Italian ryegrass (IRG) has become a vital forage crop due to its increasing cultivation area and its role in enhancing forage self-sufficiency. However, its production is susceptible to environmental factors such as climate change and drought, necessitating precise yield prediction technologies. This study aimed to assess the growth characteristics of IRG and predict dry matter yield (DMY) using vegetation indices derived from unmanned aerial vehicle (UAV)-based remote sensing. The Green Leaf Index (GLI), normalized difference vegetation index (NDVI), normalized difference red edge (NDRE), and optimized soil-adjusted vegetation index (OSAVI) were employed to develop DMY estimation models. Among the indices, GLI demonstrated the highest correlation with DMY (R² = 0.971). The results revealed that GLI-based UAV observations can serve as reliable tools for estimating forage yield under varying environmental conditions. Additionally, post-winter vegetation coverage in the study area was assessed using GLI, and 54% coverage was observed in March 2023. This study assesses that UAV-based remote sensing can provide high-precision predictions of crop yield, thus contributing to the stabilization of forage production under climate variability.

작물 생육 진단에 있어서 군락 엽면적과 군락 피복은 주한 요소 이다. 최근에는 이러한 측정을 디지털 카메라를 활용하여 RGB 식생지수로 작물 생육을 측정하고 있다. 본 연구는 밀 재배 기간 카메라의 노출 값을 다르게 설정하여 RGB 컬러 식생 지수와 군락 엽면적지수 및 군락피복에 대해 평가하였다. 군락 엽면적, 군락 피복 및 디지털 영상 측정은 출수 16일전부터 출수 후 25일까지 하였다. 일출 후 30분 이내에 촬영하였다. 노출 값은 셔터 속도를3 수준(1/60s, 1/340s, 1/640s)으로 하였다. RGB 컬러 식생지수 분석은 파이썬으로 하였다. 실제 군락 엽면적과 군락 피복간에는 정의 상관관계(r2 =0.94)를 보였다. 군락 피복 이미지의 ExG, GLI, NGRDI, ExG-ExR, MExG, TGI, MNGRD 및 MExG-CIVE는 군락 엽면적 지수와 및 군락 피복과는 정의 상관관계를 보였다. 그러나 CIVE와 ExR은 부의 상관관계를 보였다. 본 연구 결과 1/640s 가 1/60s와 1/320s에 비하여 노출이 높게 설정된 것으로 보였다. 또한, 토양과 녹색 영역을 분리하는데 있어서 너무 어린 시기 보다는 출수 전이 가장 잘 분리되었다. 따라서 야외에서의 다양한 광 조건에서는 과도한 노출보다는 광 간섭을 줄이는 기술과 함께 작물의 생육 시기와 기상환경을 고려하여 노출 값이 설정되어야 할 것이다.

Rye, whole-crop barley and Italian Ryegrass are major winter forage species in Korea, and yield monitoring of winter forage species is important to improve forage productivity by precision management of forage. Forage monitoring using Unmanned Aerial Vehicle (UAV) has offered cost effective and real-time applications for site-specific data collection. To monitor forage crop by multispectral camera with UAV, we tested four types of vegetation index (Normalized Difference Vegetation Index; NDVI, Green Normalized Difference Vegetation Index; GNDVI, Normalized Green Red Difference Index; NGRDI and Normalized Difference Red Edge Index; NDREI). Field measurements were conducted on paddy field at Naju City, Jeollanam-do, Korea between February to April 2019. Aerial photos were obtained by an UAV system and NDVI, GNDVI, NGRDI and NDREI were calculated from aerial photos. About rye, whole-crop barley and Italian Ryegrass, regression analysis showed that the correlation coefficients between dry matter and NDVI were 0.91∼0.92, GNDVI were 0.92∼0.94, NGRDI were 0.71∼0.85 and NDREI were 0.84∼0.91. Therefore, GNDVI were the best effective vegetation index to predict dry matter of rye, wholecrop barley and Italian Ryegrass by UAV system.

소나무재선충병은 동남부 지역을 중심으로 국내에 급속히 확산되고 있는 수목병해이다. 본 연구는 소나무재선충병 항공예찰의 효율성과 정확성을 파악하기 위해 현장예찰 조사와 드론을 이용하여 항공사진 조사를 비교하였다. 소나무재선충병 감염목과 건전목 구분을 위해 포항과 밀양의 소나무재선충 병 발생지역에서 저고도 항공사진을 촬영 후, RGB값, 분광식생지수(Spectral Vegetation Indices), M-통계값을 비교하였다. 그 결과 항공사진의 적색광 (R)값이 소나무재선충 감염목에서 가장 높게 나타났고, 건전목에서는 녹색광(G)값이 가장 높게 나타났으며, 감염목과 건전목의 RGB값의 차이는 적색광(R) 값이 가장 크게 변동하였고, 통계적으로도 유의하였다. RGB값을 이용한 분광식생지수 Excess red (ExR), R-G, Color index of vegetation (CIVE), Woebbecke index (WI)는 소나무재선충 감염목과 건전목에서 통계적으로 유의한 차이를 보였다. 분광식생지수의 M-통계값은 포항(2.3-3.1)과 밀양 (2.6-3.3) 모두 ExR, R-G, CIVE, WI에서 기준값인 1보다 높게 나타났다. 본 연구결과는 드론으로 촬영한 저고도 항공사진의 RBG값과 분광식생지수 분석을 통해 소나무재선충의 감염목과 건전목의 구분이 가능하며, 소나무재선충병의 항공예찰을 위한 기초자료로 활용할 수 있을 것으로 판단된다.

We address improved plant image segmentation based on histograms which requires using a vegetation index and threshold. Image segmentation is the most important step for extracting targets, such as vegetation, from images; this affects successful detection of plant information. Forty-two field images were acquired from a soybean field using an RGB camera. Through K-means clustering analysis, we built a new vegetation index        and generated gray-scale images. Otsu and Triangle thresholds were used to convert contrast images to binary. Optimal threshold values were generally located between the Otsu and Triangle threshold values. The combined threshold method shows 98.79% and 0.95% of mean accuracy and standard deviation, respectively, whereas the Otsu and Triangle method results show 98.17±1.71% and 97.85±1.87%, respectively. These results show that the combined method has significant segmentation potential through one-way ANOVA. Then we compared the results with K-means clustering using two-sample t-test. The K-means method’s mean accuracy is 98.18±1.79%, with no significant difference between the proposed and K-means methods. However, the proposed method’s processing time is 0.60±0.01 s, i.e., twice faster than the K-means method (1.72±0.24 s).

이 연구는 남부 아시아 지역에서의 식생활동과 엘니뇨-남방진동(ENSO)현상과 관련된 적도 기후 간의 관련성을 상관 및 회귀 분석을 통하여 규명하였다. 남부 아시아의 표준화된 식생 지수(NDVI)는 적도 동태평양 NINO 3.4 지역의 상층대기 장파복사플럭스 그리고 해수면 기압과 유의한 양의 상관성을 보였고, 해수면 온도 그리고 850hPa 동서 바람장과는 유의한 음의 상관성을 나타냈다. 이러한 ENSO 기후와 남부 아시아 지역의 식생활동 간의 부적인 관련성은 El Niño해에 보여지는 남부 아시아 지역에서의 건조 기후와 관련이 있다. 남부아시아 계절별 NDVI의 총 변동성의 58%가 회귀모델에서 선택된 2개의 변수들에 의해 설명 되었다.회귀모델 결과들은 모델 잔차들의 정규성 및 독립성을 보여 주었고, 또한 관측 NDVI와 모델에 의한 예측NDVI 간의 일치성이 통계적으로 검증 되었다.