Comparison of Visual Evaluation and Image Analysis for Measuring Kentucky Bluegrass Coverage

Introduction

잔디연구에서 엽색, 품질, 밀도, 피복등과 같이 잔디의 생육 정도를 측정하기 위해 필요한 항목을 평가하는 방법으로는 National Turfgrass Evaluation Program (NTEP)의 육안평가 방법이 가장 많이 사용되고 있다(Xie et al., 2022). 이 육안평가 방법은 1973년 Beard에 의해 처음 제안된 이후로 1960-70년대에는 0-9 혹은 1-10 등 다양한 척도가 혼재했지만, 시각적 외관을 수치화하여 품종 및 관리방법 간 차이를 비교한다는 기본 아이디어로 자리 잡았다(Costea et al., 2012). 1980년대에는 Rutgers University를 중심으로 한 미국의 북동부 지역의 잔디연구자들이 1950년대 미군 병사들의 식품 및 음료에 대한 선호도와 수용성을 측정하기 위해 사용이 되었던 the 9-point hedonic scale 방법을 이용하여 1-9의 범위를 척도를 기본으로 하고, 6을 최소 수용품질로 정하는 방법을 주장하였다(Lim et al., 2009; Peryam and Girardot, 1952; Qu et al., 2023). 2000년대에는 NTEP Turfgrass Evaluation Guidelines에서 1–9 척도 사용법을 기반으로 시간, 광조건, 처리구의 크기 등을 제시하여, 현재 잔디 연구에서 사용하는 육안평가의 표준으로 자리 잡게 되었다(Morris and Shearman, 2000). 육안평가 방법은 평가 항목에 따라 1에서 9까지의 범위에서 가장 높은 평가를 받은 처리구를 9, 가장 낮은 평가를 받은 처리구를 1로 평가하는 방법으로 평가자의 육안으로만 진행되는 주관적인 판단에 기인한다(Morris and Shearman, 2000). 육안평가 방법이 오랫동안 잔디연구에서 활용이 되어 왔음에도 불구하고, 육안으로 이루어지는 주관적인 평가방법은 그 결과의 신뢰도에 대해 다양한 관점에서 지속적으로 의문점이 제기되어 왔다. 선행연구에 의하면 육안평가 결과에 대한 평가자간의 결과 차이는 표준편차 logit scale에서 0.13에서 0.97까지 폭넓게 나타났으며, 이것은 특정 평가자의 결과는 올바른 평가범주에서 벗어날 수 있다는 것을 의미한다고 보고된 바 있다(Qu et al., 2023). 또한 지역별 품종간의 육안평가 결과는 4-79%로 지역별 분산의 차이가 크게 나타나, 분산의 차이에서 나타나는 오류를 배제하고 정량화 해야 한다는 연구결과가 주장된 바 있다(Qu et al., 2023). 잔디의 상태나 기상조건에 따라서도 평가자간의 육안평가 결과의 차이가 발생 할 수 있으며 태양광의 차이, 예초방향, 평가시간, 계절의 차이 등은 시각적 인식을 왜곡하여 평가자간의 평가결과 차이를 크게 만드는 주된 원인이 되고 있다(Hahn et al., 2021). NTEP은 육안평가 평가결과의 오류를 최소화하기 위하여 예초 24시간 경과 후, 일과시간 중 10-15시 사이, 그리고 육안평가에 적합한 태양광 조건이 일정한 상황에서 측정할 것을 제안하고 있다(NTEP, 2008). 그러나 평가자의 숙련도 부족, 측정시기의 기상상태 변화 등 수정이 불가능한 요소들이 있어 주관적인 평가기준을 기반으로 한 육안평가 보다 객관적이고, 계절이나 태양광 조건에 상관없이 일정하게 측정할 수 있는 방법이 필요하다.

육안평가의 가장 큰 단점인 평가자간의 측정결과 차이를 최소화하여 일관성을 유지하고, 측정결과 데이터의 신뢰도를 높이기 위해서 엽록소 및 아미노산 분석, 빛의 반사율 측정, 표준색과 비교 측정 등 다양한 방법들이 제시되어 왔다(Camelo et al., 2012; Goodenough and Goodenough 2012). 그러나 이러한 방법들은 측정 과정에 있어 효과적일 수 있으나, 처리구내의 일부를 측정하는 방식으로 전통적인 분산분석 기법으로는 결과를 통계적으로 분석할 때 오류가 발생할 수 있다(Tiwari et al., 2014). NTEP의 육안평가의 단점을 보완하고 통계적 분산분석이 가능한 방법으로 디지털 이미지분석법(Spectral reflectance analysis or digital image analysis)이 최근 연구에서 제시되고 있다(Casadesús et al., 2005; Karcher and Richardson, 2003). Berndt (2023)은 고해상도 디지털 이미지를 이용하면 처리구 내의 일정한 면적을 육안평가로 인지 할 수 없는 픽셀 단위로 색 특성을 요약해 정확하고 객관적으로 평가할 수 있다고 설명한 바 있다. Richardson et al. (2001)은 디지털 이미지분석은 주관적 평가와 관련된 고유의 오류와 평가자 편향을 효과적으로 제거할 수 있다고 보고한 바 있다. Kazemi et al. (2020)은 20명 평가자의 육안평가와 디지털 이미지분석을 비교한 결과 1-9 척도의 NTEP 육안평가 결과는 평가결과 범위와 표준편차가 크지만, 이미지 기반 결과는 평가 범위가 좁고, 표준편차가 작아 정밀하고 평가자간의 일관성이 높다고 보고했다. 특히 육안평가의 경우 대량의 데이터, 다수의 실험 장소, 그리고 다수의 평가자에 의해 측정 할때 그 오류의 발생률이 높아지게 되며, 평가자간의 차이도 커지게 되는 경향이 발생하게 된다. 이러한 경우 과대평가된 오차 분산으로 인해 육안평가에서 유의차가 나타나지 않은 결과가 이미지분석에서는 유의차가 나타나는 결과가 발생하기도 한다 (Ghali et al., 2010; Kowalewski et al., 2023).

이미지분석 방법이 육안평가 방법과 비교하여 정밀하고, 일정한 기준에 의해 평가하는 것은 장점이 될 수 있다. 일정한 기준에 의해서 평가가 된다는 것은 평가자간의 결과 차이에서 발생하는 오류가 최소화 된다는 것을 의미하고, 동시에 높은 신뢰도의 평가결과를 도출할 수 있다는 것을 의미하기 때문이다. 그러나 이미지분석이 신뢰도 높은 결과를 도출하기 위해서는 사진 촬영시 균일한 광조건의 유지 및 적합한 카메라 설정값, 처리구내 잡초의 포함 비율, 이미지분석 소프트웨어의 사용 기술등이 요구된다 (Ghali et al., 2012; Lee, 2023; Leinauer et al., 2014; Pornaro et al., 2019). 잔디연구 분야에서 이미지분석법이 도입된 것은 Richardson et al. (2001)으로 알려져 있으며, 이후 적합한 이미지분석법의 방법을 개선하기 위해 다양한 선행 연구가 지속적으로 이어지고 있다 (Kowalewski et al., 2023; Lee, 2023; Richardson, et al., 2001; Sundar and Bagyamani, 2015; Zhang et al., 2017). 최근 연구에서는 NTEP의 육안평가의 단점을 보완하고 이미지분석의 방법론을 정립하기 위한 연구를 위해 육안평가와 이미지분석을 병행하여 시도한 바 있다 (Zhang, et al., 2019). 이러한 연구의 목적은 디지털 이미지분석법이 현재의 육안평가 방법을 대체할 수 있는지에 대한 가설을 검증하기 위함이라고 할 수 있다. 현재까지의 연구결과는 일부 측정 방법에서는 이미지분석법이 NTEP의 육안평가를 대체할 수 있지만, 아직까지는 전체적으로 육안평가 방법을 대체하기에는 근거와 연구가 부족한 것으로 나타나고 있다 (Bunderson, et al., 2009; Ghali, et al., 2010; Leinauer, et al., 2014). 따라서 본 연구의 목적은 Kentucky bluegrass의 피복율을 측정하는 방법으로 NTEP의 육안평가와 이미지분석법을 비교함으로 이미지분석법이 육안평가를 대체할 수 있을 정도의 상관관계가 있는지를 검증하기 위해서 수행되었다.

Materials and Methods

본 실험은 2025년 9월 10일부터 11월 28일까지 대한민국 충청남도 아산에 위치한 호서대학교 잔디환경실험장에서 수행되었다. 본 실험에서 사용된 공시초종은 Kentucky bluegrass ʻRight’, ʻJump Start’, ʻMoonlight SLT’, ʻFull Moon’의 총 4가지 품종이 사용되었으며, 2025년 9월 10일 파종되어 발아부터 초기 조성까지 3주동안 진행이 되었다. 본 실험을 위해 전체 처리구의 피복률이 약 20%가 되었을때 각 처리구를 위해 질소, 인, 칼륨이 질소 기준으로 시비 되었다. Kentucky bluegrass 피복률 변화를 위해 2025년 9월 30일 질소를 0.5g N m^-2 부터 0.5g씩 증가하여 7g N m^-2까지, 대조구를 포함하여 총 15단계의 농도로 처리 되었다. 질소 시비를 위해 복합비료 15-6-20 (New Leader Turf 15, Farm Hannong Co., Seoul, Korea)가 사용되었다. 각각의 처리구를 위해 0.6×0.6m 크기의 실험처리구가 구성되었다.

잔디의 피복률 평가를 위해 NTEP (2011)에서 제시한 육안평가 방법으로 매주 수행되었으며, 평가자는 육안평가 경험 3년의 평가자와, 육안평가 1년 경험 평가자가 NTEP에서 제시한 육안평가 방법에 따라 처리구 면적대비 피복된 면적의 비율을 7일 간격으로 육안으로 평가해 백분율(%) 단위로 측정이 되었다. 육안평가일과 동일한 측정일에 이미지분석을 위한 디지털 이미지가 촬영되었다. 이미지 촬영을 위해 Nikon D5300 (Nikon Inc.) 카메라가 사용되었으며, 6,000×4,000 pixel의 크기와 24.1 million color의 JPEG format으로 각각의 처리구 이미지가 촬영되었다. 이미지 촬영때 마다 동일한 면적의 이미지가 촬영이 가능하도록 각 처리구 중앙에 4ml plastic tube (SIMPORT 4ml PP Sample Tube, DataSee, Seoul Korea)를 고정해 카메라 view finder 화면의 중앙에 맞추어 촬영 했다. 카메라의 설정 값을 위해 f/4.2의 노출값과, 30mm의 초점거리, 1/200s 셔터스피드, 400의 ISO감도가 설정되었다. 이미지 촬영시 광조건을 동일하게 하기 위해서 0.5×0.5m 면적을 촬영할 수 있는 크기의 Light Box가 사용되었으며, Light Box 내부에는 6,500K 색온도와 watt당 80 lumen의 밝기를 가진 LED (Light Emitting Diode)등이 설치되어 일정한 광조건을 유지하게 하였다. 배터리 사용시 시간경과에 따른 배터리 소모에 의한 광량의 변화를 배제하기 위하여 배터리의 사용대신 220v 상시 전압을 연결하여 Light box의 광원을 유지하였다. Light Box의 상단에 카메라가 고정이 되어 촬영이 되었으며, Light Box와 카메라의 연결부위는 결합 후 밀봉 고정이 되어 광조건에 영향이 없게 하였다. 촬영된 모든 이미지의 분석을 위해 ImageJ software (version 1.54f, NIH, USA)를 이용한 디지털 이미지분석으로 정량화하였으며, 실험기간 동안 촬영된 모든 이미지 처리를 위해 ImageJ의 macro recorder를 통해 만들어진 일괄적용 명령어를 사용하였다 (Rasband, 2011). ImageJ는 촬영된 디지털 이미지에서 피복률에 해당하는 녹색색상 범위에 맞춰 색조(Hue), 채도(Saturation ), 명도(Brightness) 임계값 설정을 조정하여 이미지를 녹색 영역과 비녹색 영역으로 구분하였다. Kentucky bluegrass의 엽색을 선택할 수 있는 녹색영역을 위해 Hue 영역을 27-120, Saturation 영역을 70-175, brightness 영역을 70-156로 설정하여 피복면적을 선택하였다. 녹색영역의 피복면적이 선택된 이미지에서 발생된 조류 등과 같은 유사 색영역으로 발생한 노이즈를 제거하기 위해 mask 이미지로 전환후 순수 피복면적만 산출 될 수 있도록 모든 노이즈(radius 20 이하)가 제거되었다.

본 실험의 설계는 난괴법(Randomized Complete Block Design) 3반복으로 이루어져 수행되었다. 통계분석은 SAS 프로그램(SAS Institute Inc., 2001)을 이용하여 The General Linear Model procedure (PROC GLM)으로 데이터 분석이 수행되었으며, 주처리구의 유의차 분석을 위해 Fischer’s protected least significant difference (LSD)가 수행되었다. 또한 육안평가와 이미지분석 결과의 상관관계를 분석하기 위해 Pearson 상관관계 지수를 활용하여 두 변수간의 유의성을 확인하였다 (Ott and Longnecker, 2001). 상관관계 지수는 총 6단계로 각각 0.90-1.00 (Perfect/Near Perfect), 0.70-0.89 (Very Strong), 0.500.69 (Strong/Large), 0.30-0.49 (Moderate/Medium), 0.10-0.29 (Weak/Small), 0.00-0.10 (Negligible/Very Weak)으로 표기했다 (Cohen, 1988).

Results and Discussion

실험 기간 동안 평가자 EV1과 EV3의 질소의 농도별 처리결과에 따른 Kentucky bluegrass 피복율에 대한 측정결과 상관관계 지수(r)는 0.723으로 나타났다 (Fig. 1). 육안평가 경험 1년의 평가자 EV1과 3년 경험의 평가자 EV3간의 평가결과가 상관관계 지수 6단계 중 두번째로 강한 선형관계를 나타내는 ʻvery strong’으로 나타났다. 본 실험에서 실험기간 전체를 표본수로 하는 상관관계 분석 결과는 육안평가 3년 미만에서는 경험 기간과 상관없이 두 평가자의 유사도가 높은 것으로 나타났다. 육안평가자 EV1과 이미지분석간의 평가결과에 대한 상관관계 지수는 0.751로 나타났으며, 육안평가자 EV3와 이미지분석간의 평가결과에 대한 상관관계 지수는 0.761로 나타났다. 잔디 연구에서 육안평가와 이미지분석간의 상관관계 지수의 기준에 대해 명확한 근거를 제시한 연구결과는 아직 보고되고 있지 않으나, 선행연구에서 육안평가와 이미지분석 간의 상관관계 지수 대한 연구결과가 보고되고 있다. Badzmierowski et al. (2019)는 tall fescue (Festuca arundinacea)의 water stress에 대한 생육정도를 다중분광 및 초분광 방사계 측정값으로 비교하는 실험결과 0.77-0.81의 상관관계 지수가 나타났으며, 이 결과는 ʻvery strong correlation’ 범위로 잔디연구 분야에서 방법 검증을 위한 수용 가능한 상관관계 라고 보고한 바 있다. Akoglu (2018)는 상관관계 지수는 절대적인 기준은 존재하지 않으나, ʻperfect’ 단계인 1을 제외하고 0.7-0.9의 상관관계 지수의 범위를 수용가능한 ʻstrong’ 단계로 기준을 제시한 바 있다. 본 실험결과 실험기간 전체를 표본수로 하는 육안평가와 이미지분석간의 상관관계 분석에서 나타난 0.723-0.761의 상관관계 지수의 범위는 선행연구결과의 기준으로 고려할때 수용가능한 상관관계의 범위라고 판단된다. 그러나 실험기간 전체를 표본수로 하는 상관관계 분석과 달리 각각의 측정일 평가에서는 육안평가자간의 평가결과에 대한 상관관계 지수가 11/13일 이전의 측정일에서는 0.6 이하로 상관관계 지수 6단계중 4번째 단계인 ʻModerate/Medium’으로 평가자간의 평가 결과에 대한 유사도가 낮게 나타났고, 11/13일 이후에는 0.7 이상으로 상관관계 지수 6단계중 2단계로 ʻ매우강함 (very strong)’으로 육안평가자 간의 평가결과가 매우 강한 선형관계를 나타내고 있다 (Table 1). 피복률 측정일 11/13일의 평균대기온도가 9℃ 임을 고려할 때 Kentucky bluegrass의 생육이 감소하고, 조류의 최적생육 온도인 20-30℃ 보다 낮아, 처리구 내에 발생한

조류의 감소로 인해 평가에 영향을 주는 요소가 감소되었다고 판단되었으며, 이로 인해 평가자간의 피복률 평가결과에 대한 상관관계 지수가 증가한 것으로 판단된다 (data not shown) (Daly and McCullough, 2022). 육안평가자와 이미지분석간의 상관관계는 EV1 보다 EV3가 이미지분석과의 상관관계 분석에서 더 높은 지수가 나타났다. 실험 기간중 데이터측정일 총 8일중 6일간 EV1보다 상관관계 지수가 높았으며 0.698-0.772의 범위로 나타났다. 선행연구 결과에서도 육안평가의 숙련도가 높을수록 이미지분석의 평가결과와 유사도가 높다고 보고되고 있다 (Hannaford et al., 1997). 이것은 육안평가의 숙련도에 따라 처리구내의 평가에 영향을 주는 광조건, 휴면기, 계절의 특성, 잡초나 조류의 침입 등에 대한 이해도가 높기 때문이며, 처리구 내의 잔디의 면적이나 색등의 분석을 목적으로 하는 이미지분석의 결과와도 직접적으로 연관되는 것이라 판단된다 (Kowalewski et al., 2023; Qu et al., 2023). 따라서 이미지분석의 정형화된 분석법이 정립이 되어 육안평가 숙련자의 평가와의 높은 상관관계가 유지된다면, 이미지분석을 통해 숙련도가 낮은 평가자의 단점을 보완하고 평가자간의 주관적인 평가로 인해 발생하는 평가 오류를 최소화 할 수 있다고 판단된다.

Kentucky bluegrass 피복율에 대한 실험기간 동안의 EV1의 평가결과는 EV3의 평가결과보다 0.5-30.0% 까지 높게 나타났다 (Table 2). EV1의 평가결과의 경우 평가과정에서 나타나는 조류를 포함한 녹색과 유사범위의 면적까지도 모두 포함해서 측정하려는 경향이 나타났다 (personal communication) (Fig. 2). Krans and Morris (2007)에 의하면 육안평가 숙련도가 낮은 평가자의 경우 녹색에 대한 가중치를 높게 설정하는 경향이 강하게 나타난다고 보고한 바 있다. 따라서 처리구의 피복률 측정에 있어 조류와 같은 녹색 유사범위가 있는 경우 육안평가자의 측정결과는 높게 나타날 수 있다. 본 실험에서 EV1의 평가결과에서 녹색에 대한 가중치가 높게 평가되는 경향이 나타났으며, EV3 평가자보다 피복률 평가가 높게 측정되어 10/16일 측정일의 육안평가자 간의 상관관계 지수는 0.468로 낮은 상관관계 지수가 나타났다 (Table 1). 이에 따라 유의차에 의한 결과 분포가 EV1과 EV3에서 많은 차이가 나타났다. EV1의 10/16일 평가결과에서는 가장 높은 피복률은 질소처리구 5.5와 7.0 g N m^-2 에서 나타났으나, EV3의 평가결과에서는 가장 높은 피복률은 6.0과 7.0 g N m^-2 에서 나타났다. 10/30일에는 질소처리구 4.0과 7.0 g N m^-2 에서 가장 높은 피복률이 측정되었으며, EV3의 평가결과에서 가장 높은 피복률은 5.5 g N m^-2 을 제외한 5.0-7.0 g N m^-2 범위에서 가장 높게 나타났다. 10/16일과 10/30일 측정일의 육안평가자간의 상관관계 지수가 각각 0.468과 0.304로 나타났으며, 유의차의 분포도 그 차이가 크게 나타났다. 모든 측정일 중에서 상관관계 지수가 가장 높게 나타난 11/28일에는 육안평가자들간의 상관관계 지수가 0.753으로 수용이 가능한 선형관계를 나타냈다 (Table 1). 그러나 피복률 측정일의 육안평가자의 결과에서는 유의차의 분포의 큰 차이를 나타냈다. EV1의 평가결과에서는 질소처리 3.0 g N m^-2 에서도 가장 높거나 같은 피복율의 결과가 나타났으며, EV3의 경우 질소처리구 4.5g N m^-2 까지 가장 높은 피복율의 결과가 나타났다 (Table 2). 이것은 연구결과에서 큰 차이를 나타낼 수 있는 결과이므로, 상관관계 지수가 높게 나타난 것을 유의차 분포와 동일한 결과로 수용하는 것은 연구결과를 분석하는 과

정에서 오류가 발생할 가능성이 있다고 판단된다. 동일 측정일에서 육안평가자 EV3와 이미지분석간의 상관관계 지수는 0.736으로 가장 높게 나타났으나, 유의차의 분포는 큰 차이를 나타내고 있다. 이미지분석에서는 질소처리구 3.0-7.0 g N m-2 농도의 모든 처리구는 가장 높은 피복률을 나타냈으며 이 처리구들간의 유의차를 나타내지 았았다. 그러나 EV3의 피복률 평가결과는 5.5 g N m-2 농도를 제외한 4.5-7.0 g N m^-2 농도의 모든 처리구가 가장 높은 피복률을 나타냈으며 유의차가 나타나지 않았다. 이미지분석과 EV3의 상관관계 지수가 0.490으로 낮은 피복률 측정일 10/16의 경우 유의차에 따른 측정결과 분포에 대한 차이는 더 크게 나타났다. 10/16일 측정일의 이미지분석에서는 질소처리구 15개중에 불규칙한 분포로 9개의 처리구에서 가장 높은 피복률이 측정되었다. 질소처리의 농도가 낮은 0.5 g N m-2 에서도 가장 높은 피복률이 나타났으며, 이것은 이미지분석에서 잔디의 영역 이외에 육안으로 측정되지 않는 정밀한 녹색 유사부분까지 측정이 되어 다양한 측정결과가 나타나기 때문이라고 판단된다. 이 결과는 육안평가의 2가지 농도에서 가장 높은 피복률 측정 결과를 나타낸 육안평가의 결과와 큰 차이를 나타내고 있다. 본 실험결과에서는 상관관계 지수가 낮을 때 유의차의 분포 차이는 더 크게 나타났다.

이미지분석은 잔디 생육 측정값에 대한 일관된 측정 방법에 대한 방법론 적인 기준을 제공하기 위해서 시작이 되었다. 오랜 기간 동안 사용되었던 육안평가의 가장 큰 단점은 평가자의 주관적인 측정으로 이루어져 정확한 기준의 일관성을 유지하기 어렵고, 평가자간의 차이도 크게 발생할 수 있다는 것이다. 본 실험결과에서는 숙련도가 낮은 육안평가자의 경우 처리구의 녹색에 대한 가중치를 높게 설정해 숙련도가 높은 육안평가자와 비교해 높은 피복률로 측정하는 경향이 나타났다. 온도가 낮아져 잔디의 생육이 감소하고, 조류나 잡초 등의 생육이 감소하게 되어 모래지반과 잔디와의 대조가 명확해 지는 환경에서는 육안평가와 이미지분석 모두 높은 상관관계 지수를 나타냈다. 녹색 유사면적을 나타내는 조류 등은 이미지분석의 일관성을 감소시키는 요인으로 작용한 것으로 나타났다. 또한 실험기간 전체(n=360)에 대한 상관관계 지수의 경우 육안평가간 그리고 이미지분석과의 상관관계에서 모두 0.7 이상으로 강한 선형관계가 나타났으나, 측정일 별로 상관관계를 분석했을때 측정일 10월 중에는 0.468-0.560 (육안평가자간 상관관계 지수)와 0.4690.627 (EV1과 이미지분석간의 상관관계 지수)로 나타났다. Pearson 상관 계수가 수학적으로 표본 크기에는 영향을 받지 않는 것으로 알려져 있다 (Schönbrodt and Perugini, 2018). 즉, 상관관계 지수 r은 관측값 수와 무관하게 변수 간 선형 연관성의 강도에 의해 결정된다. 본 실험에서의 단일 측정일의 표본 크기(n = 30)는 상관관계 추정치의 정확도를 높이고 충분한 통계적 검정력을 제공했으나, 표본수가 증가됨예 따라 상관관계 지수 자체의 크기가 증가된 것으로 판단되지 않는다. 본 실험결과 전체표본과 각측정일에서의 상관관계 지수가 차이가 나타나는 것은 잔디의 생육시기에 따라 발생하는 평가자의 숙련도에 따른 평가결과의 일관성 감소로 인한 피복률 평가 차이에 기인한 것이라 판단된다. Kowalewski et al. (2023)은 육안평가 경험 10년 이상의 평가자들에 의한 dollar spot (Caused by Clarireedia jacksonii) 피해정도를 측정하는 실험에서 육안평가자의 평가결과는 이미지분석과 상관관계 지수가 r=0.93 (R²=0.87)로 높은 선형관계를 나타냈다고 보고한바 있으며, Ghali et al. (2010)는 tall fescue의 quality 측정에서 이미지분석과 숙련된 육안평가자의 평가간 상관관계 지수가 r=0.85로 강한 상관관계를 나타낸다고 보고한바 있다. 따라서, 육안평가 숙련도에 따라 이미지분석간의 상관관계 지수의 차이가 발생하게 되며, pixel 단위의 정밀한 이미지분석과 육안평가간의 유사도를 높이기 위해서는 숙련도가 높은 육안평가자의 결과값과 상관관계가 높은 분석법이 필요하다. 본 실험결과에 따르면 평가방법간의 상관관계 지수가 높은 경우라도 처리구의 유의차 분포에 있어 큰 차이가 나타나 실험결과 분석에 있어 오류가 나타날 수 있다고 판단되었다. 이것은 육안평가와 이미지분석간의 척도의 차이에서 발생 할 수 있다. NTEP에서 제안한 피복률 육안평가의 경우 시각적평가에 의한 백분율로 측정을 하며 5 혹은 10단위로 결과를 측정하게 된다. 이에 따라 육안평가자의 피복률 측정은 1-10 혹은 1-20단계로 측정을 하게 된다. 그러나 이미지분석의 경우 이미지로부터 받은 수백만 pixel의 값을 계산하여 백분율을 도출하게 된다. 이 척도의 차이는 육안평가와 이미지분석간의 평가결과에 있어 큰 차이를 만들게 된다 (Heineck, 2019; Richardson et al., 2001). 이 척도의 차이를 최소화 하기 위해서 피복률에 해당하는 면적의 계산을 위해 색차이에 의한 pixel 기반의 면적계산이 아닌, 10 혹은 20단계의 척도로 구분되어 pixel을 계산하는 이미지분석 과정이 필요할 것이라 판단된다. 현재의 잔디학문 분야에서 이미지분석법은 기존의 육안평가법 보다 더 정확한 평가 방법을 발전시키는 것 보다 육안평가 방법을 대체 할수 있는 이미지분석법을 정립하는 것에 그 목표가 있다(Leinauer et al., 2014). 따라서 현재 잔디연구에서 활용되고 있는 피복률 육안평가 방법을 대체하기 위한 이미지분석법을 정립하기 위해서는 숙련도가 높은 전문가에 의한 육안측정값 기준이 필요하며, 피복률 측정을 위한 이미지분석법에 있어 pixel 단위의 측정값에 대한 단계별 척도를 구분하여 도출 할 수 있는 방법이 필요하다고 판단된다.

요약

육안평가 방법이 오랫동안 잔디연구에서 활용이 되어 왔음에도 불구하고, 육안으로 이루어지는 주관적인 평가방법은 그 결과의 신뢰도에 대해 다양한 관점에서 지속적으로 의문점이 제기되어 왔다. 고해상도 디지털 이미지를 이용하는 이미지분석법은 처리구 내의 일정한 면적을 육안평가로 인지할 수 없는 픽셀 단위로 색 특성을 요약해 정확하고 객관적으로 평가할 수 있어 육안평가 단점을 대체할 수 있는 평가방법으로 제시되고 있다. 본 연구의 목적은 Kentucky bluegrass의 피복율을 측정하는 방법으로 NTEP의 육안평가와 이미지분석법을 비교함으로 이미지분석법이 육안평가를 대체 할 수 있을 정도의 상관관계가 있는지를 검증하기 위해서 수행되었다. 잔디의 피복률 평가를 위해 육안평가 경험 3년 평가자와, 육안평가 1년 경험 평가자가 NTEP에서 제시한 육안평가 방법으로 매주 수행되었으며, 이미지분석을 위해 ImageJ software가 사용되었다. 숙련도가 낮은 육안평가자의 경우 처리구의 녹색에 대한 가중치를 높게 설정해 숙련도가 높은 육안평가자와 비교해 높은 피복률로 측정하는 경향이 나타났다. 상관관계 지수가 높아도 변수간의 통계결과가 동일하게 나타나지 않았다. 따라서 육안평가와 이미지분석의 유사도 분석을 위해 상관관계 분석만으로 평가하는 것은 통계적 결과와 차이가 발생할 수 있어 실험결과에 오류가 발생할 수 있다고 판단된다. 피복률 육안평가 방법을 대체하기 위한 이미지분석법을 정립하기 위해서는 숙련도가 높은 전문가에 의한 육안측정값 기준이 필요하며, 피복률 측정을 위한 이미지분석법에 있어 pixel 단위의 측정값에 대한 단계별 척도를 구분하여 도출 할 수 있는 방법이 필요하다고 판단된다.

Acknowledgement

이 논문은 2025년도 호서대학교의 재원으로 지원을 받아 수행된 대학혁신지원사업의 결과물임 (2025-0186-01)

This research was supported by the University innovation support project Research Fund of Hoseo University in 2025 (20250186-01)