제6부 센서·임무 탑재체
6.7 다중분광·초분광 센서
6.7.1 이 장에서 배우는 것 / 선수 지식 / 특히 중요한 독자
컬러 카메라(6.3)는 빛을 빨강·초록·파랑 세 개의 넓은 대역으로 본다. 다중분광 센서는 이를 네다섯에서 열 개 남짓의 좁은 대역으로, 초분광 센서는 수백 개의 이어진 대역으로 나눠 본다. 대역이 좁아질수록 물질마다 다른 반사의 모양, 곧 분광 서명이 보인다. 작물의 엽록소, 물의 녹조, 암석의 광물이 그 예다. 대신 대역마다 광자가 적어지고, 측정값을 날짜와 기체를 넘어 비교하려면 방사 보정이 필수가 되며, 자료가 커진다. 이 장은 이 세 가지 대가를 숫자로 보인다.
배우는 것:
- 분광 해상도와 대역 — 대역 수·대역 폭·표본 간격, 다중분광과 초분광의 경계.
- 센서 구조 — 렌즈를 여럿 사용하는 다중분광 카메라, 푸시브룸과 스냅숏 초분광, 그리고 좁은 대역이 SNR을 얼마나 깎는지.
- 방사 보정 — 화소 값(DN)에서 복사휘도·반사율로 가는 사슬, 반사율 패널과 하향 조도 센서, 태양 각이 비행 중에 바뀌는 크기.
- 식생 지수의 원리와 함정 — NDVI가 조도 변화에는 강하고 오프셋·포화·배경에는 약한 이유.
- 응용과 데이터량 — 농업·산림·수질·광물의 대역 선택, 초분광 자료가 1 km²에 수백 GB가 되는 계산.
- 워크스루 — 논 10 ha의 생육 지도를 한 번의 비행으로 만드는 과정.
선수 지식: 카메라의 광자 모형과 SNR은 4.11.4·6.3.7, GSD와 매핑 비행의 중복도는 6.3.4·6.3.9, 탑재체의 무게·전력과 체공은 6.1.9, 분광 해상도의 분류는 6.1.5.2, 식생 틈 비율은 6.6.6이다. 열영상은 6.4, 처리 일반은 6.12가 맡는다.
특히 중요한 독자: 엔지니어는 6.7.4(구조와 SNR)와 6.7.5(방사 보정)를 본다. 농업·환경 사업 담당자는 6.7.6의 지수의 함정과 6.7.9의 워크스루로 "지수 지도"가 무엇을 말하고 무엇을 말하지 못하는지 잡는다. 정책 담당자는 6.7.7의 응용표와 6.7.13을 먼저 읽는다.
기준 시점과 정직성. 이 장은 2026년 10월을 기준으로, 지식은 2026년 중반까지 반영했다. 수치 예시는 일반적 모형의 교육용 가정이며 이 장의 식을 파이썬(표준 라이브러리
math)으로 계산했다(mil-uam/fig-src/6.7-calc.py). 반사 스펙트럼은 공개 분광 라이브러리의 일반적 특징을 흉내 낸 교육용 근사 곡선이며 측정값이 아니다(mil-uam/fig-src/6.7-spectra.py). 제조사 주장은(공개 주장치), 문헌의 대략적 범위는(경험 범위), 확인하지 못한 것은(확인 필요)로 표시했다. 제품 비교는 24.32가 맡는다.
6.7.2 개념·직관 — 반사 스펙트럼은 물질의 지문이다
물체가 파장마다 빛을 얼마나 되돌리는지(반사율)를 파장에 대해 그리면 물질마다 모양이 다르다. 건강한 잎은 적색을 엽록소가 흡수해 어둡고, 근적외에서는 잎 속 세포 구조가 빛을 흩어 밝다. 그 사이가 가파르게 오르는 레드에지다. 흙은 파장이 길수록 완만히 밝아지고, 물은 청색에서만 조금 되돌린다. 사람의 눈과 컬러 카메라는 이 곡선을 세 개의 넓은 칸으로 뭉뚱그려 보므로, 건강한 잎과 시든 잎이 비슷한 초록으로 보일 수 있다. 좁은 대역을 곡선의 특징이 있는 자리에 놓으면 그 차이가 숫자로 드러난다.
이 장의 모든 대가는 세 줄로 요약된다.
- 광자. 대역 폭을 10분의 1로 줄이면 한 대역의 광자도 10분의 1이다. 낮에도 SNR이 빠듯해진다.
- 보정. 측정값은 센서와 그 순간의 햇빛에 따라 바뀐다. 표면의 성질(반사율)로 바꾸지 않으면 어제와 오늘, 이 기체와 저 기체를 비교할 수 없다.
- 자료. 대역이 수백 개면 화소 하나가 수백 개의 숫자다. 1 km²가 수백 GB가 된다.
세 축의 요구는 이렇게 달라진다. 민간 UAS가 이 센서의 본진이다. 농업의 생육·질소 관리, 산림 병해, 수질의 녹조, 광산의 광물 지도가 주 응용이고, 성과는 지수 지도와 현장 검증으로 평가된다(14.3·14.9). 군용 드론에서 초분광은 배경과 다른 물질을 찾는 이상 탐지 개념으로 연구되어 왔고, 무게와 자료량 때문에 소형 기체에서는 드물다 (경험 범위). 처리·활용·배포(PED)는 10.3이 맡는다. AAM에서는 직접 용도이 거의 없다. 버티포트 주변의 환경 감시 정도다.
6.7.3 분광 해상도와 대역
분광 성능은 네 숫자로 나타낸다. 분광 범위(예: 400~1,000 nm), 대역 수, 대역 폭(보통 반치폭, FWHM), 표본 간격(대역 중심 사이 거리)이다. 6.1.5.2의 분류를 따르면 보통 컬러 카메라는 폭 약 100 nm의 3대역, 다중분광은 폭 10~40 nm의 4~10대역, 초분광은 폭 5~10 nm의 100대역 이상이다 (경험 범위). 경계를 정한 표준도 있다. IEEE 4001-2025는 초분광을 정해진 범위를 빈틈없이, 범위의 30분의 1보다 촘촘한 간격으로 잰 것으로 정의한다(IEEE 표준 누리집의 목록과 학회 자료로 2차 확인, 본문 확인 필요). 400~1,000 nm라면 20 nm 간격보다 촘촘해야 초분광이다.
다중분광 카메라는 대역을 곡선의 특징에 놓는다. 아래는 위 그림의 다섯 대역(가정)에 교육용 근사 곡선을 평균한 반사율이다.
| 표면 | 청 | 녹 | 적 | 레드에지 | 근적외 | NDVI | NDRE |
|---|---|---|---|---|---|---|---|
| 건강한 식생 | 0.042 | 0.104 | 0.037 | 0.280 | 0.480 | 0.856 | 0.264 |
| 스트레스 식생 | 0.052 | 0.126 | 0.100 | 0.278 | 0.350 | 0.557 | 0.114 |
| 건조 토양 | 0.134 | 0.184 | 0.225 | 0.238 | 0.262 | 0.077 | 0.048 |
| 맑은 물 | 0.049 | 0.018 | 0.005 | 0.005 | 0.005 | −0.010 | 0.000 |
녹색 대역만 보면 건강한 잎(0.104)과 시든 잎(0.126)은 비슷하다. 차이는 적색(0.037 대 0.100)과 근적외(0.480 대 0.350)에서 크다. 레드에지 대역은 그 사이의 기울기를 잡는다. 초분광은 대역을 미리 고르지 않고 곡선 전체를 잰다. 그래서 무엇을 볼지 모르는 탐색이나, 흡수 특징이 좁은 광물·색소에 유리하다. 실리콘 센서는 약 1,000 nm까지만 보므로, 광물의 흡수 특징이 많은 2.0~2.5 µm(SWIR)를 보려면 InGaAs나 MCT 검출기(6.4.3)를 사용한 무거운 장비가 필요하다.
6.7.4 센서 구조
6.7.4.1 다중분광 카메라 — 렌즈를 여럿 사용한다
소형 무인기의 다중분광 카메라는 대역마다 렌즈·필터·검출기를 하나씩 두는 구조가 흔하다 (경험 범위). 대역마다 노출을 따로 맞출 수 있고 글로벌 셔터를 사용하기 쉽다. 대가는 대역 간 시차다. 렌즈 사이가 기선 $b$만큼 떨어져 있으면 거리 $h$의 같은 점이 대역마다 $b f/(p\,h)$화소 어긋난다. 기선 3 cm·초점거리 5.5 mm·화소 3.75 µm(가정)에서 거리 100 m는 0.44화소, 30 m는 1.5화소, 10 m는 4.4화소, 5 m는 8.8화소다. 낮게 날거나 높낮이가 큰 대상(나무·건물)을 찍으면 대역이 어긋난다. 그래서 처리에서 대역을 서로 정합하고, 정합 오차가 지수 지도에 가짜 테두리를 만든다.
다른 구조로는 화소 위에 서로 다른 필터를 모자이크로 까는 분광 필터 배열(컬러 카메라의 Bayer 배열을 넓힌 것)이 있다. 시차가 없지만 대역마다 화소가 줄어 공간 해상도를 잃는다.
6.7.4.2 초분광 — 푸시브룸과 스냅숏
푸시브룸은 좁은 슬릿으로 땅의 한 줄만 받아, 프리즘이나 회절격자로 그 줄의 빛을 파장 방향으로 펼친다. 2차원 검출기의 한 축이 공간(줄 위의 위치), 다른 축이 파장이다. 기체가 전진하며 줄을 쌓아 영상을 만든다. 그래서 프레임률이 비행과 묶인다. 한 줄이 GSD만큼씩 나아가야 하므로 프레임률은 $v/\mathrm{GSD}$이고, 적분 시간은 그 역수보다 길 수 없다. 줄마다 기체의 위치와 자세가 달라지므로 LiDAR(6.6.7)처럼 GNSS·관성 장치로 줄마다 지오레퍼런싱해야 하고, 흔들림이 그대로 영상의 일그러짐이 된다. 분광기의 결함으로 줄 가장자리에서 대역 중심이 휘는 스마일과 대역마다 공간 위치가 어긋나는 키스톤이 있다 (경험 범위).
스냅숏은 한 번에 영상 전체의 여러 대역을 얻는다. 화소 위의 필터 모자이크(대역 수가 수십 개 안팎)나, 간격을 바꾸는 패브리-페로 필터로 대역을 차례로 훑는 방식이 있다 (경험 범위). 흔들림에 강하고 사진측량 처리를 사용할 수 있지만, 대역 수와 공간 해상도가 푸시브룸보다 적고, 차례로 훑는 방식은 대역마다 촬영 시각이 달라 움직임에 약하다.
| 구조 | 대역 수(대표) | 공간 해상도 | 영상을 얻는 방식 | 주된 약점 |
|---|---|---|---|---|
| 다중 렌즈 다중분광 | 4~10 | 대역마다 센서 전체 | 프레임(글로벌 셔터) | 대역 간 시차·정합 |
| 분광 필터 배열 | 수~수십 | 대역 수만큼 나뉜다 | 프레임 | 공간 해상도 손실, 대역 간 누화 |
| 푸시브룸 | 100~수백 | 한 줄의 화소 수 | 비행으로 줄을 쌓는다 | 흔들림·줄마다 지오레퍼런싱, 적분 시간 제약 |
| 패브리-페로 순차 | 수십 | 센서 전체 | 대역을 차례로 | 대역마다 시각이 달라 움직임에 약하다 |
(대역 수는 (경험 범위)이며 제품마다 다르다.)
6.7.4.3 좁은 대역의 대가 — SNR
결론부터: 한 대역의 광자는 대역 폭에 비례한다. 2 nm 대역은 100 nm 컬러 화소의 50분의 1 광자를 받는다. 초분광은 큰 화소와 긴 적분으로 이를 메우려 하지만, 푸시브룸의 적분 시간은 비행 속도가 묶는다.
4.11.4.1의 광자 모형을 대역 폭 비율 $\Delta\lambda/300\ \mathrm{nm}$로 나눠 사용했다(평탄 스펙트럼 가정을 근적외까지 늘린 근사다). 맑은 낮 50,000 lux, 양자효율 0.6, 읽기 잡음 2 e⁻다.
| 센서(가정) | 화소·F수·적분 | 대역 폭 | 반사율 0.2의 SNR | 반사율 0.05의 SNR |
|---|---|---|---|---|
| 컬러 화소(비교) | 3.75 µm·F2.2·1 ms | 약 100 nm | 122 | — |
| 다중분광 근적외 | 같음 | 50 nm | 86 | 43 |
| 다중분광 적색 | 같음 | 15 nm | 47 | 24 |
| 다중분광 레드에지 | 같음 | 10 nm | 39 | 19 |
| 초분광(5 m/s·60 m) | 5.86 µm·F2.4·8.2 ms, 분광기 효율 0.5 | 2.2 nm | 52 | 26 |
| 초분광(10 m/s·80 m) | 같음, 5.5 ms | 2.2 nm | 43 | 21 |
식생의 적색은 반사율이 0.04 안팎이라 표의 0.05 열에 가깝다. 다중분광 적색 대역의 SNR은 24 안팎이고, NDVI의 적색 항이 잡음에 가장 민감한 이유다. 초분광은 화소가 크고 적분이 길어 2.2 nm 대역으로도 다중분광과 비슷한 SNR을 낸다. 그러나 이는 맑은 낮의 값이다. 흐린 날이나 이른 아침에는 조도가 몇 분의 1로 떨어져 SNR도 그 제곱근만큼 준다. 푸시브룸은 속도를 줄여야(적분을 늘려야) 이를 메울 수 있고, 그러면 면적률이 준다.
6.7.5 방사 보정 — 화소 값에서 반사율로
6.7.5.1 보정의 사슬
결론부터: 화소 값(DN)은 센서·노출·그 순간의 햇빛이 모두 섞인 상대값이다. 표면의 성질인 반사율로 바꿔야 날짜·기체·센서를 넘어 비교된다. 이 변환의 품질이 다중분광 성과의 품질이다.
첫 두 단계는 센서의 몫이다. 암전류를 빼고 렌즈 가장자리의 어두워짐(비네팅)을 고친 뒤 노출 시간과 이득으로 나누고, 대역별 검교정 계수를 곱해 복사휘도 $L$을 얻는다. 셋째 단계까지를 한 줄로 나타내면 다음이다.
$$L=\frac{k\,(\mathrm{DN}-\mathrm{DN}_{0})}{t\,g\,V(x,y)},\qquad \rho=\rho_{\text{패널}}\,\frac{L}{L_{\text{패널}}}\cdot\frac{E_{\text{패널}}}{E}$$
| 기호 | 뜻 |
|---|---|
| $\mathrm{DN}$, $\mathrm{DN}_{0}$ | 화소 값, 암전류(빛이 없을 때의 값) |
| $t$, $g$ | 노출 시간, 이득 |
| $V(x,y)$ | 화면 위치별 비네팅(가장자리 어두워짐) 계수 |
| $k$ | 대역별 검교정 계수(화소 값 → 복사휘도) |
| $E_{\text{패널}}$, $E$ | 패널을 찍을 때와 영상을 찍을 때의 하향 조도(조도 센서) |
반사율로 가는 길에는 두 가지 방법이 있고, 둘을 함께 사용하는 것이 흔하다 (경험 범위). 위 식의 마지막 비가 조도 센서의 몫이다.
- 반사율 패널. 반사율 $\rho_{\text{패널}}$을 아는 판을 비행 전후에 찍는다. 같은 빛 아래라면 $\rho=\rho_{\text{패널}}\,L/L_{\text{패널}}$이다. 반사율이 다른 판 둘 이상을 사용하면 $\rho=aL+b$의 직선을 맞춰 오프셋(산란광·암전류 잔차)까지 잡는다(경험적 선형법).
- 하향 조도 센서. 기체 위에 하늘을 보는 센서를 달아 촬영 순간마다 들어오는 빛 $E$를 잰다. 비행 중의 조도 변화를 영상마다 고친다. 단, 기체가 기울면 센서도 기울어 값이 변동한다, 직달광과 산란광의 비가 바뀌는 구름 아래에서는 오차가 커진다
(경험 범위).
패널은 오염·습기·노화로 반사율이 변하므로 보관과 주기적 교정이 필요하다. 패널의 반사율 값이 소급성 있는 교정에서 왔는지가 성과의 근거가 된다 (확인 필요).
6.7.5.2 태양 각·구름·관측 각
비행 중에도 해는 움직인다. 수평면이 받는 직달광은 태양 천정각의 코사인에 비례한다. 서울(북위 37.57°, 지방 태양시)에서 계산했다.
| 날짜 | 시각 | 천정각 | 30분 뒤 직달 조도 |
|---|---|---|---|
| 6월 21일 | 9:00→9:30 | 40.8°→35.0° | +8.3 % |
| 6월 21일 | 11:30→12:00 | 15.5°→14.1° | +0.6 % |
| 10월 27일 | 9:00→9:30 | 66.4°→62.2° | +16.6 % |
| 10월 27일 | 10:00→10:30 | 58.5°→55.5° | +8.5 % |
| 10월 27일 | 11:30→12:00 | 51.7°→51.3° | +1.1 % |
가을 아침의 30분 비행은 처음과 끝의 빛이 17 % 다르다. 비행 전 패널 한 번만으로 보정하면 끝 무렵의 반사율이 그만큼 높게 나온다. 남중 근처에서 날고, 하향 조도 센서로 고치고, 패널을 전후에 찍는 이유다. 구름 그늘은 훨씬 크다. 직달광이 가려지면 조도가 몇 분의 1로 떨어지고, 남는 산란광은 청색 쪽이 상대적으로 강해 대역마다 다르게 바뀐다 (경험 범위).
관측 각도 반사율을 바꾼다. 식생은 해를 등진 방향(후방)에서 더 밝게 보이는 핫스폿이 있고, 시야 가장자리와 중심의 밝기가 달라진다(양방향 반사 분포, BRDF). 중복된 영상을 모자이크하면 이것이 줄무늬가 된다. 물이 있는 곳에서는 태양 정반사(glint)가 문제다. 수직으로 내려보는 카메라는 시야의 반각보다 태양 천정각이 작을 때 화면 안에 태양의 거울상이 든다(6.7.9).
대기는 위성보다 훨씬 덜 문제다. 고도 100 m 안팎의 경로는 짧아 흡수와 산란이 작다. 다만 연무가 짙은 날은 산란광이 청색 대역에 오프셋을 더한다. 안개와 연무의 광학은 4.11.9가 다뤘다.
6.7.5.3 검증 — 반사율과 지수를 무엇으로 확인하나
보정이 맞았는지는 보정에 사용하지 않은 자료로 확인한다.
- 독립 검증 판. 보정용 패널과 별도로 반사율을 아는 회색 판을 몇 장 깔고, 모자이크에서 읽은 반사율과 비교한다. 반사율 오차가 0.01이면 6.7.6의 표처럼 식생의 NDVI가 0.03 움직인다는 감각으로 읽는다.
- 현장 분광계. 휴대용 분광계로 대표 지점의 반사 스펙트럼을 재서 대역 반사율과 비교한다. 측정 시각과 하늘 상태를 함께 기록한다.
- 지수와 생물량의 관계. 지수와 질소·생체량의 관계는 시료를 채취해 회귀로 맞추고, 맞출 때 사용하지 않은 시료로 교차 검증한다. 한 해·한 지역의 관계식을 다른 해에 그대로 사용하지 않는다.
- 시계열의 일관성. 같은 밭을 여러 번 비교하려면 같은 센서·같은 시각대·같은 보정 절차를 준수한다. 바뀐 것이 작물인지 보정인지 가를 수 없게 되는 것이 가장 흔한 실패다
(경험 범위).
6.7.6 식생 지수 — 원리와 함정
정규 식생 지수(NDVI)는 근적외와 적색의 차를 합으로 나눈 것이다. 레드에지 대역을 적색 대신 사용하면 NDRE다.
$$\mathrm{NDVI}=\frac{\rho_{\mathrm{NIR}}-\rho_{\mathrm{R}}}{\rho_{\mathrm{NIR}}+\rho_{\mathrm{R}}},\qquad \mathrm{NDRE}=\frac{\rho_{\mathrm{NIR}}-\rho_{\mathrm{RE}}}{\rho_{\mathrm{NIR}}+\rho_{\mathrm{RE}}}$$
비율이라서 생기는 강점과 약점이 있다. 두 대역에 같은 배율이 곱해지는 변화(구름 없는 날의 조도 변화, 노출 차이)는 분자와 분모에서 지워진다. 그러나 더해지는 오프셋과 대역마다 다른 변화는 지워지지 않는다. 건강한 식생(NDVI 0.856)으로 계산했다.
| 오차의 종류 | 크기(가정) | NDVI | 변화 |
|---|---|---|---|
| 없음 | — | 0.856 | — |
| 두 대역에 같은 배율 | ×0.8 | 0.856 | 0 |
| 근적외 이득 오차 | +10 % | 0.868 | +0.012 |
| 적색 이득 오차 | +10 % | 0.843 | −0.013 |
| 두 대역에 같은 오프셋 | +0.005 | 0.840 | −0.016 |
| 두 대역에 같은 오프셋 | +0.01 | 0.824 | −0.032 |
| 두 대역에 같은 오프셋 | +0.02 | 0.795 | −0.061 |
| 적색만 상대적으로 1.2배(그늘의 산란광, 가정) | ×1.2 | 0.830 | −0.026 |
적색 반사율이 0.04 안팎으로 작아서, 0.01의 오프셋이 적색을 27 % 바꾼다. 보정하지 않은 화소 값(DN)으로 만든 NDVI가 날마다 춤추는 이유다. 지수의 함정은 셋이 더 있다.
- 포화. 잎이 다층으로 쌓이면 적색은 이미 하한에 닿아 더 내려가지 않는다. 아래 그림은 틈 비율 혼합 모형(6.6.6과 같은 틈 비율)으로 계산한 것이다. NDVI는 LAI 4에서 0.756, 6에서 0.820으로 0.06만 오른다. 잎이 빽빽한 작물의 차이는 NDVI로 구분하기 어렵다. 이 단순 모형에서는 NDRE도 함께 포화한다(0.244에서 0.257). 문헌이 레드에지 지수가 빽빽한 식생 피복에서 덜 포화한다고 보고하는 것은 잎 안의 다중 산란과 엽록소 농도에 따른 레드에지의 이동 때문이며
(경험 범위), 잎과 흙을 섞기만 하는 이 모형에는 그 효과가 없다. NDRE는 값의 폭이 작아 잡음에도 민감하다. - 배경. 식생 피복이 덜 닫힌 초기 작물은 화소에 흙이 섞인다. 같은 잎의 양이라도 젖은 흙과 마른 흙, 물이 찬 논에서 NDVI가 다르다.
- 센서마다 다르다. 대역의 위치와 폭이 다른 카메라의 NDVI는 같은 밭에서도 다르다. "NDVI 0.7"은 센서·보정·날짜가 함께 적혀야 의미가 있다.
지수는 이 약점들을 하나씩 피하려고 여럿이 만들어졌다. 교육용 근사 스펙트럼으로 계산한 값이다.
| 지수 | 식 | 건강한 식생 | 스트레스 식생 | 건조 토양 | 노리는 것 |
|---|---|---|---|---|---|
| NDVI | $(N-R)/(N+R)$ | 0.856 | 0.557 | 0.077 | 피복·바이오매스 |
| GNDVI | $(N-G)/(N+G)$ | 0.644 | 0.472 | 0.175 | 적색 포화를 피한다 |
| NDRE | $(N-RE)/(N+RE)$ | 0.264 | 0.114 | 0.048 | 엽록소, 빽빽한 식생 피복에서 덜 포화 (경험 범위) |
| SAVI($L=0.5$) | $1.5\,(N-R)/(N+R+0.5)$ | 0.653 | 0.396 | 0.057 | 흙 배경의 영향을 줄인다 |
SAVI는 피복이 성긴 초기 작물에서 흙의 밝기 차이를 줄이려고 분모에 상수를 더한다(Huete, 1988). 피복 50 %에서 흙이 마른 경우와 젖은 경우(반사율 0.6배 가정)를 비교하면 NDVI는 0.478과 0.575로 0.097 차이지만, SAVI는 0.359와 0.386으로 0.027 차이다. 어떤 지수도 만능이 아니다. 각 지수가 무엇을 덜 타는 대신 무엇을 잃는지 알고 고른다.
무엇보다 지수는 작물 상태 자체가 아니다. 지수와 질소 함량·수확량·병해의 관계는 작물·품종·생육 단계·지역마다 다르고, 현장 시료로 맞춘 관계식 없이는 지도의 색이 처방이 되지 않는다. 변화가 보여도 원인(질소 부족·물 부족·병해·제초제)을 지수 하나로 구분하지 못한다. 그 판단은 농학의 몫이다(14.3).
6.7.7 응용 — 어떤 대역으로 무엇을 보나
| 응용 | 보는 것 | 대역·지수(대표) | 함정 | 상세 |
|---|---|---|---|---|
| 농업 생육·질소 | 엽록소·바이오매스 | NDVI, 레드에지 지수 | 포화, 흙·물 배경, 현장 검증 | 14.3 |
| 병해·수분 스트레스 | 이른 변화 | 레드에지, 열영상과 결합(6.4) | 원인 구분 불가, 오경보 | 14.3 |
| 산림 | 수종·고사목·병해 | 다중분광·초분광, LiDAR와 결합(6.6) | 그늘·BRDF, 계절 | 14.9 |
| 수질 | 녹조(엽록소 a·남조류 색소), 탁도 | 적색~레드에지 부근의 좁은 대역 (경험 범위) | 신호가 매우 작다, 물 표면 정반사·하늘 반사 | 14.9 |
| 광물·지질 | 광물의 흡수 특징 | SWIR 2.0~2.5 µm 초분광 | 실리콘 센서로는 못 본다, 장비가 무겁다 | 14.9 |
| 재난·환경 | 유류 유출, 화재 피해 정도, 쓰레기 | 다중분광·초분광 | 전후 비교의 보정 일치 | 14.7 |
| 감시정찰(개념) | 배경과 분광이 다른 물질의 이상 탐지 | 초분광 | 개념 수준만 다룬다 | 10.3 |
수질은 특히 어렵다. 물이 되돌리는 빛은 수 % 이하이고(위 표의 맑은 물), 물 표면이 하늘을 반사하는 빛이 그보다 클 때가 많다. 하늘 반사를 빼는 보정과 현장 채수 없이는 농도를 말할 수 없다. 원격 측정 결과가 공식 수질 측정을 대신하는지는 별개의 법적 문제다 (확인 필요 — 14.9).
6.7.8 데이터량 — 대역 수가 곧 자료다
결론부터: 다중분광은 대역이 다섯이라도 화소가 적어 1 km²의 자료가 컬러 매핑과 비슷하다. 초분광은 대역이 수백 개라 같은 면적에 다섯 배에서 열 배가 된다.
푸시브룸의 데이터율은 화소·대역·비트·프레임률의 곱이고, 프레임률은 $v/\mathrm{GSD}$다.
$$\dot D=n_x\cdot N_b\cdot b\cdot\frac{v}{\mathrm{GSD}}$$
| 센서(가정) | 조건 | GSD | 데이터율 | 1 km²당 자료 |
|---|---|---|---|---|
| 매핑 카메라(6.3.10) | 100 m, 전방 80 %·측방 70 % | 2.74 cm | — | 33 GB(원시 12비트) |
| 다중분광 5대역, 1,280×960 | 100 m, 전방 75 %·측방 70 % | 6.8 cm | — | 29 GB(16비트 TIFF) |
| 초분광 푸시브룸 640화소×270대역 | 80 m, 10 m/s | 5.5 cm | 507 Mbit/s | 182 GB |
| 같은 초분광 | 60 m, 5 m/s | 4.1 cm | 338 Mbit/s | 323 GB |
초분광의 507 Mbit/s는 3.12.11의 영상 링크 4 Mbit/s의 130배다. 이웃 대역끼리 값이 비슷해 무손실 압축이 어느 정도 통하지만 줄이는 비율은 몇 배 수준으로 알려져 있다 (경험 범위). 주성분 분석처럼 대역을 몇 개의 성분으로 줄이는 방법은 더 줄이지만 원래 스펙트럼의 일부를 버린다. 실시간으로 보내는 것은 대역을 고른 산출물(지수·분류 결과)뿐이고, 원시 자료는 기체에 저장한다. 온보드에서 대역을 줄이거나 압축하는 방법과 그 연산 전력은 6.11이, 처리는 6.12가 다룬다. 자료 형식은 반사율 지도의 GeoTIFF처럼 지리 정보를 포함하는 형식을 사용한다(9.17).
6.7.9 수치 예시·워크스루 — 논 10 ha의 생육 지도
7월 중순, 논 10 ha(0.1 km²)의 생육 지도를 만든다. 2 kg 쿼드콥터(1.7.7)에 다중분광 카메라(0.4 kg·6 W, 5대역, 1,280×960, 화소 3.75 µm, 초점거리 5.5 mm — 가정)를 탑재한다. 6.1.9의 계산으로 체공은 13.7분이다.
| 단계 | 가정 | 계산 | 결과 |
|---|---|---|---|
| ① GSD와 발자국 | 고도 100 m, IFOV 0.682 mrad | $h\cdot p/f$ | 6.8 cm, 87.3 m × 65.5 m |
| ② 중복도 | 전방 75 %, 측방 70 % | 기선 $0.25\times65.5$, 간격 $0.3\times87.3$ | 기선 16.4 m, 촬영 코스 간격 26.2 m |
| ③ 촬영 간격 | 10 m/s | $16.4/10$ | 1.64 s |
| ④ 비행 시간 | 0.1 km², 선회 11번에 15초씩(가정) | $10^{5}/(26.2\times10)$ + 선회 | 직선 6.4분 + 2.8분 ≈ 9.2분 |
| ⑤ 여유 | 체공 13.7분의 80 % = 11.0분 | — | 한 번에 끝난다 |
| ⑥ 자료 | 1 km²당 2,334회 | 233회 × 5대역 | 1,167장, 약 2.9 GB |
| ⑦ 조도 변화 | 10:00부터 10분 | 천정각 30.4°에서 | 직달 +1.8 % → 조도 센서로 보정 |
| ⑧ 태양 정반사 | 반시야 가로 23.6°·세로 18.1°·대각 28.6° | 7월 15일 천정각: 10시 30.4°, 11시 20.6°, 12시 16.0° | 11시~13시 무렵은 물 위의 거울상이 화면에 든다 |
읽는 법은 네 가지다.
- 비행은 쉽고 보정이 어렵다. 10 ha는 한 번의 비행으로 끝난다. 품질을 결정하는 것은 패널을 비행 전후에 찍었는지, 조도 센서가 있었는지, 구름이 지나갔는지다.
- 물 논은 시각을 고른다. 7월의 남중 무렵에는 태양 천정각이 이 카메라의 반시야보다 작아 물 표면에 태양의 거울상이 든다. 오전 10시 이전에 날면 피하지만, 그만큼 해가 낮아 조도가 작고 빠르게 바뀐다. 정반사와 조도 변화가 시각 선택에서 서로 맞선다.
- 7월의 벼는 NDVI가 포화한다. 피복이 닫힌 뒤에는 6.7.6의 그림처럼 NDVI의 차이가 작다. 질소 상태를 보려면 레드에지 지수와 현장 시료를 함께 사용하는 것이 흔하다
(경험 범위). - 지도는 처방이 아니다. 지수 지도에서 낮은 구역을 찾은 다음, 현장에서 그 원인을 확인하고 농학 기준으로 처방한다. 살포 드론의 운용과 규제는 14.3와 14.19이 다룬다.
6.7.10 설계 트레이드오프 — 얼마나 많은 대역이 필요한가
선택은 셋이다.
① 컬러 카메라의 개조. 근적외 차단 필터를 빼거나 바꿔 근적외 대역을 얻는다. 싸고 가벼우며 해상도가 높다. 그러나 대역이 넓고 중첩되어 적색과 근적외가 섞이고, 방사 보정 체계가 없어 지수의 절대값을 믿기 어렵다. 상대 비교와 시연 수준이다.
② 다중분광 카메라. 정해진 4~10개 대역, 글로벌 셔터, 조도 센서와 패널 체계를 갖춘다. 농업·산림의 표준적 선택이다 (경험 범위). 대역이 고정되어 있어 새로운 질문(특정 색소·광물)에는 답하지 못한다.
③ 초분광. 곡선 전체를 잰다. 탐색·연구·광물·수질에 강하다. 무게·가격·자료량·보정 부담이 크고, 푸시브룸은 비행 안정성과 줄 단위 지오레퍼런싱을 요구한다.
견해: 운영 단계의 농업 모니터링에는 ②가, 어떤 대역이 필요한지 아직 모르는 연구 단계에는 ③이 합리적이라고 본다. 근거는 셋이다. 첫째, 6.7.6의 계산에서 지수의 오차를 가장 크게 만드는 것은 대역 수가 아니라 오프셋과 보정이므로, 보정 체계를 갖춘 ②가 ③의 원시 자료보다 운영에서 믿을 만하다. 둘째, ③의 자료는 같은 면적에 다섯 배에서 열 배이고 링크로 보낼 수 없다(6.7.8). 셋째, 초분광으로 찾은 유효 대역을 ②의 필터로 옮기는 것이 연구에서 운영으로 가는 자연스러운 길이다. 이 판단은 작물·질문·예산에 따라 달라진다.
6.7.11 세 축 비교
| 항목 | 군용 드론 | 민간 UAS | AAM |
|---|---|---|---|
| 주된 용도 | 배경과 다른 물질의 이상 탐지(개념) | 농업·산림·수질·광물·재난 | 버티포트 주변 환경 감시 정도 |
| 대표 센서 | 초분광(중대형 기체) (경험 범위) | 다중분광 카메라, 연구용 초분광 | 거의 사용하지 않음 |
| 지배 지표 | 탐지 확률·오경보, 자료량 | 반사율 정확도·지수의 현장 검증 | — |
| 대표 제약 | 무게·자료량·처리 지연(10.3) | 보정 체계, 날씨·시각, 현장 검증 | — |
| 제품 | 24.13 | 24.32 | — |
6.7.12 관련 규격·프로토콜
| 문서 | 발행 | 무엇을 정하나 | 상세 |
|---|---|---|---|
IEEE 4001-2025 (본문·발행일 확인 필요) | IEEE(GRSS) | 자외~단파적외 초분광 장치의 특성 측정과 메타데이터, 초분광의 정의 | 6.7.3 |
| EMVA Standard 1288 Release 4.0(2021) | EMVA | 센서 특성 측정(자외~단파적외로 범위를 넓혔다) | 6.3.7 |
ISO/TS 19159-1 (판 확인 필요) | ISO/TC 211 | 원격탐사 광학 센서의 검교정 | 9.17 |
OGC GeoTIFF (판 확인 필요) | OGC | 지리 정보가 붙은 래스터(반사율·지수 지도) | 9.17 |
반사율 기준판의 교정 — 국가 측정 표준 체계와 시험소 인정(ISO/IEC 17025) (확인 필요) | 각국 표준 기관 | 패널 반사율의 소급성 | 6.7.5.1 |
6.7.13 관련 규제·인증 요구와의 연결
| 대상 | 요구 | 이 장과의 연결 | 상세 |
|---|---|---|---|
| 농업용 드론 운용 | 방제·살포의 비행과 약제 규제 | 지수 지도에서 처방으로 가는 단계 | 14.3·14.19 |
| 비행 승인·항공촬영 | 촬영 허가와 비행 승인 (확인 필요) | 다중분광도 촬영이다 | 18.6 |
| 공간정보 보안 | 보안 시설이 포함된 고해상도 영상의 공개 제한 (확인 필요) | 반사율 지도도 영상이다 | 18.20 |
| 환경 측정의 법적 지위 | 공식 수질·환경 측정은 정해진 시험 방법을 따른다 (확인 필요) | 원격 측정은 보조 자료 | 14.9 |
| 수출통제 | 일부 초분광 영상 장비가 통제 품목일 수 있다 (확인 필요) | 분광 범위·해상도 | 19.15~19.17 |
| 개인정보 | 사람이 포함된 영상의 처리 | 다중분광은 대개 GSD가 커서 위험이 작다 | 18.17 |
6.7.14 함정과 한계
| 오해 | 실제 | 더 볼 곳 |
|---|---|---|
| "대역이 많을수록 좋다" | 대역마다 광자가 줄어 SNR이 떨어지고, 자료가 수백 GB가 된다 | 6.7.4.3·6.7.8 |
| "NDVI는 보정 없이도 비교된다" | 같은 배율은 지워지지만 오프셋 0.01이 NDVI를 0.03 바꾼다 | 6.7.6 |
| "NDVI가 높으면 건강하다" | LAI 3~4를 넘으면 포화한다. 원인을 구분하지 못한다 | 6.7.6 |
| "다른 카메라의 NDVI와 비교할 수 있다" | 대역 위치·폭이 다르면 값이 다르다 | 6.7.6 |
| "패널은 한 번 찍으면 된다" | 가을 아침 30분에 조도가 17 % 바뀐다 | 6.7.5.2 |
| "물 위는 어디서 찍어도 같다" | 태양 정반사가 반시야 안에 들면 화면이 하얗게 탄다 | 6.7.9 |
| "다중분광 렌즈는 같은 점을 본다" | 기선 때문에 낮게 날수록 대역이 어긋난다(10 m에서 4.4화소) | 6.7.4.1 |
| "초분광은 원시 자료를 보내면 된다" | 507 Mbit/s는 영상 링크의 130배다 | 6.7.8 |
이 장의 한계를 밝혀 둔다.
- 스펙트럼은 측정값이 아니다. 반사 곡선은 공개 분광 라이브러리의 일반적 특징을 흉내 낸 교육용 근사다. 대역 반사율·지수의 숫자는 경향을 보이는 예시이며, 실제 작물·토양·물은 시료마다 다르다.
- 광자 모형은 근사다. 400~700 nm의 평탄 스펙트럼 가정을 근적외까지 늘렸다. 실제 햇빛의 분광 분포와 실리콘의 근적외 양자효율 저하를 넣으면 근적외 대역의 SNR은 더 낮다.
- 포화 모형은 단순하다. 잎 안의 다중 산란과 잎 방향·군집을 넣지 않았다.
- 태양 위치는 근사식이다. 적위의 간단식과 지방 태양시를 사용했고 균시차와 대기 굴절은 넣지 않았다.
6.7.15 체크포인트·연구 질문
체크포인트
- 다중분광과 초분광을 대역 수·대역 폭·표본 간격으로 구분하고, IEEE 4001-2025의 정의로 400~1,000 nm에서 초분광이 되려면 간격이 얼마여야 하는지 구하라.
- 푸시브룸 초분광의 프레임률이 왜 $v/\mathrm{GSD}$로 묶이는지 설명하고, 10 m/s·GSD 5.5 cm의 프레임률과 데이터율을 구하라.
- 반사율 패널과 하향 조도 센서가 각각 무엇을 고치는지, 가을 아침의 비행에서 왜 둘 다 필요한지 설명하라.
- NDVI가 조도 변화에는 강하고 오프셋에는 약한 이유를 식으로 보여라.
- NDVI가 LAI 3~4 이상에서 포화하는 이유와 레드에지 지수를 사용하는 이유를 설명하라.
- 물이 찬 논을 찍을 때 태양 정반사를 피하는 시각을 카메라의 반시야와 태양 천정각으로 정하라.
연구 질문 — 이 장에서 파생되는 열린 주제(25.7에 모은다)
- 한국 작물의 분광 기준 — 벼·밭작물의 생육 단계별 반사 스펙트럼과 질소·수확량의 관계를 공개 자료로 쌓아, 센서가 달라도 사용할 수 있는 기준을 만들 수 있는가?
- 구름 아래의 방사 보정 — 산란광 비율이 바뀌는 조건에서 하향 조도 센서의 보정 오차를 줄이는 방법은 무엇이며, 지수 오차는 얼마나 남는가?
- 소형 초분광의 온보드 대역 선택 — 수백 대역 가운데 과업에 필요한 대역만 온보드에서 골라 보내는 처리가 정보 손실과 전력에서 어떤 교환을 하는가(6.11)?
- 원격 수질 측정의 제도적 지위 — 무인기 분광 측정을 녹조 경보 같은 행정 절차의 근거로 사용하려면 어떤 검증과 표준이 필요한가?
1차 출처(이 장)
- Schowengerdt, R. A., Remote Sensing: Models and Methods for Image Processing, 3rd ed., Academic Press, 2007.
- Tucker, C. J., "Red and photographic infrared linear combinations for monitoring vegetation," Remote Sensing of Environment, 8(2), 127–150, 1979.
- Huete, A. R., "A soil-adjusted vegetation index (SAVI)," Remote Sensing of Environment, 25(3), 295–309, 1988.
- Smith, G. M.; Milton, E. J., "The use of the empirical line method to calibrate remotely sensed data to reflectance," International Journal of Remote Sensing, 20(13), 2653–2662, 1999.
- Kokaly, R. F. 외, USGS Spectral Library Version 7, U.S. Geological Survey Data Series 1035, 2017.
- IEEE 4001-2025; EMVA Standard 1288 Release 4.0.
출처를 찾고 판을 추적하는 방법은 0.9에서 다룬다.
다음 장: 6.8에서 빛 대신 전파를 듣는 신호정보 탑재체를 개념 수준에서 다룬다. 통신정보와 전자정보의 범주, 무인기가 높이 때문에 신호정보 플랫폼이 되는 이유, 탑재체의 일반 구조, 그리고 이 활동을 묶는 법적 통제와 감독의 틀을 정리한다.