1. 서 론

최근 기후변화의 영향으로 가뭄의 발생 빈도와 강도가 증가하고 있으며, 이에 따라 농업 부문의 피해 또한 지속적으로 확대되고 있다. 가뭄은 일반적으로 기상학적, 농업적, 수문학적, 사회경제적 가뭄으로 구분되며, 이 중 농업가뭄은 토양수분 감소와 작물 생육 저하를 통해 농업 생산성 감소로 이어지는 영향 중심의 가뭄이라는 점에서 중요한 의미를 가진다(Wilhite and Glantz, 1985; Wilhite et al., 2000). 특히 농업가뭄은 단기간에 급격히 발생하는 홍수와 달리 서서히 진행되고 장기간 지속되는 특성을 가지며, 기상학적 가뭄 발생 이후 일정한 시간차를 두고 토양수분 감소와 식생 생육 저하로 연결되는 경향을 나타낸다. 따라서 단순한 강수 부족 여부뿐만 아니라 실제 식생과 작물의 반응을 반영할 수 있는 농업가뭄 모니터링 체계 구축이 필요하다.

그러나 기존의 지상관측 기반 가뭄지수는 관측소 자료에 의존하기 때문에 공간적 대표성이 제한되며, 관측소가 부족한 지역이나 농경지 단위의 미세한 식생 변화를 충분히 반영하기 어렵다는 한계가 존재한다. 특히 국내 농업 지역은 필지 규모가 작고 논·밭이 혼재된 복합적인 토지이용 구조를 가지기 때문에 지역 규모의 농업가뭄 특성을 정밀하게 해석하는 데 어려움이 있다. 이에 따라 최근에는 광역 지역에 대한 연속적인 관측이 가능하고 시공간적 변화를 효과적으로 반영할 수 있는 위성영상 기반 식생 및 수문 지표를 활용한 농업가뭄 모니터링 연구의 필요성이 지속적으로 제기되고 있다(Park et al., 2008; Nam et al., 2018; Yoon et al., 2018; Lee et al., 2021; Sur and Nam, 2023).

위성영상은 광역 지역의 식생 상태를 반복적으로 관측할 수 있는 자료로서 농업가뭄 모니터링에 널리 활용되고 있으며, 식생지수 및 지표면온도 기반 가뭄 탐지 연구에도 폭넓게 적용되어 왔다 (Kogan, 1995; Liu and Kogan, 1996; Qin et al., 2021). 특히 식생지수는 식생의 생리적 상태와 활력도를 간접적으로 반영할 수 있는 대표적인 지표로서, NDVI를 중심으로 다양한 농업가뭄 및 식생 스트레스 분석 연구에 활용되어 왔다. NDVI는 Red 및 Near-Infrared (NIR) band의 반사 특성을 이용하여 식생 활력도를 정량적으로 나타내는 가장 보편적인 식생지수이지만, 고밀도 식생 조건에서 포화(saturation) 현상이 발생할 수 있으며 토양 배경 영향을 충분히 제거하지 못하는 한계를 가진다.

이러한 한계를 보완하기 위하여 다양한 형태의 식생지수가 개발되었다. SAVI (Soil Adjusted Vegetation Index)는 토양 반사 영향을 보정하여 식생 활력도를 보다 안정적으로 반영할 수 있도록 제안된 지수이며(Huete, 1988), 식생 피복도가 낮거나 토양 노출 비율이 높은 농업 지역에서 효과적으로 활용될 수 있다. 또한 EVI2(Enhanced Vegetation Index 2)는 Blue band 없이도 대기 및 토양 배경 영향을 완화하면서 식생 반응을 안정적으로 탐지할 수 있도록 개발된 지수로(Jiang et al., 2008), 시계열 기반 식생 변화 분석에 널리 활용되고 있다. GNDVI (Green Normalized Difference Vegetation Index)는 Green band를 활용함으로써 엽록소 함량과 광합성 활성 변화에 보다 민감하게 반응하는 특성을 가지며, 작물 생육 상태와 생리적 스트레스 변화를 탐지하는 데 활용되고 있다.

최근에는 이러한 식생지수를 활용하여 단순한 식생 상태 모니터링을 넘어 가뭄에 대한 식생 반응과 누적 수분 스트레스 특성을 분석하려는 연구가 증가하고 있다(Gu et al., 2022; Liu, 2024). 특히 농업가뭄은 기상학적 가뭄 발생 직후 즉각적으로 나타나기보다는 토양수분 감소와 작물 생육 저하가 누적되면서 식생 활력 감소 형태로 나타나는 경우가 많기 때문에, 식생지수를 활용한 시계열 기반 분석은 실제 농업 피해와 식생 반응을 반영하는 데 효과적인 방법으로 평가되고 있다. 따라서 다양한 식생지수의 반응 특성을 비교·분석하는 것은 농업가뭄의 시공간적 변화와 지연 반응 특성을 이해하는 데 중요한 의미를 가진다.

식생지수의 절대값을 활용한 식생 상태 평가뿐 아니라, 장기 시계열 자료를 기준으로 현재 식생 상태의 상대적 편차와 이상 반응을 해석하려는 접근 또한 지속적으로 발전해 왔다. Kogan (1995)은 장기 최소값과 최대값을 활용하여 현재 식생 상태를 상대적으로 정규화한 VCI (Vegetation Condition Index)를 제안하였으며, Peters et al. (2002)은 장기 평균과 표준편차를 기반으로 특정 시점의 식생 상태를 표준화한 SVI (Standardized Vegetation Index)를 제안하였다. VCI는 식생 활력의 상대적 저하 정도와 누적 스트레스 상태를 평가하는 데 유용하며, SVI는 장기 평균 대비 식생의 이상(anomaly) 반응 여부를 통계적으로 판별하는 데 활용될 수 있다.

국내에서도 MODIS 기반 NDVI를 활용하여 VCI와 SVI를 산정하고 봄 가뭄의 시기와 강도를 평가한 연구가 수행되었으며, 위성 기반 식생지수가 공간적 가뭄 분포와 지역별 반응 특성을 파악하는 데 효과적으로 활용될 수 있음이 제시된 바 있다(Park et al., 2008). 또한 Vegetation Drought Response Index (VegDRI)를 활용한 연구에서는 위성자료, 기후자료, 생물물리 자료를 통합함으로써 국내 농업가뭄을 보다 정밀하게 모니터링할 필요성이 제시되었다(Nam et al., 2018). 이러한 연구들은 식생 기반 위성자료가 단순한 식생 상태 평가를 넘어 실제 농업가뭄 반응과 식생 스트레스 특성을 반영할 수 있는 중요한 자료로 활용될 수 있음을 보여준다.

최근 연구에서는 식생의 가뭄 반응이 단일 시점의 강수 부족에 즉각적으로 나타나기보다는 일정 기간의 수분 결핍이 누적되거나 시간적 지연(lag effect)을 거쳐 나타나는 특성이 강조되고 있다. 기상학적 가뭄과 NDVI 및 SIF (Solar-Induced Fluorescence)의 관계를 분석한 연구에서는 가뭄 발생 이후 일정 시차를 두고 식생 반응이 나타나는 경향이 보고되었으며(Li et al., 2022b), 계절 강수에 대한 식생 반응의 지연효과를 분석한 연구에서도 지역 및 식생 유형에 따라 반응 시차가 상이한 것으로 나타났다(Gu et al., 2022; Feng et al., 2023). 또한 누적효과(cumulative effect)와 지연효과를 구분하여 분석한 연구에서는 식생의 가뭄 반응이 단기적인 수분 부족뿐 아니라 장기간 누적된 수분 스트레스와 시차 효과의 영향을 동시에 받을 수 있음이 제시되었다(Zhao et al., 2020; Gu et al., 2022; Liu, 2024). 이러한 결과는 식생 기반 농업가뭄 모니터링에서 단일 시점의 식생 상태보다 시계열 기반 반응 특성과 지연 반응을 함께 고려할 필요가 있음을 시사한다.

국내에서도 위성 기반 농업가뭄 모니터링 연구가 지속적으로 수행되어 왔으나, 기존 연구의 상당수는 MODIS와 같은 중해상도 위성자료를 중심으로 이루어져 왔다. 그러나 국내 농업 지역은 필지 규모가 작고 논·밭이 혼재된 복합적인 토지이용 구조를 가지기 때문에 중해상도 위성자료만으로는 농경지 단위의 세부적인 식생 변화를 충분히 반영하는 데 한계가 존재한다. 이에 따라 최근에는 보다 높은 공간해상도와 재방문 주기를 가지는 위성자료를 활용하여 농업가뭄을 정밀하게 모니터링하려는 필요성이 증가하고 있다.

PlanetScope 위성영상은 약 3 m 공간해상도와 높은 재방문 주기를 제공하는 고해상도 광학 위성자료로서, 필지 규모가 작은 농업 지역의 식생 변화를 세밀하게 관측하는 데 유리한 특성을 가진다(Rufin et al., 2022). 또한 PlanetScope 자료는 작물 생육 모니터링, 수량 추정, 시계열 기반 식생 변화 예측 등 다양한 농업 응용 연구에 활용 가능성이 제시되고 있으며(Kpienbaareh et al., 2022; Li et al., 2022a; Marsetič and Kanjir, 2024), 최근에는 환경 스트레스와 식생 반응 분석 분야에서도 활용 가능성이 확대되고 있다. 그러나 국내 농업 환경을 대상으로 PlanetScope 기반 식생지수를 활용하여 농업가뭄 반응 특성과 지연 반응 특성을 분석한 연구는 아직 제한적인 실정이다.

따라서 본 연구에서는 고해상도 시계열 PlanetScope 자료의 국내 농업가뭄 모니터링 적용 가능성을 평가하고자 하였다. 이를 위해 2018년 경상남도 창녕군을 대상으로 PlanetScope 시계열 영상을 구축하고 NDVI, EVI2, GNDVI, SAVI를 산정하였다. 또한 산정된 식생지수를 기반으로 VCI와 SVI를 구축하였으며, 두 지수가 동시에 특정 임계조건을 만족하는 시점을 식생 기반 농업가뭄 반응 시점으로 정의하였다. 이후 동일 지역 및 동일 기간의 MODIS 식생지수와 비교 분석을 수행하여 PlanetScope 기반 식생지수의 시계열 반응 특성과 통계적 일관성을 검토하였으며, 분석 기준 가뭄 기간과의 비교를 통해 식생 기반 농업가뭄 반응 시점과 지연 반응 특성을 정량적으로 평가하고자 하였다.

2. 연구지역 및 자료

2.1 연구 대상지역 및 농경지 현황

본 연구에서는 경상남도 창녕군 내 농경지가 집중된 지역을 중심으로 반경 약 10 km의 분석영역을 설정하였다. Fig. 1은 연구 대상지역의 위성영상, 농경지 분포 및 분석영역을 나타낸다. 창녕군은 낙동강 유역에 위치한 대표적인 농업 지역으로, 논과 밭 농경지가 혼재되어 넓게 분포하고 있으며 벼, 밭작물 및 시설재배 농업이 활발하게 이루어지고 있다. 또한 여름철 고온과 강수 변동의 영향을 크게 받는 지역으로 알려져 있으며, 반복적인 강수 부족과 고온 현상으로 인해 농업가뭄 피해가 발생하는 지역 중 하나이다. 본 연구에서는 창녕군 내 농경지가 집중적으로 분포하는 지역을 중심으로 분석 범위를 설정하였으며, 이를 고해상도 시계열 위성영상 기반 식생 변화 분석의 대상 영역으로 활용하였다.

Fig. 1.

Study area and analysis domain for PlanetScope-based agricultural drought monitoring

연구 대상 지역의 농경지 추출을 위하여 PlanetScope 위성영상과 팜맵(Farm Map) 자료를 함께 활용하였다. 팜맵 자료를 기반으로 논과 밭 농경지 영역을 추출하였으며, 본 연구에서는 두 토지피복을 별도로 구분하지 않고 통합된 농경지 영역을 대상으로 식생지수 시계열 분석을 수행하였다. 특히 본 연구에서는 농업가뭄에 대한 식생 반응 특성을 분석하기 위하여 논과 밭이 혼재된 실제 농업 환경을 반영하고자 하였으며, 농경지가 혼재된 연구지역의 평균적인 식생 변화를 고해상도 위성자료를 이용하여 분석하고자 하였다.

Fig. 2는 연도별 국내 논·밭 면적 비율과 밭의 관개전 및 비관개전 비율을 나타낸 것이다. 국내 밭 면적 비율은 2009년 38.9%에서 2024년 49.4%로 증가하는 경향을 보이고 있으며, 이는 밭 농업의 비중 증가와 함께 밭 가뭄의 중요성이 점차 커지고 있음을 시사한다. 특히 밭은 대부분 물 공급을 강우에 의존하는 특성을 가지며, 논의 수리답 비율이 약 81.6%인 것과 비교하여 용수 공급 시설을 갖춘 관개전은 약 132,000 ha로 전체 밭 면적의 약 17.6%에 불과하다. 이는 국내 밭 농업의 가뭄 대응 능력이 상대적으로 취약함을 의미하며, 강수 부족 발생 시 토양수분 감소와 작물 생육 저하가 더욱 크게 나타날 수 있음을 보여준다. 따라서 강우 의존도가 높은 국내 밭 농업 환경에서는 식생 기반 농업가뭄 모니터링의 필요성이 더욱 크다고 할 수 있다.

Fig. 2.

Changes in agricultural land composition and irrigation status of upland fields in Korea

국내 농업 지역은 일반적으로 필지 규모가 작고 논·밭이 혼재된 복합적인 경작 구조를 가지기 때문에 중해상도 위성영상만으로는 필지 단위의 세부적인 식생 변화를 정밀하게 반영하는 데 한계가 존재한다. 특히 MODIS와 같은 중해상도 위성자료는 광역 지역의 식생 변화 경향을 분석하는 데는 효과적이지만, 국내 농업 환경과 같이 공간적 이질성이 큰 지역에서는 개별 농경지 단위의 변화를 충분히 반영하기 어렵다. 이러한 이유로 최근에는 PlanetScope와 같은 고해상도 위성영상을 활용하여 소규모 농경지 단위의 작물 생육 변화와 식생 반응을 정밀하게 분석하려는 연구가 증가하고 있다(Li et al., 2022a). PlanetScope 자료는 약 3 m 공간해상도와 높은 재방문 주기를 제공하기 때문에 국내 농업 환경과 같이 필지 규모가 작은 지역에서도 식생 변화와 농업가뭄 반응 특성을 보다 세밀하게 분석할 수 있는 장점을 가진다.

본 연구의 분석 기간은 2018년으로 설정하였으며, 특히 2018년 8월 중순의 가뭄 관련 기록을 바탕으로 설정한 분석 기준기간을 중심으로 식생지수 시계열 변화와 식생 반응 시점을 분석하였다. 이를 통해 고해상도 PlanetScope 기반 식생지수가 분석 기준기간 이후 나타나는 식생 상태 변화와 지연 특성을 반영할 수 있는지 평가하고자 하였다.

2.2 PlanetScope 및 MODIS 위성자료 구축

본 연구에서는 고해상도 위성자료인 PlanetScope 영상과 중해상도 위성자료인 MODIS 식생지수를 활용하였다. PlanetScope 위성영상은 약 3 m 공간해상도와 높은 재방문 주기를 제공하는 광학 영상으로, Red, Green, Blue 및 NIR band를 포함하고 있어 소규모 농경지의 식생 변화를 정밀하게 관측할 수 있는 장점을 가진다. 본 연구에서는 이러한 특성을 활용하여 연구 대상 지역의 식생 변화를 시계열 단위로 분석하고, 농업가뭄에 따른 식생 반응 특성을 평가하였다. 특히 국내 농업 지역은 필지 규모가 작고 논·밭이 혼재된 복합적인 토지이용 구조를 가지기 때문에 중·저해상도 위성자료만으로는 농경지 단위의 세부적인 식생 변화를 파악하는 데 한계가 존재한다. 따라서 PlanetScope와 같은 고해상도 위성자료는 국내 농업가뭄 모니터링을 위한 활용 가능성이 높은 자료로 판단된다.

기존 연구에서는 PlanetScope 기반 고해상도 위성자료가 작물 생육 모니터링, 수량 예측, 식생 활력 평가 등 다양한 농업 분야에 활용될 수 있음이 보고된 바 있으며(Houborg and McCabe, 2016; Li et al., 2022a), 최근에는 시계열 자료를 활용한 식생 변화 분석과 작물 반응 평가 연구에서도 활용 가능성이 제시되고 있다(Marsetič and Kanjir, 2024). 특히 높은 공간해상도와 짧은 재방문 주기는 농경지 단위의 미세한 식생 변화를 반영하는 데 유리하며, 가뭄과 같은 단기 환경 스트레스에 따른 식생 반응을 탐지하는 데 효과적인 특성을 가진다.

MODIS 자료는 PlanetScope 기반 식생지수의 시계열 변화 특성을 비교하기 위한 중해상도 위성자료로 활용하였다. MODIS 기반 NDVI는 식생지수 product를 이용하였으며, EVI2, GNDVI 및 SAVI는 MODIS 표면반사도 product의 Red, Green 및 NIR band로부터 직접 산정하였다. EVI2와 SAVI에는 Red 및 NIR band를, GNDVI에는 Green 및 NIR band를 적용하였으며, 각 band의 반사도 값에 PlanetScope와 동일한 식생지수 산정식을 적용하였다. 따라서 본 연구에서 활용한 MODIS 기반 GNDVI와 SAVI는 독립적으로 제공되는 식생지수 product가 아니라 표면반사도 자료로부터 산정된 결과이다. 이를 통해 PlanetScope 기반 식생지수가 기존 중해상도 위성자료와 유사한 식생 변화 경향을 반영할 수 있는지 평가하고자 하였다. Table 1은 본 연구에서 활용한 PlanetScope 및 MODIS 위성자료의 주요 제원을 나타낸 것이다. 본 연구에서는 두 위성자료를 함께 활용하여 고해상도 PlanetScope 기반 식생지수의 국내 농업가뭄 모니터링 적용 가능성을 평가하였다.

3. 연구 방법

3.1 PlanetScope 기반 지연형 가뭄 반응 분석 체계

Fig. 3은 PlanetScope 기반 식생지수를 활용한 농업가뭄 반응 분석의 전체 흐름을 나타낸 것이다. 본 연구는 PlanetScope 시계열 영상 구축, 식생지수 산정, MODIS 기반 검증, VCI 및 SVI 기반 가뭄 반응 탐지, 그리고 지연 반응 특성 분석 단계로 구성된다. 먼저 연구 대상 지역에 해당하는 PlanetScope 영상을 구축하였으며, Red, Green, Blue 및 NIR band를 활용하여 NDVI, EVI2, GNDVI, SAVI를 산정하였다. 이후 동일 지역 및 동일 시기의 MODIS 식생지수와 비교하여 PlanetScope 기반 식생지수의 시계열 일관성과 센서 간 차이를 검토하였다. MODIS 자료는 PlanetScope 기반 식생지수의 평균적인 시계열 변화와 통계적 일관성을 비교하기 위한 자료로 활용하였다. 이후 VCI와 SVI를 이용한 식생 가뭄 반응일 및 지연일수 분석은 고해상도 PlanetScope의 농경지 모니터링 적용 가능성을 검토하기 위해 PlanetScope 자료를 대상으로 수행하였다. 최종적으로 산정된 가뭄 반응 시점을 기준 가뭄 기간과 비교하여 지연 반응 특성을 분석하였으며, 이를 통해 PlanetScope 기반 고해상도 위성영상의 국내 농업가뭄 모니터링 적용 가능성을 평가하였다.

Fig. 3.

Workflow of delayed vegetation drought response analysis using time-series PlanetScope-based vegetation indices

3.2 PlanetScope 기반 식생지수 산정

본 연구에서는 PlanetScope 영상의 Red, Green 및 NIR band를 이용하여 NDVI, EVI2, GNDVI 및 SAVI를 산정하였다. MODIS 기반 NDVI는 제공되는 식생지수 자료를 이용하였으며, EVI2, GNDVI 및 SAVI는 Eqs. (2), (3), (4)를 각각 적용하여 산정하였다. 이에 따라 두 위성자료에 동일한 식생지수 정의를 적용하고, 센서별 시계열 변화 특성과 통계적 관계를 비교하였다. 또한 식생지수 시계열 자료를 기반으로 VCI와 SVI를 구축하고, 임계조건 충족 여부를 활용하여 식생 기반 농업가뭄 반응 시점과 지연 반응 특성을 분석하였다.

위성영상 기반 식생지수는 식생의 광합성 활동과 생육 상태를 간접적으로 반영할 수 있는 대표적인 지표로서 다양한 농업 및 환경 모니터링 연구에 활용되고 있다(Tucker, 1979; Huete, 1988). 특히 식생지수는 작물 생육 상태, 엽록소 활성, 수분 스트레스 및 식생 활력 변화를 정량적으로 반영할 수 있어 농업가뭄 모니터링 분야에서 폭넓게 활용되고 있다(Huete et al., 2002; Li et al., 2022b). 식생은 가뭄 발생 이후 일정 기간의 수분 결핍과 토양수분 감소가 누적되면서 활력 저하 형태로 반응하기 때문에, 시계열 식생지수를 활용한 분석은 실제 식생 반응과 농업 피해 특성을 파악하는 데 효과적인 방법으로 평가되고 있다.

본 연구에서는 식생 반응 특성을 비교·분석하기 위하여 NDVI, EVI2, GNDVI, SAVI를 활용하였다. NDVI는 Red 및 NIR band의 반사 특성을 이용하여 식생 활력도를 정량적으로 나타내는 가장 대표적인 식생지수이며, 다양한 식생 및 농업가뭄 연구에서 가장 널리 활용되고 있다. 그러나 NDVI는 고밀도 식생 조건에서 포화 현상이 발생할 수 있으며 토양 배경의 영향을 충분히 제거하지 못하는 한계를 가진다. 이러한 한계를 보완하기 위하여 SAVI는 토양 반사 영향을 보정하여 식생 활력도를 보다 안정적으로 반영할 수 있도록 개발되었으며(Huete, 1988), EVI2는 Blue band 없이도 대기 및 토양 배경 영향을 완화하면서 식생 반응을 안정적으로 탐지할 수 있도록 제안되었다(Jiang et al., 2008). 또한 GNDVI는 Green band를 활용함으로써 엽록소 변화와 식생의 생리적 상태에 보다 민감하게 반응하는 특성을 가진다.

본 연구에서는 이러한 식생지수들의 반응 특성을 비교함으로써 농업가뭄에 대한 식생 반응과 지연 반응 특성을 분석하고자 하였다. 특히 각 식생지수 기반 시계열 자료를 활용하여 VCI와 SVI를 산정하고, 두 지수가 동시에 특정 임계조건을 만족하는 시점을 식생 기반 농업가뭄 반응 시점으로 정의하였다. 이를 통해 PlanetScope 기반 고해상도 식생지수가 국내 농업 지역에서 농업가뭄 반응을 효과적으로 탐지할 수 있는지 평가하고자 하였다.

NDVI는 Red 및 NIR 반사 특성을 활용하여 식생 활력도를 나타내는 가장 대표적인 식생지수로 Eq. (1)과 같이 계산된다.

NDVI는 식생의 광합성 활동 및 생육 상태를 효과적으로 나타낼 수 있어 다양한 식생 및 가뭄 모니터링 연구에서 활용되고 있다.

EVI2는 Enhanced Vegetation Index (EVI)의 단순화된 형태로, Blue band를 사용하지 않고 Red와 NIR band를 활용하여 산정되는 식생지수이다(Jiang et al., 2008). EVI2는 NDVI에 비해 대기와 토양 배경의 영향에 대한 민감도를 줄이고, 고밀도 식생 조건에서 발생하는 포화 문제를 완화하기 위해 개발되었다. EVI2의 계산식은 Eq. (2)와 같다.

GNDVI는 Green band를 활용하여 식생의 엽록소 함량 변화에 보다 민감하게 반응하는 식생지수이며(Gitelson et al., 1996), 작물 생육 상태 및 질소 상태를 평가하는 연구에서 활용되고 있다. GNDVI의 계산식은 Eq. (3)과 같다.

SAVI는 토양 반사 영향을 보정하기 위해 제안된 식생지수로 Eq. (4)와 같이 계산된다(Huete, 1988).

L은 토양 보정 계수이며, 일반적으로 0.5가 사용된다. 본 연구에서도 0.5를 사용하여 산정하였다.

3.3 MODIS 기반 PlanetScope 식생지수 검증

PlanetScope의 국내 적용성을 평가하기 위하여 동일 지역, 동일 시기의 MODIS 기반 식생지수와 비교 분석을 수행하였다. MODIS 식생지수는 전 지구적 식생 변화를 장기간 안정적으로 관측할 수 있는 대표적인 자료로, 식생 모니터링과 가뭄 연구에서 기준 자료로 널리 활용되고 있다. 또한 다양한 지역에서 식생 변화와 가뭄 반응을 분석하고, 기상학적 가뭄에 대한 식생 반응과 시차 효과를 검토하는 데에도 활용되어 왔다(Gu et al., 2022; Park et al., 2008).

PlanetScope와 MODIS는 공간해상도가 서로 다르므로 개별 화소 간 직접 비교를 수행하지 않았다. 두 자료에는 동일한 연구영역과 팜맵 기반 농경지 마스크를 적용하였으며, 각 관측시점에서 농경지에 해당하는 화소의 공간평균 식생지수를 산정하였다. PlanetScope는 농경지에 포함되는 3 m 화소의 평균값을 이용하였고, MODIS도 동일한 연구영역에서 농경지에 해당하는 화소의 평균값을 이용하였다. 이후 시간적으로 대응되는 두 자료의 공간평균값을 하나의 비교표본으로 구성하였다. 본 연구에서는 논과 밭을 별도로 구분하지 않고 전체 농경지를 통합하여 분석하였으므로, 결과는 개별 토지피복 유형이 아닌 연구지역 농경지 전체의 평균적 식생 반응을 나타낸다. 두 위성자료의 비교에는 동일하거나 시간적으로 대응 가능한 관측시점의 공간평균 식생지수를 이용하였다. 두 위성자료의 비교에는 품질관리와 시간적 대응 조건을 모두 만족한 관측시점만을 이용하였다. 최종 유효 대응시점은 NDVI가 12개, EVI2, GNDVI 및 SAVI가 각각 45개였으며, 이를 지수별 회귀분석의 표본으로 적용하였다. 따라서 본 연구에서 제시한 표본 수는 전체 원영상의 취득 횟수가 아니라 두 위성자료 간 비교에 최종적으로 활용된 유효 대응시점의 수를 의미한다. 이를 위해 p-value와 결정계수(R²)를 활용하여 통계적 관계를 평가하였다. 일반적으로 p-value가 0.05 미만이면 두 변수 간 관계가 통계적으로 유의한 것으로 해석하며, 결정계수(R²)는 두 자료 간 설명력을 나타내는 지표로 Eq. (5)와 같이 계산된다.

yi는 MODIS 식생지수 값, yi^는 PlanetScope 식생지수 값, yi¯ 는 MODIS 식생지수 평균값을 의미한다. 결정계수 값이 1에 가까울수록 두 자료 간의 시계열 패턴이 유사함을 의미하며, 이를 통해 PlanetScope의 국내 적용성을 평가하였다.

3.4임계기반 지연형 가뭄 반응 및 Lag-time 분석

식생 기반 농업가뭄 반응을 분석하기 위하여 VCI와 SVI를 활용하였다. 일반적으로 VCI와 SVI는 다년간 시계열 자료를 기준으로 특정 시점의 식생 상태를 상대적으로 평가하는 데 활용된다. 그러나 본 연구에서는 자료 가용성과 2018년 가뭄에 대한 식생 반응 분석이라는 연구목적을 고려하여 2018년 1월부터 12월까지 구축된 PlanetScope 식생지수 시계열을 기준기간으로 설정하였다. PlanetScope 기반 VCI 산정에는 MODIS에서 관측된 최소값과 최대값을 적용하지 않았으며, 각 PlanetScope 식생지수 시계열에서 산정된 최소값과 최대값을 각각 VImin과 VImax로 사용하였다. VCI는 식생지수 시계열의 최소값과 최대값을 이용하여 특정 시점의 식생 상태를 상대적으로 정규화한 지수로, 가뭄에 따른 식생 활력 저하 정도를 평가하는 데 활용된다(Kogan, 1995; Singh et al., 2003; Quiring and Ganesh, 2010). 따라서 본 연구에서 산정한 VCI와 SVI는 장기 기후학적 기준에 따른 절대적인 가뭄 수준이 아니라, 2018년 분석기간 내 식생 활력의 상대적 위치와 평균 대비 이상 반응을 나타낸다. 이러한 VCI 기반 접근은 다양한 지역에서 식생 기반 가뭄 탐지 연구에 활용되어 왔으며, 농업 지역의 가뭄 영향 평가에도 유용한 지수로 보고되고 있다(Eyoh et al., 2019). VCI는 Eq. (6)와 같이 계산된다.

VI는 특정 시점의 PlanetScope 기반 식생지수 값이며, VImin과 VImax는 각각 2018년 PlanetScope 식생지수 시계열에서 산정된 최소값과 최대값을 의미한다. VCI 값이 낮을수록 해당 시점의 식생 상태가 분석기간 내 최소 수준에 가까움을 의미하며, 식생 활력이 상대적으로 저하된 상태로 해석할 수 있다. SVI는 식생지수 시계열 자료의 평균과 표준편차를 활용하여 현재 식생 상태를 표준화한 지수로, Eq. (7)과 같이 계산된다(Peters et al., 2002).

Xi는 특정 시점의 식생지수 값이며, 𝜇와 𝜎는 각각 2018년 식생지수 시계열의 평균과 표준편차를 의미한다. 본 연구의 SVI는 분석기간 평균으로부터 특정 시점의 식생 상태가 얼마나 벗어났는지를 표준화하여 나타낸다. 다만 단일연도 자료를 기준으로 산정하였으므로, 산정 결과에는 가뭄에 따른 식생 저하뿐만 아니라 계절적 생육 변화와 작물의 생육주기에 따른 변동이 함께 반영될 수 있다. 따라서 본 연구의 VCI와 SVI는 다년간 기후학적 기준에 따른 가뭄 이상값이 아니라 2018년 식생 시계열 내 상대적인 식생 상태 변화로 해석하였다.

본 연구에서는 식생지수 기반 가뭄 반응을 보다 신뢰성 있게 판별하기 위하여 VCI와 SVI를 동시에 활용하였다. 식생지수는 강수나 토양수분과 달리 가뭄에 즉각적으로 반응하기보다, 일정 기간의 식물 스트레스가 누적된 이후 반응이 나타나는 경향이 있다. 이러한 특성은 식생의 생리적 완충 작용과 누적 수분 결핍의 영향과 관련이 있으며, 여러 연구에서 가뭄의 지연효과와 누적효과가 식생 반응에 중요한 역할을 하는 것으로 보고되었다(Zhao et al., 2020; Gu et al., 2022; Feng et al., 2023; Liu, 2024). 이에 따라 본 연구에서는 분석 기준 가뭄 기간 이후까지 시계열 자료를 포함하여 분석하였으며, VCI와 SVI를 동시에 활용하여 식생 기반 농업가뭄 반응 시점을 판별하고자 하였다. 가뭄 반응 판별 기준은 Eq. (8)과 같이 설정하였다.

VCI 값이 50% 미만일 경우 해당 시점의 식생 상태가 2018년 분석기간의 최소-최대 범위에서 상대적으로 낮은 수준에 위치함을 의미하며, SVI 값이 -1 미만일 경우 해당 시점의 식생 상태가 2018년 분석기간 평균보다 1 표준편차 이상 낮음을 의미한다(Eyoh et al., 2019; Park et al., 2008). Table 2는 VCI와 SVI에 따른 가뭄 등급을 나타낸 것이다. 본 연구에서는 두 조건을 동시에 만족하는 시점을 식생 기반 농업가뭄 반응 시점으로 정의하였다. 이를 통해 식생지수의 반응 시점과 지연 반응 특성을 분석하고, 가뭄 기간과 비교하여 PlanetScope의 농업가뭄 모니터링 적용 가능성을 평가하였다. Fig. 4는 VCI와 SVI를 활용한 가뭄 반응 판별 알고리즘을 나타낸 것이다.

Fig. 4.

Flowchart of delayed vegetation drought response detection and lag-time analysis based on VCI and SVI thresholds

4. 적용 및 결과

4.1 PlanetScope 기반 식생지수의 MODIS 검증 및시계열 특성 분석

본 연구에서는 PlanetScope의 국내 적용 가능성을 평가하기 위하여 동일 지역, 동일 시기의 MODIS 식생지수와 비교 및 검증을 수행하였다. 이를 위해 동일 연구영역과 농경지 마스크에서 산정된 PlanetScope 및 MODIS의 공간평균 식생지수를 관측시점별로 대응시킨 후 선형회귀분석을 수행하였다. Fig. 5의 각 점은 개별 PlanetScope 화소와 MODIS 화소를 직접 대응한 값이 아니라, 동일한 연구영역과 관측시점에서 산정된 두 위성자료의 농경지 공간평균 식생지수 쌍을 의미한다. 따라서 회귀분석 결과는 화소 또는 필지 단위의 공간적 일치도가 아니라 연구지역 평균 시계열 간 관계를 나타낸다.

Fig. 5는 PlanetScope와 MODIS 식생지수 간의 산점도와 회귀분석 결과를 나타낸 것이다. 모든 지수에서 전반적으로 PlanetScope와 MODIS 간에 양의 관계가 형성되는 것으로 나타났다. 각 지수의 회귀식과 결정계수는 차이를 보였으나, 전반적으로 PlanetScope 기반 식생지수가 MODIS 식생지수의 변화 경향을 유의하게 반영하는 것으로 나타났다. Table 3의 회귀분석 결과에서도 모든 지수의 p-value가 0.05 미만으로 나타나 두 자료 간 관계가 통계적으로 유의한 것으로 확인되었다.

Fig. 5.

Scatter plots and linear regression results between MODIS- and PlanetScope-based vegetation indices: (a) NDVI, (b) EVI2, (c) SAVI, and (d) GNDVI. The gray solid line indicates the 1:1 relationship, and the black dotted line represents the fitted regression line

Table 3에 제시된 바와 같이, NDVI의 결정계수는 0.81, EVI2는 0.90, SAVI는 0.88로 나타나 비교적 높은 설명력을 보였다. 특히 EVI2는 분석 대상 지수 중 가장 높은 결정계수를 보여 PlanetScope와 MODIS 간 일치도가 가장 높은 것으로 나타났다. SAVI와 NDVI 역시 높은 설명력을 보여 두 자료 간 반응 경향이 전반적으로 유사함을 확인할 수 있었다. 반면 GNDVI의 결정계수는 0.59로 다른 지수에 비해 상대적으로 낮게 나타났다. GNDVI의 상대적으로 낮은 결정계수는 PlanetScope와 MODIS의 Green band 분광응답 차이와 공간해상도 차이가 복합적으로 작용한 결과로 판단된다. GNDVI는 Green band 반사도에 민감하므로 엽록소 함량과 작물 생육단계의 국지적 차이가 지수값에 직접 반영될 수 있다. PlanetScope는 약 3 m 공간해상도로 농경지 내부의 이질적인 식생 상태를 세밀하게 반영하는 반면, MODIS는 하나의 화소에 작물, 토양 및 비농경지 피복이 함께 포함되는 혼합화소의 영향을 받는다. 이러한 차이로 인해 Green band 기반 GNDVI는 NDVI, EVI2 및 SAVI보다 두 센서 간 변동성과 절대값 차이가 크게 나타난 것으로 해석된다.

이러한 결과는 PlanetScope 기반 식생지수가 MODIS와 동일한 절대값을 나타내지는 않지만, 연구지역 평균을 기준으로 한 식생 변화의 전반적인 시계열 경향을 유의하게 반영함을 보여준다. 다만 본 연구의 회귀분석은 연구지역 농경지의 공간평균값을 이용한 비교이므로, 두 위성자료의 개별 화소 또는 필지 단위 공간분포 차이를 직접 평가한 결과는 아니다. 선행연구에서도 PlanetScope는 높은 공간해상도와 재방문 주기를 바탕으로 소규모 농경지와 복잡한 농업경관에서 식생 변화와 작물 생육 특성을 효과적으로 포착할 수 있는 자료로 평가되었다(Rufin et al., 2022; Kpienbaareh et al., 2022; Li et al., 2022a). 또한 PlanetScope 시계열 자료는 식생 변화 예측과 작물 생육 모니터링에도 활용 가능성이 제시된 바 있다(Marsetič and Kanjir, 2024). 이러한 결과는 PlanetScope 기반 식생지수가 연구지역 농경지의 평균적인 식생 변화 경향을 반영할 수 있음을 보여준다. 다만 본 연구는 공간평균값에 기반한 시계열 비교에 한정되므로, 필지 또는 화소 단위의 공간적 적용 가능성을 직접 입증한 결과로 해석하기에는 제한이 있다.

국내 농업지역은 필지 규모가 작고 토지피복이 복잡하여 MODIS와 같은 중해상도 자료에서 혼합화소의 영향이 크게 나타날 수 있다. 반면 PlanetScope는 약 3 m의 공간해상도를 제공하므로 농경지 내부의 국지적 변동을 관측할 수 있는 자료적 특성을 가진다. 그러나 본 연구에서는 동일 연구영역의 농경지 공간평균값을 이용하여 두 위성자료의 시계열 관계를 비교하였으므로, 화소 또는 필지 단위의 공간분포와 공간상관성은 평가하지 않았다. PlanetScope와 MODIS는 공간해상도와 분광응답 특성이 서로 다르므로 동일 연구지역에서도 식생지수의 최소값과 최대값에 차이가 발생할 수 있다. 이에 따라 MODIS에서 산정된 최소값과 최대값은 PlanetScope 기반 VCI 산정에 적용하지 않았으며, 두 위성자료의 비교 결과는 연구지역 농경지의 공간평균 시계열 수준으로 제한하여 해석하였다. 향후에는 공통 공간단위에서 두 위성자료를 집계하고 공간분포와 공간상관성을 비교할 필요가 있다. 식생지수별 유효 표본 수는 MODIS 입력자료의 시간해상도와 품질관리 및 시간적 대응 과정에 따라 다르게 나타났다. NDVI는 MODIS에서 제공되는 합성 식생지수 자료 가운데 PlanetScope와 시간적으로 대응되고 품질조건을 만족한 12개 시점을 분석에 이용하였다. EVI2, GNDVI 및 SAVI는 MODIS 표면반사도 자료로부터 산정하였으며, 각각 45개의 유효 대응시점이 확보되었다. 따라서 Table 3의 표본 수 차이는 분석기간의 차이가 아니라 입력자료의 시간구성과 유효자료 선별과정에서 발생한 것이다.

4.2 VCI 및 SVI 기반 지연형 식생 가뭄 반응 분석

MODIS 자료는 PlanetScope 기반 식생지수의 시계열 일관성을 비교하는 데 활용하였으며, 지연형 식생 가뭄 반응은 PlanetScope 기반 VCI와 SVI를 대상으로 분석하였다. 분석 기준기간은 2018년 8월 중순 창녕군 일대의 가뭄 관련 기록을 바탕으로 2018년 8월 13일부터 8월 21일까지로 설정하였다. 다만 SPI, SPEI 또는 현장 토양수분 자료를 이용한 정량적 가뭄 검증은 수행하지 않았으므로, 해당 기간은 식생 반응 지연을 산정하기 위한 분석 기준기간으로 활용하였다. 이 기간을 기준으로 PlanetScope 기반 식생지수 시계열에서 VCI와 SVI가 임계조건에 도달하는 시점을 비교하였으며, 두 임계조건을 최초로 동시에 만족하는 시점을 식생 기반 가뭄 반응일로 정의하였다. 이러한 분석을 통해 가뭄 발생 이후 식생 상태 변화가 시계열상에서 언제 나타나는지를 정량적으로 파악하였으며, PlanetScope의 농업가뭄 모니터링 적용성을 평가하고자 하였다.

Fig. 6은 NDVI, EVI2, GNDVI, SAVI를 기반으로 산정한 VCI와 SVI의 시계열 변화를 나타낸 것이다. 각 그래프에서 SVI는 2018년 식생지수 평균과 표준편차를 기준으로 산정한 상대적 이상 반응을 나타내며, VCI는 같은 기간의 최소값과 최대값 범위에서 산정한 상대적 식생 활력 수준을 나타낸다. 붉은색 실선은 SVI, 남색 실선은 VCI를 나타내며, 각 점선은 SVI < -1 및 VCI < 50%의 임계조건을 의미한다. 음영은 본 연구에서 설정한 분석 기준 가뭄 기간을 나타내며, 두 임계조건을 동시에 만족한 시점을 식생 기반 농업가뭄 반응일로 정의하였다. 네 지수 모두 가뭄 기간 직후 즉시 반응하기보다는 일정한 시간차를 두고 반응하는 경향을 보였다. 가뭄 기간 이후에도 SVI는 단기적인 변동을 반복한 반면, VCI는 상대적으로 완만한 변화를 보이며, 임계값 이하로 늦게 도달하는 양상이 나타났다. 이는 2018년 식생 시계열을 기준으로 산정한 상대적 VCI와 SVI가 기준 가뭄 기간 직후보다 일정한 시차를 두고 임계조건을 동시에 만족하였음을 보여준다. 다만 본 연구의 VCI와 SVI는 단일연도 자료를 기준으로 산정되었으므로, 산정된 반응일에는 가뭄에 따른 식생 스트레스와 계절적 생육 변화가 함께 반영되었을 가능성이 있다. 따라서 해당 반응일은 장기 기후학적 정상 상태 대비 절대적인 가뭄 발생일이 아니라 2018년 분석기간 내 상대적인 식생 저하 시점으로 해석할 필요가 있다.

Fig. 6.

Temporal variations in PlanetScope-based SVI and VCI during 2018 for (a) NDVI, (b) EVI2, (c) SAVI, and (d) GNDVI. The shaded area indicates the drought period, and the dashed lines indicate the thresholds

Table 4는 각 식생지수의 최초 반응일과 지연일수를 정리한 것이다. NDVI의 최초 반응일은 2018년 10월 30일로 나타났으며, 가뭄 종료일인 8월 21일 이후 약 70일의 지연 반응이 나타났다. EVI2와 SAVI 역시 동일하게 2018년 10월 30일에 최초 반응이 나타났으며, 약 70일의 지연일수가 나타났다. 반면 GNDVI는 2018년 10월 24일에 최초 반응이 나타났으며, 약 64일의 지연 반응이 나타났다. 분석 대상 지수 중 GNDVI가 가장 빠른 반응을 보였으며, NDVI, EVI2, SAVI는 유사한 반응 시점을 나타냈다.

식생지수별 반응 특성은 VCI와 SVI의 임계값 도달시점 및 최종 반응일을 기준으로 비교하였다. 원 식생지수 값의 시계열 변화량을 별도로 정량화하지 않았으므로, 본 연구의 비교는 각 지수에서 파생된 VCI와 SVI의 반응시점 차이에 한정된다. NDVI, EVI2 및 SAVI는 동일하게 2018년 10월 30일에 반응한 반면, GNDVI는 2018년 10월 24일에 반응하여 다른 지수보다 6일 빠른 시점을 보였다. SVI 임계조건은 모든 지수에서 2018년 9월 10일에 충족되었으나, VCI 임계조건은 EVI2와 GNDVI가 2018년 10월 7일, NDVI와 SAVI가 2018년 10월 19일에 충족되었다. 따라서 지수 간 반응일 차이는 SVI보다 VCI의 시계열 변화와 임계값 도달시점에서 주로 발생한 것으로 해석된다. 특히 NDVI와 SAVI는 동일한 반응일과 임계값 도달시점을 나타낸 반면, GNDVI는 상대적으로 이른 VCI 저하와 식생 반응을 보였다.

식생지수별로 가뭄 민감도와 반응 속도에는 차이가 나타났다. NDVI, EVI2, SAVI는 유사한 반응일을 보인 반면, GNDVI는 이들보다 약 6일 빠르게 반응하여 상대적으로 높은 민감도를 나타냈다. 이는 GNDVI가 Green band를 포함하고 있어 식생의 생리 상태 변화에 보다 민감하게 반응하였기 때문으로 판단된다. 반면 NDVI, EVI2, SAVI는 전반적인 녹색도, 토양 배경 보정, 구조적 생육 특성 등을 반영하는 과정에서 반응이 상대적으로 완만하게 나타난 것으로 판단된다.

본 연구에서 확인된 64~70일 수준의 지연 반응은 식생이 단기적인 수분 부족에 즉시 외형적 변화를 보이기보다, 일정 기간의 생리적 조절과 완충 과정을 거친 뒤 가뭄에 반응하는 특성과 관련이 있는 것으로 판단된다. 선행연구에서도 식생은 가뭄 발생 직후 즉시 반응하기보다 누적된 수분 부족의 영향을 일정 시차를 두고 나타내는 경우가 많은 것으로 보고되었으며, 지연효과와 누적효과가 식생 변화에 함께 영향을 미칠 수 있음이 제시된 바 있다(Gu et al., 2022; Feng et al., 2023). 이러한 점에서 본 연구에서 확인된 64~70일 수준의 지연 반응은 기존 연구에서 보고된 식생 반응 특성과 유사한 경향을 보여주는 결과로 해석된다.

PlanetScope 기반 식생지수는 모두 일정한 지연 반응을 나타냈다. 그러나 VCI는 기준기간에서 설정한 VImin과 VImax에 따라 정규화 범위와 임계값 도달시점이 달라질 수 있다. 특히 단일연도 최소값과 최대값은 계절적 극값이나 일시적인 이상값의 영향을 받을 수 있으므로, 본 연구에서 산정한 VCI와 식생 반응일은 2018년 분석기간 내 상대적 결과로 해석해야 한다.

본 연구에서 식생 가뭄 반응일로 산정된 10월 하순은 작물의 생육 종료, 수확 및 기온 저하에 따른 계절적 식생 활력 감소가 나타날 수 있는 시기와 중첩된다. 따라서 산정된 반응이 8월 가뭄의 지연효과만을 독립적으로 반영한다고 단정하기에는 제한이 있다. 특히 본 연구에서는 정상연도와의 비교분석을 수행하지 않았으므로, 10월 하순의 식생 저하에는 누적 수분 스트레스와 계절적 노화 신호가 함께 포함되었을 가능성이 있다.

4.3 식생지수별 VCI 및 SVI 임계조건의 가뭄 반응 시점 비교 및 지배 특성 분석

본 연구에서는 식생지수별 농업가뭄 반응 시점이 평균 대비 이상(anomaly) 반응과 누적 스트레스 중 어느 요인의 영향을 더 크게 받는지를 분석하기 위하여, 각 식생지수에 대해 SVI 임계조건(SVI < -1)과 VCI 임계조건(VCI < 50%)의 최초 도달일을 각각 산정하고, 이를 두 조건을 동시에 만족한 농업가뭄 반응 시점과 비교하였다. 앞선 분석에서 농업가뭄 반응 시점은 NDVI, EVI2, SAVI에서 2018년 10월 30일, GNDVI에서 2018년 10월 24일로 나타났으며, 기준 가뭄 종료일인 2018년 8월 21일 이후 약 64~70일의 지연 반응이 확인된 바 있다. 이는 본 연구에서 설정한 분석 기준기간 이후 일정한 시차를 두고 식생 반응 조건이 충족되었음을 보여준다. 다만 해당 반응에는 누적 수분 스트레스와 함께 계절적 생육 변화가 반영되었을 가능성이 있다.

Table 5는 식생지수별 SVI 및 VCI 임계조건의 최초 도달일과 농업가뭄 반응 시점 간의 관계를 정리한 것이다. 분석 결과, SVI는 NDVI, EVI2, GNDVI, SAVI 모두에서 공통적으로 2018년 9월 10일에 최초로 임계조건을 만족한 것으로 나타났다. 반면 VCI는 EVI2와 GNDVI에서 2018년 10월 7일, NDVI와 SAVI에서 2018년 10월 19일에 최초로 임계조건을 만족하였다. 즉, 네 식생지수 모두에서 SVI가 VCI보다 먼저 반응하였으며, 두 조건을 동시에 만족하는 최종 농업가뭄 반응 시점은 공통적으로 VCI 도달 시점의 영향을 더 크게 받은 것으로 나타났다.

본 연구의 SVI는 2018년 식생지수 평균과 표준편차를 기준으로 특정 시점의 상대적 이상 여부를 평가하며, 분석기간 평균보다 급격히 낮아지는 식생 반응을 비교적 이른 시기에 탐지하였다. 반면 VCI는 2018년 식생지수의 최소값과 최대값 범위에서 현재 식생 상태의 상대적 위치를 나타내며, 분석기간 내 식생 활력이 낮은 수준으로 감소한 시점을 반영하였다. 이러한 차이는 Table 5의 분석 결과에서도 명확하게 나타났다. NDVI와 SAVI는 SVI가 2018년 9월 10일에 먼저 임계조건에 도달하였으나, VCI가 2018년 10월 19일에 50% 미만으로 하락함에 따라 최종 농업가뭄 반응 시점이 2018년 10월 30일로 형성되었다. EVI2와 GNDVI 역시 SVI는 동일하게 2018년 9월 10일에 먼저 반응하였으나, VCI는 2018년 10월 7일에 최초로 임계조건에 도달하여 NDVI와 SAVI보다 상대적으로 이른 시점에 반응 조건이 형성된 것으로 나타났다.

또한 SVI 임계조건 도달일부터 최종 농업가뭄 반응 시점까지의 소요 기간은 NDVI, EVI2, SAVI에서 약 50일, GNDVI에서 약 44일로 나타난 반면, VCI 임계조건 도달일부터 농업가뭄 반응 시점까지의 소요 기간은 NDVI와 SAVI에서 약 11일, EVI2에서 약 23일, GNDVI에서 약 17일로 나타났다. 이는 최종적인 농업가뭄 반응 시점이 SVI 최초 도달 시점보다는 VCI 도달 시점에 더 가까운 시점에서 형성되었음을 의미한다. 즉, 식생은 평균 대비 이상 반응을 비교적 이른 시기에 나타낼 수 있으나, 본 연구에서 정의한 식생 반응 시점은 일정 수준 이상의 상대적 식생 활력 저하가 나타난 이후 형성된 것으로 해석할 수 있다.

5. 결 론

최근 기후변화의 영향으로 가뭄의 발생 빈도와 강도가 증가함에 따라 농업 부문의 생산성 저하와 수분 스트레스 문제가 더욱 심화되고 있다. 특히 국내 밭 농업은 관개시설 의존도가 낮고 강우 기반 수분 공급 비율이 높아 기상학적 가뭄 발생 시 토양수분 감소와 작물 생육 저하에 직접적인 영향을 받는다. 또한 국내 농업 지역은 필지 규모가 작고 논·밭이 혼재된 복합적인 토지이용 구조를 가지기 때문에 중·저해상도 위성자료만으로는 농경지 단위의 식생 변화를 정밀하게 모니터링하는 데 한계가 존재한다. 최근에는 고해상도 시계열 위성영상을 활용하여 농업가뭄을 보다 정밀하게 모니터링하려는 연구가 증가하고 있으며, 높은 공간해상도와 짧은 재방문 주기를 제공하는 PlanetScope 영상은 국내 농업 지역에 적용 가능한 잠재적 자료로 주목받고 있다.

본 연구에서는 경상남도 창녕군을 대상으로 2018년 시계열 PlanetScope 영상을 구축하고 NDVI, EVI2, GNDVI, SAVI를 산정하여 국내 농업가뭄 모니터링 적용 가능성을 평가하였다. 또한 동일 시기의 MODIS 식생지수와 비교를 수행하여 PlanetScope 기반 식생지수의 시계열 일관성과 반응 특성을 검토하였으며, 식생지수 시계열로부터 산정한 VCI와 SVI를 활용하여 식생 기반 농업가뭄 반응 시점과 지연 반응 특성을 분석하였다.

MODIS 기반 검증 결과, NDVI, EVI2, SAVI는 비교적 높은 결정계수를 나타내었으며, 이는 PlanetScope 기반 식생지수가 중해상도 위성자료와 유사한 식생 변화 경향을 효과적으로 반영할 수 있음을 의미한다. 특히 EVI2와 SAVI는 식생 활력 및 토양 배경 영향을 상대적으로 안정적으로 반영하는 특성으로 인해 높은 상관성을 나타낸 것으로 판단된다. GNDVI는 다른 지수에 비해 상대적으로 낮은 결정계수를 보였으나 통계적으로 유의한 관계가 확인되었으며, 이는 녹색 파장대 기반 지수 특성에 따라 작물 생육 단계 및 엽록소 민감도의 차이가 반영된 결과로 판단된다. 이러한 결과는 PlanetScope 기반 식생지수가 연구지역 농경지의 평균적인 식생 상태와 시계열 변화 경향을 반영하는 데 활용될 가능성을 보여주며, MODIS 기반 분석을 보완하기 위한 자료로 활용될 수 있음을 시사한다.

식생지수 기반 농업가뭄 반응 시점 분석 결과, NDVI, EVI2, GNDVI, SAVI는 모두 분석 기준 가뭄 기간 직후가 아니라 일정한 지연일수 이후 반응하는 경향을 나타냈다. 지수별 농업가뭄 반응 시점은 10월 하순에서 10월 말 사이에 형성되었으며, 가뭄 종료일 이후 약 64~70일의 지연일수가 산정되었다. 이는 산정된 식생 저하 시점이 분석 기준기간 이후 일정한 시차를 두고 나타났음을 보여준다. 다만 해당 시점에는 누적 수분 스트레스뿐만 아니라 계절적 생육 변화와 수확·노화 신호가 함께 반영되었을 가능성이 있다. 이러한 결과는 기존 선행연구에서 보고된 식생의 지연 반응과 유사한 시계열적 경향을 보였다. 다만 본 연구에서는 정상연도 비교와 정량적 가뭄 검증을 수행하지 않았으므로, 산정된 시차를 가뭄에 의한 반응으로만 해석하는 데에는 제한이 있다. 따라서 PlanetScope 기반 식생지수는 분석 기준기간 직후의 즉각적인 반응보다 일정한 시차를 두고 나타나는 식생 상태 변화를 파악하는 데 활용 가능성이 있는 것으로 판단된다.

또한 VCI와 SVI의 임계도달 시점을 비교한 결과, SVI는 모든 식생지수에서 공통적으로 2018년 9월 10일에 먼저 임계조건을 만족한 반면, VCI는 이후 시점에 도달하여 최종적인 농업가뭄 반응 시점 형성에 더 큰 영향을 미치는 것으로 나타났다. 이는 본 연구의 SVI가 2018년 식생지수 평균 대비 이상 반응을 기반으로 하기 때문에 분석기간 내 급격한 식생 저하를 비교적 이른 시기에 탐지하였음을 의미한다. 반면 VCI는 시계열 내 상대적 최소-최대 범위를 기반으로 분석기간 중 식생 활력이 상대적으로 낮은 수준에 도달한 시점을 반영하였다. 본 연구에서 SVI는 2018년 평균 대비 상대적 이상 반응을 VCI보다 이른 시점에 나타냈으며, VCI는 2018년 최소-최대 범위에서 상대적으로 낮은 식생 활력 수준이 나타난 시점을 반영하였다.

이러한 결과는 농업가뭄 모니터링에서 단일 식생지수 또는 단일 임계조건만을 활용하는 접근에는 한계가 존재할 수 있음을 시사한다. 실제 농업가뭄은 기상학적 가뭄, 토양수분 감소, 작물 생육 저하가 시간차를 두고 복합적으로 연결되는 과정이기 때문에 초기 이상 반응과 누적 스트레스 반응을 동시에 고려할 필요가 있다. 따라서 SVI와 VCI를 함께 활용할 경우 분석기간 평균 대비 이상 반응과 최소-최대 범위 내 상대적 식생 활력 저하를 함께 검토할 수 있을 것으로 판단된다.

본 연구 결과, PlanetScope 기반 고해상도 시계열 식생지수는 연구지역 농경지의 평균적인 식생 변화와 가뭄 반응 시점을 분석하기 위한 자료로 활용될 가능성을 나타냈다. 다만 VCI와 SVI는 2018년 단일연도 시계열을 기준으로 산정되었으므로, 가뭄에 따른 식생 저하와 계절적 생육 변화가 함께 반영되었을 가능성이 있다. 또한 필지 또는 화소 단위의 공간분포를 분석하지 않았으므로, 소규모 필지와 복합적인 토지이용 구조를 가지는 농업지역에 대한 공간적 적용 가능성은 후속 연구를 통해 검증할 필요가 있다. 향후에는 다년간 시계열 자료를 구축하여 장기 기준의 VCI와 SVI를 산정하고, 단일연도 기준 결과와 비교할 필요가 있다. 또한 관개 논과 강우 의존도가 높은 밭은 수분 공급체계와 가뭄 반응기작이 서로 다르지만, 본 연구에서는 두 토지피복을 통합하여 분석하였다. 향후에는 팜맵을 이용하여 논과 밭을 분리하고, 토지피복별 식생지수 변화와 반응 지연일수를 비교할 필요가 있다.