원격탐사와 식생지수

식생지수(vegetation index, VI)는 원격탐사 영상처리에서 가장 널리 사용하는 강조 기법으로 간단하면서도 표준화된 처리 방법이다. 지구 표면의 약 30%를 차지하는 육지의 영상신호에 가장 큰 영향을 미치는 요소는 식물이다. 눈과 얼음으로 덮여 있는 극권과 매우 건조한 사막 지역을 제외하면, 육지의 대부분은 수목, 농작물, 관목류 및 물 등 다양한 식생이 존재한다. 산림 농지, 목초지, 초원 등 여러 형태의 식생은 환경 조건에 따라 식물의 생육 상태가 계속 변하므로 육상 원격탐사 영상은 촬영 지역의 식물 상태 및 생육단계에 따른 시공간적 변화를 반영한다. 식생지수는 식물과 비식물의 분광반사 특성의 차이를 이용하여 식물을 강조할 뿐만 아니라, 식생 지역에서도 식물의 종류, 엽량, 피복률 등에 따른 차이를 잘 나타낸다. 가시광선과 근적외선 파장에서 식물과 다른 지표물의 전형적인 분광 반사 곡선을 보여주고 있는데, 이 그래프를 통하여 식생지수의 기본적인 원리를 이해할 수 있다. 식물은 가시광선에서 낮은 반사율을 갖지만, 근적외선에서는 반사율이 급격히 증가하여 다른 지표물과 뚜렷한 차이를 갖는다. 반면에 식물이 아닌 물, 토양, 암석, 눈과 같은 지표물은 두 파장 구간에서 반사율의 차이가 크지 않다. 그러므로 두 파장 구간의 영상 신호를 나누거나 빼준 결과만으로도 식물과 비식물이 쉽게 구분된다. 식생지수는 식생 지역과 비 식생 지역의 차이를 강조할 뿐만 아니라, 식물의 상태를 나타내는 여러 인자와 관련되어 있다. 아래 그림에서 식물 A와 식물 B의 차이는 다양한 측면에서 해석할 수 있다. 식물의 종류에 따라서 잎의 세포가 다층 구조로 된 식물 A는 단층 구조를 가진 식물 B보다 근적외선에서 반사율이 높게 나타날 수 있다. 또한 같은 종류의 식물이라도 A는 잎이 무성한 상태로 B보다 엽량이 많다면 근적외선 반사율이 높게 나타난다. 엽량이 많으면 가시광선 밴드에서도 미세한 반사율의 차이가 발생한다. 청색광 및 적색광 파장은 엽록소 흡수밴드로 엽량이 많거나 건강하게 자라는 식물은 엽록소 농도가 높기 때문에 청색광과 적색광 흡수율이 높고 반사율이 낮다. 청색광 밴드는 대기산란의 영향을 많이 받기 때문에, 식생지수 산출에는 주로 적색광 밴드를 사용한다. 다양한 지표물의 적색광 및 근적외선 반사율을 이용하여 식생지수가 산출되는 과정을 보여준다. 식물이 아닌 지표물은 두 밴드에서 반사율의 차이가 미약하므로 두 밴드의 반사율을 나눈 값은 1에 가깝다. 반면에 식물은 근적외선에서 반사율이 매우 높기 때문에 두 밴드별 나눈 비는 1보다 훨씬 크게 된다. 두 밴드를 나눈 식생지수(ratio VI)는 밴드비 결과로 나타난다. 두 밴드의 반사율 차이(difference VI) 또한 비슷한 경향을 보인다. 비식물 지표물은 두 밴드의 반사율 차이가 0에 가깝지만, 식물은 높은 근적외선 반사율 때문에 보다 큰 값을 갖게 된다. 따라서 식물 A와 B는 식물이 아닌 다른 지표물보다 식생지수가 크며, 또한 식생지수는 식물 군집의 생물리적 특성과 관련된 정량적 인자와 밀접한 관계가 있다. 산림 및 농지의 식물 생육 상태를 가늠하기 위한 인자로 엽면적지수(LAI), 생체량(biomass). 수관울폐도(crown closure). 순생산량(production), 유효 광합성 복사량(PAR) 등이 있다. 오래전부터 식생지수를 이용하여 이러한 식생 관련 인자를 추정하려는 많은 노력이 있었다.

반응형

식생지수는 산림, 농업, 환경생태 등 식물과 직접적으로 관련된 분야에서뿐만 아니라 수문학 및 기상학 등에서도 널리 사용한다. 다양한 활용 분야에서 식생지수 자료의 중요성과 효율성을 감안하여 여러 영상 공급 기관에서는 영상자료와 함께 식생지수 자료를 산출물로 함께 공급하고 있다. MODIS는 매일 지구 전역을 촬영한 일별 영상자료를 처리하여, 16일 주기로 구름의 영향이 제거된 시계열 식생지수 영상을 제공한다. 유럽 및 한국에서도 최신 위성에서 촬영된 영상을 이용하여 일정 주기로 합성한 시계열 식생지수를 산출물로 공급할 예정이다. 시계열 식생지수는 동일 지역의 식물 상태 변화를 주기적으로 모니터링하기 위한 수단이다. 2000년부터 2010년까지 촬영된 MODID 일별 영상을 처리하여, 16일 주기의 11년 평균 NDVI를 산출한 결과를 보여준 첫 번째 식생지수 영상은 1월 1일부터 16일까지 일별 영상을 합성하여 산출한 NDVI의 11년 평균 자료이며, 이후 영상은 동일한 방법으로 16일 주기로 합성한 평균 식생지수 자료다. 온대지역의 기후 특성에 따라 식물 생장이 시작되는 봄(081 영상)부터 늦가을(337 영상)까지 산림과 농지에서 계절별 임무 및 농작물의 생육 상태에 따른 NDVI 의 변화를 쉽게 관찰할 수 있다. 동일 지역에서 오랜 기간 축적된 식생지수 평균을 기준으로 현시점의 식생지수와 비교한다면, 현재 식물의 생육 주기(phenology)와 생장 상태를 파악할 수 있다. 장기간 축적된 식생지수의 예년 평균을 이용하여 현시점의 식생 상태를 비교 분석하기 위한 방법으로 식생지수 이상 값을 다음과 같이 구할 수 있다. 식생지수 이상 값이 0에 가까우면 현시점의 식생지수가 매년 평균과 차이가 없으므로 현재의 식물 생육 상태가 평년과 크게 다르지 않다는 의미다. 그러나 식생지수 변칙 값이 음수인 지점은 현시점의 식생이 예년보다 발육이 늦거나 건강 상태가 나쁜 경우로 해석할 수 있다. 한반도 지역의 가뭄이 심했던 2012년 6월 중순(10일~25일) NDVI 와 같은 6월 중순의 11년 평균 NDVI 의 차이인 식생지수 이상 값을 보여준다. 2012년은 봄부터 시작된 심한 가뭄 때문에 농지 및 산림에서 식물 발육이 예년보다 부진하여 대부분 지역의 식생지수 이상 값이 음수인 갈색으로 보인다. 특히 극심한 가뭄으로 북한 서해안 농경지와 함경도 산림이 매우 낮은 이상 값으로 진한 갈색으로 보인다. 반면에 호남 및 영남 지역의 일부 농지에서는 생육 상태가 예년보다 우수한 녹색(양수)으로 나타난 지점을 볼 수 있는데, 이는 관개 농업으로 가뭄과 관계없이 벼의 생육이 예년보다 좋은 상태를 의미한다. 식생지수 이상 값을 이용한 변화 분석을 위해서는 정확한 평균 식생지수 자료가 구축되어야 한다. 평균 식생지수는 수십 년 이상 장기간 축적된 자료를 기반으로 산출되어야 하지만, 위성영상의 특성상 장기간 동일 사양의 영상센서가 운영되는 경우는 많지 않다. 이종 센서 자료를 함께 이용하여 장기간 평균 식생지수 자료를 구축하려면, 이종 센서 영상 간의 파장영역, 복사 해상도 공간해상도 차이에 따른 식생지수의 호환성을 검증하고 보완해야 한다.