[국내논문]kNN 알고리즘과 계절별 Landsat TM 위성영상을 이용한 단양군 지역의 지상부 바이오매스 탄소저장량 추정 Estimation of Aboveground Biomass Carbon Stock in Danyang Area using kNN Algorithm and Landsat TM Seasonal Satellite Images원문보기
원격탐사 자료와 현장 자료를 이용한 산림 바이오매스 탄소량 추정은 전 세계적으로 각광을 받고 있으며, 국내의 경우 2010년 국립산림과학원에서 개발한 수종별 탄소배출계수를 통해 보다 정확한 탄소량 추정이 가능하게 되었다. 본 연구에서는 2006년부터 2009년까지 구축된 제5차 국가산림자원조사(National Forest Inventory, NFI) 자료를 기반으로 k-Nearest Neighbor(kNN) 알고리즘을 이용하여 충청북도 단양군의 지상부 바이오매스 탄소량을 추정하였다. 원격탐사 자료로는 계절 변화가 뚜렷한 한반도의 기후가 산림 지역의 분광 특성 및 이에 따른 탄소량 추정에 미치는 영향을 조사하기 위해 2004년부터 2005년까지 계절별로 취득된 Landsat TM 위성영상을 이용하였다. 분석결과 단양군 지역의 지상부 바이오매스 총 탄소량은 최대 3542768.49tonC에서 최소 3329037.51tonC 사이로 추정되었으나, 계절에 따른 특정 경향은 발견되지 않았다.
원격탐사 자료와 현장 자료를 이용한 산림 바이오매스 탄소량 추정은 전 세계적으로 각광을 받고 있으며, 국내의 경우 2010년 국립산림과학원에서 개발한 수종별 탄소배출계수를 통해 보다 정확한 탄소량 추정이 가능하게 되었다. 본 연구에서는 2006년부터 2009년까지 구축된 제5차 국가산림자원조사(National Forest Inventory, NFI) 자료를 기반으로 k-Nearest Neighbor(kNN) 알고리즘을 이용하여 충청북도 단양군의 지상부 바이오매스 탄소량을 추정하였다. 원격탐사 자료로는 계절 변화가 뚜렷한 한반도의 기후가 산림 지역의 분광 특성 및 이에 따른 탄소량 추정에 미치는 영향을 조사하기 위해 2004년부터 2005년까지 계절별로 취득된 Landsat TM 위성영상을 이용하였다. 분석결과 단양군 지역의 지상부 바이오매스 총 탄소량은 최대 3542768.49tonC에서 최소 3329037.51tonC 사이로 추정되었으나, 계절에 따른 특정 경향은 발견되지 않았다.
The joint use of remotely sensed data and field measurements has been widely used to estimate aboveground carbon stock in many countries. Recently, Korea Forest Research Institute has developed new carbon emission factors for kind of tree, thus more accurate estimate is possible. In this study, the ...
The joint use of remotely sensed data and field measurements has been widely used to estimate aboveground carbon stock in many countries. Recently, Korea Forest Research Institute has developed new carbon emission factors for kind of tree, thus more accurate estimate is possible. In this study, the aboveground carbon stock of Danyang area in South Korea was estimated using k-Nearest Neighbor(kNN) algorithm with the 5th National Forest Inventory(NFI) data. Considering the spectral response of forested area under the climate condition in Korea peninsular which has 4 distinct seasons, Landsat TM seasonal satellite images were collected. As a result, the estimated total carbon stock of Danyang area was ranged from 3542768.49tonC to 3329037.51tonC but seasonal trends were not found.
The joint use of remotely sensed data and field measurements has been widely used to estimate aboveground carbon stock in many countries. Recently, Korea Forest Research Institute has developed new carbon emission factors for kind of tree, thus more accurate estimate is possible. In this study, the aboveground carbon stock of Danyang area in South Korea was estimated using k-Nearest Neighbor(kNN) algorithm with the 5th National Forest Inventory(NFI) data. Considering the spectral response of forested area under the climate condition in Korea peninsular which has 4 distinct seasons, Landsat TM seasonal satellite images were collected. As a result, the estimated total carbon stock of Danyang area was ranged from 3542768.49tonC to 3329037.51tonC but seasonal trends were not found.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
국가산림자원조사는 전국 산림을 과학적인 방법으로 조사·평가하여 국가산림자원기본통계를 확보하고, 산림자원의 변화 동태를 주기적으로 파악함으로서 지속가능한 산림경영 실천을 위한 산림기본계획 및 산림정책 수립의 기본 자료 제공을 목적으로 시행되었다.
단양군 지역의 계절별 탄소량을 추정하기 전, 최적 수평참조범위와 k 값을 선정하기 위한 선행 연구를 수행하였다. 자료로는 단양군을 대상으로 봄(2004/04/09), 여름(2004/08/31), 가을(2005/11/22), 겨울(2004/01/20)에 취득된 Landsat TM 위성영상을 이용하였으며, 전처리 과정으로 모든 영상에 대해 기하보정, 방사보정 및 경사보정을 수행하였다.
이러한 계절적 특성에 따라 산림의 분광 특성 역시 변화하며, 탄소량 추정에 영향을 미칠 수 있을 것으로 판단된다. 따라서 본 연구에서는 단양군을 대상으로 계절별 위성 자료(봄, 여름, 가을, 겨울)를 취득하고 계절 변화에 따른 산림탄소저장량 추정에 있어 총 탄소량과 오차 양상을 분석하고자 하였다.
본 연구에서는 이러한 수종별 탄소배출계수를 적용하여 2006∼2009년 사이에 구축된 제5차 NFI 자료를 기반으로 표본점별 탄소량을 추정하였고, kNN 알고리즘을 통해 충청북도 단양군 지역의 전체 탄소저장량을 추정하고자 하였다.
따라서 수평참조점의 범위를 동일한 특성을 갖는 구역으로 구분하여 목표점과 동일한 조건 내에서 선정하는 것이 보다 정확한 추정치를 계산할 수 있다(임종수 외, 2009). 본 연구에서는 이러한 참조점의 범위를 목표점 반경 20km, 30km, 그리고 대상 지역을 전부 포함하는 40km 세 가지로 설정하고, 수평 참조범위에 따른 정확도를 분석하여 단양군 지역에서의 최적 수평참조범위를 찾고자 하였다.
본 연구에서는 충청북도 단양군을 대상으로 제5차 NFI 자료 및 계절별 Landsat TM 위성영상자료를 활용하여 지상부 바이오매스 탄소량을 추정하고, 이를 지도화하는 연구를 수행하였다. 탄소량 추정에는 kNN 알고리즘을 이용하였으며, leave-one-out 교차 검증법을 통해 정확도 분석을 수행하였다.
비산림 지역의 제거에는 2007∼2009년 사이에 단양군에서 구축한 1:5000 정밀임상도가 사용되었으며, 위성영상으로는 2004∼2005년 사이에 계절별로 취득된 Landsat TM 영상을 이용하여 계절 변화가 뚜렷한 한반도의 기후 특성이 탄소량 추정에 미치는 영향을 분석하고자 하였다.
제안 방법
한편, 평균 편의의 경우는 모든 결과에서 수평참조범위 20km일 때 최소값이 나타났으며, 이때의 최적 k 값은 10으로 나타났다. 따라서 본 연구에서는 단양군지역의 탄소량 추정을 위해 각각 최적 수평참조범위를 20km, 최적 k 값을 10으로 선택하고 연구를 진행하였다.
일반적으로 k 값이 늘어날수록 RMSE는 줄어드는 경향을 보이지만, 변동계수 및 편차를 고려할 때 최적 k 값은 지역에 따라 달라질 수 있으며(임종수 외, 2007, Fuchs 등, 2009), Reese 등(2003)의 연구에서도 최적 k 값은 연구에 따라 상이할 수 있다는 점을 강조하였다. 따라서 본 연구에서는 참조점의 수평 반경에 따라 k 값을 1에서 10까지 변화시켜 가며 정확도를 조사하였고, 단양군에 적합한 최적 k 값을 구하였다. 최대 k 값을 10으로 제한한 것은 대상면적이 좁고, 포함된 참조점의 개수가 많지 않기 때문이다.
한편, 본 연구에서 사용한 Landsat TM 위성영상은 30m☓30m 의 공간해상도를 가지고 있으므로 50m의 반경을 가진 집락표본점을 참조점으로 사용하기에는 무리가 따른다. 따라서 실제 탄소량은 집락단위가 아닌 16m의 반경을 가진 부표본점을 독립적으로 사용하여 추정하였으며, 만약 부표본점의 반경이 2개 이상의 영상소에 중복될 경우엔 중심점을 기준으로 배치하였다. 임상별 부표본점의 분포현황은 전체 120개의 부표본점 중 활엽수가 78개로 가장 많았으며, 그 뒤를 이어 침엽수 24개, 혼효림 18개의 순으로 나타났다.
한편, 대상 지역인 단양군의 경우 산림 이외에도 도심이나 농지, 수계와 같은 비산림지역을 포함하고 있다. 비산림지역이 포함될 경우 탄소량 추정에 있어 오차를 유발할 가능성이 높으므로 본 연구에서는 이러한 비산림지역을 제거하기 위해 1:5000 정밀임상도를 사용하였다. 정밀임상도는 단양군 내 산림의 정확한 분포현황을 파악하기 위해 2007∼2009년 사이 구축되었고 토지이용, 산림, 임종, 임상, 수종, 영급, 경급, 수관밀도에 관한 정보를 포함하고 있다.
대상 데이터
위성영상의 계절별 분석에는 2004년부터 2005년 사이에 취득된 Landsat TM 영상을 사용하였다. Landsat TM 센서시스템은 Landsat 4호와 5호에 탑재되어 1982년 6월 16일과 1984년 3월 1일에 각각 발사되었다. TM 센서는 가시광선, 근적외선, 중적외선 및 열적외선 영역에서의 에너지를 기록하는 휘스크부룸 방식의 광학센서 시스템이다.
본 연구의 대상지역인 단양군은 충청북도 북동부 위도 36° 47' 41"N에서 37° 09' 33"N 사이, 경도 128° 13' 19"E에서 128° 38' 51"E 사이에 위치해 있다.
연구 대상지인 단양군에는 2006∼2009년 사이에 조사된 총 33개의 집락표본점이 포함되어 있으며, 이는 다시 120개의 부표본점으로 구성되어 있다.
우리나라의 국가산림자원조사 자료는 1차 1972년∼1975년, 2차 1978년∼1980년, 3차 1986년∼1992년, 4차 1996년∼2005년, 5차 2006년∼2010년 등, 총 5회에 걸쳐 취득되었으며, 본 연구는 2009년 까지 구축된 5차년도 국가산림자원조사 자료를 기반으로 수행되었다.
위성영상의 계절별 분석에는 2004년부터 2005년 사이에 취득된 Landsat TM 영상을 사용하였다. Landsat TM 센서시스템은 Landsat 4호와 5호에 탑재되어 1982년 6월 16일과 1984년 3월 1일에 각각 발사되었다.
단양군 지역의 계절별 탄소량을 추정하기 전, 최적 수평참조범위와 k 값을 선정하기 위한 선행 연구를 수행하였다. 자료로는 단양군을 대상으로 봄(2004/04/09), 여름(2004/08/31), 가을(2005/11/22), 겨울(2004/01/20)에 취득된 Landsat TM 위성영상을 이용하였으며, 전처리 과정으로 모든 영상에 대해 기하보정, 방사보정 및 경사보정을 수행하였다. 비산림지역의 제거에는 1:5000 정밀임상도가 이용되었으며, 정확도 분석을 위해 120개 표본점을 대상으로 leave-one-out 기반의 교차 검증법을 수행하였다.
데이터처리
자료로는 단양군을 대상으로 봄(2004/04/09), 여름(2004/08/31), 가을(2005/11/22), 겨울(2004/01/20)에 취득된 Landsat TM 위성영상을 이용하였으며, 전처리 과정으로 모든 영상에 대해 기하보정, 방사보정 및 경사보정을 수행하였다. 비산림지역의 제거에는 1:5000 정밀임상도가 이용되었으며, 정확도 분석을 위해 120개 표본점을 대상으로 leave-one-out 기반의 교차 검증법을 수행하였다. 다음 그림 5는 각각 수평참조 범위 20km, 30km, 40km와 1부터 10까지의 k 값 변화에 따른 단양군 지역의 계절별 RMSE와 평균 편의(mean bias)의 변화를 나타낸다.
최적 수평참조범위와 k 값을 찾기 위한 정확도 분석에는 leave-one-out 기반의 교차 검증법(cross validation)을 사용하였다. 이 방법은 n개의 샘플 자료에서 임의로 한 개를 제거한 후, 나머지 (n - 1)개의 자료를 가지고 제거한 지점의 값을 추정하는 과정을 n번 반복한다.
표 3은 kNN 알고리즘을 통해 추정된 단양군 지역의 계절별 탄소량을 나타내고 있으며, 그림 6은 표 3을 그래프로 도시한 것이다. 추정 항목은 대상 지역의 총 탄소량과 단위 면적당 최대, 최소, 평균 탄소량 및 표준편차이며, 정확도 비교를 위해 각 영상별 RMSE와 평균 편의를 분석하였다.
이론/모형
다음의 표 1은 계절별 분석을 위해 사용된 Landsat TM 위성영상의 취득 시기를 나타내고 있다. 모든 영상은 RMSE가 한 영상소(30m)내로 기하보정 및 방사보정을 수행하였으며, 태양 고도 및 위치에 따른 지형오차를 제거하기 위해 Civco(1989)가 고안한 2-stage normalization 경사보정을 적용하였다. 한편, 밴드 6의 경우 해상도 차이와 더불어 산림의 분광특성과 관련이 없는 열적외선 영역이므로 탄소량 추정에서 제외되었다.
본 연구에서는 탄소저장량을 추정하기 위해 kNN 알고리즘을 사용하였다. kNN 알고리즘은 거리 역산에 의해 가중치를 부여하는 IDW(inverse distance weighting)에 기반한 방법으로, 목표점을 추정하기 위한 k 번째 참조점의 선정은 목표점과 참조점의 분광유사성에 의해 결정된다.
본 연구에서는 충청북도 단양군을 대상으로 제5차 NFI 자료 및 계절별 Landsat TM 위성영상자료를 활용하여 지상부 바이오매스 탄소량을 추정하고, 이를 지도화하는 연구를 수행하였다. 탄소량 추정에는 kNN 알고리즘을 이용하였으며, leave-one-out 교차 검증법을 통해 정확도 분석을 수행하였다. 분석결과, 단양군 지역의 탄소량 추정에 적합한 최적 수평참조범위는 20km, 최적 k 값은 10으로 선택되었으며, 편차 보정된 지상부 바이오매스 총 탄소량은 최대 3542768.
표본 설계에는 우리나라에서 채택하고 있는 세계측지좌표계를 횡단 메르카토르 도법(Transverse Mercator)으로 투영한 지도의 중부원점을 기준으로 한 단일 평면 직각좌표를 사용하였다. 미리 정한 임의의 한 점에서 계통추출법에 따라 4km 간격으로 전국에 배치한 격자점을 표본점의 중심으로 삼으며, 이 중에서 산림지에 위치한 격자점을 고정표본점으로 지정하고 현지 조사가 실시되었다(국립산림과학원, 2009)
성능/효과
추정된 탄소총량과 각 변수들 사이에서는 특정한 상관관계가 발견되지 않았으며, 특히 표준편차 및 RMSE 의 경우는 계절에 상관없이 거의 비슷한 수치를 나타내었다. 따라서 본 연구의 결과를 기반으로 단양군 지역의 바이오매스 탄소량 추정 시 계절에 따른 경향은 없었던 것으로 사료된다. 다만, 소면적을 대상으로 한 본 연구의 결론을 일반화시키는 것은 무리가 있으며, 차후보다 다양한 지역과 자료를 이용한 추가 연구가 필요할 것으로 판단된다.
분석결과 RMSE의 경우 모든 계절에 있어서 k 값이 증가할수록 점차 감소하는 경향이 발견되었고, 선행 연구 사례(임종수 외, 2007, Fuchs 등, 2009)의 결과를 충실히 반영하는 것으로 나타났다. 다만, 2004/04/09 결과만이 k=5 까지 RMSE가 증가, 혹은 감소하는 변동을 보였는데(그림 5-(a)), 이는 변동이 없는 다른 계절의 경향(그림 5-(c), (e), (g))을 고려하였을 때 우연오차에 의한 가능성이 큰 것으로 판단된다.
분석결과 단양군의 지상부 바이오매스 탄소량은 여름인 2004/08/31 결과에서 최대 3517382.20tonC, 가을인 2005/11/22 결과에서 최소 3189977.27tonC로 추정되었으며, 이 때 단위면적(ha)당 평균탄소량은 각각 최대 45.09tonC/ha에서 최소 40.89tonC/ha 로 추정되었다(그림 6-(a), (b)). 반면, 단위면적당 탄소량 차이의 경우 겨울인 2004/01/20 결과에서 가장 큰 최대 114.
탄소량 추정에는 kNN 알고리즘을 이용하였으며, leave-one-out 교차 검증법을 통해 정확도 분석을 수행하였다. 분석결과, 단양군 지역의 탄소량 추정에 적합한 최적 수평참조범위는 20km, 최적 k 값은 10으로 선택되었으며, 편차 보정된 지상부 바이오매스 총 탄소량은 최대 3542768.49tonC에서 최소 3329037.51tonC 사이로 추정되었다.
수평참조범위와 k 값에 따른 RMSE 및 평균 편의 결과를 종합해 보았을 때, 둘 다 계절적 차이 없이 k 값이 증가할수록 감소하는 것으로 나타났다. RMSE의 경우 대부분의 구간에서 수평참조범위 20km일 때 최소값이 나타났으며, 최적 k 값은 2004/08/31 결과만을 제외하고 전부 k=10일 때 나타났다.
또한 2009년 연구에서 임종수 등은 제5차 NFI 자료를 이용하여 전라북도 무주군을 대상으로 산림바이오매스 추정 연구를 수행한 바 있다. 이 연구에서 그는 회귀분석과 kNN 두 가지 알고리즘을 비교하였고, 결과적으로 효율성 면에서 kNN이 보다 효용성이 높은 것으로 분석하였다.
09tonC/ha로 나타났다. 이러한 단위면적당 편차량을 보정한 단양군 지역의 총 바이오매스 탄소추정량은 최대 3542768.49tonC에서 최소 3329037.51tonC 사이로 전체 추정총량은 증가하였으나, 계절에 따른 차이는 오히려 줄어든 것으로 나타났다.
추정된 탄소총량과 각 변수들 사이에서는 특정한 상관관계가 발견되지 않았으며, 특히 표준편차 및 RMSE 의 경우는 계절에 상관없이 거의 비슷한 수치를 나타내었다. 따라서 본 연구의 결과를 기반으로 단양군 지역의 바이오매스 탄소량 추정 시 계절에 따른 경향은 없었던 것으로 사료된다.
한편, 모든 계절에서 RMSE 감소폭은 k 값이 1에서 2로 변화할 때 가장 컸으며, 그 뒤로 변화폭이 점점 작아지면서 25∼27tonC/ha 사이로 수렴하는 경향을 나타내었다.
후속연구
따라서 본 연구의 결과를 기반으로 단양군 지역의 바이오매스 탄소량 추정 시 계절에 따른 경향은 없었던 것으로 사료된다. 다만, 소면적을 대상으로 한 본 연구의 결론을 일반화시키는 것은 무리가 있으며, 차후보다 다양한 지역과 자료를 이용한 추가 연구가 필요할 것으로 판단된다.
이와 같은 상황에 비추어 제작된 바이오매스 탄소분포지도는 겨울인 2004/01/20 지도를 제외하고 단양군의 바이오매스 탄소분포현황을 정확히 반영하지는 못하고 있는 것으로 사료되며, 이는 분광특성을 파악하기 위해 단순 밴드만을 사용했기 때문으로 판단된다. 따라서 차후에는 식생 혹은 특정 수종에 특화된 ratio를 사용하여 연구를 진행할 계획이다.
한편, 본 연구에서 사용된 위성영상자료는 NFI 자료의 구축시기와 2년 정도의 차이가 있으며, 이에 따른 오차를 줄이기 위해서는 위성영상의 취득시기를 NFI 자료의 구축 시기인 2006년에서 2010년 사이로 제한할 필요가 있다. 아울러 정확한 탄소분포지도 제작을 위해서 국내 산악지형에 적합한 경사보정 기술의 개발 또한 반드시 고려해야 할 요소 중 하나로 사료된다.
연구 대상지인 단양군에는 2006∼2009년 사이에 조사된 총 33개의 집락표본점이 포함되어 있으며, 이는 다시 120개의 부표본점으로 구성되어 있다. 한편, 본 연구에서 사용한 Landsat TM 위성영상은 30m☓30m 의 공간해상도를 가지고 있으므로 50m의 반경을 가진 집락표본점을 참조점으로 사용하기에는 무리가 따른다. 따라서 실제 탄소량은 집락단위가 아닌 16m의 반경을 가진 부표본점을 독립적으로 사용하여 추정하였으며, 만약 부표본점의 반경이 2개 이상의 영상소에 중복될 경우엔 중심점을 기준으로 배치하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
TM 센서란 무엇인가?
Landsat TM 센서시스템은 Landsat 4호와 5호에 탑재되어 1982 년 6월 16일과 1984년 3월 1일에 각각 발사되었다. TM 센서는 가시광선, 근적외선, 중적외선 및 열적외선 영역에서의 에너지를 기록하는 휘스크부룸 방식의 광학센서 시스템이다. 밴드 1에서 5까지와 밴드 7의 경우 30m☓30m의 공간해상도를 가지며, 열적외선 영역의 자료를 수집하는 밴드 6은 120m×120m의 공간해상도를 가지고 있다(임정호 외, 2005).
산림은 야외 조사를 실시한 면적이 증가할수록 어떤 특징이 나타나는가?
산림은 지형, 토양, 그리고 기후 조건에 따라 임분 구조가 상이하다. 또한 야외 조사를 실시한 면적이 증가 할수록 영상의 분광값들이 매우 다양하게 나타나게 된다. 따라서 수평참조점의 범위를 동일한 특성을 갖는 구역으로 구분하여 목표점과 동일한 조건 내에서 선정하는 것이 보다 정확한 추정치를 계산할 수 있다(임종수 외, 2009).
위성영상을 이용한 방법의 장점은 무엇인가?
이러한 산림 탄소저장량을 주기적으로 모니터링하기 위한 방법으로 최근 위성영상을 활용한 원격탐측이 각광을 받고 있다. 위성영상을 이용한 방법은 기존 현장 측량 방법에 비해 시간과 인력의 소요를 효과적으로 줄일 수 있을 뿐만 아니라 표본점 이외의 탄소분포량도 추정할 수 있다는 장점이 있다. 탄소량 추정에는 Regression model, Direct Radiometric Relationship(DRR), BIOmass from Cluster Labeling Using Structure and Type (BioCLUST), k-Nearest Neighbo(kNN)와 같은 다양한 방법이 사용되고 있으며, 특히 kNN 알고리즘은 최근 탄소량 추정에 있어 전 세계적으로 각광을 받고 있다.
참고문헌 (21)
김태근, 김광은, 조기성, 김환기, 1996, Landsat TM 영상자료를 이용한 호수 수질 관측, 한국지형공간정보학회지, 제4권, 제2호, pp.23-33.
임종수, 한원성, 황주호, 정상영, 조현국, 신만용, 2009, 위성영상자료 및 국가 산림자원조사 자료를 이용한 산림 바이오매스 추정, 원격탐사학회지, 제25권, 제4호, pp.311-320.
Jensen, R. J., 2005, 원격탐사와 디지털 영상처리, 시그마프레스, pp.59-65.
조현진, 2010, 탄소배출권거래제도의 이해, 녹색성장과 법적 기반구축 학술대회 논문집, pp.1-27.
CIVCO,, D. L.,, 1989, Topographic normalization of Landsat thematic mapper digital imagery, Photogrammetric Engineering and Remote Sensing,. Vol.55. pp.1303-1309.
Franco-Lopez, H., Ek., A, R., Bauer, M. B., 2001, Estimation and mapping of forest stand density, volume, and cover type using the k-nearest neighbors method. Remote Sensing of Environmen, Vol.77, pp.251-274.
Fuchs, H., Magdon, P., Kleinn, C., Flessa, H., 2009, Estimating aboveground carbon in a catchment of the Siberian forest tundra: Combining satellite imagery and field inventory, Remote Sensing of Environment, Vol.113, pp.518-531.
Haapanen, R., Lehtinen, K., Miettinen, J., Bauer, M. E., and Ek, A. R., 2001, Progress in adapting k-NN methods for forest mapping and estimation using the new annual forest inventory and analysis data, Proceedings of the third annual forest inventory and analysis symposium, USDA, pp.87-95.
Huiyan, G., Limin, D., Gang, W., Dong, X., Shunzhong, W. and Hui, W., 2006, Estimation of forest volumes by integrating Landsat TM imagery and forest inventory data, Science in China: Sereis E Technological Sciences, Vol.49, pp.54-62.
Maselli, F., Chirici, G., Bottai, L., Corona, P., and Marchetti, M., 2005, Estimation of Mediterranean forest attributes by the application of k-NN procedures to multitemporal Landsat ETM+ images., International Journal of Remote Sensing, Vol.26, No.17, pp.3781-3796.
Reese. H,, Nilsson. M., Sandstrom, P., and Olsson, H., 2002, Applications using estimates of forest parameters derived from satellite and forest inventory data. Computers and Electronics in Agriculture, Vol.37, No.1, pp.37-55.
Reese, H., Nilsson, M., Pahlen, T. G., Hagner, O., Joyce, S., Tingelof, U., Egberth, M., and Olsson, H., 2003, Countrywide Estimates of Forest Variables Using Satellite Data and Field Data from the National Forest Inventory, Royal Swedish Academy of Sciences, Vol.32, No.8, pp.542-548.
Tomppo, E., Nilsson, M., Rosengren, M., Aalto, P., and Kennedy, P., 2002, Simultaneous use of Landsat-TM and IRS-1C WiFS data in estimating large area tree stem volume and aboveground biomass, Remote Sensing of Environment, Vol.82, pp.156-171.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.