 지역을 대상으로 Sentinel-2 영상을 활용하여 식생 활력과 수분 조건의 시공간적 변화를 분석하였다. 정규화식생지수(NDVI)와 정규화수분지수(NDMI)는 구역 통계(zonal statistics) 기법을 통해 산출되었으며, 월별 및 계절별 시계열 분석에 적용되었다. 분석 결과, 벼 재배기(5-10월)와 휴경기(11-4월) 간에는 뚜렷한 차이가 나타났다. NDVI는 재배기 동안 유의하게 높은 값을 보여 엽록소 활성과 생체량 증가를 반영하였으며, NDMI는 계절적 수분 변화를 민감하게 포착하면서 1월에 나타난 이상치(강설에 의한 수분 증가)를 잘 반영하였다. 상관분석에서는 재배기 동안 NDVI와 NDMI가 강한 양의 상관관계를 보였으나, 휴경기에는 두 지표가 분리되며 음의 상관관계가 나타났다. 또한 대응 표본 t-검정 결과, NDVI는 모든 지역에서 휴지기와 생육기 간에 통계적으로 유의한 차이(p < 0.01)를 보였다. 반면, NDMI는 대부분 지역에서 유의한 차이를 보이지 않았으며, 익산(p = 0.002)에서만 뚜렷한 차이가 나타났다. 이러한 결과는 NDVI가 계절별 식생 생육 차이를 안정적으로 반영하는 지표임을 보여주며, NDMI는 지역적 수분 조건 및 기후 이상 현상에 대한 민감성을 강조함을 시사한다. 두 지표는 상호 보완적으로 활용될 수 있으며, 벼농사 모니터링, 농업 관리, 기후 영향 평가에 적용 가능한 분석 체계를 제공한다.

This study examined the spatiotemporal dynamics of vegetation vigor and moisture conditions in rice paddy fields across Gunsan, Gimje, Iksan, and Jeongeup, South Korea, during 2023-2024 using Sentinel-2 imagery. The Normalized Difference Vegetation Index (NDVI) and Normalized Difference Moisture Index (NDMI) were derived through a zonal statistics approach and analyzed on monthly and seasonal scales. The results revealed clear contrasts between the rice-growing season (May-October) and the fallow season (November-April). NDVI values were significantly higher during the growing season, reflecting enhanced chlorophyll activity and biomass accumulation, while NDMI captured seasonal fluctuations in water availability, including anomalously high values in January that were attributed to heavy snowfall events. Correlation analysis showed strong positive NDVI-NDMI relationships during the growing season, but negative correlations during the fallow season, indicating the seasonal coupling and decoupling of vegetation and water conditions. Furthermore, paired-sample t-tests confirmed that NDVI exhibited statistically significant differences (p < 0.01) between the two seasons across all sites. In contrast, NDMI did not show statistically significant differences in most sites, except for Iksan (p = 0.002), where seasonal contrasts were evident. These findings demonstrate that NDVI and NDMI serve complementary roles in monitoring rice phenology and hydrological dynamics, with NDVI providing robust seasonal contrasts and NDMI highlighting site-specific sensitivity to moisture conditions and climatic anomalies. Together, they offer a framework for agricultural monitoring, crop management, and climate impact assessment in rice-growing regions.

키워드

과제정보

This study was carried out with the support of "Research Program for Agricultural Science & Technology Development (Project No. PJ0162342025)", National Academy of Agricultural Science, Rural Development Administration, Republic of Korea.

참고문헌

  1. Atefi, M.R. and H. Miura. 2022. Detection of Flash Flood Inundated Areas Using Relative Difference in NDVI from Sentinel-2 Images: A Case Study of the August 2020 Event in Charikar, Afghanistan. Remote Sensing 14(15):3647. https://doi.org/10.3390/rs14153647
  2. Choung, Y.J. 2015. A Study on Extraction of Croplands Located nearby Coastal Areas Using High-Resolution Satellite Imagery and LiDAR Data. Journal of the Korean Association of Geographic Information Studies 18(1):170-181 (정윤재. 2015. 고해상도 위성영상과 LiDAR 자료를 활용한 해안지역에 인접한 농경지 추출에 관한 연구. 한국지리정보학회지 18(1):170-181). https://doi.org/10.11108/KAGIS.2015.18.1.170
  3. https://www.fao.org/publications/fao-flagship-publications/the-state-of-food-and-agriculture/2021/en (Accessed March 19, 2025). Food and Agriculture Organization of the United Nations (FAO). 2025. The State of Food and Agriculture.
  4. Gao, B.C. 1996. NDWI–A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment 58(3):257–266. https://doi.org/10.1016/S0034-4257(96)00067-3
  5. Hwang, Y.M. and D.H. Shin. 2014. A study on the structure of regional agriculture in Jeollabuk-do. Jeonbuk Development Institute No.:2014-BR-04 (황영모, 신동훈. 2014. 전라북도 지역농업 구조분석에 관한 연구. 전북연구원 연구보고서 No.:2014-BR-04).
  6. Kim, K.S., Y.J. Choung and B.W. Jun. 2022. Rice Yield Estimation Using Sentinel-2 Satellite Imagery, Rainfall and Soil Data. Journal of the Korean Association of Geographic Information Studies 25(1):133-149 (김경섭, 정윤재, 전병운. 2022. Sentinel-2 위성영상과 강우 및 토양자료를 활용한 벼 수량 추정. 한국지리정보학회지 25(1):133-149). https://doi.org/10.11108/KAGIS.2022.25.1.133
  7. https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3Flist_id%3D%26obj_var_id%3D%26seqNo%3D%26tblId%3DDT_1ET0021%26vw_cd%3DMT_ZTITLE%26orgId%3D101%26path%3D%252Fvisual%252FnsportalStats%252FdetailContents.do%26conn_path%3DB1%26itm_id%3D%26lang_mode%3Dko%26scrId%3D%26 (Accessed March 19, 2025) Korean Statistical Information Service (KOSIS). 2025. Municipal-level paddy rice production (통계청. 2025. 식량작물 생산량).
  8. Lee, J.W., Y.G. Lee. and S.J. Kim. 2017. The Possibility of Drought Expression by Late March Dryness in Rice Paddy Areas Using Terra MODIS NDVI. Journal of the Korean Association of Geographic Information Studies 20(3):27-41 (이지완, 이용관, 김성준. 2017. Terra MODIS NDVI를 활용한 3월말 논지역 건조상태에 따른 가뭄표현 가능성 연구. 한국지리정보학회지 20(3):27-41). https://doi.org/10.11108/KAGIS.2017.20.3.027
  9. Lee, K.D., H.Y. An, C.W. Park, K.H. So, S.I. Na and S.Y. Jang. 2019. Estimation of Rice Grain Yield Distribution Using UAV Imagery. Journal of the Korean Society of Agricultural Engineers 61(4):1-10 (이경도, 안호용, 박찬원, 소규호, 나상일, 장수용. 2019. 무인비행체 영상을 활용한 벼 수량 분포 추정. 한국농공학회논문집 61(4):1-10).
  10. Lee, K.D., S.G. Kim, H.Y. Ahn, K.H. So and S.I. Na. 2021. Early Estimation of Rice Cultivation in Gimje-si Using Sentinel-1 and UAV Imagery. Korean Journal of Remote Sensing 37(3):503-514 (이경도, 김숙경, 안호용, 소규호, 나상일. 2021. Sentinel-1 및 UAV 영상을 활용한 김제시 벼 재배 조기 추정. 대한원격탐사학회지 37(3):503-514).
  11. Na, S.I., S.Y. Hong, H.Y. Ahn, C.W. Park, K.H. So and K.D. Lee. 2021. Detrending CropYield Data for Improving MODIS NDVI and Meteorological Data Based RiceYield Estimation Model. Korean Journal of Remote Sensing 37(2):199-209 (나상일, 홍석영, 안호용, 박찬원, 소규호, 이경도. 2021. 벼 수량 자료의 추세분석을 통한 MODIS NDVI 및 기상자료 기반의 벼 수량 추정 모형 개선. 대한원격탐사학회지 37(2):199-209). https://doi.org/10.7780/KJRS.2021.37.2.2
  12. Nam, S., G. Kim and J. Park. 2023. Food Crop Science. RGB Press 283p (남상용, 김경민, 박재령. 2023. 식용작물학 283p).
  13. Qian, L. and H. Cui. 2008. Relationship between normalized difference moisture index and land surface temperature. Geographical Research 27(6):1358-1367.
  14. Sakamoto, T., M. Yokozawa, H. Toritani, M. Shibayama, N. Ishitsuka and H. Ohno. 2005. A crop phenology detection method using time-series MODIS data. Remote Sensing of Environment 96(3–4):366–374. https://doi.org/10.1016/j.rse.2005.03.008
  15. https://sja.sangju.go.kr/main/main.jsp?home_url=sja&code=BOARD_01&board_url=board_read.jsp&queryField=&queryString=&groupingField=ALL&pageNumber=7&write_seq=1515&number=1253 (Accessed March 19, 2025) Sangju Agricultural Technology Center. 2025. Rice growth stage-based management guidelines in Sangju (상주시 농업기술센터. 2025. 벼 이삭 출수 날짜 계산에 관한 질문 답변).
  16. Straschok, O., M. Ziemiańska and V. Strashok. 2022. Evaluation and Correlation of Sentinel-2 NDVI and NDMI in Kyiv (2017–2021). Journal of Ecological Engineering 23(9): 212–218.
  17. Tian, J., Y. Tian, Y. Cao, W. Wan and K. Liu. 2023. Research on Rice Fields Extraction by NDVI Difference Method Based on Sentinel Data. Sensors 23(13):5876. https://doi.org/10.3390/s23135876
  18. Tucker, C.J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment 8(2):127-150. https://doi.org/10.1016/0034-4257(79)90013-0