Skip Navigation
Skip to contents

GEO DATA : GEO DATA

OPEN ACCESS
SEARCH
Search

Articles

Page Path
HOME > GEO DATA > Volume 6(3); 2024 > Article
Data Article
무인항공기 영상을 활용한 야외 식재지 병해충 예찰 및 안전관리 모니터링
한성민1orcid, 남경희2,*orcid
Pest Control and Safety Management Monitoring in Outdoor Plantation Using Unmanned Aerial Vehicle Captured Images
Sung Min Han1orcid, Kyong-Hee Nam2,*orcid
GEO DATA 2024;6(3):144-149.
DOI: https://doi.org/10.22761/GD.2024.0023
Published online: September 27, 2024

1연구원, 국립생태원 야외식물부, 충청남도 서천군 마서면 금강로 1210, 33657, 대한민국

2선임연구원, 국립생태원 LMO팀, 충청남도 서천군 마서면 금강로 1210, 33657, 대한민국

1Researcher, Department of Landscape & Native Plant, National Institute of Ecology, 1210 Geumgang-ro, Maseo-myeon, Seocheon-gun, 33657 Chungcheongnam-do, South Korea

2Senior Researcher, LMO Team, National Institute of Ecology, 1210 Geumgang-ro, Maseo-myeon, Seocheon-gun, 33657 Chungcheongnam-do, South Korea

Corresponding Author Kyong-Hee Nam Tel: +82-41-950-5823 E-mail: khnam@nie.re.kr
• Received: August 1, 2024   • Revised: September 5, 2024   • Accepted: September 12, 2024

Copyright © 2024 GeoAI Data Society

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

prev next
  • 495 Views
  • 37 Download
  • The National Institute of Ecology in Seocheon, Chungcheongnam-do, exhibits and studies Korea’s diverse ecosystems to communicate the importance of biodiversity conservation to the general public. The site faces the challenge of preserving the natural environment while ensuring visitor convenience. This requires systematic data collection to quickly detect and respond to threats from pests and natural disasters. In this study, high-resolution orthoimages were acquired to monitor ecological changes using unmanned aerial vehicles. Images were captured through flights monthly from March to July 2024. Digital elevation models and orthoimages were generated to identify dead trees and assess areas of damage caused by heavy rainfall. The study covered an area of 998,655 m2, and the image resolution was 3.6 cm/pixel. The orthophotos were useful in identifying plant pest damage. They also helped evaluate damage caused by rain, showing that the total area of damage was 29,384 m2, mainly due to soil erosion. Furthermore, it is expected that the accumulation of such unmanned remote sensing image data can also be applied to the safety management of various natural conservation areas and public facilities.
충청남도 서천에 위치한 국립생태원의 야외 식재지는 생물 다양성의 가치와 보존을 일반 대중에게 전달하는 중요한 장소로 한반도의 다양한 숲 생태계와 습지 생태계 등을 전시하고 있는 전시 구역과 유전자변형생물체(living modified organism, LMO)가 자연 생태계에 미칠 수 있는 위해성을 연구하는 격리포장과 같은 연구 구역을 포함하고 있다(Han et al., 2023a). 이러한 야외 식재지는 자연 상태 그대로의 환경을 최대한 보존하면서도 방문객들에게 편의를 제공해야 하는 어려운 과제를 안고 있다. 특히 병해충의 침입과 자연재해로 인한 피해는 야외 식재지 내 식물의 생육과 생태계의 균형을 위협하고 전시와 연구의 구조적 안정성과 보존 노력에 부정적인 영향을 미칠 수 있어 이에 대한 대비가 필요하다(Cheatham et al, 2009; Peng et al., 2014). 따라서 이러한 문제를 신속하게 탐지하고 대처하기 위한 체계적인 데이터 구축의 필요성이 대두되었다.
최근 생태계 변화를 모니터링하고 장기적인 자료를 축적하여 미래 결과를 예측하는 데 무인 원격탐사 영상 데이터가 유용하게 활용되고 있다(Bhatnagar et al., 2020; Crutsinger et al., 2016; Han et al., 2023b; Martinez et al., 2021; Olson et al., 2019; Raoult et al., 2020; Traba et al., 2022). 무인항공기는 접근하기 어려운 공간을 쉽게 탐사할 수 있으며 고해상도의 정사영상(orthophoto)을 통해 상세한 환경 모니터링을 가능하게 한다(Ivošević et al., 2015). 특히 정사영상은 공간적 왜곡을 최소화하여 정확한 지리적 정보를 제공함으로써 병해충의 발생 위치와 자연재해로 인한 피해 지역을 파악하는 데 유용하다.
본 연구에서는 국립생태원 야외 식재지의 효율적인 관리를 위해 무인항공기를 활용한 원격탐사 영상 데이터를 확보하고자 하였으며 구축된 데이터를 토대로 향후 야외 식재지의 안전관리 방안을 제안하고자 한다.
2.1 조사 지역
본 조사는 충청남도 서천군 국립생태원 내의 모든 전시 구역과 연구 구역을 대상으로 이루어졌다(Fig. 1). 조사 지역의 연평균 기온은 12.6℃였으며 연평균 최고 기온과 최저 기온이 각각 17.7℃, 8.2℃로 평균 일교차는 9.5℃였다. 연강수량은 1,216.5 mm로 서천군이 속한 충청남도의 연강수량인 1,264.2 mm보다 47.7 mm 적었다.
2.2 조사 방법
국립생태원 야외 식재지의 변화를 관찰하고 모니터링하기 위해 무인항공기(DJI MAVIC 2 pro; DJI, Shenzhen, China)를 사용하여 항공 사진을 촬영하였다. 사진은 2024년 3월부터 7월까지 매월 1회 13-16시 사이에 촬영하였다. 무인항공기 비행은 지상 150 m 상공에서 수행되었고 카메라는 지상과 수직으로 유지되었다. 조사 지역 1회 촬영 시간은 약 1시간 정도 소요되었다. 촬영된 사진은 PhotoScan Professional (Agisoft LLC, St. Petersburg, Russia)을 사용하여 처리 및 편집하였다. 디지털 표고 모델(digital elevation model, DEM)을 생성한 후 정사영상 이미지를 생성하여 국립생태원 전체 지형의 구조와 상태를 확인하였다. 병해충 피해를 입은 고사목을 추적하기 위하여 Adobe Photoshop CS6 (Adobe Systems Inc., San Jose, CA, USA)에서 실제 육안으로 확인이 가능한 고사목 위치의 색상 red-green-blue 값을 추출하였다. 집중 호우로 인한 피해 지역 면적 계산은 QGIS (ver. 3.22.9; QGIS Development Team, Białowieża, Poland)를 사용하였다.
조사 지역의 총 면적은 998,655 m 2 였다. 항공 사진 촬영은 보존녹지, 한반도숲, 산지습지, 농업생태원, 암석생태원, 멸종위기수생식물원, 용화실못, 금구리못 등을 포함한 야외 전시 구역을 비롯하여 에코리움, 미디리움, 정문 매표소, 교육관 등을 포함한 실내 시설 및 LMO 격리포장과 같은 연구 시설 등 다양한 지형이 관찰되는 지역에서 수행되었다. Fig. 2는 PhotoScan에서 만든 DEM과 정사영상을 보여준다. DEM 영상에서 붉은색으로 표시된 보전녹지는 고도가 가장 높은 곳으로 확인되었고 용화실못을 비롯한 습지 전시 구역은 푸른색으로 고도가 가장 낮은 곳으로 확인되었다. 3월부터 7월까지 제작된 정사영상은 평균 642.4장의 사진이 사용되었고 최종 해상도는 평균 3.6 cm/pixel이었다.
야외 식재지 내 식물들의 병해충 예찰을 위해 Photoshop에서 추출된 색상을 전체 정사영상에 적용한 결과 Fig. 3과 같이 고사목 후보군들을 발견할 수 있었고, 고사목 후보군이 위치한 곳에서 실제 육안으로 확인하였을 때 높은 확률로 고사목을 특정할 수 있었다. 특히 3월에 제작된 정사영상에서 관측된 고사목 후보군들 중 두 개체의 시료를 충청남도 산림자원연구소에 의뢰한 결과 소나무재선충에 의해 고사된 것으로 확인되었다(Fig. 3A). 한편 정사영상 내에서 육안으로 관측하기 어려운 나무의 윗부분은 픽셀 단위에서 고사의 징후를 관측하여 표시할 수 있었다(Fig. 3B). 또한 사람의 접근이 어려운 구역 내에서 관측된 고사목 후보군들을 추출하여 즉각적인 현장 답사를 통한 대처가 가능하였다.
국립생태원이 위치한 서천군은 7월 8일부터 10일까지 3일 동안 서천군의 7월 평년 강수량 266.4 mm보다 많은 총 405.5 mm의 폭우가 내려 심한 피해를 입었다(Korea Meteorological Administration, 2024). 따라서 국립생태원 내부의 피해를 확인하기 위해 Fig. 4와 같이 정사영상을 제작하여 실제 피해 규모를 확인하였다. 피해 유형은 토사 유입, 수로 침식, 사면 붕괴, 토양 침식, 교량 붕괴, 우수 침투로 구분하여 표시하였다. 피해 유형 중 사람의 접근이 어려운 산림의 토양 침식으로 인한 사면 붕괴와 연구 및 전시 시설의 피해 범위를 빠르게 파악할 수 있었다. 특히 많은 강수로 인한 전시 구역 내에서의 물길 형태 및 위치를 확인할 수 있어 추가 강우에 대한 대비가 가능하였다.
한편 피해 정도를 관측한 정사영상은 QGIS에서 피해 유형과 구역별로 분류하여 면적을 산출하였다(Table 1). 전체 피해 면적은 29,384 m 2 였고 가장 많은 피해 유형은 토사 유입이었다. 폭우로 인한 피해는 야외 전시 구역이 38.2%로 가장 컸고 실내 시설과 연구 시설의 피해가 33.0%로 두 번째로 높았다. 특히 연구 시설인 LMO 격리포장의 경계면 상당 부분이 절토사면으로 이루어져 있어 토사 유입으로 인한 피해가 높은 것으로 나타났다. 유형별로는 토사 유입으로 인한 피해가 51.8%로 가장 높았고 우수 침투로 인한 피해가 33.5%로 나타났다. 사면 붕괴에 의한 피해 면적은 7.3%로 적었으나 다른 피해와 연쇄적으로 작용하는 모습을 보였다. 이러한 피해 유형 파악과 피해 구역의 면적 산출을 통해 신속하게 피해 현황을 파악할 수 있었고 피해 복구를 위한 계획 수립에도 유용하게 활용할 수 있었다.
본 연구에서는 야외 식재지에서 발생한 병해충과 집중 호우로 인한 피해 상황을 신속하게 파악하고 효율적으로 관리하기 위해 무인항공기를 활용한 원격탐사 영상 데이터를 분석하였다. 기존의 정사영상 분석 기술은 식물상 조사와 장기적인 식생 변화 모니터링을 비롯하여 산림과 같은 자연 생태계에서의 병해충 발견과 자연재해로 인한 피해 분석에 활용되었다(Frankin, 2001; Han et al., 2023b; Whitehurst et al., 2022; Yu et al., 2021). 그러나 국립생태원의 야외 전시 구역과 같이 도로, 건물, 식물 등 다양한 객체들이 존재하는 공간에서는 기존 정사영상 분석만으로 식물의 병해충을 예찰하고 자연재해의 피해를 분석하는 것이 매우 제한적이다. 본 연구는 무인항공기 영상 데이터를 활용하여 다양한 객체들이 존재하는 야외 식재지에서 병해충 예찰과 자연재해에 의한 피해 분석을 특정 색상 데이터의 적용으로 해결하였다. 특히 산림보호지역, 국립공원, 문화재보호구역 내 치명적인 피해를 유발하는 소나무재선충의 조기 발견과 폭우 시 물길의 형성, 토양 침식, 사면 붕괴, 토사 유입 등 시설 내 피해 유형과 면적의 판별이 가능하였다. 또한 국립생태원은 환경부 유일의 LMO 격리포장 시설을 보유하고 있어 연구용 유전자변형작물의 효율적인 관리를 위한 병해충 조기 발견과 폭우 등 자연재해에 의한 LMO 유출 관리에도 유용할 것으로 판단된다. 따라서 본 연구는 전시 및 연구 식물의 보존과 병해충 방제, 대규모 야외 식재지의 안전 관리를 위한 빅데이터 구축과 딥러닝(deep learning) 분석을 위한 기초 자료로 유용하며 본 연구를 적용하여 병해충 침입 예상 경로 모델링 및 자연재해에 따른 추가 피해 예측에도 활용될 수 있을 것으로 기대된다.

Conflict of Interest

On behalf of all authors, the corresponding author states that there is no conflict of interest.

Funding Information

This study was supported by a grant from the National Institute of Ecology (NIE), funded by the Ministry of Environment (MOE) of the Republic of Korea (NIE-A-2024-04).

Data Availability Statement

The data that support the findings of this study are available on request from the corresponding author. The data are not publicly available due to privacy or ethical restrictions.

Fig. 1.
Location and enlarged map (red box) of the National Institute of Ecology (NIE) in Seocheon-gun, South Korea. The region marked with a red line represents the NIE.
GD-2024-0023f1.jpg
Fig. 2.
Results of DEM (left) and orthomosaic imaging (right). DEM, digital elevation model.
GD-2024-0023f2.jpg
Fig. 3.
The labelled stand dead trees from the orthomosaic image (left, red line) and dead trees identified at the site (right). Trees expected to be infected with pinewood nematode (A) and simple stand dead tree (B).
GD-2024-0023f3.jpg
Fig. 4.
Heavy rain damage areas (shown in color) seen visually from orthomosaic images of the National Institute of Ecology (NIE).
GD-2024-0023f4.jpg
Table 1.
Distribution of heavy rain damage areas based on boundaries
Category Count Min (m2) Max (m2) Sum (m2)
District
 Buildings and research 10 5 3,623 9,708
 Forest 9 27 3,182 7,380
 Tree nursery 2 184 724 908
 Road 1 157 157 157
 Exhibition 7 6 5,166 11,231
Damage type
 Sediment inflow 12 63 3,623 15,231
 Waterway erosion 8 5 509 845
 Slope collapse 3 184 1,054 2,140
 Soil erosion 1 1,321 1,321 1,321
 Bridge collapse 1 6 6 6
 Rainwater intrusion 4 612 5,166 9,841

Min, minimum; Max, maximum.

  • Bhatnagar S, Gill L, Ghosh B (2020) Drone image segmentation using machine and deep learning for mapping raised bog vegetation communities. Remote Sens 12(16):2602Article
  • Cheatham MR, Rouse MN, Esker PD, et al (2009) Beyond yield: plant disease in the context of ecosystem services. Phytopathology 99(11):1228–1236ArticlePubMed
  • Crutsinger GM, Short J, Sollenberger R (2016) The future of UAVs in ecology: an insider perspective from the Silicon Valley drone industry. J Unmanned Veh Syst 4(3):161–168Article
  • Franklin SE (2001) Remote sensing for sustainable forest management. Routledge, London
  • Han SM, Lee JR, Nam KH (2023a) Climate characteristics and distribution of native organisms in living modified organism confined field under the Ministry of Environment, Republic of Korea. GEO DATA 5(3):213–221ArticlePDF
  • Han SM, Lee JR, Nam KH (2023b) Drone-based monitoring and mapping for LMO confined field management under the Ministry of Environment. Appl Sci 13(19):10627Article
  • Ivošević B, Han YG, Cho Y, Kwon O (2015) The use of conservation drones in ecology and wildlife research. J Ecol Environ 38(1):113–118Article
  • Korea Meteorological Administration (KMA) (2024) Synoptic weather observation, statistics by condition https://data.kma.go.kr/climate/RankState/selectRankStatisticsDivisionList.do?pgmNo=188 Accessed 20 Jul 2024
  • Martinez JL, Lucas-Borja ME, Plaza-Alvarez PA, et al (2021) Comparison of satellite and drone-based images at two spatial scales to evaluate vegetation regeneration after post-fire treatments in a Mediterranean forest. Appl Sci 11(12):5423Article
  • Olson D, Chatterjee A, Franzen DW, Day SS (2019) Relationship of drone-based vegetation indices with corn and sugarbeet yields. Agron J 111(5):2545–2557ArticlePDF
  • Peng J, Liu Y, Pan Y, Zhao Z, Song Z, Wang Y (2014) Study on the correlation between ecological risk due to natural disaster and landscape pattern-process: review and prospect. Advances in Earth Science 29(10):1186–1196
  • Raoult V, Colefax AP, Allan BM, et al (2020) Operational protocols for the use of drones in marine animal research. Drones 4(4):64Article
  • Traba J, Gómez-Catasús J, Barrero A, et al (2022) Comparative assessment of satellite- and drone-based vegetation indices to predict arthropod biomass in shrub-steppes. Ecol Appl 32(8):e2707ArticlePubMedPMCPDF
  • Whitehurst D, Joshi K, Kochersberger K, Weeks J (2022) Post-flood analysis for damage and restoration assessment using drone imagery. Remote Sens 14(19):4952Article
  • Yu R, Luo Y, Zhou Q, Zhang X, Wu D, Ren L (2021) Early detection of pine wilt disease using deep learning algorithms and UAV-based multispectral imagery. For Ecol Manag 497:119493Article
Meta Data for Dataset
Sort Field Subcategory#1 Subcategory#2
Essential *Title Dataset on the pest control and safety management monitoring in outdoor plantation using drones
*DOI http://doi.or.kr/10.22756/GEO.20240000000872
*Category Remote sensing
*Temporal Coverage 5 month 2024.03.-2024.07.
*Spatial Coverage Address None
WGS84 Coordinates Surface
N: 36.043351, E: 126.715428
N: 36.025936, E: 126.732188
*Personnel Name Kyong-Hee Nam
Affiliation National Institute of Ecology
E-mail khnam@nie.re.kr
*CC License CC BY-NC
Optional *Project Operation of the Institute of LMO risk assessment under the jurisdiction of the Ministry of Environment
*Instrument DJI MAVIC 2 PRO

Figure & Data

References

    Citations

    Citations to this article as recorded by  

      Figure
      • 0
      • 1
      • 2
      • 3
      Pest Control and Safety Management Monitoring in Outdoor Plantation Using Unmanned Aerial Vehicle Captured Images
      Image Image Image Image
      Fig. 1. Location and enlarged map (red box) of the National Institute of Ecology (NIE) in Seocheon-gun, South Korea. The region marked with a red line represents the NIE.
      Fig. 2. Results of DEM (left) and orthomosaic imaging (right). DEM, digital elevation model.
      Fig. 3. The labelled stand dead trees from the orthomosaic image (left, red line) and dead trees identified at the site (right). Trees expected to be infected with pinewood nematode (A) and simple stand dead tree (B).
      Fig. 4. Heavy rain damage areas (shown in color) seen visually from orthomosaic images of the National Institute of Ecology (NIE).
      Pest Control and Safety Management Monitoring in Outdoor Plantation Using Unmanned Aerial Vehicle Captured Images
      Category Count Min (m2) Max (m2) Sum (m2)
      District
       Buildings and research 10 5 3,623 9,708
       Forest 9 27 3,182 7,380
       Tree nursery 2 184 724 908
       Road 1 157 157 157
       Exhibition 7 6 5,166 11,231
      Damage type
       Sediment inflow 12 63 3,623 15,231
       Waterway erosion 8 5 509 845
       Slope collapse 3 184 1,054 2,140
       Soil erosion 1 1,321 1,321 1,321
       Bridge collapse 1 6 6 6
       Rainwater intrusion 4 612 5,166 9,841
      Sort Field Subcategory#1 Subcategory#2
      Essential *Title Dataset on the pest control and safety management monitoring in outdoor plantation using drones
      *DOI http://doi.or.kr/10.22756/GEO.20240000000872
      *Category Remote sensing
      *Temporal Coverage 5 month 2024.03.-2024.07.
      *Spatial Coverage Address None
      WGS84 Coordinates Surface
      N: 36.043351, E: 126.715428
      N: 36.025936, E: 126.732188
      *Personnel Name Kyong-Hee Nam
      Affiliation National Institute of Ecology
      E-mail khnam@nie.re.kr
      *CC License CC BY-NC
      Optional *Project Operation of the Institute of LMO risk assessment under the jurisdiction of the Ministry of Environment
      *Instrument DJI MAVIC 2 PRO
      Table 1. Distribution of heavy rain damage areas based on boundaries

      Min, minimum; Max, maximum.


      GEO DATA : GEO DATA
      TOP