Estimation of Moisture Stress for Soybean Using Thermal Image Sensor Mounted on UAV

RESEARCH ARTICLE
Min-Jun Park1Chan-Seok Ryu1Ye-Seong Kang1Si-Hyeong Jang1Jun-Woo Park1Tae-Yang Kim1Kyung-Suk Kang1Hyeon-Chan Baek1

Abstract

This study was conducted to estimate the difference of water stress for soybeans between irrigated and unirrigated blocks depending on the leaf temperature using a thermal image sensor mounted on unmanned aerial vehicle. According to the irrigation method, when there was rainfall (Aug. 8, Sep. 6, Oct. 4) or the soil moisture level did not drop below 25% (Sep. 20), there was no significant difference in leaf temperature. However, there was a significant difference in leaf temperature when there was no rainfall for a certain period (Aug. 1 and Aug. 19). There were significant differences in fresh and dry weight on Aug. 8, Aug. 19, Sep.20 depending on the irrigation method except for Aug. 1, when the application time of the automatic irrigation system was short. There was no difference in fresh and dry weight with or without irrigation due to the difference in recovery ability from water stress (Sep. 6) and rainfall (Oct. 4). Fresh weight, dry weight, and moisture content did not clearly depend on water stress because of soybeans' growth variability among the blocks. However, there was a significant negative correlation between soybean leaf temperature, fresh weight, and dry weight. Soybean vegetation was significantly reduced when damaged by water stress.

Keyword



Introduction

콩은 발효과정을 거치면서 건강 기능성을 증진시키다는 연구들로 국내외에 높은 관심과 함께 관련 건강보조식품의 시장 규모가 커지고 있다(Park, 2012; Lee and Do, 2005). 그러나 국내 콩 수급 총량 중 수입량이 차지하는 비율은 91.8%로 수입 의존 비율이 높고(KITA, 2015) 국내 콩 생산량은 8.2% (KNSO, 2015)로 자급률이 낮아 수확량과 품질을 향상하기 위한 대책이 필요하다(Hwang, 2009). 또한, 국내에서는 1인당 쌀 소비량이 줄어듦으로 인해 생산량이 소비량을 초과하여 재고미 관리 비용이 증가하고 있는 문제가 있다. 따라서 벼를 대체하여 쌀의 생산량 감소를 유도하고 논의 밭 전환율을 높이기 위한 작물로 콩이 가장 주목받고 있다(KRDA, 2018). 콩은 타 밭작물에 비해 요수량이 높은 편이며, 수분 이용이 생육기간 동안 일정하지 않아 체계적인 수분관리가 필요하다. 전체 생육기간 중 영양생장기인 V3~V6 구간에서 급격히 요수량이 증가하며, 생식생장기간 동안 이를 최대로 사용하는데 만약 개화시 수분이 부족하면 꼬투리의 수가 감소되고 결국 수확량에 부정적인 영향을 미친다(Westgate and Peterson, 1993). 따라서 적절한 시기에 작물 생육상태를 확인하고 토양 수분함량이 부족한 곳에 관수하여 요수량을 충족시킬 수 있는 재배 관리 기술이 필요하다.

이와 관련하여 최근에는 낮은 고도에서 비행 가능한 무인기에 분광 영상센서를 장착하여 취득한 고해상도 영상을 활용하는 원격탐사 기술이 적용되고 있다 (Stehr, 2015). 원격탐사기술은 광범위한 면적에 작물의 분광 정보를 신속하고 비파괴적으로 수집 가능한 이점이 있다(Mahesh et al., 2015). 많은 연구들에서 콩의 분광 정보로 수분 상태를 파악하는데 활용해 왔다. 먼저 가시광과 근적외선 부분에서 반사되는 작물의 반사 값이 수분 스트레스, 수확량, 빛 사용 효율, 엽록소 함량과 관계가 있다고 보고하였다(Gomide et al., 2003). 열화상 센서를 이용한 연구에서는 콩잎의 수분 상태와 수관 온도의 상관성 연구(Mengistu et al., 1987) 와 콩잎의 온도와 수분 상태 상관성 연구가 있다(Carvalho et al., 2015; Crusiol et al., 2017).

본 연구에서는 관수 유무에 차이를 준 필지에서 무인기에 장착된 열화상 센서를 이용하여 취득된 콩의 엽 온도와 콩의 생육 상태(생체중, 건물중, 함수율)를 비교 분석하여 필지별 콩의 수분 스트레스 유무를 판별하였다.

Materials and Methods

실험장소

본 실험은 경상남도 밀양시에 있는 사양질(Sandy Loam) 포장(35 ˚ 26 ' 59.8 " N, 128 ˚ 47 ' 08.2 " E, 약 1,960 m2)에서 수행되었다. 2019년 6월 24일에 중만생종인 대원콩(Glycine max(L.) Merrill.)을 0.8 m × 0.25 m 간격으로 파종한 후, 포장을 18개 블록(6 m × 9 m)으로 나누었다. 인공적인 관수를 하지 않은 6개 블록을 제외한 12개의 블록은 자동 관수 시스템으로 토양 수분이 25% 미만이 되면 5분간 관수한 다음 10분 후에 토양 수분 센서 HD00X (제이앤피, KOREA)로 다시 측정하는 과정을 반복하여 수분 관리를 하였다(Fig. 1.). 자동관수는 수분 스트레스에 민감한 V6 (7월 28일)부터 수확일(11월 7일)까지 실시하였고 콩 생육 데이터 및 열화상 영상 데이터는 Table 1과 같이 6차례 R3(8월 1일), R4(8월 8일), R5(8월 19일), R6(9월 6일), R7 (9월 20일), R8 (10월 4일) 취득하였다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_21-006_image/Figure_PASTJ_21-006_F1.png

Fig. 1. Test field with automatic irrigation system (6 blocks without irrigation).

Table 1. Description of vegetative stages (Purcell et al., 2014) http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-006_image/Table_PASTJ_21-006_T1.png

열화상 영상 데이터 취득 시스템

콩 엽 온도 데이터는 쿼트 콥터 무인기 Matrice 200 V2 (DJI Technology Inc., China)에 탑재된 다중 분광 센서 Altum (Micasense Inc., USA)에 포함되어 있는 열화상 센서 Lepton 3.5 (FLIR® Systems, Inc., USA)로 취득하였다. 열화상 센서의 크기는 11.5 mm × 12.7 mm × 6.9 mm, 파장 범위는 8~14 ㎛, 열 감도는 0.05℃, 해상도는 160 × 120 pixels로 공간 해상도는 25 m 고도에서 약 16.9 cm/pixels이다.

영상 취득 및 처리

안드로이드 기반 비행계획 애플리케이션인 DJI Pilot (ArduPilot Dev Team, USA)을 사용하여 비행고도 25 m, 종 〮 횡 중복도 75%, 비행속도 2.5 m/s 값으로 실험 필지에 자동비행경로를 작성하여 열화상 영상을 취득하였다. 자세, 고도 및 위치 정보가 포함된 16 bit/TIFF 파일 형태로 취득된 열화상 영상들은 Pix4D mapper pro (Pix4D S.A., Switerland)로 기하보정하고 정사 영상을 출력하였다. 열화상 영상의 절대온도는 영상처리 소프트웨어인 ENVI 5.4 (Exelis Visuall Information Solution Inc., USA)에 식(1)을 대입하여 섭씨온도(℃)로 변환하여 분석하였다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-006_image/EQ_PASTJ_21-006_eq1.png

Lwir : Long-wave infrared

Density slice 기능을 이용하여 배경을 제거한 다음 각각의 블록 별 콩 엽의 평균 섭씨온도 값을 추출하였다(Fig. 2.).

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_21-006_image/Figure_PASTJ_21-006_F2.png

Fig. 2. Image processing using Density slice of ENVI 5.4 (Image mosaic, Leaf temperature extraction, ROIs of each block).

콩의 생육 측정

콩 생육 데이터는 영상 데이터 취득이 끝난 직후에 18개 블록에서 랜덤으로 10개 블록을 선정 후 각 블록에서 무작위로 3개 샘플의 지상부만을 채취하여 식물체 표면의 이물질을 제거한 후, 전자저울을 이용하여 생체중을 측정하였다. 엽면적지수는 스캐너로 취득된 잎 이미지를 Image J 프로그램 (NIH, Maryland, USA)을 이용하여 옆면적으로 변환한 후 재식밀도로 나누어 산출되었다. 건물중은 채취한 샘플을 열풍건조기에 넣고 55℃에서 7일 동안 건조한 후 전자저울을 이용하여 측정한 후 단위면적으로 환산하였다. 함수율은 식(2)을 이용하여 계산하였다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-006_image/EQ_PASTJ_21-006_eq2.png

Wf : Fresh weight Wd : Dry weight

통계분석

통계분석은 통계처리 소프트웨어 IBM SPSS Statistics (IBM Inc., USA)를 이용하였다. 수분 스트레스에 따른 콩 엽 온도 차이와 콩 생육 차이 유무를 분석하기 위해 생육시기별로 취득된 콩 엽 온도 데이터와 콩 생육 데이터(생체중, 건물중, 함수율)를 Two sample t-test 하여 비교 분석하였다.

또한 Python3 (Python Software Foundation., USA)를 이용하여 콩 엽 온도 데이터와 콩 생육 데이터(생체중, 건물중)를 Pearson 상관계수를 사용하여 상관분석 하였다.

Results and Discussion

콩 엽 온도 비교

Table 2에 관수 제어를 시작한 후부터 수확까지의 자동관수와 미관수 블록의 엽온 차이의 유무를 Two-sample t-test 분석한 결과를 콩 엽 온도의 평균 ± 표준편차와 함께 나타내었다. R6 (9월 6일)와 R8 (10월 4일)은 두 그룹의 엽 평균온도가 약 38℃와 37℃로 유사하였으나, R3 (8월 1일)와 R5 (8월 19일)는 p 값이 유의수준인 0.05보다 낮은 각각 0.003 및 0.001로 관수 유무에 따라 엽 평균온도에 차이가 있었다. 동일한 조건에서 R4 (8월 8일), R6 (9월 6일), R7 (9월 20일)과 R8 (10월 4일)에서는 유의수준 보다 높은 p값을 나타내어 관수 유무에 따라 엽 온도에 차이가 없는 것을 확인할 수 있었다.

Table 2. Statistical data of predicted leaves temperatures and significant differences of those between watering and non-watering blocks http://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-006_image/Table_PASTJ_21-006_T2.png
Mean±S.D, *: 5% of significant value, **: 1% of significant value, ***: 0.1% of significant value

동일한 관수 방법에도 불구하고 생육단계별 관수 유무에 따른 엽 평균온도 차이를 보이지 않는 원인을 조사하기 위해 Fig 3에 강수량을 나타내었다. 유의한 차이를 보였던 R3 (8월 1일) 및 R5 (8월 19일)는 일정 기간 강수량이 없었고, 유의한 차이를 나타내지 않았던 R4 (8월 8일), R6 (9월 6일)과 R8 (10월 4일)은 데이터 취득 전 1 ~ 3일 사이에 21.6 mm ~ 146.9 mm의 강수량이 확인되었다(KMA, 2019). 그러나 R7 (9월 20일)은 강수량이 없었음에도 불구하고 유의한 엽 평균온도 차이를 나타내지 않았다. 이는 9월 7일부터 9월 20일까지 총 강수량이 14 mm로 적었음에도 불구하고 센서로 측정된 토양수분량이 28% ~ 59%로 나타나 관수 유무에 따른 수분스트레스를 받지 않았기 때문이라고 사료된다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_21-006_image/Figure_PASTJ_21-006_F3.png

Fig. 3. Rainfall data from weather station.

콩 생육 데이터 비교

Table 3에 관수 유무에 따른 무작위로 샘플링한 생육(생체중, 건물중, 함수율) 차이를 Two-sample t-test로 분석한 결과를 각각 평균 ± 표준편차와 함께 나타내었다. R4 (8월 8일), R5 (8월 19일), R7 (9월 20일)은 생체중과 건물중의 유의수준이 0.05보다 낮게 나타나 관수 유무에 따라 생육 차이를 보였다. 그러나 R6 (9월 6일)과 R8 (10월 4일)은 유의 확률이 0.05보다 높게 나타나 관수 유무에 따른 생육 차이가 없었다. R6 (9월 6일)의 경우 생체중과 건물중에는 차이를 보이지 않았지만 함수율에서는 유의한 차이(p = 0.024)를 보여 이전 5일간 약 111 mm 비가 내렸음에도 불구하고 수분 스트레스 회복이 늦어진 것으로 판단되었다. 회복이 늦어진 이유는 토양 수분이 한발상태로 유지되면 엽 수분 퍼텐셜이 감소하게 되면서 수분 손실을 최소화하기 위해 기공을 닫아 광합성, 증산량, 수분이용 효율이 감소되기 때문(Bennet & Albrecht, 1984; Boyer, 1970)이라고 판단된다. R8 (10월 4일)은 데이터 취득 전 1 ~ 3일 사이 많은 비가 내려 토양 수분함량이 증가함으로써 관수 유무에 따른 생육 차이가 나지 않은 것으로 판단된다. R3 (8월 1일)의 경우 7월 28일부터 시작된 자동 관수 시스템의 도입 기간이 짧아 관수 유무에 따라 유의한 차이를 보이지 않았지만 p 값이 각각 0.054 와 0.072로 나타나 유의수준 10%의 확률로 엽 온도에 차이를 보일 것이라는 가능성을 나타내었다. 수분스트레스에 따른 생체중, 건물중과 함수율은 블록내 콩 생육의 불균일성 등의 영향으로 일관적인 경향을 나타내지는 않았으나 R6 (9월 6일)및 R8 (10월 4일)을 제외하고 미관수한 콩의 생육이 유의하게 낮게 나타났다.

Table 3. Statistical data of fresh weights, dry weights, moisture contents, and significant differences of those between watering and non-watering blockshttp://dam.zipot.com:8080/sites/pastj/images/PASTJ_20-006_image/Table_PASTJ_21-006_T3.png
Mean±S.D, FW: Fresh weight, DW: Dry weight, MC: Moisture content, *: 5% of significant value, **: 1% of significant value, ***: 0.1% of significant value

콩 엽 온도와 생육데이터 상관분석

Fig 4에 콩 엽 온도 데이터와 생육 데이터(생체중, 건물중)의 Pearson 상관계수를 사용한 상관분석 결과를 나타내었다. R3 (8월 1일), R4 (8월 8일), R5 (8월 19일)의 기간에서 엽 온도에 따른 유의한 음적 상관관계를 나타내어 수분스트레스를 받은 콩 엽 온도가 높을수록 생육이 저조하다(Sepulcre et al., 2009)는 것을 확인할 수 있었다. R6 (9월 6일)와 R8 (10월 4일) 기간에서는 유의한 양적 상관관계를 나타내어 이전 기간동안 생육이 저조한 작물이 데이터 취득 전 강수에 의한 수분을 흡수함으로 생육이 발달한 것으로 판단된다. R7 (9월 20일)에서는 약한 음적 상관관계를 나타내어 데이터 취득 전 강수량이 없었음에도 토양 수분량이 28% ~ 59%로 관수에 따른 콩 엽 온도에서 유의한 차이를 보이지 않았다. 일반적으로 콩의 요수량은 R6 (9월 6일) 시기부터 감소하기 시작(Noberg et al. 2010)하기 때문에 과습 상태의 수분스트레스를 받아 생육이 저조한 결과를 나타낸 것으로 판단된다.

관수 유무에 따른 수분스트레스 여부를 무인기에 장착된 열화상 센서로 취득한 영상의 엽 온도와 실제 조사한 생체중, 건물중, 함수율을 비교 분석하여 판별 가능성을 나타내었다. 노지스마트농업으로써 원격탐사기술을 이용해 다양한 한발 및 과습 조건에서의 분광, 환경 및 생육 데이터를 다년간 축적하여 농업 현장에서 콩의 수분 스트레스를 판별할 수 있는 기술로 발전시킬 필요가 있다고 사료된다. 또한 무인기와 소형 분광 영상센서를 이용한 수분스트레스 추정과 판별을 소규모 포장이 아닌 주산지 대규모 영농에서 이용할 수 있는 가능성에 대한 검토도 필요하다고 생각된다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_21-006_image/Figure_PASTJ_21-006_F4.png

Fig. 4. Correlation analysis of canopy temperature, fresh weight and dry weight by period, CT : Canopy temperature, FW : Fresh weight, DW : Dry weight, *: 5% of significant value, **: 1% of significant value, ***: 0.1% of significant value, (a) R3, (b) R4, (c) R5, (d) R6, (e) R7, (f) R8.

Conclusion

본 연구는 콩의 생육 데이터와 무인기에 장착된 열화상 센서로 취득한 콩의 엽 온도로 자동관수 및 미관수 블록의 수분 스트레스를 추정하기 위해 진행되었다. 콩 엽 온도의 경우 데이터 취득 전 3일간 강수량이 없던 R3 (8월 1일)와 R5 (8월 19일)는 관수 유무에 따라 유의한 차이를 보였다. 생체중과 건물중에서는 R4 (8월 8일), R5 (8월 19일), R7 (9월 20일)에 관수 유무에 따라 유의한 차이를 보였다. 데이터 취득 전 1~3일간 강수량이 있던 경우와 강수량이 없더라도 토양수분량이 25% 이하로 내려가지 않았을 경우에는 엽 평균온도가 회복되어 관수 유무에 따라 유의한 차이를 보이지 않았다. R7 (9월 20일)의 경우 데이터 취득 전 강수량이 없었음에도 불구하고 엽 평균온도에 차이를 보이지 않았으나 생체중과 건물중에는 차이를 보였다.

본 연구를 통해 수분 스트레스에 대한 콩 엽 평균온도와 생육의 차이를 나타내었으나, 다양한 한발 및 과습 조건에 대한 분광 및 생육의 명확한 특징 파악과 수확량 비교 등과 같은 추가적인 연구가 필요하다고 판단된다.

Acknowledgements

본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 농식품기술융합창의인재양성사업의 지원을 받아 연구되었음(과제번호: 320001-4)

References

1 Bennett, J. M., Albrecht, S. L. (1984). Drought and Flooding Effects on N2Fixation, Water Relations, and Diffusive Resistance of Soybean 1. Agronomy journal, 76(5), 735-740.  

2 Boyer, J. S. (1970). Differing sensitivity of photosynthesis to low leaf water potentials in corn and soybean. Plant physiology, 46(2), 236-239.  

3 Carvalho, J. D. F. C., Crusiol, L. G. T., Perini, L. J., Sibaldelli, R. N. R., LC, F., Marcelino-Guimarães, F. C., NEPOMUCENO, A. L., NEUMAIER, N., Farias, J. R. B. (2015). Phenotyping soybeans for drought responses using remote sensing techniques and non-destructive physiological analysis. Embrapa Soja-Artigo em periódico indexado (ALICE). [in Portuguese]  

4 Crusiol, L. G. T., Carvalho, J. D. F. C., Sibaldelli, R. N. R., Neiverth, W., do Rio, A., Ferreira, L. C., Proco´pio, S. D. O., Mertz-Henning, L. M., Nepomuceno, A. L., Neumaier, N., Farias, J. R. B. (2017). NDVI variation according to the time of measurement, sampling size, positioning of sensor and water regime in different soybean cultivars. Precision Agriculture, 18(4), 470-490.  

5 Gomide, R. L., Tian, L., de Carvalho Pinto, F. A. (2003). Thermal and color near-infrared spectral remotely sensed scanners to detect in-field soybean and corn water stress variability. In 2003 ASAE Annual Meeting (p. 1). American Society of Agricultural and Biological Engineers.  

6 Hwang, Y.S. (2009). The Necessity, Possibility, and Policy Suggestion of Improving Food Self-Sufficiency Rate in Korea. Journal of Regional Studies 17(1), 29-58. [in Korean]  

7 KITA (Korea International Trade Association). 2015. Assessed in https://stat.kita.net/stat/kts/pum/ItemImpExpList.screen [in Korean]  

8 KMA (Korea Meteorological Administration). 2019. Assessed in http://www.weather.go.kr/weather/climate/past_cal.jsp?stn=288&yy=2019&mm=8&x=23&y=9&obs=1 [in Korean]  

9 KNSO (Korea National Statistical Office). 2015. Assessed in https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1ET0025&conn_path=I2 [in Korean]  

10 KRDA (Korea Rural Development Administration). 2018. Assessed in http://www.nongsaro.go.kr/portal/ps/psb/psbx/cropEbookFileViewPop.ps?indexPage=0&indexBasePage=0&cropsEbookFileNo=00001&ebookCode=137 [in Korean]  

11 Lee, J. W., & Do, J. H. (2005). Market trend of health functional food and the prospect of ginseng market. Journal of Ginseng Research, 29(4), 206-214. [in Korean]  

12 Mahesh, S., Jayas, D. S., Paliwal, J., White, N. D. G. (2015). Hyperspectral imaging to classify and monitor quality of agricultural materials. Journal of Stored Products Research, 61, 17-26.  

13 Mengistu, A., Tachibana, H., Epstein, A. H., Bidne, K. G., Hatfield, J. D. (1987). Use of leaf temperature to measure the effect of brown stem rot and soil moisture stress and its relation to yields of soybeans. Plant Disease (EUA) v. 71 (7) p. 632-634.  

14 Norberg, O. S., Shock, C. C., Feibert, E. B. G. (2010). Growing irrigated soybeans in the Pacific Northwest.  

15 Park, K. Y. (2012). Increased health functionality of fermented foods. Food Industry and Nutrition, 17(1), 1-8. [in Korean]  

16 Purcell, L. C., Salmeron, M., Ashlock, L. (2014). Soybean growth and development. Arkansas soybean production handbook.  

17 Sepulcre-Canto, G., Zarco-Tejada, P. J., Sobrino, J. A., Berni, J. A., Jimenez-Munoz, J. C., Gastellu-Etchegorry, J. P. (2009). Discriminating irrigated and rainfed olive orchards with thermal ASTER imagery and DART 3D simulation. Agricultural and Forest Meteorology, 149(6-7), 962-975.  

18 Stehr, N. J. (2015). Drones: The newest technology for precision agriculture. Natural Sciences Education, 44(1), 89-91.  

19 Westgate, M. E., Peterson, C. M. (1993). Flower and pod development in water-deficient soybeans (Glycine max L. Merr.). Journal of Experimental Botany, 44(1), 109-117.