무인기 관측 기반 작물 증발산 및 물 스트레스 추적

고해상도 데이터를 활용한 증발산(ET) 추정은 정밀한 물 사용 모니터링과 작물 스트레스 조기 감지를 통해 물 보전 및 수확량 최적화에 기여한다. 본 연구는 10헥타르 농경지에서 사탕무(2021), 감자(2022), 겨울 밀(2023)을 대상으로 3개 재배 기간 동안 무인항공기(UAV) 데이터를 활용하여 15cm 해상도로 Priestley–Taylor Two-Source Energy Balance (TSEB-PT) 모델을 적용했다. 모델 입력값으로는 지표면 온도(LST)를 위한 열적외선(TIR), 캐노피 특성화를 위한 다중 스펙트럼(MS) 및 LiDAR 데이터를 사용했다. 특히, MS 기반 녹색 면적 지수(GAI)와 LiDAR 기반 식물 면적 지수(PAI)를 융합하여 녹색 엽면적 지수(fg)를 도출했다. 모델 출력값은 에디 공분산(EC) 플럭스 데이터와 비교 검증되었다. 연구 결과, LST에 대한 높은 민감도가 확인되어 정확한 열 보정의 중요성이 부각되었다. GAI와 PAI는 최대 성장기 동안 유사한 엽면적 지수(LAI)를 제공했으나, GAI는 스트레스 및 노화 시기의 기능적 캐노피 감소를 더 잘 포착했다. 특히 겨울 밀에서는 밀집된 구조로 인한 증발산과 무관한 냉각 효과가 관찰되었다. 동적인 fg 적용은 모든 작물에서 ET 정확도를 향상시켰다. TSEB-PT 모델은 EC 측정값과 높은 일치도(RMSE = 0.14 mm/h, R² = 0.49; 노화기 제외 시 R² = 0.81)를 보였다. UAV TIR 기반 ET 지도는 MS 또는 LiDAR 기반 지표 변화보다 먼저 스트레스 신호를 감지할 수 있음을 보여주었다. 본 연구는 초고해상도 UAV 데이터와 TSEB-PT 모델 통합이 다중 작물 및 장기적인 ET 모니터링과 스트레스 조기 감지에 유용함을 입증한다.