본 연구의 목적은 1991년 위성 데이터와 2002년의 위성 데이터의 비교 분석을 통한 전남 완도의 난대림 식생 변화추이를 밝히는데 있다. 이를 위해 1991년 Landsat TM영상과 2002년 Landsat ETM 영상이 이용되었으며, 이미지 프로세싱은 ENVI를 이용하였다. GIS를 이용한 난대림 관리 시스템 개발은 Arc/Info와 ArcView를 이용하여 완성되었다. 영상 데이터의 촬영시기 차이와 TM 영상의 해상도(Resolution)가 정밀하지 못해 복잡한 지형특성을 지닌 곳에서는 정확한 변화추이를 파악하기는 불가능하였으나, 2002년 영상을 이용하여 분석된 완도의 상록활엽수림 면적은 약 2,027ha로 산출되었다. 상록활엽수림과 상록침엽수림은 11년 전에 비해 소폭으로 증가하였으나 낙엽활엽수림은 큰 폭으로 감소하였다. 식생분류를 위한 기준은 상록활엽수림, 상록침엽수림, 낙엽활엽수림, 기타로 구분하였으며 감독분류기법을 통해 식생이 분류되었다. 완도의 공간 데이터는 녹지자연도, 현존식생도, 산림토양도, 훼손유형도, 지형도, 토지소유현황도로 분류되었고, 이에 대한 속성 데이터 베이스는 Arc/Info와 ArcView를 이용하여 완성되었다. 데이터를 관리하고 필요한 정보를 색인 분석하는 사용자 GUI(Graphic User Interface)는 Avenue를 이용하여 개발되었다.
본 연구의 목적은 1991년 위성 데이터와 2002년의 위성 데이터의 비교 분석을 통한 전남 완도의 난대림 식생 변화추이를 밝히는데 있다. 이를 위해 1991년 Landsat TM영상과 2002년 Landsat ETM 영상이 이용되었으며, 이미지 프로세싱은 ENVI를 이용하였다. GIS를 이용한 난대림 관리 시스템 개발은 Arc/Info와 ArcView를 이용하여 완성되었다. 영상 데이터의 촬영시기 차이와 TM 영상의 해상도(Resolution)가 정밀하지 못해 복잡한 지형특성을 지닌 곳에서는 정확한 변화추이를 파악하기는 불가능하였으나, 2002년 영상을 이용하여 분석된 완도의 상록활엽수림 면적은 약 2,027ha로 산출되었다. 상록활엽수림과 상록침엽수림은 11년 전에 비해 소폭으로 증가하였으나 낙엽활엽수림은 큰 폭으로 감소하였다. 식생분류를 위한 기준은 상록활엽수림, 상록침엽수림, 낙엽활엽수림, 기타로 구분하였으며 감독분류기법을 통해 식생이 분류되었다. 완도의 공간 데이터는 녹지자연도, 현존식생도, 산림토양도, 훼손유형도, 지형도, 토지소유현황도로 분류되었고, 이에 대한 속성 데이터 베이스는 Arc/Info와 ArcView를 이용하여 완성되었다. 데이터를 관리하고 필요한 정보를 색인 분석하는 사용자 GUI(Graphic User Interface)는 Avenue를 이용하여 개발되었다.
Landsat satellite images were analyzed to study vegetation change patterns of warm-temperate forests from 1991 to 2002 in Wando. For this purpose, Landsat TM satellite image of 1991 and Landsat ETM image of 2002 were used for vegetation classification using ENVI image processing software. Four diffe...
Landsat satellite images were analyzed to study vegetation change patterns of warm-temperate forests from 1991 to 2002 in Wando. For this purpose, Landsat TM satellite image of 1991 and Landsat ETM image of 2002 were used for vegetation classification using ENVI image processing software. Four different forest types were set as a classification criteria; evergreen broadleaf, evergreen conifer, deciduous broadleaf, and others. Unsupervised classification method was applied to classily forest types. Although it was impossible to draw exact forest types in rocky areas because of differences in data detection time and rough resolution of image, 2002 data revealed that total 2,027ha of evergreen broadleaf forests were growing in Wando. Evergreen broadleaves and evergreen conifers increased in total areas compared to 11 years ago, but there was sharp decrease in deciduous broadleaves. GIS-based management system for warm-temperate forest was done using Arc/Info. Geographic and attribute database of Wando such as vegetation, soils, topography, land owners were built with Arc/Info and ArcView. Graphic user interface which manages and queries necessary data was developed using Avenue.
Landsat satellite images were analyzed to study vegetation change patterns of warm-temperate forests from 1991 to 2002 in Wando. For this purpose, Landsat TM satellite image of 1991 and Landsat ETM image of 2002 were used for vegetation classification using ENVI image processing software. Four different forest types were set as a classification criteria; evergreen broadleaf, evergreen conifer, deciduous broadleaf, and others. Unsupervised classification method was applied to classily forest types. Although it was impossible to draw exact forest types in rocky areas because of differences in data detection time and rough resolution of image, 2002 data revealed that total 2,027ha of evergreen broadleaf forests were growing in Wando. Evergreen broadleaves and evergreen conifers increased in total areas compared to 11 years ago, but there was sharp decrease in deciduous broadleaves. GIS-based management system for warm-temperate forest was done using Arc/Info. Geographic and attribute database of Wando such as vegetation, soils, topography, land owners were built with Arc/Info and ArcView. Graphic user interface which manages and queries necessary data was developed using Avenue.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
난대림 관리시스템의 개발이 필수적 이다. 본 연구에서는 Landsat TM 데이터를 활용하여 완도군 지역을 중심으로 11년 동안의 난대림 분포 변화추이를 파악하기 위해 1991년 데이터와 2002년 데이터를 비교분석하였다. 영상 데이터의 촬영시기 차이와 TM 영상의 해상도(Resolution) 가 정밀하지 못해 복잡한 지형 특성을 지닌 곳에서는 정확한 변화추이를 파악하기는 불가능하였다.
되는 원격탐사는 최소의 비용과 인력으로 대규모의 산림과 토지이용도를 파악하여 국토자원의 효율적이고 안정적인 보존을 위해 필요한 시스템이며 그 이용도는 향후 더욱 증가할 것이다. 본 연구의 목적은 1991년과 2002년의 LandsatTM과 LandsatETM 인공위성 영상을 이용하여 완도에 대한 난대림 식생분석과 분류를 통해 11년간에 나타난 식생변화를 분석하는 데 있다. 또한 분석된 자료를 데이터베이스로 구축하여 난대림의 식생변화 파악 및 복원과 보존, 그리고 체계적인 관리를 할 수 있는 관리 시스템을 구축하는데 있다.
제안 방법
또한 임상도에 과수원이나 농경지, 묘포장으로 표시된 지 역의 분광 특성은 비슷하여 겨울에 촬영된 영상에서는 그와 같은 상세한 분류가 매우 어렵다. 따라서 본 연구에서는 파장대 특성 을 고려 하여 곰솔군락, 붉가시나무 군락, 후박나무군락 등으로 상세하게 분류된 현존 식생도를 이용하여 이를 다시 상록활엽수림, 침엽수림, 낙엽활엽수림으로 구분하고 나머지 분류항목은 기타로 분류하였다. 산림유형 분석은 영상 분류방법 중 가장 일반적으로 사용하는 감독 분류방법인 최대 우도법 (Maximum Likelihood Classification)을 통해 이 루어졌다.
영상데이터와 현지 조사된 데이터의 좌표값을 일치시키기 위한 기하학적 보정은 Arc/Info에 디지타이징된 지 형 도를 TM(Transverse Mercator)투영 법으로 변환시킨 후, 영상에 표시한 기준점과 연구 대상지의 좌표값을 상호 보정 하여 RMS(Root Mean Square)값이 1 이상 되는 지역을 제거하여 이루어졌다(Burrough ez al, 1996). 영상과 현지 조사된 연구지역의 좌표를 통일하기 위한 기하보정을 위해 필요한 좌표의 지상 기준점 인 GCP(Ground Control Point)15개를 선정하였으며, RMS (Root Mean Square) 값의 평균은 0.
3 이내로 하였다. 이러한 절차에 의해 분석된 영상 데이터의 결과는 Arc/Info로 변환시킨 후 중첩(Overlay)과정을 통해 분석된 영상의 식생과 현지 조사를 통해 만들어진 식생도를 비교, 분석하였다. 수치지도에 의해 보정된 1991년 위성 영상(Figure 3)을 이용하여 같은 방식으로 2002년 영상에 직접 GCP를 등록시켜 2002 년 위성 영상을 보정하였다.
변환해야 한다. 이를 위해서 래스터를 벡터로 변환이 가능한 DXF(Data Exchangeable Format)포맷으로 변환, 오류데이터를 수정 후 각각의 레이어로 구분하여 Arc/Info와 ArcView를 이용하여 GIS 데이터베이스로 통합하였다. DXF파일은 AutoCAD 2000에서 만들어졌으며 이 는 다시 Arc/Info 포맷으로 변환되었다.
대상 데이터
본 연구는 난온대 기후대에 속한 전라남도 완도군의 완도 본섬을 연구 대상지로 선정하였다(Figure 1). 관리시스템 개발과 난대림 식생분석은 위성영상 분석프로그램인 ENVI(Intersys, 2001)와 GIS 프로그램인 Arc/Info(ESRI, 1996)와 Arc View 를 이용하여 완성되었으며 , 사용자 메 뉴인 GUI(Graphic User Interface)는 Avenue를 이용하여 완성되었다.
으이는 정밀 분석을 하기 위한 관심영역을 의미하며 위성 영상분석에서는 분류항목의 설정과 이에 대한 Training Data를 생성하는 데 사용된다. 상록 활엽수림과 침엽수림의 분류항목에 대한 R이는 Figure 4와 같이 상록활엽수림(906 pixel), 침엽수림(817 pixel), 낙엽활엽수림(281 pixel), 기타(622 pixel)를 완도에 골고루 분포하도록 선정하였다. Figure 5는 최종적으로 분류된 완도지역의 산림유형을 나타내고 있다.
이러한 절차에 의해 분석된 영상 데이터의 결과는 Arc/Info로 변환시킨 후 중첩(Overlay)과정을 통해 분석된 영상의 식생과 현지 조사를 통해 만들어진 식생도를 비교, 분석하였다. 수치지도에 의해 보정된 1991년 위성 영상(Figure 3)을 이용하여 같은 방식으로 2002년 영상에 직접 GCP를 등록시켜 2002 년 위성 영상을 보정하였다.
관리시스템 개발과 난대림 식생분석은 위성영상 분석프로그램인 ENVI(Intersys, 2001)와 GIS 프로그램인 Arc/Info(ESRI, 1996)와 Arc View 를 이용하여 완성되었으며 , 사용자 메 뉴인 GUI(Graphic User Interface)는 Avenue를 이용하여 완성되었다. 식생 분석을 위한 위성영상은 해상도가 30x30m인 1991년 8월의 Landsat TM(Thematic Mapper)영 상과 2002년 8월의 Landsat ETM(Enhanced Thematic Mapper)영 상을 사용하였다. Landsat TM 영 상은 가시 광선에서 적 외 선 분광을 감지하는 7개의 밴드로 구성되어 있으며 주로 자연자원탐사에 활용되는 영상이다(Jensen, 1996).
데이터처리
1996). 영상과 현지 조사된 연구지역의 좌표를 통일하기 위한 기하보정을 위해 필요한 좌표의 지상 기준점 인 GCP(Ground Control Point)15개를 선정하였으며, RMS (Root Mean Square) 값의 평균은 0.3 이내로 하였다. 이러한 절차에 의해 분석된 영상 데이터의 결과는 Arc/Info로 변환시킨 후 중첩(Overlay)과정을 통해 분석된 영상의 식생과 현지 조사를 통해 만들어진 식생도를 비교, 분석하였다.
이론/모형
Landsat TM 영 상은 가시 광선에서 적 외 선 분광을 감지하는 7개의 밴드로 구성되어 있으며 주로 자연자원탐사에 활용되는 영상이다(Jensen, 1996). 난대림 분석과 식생별 분류를 위한 영상분석은 분류지역에 대한 사전 정보 없이 분석 데이터를 가장 우세한 계층 (Class)별로 분류하는 무감독분류(Unsupervised Classification) 방법을 적용하는 대신, 현지 조사된 연구지의 식생자료(오구균과 김용식, 1997)를 기준으로, 영상데이터에 나타난 화소(Pixel)값을 기준으로 식생별로 분류하는 감독분류(Supervised Classification) 방법을 이용하였다. 조사된 식생 데이터는 식생별로 분류된 공간 Database와 연계하여 입력하였으며, Arc/Info 에서 관계형 데이터베이스로 완성되었다.
따라서 본 연구에서는 파장대 특성 을 고려 하여 곰솔군락, 붉가시나무 군락, 후박나무군락 등으로 상세하게 분류된 현존 식생도를 이용하여 이를 다시 상록활엽수림, 침엽수림, 낙엽활엽수림으로 구분하고 나머지 분류항목은 기타로 분류하였다. 산림유형 분석은 영상 분류방법 중 가장 일반적으로 사용하는 감독 분류방법인 최대 우도법 (Maximum Likelihood Classification)을 통해 이 루어졌다. 최대 우도법은 개개의 픽셀값을 서로 다른 식생 분류항목에 속할 확률을 구하여 분류하는 방법이며, 여기서의 확률은 Training Data에서 구해진 각 분류항목의 평 균과 분산을 기 준으로 하여 계 산된다(Jensen 1996; Burrough 1998).
성능/효과
판단된다. 또한 임업 연구원에서 항공사진을 분석하여 만든 식생분포도를 토대로 작성한 임상도를 기준으로 2000년에 현지 정밀 조사된 자료를 보완하여 만든 현존 식생도(산림청, 2000)와 난대림 식생의 변화추이를 분석한 결과 상록활엽수림과 상록침엽수림은 11년 전에 비해 소폭 증가하였으나 낙엽활엽수림은 큰 폭으로 감소하였다 (Table 1).
난대림 분석과 식생별 분류를 위한 영상분석은 분류지역에 대한 사전 정보 없이 분석 데이터를 가장 우세한 계층 (Class)별로 분류하는 무감독분류(Unsupervised Classification) 방법을 적용하는 대신, 현지 조사된 연구지의 식생자료(오구균과 김용식, 1997)를 기준으로, 영상데이터에 나타난 화소(Pixel)값을 기준으로 식생별로 분류하는 감독분류(Supervised Classification) 방법을 이용하였다. 조사된 식생 데이터는 식생별로 분류된 공간 Database와 연계하여 입력하였으며, Arc/Info 에서 관계형 데이터베이스로 완성되었다. 예를 들어 현존 식생도에 대한 속성데이터는 데이터의 특성을 식생별로 구분하여 현존 식생과 산림유형으로 분류하여 입력하였다.
후속연구
해상도가 매우 뛰어난 IKONOS 데이터 등을 이용한다면 난온대림의 정확한 식생변화와 분포상황을 파악할 수 있을 것이다. IKONOS 데이터가 비교적 고가이긴 하나 현존하는 난대림에 대한 정확한 분석을 위해서는 향후 반드시 필요한 연구사항이다.
국토이용계획을 수립하거나 정책을 결정하는 데 크게 도움이. 되는 원격탐사는 최소의 비용과 인력으로 대규모의 산림과 토지이용도를 파악하여 국토자원의 효율적이고 안정적인 보존을 위해 필요한 시스템이며 그 이용도는 향후 더욱 증가할 것이다. 본 연구의 목적은 1991년과 2002년의 LandsatTM과 LandsatETM 인공위성 영상을 이용하여 완도에 대한 난대림 식생분석과 분류를 통해 11년간에 나타난 식생변화를 분석하는 데 있다.
이러한 높은 가치를 지닌 난대림에 대해 과학적인 분석과 평가를 통한 보전대책을 수립하고 지속적인 모니터링 체계를 마련하는 방안으로 인공위성 영상을 활용하는 원격탐사 기법의 적용이 필요하다. 원격탐사(Remote Sensing)란 인공위성에 탑재된 센서(Sensor)를 이용하여 지표와 지상, 지하에 존재하는 물체에서 반사되는 전자파를 감지, 분석한 후 사용자의 필요에 따라 천연자원, 군사, 시설물, 환경 등에 대한 정보를 도출해 내는 응용기법이다.
그러나 넓은 지역 내의 단일수종이 분포하는 지역(인공 조림지)을 대상으로 한 식생 분류에는 영상 데이터가 효과적일 수 있다. 해상도가 매우 뛰어난 IKONOS 데이터 등을 이용한다면 난온대림의 정확한 식생변화와 분포상황을 파악할 수 있을 것이다. IKONOS 데이터가 비교적 고가이긴 하나 현존하는 난대림에 대한 정확한 분석을 위해서는 향후 반드시 필요한 연구사항이다.
참고문헌 (8)
산림청 (2000). 난대림 생물 산업화를 위한 개발 산. 학. 관 협동 실연 연구 (II). 산림청. 95pp
오구균, 김용식(1997) 난대 기후대의 상록활엽수림 복원 모형(1). 환경생태학회지. 10(1): 87-102
Burrough P, A. and R McDonnel(1998) Principles of Geographical Information System. Oxford Univ. Press. London. 186pp
ESRI(1996) Understanding GIS. ESRI, Inc. Redlands,USA, 36pp
ENVI(2001) ENVI Tutorials, Research Systems, Inc. USA, 27pp
Jensen R. J(1996). Introductory Digital Image Processing: A Remote. Sensing Perspective. 2nd Ed. Prentice Hall, pp. 22-23
Laurini R., and D. Thompson(1988) Fundamentals of Spatial Information Systems. Academic Press. San Diego, CA, pp 150-156
Thomas M. L and R. W. Kiefer(1994) Remote Sensing and Image. Interpretation. 3rd Ed. John Wiley, New York, 98pp
※ AI-Helper는 부적절한 답변을 할 수 있습니다.