Study on Fire Blight Forecasting Using fixed-Wing Drone

RESEARCH ARTICLE
Hyun-Jung Kim1Tae-Hwan Kang2*

Abstract

The fire-blight due to its extremely strong infectivity, once the infection is confirmed in the orchard, all of the tress located within 100 m must be destroyed and then the orchard is prohibited to cultivate the Rosaceae trees for 5 years. In South Korea, since fire-blight was confirmed for the first time in Ansung area in 2015, the infection is still being detected every year. Traditional methods to observe fire-blight requires a lot of costs and time, and also the pathogen can be transmitted by the inspectors from the infected orchard to the normal one. Thus, it is necessary to develop a remote, unmanned monitoring system for fire-blight to prevent the communication of fire-blight. Using a multi-spectral camera with 4 spectral bands (red, green, blue, red-edge, and NIR) attached on a fixed-wing drone (senseFly-eBee SQ). As a result, it is judged as impossible to detect the pear tree from the outbreak of fire blight in the growth index NDVI, reflected light NIR, and Red-edge areas because of the low spatial resolution (6 cm/pixel) and early fire blight, which spread throughout the pear trees that was photographed when some of the previous leaves showed signs of disease. In the future that low-altitude and close-up shots with high spatial resolution will be necessary for highly reliable judgements of fire blight in the future.

Keyword



Introduction

화상병은 Erwinia amylovora 병원균에 의해 발생하며 배와 사과 등 장미 과목에 생기는 세균성 병해의 일종으로(Kim and Yun, 2018; Kim et al., 2020), 200 년 넘게 사과와 배에 해를 끼치는 질병으로 알려져 왔다(Baker, 1971; Norelli et al., 2003).감염된 과수는 식물방역법에 근거한 ‘화상병 예찰·방제 지침’에 따라 모두 폐기되고, 감염 의심 개체는 발견 즉시 매몰되어 과수원에 상당한 피해를 주는 위험한 병해이기에 우리나라와 많은 나라들이 식물검역에 있어서 금지 병해로 관리하고 있다(Kim et al., 2019). 또한 감염이 확진되는 경우에는 감염된 과수원 전체 및 반경 100 m 이내의 기주 식물까지 모두 매몰되고 해당 구역에서는 향후 5년간 동종 과수의 재배가 금지되기 때문에 피해가 매우 심각하다(Jeong et al., 2018). 국내에서는 2015년 5월 경기도 안성 지역에서 화상병이 발생한 이후로 매년 피해가 발생하고 있으며, 현재까지 뚜렷한 치료법이 없고, 화상병에 한 번 감염되면 피해 규모가 큰 만큼 예방하는 것이 매우 중요하다(Kim et al., 2020). 본 연구는 과수 원예 산업 분야에서 가장 큰 문제 중 하나인 화상병의 확산 및 추가 전염에 의한 2차 피해 예방과 신속한 예찰을 위한 기초 연구로, 고정익 드론과 멀티이미지 센서를 이용하여 나주 배 연구소에서 정상 과수의 시계열 영상과 화상병 발병지인 안성에서 화상병 과수 영상을 수집하여 비교 분석함으로써 고위도에서 광역으로 촬영한 영상의 화상병 검출 가능성을 평가하였다.

Materials and Methods

화상병 발생지역 영상취득 시스템 구성

Fig. 1은 화상병 발생지역 영상취득을 위한 고정익 드론과 영상취득 센서를 나타낸 것이며, 데이터 취득 플랫품인 고정익 드론(eBee SQ, senseFly, Switzerland)의 제원은 Table 1에 나타낸 바와 같다. 데이터 취득 센서(SEQUOIA Multispectral Sensor, Parrot, France)는 촬영 밴드의 경우 RGB, Green, Red, Red-Edge, NIR 영역의 과수 영상을 취득할 수 있고, RGB 카메라 해상도는 4,608 × 3,456 pixels, 단일밴드 카메라 해상도 1,280 × 960 pixels 의 영상을 취할 수 있다. 실제 나주 배 연구소와 안성 화상병 발병지역에서 영상 취득 시 고정익 드론의 촬영 고도를 70 m 로 설정하여 촬영할 경우 1 pixel의 공간 해상도는 6 cm로 나타났다.

Table 1.Fixed-drone specifications http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Table_PASTJ_20-032_T1.png
http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Figure_PASTJ_20-032_F1.png

Fig. 1. Fixed-wing drones and sensors for data video acquisition.

영상 데이터 취득

영상 데이터 취득은 senseFly 사에서 제공하는 Emotion A.G 프로그램을 이용하였다. Emotion A.G 프로그램은 고정익 드론의 비행 고도와 중첩 촬영 지역을 설정하여 자율비행경로를 생성하고, 실시간 촬영 지역 디스플레이 및 이착륙 설정이 가능하다. 취득된 영상은 Pix4D 프로그램을 이용하여 촬영된 영상을 접합하고, 접합된 영상의 NDVI, NIR 및 Red-edge를 지도화 하였다. 지도화된 영상은 ENVI 프로그램을 이용하여 화상병 발병지역의 NDVI, NIR 및 Red-edge 영역의 식생지수 및 반사광 값을 추출하고, 화상병 발병영역에서의 최대 최소값과 평균 및 편차값을 정상과수 영상과 비교 분석하였다. Fig. 2는 나주 배 연구소 및 화상병 발병지역인 경기도 안성시 미양면에서 촬영한 자율비행 경로와 실시간 영상 취득 모습을 나타낸 것이다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Figure_PASTJ_20-032_F2.png

Fig. 2. Naju ship research institute and autonomous flight route in Miyang-myeon, Anseong.

Results and Discussion

나주 배 연구소(정상과수) 생육 영상

Fig. 3에 나주 배 연구소의 배 과수에서 취득한 영상을 분석하여 실험 대상 포장을 지도화하여 나타내었다. Table 2에서 보는 바와 같이 신고 배 과수의 NDVI 값은 0.144173~0.915051 범위를 나타내었고, 평균값은 0.705679로 나타났다. NIR 값의 경우에는 0.114106~0.508404, 평균값은 0.255444로 나타났다. Red-edge의 경우에는 평균 0.212948을 나타내었다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Figure_PASTJ_20-032_F3.png

Fig. 3. Naju pear research laboratory growth information map.

Table 2. Statistical analysis of growth information in naju pear research institute. http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Table_PASTJ_20-032_T2.png

경기도 안성시 미양면 생육 영상(감염과수)

Fig. 4는 예찰단에 의해 최종적으로 화상병 판정이 난 경기도 안성시 미양면 배 과원의 NDVI, 반사광 NIR 및 Red-edge 지도를 나타낸 것이다. 그림에서 화상병 발병 과수원의 경우 과원의 남쪽 2군데에서 화상병 발병 과수가 관찰되었으며, 화상병 발병과수는 고정익 드론을 이용하여 촬영한 영상의 NDVI, 반사광 NIR 및 Red-edge에서 주위의 정상 과수와 큰 차이가 없는 것으로 나타났다. Table 3은 안성시 미양면 화상병 발병과수의 생육정보 및 반사광의 통계분석을 나타낸 것이다. 표에서 보는 바와 같이 NDVI값의 경우 평균은 0.8843이었고, 이것은 유사 시기인 7월 경 나주 배 연구소에서 촬영하여 분석한 NDVI 값인 0.705679 보다 높은 것으로 나타났다. 또한 NIR 값은 화상병 발병과수의 경우 0.380788을 보였고, 나주 배 연구소에서 촬영하여 분석한 NIR 값인 0.255444보다 높은 것으로 나타났다. 한편 Red-edge의 경우에도 화상병 발병과수가 0.288569로 유사 시기 나주 배 연구소에서 촬영한 값인 0.212948 보다 높은 것으로 나타났다.

일반적으로 화상병에 감염된 과수의 잎과 가지는 검게 변했기에 반사광과 반사광으로부터 산출된 식생수지 값은 정상과수와 큰 차이를 보여야 하지만 그러지 않았다. 이는 고위도에서 광역으로 촬영된 영상의 공간분해능이 매우 낮기 때문으로 판단된다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Figure_PASTJ_20-032_F4.png

Fig. 4. Map of growth information at an orchard that develop fire blight in Miyang-myeon, Anseong-si, Gyeonggi-do.

Table 3. Statistical analysis of growth information of fruit trees that develop fire blight in Miyang-myeon, Anseong-si, Gyeonggi-do.http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Table_PASTJ_20-032_T3.png

경기도 안성시 서운면 생육 영상(감염과수)

화상병 확정 판정이 난 경기도 안성시 서운면 배 과원의 NDVI, 반사광 NIR 및 Red-edge 지도를 Fig. 5에 나타내었다. 그림에 나태낸 바와 같이 화상병 발병 과수원의 경우 과원의 4곳에서 화상병 발병 과수가 관찰되었으며, 화상병 발병과수는 고정익 드론을 이용하여 촬영한 영상의 NDVI, 반사광 NIR 및 Red-edge에서 주변의 정상 과수와 큰 차이가 없는 것으로 나타났다. Table 4는 경기도 안성시 서운면 화상병 발병과수의 생육정보 및 반사광의 통계분석을 나타낸 것이다. NDVI 값의 경우 평균 0.820756을 나타내었고, 이것은 유사 시기인 7월 경 나주 배 연구소에서 촬영하여 분석한 NDVI 값 0.705679 보다 높은 것으로 나타났다. 또한 NIR 값은 화상병 발병 과수의 경우 0.297142를 보였고, 나주 배 연구소에서 촬영하여 분석한 NIR 값 0.255444보다 높은 것으로 나타났다. 한편 Red-edge 값의 경우에도 화상병 발병 과수가 0.261078로 유사 시기 나주 배 연구소에서 촬영한 값 0.212948 보다 높은 것으로 나타났다.

이와 같이 정상과수와 화상병 발병과수 사이에 반사광과 식색지수 값이 차이를 보이지 않은 것은 전술한 바와 같이 고위도에서 광역촬영으로 인하여 발병과수 영상의 공간분해능이 낮아 화상병징 검출이 불가능한 것으로 판단된다.

Table 4. Statistical analysis of growth information of fruit trees that develop fire blight in Seowoon-myeon, Anseong-si, Gyeonggi-do.http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Table_PASTJ_20-032_T4.png
http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-032_image/Figure_PASTJ_20-032_F5.png

Fig. 5. Map of growth information at an orchard that develop fire blight in Seowoon-myeon, Anseong-si, Gyeonggi-do.

Conclusion

본 연구는 Erwinia amylovora 병원균에 의해 배, 사과 등 장미과 식물을 기주로 삼아 발병하는 세균성 병해의 일종인 화상병예찰에 관한 연구로 고정익 드론을 이용하여 광역으로 영상을 취득함으로써 신속한 예찰 기술 개발을 위한 기초 연구로서 수행되었다. Ebee SQ 고정익 드론으로 촬영한 영상을 접합하여 NDVI, NIR 및 Red-edge를 지도화하였고, ENVI 프로그램을 이용하여 화상병 발병지역의 NDVI, NIR 및 Red-edge 영역의 식생지수 및 반사광 정보를 분석하였다. 그 결과 정상과수 영상과 화상병 발병과수 영상으로부터 취득한 반사광 정보와 식생지수 사이에 유의한 차이가 없는 것으로 나타났다. 이와 같이 화상병 발병 과수를 검출하지 못한 이유는 본 연구에서 사용한 SEQUOIA multispectral Sensor의 공간분해능 (6cm/pixel)과 고정익 드론으로 고위도에서 영상 취득으로 인하여 공간분해능이 매우 낮았기 때문으로 판단된다. 또한 초기 화상병이 발병하여 과수 전체로 확산되어 전인 일부 잎에서 병징이 나타났을 때 촬영했기 때문에 생육 지수인 NDVI와 반사광 NIR 및 Red-edge 영역에서 검출이 불가능한 것으로 판단된다. 따라서 향후 화상병의 신뢰도 높은 판정을 위해서는 과 공간분해능이 높은 센서와 저고도 근접 촬영이 필요할 것으로 판단된다.

Acknowledgements

본 연구는 농촌진흥청 공동연구사업(과제번호: PJ012776)의 지원에 의해 수행되었습니다.

References

1  Baker KF. 1971. Fire blight of pome fruits: The genesis of the concept that bacteria can be pathogenic to plants. Hilgardia 40:603-633. 

2  Jeong US, Kim SS, Kim TH, Seo ST. 2018. Sharing Loss Compensation between the Owner and the Lessee Caused by Disease Control Order for Fire Blight in Fruit. Korean Association of Agricultural and Food Policy 45(2): 291-314. [in Korean] 

3  Kim MS, Yun SC. 2018. MARYBLYT Study for Potential Spread and Prediction of Future Infection Risk of Fire Blight on Blossom of Singo Pear in Korea. Research in Plant Disease. 24(3): 182-192. [in​ Korean] 

4  Kim HJ, Noh HK, Kang TH. 2020. Discriminant analysis to detect fire blight infection on pear trees using RGB imagery obtained by a rotary wing drone. Korean Journal of Agricultural Science 47(2): 349-360. 

5  Kim YE, Lim JY, Noh HJ, Lee DH, Kim S, Kim SH. 2019. Investigating Survival of Erwinia amylovora from Fire Blight-Diseased Apple and Pear Trees Buried in Soil as Control Measure. Korean J Environ Agric 38(4): 269-272. 

6  Norelli JL, Jones AL, Aldwinckle HS. 2003. Fire blight management in the twenty-first century: using new technologies that enhance host resistance in apple.