광학위성영상을 이용해 농작물을 모니터링 할 때 가장 문제가 되는 것은 구름이나 그림자이다. 구름과 그림자의 영향을 줄이기 위해 일정 주기동안 최대 정규식생지수를 선택하는 합성기법이 사용되었다. 그러나, 본 방법은 구름의 영향을 줄이기는 하나, 일정 주기 동안 최대 정규식생지수(Normalized Difference Vegetation Index, NDVI)값만을 사용하기 때문에 NDVI가 감소하는 현상을 신속히 보여주기 어렵다. 이에 따라, 구름의 영향을 최소화하면서 식생의 분광정보를 최대한 유지하기 위한 방안으로 합성 시 여러 환경인자를 정의하고, 이에 대한 점수를 부여하여 합성 시 가장 적합한 화소를 선택하는 방법인 점수 기반 합성기법이 제시되었다. 본 연구에서는 Sentinel-2A/B Level2A 반사율 영상과, 부가정보로 제공되는 구름, 그림자, Aerosol Optical Thickness (AOT), 촬영날짜, 센서천정각 등을 이용한 점수 기반 식생지수 합성기법을 개발하였다. 2021년동안 당진 논지 역과 태백 고랭지 배추밭을 대상으로 15일 주기와 한달 주기로 점수기반 합성기법을 적용한 결과, 구름의 영향 을 받은 우기만을 제외하고 15일 주기 합성 시 한달 주기에 비해 보다 빠르고 자세한 NDVI값의 변화를 볼 수 있었다. 특정 영상에서는 합성 NDVI영상에서 부분적으로 날짜별 차이가 나타나 공간적으로 이질적인 부분이 보이기도 하는데, 이는 사용한 구름, 그림자 정보의 부정확성으로 인한 것으로 사려된다. 향후 입력정보의 정 확도를 향상시키고, Maximum NDVI Composite (MNC) 기반 합성기법과 정량적 비교를 수행할 예정이다.

Keywords: Crop monitoring, Composite, MNC, SBC, Sentinel-2A/B, Paddy, Cabbage