선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 기존의 산림 바이오매스 산정의 산정 기법의 한계를 극복하기 위해 고해상도 위성영상 또는 항공 LiDAR 자료를 융합하여 산림의 임상 정보와 수고 및 흉고직경 등의 산림정보를 추출하고 이를 이용하여 산림 바이오매스의 산정 기법을 개발하기 위한 연구로 고해상도 위성영상 또는 항공 LiDAR 자료로부터 산림 정보를 추출하는 단계와 각 자료로부터 추출된 산림 정보를 이용하여 최적의 산림 바이오매스를 산정하는 단계로 나누어 연구를 수행하였다.
- 이에 본 연구에서는 위성영상 또는 항공 LiDAR 자료만을 이용한 산림 바이오매스 산정 기법의 한계가 예상됨에 따라 위성영상과 LiDAR 자료를 융합하여 산림의 임상 정보와 수고 및 흉고직경 등의 산림정보를 추출하고 이를 이용한 산림바이오매스 산정 기법을 제시하였다.
제안 방법
- 산림지역의 임상 분류는 식생 활력도가 낮은 2009년 1월에 취득된 KOMPSAT-2 위성영상으로 분류하였다. 2011년 5월에 취득된 KOMPSAT-2 위성영상으로 분류된 산림 경계를 이용하여 2009년 1월 영상의 산림지역을 정의하고, 산림지역에 대한 영상 분할을 수행한 후 분할된 객체를 NDVI(Normalized Difference Vegetation Index), SAVI(Soil Adjusted Vegetation Index) 지수를 매개변수로 객체별 상관관계를 분석하여 NDVI와 SAVI 지수가 높은 순으로 침엽수, 혼효림, 활엽수에 대한 임상을 분류하였다.
- KOMPSAT-2 영상과 항공 LiDAR 자료로 추출된 산림정보를 이용하여 산림 바이오매스를 산정하고, 현장조사 자료와 정확도 비교를 수행하여 KOMPSAT-2 위성영상과 항공 LiDAR 자료를 이용한 산림 바이오매스의 최적 산정 공정을 정립하였다.
- KOMPSAT-2 위성영상으로 제작된 정사영상의 정확도 분석은 상지역 내의 20점의 검사점을 선정하여 1:1,000 수치지도와 상대적인 위치오차 분석을 수행하였다.
- 산림지역의 임상분류을 분류하기 위해서는 다시기의 고해상도 위성영상이 요구되어 본 연구에서는 2009년 1월과 2011년 5월에 취득된 KOMPSAT-2 위성영상을 이용하였다. KOMPSAT-2 위성영상은 각 취득 시기별로 단영상으로 공간해상도(GSD : Ground Sample Distance) 1m인 전정색(panchrometic) 영상, GSD 4m인 다중분광(MSS : Multi Spectral Scanner) 영상을 수집하였으며, 위성영상의 기하학적 보정에 필요한 다항식계수(RPC : Rational Polynomial Coefficients) 정보도 함께 수집하였다. 표 1은 획득한 KOMPSAT-2 영상의 제원을 나타낸 것이다.
- KOMPSAT-2 위성영상의 정사영상은 대상지역의 LiDAR DEM을 이용하여 수치편위수정을 수행하였다. 영상재배열(Image Resampling) 보간법은 공일차내삽법(Bilinear Interpolation)을 이용하였으며, 영상재배열은 4화소 단위로 수행하였다.
- 고해상도 위성영상인 KOMPSAT-2 위성영상을 이용한 산림 정보의 추출은 객체기반분류기법을 이용한 토지피복에 대한 분류를 수행하여 산림지역을 분류하고, 산림지역에 대한 임상은 다시 활엽수, 침엽수, 혼효림으로 분류하였다. 분류된 임상은 영상을 이용한 육안 검수 및 기존 임상도와 비교 분석하였다.
- 대상지역 중 각 임상별로 2개 총 6개의 실험지역을 산정하여 산림 바이오매스를 산정하였다. 실험지역은 32m×32m로 현장조사 된 산림정보와 KOMPSAT-2 위성영상 및 LiDAR 자료로 추출된 산림정보를 이용하여 산림 바이오매스를 산정하였다.
- 본 연구 수행결과, KOMPSAT-2 위성영상과 LiDAR 자료를 융합하여 산림의 임상 정보와 수고 및 흉고직경 등의 산림정보를 추출하고 이를 이용하여 산림 바이오매스 산정이 가능하였으며 다음과 같은 결론을 얻을 수 있었다.
- 본 연구에서는 2010년 “고해상도 위성영상 기반의 정밀 주제도 제작 기술 연구, 한국항공우주연구원”에서 제시된 다중 필터링 기법, 다중 분할 기법의 분할 인자의 가중치, 토지피복정보 분류를 위한 매개변수를 이용하여 산림지역을 분류하였다.
- 고해상도 위성영상인 KOMPSAT-2 위성영상을 이용한 산림 정보의 추출은 객체기반분류기법을 이용한 토지피복에 대한 분류를 수행하여 산림지역을 분류하고, 산림지역에 대한 임상은 다시 활엽수, 침엽수, 혼효림으로 분류하였다. 분류된 임상은 영상을 이용한 육안 검수 및 기존 임상도와 비교 분석하였다.
- 실험지역은 32m×32m로 현장조사 된 산림정보와 KOMPSAT-2 위성영상 및 LiDAR 자료로 추출된 산림정보를 이용하여 산림 바이오매스를 산정하였다. 산림 정확도 분석은 현장조사를 통해 산정된 산림 바이오매스를 기준으로 위성영상 및 LiDAR로 추출된 산림 정보를 비교 분석하였다. 그림 14와 그림 15는 대상지역 중 실험지역과 산림 바이오매스 산정 체계를 나타낸 것이다.
- 산림지역의 분류는 식생활력도가 높은 2011년 5월에 취득된 KOMPSAT-2 위성영상으로 토지피복분류를 수행하여 산림지역에 대한 분류를 수행하였다. 토지피복정보의 분류 기법은 고해상도 위성영상에 이용되는 주제정보의 자동분류기법인 객체기반분류기법(Object-based Classification Method)을 이용하여 산림지역에 대한 영역을 분류하였다.
- 산림지역의 임상 분류는 식생 활력도가 낮은 2009년 1월에 취득된 KOMPSAT-2 위성영상으로 분류하였다. 2011년 5월에 취득된 KOMPSAT-2 위성영상으로 분류된 산림 경계를 이용하여 2009년 1월 영상의 산림지역을 정의하고, 산림지역에 대한 영상 분할을 수행한 후 분할된 객체를 NDVI(Normalized Difference Vegetation Index), SAVI(Soil Adjusted Vegetation Index) 지수를 매개변수로 객체별 상관관계를 분석하여 NDVI와 SAVI 지수가 높은 순으로 침엽수, 혼효림, 활엽수에 대한 임상을 분류하였다.
- 산림지역의 임상분류을 분류하기 위해서는 다시기의 고해상도 위성영상이 요구되어 본 연구에서는 2009년 1월과 2011년 5월에 취득된 KOMPSAT-2 위성영상을 이용하였다. KOMPSAT-2 위성영상은 각 취득 시기별로 단영상으로 공간해상도(GSD : Ground Sample Distance) 1m인 전정색(panchrometic) 영상, GSD 4m인 다중분광(MSS : Multi Spectral Scanner) 영상을 수집하였으며, 위성영상의 기하학적 보정에 필요한 다항식계수(RPC : Rational Polynomial Coefficients) 정보도 함께 수집하였다.
- 실험을 위해 대상지역의 원시 LiDAR 자료에서 경사도 기반 알고리즘과 각거리 알고리즘을 이용한 순수 지면점을 분류하고, 분류된 기준점을 기준으로 높이 값을 비교하여 식생점을 분류하였다. 이렇게 분류된 식생점에 영역 확장 기법과 수관형태를 고려한 수목점 분류를 수행하였다.
- 항공 LiDAR 자료를 이용한 산림정보 추출은 포인트 필터링 기법을 이용한 지면점을 분류하고, 분류된 기준점을 수관 형태에 따른 산림 분류 후, 분류된 식생점에 영역확장 기법을 이용하여 수고점을 산정하였다. 이렇게 분류된 수고점을 현장조사 자료와 비교하였다.
- 이렇게 분류된 수목점을 이용하여 버퍼링 기법을 통한 수고정점을 추출하고, 수고 및 흉고직경을 산정하였다. 그림 13은 수고 정점 산정 과정을 나타낸 것이다.
- 실험을 위해 대상지역의 원시 LiDAR 자료에서 경사도 기반 알고리즘과 각거리 알고리즘을 이용한 순수 지면점을 분류하고, 분류된 기준점을 기준으로 높이 값을 비교하여 식생점을 분류하였다. 이렇게 분류된 식생점에 영역 확장 기법과 수관형태를 고려한 수목점 분류를 수행하였다. 그림 12는 수목점을 분류하기 위한 LiDAR 처리과정을 나타낸 것이다.
- 이에, KOMPSAT-2 위성영상과 항공 LiDAR 자료를 이용하여 위성영상의 표정해석 및 정사영상 제작을 통한 임상경계 추출과 항공 LiDAR 자료의 전처리와 지면점 및 수목점 분류, 산림 정보의 추출을 통해 얻어진 자료를 현장조사 자료와 정확도 비교를 통하여 KOMPSAT-2 위성영상과 항공 LiDAR 자료를 이용한 산림 바이오매스의 산정을 위한 최적 공정을 그림 16과 같이 정립하였다.
- 산림 바이오매스를 산정하기 위한 KOMPSAT-2 위성영상으로부터 추출 가능한 산림 정보는 임상에 따른 산림지역이다. 임상별 산림지역을 분류하기 위해서는 다시기 영상 중 식생활력도가 비교적 높은 2011년 5월 영상을 이용해 토지피복에 대한 분류를 수행하여 산림지역을 분류하고, 산림지역에 대한 임상은 다시기 영상 중 식생활력도가 비교적 낮은 2009년 1월 영상을 이용하여 활엽수, 침엽수, 혼효림으로 분류하였다.
- 지상부 확장계수와 지하부 확장계수도 침엽수와 활엽수 수종에 대한 값만 제공하고 있어 혼효림에 대한 확장계수는 침엽수와 활엽수 수종의 평균값을 사용하였다. 지상부 확장계수는 침엽수, 혼효림 순으로 29%, 25.2%, 22%로 사용하였으며 지하부 확장계수는 침엽수, 활엽수, 혼효림 순으로 28%, 38% 48%를 사용하였다. 표 6과 표 7은 산림 바이오매스와 이산화탄소 흡수량 산정식과 동일 객체목 평균 산림 바이오매스 및 이산화탄소 흡수량을 나타낸 것이다.
- 지상부 확장계수와 지하부 확장계수도 침엽수와 활엽수 수종에 대한 값만 제공하고 있어 혼효림에 대한 확장계수는 침엽수와 활엽수 수종의 평균값을 사용하였다. 지상부 확장계수는 침엽수, 혼효림 순으로 29%, 25.
- 현장조사에 의한 산림 바이오매스의 산정은 일반적으로 수목의 군락지를 32m×32m를 대상으로 한 표본조사를 수행하여 산정한다. 표본조사는 표본지역 내의 모든 수종별 흉고직경 및 수고를 계측하여 줄기재적을 산정하여 표본지역의 산림 바이오매스를 산정하며, 표본지역의 조사자료를 바탕으로 각 매개변수의 계수를 산정하는 방법과 기존 산림 바이오매스 산정 매개변수 계수를 이용하는 방법이 있다.
- 항공 LiDAR 자료를 이용한 산림정보 추출은 포인트 필터링 기법을 이용한 지면점을 분류하고, 분류된 기준점을 수관 형태에 따른 산림 분류 후, 분류된 식생점에 영역확장 기법을 이용하여 수고점을 산정하였다. 이렇게 분류된 수고점을 현장조사 자료와 비교하였다.
- 현자조사는 수고의 직접 측정이 어려워 흉고직경을 측정하고 산림과학원에서 제공하는 흉고직경을 매개변수로 하는 수고산정식인 식 (3)을 이용하여 실측 흉고직경에 대한 비선형회기 분석을 통하여 침엽수, 활엽수, 혼효림에 대한 식 (4)~식 (6)과 같이 수고 산정식을 도출하였다.
- 흉고직경의 산정은 현장조사를 통해 침엽수림, 혼효림, 활엽수림지역에 대한 조사 자료와 항공 LiDAR 자료를 산정된 수고를 이용하여 흉고직경 산정식인 식 (7)의 매개변수를 비선형회기분석을 통해 산정하였다. 흉고직경에 대한 정확도 분석은 현장조사를 통해 획득된 실측 흉고직경을 기준으로 항공 LiDAR 자료로 산정된 흉고직경의 차를 분석하였다.
- 흉고직경의 산정은 현장조사를 통해 침엽수림, 혼효림, 활엽수림지역에 대한 조사 자료와 항공 LiDAR 자료를 산정된 수고를 이용하여 흉고직경 산정식인 식 (7)의 매개변수를 비선형회기분석을 통해 산정하였다. 흉고직경에 대한 정확도 분석은 현장조사를 통해 획득된 실측 흉고직경을 기준으로 항공 LiDAR 자료로 산정된 흉고직경의 차를 분석하였다.
대상 데이터
- 대상지역의 LiDAR 자료는 2009년 5월 취득된 자료는 평균 점밀도 5point/m2로 객체별 수고와 흉고직경을 산정하였다. 표 2와 그림 3은 LiDAR자료의 제원과 대상지역의 LiDAR 자료를 나타낸 것이다.
- 본 연구에서는 동일한 지역의 고해상도 위성영상과 LiDAR자료를 획득 가능한 강원도 횡성군을 대상지역으로 선정하였으며, 대상지역 중 횡성군청 일원을 토지피복분류 Test Field로 선정하였다. 그림 2는 대상지역을 나타낸 것이다.
- 실험지역은 32m×32m로 현장조사 된 산림정보와 KOMPSAT-2 위성영상 및 LiDAR 자료로 추출된 산림정보를 이용하여 산림 바이오매스를 산정하였다.
- 흉고형수, 줄기밀도, 지상부확장계수, 지하부확장계수는 산림과학원에서 제공하는 자료를 이용하였으며, 임상별 수종의 흉고형수 평균값을 사용하였다. 줄기밀도는 각각 침엽수 수종의 평균 줄기밀도인 0.
데이터처리
- KOMPSAT-2 위성영상의 표정해석은 영상과 함께 제공되는 다항식계수(RPC : Rational Polynomial Coefficients) 와 1:1,000 수치지도를 통하여 획득한 Test Field 내 지상기준점(GCP, Ground Control Point) 8점을 이용하여 수행하였다.
이론/모형
- 수관직경을 산정하는 기법은 LiDAR 자료의 지면점과 식생점을 이용하여 수치수관모델(DCM : Digital Canopy Model)을 생성하고, 광학영상인 위성영상 또는 항공사진과 DCM을 합성하여 임상과 객체목을 분류한다. 위성영상을 이용한 수관직경 산정 기법과 동일한 방법으로 객체목별 수관직경을 산정하여 임목재적 또는 임목 축적을 계산하여 산림 바이오매스 산정한다.
- KOMPSAT-2 위성영상의 정사영상은 대상지역의 LiDAR DEM을 이용하여 수치편위수정을 수행하였다. 영상재배열(Image Resampling) 보간법은 공일차내삽법(Bilinear Interpolation)을 이용하였으며, 영상재배열은 4화소 단위로 수행하였다. 그림 5와 그림 6은 KOMPSAT-2 위성영상으로 제작된 정사영상과 1:1,000 수치지도를 중첩하여 나타낸 것이다.
- 산림지역의 분류는 식생활력도가 높은 2011년 5월에 취득된 KOMPSAT-2 위성영상으로 토지피복분류를 수행하여 산림지역에 대한 분류를 수행하였다. 토지피복정보의 분류 기법은 고해상도 위성영상에 이용되는 주제정보의 자동분류기법인 객체기반분류기법(Object-based Classification Method)을 이용하여 산림지역에 대한 영역을 분류하였다.
성능/효과
- LiDAR 자료로부터 버퍼링 기법을 이용하여 수고정점을 추출하여 산정된 수목의 객체수와 현장조사된 수목의 객체수를 비교한 결과를 나타낸 것으로 현장조사된 수목의 객체수와 항공 LiDAR 자료로 추출된 수목의 객체수는 평균 90% 이상의 정확도를 나타났으며, 침엽수와 혼효림의 경우 객체수의 추출 정확도가 90% 이상으로 나타났으며, 활엽수의 경우 객체수의 추출 정확도가 86%로 나타났다. 또한 현장조사된 수목과 항공 LiDAR 자료로 추출된 수목의 위치또한 거의 동일한 위치에 존재하는 것을 확인할 수 있다.
- 4m의 수고차이를 나타냈다. 기존 연구에서 항공 LiDAR 자료로 산정된 수고와 현장조사 자료와의 수고 차는 1m 이내로 본 연구의 성과는 매우 높은 정확도를 나타냈다. 그러나 추후 추가적으로 현장 조사(수고)를 수행하거나 NFI자료를 이용하여 수목의 객체수 및 수고에 대한 정확도의 신뢰성을 확보하여야 할 것으로 판단된다.
- 산림바이오매스의 정확도는 현장조사 자료로 산정된 산림 바이오매스를 기준으로 KOMPSAT-2위성영상 및 LiDAR 자료로 산정된 산림바이오매스의 유사성을 분석 하였을 때. 동일 객체에 대한 줄기재적, 바이오매스, 이산화탄소 흡수량은 현장 조사 자료와 97% 이상의 높은 유사성을 나타냈다.
- 둘째, KOMPSAT-2 영상으로 분류된 임상정보와 LiDAR자료로 추출한 객체목의 수고자료를 이용하여 임상별 산림 바이오매스와 이산화탄소 흡수량 산정이 가능하였으며, 현장조사와의 유사성은 평균 90%이상으로 높게 나타났다.
- LiDAR 자료로부터 버퍼링 기법을 이용하여 수고정점을 추출하여 산정된 수목의 객체수와 현장조사된 수목의 객체수를 비교한 결과를 나타낸 것으로 현장조사된 수목의 객체수와 항공 LiDAR 자료로 추출된 수목의 객체수는 평균 90% 이상의 정확도를 나타났으며, 침엽수와 혼효림의 경우 객체수의 추출 정확도가 90% 이상으로 나타났으며, 활엽수의 경우 객체수의 추출 정확도가 86%로 나타났다. 또한 현장조사된 수목과 항공 LiDAR 자료로 추출된 수목의 위치또한 거의 동일한 위치에 존재하는 것을 확인할 수 있다.
- 수목객체추출정확도는 혼효림 > 침엽수 > 활엽수 순으로 나타났다.
- 임상지역별 총 줄기재적, 바이오매스, 이산화탄소 흡수량은 현장조사 자료와 88%의 유사성을 나타냈으며, 임상지역별 산림 바이오매스의 오차는 LiDAR로 추출된 수목 의 객체수와 현장조사된 객체수의 차이로 인하여 차이가 나타난 것으로 판단된다. 수목객체추출정확도는 혼효림 > 침엽수 > 활엽수 순으로 나타났다.
- 정사영상의 정확도 분석 결과 09년 영상의 평균 수평위치오차는 2.8m, 11년 영상의 평균 수평위치오차는 2.5m로 1:5,000 수치지도 수평위치오차인 ±3.5m 보다 높은 것으로 판단된다.
- 흉고형수, 줄기밀도, 지상부확장계수, 지하부확장계수는 산림과학원에서 제공하는 자료를 이용하였으며, 임상별 수종의 흉고형수 평균값을 사용하였다. 줄기밀도는 각각 침엽수 수종의 평균 줄기밀도인 0.47, 활염수 수종의 평균 줄기밀도 0.80, 혼효림은 침엽수와 활엽수 수종의 평균 줄기밀도로 0.64를 사용하였다.
- 첫째, 원시 LiDAR 자료로부터 추출된 수목의 객체수와 수고를 현장조사 자료와 비교한 결과 객체수는 평균 90%이상의 유사성을 나타냈으며, 수고는 평균 0.3m의 수고차를 나타냈다.
- 현장 조사를 통해 획득된 흉고직경으로 산정한 수고와 LiDAR 데이터로 추출된 수고를 비교한 결과 침엽수림은 평균 0.2m, 혼효림은 평균 0.3m, 활엽수림은 평균 0.4m의 수고차이를 나타냈다. 기존 연구에서 항공 LiDAR 자료로 산정된 수고와 현장조사 자료와의 수고 차는 1m 이내로 본 연구의 성과는 매우 높은 정확도를 나타냈다.
- 현장조사를 통해 획득된 실측 흉고직경과 항공 LIDAR 자료를 이용해 산정된 흉고직경의 평균오차는 최소 0.17cm에서 최대 1.42cm로 비교적 흉고직경에 대한 오차가 크게 발생하였다. 현재 산림과학원에서는 임상 및 수종에 따른 흉고직경에 대한 산정식을 제공하지 않기 때문 본 연구의 현장조사 자료만을 이용하게 되어 정확도가 낮은 것으로 판단된다.
후속연구
- 기존 연구에서 항공 LiDAR 자료로 산정된 수고와 현장조사 자료와의 수고 차는 1m 이내로 본 연구의 성과는 매우 높은 정확도를 나타냈다. 그러나 추후 추가적으로 현장 조사(수고)를 수행하거나 NFI자료를 이용하여 수목의 객체수 및 수고에 대한 정확도의 신뢰성을 확보하여야 할 것으로 판단된다.
- 현재 산림과학원에서는 임상 및 수종에 따른 흉고직경에 대한 산정식을 제공하지 않기 때문 본 연구의 현장조사 자료만을 이용하게 되어 정확도가 낮은 것으로 판단된다. 따라서 향후 국가산림자원조사 자료 등을 확보하여 흉고직경 산정식에 대한 정확도를 향상해야 할 것으로 판단된다.
- 본 연구에서는 현장조사, 위성영상, 항공 LiDAR 자료를 이용한 산림 바이오매스의 산정 기법에 대하여 분석 수행한 결과 산림바이오매스의 정확한 산정을 위해서는 임상 및 수종의 정확한 분류와 임목재적 또는 임목축적의 산정이 주요한 인자가 되기 때문에 위성영상과 LiDAR 자료의 기하학적 방사적 장점을 융합한 산림 바이오매스 산정 기법이 요구된다.
- 셋째, 본 연구에서 제시한 산림 바이오매스 산정 기법을 광범위한 지역에 대한 적용을 위해서는 산림 바이오매스 산정의 정확도 향상 및 범용화에 대한 연구가 추가적으로 수행되어야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.