The Korean Journal of Crop Science. 1 December 2024. 264-272
https://doi.org/10.7740/kjcs.2024.69.4.264

ABSTRACT


MAIN

  • 서 론

  • 재료 및 방법

  •   조사 지역 및 조사 내용

  •   생육 조사

  •   UAV 촬영 및 영상 전처리

  •   식생지수 산출

  •   영상분석 및 통계분석

  • 결과 및 고찰

  •   UAV 영상 기반 식생지수와 밀 수확량 및 단백질 함량의 상관관계

  •   UAV 영상 기반 식생지수 활용 밀 단백질 추정

  • 적 요

서 론

밀은 주요 3대 식량작물 중 하나로 용도에 부합하게 가공되어 빵, 국수 등의 제조에 이용하고 있다. 전 세계적으로 쌀, 옥수수와 함께 주요 작물로 생산이 되고 있으며 국내에서도 1인당 밀 소비량은 쌀 다음으로 많은 수준이다. 2021년 1.1%였던 밀 자급률은 2023년 2.0%로 소폭 상승하였으나, 같은 동아시아국가인 일본의 경우 밀 자급률이 약 17%이며 중국은 도시화 및 공업화로 재배면적은 감소 추세에 있지만 자국 생산량을 통해 소비량의 충족과 더불어 밀의 재고량을 축적할 수 있을 정도의 자급률을 보여주고 있다(MAFRA, 2023; KREI, 2023).

이러한 시점에서 국내의 밀 재배면적 확대를 위해 품질 개선이 필요하며, 목적에 따라 가공되는 밀의 경우 반죽의 점성과 탄성 등에 중요한 영향을 미치는 단백질의 함량이 중요 요소로 단백질의 함량에 따라 연질밀과 경질밀로 나누어진다(Lee et al., 2002). 작물의 생육 제한인자이자 적정 수량을 생산하는데 필수적으로 요구되는 원소인 질소는 곡물의 단백질 함량과 높은 상관관계를 보인다(Mengel & Kirkby, 1978; Lee et al., 2003).

질소와 같은 작물의 주요 생육인자의 함유량 조사 및 작물의 생육 특성에 대해 식물체 시료를 직접 채취하여 분석하는 것이 가장 정확한 방법이며 오랜 시간 시행되어 왔으나, 시간과 비용 등의 한계점으로 인한 제한점이 존재하여 대안이 필요한 시점이다(Nordh & Verwijst, 2004; Kim et al., 2005).

위성, 항공영상, 무인항공기 등을 활용한 원격탐사는 농경지의 넓은 지역에 대해 정보를 획득할 수 있기 때문에 농작물의 관리 및 농업현장을 평가하는데 효과적인 방법으로 농업 분야에서 활발하게 이용이 되고 있다(Toscano et al., 2019). 위성을 활용한 거시적 관측으로 작물 및 농업 현장에 대해 분석을 수행하던 농업 분야에서의 초기 원격탐사는 적색 파장(Red Spectral Band)과 청색 파장(Blue Spectral Band)을 흡수하고 근적외선 파장(Near-Infrared Spectral Band)은 반사하는 식물체의 엽록소 특성을 이용하여 각 파장의 반사율에 대하여 합, 차, 비로 다양하게 산출된 식생지수(VI, Vegetation Index)로 생육 상태, 작물 분포 등을 정량적으로 분석했다(Thomas & Gausman, 1977).

기술의 발전과 더불어, 저고도 비행을 통해 고해상도 영상자료 획득이 가능한 무인항공기(UAV, unmanned aerial vehicles, such as drone)의 도입으로 미시적 관측을 통한 작물 및 농업환경의 세부 변경 사항의 감지가 가능해졌다(Matese et al., 2015). 주요 작물 벼, 옥수수, 밀에 대해 무인항공기와 이에 기반한 식생지수를 이용하여 질소 함량, 엽면적, 수확량 등 다양한 지표와 관련된 연구가 전 세계적으로 다양하게 진행중에 있다(Jiang et al., 2021; Zhang et al., 2022; Jung et al., 2023).

국내 밀에 대하여 Na et al. (2016)은 무인비행체 활용을 통해 국내 밀 품종에 대한 작황 추정과 수확량에 대한 최적의 식생지수를 선정하였으며, Lee et al. (2020)은 밀의 생육 재생기 시비량 차이에 따른 질소 함량, 단백질 함량 및 수확량에 대해 무인비행기 기반 식생지수와의 상관관계를 분석하고 이를 활용한 공간정보지도 작성을 통해 단백질 함량과 수확량에 대해 추정하였다. 그러나 국내 밀의 단백질 함량 개선과 수확량 증대를 위한 출수 이후의 질소비료 시용과 비료량 증대에 따른 단백질 함량과 수확량 변화에 대해 무인비행체 기반 식생지수를 활용한 평가 및 추정연구는 아직 부족한 실정이다.

따라서 본 연구는 국내 주요 경질밀 품종에 대해 질소비료량 수준과 출수기 질소비료시용에 따른 단백질 함량 및 수확량의 변화를 파악하고, 무인기 영상자료를 통해 산출된 식생지수와의 상관관계 분석을 통한 무인비행체 영상정보 기반의 밀 수량 및 단백질 추정 가능성을 평가하기 위하여 수행되었다.

재료 및 방법

조사 지역 및 조사 내용

본 연구는 전라남도 해남군 해남읍 복평리에 위치한 면적 2,500m2인 농가 포장(34º34’50.7’’ N 126º32’51.3’’ E)을 대상으로 수행하였다(Fig. 1). 국내 농가에서 재배하는 주요 제빵용 경질밀 품종인 조경(JG), 백강(BG), 황금알(HG) 3품종을 선정하였으며, 휴폭과 파폭을 각각 180 cm, 150 cm로 조성하고 품종별 파종량 16kg·10a-1로 2021년 10월 27일에 일괄 파종을 진행하였다.

시비 처리에 따른 밀의 수량 및 단백질 함량에 대한 조사를 위해 기비와 더불어 추비로 시용되는 생육 재생기, 출수 1주 후의 질소시비량을 다르게 수행하였다. 질소 시비 차이에 따라 품종별로 시험구를 T1(복비), T2(표준), T3(표준분시), T4(등숙기3), T5(등숙기6), T6(등숙기9)로 구성하였으며, 인산과 칼리는 각각 7.4kg·10a-1, 3.9kg·10a-1로 전량 기비로 시용하였다(Table 1). 출수 1주 후 시비를 위해 출수기를 조사한 결과 백강(BG), 조경(JG), 황금알(HG) 3품종의 출수기는 4월 10일과 4월 11일로 기록되었으며 품종별, 시험구에 따른 출수기의 차이는 관찰되지 않았다.

https://cdn.apub.kr/journalsite/sites/kjcs/2024-069-04/N0840690408/images/kjcs_2024_694_264_F1.jpg
Fig. 1.

Location of the experimental site in Haenam-gun and field photos captured by UAV at the experimental site.

Table 1.

Experimental treatment composition based on difference in nitrogen fertilizer application.

Treatment Fertilizer (kg·10a-1) Total
Basal Re-growth stage 1 WAH*
T1 9.1 - - 9.1
T2 3.6 5.5 -
T3 3.6 2.75 2.75
T4 3.6 5.5 3 12.1
T5 3.6 5.5 6 15.1
T6 3.6 5.5 9 18.1

*Refers to the abbreviation ‘Week after Heading stage’.

생육 조사

2022년 06월 07일 시험포장의 밀 품종에 대해 수확 및 생육조사를 진행하였다. 각 품종과 비료처리에 따라 2개의 재배 배드를 시험구로 구성하였으며, 시험구 별 수확량과 단백질 함량 측정을 위해 3 m2 크기의 4개소를 조성하였다. 1개소에 대하여 수확량은 전수조사 하였고 단백질함량은 3차례 측정하여 평균값을 산출하였다. 4개소의 데이터값에 대한 평균값을 도출하여 각 시험구의 대표값으로 작성하였다(Fig. 2). 단위면적 당 수확량을 추정하기 위하여 수확한 밀의 수분함량을 14%로 환산하여 10a당 수확량을 산출하였다(식 (1)).

https://cdn.apub.kr/journalsite/sites/kjcs/2024-069-04/N0840690408/images/kjcs_2024_694_264_F2.jpg
Fig. 2.

Experimental design for nitrogen fertilizer application and sampling area indicated by red box.

수확한 밀의 단백질 함량을 조사하기 위하여 건조된 시료에 대해 NIR 분광분석기(TANGO FT-NIR spectrometer, Ettlingen, Germany)를 활용하여 근적외선 조사를 통해 단백질 함량에 대하여 정량분석을 수행하였다. 시료의 파쇄를 통해 성분함량을 측정 및 정량하였던 과거의 방법과 비교하여 NIR 분광분석기를 활용한 측정 방법은 약 5% 이내의 오차범위를 나타내며, 작물의 품질에 영향을 미치는 다양한 요인에 대하여 동시 측정이 가능하여 다양한 분야에서의 활용이 가능하다(Kim et al., 2016).

(1)
[(Yieldperarea/area)*(100-Moisturecontent)]/(100-14)

UAV 촬영 및 영상 전처리

UAV 영상 촬영은 가시광선(Red, Green, Blue), 적색 경계(Red-Edge), 근적외선(NIR, Near Infrared)파장 촬영이 가능한 ‘REDEDGE-MX’(Micasence, USA)를 회전익 드론 ‘Matrice 200’(M200, DJI, China)에 장착하여 밀 출수 후 1주일 후인 2022년 4월 20일과 등숙기인 5월 17일에 수행하였다. 영상데이터 수집을 위해 UAV 비행 환경은 고도 50 m, GSD 3.6 cm, 횡 중복도 75%, 종 중복도 75%, 비행 속도 4 m/s로 설정하였으며, 촬영전 Callibration panel을 촬영하여 반사도 보정을 진행하였다(Tables 2, 3).

낱장으로 촬영된 전체 영상 데이터는 전처리 프로그램 Pix4D mapper (Pix4D, Lausanne, Switzerland)를 이용하여 영상 합성을 수행하였다.

Table 2.

Specifications of UAV and REDEDGE-MX camera.

Category Specification
UAV Model Matrice 200 (DJI)
Dimensions Open 887 × 880 × 378 mm
Fold 716 × 220 × 236 mm
Type Quadcopter
Flight Speed Within 61.2 km/h
Wind Resistance Up to 12 m/s
REDEDGE-MX Weight 231.9 g
Dimensions 87 × 5.9 × 4.54 cm
Spectral bands Blue 478 nm (±32 nm)
Green 560 nm (±27 nm)
Red 668 nm (±14 nm)
Red-Edge 717 nm (±12 nm)
NIR 842 nm (±57 nm)
FOV 47.2°
Table 3.

Configuration of UAV utilization for data collection.

Category Specification
Flight date 20 April, 17 May (2022)
Flight altitude 50 m
Flight speed 4 m/s
Overlap rate 75% (both forward and side lap)
Total images no. for field Approximately 89 images
Radiometric calibration Panel Micasense calibration panel
Reflectance Blue: 0.487, Green: 0.489, Red: 0.488
Red-Edge: 0.488, NIR: 0.486
Time Before flight

식생지수 산출

식생지수는 반사 파장 측정값에 따라 식생활력, 옆면적 등 작물에 대한 정량적해석을 수행하는데 활용되고 있으며, 이들은 각 파장 반사값들의 비율, 차이 등 여러 가지 방법을 통해 산출되었다. 적색 파장(R, Red Spectral Band)과 근적외선 파장(NIR, Near-Infrared Spectral Band)의 비율로 정의된 RVI (Ratio Vegetation Index) (Gitelson et al., 1996)를 시작으로 현재 가장 광범위하게 활용되는 NDVI (Normalized Difference Vegetation Index) (Jordan, 1969)를 포함하여 다양한 식생지수들이 존재하지만, 본 연구에서는 촬영에 사용된 REDEDGE-MX의 파장 대역과 식생의 활력을 반영할 수 있는 식생지수 5가지를 선정하여 밀의 수확량과 단백질 함량을 평가하는데 활용하였다(Table 4).

Table 4.

Various vegetation indices for the evaluation of yield and protein content in wheat.

Vegetation Index Equation* Reference
NDVI
(Normalized Difference Vegetation Index)
(Rn-Rr)/(Rn+Rr) (Jordan, 1969)
GNDVI
(Green Normalized Difference Vegetation Index)
(Rn-Rg)/(Rn+Rg) (Tucker, 1979)
RVI
(Ratio Vegetation Index)
Rn/Rr (Gitelson et al., 1996)
GRVI
(Green Ratio Vegetation Index)
Rn/Rg (Sripada et al., 2006)
NDRE
(Normalized Difference Red Edge index)
(Rn-Rre)/(Rn+Rre) (Walsh et al., 2018)

*Rn, Rr, Rg and Rre are the reflectance of NIR, Red, Green and Red-Edge bands, respectively.

영상분석 및 통계분석

전처리 과정을 통해 합성된 영상은 GIS 프로그램 QGIS version 3.4.3을 활용하여 식생지수에 대한 지도를 작성하고, 실험구별 수확량 및 단백질함량을 측정하기 위해 구성하였던 4개소에 대한 구역통계(Zonal statistics)를 통해 식생지수 값을 측정하였다. 수확량 및 단백질과 식생지수와의 상관관계 분석을 위해 통계분석 전문소프트웨어 R software version 4.1.3 (R core team, 2022)을 활용하였다. 식생지수를 활용한 밀의 수확량 및 단백질 추정 관계식을 산출하기 위하여 아래 식과 같이 선형회귀식을 구축하였으며(식 (2)), 선형회귀식 구축은 Microsoft Excel 2016 (Microsoft Inc.)을 활용하였다.

선형회귀식에서 종속변수 Y는 각 품종별 수확량 및 단백질 함량이며, 독립변수 X는 UAV 영상 기반 식생지수, a와 b는 계산 상수이다.

(2)
Y=aX+b

결과 및 고찰

UAV 영상 기반 식생지수와 밀 수확량 및 단백질 함량의 상관관계

생육 시기별 상이한 질소 처리에 따른 수확량 및 단백질 함량의 차이와 시험구별 결과값에 대해 R software version 4.1.3을 이용하여 Turkey 다중검정을 수행하였다(Table 5). 출수기 이후 질소비료를 시용한 T3, T4, T5, T6에서 T1, T2와 비교하여 유의한 수확량의 증가가 확인되었지만, 비료시용 총량의 증가에 따른 수확량의 유의한 변화는 관찰되지 않았다. 이는 비료 시용양과 수확량이 정의 상관관계를 형성하며 상승곡선을 그리다 상한선에 도달 후 다시 하향곡선을 나타내는 현상에 의한 것으로 고려되며, 밀 재배에서 질소비료의 과시용은 수확량의 감소를 발생시키며 과시용이 증가할수록 감소 폭이 증가한다는 연구 결과와 일치하였다(Lopez-Bellido et al., 2006; Abdullatif et al., 2010).

밀 단백질 함량의 경우 전반적으로 출수기 이후 질소비료를 시용하고 비료 시용량이 증가할수록 단백질 함량이 증가하는 경향성을 나타내었다(Table 5). 질소비료를 과다 시용할 시 쌀알의 단백질 함량이 과도하게 증가하고, 밀 품종별로 질소비료 증가와 단백질 함량이 높은 정의 상관을 보여주었던 결과와 동일하였다(Seo et al., 2010; Kim et al., 2018). 일반적으로 월동 후 밀의 생육 증진과 수확량 증대를 위해 생육 재생기에 질소비료를 추비하는 국내의 표준 시비법 (Kim et al., 2013)에서 더 나아가 등숙기에 한 번 더 질소비료를 시용한 결과 유의한 단백질 함량의 상승이 확인되었다. 강력분 밀가루로 가공되는 국내 경질밀은 약 11~13%의 단백질 함량을 나타내지만, 용도에 따른 미흡한 품질 규격과 조기 수확 등으로 인한 낮은 품질 균일도의 문제점(Kim et al., 2018)을 가지고 있는 국내 밀 품종의 품질 개선을 위해 출수 이후의 질소비료 추비시용이 하나의 방안으로 제시될 수 있을 것으로 생각된다.

Table 5.

Results of yield and protein content according to differences in nitrogen fertilizer application by wheat cultivars.

Treatment Yield (kg·10a-1) Protein (%)
BG* JG HG BG JG HG
T1 399.5 b** 420.8 b 386.8 c 11.1 c 10.1 c 12.5 c
T2 390.4 b 471.2 ab 387.5 c 10.3 d 10.5 c 11.4 d
T3 497.6 a 444.7 ab 463.2 ab 12.2 b 10.8 c 13.0 c
T4 515.0 a 501.0 a 448.4 b 10.8 cd 11.7 b 13.1 c
T5 514.1 a 447.0 ab 491.6 ab 12.0 b 14.3 a 14.1 b
T6 467.6 ab 447.2 ab 477.3 ab 15.2 a 14.9 a 15.1 a

*Abbreviation of hard wheat cultivars: BG (BaekGang), JG (JoKyoung), HG (HwangGeumal).

**Different alphabets indicate significant differences among treatments as determined by Tukey’s test at 5% probability level.

출수 후 1주일이 경과된 2022년 4월 20일과 등숙기인 5월 7일에 촬영한 UAV 영상 데이터로 산출된 식생지수 NDVI, GNDVI, RVI, GRVI, NDRE와 수확량 및 단백질 함량과의 상관계수분석결과는 Table 6과 같다. 수확량에 대해 조경품종은 식생지수 NDRE가 0.62, 백강 품종은 GRVI, NDRE가 0.74, 황금알 품종은 NDVI가 0.46으로 4월 20일 산출된 식생지수에서 상관계수가 확인되었다. 조경과 백강 품종에서는 모든 식생지수에서 0.6 이상의 높은 상관계수를 나타내었지만, 황금알 품종은 0.37~0.46의 상관계수 범위로 상대적으로 낮은 상관계수를 나타내었다.

등숙기인 5월 7일에 산출된 식생지수와 수확량의 상관계수 분석 결과 조경, 백강, 황금알 3품종에 대해 각각 식생지수 RVI (0.35), NDVI (0.72), NDRE (0.79)가 높은 상관계수를 나타내었다(Table 6). 4월 20일과 5월 7일 2회차에 촬영된 영상자료를 기반으로 산출된 식생지수와 수확량과의 상관관계 분석 결과, NDRE와 높은 상관성을 보인 것은 품종별로 동일하였으나 높은 상관계수를 나타내는 시기에 대한 차이가 존재하였다. 향후 식생지수를 이용한 밀 수량 추정을 위한 최적의 시기를 판단하는 연차간 반복 시험이 필요할 것으로 판단된다.

출수 후 1주일 경과된 4월 20일에 촬영된 영상 데이터로 산출된 식생지수에 대해 단백질 함량의 경우 조경 품종은 GRVI와 NDRE가 0.56으로 가장 높은 상관성을 나타내었으며 백강 품종은 NDRE가 0.22, 황금알 품종은 GNDVI가 0.42로 높은 상관성을 나타내었다(Table 6). 4월 20일 UAV 영상자료를 통해 산출된 식생지수와 단백질 함량과의 상관성 결과 수확량과 동일하게 모든 품종에 대해 특성 식생지수의 높은 상관성이 나타나지 않았기에 밀 출수기에 산출된 식생지수를 통한 단백질 함량 평가에 대해 어려움이 존재할 것으로 고려되었다.

5월 17일 등숙기에 산출된 식생지수의 경우 밀의 단백질 함량에 대해 다수의 식생지수가 0.6 이상의 높은 값을 나타내었다. 조경과 황금알 품종은 NDRE (0.86, 0.83), RVI (0.80, 0.78), GRVI (0.78, 0.73) 순으로 상관계수가 높았으며 백강 품종은 NDRE (0.71), GRVI (0.70), GNDVI (0.68) 순이었다(Table 6).

위의 결과를 통해 식생지수를 이용한 밀의 단백질 함량에 대한 추정 및 평가를 위해서는 등숙기에 측정된 식생지수 NDRE가 유용하게 활용될 수 있을 것으로 판단되었다. 무인비행체 기반 촬영 시기별 식생지수 산출을 통해 밀의 건물중, 수량 및 종실 단백질의 상관관계를 분석하고 밀 단백질 함량에 대해 0.77의 가장 높은 상관계수를 보여주었던 NDRE를 활용하여 단백질 함량을 추정하였던 Lee et al. (2020)의 연구 결과와 동일하였으나 수확량과의 상관관계 분석시 유의한 결과를 통한 최적의 식생지수 선정이 불가능하였던 본 연구와는 달리, NDRE와 수확량과의 높은 상관계수를 통해 수확량의 추정을 수행한 점에서 차이를 보였다.

Table 6.

Correlation coefficients between wheat yield, protein content and vegetation indices from UAV.

Yield
BG* JG HG
20-April 17-May 20-April 17-May 20-April 17-May
NDVI** 0.67 0.72 0.59 0.32 0.46 0.63
GNDVI 0.73 0.71 0.61 0.24 0.43 0.51
RVI 0.68 0.69 0.60 0.35 0.45 0.76
GRVI 0.74 0.68 0.61 0.29 0.41 0.68
NDRE 0.74 0.68 0.62 0.34 0.37 0.79
Protein
BG JG HG
20-April 17-May 20-April 17-May 20-April 17-May
NDVI 0.02 0.62 0.45 0.65 0.34 0.64
GNDVI 0.16 0.68 0.55 0.59 0.42 0.56
RVI 0.04 0.64 0.43 0.8 0.32 0.78
GRVI 0.15 0.7 0.56 0.78 0.39 0.73
NDRE 0.22 0.71 0.56 0.86 0.37 0.83

*Abbreviation of hard wheat cultivars: BG (BaekGang), JG (JoKyoung), HG (HwangGeumal).

**UAV-based vegetation indices are represented in abbreviations as follows: NDVI (Normalized Difference Vegetation Index), GNDVI (Green Normalized Difference Vegetation Index), RVI (Ratio Vegetation Index), GRVI (Green Ratio Vegetation Index), NDRE (Normalized Difference Red Edge index).

UAV 영상 기반 식생지수 활용 밀 단백질 추정

등숙기인 5월 7일에 산출된 식생지수 NDRE가 질소 처리 수준에 따라 밀의 단백질 함량 추정에 대해 가장 유용성이 높다고 판단되었기에 NDRE를 기반으로 추정 식을 구축하였다. 백강 품종 단백질 함량의 약 51%, 조경 품종 단백질 함량의 약 74%, 황금알 품종 단백질 함량의 약 68%에 대해 추정식으로 설명이 가능하였다(Fig. 3).

https://cdn.apub.kr/journalsite/sites/kjcs/2024-069-04/N0840690408/images/kjcs_2024_694_264_F3.jpg
Fig. 3.

Relationship between vegetation index (NDRE) and wheat protein content in cultivars (A): BG, (B): JG, (C): HG.

단백질 함량 추정을 위해 구축된 추정 식을 활용하여 등숙기에 촬영된 영상자료를 기반으로 밀 단백질 분포 지도를 작성하였다(Fig. 4). 동일한 양의 비료에 대해 시용 시기를 다르게 진행하였던 T1, T2, T3의 분포 비교 결과 출수기에 비료를 시용하였던 T3에서 단백질 함량이 높은 경향을 나타내었다. 기비와 생육 재생기의 시비량을 동일하게 하고 출수기의 시비량을 다르게 설정하였던 T4, T5, T6의 분포 지도 비교 결과 출수기에 비료시용이 증가할수록 단백질의 함량이 증가하는 경향을 보였다.

동일한 비료 시용을 수행하였던 구역 내에서도 단백질 함량에 대한 다양성을 나타내었는데 양분과 수분의 불균일성 등 영농 관리 방법에서의 차이로 인해 기인되었다고 추정해 볼 수 있으며(Lee et al., 2004), 정확한 원인 이해를 위한 추가적인 연구의 수행으로 출수기 추비시용에 따른 밀의 단백질 함량 변화 이해와 추정의 정확도를 높일 수 있을 것으로 생각된다.

https://cdn.apub.kr/journalsite/sites/kjcs/2024-069-04/N0840690408/images/kjcs_2024_694_264_F4.jpg
Fig. 4.

Distribution map of wheat protein content using vegetation index by UAV.

적 요

국내 경질밀 품종 조경, 백강, 황금알의 단백질 함량과 수확량의 증가를 위한 출수기 비료시용의 효과에 대해 무인비행체 기반 식생지수를 활용하여 평가하고 공간분포지도 작성을 통해 출수기 비료시용에 따른 단백질 함량의 변화를 추정하였다. 밀의 수확량은 등숙기에 촬영된 무인비행체 영상 식생지수와의 관계성을 나타내지 않았으나, 단백질 함량은 등숙기에 산출된 식생지수 NDRE에 대해 3품종 모두 0.71~0.86의 높은 상관성을 보였다. 이를 통해 식생지수를 활용한 단백질 추정 식을 구축하고 단백질 추정을 위한 공간 변이 정보를 생산할 수 있었다. 무인비행체 기반 식생지수를 활용한 단백질 함량의 추정 및 공간정보 생산을 통해 밀 품질의 향상을 도모할 수 있는 영농계획 및 의사결정에 활용할 수 있을 것으로 생각된다.

Acknowledgements

본 논문은 농촌진흥청 연구사업(과제번호: RS-2022-RD 010241) 지원에 의해 이루어진 것임.

References

1

Abdullatif, M., U. M. Asmat, A. Sattar, F. Hussain, G. Abbas, and J. Huss. 2010. Response of growth and yield of wheat to NPK fertilizer. Sci. Int. (Lahore) 24(2) : 185-189.

2

Gitelson, A. A., Y. J. Kaufman, and M. N. Merzlyak. 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sens. Environ. 58(3) : 289-298.

10.1016/S0034-4257(96)00072-7
3

Jiang, R., A. Sanchez-Azofeifa, K. Laakso, P. Wang, Y. Xu, Z. Zhou, X. Luo, Y. Lan, G. Zhao, and X. Chen. 2021. UAV-based partially sampling system for rapid NDVI mapping in the evaluation of rice nitrogen use efficiency. J. Clean. Prod. 289 : 125705.

10.1016/j.jclepro.2020.125705
4

Jordan, C. F. 1969. Derivation of leaf area index from quality of light on the forest floor. Ecology. 50 : 663-666.

10.2307/1936256
5

Jung, H., R. Tajima, R. Ye, N. Hashimoto, Y. Yang, S. Yamamoto, and K. Homma. 2023. Utilization of UAV remote sensing in plant-based field experiments: A case study of the evaluation of LAI in a small-scale sweetcorn experiment. Agriculture 13(3) : 561.

10.3390/agriculture13030561
6

Korea Rural Economic Institute (KREI). 2023. Prospect of Chinese agriculture (2023~2032).

7

Kim, K. H., C. S. Kang, I. D. Choi, H. S. Kim, J. N. Hyun, and C. S. Park. 2016. Analysis of grain characteristics in Korean wheat and screening wheat for quality using near infrared reflectance spectroscopy. Korean J. Breed Sci. 48(4) : 442-449.

10.9787/KJBS.2016.48.4.442
8

Kim, K. M., K. H. Kim, H. S. Kim, D. J. Shin, Y. J. Kim, M. G. Oh, and J. N. Hyun. 2018. Effect of nitrogen fertilize application levels on yield and quality of Korean wheat cultivars. Korean J. Agricultural Sci. 45 : 9-18.

10.7744/kjoas.20180081
9

Kim, M. H., J. C. Shin, and B. W. Lee. 2005. Applicability of vegetation index and SPAD reading to nondestructive diagnosis of rice growth and nitrogen nutrition status. Korean J. Crop Sci. 50(6) : 369-377.

10

Kim, Y. J., H. S. Kim, C. S. Kang, K. H. Kim, J. N. Hyun, K. J. Kim, and K. H. Park. 2013. Effect of additional nitrogen fertilizer application on decreasing of pre-harvest sprouting in winter wheat. Korean J. Crop Sci. 58 : 169-176.

10.7740/kjcs.2013.58.2.169
11

Lee, C. K., M. Umeda, I. G. Jung, J. H Sung, S. C. Kim, W. P. Park, and Y. B. Lee. 2004. Spatial variability analysis of paddy rice yield in field. J. Biosyst. Eng. 29(3) : 267-274.

10.5307/JBE.2004.29.3.267
12

Lee, C. K., J. H. Nam, M. S. Kang, B. C. Ku, J. C. Kim, K. G. Park, M. W. Park, and Y. H. Kim. 2002. Current wheat quality criteria and inspection systems of major wheat producing countries. Korean J. Crop Sci. 47 : 63-94.

13

Lee, K. B., D. K. Jun, and J. C. Chae. 2003. Effect of nitrogen fertilization on quality characteristics of rice grain and aromaactive compounds of cooked rice. Korea. Korean J. Crop Sci. 48(6) : 527-533.

14

Lee, K. D., H. Y. An, S. Y. Hong, C. W. Park, K. H. So, S. I. Shim, G. E. Song, and S. I. Na. 2020. Estimation of winter wheat nitrogen content, biomass and yield using UAV images in South Korea. Korean J. Soil Sci. Fert. 53(4) : 589-599.

10.7745/KJSSF.2020.53.4.589
15

Lopez-Bellido L, R. J. Lopez-Bellido, and F. J. Lopez-Bellido. 2006. Fertilizer nitrogen efficiency in durum wheat under rainfed mediterranean conditions: effect of split application. Agron. J. 98 : 55-62.

10.2134/agronj2005.0017
16

Ministry of Agriculture, Food and Rural Affairs (MAFRA). 2023. Agriculture, food and rural affairs statistics yearbook.

17

Matese, A., P. Toscano, S. F. Di Gennaro, L. Genesio, F. P. Vaccari, J. Primicerio, C. Belli, A. Zaldei, R. Bianconi, and B. Gioli. 2015. Intercomparison of UAV, aircraft and satellite remote sensing platforms for precision viticulture. Remote Sens. 7(3) : 2971-2990.

10.3390/rs70302971
18

Mengel, K. and E. A. Kirkby. 1978. Principals of Plant Nutrition, 4th ed.; International Potash Institute: Bern, Switzerland. p. 687.

19

Na, S. I., C. W. Park, Y. K. Cheong, C. S. Kang, I. B. Choi, and K. D. Lee. 2016. Selection of optimal vegetation indices for estimation of barley & wheat growth based on remote sensing. Korean J. Remote Sens. 32(5) : 483-497.

10.7780/kjrs.2016.32.5.7
20

Nordh, N. E. and T. Verwijst. 2004. Above-ground biomass assessments and first cutting cycle production in willow (Salix sp.) coppice - a comparison between destructive and non- destructive methods. Biomass Bioenergy 27(1) : 1-8.

10.1016/j.biombioe.2003.10.007
21

Seo, J. H., C. K. Lee, Y. S. Cho, C. K. Lee, and C. K. Kim. 2010. Change of growth and nitrogen uptake of rice at the paddy field with previous upland condition. Korean J. Crop Sci. 55(2) : 98-104.

22

Sripada, R. P., R. W. Heiniger, J. G. White, and A. D. Meijer. 2006. Aerial color infrared photography for determining early in-season nitrogen requirements in corn. Agron. J. 98 : 968-977.

10.2134/agronj2005.0200
23

Thomas, J. R. and H. W. Gausman. 1977. Leaf reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops 1. Agron. J. 69(5) : 799-802.

10.2134/agronj1977.00021962006900050017x
24

Toscano, P., A. Castrignanò, S. F. Di Gennaro, A. V. Vonella, D. Ventrella, and A. Matese. 2019. A precision agriculture approach for durum wheat yield assessment using remote sensing data and yield mapping. Agronomy 9 : 437.

10.3390/agronomy9080437
25

Tucker, C. J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens. Environ. 8 : 127-150.

10.1016/0034-4257(79)90013-0
26

Walsh, O. S., S. Shafian, J. M. Marshall, C. Jackson, J. R. McClintick-Chess, S. M. Blanscet, K. Swoboda, C. Thompson, K. M. Belmont, and W. L. Walsh. 2018. Assessment of UAB based vegetation indices for nitrogen concentration estimation in spring wheat. Advances in Remote Sensing. 7 : 71-90.

10.4236/ars.2018.72006
27

Zhang, J., W. Wang, B. Krienke, Q. Cao, Y. Zhu, W. Cao, and X. Liu. 2022. In-season variable rate nitrogen recommendation for wheat precision production supported by fixed-wing uav imagery. Precis. Agric. 23 : 830-853.

10.1007/s11119-021-09863-2
페이지 상단으로 이동하기