해안선은 자연적, 인위적 행위에 의해 끊임없이 그 형상과 특징이 변화하며, 국토를 규정하는 중요한 정보이다. 이러한 해안선은 해양지리정보체계에서 기본정보(Framework Data)로 활용이 되며, 해안 지역의 모니터링 체계를 구축하는데 있어서 그 중요성이 날로 증가하고 있는 실정이다. 본 연구에서는 최근 개발되어 해양 및 해안 분야에 적용되고 있는 LiDAR 데이터를 이용하여 자동으로 해안선을 추출할 수 있는 알고리즘을 제안하고 그 결과를 지상측량을 통해 얻어진 해안선과 비교하였다. 본 연구의 제안한 알고리즘을 적용하여 항공 LiDAR 데이터를 이용한 해안선을 추출한 결과, 인공 및 자연 해안지역 등 다양한 지형에서 현행 지상측량과 비교를 하였을 때, 안정된 결과를 도출하였으며, 항공 LiDAR 데이터를 이용하여 효율적인 해안선 추출의 가능성을 보여주었다.
해안선은 자연적, 인위적 행위에 의해 끊임없이 그 형상과 특징이 변화하며, 국토를 규정하는 중요한 정보이다. 이러한 해안선은 해양지리정보체계에서 기본정보(Framework Data)로 활용이 되며, 해안 지역의 모니터링 체계를 구축하는데 있어서 그 중요성이 날로 증가하고 있는 실정이다. 본 연구에서는 최근 개발되어 해양 및 해안 분야에 적용되고 있는 LiDAR 데이터를 이용하여 자동으로 해안선을 추출할 수 있는 알고리즘을 제안하고 그 결과를 지상측량을 통해 얻어진 해안선과 비교하였다. 본 연구의 제안한 알고리즘을 적용하여 항공 LiDAR 데이터를 이용한 해안선을 추출한 결과, 인공 및 자연 해안지역 등 다양한 지형에서 현행 지상측량과 비교를 하였을 때, 안정된 결과를 도출하였으며, 항공 LiDAR 데이터를 이용하여 효율적인 해안선 추출의 가능성을 보여주었다.
Shoreline changes its shapes and attribution dynamically by natural, unnatural acts and is the most information for country. These shorelines can apply to framework data of MGIS (Marine Geographic Information System), and they are getting important to implement a phase of monitoring around coastal a...
Shoreline changes its shapes and attribution dynamically by natural, unnatural acts and is the most information for country. These shorelines can apply to framework data of MGIS (Marine Geographic Information System), and they are getting important to implement a phase of monitoring around coastal areas. This study proposed an algorithm automatically extracting shorelines to use a new developed LiDAR (Light Detection And Ranging) data which is applying in ocean and coastal areas. Then, in result, it was compared to shorelines which is derived from ground survey. In result, it shows stable shorelines in various coast areas such as nature, artificial coast. Additionally, and a possibility of shoreline extraction through LiDAR data.
Shoreline changes its shapes and attribution dynamically by natural, unnatural acts and is the most information for country. These shorelines can apply to framework data of MGIS (Marine Geographic Information System), and they are getting important to implement a phase of monitoring around coastal areas. This study proposed an algorithm automatically extracting shorelines to use a new developed LiDAR (Light Detection And Ranging) data which is applying in ocean and coastal areas. Then, in result, it was compared to shorelines which is derived from ground survey. In result, it shows stable shorelines in various coast areas such as nature, artificial coast. Additionally, and a possibility of shoreline extraction through LiDAR data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서 LiDAR 데이터를 이용하여 자동으로 해안선을 추출하는 알고리즘을 제시하였다. 해안선 추출 알고리즘은 크게 해안선 후보점 추출, 경향점 추출, 최종 해안선 추출로 이루어져 있다.
그러나 방파제 등과 같은 pier 형태의 구조물이나 매우 복잡한 해안선의 경우 본 알고리즘으로 추출한 결과가 안정적이지 못한 단점을 가지고 있었다. 본 연구에서 개발한 LiDAR데이터를 이용한 자동 해안선 추출은 알고리즘의 보완과 구속조건을 주는 등의 방법을 통해 개선되어야 할 것으로 판단되어지며, 프로그램을 통하여 자동으로 해안선을 추출할 수 있는 가능성을 제시하였다.
본 연구에서는 항공레이저측량을 통해 획득된 LiDAR 데이터를 조석관측을 통해 계산된 약최고고조면(Approximate Highest High Water)을 높이 기준으로 하고 있는 해안선을 자동으로 추출하는 알고리즘을 제안하고자 한다. 또한 연구 지역에서 획득된 데이터를 적용하여 추출된 결과와 현재 활용하고 있는 현지조사와 측량방법으로 추출된 해안선 결과와 비교하여 개발한 알고리즘을 평가하였다.
제안 방법
또한 연구 지역에서 획득된 데이터를 적용하여 추출된 결과와 현재 활용하고 있는 현지조사와 측량방법으로 추출된 해안선 결과와 비교하여 개발한 알고리즘을 평가하였다. 개발된 알고리즘을 인공 및 자연 해안선 추출 등 다양한 형태의 해안지역에 적용하였으며, 특히 LiDAR 데이터를 이용한 해안선 추출의 안정성과 적합성 등을 분석하였다.
대상지역에 대해 격자의 크기가 Im인 가상격자를 생성하였고, 대상지역의 약최고고조면의 높이값인 2.5m을 적용하여 해안선 후보점을 추출하였다. 그림 7은 해안선 후보점 추출 결과를 보여주고 있다.
또한 연구 지역에서 획득된 데이터를 적용하여 추출된 결과와 현재 활용하고 있는 현지조사와 측량방법으로 추출된 해안선 결과와 비교하여 개발한 알고리즘을 평가하였다. 개발된 알고리즘을 인공 및 자연 해안선 추출 등 다양한 형태의 해안지역에 적용하였으며, 특히 LiDAR 데이터를 이용한 해안선 추출의 안정성과 적합성 등을 분석하였다.
2단계. 바다의 위치에 따라 탐색 경로를 결정하고 경로에 따라 가로방향 및 세로방향 탐색을 수행하여 경향점을 추출한다. 예를 들어 바다의 위치가 우측에 있다면 우측에서 좌측으로 가로방향 탐색을 실시하며, 각 행에서 처음으로 후보점을 가지는 격자를 판단하여 이 격자 내에서 가장 우측에 존재하는 후보점을 경향점으로 결정한다.
관측을 통하여 결정된다. 본 연구에서 1개월 동안 임시 검조소를 설치하여 연구 지역에 대한 약최고고조면을 계산하였다.
후보점을 이용하여 가상격자를 다시 제작하며, 이때 가상격자의 크기는 후보점의 밀도와 최종 해안선의 노드(node)점의 거리를 기반으로 결정한다. 본 연구에서는 5~10m의 격자간격으로 제작하였다.
본 연구에서는 LiDAR 데이터를 이용하여 해안선을 추출하기 위하여 원시 LiDAR 데이터로부터 후보점 추출, 경향점 추출, 해안선 추출의 3단계로 처리하였다. 후보점 추출은 해안선으로 예측되는 지점의 좌표를 추출하는 단계로 연구지역에 임시 검조소를 설치하여 조석 관측을 통해 획득된 약최고고조면을 기준 높이로 추출하게 된다.
해안선 후보점 추출을 위한 칫 번째 단계는 LiDAR point의 인접관계를 규정하는 것으로 본 연구에서는 가상격자(Pseudo grid)를 이용하여 인접관계를 규정하였다(그림 2 참조).
대상 데이터
등, 2004). 가상격자의 크기는 원시 데이터의 점밀도에 따라 결정되어지며 본 연구의 해안선 후보점 추출을 위해서는 Im를 사용하였다. 각 가상격자 내에는 원시 점밀도에 따라 3~4 점이 포함되며, 각 격자에 포함된 LiDAR point들의 평균을 이용하여 각 격자의 대표 높이가 결정되며 또한 각 점의 좌표를 얻을 수 있다.
본 연구에 사용된 lidar 데이터는 연구 지역을 대상으로 Optech사의 ALTM 3070 시스템에 의해 2005년 취득되었으며 측량제원은 표 1과 같다.
데이터처리
또한 일반 상업용 S/W를 사용하여 등고선 추출을 수행하여 얻은 결과와 비교하였다. 그 결과, 상용 소프트웨어 추출한 결과는 상세하게 해안선은 잘 묘사하지만 노드점이 너무 많아 일반 자연 해안의 경우 smooth처리가 필요할 것으로 판단되며, 등고선 추출 파라미터에 따라 그 결과가 달라지는 단점을 가지고 있었다.
추출된 결과의 정확도를 평가하기 위해 현지측량을 통해 획득한 해안선과 비교하여 위치정확도를 평가하였다. 그 결과 대부분의 지역에서는 해안선이 잘 추출되었지만 방파제와 같은 pier형태의 인공구조물과 매우 복잡한 형태의 지형에서는 상대적으로 그 정확도가 떨어지는 것을 확인할 수 있었다.
그림 10. 해안선 추출결과 비교(노란색: 제안 알고리즘 적용, 빨간색 : 현지측량).
그림 11. 해안선 추출결과 비교(연두색: 제안 알고리즘 적용, 빨간색: 상용S/W).
성능/효과
평가하였다. 그 결과 대부분의 지역에서는 해안선이 잘 추출되었지만 방파제와 같은 pier형태의 인공구조물과 매우 복잡한 형태의 지형에서는 상대적으로 그 정확도가 떨어지는 것을 확인할 수 있었다. 하지만 현지측량으로 추출하기 어려운 작은 섬이나 접근이 어려운 해안 절벽 지역에 대한 위치탐색 및 해안선 추출이 가능하며 처리 과정이 현지측량을 이용한 경우보다 작업효율성이 높고 경제적임을 알 수 있었다.
얻은 결과와 비교하였다. 그 결과, 상용 소프트웨어 추출한 결과는 상세하게 해안선은 잘 묘사하지만 노드점이 너무 많아 일반 자연 해안의 경우 smooth처리가 필요할 것으로 판단되며, 등고선 추출 파라미터에 따라 그 결과가 달라지는 단점을 가지고 있었다. 반면 본 연구에서 개발한 알고리즘에 의한 결과는 노드점이 적어 상대적으로 smooth한 결과를 얻을 수 있었으며 파라미터에 민감하지 않은 장점을 가지고 있었다.
또한 정량적인 평가를 위해 2()개의 측점에 대해서 LiDAR 방식을 이용한 해안선 벡터와 현지측량방법에 의해 얻어진 해안선 벡터를 상대적으로 비교하여 평균 0.75m 표준편차 ±0.48m의 결과를 얻었다.
그 결과, 상용 소프트웨어 추출한 결과는 상세하게 해안선은 잘 묘사하지만 노드점이 너무 많아 일반 자연 해안의 경우 smooth처리가 필요할 것으로 판단되며, 등고선 추출 파라미터에 따라 그 결과가 달라지는 단점을 가지고 있었다. 반면 본 연구에서 개발한 알고리즘에 의한 결과는 노드점이 적어 상대적으로 smooth한 결과를 얻을 수 있었으며 파라미터에 민감하지 않은 장점을 가지고 있었다. 그림 11 에서 빨간색 벡터는 등고선을 이용하여 추출한 결과이며 연두색 벡터는 본 연구에서 개발된 알고리즘으로 추출된 결과이다.
그 결과 대부분의 지역에서는 해안선이 잘 추출되었지만 방파제와 같은 pier형태의 인공구조물과 매우 복잡한 형태의 지형에서는 상대적으로 그 정확도가 떨어지는 것을 확인할 수 있었다. 하지만 현지측량으로 추출하기 어려운 작은 섬이나 접근이 어려운 해안 절벽 지역에 대한 위치탐색 및 해안선 추출이 가능하며 처리 과정이 현지측량을 이용한 경우보다 작업효율성이 높고 경제적임을 알 수 있었다. 연구지역에 대하여 제안한 알고리즘을 적용한 결과는 그림 10과 같으며 노란색 벡터는 본 연구에서 제안한 알고리즘을 이용한 것이며 빨간색 벡터는 육상측량을 통해 얻어진 것이다.
해안선 추출 알고리즘은 크게 해안선 후보점 추출, 경향점 추출, 최종 해안선 추출로 이루어져 있다. 현지측량을 통한 해안선 추출 결과와 비교하여 평균 0.75m, 표준편자 ±0.48m로 대부분의 해안선이 본 연구에서 제시한 알고리즘을 통하여 효율적이고 안정적으로 해안선이 추출되는 것을 볼 수 있었으며, 상용소프트웨어의 등고선 추출 방법을 통한 해안선 추출 결과와 비교하여 상대적으로 smooth한 결과를 얻을 수 있었다. 그러나 방파제 등과 같은 pier 형태의 구조물이나 매우 복잡한 해안선의 경우 본 알고리즘으로 추출한 결과가 안정적이지 못한 단점을 가지고 있었다.
참고문헌 (10)
위광재, 염재홍, 이강원, 김승용 (2002), LiDAR자료를 이용한 연안 해안지역 관리 및 활용에 관한 연구, 대한원격탐사학회 공동 춘계 학술대회 논문집, pp. 66-73
최윤수, 황세열, 서병덕, 위광재 (2004), LiDAR&SHOALS 기술 을 이용한 해안선 측량 및 모니터링에 관한 연구, 한국 해안 . 해안공학회, 한국의 해안선 정립을 위한 Workshop 논문집, pp. 137-144
Brugelmann, R. and Bollweg, A.E. (2004), Laser alimentary for river management, In International Archives of Photogrammetry and Remote Sensing, Vol. XXXV, B2, Istanbul, Turkey, pp. 234-239
Brzank, A., Lohmann, P. and Heipke, C. (2005), Automated extraction of pair wise structure lines using airborne Iaserscanner data in coastal areas, ISPRS WG III/3, III/4, V/3 Workshop 'Laser scanning 2005', Enschede, the Netherlands, September 12 -14
Jason W. and Jeffrey D. (2002), Spatial characterization, resolution, and volumetric change of coastal dunes using airborne LIDAR: Cape Hatteras, North Carolina. Geomorphology 48, 269-287
Gomes-Pereira, L. and Wicherson, R. (1999), Suitability of laser data for deriving geographical information - a case study in the context of management of fluvial zones, ISPRS Journal of Photogrammetry and Remote Sensing 54, 105-114
Stephen A. Yong Wang (2003), Utilizing DEMs derived from LIDAR data to analyze morphologic change in the North Carolina coastline. Remote Sensing of Environment 85, 39-47
Roberto Gutierrez, James C., Rebecca C. Tiffany L., John R. (2001), Precise Airborne LIDAR Surveying For Coastal Research and Geohazards Applications. International Archives of Photogrammetry and Remote Sensing, Vol. XXXIV-3/W4 Annapolis, MD
Webster T. Forbes D. Dickie S. Shreenan R. (2004), Using topographic lidar to map flood risk from storm-surge events for Charlottetown, Prince Edward Island, Canada, Canadian Journal for Remote Sensing 30-1, 64-76
Woosug Cho, Yoon-Seok Jwa, Hwi-Jeong Chang and Sung-Hun Lee (2004), Pseudo-Grid Based Building Extraction Using Airborne LIDAR Data, 20th ISPRS Congress, Istanbul, unalienated CD-ROM
※ AI-Helper는 부적절한 답변을 할 수 있습니다.