GIS와 GPS를 이용한 소나무재선충병 피해지 항공정밀예찰 기법 개발 Development of an Aerial Precision Forecasting Techniques for the Pine Wilt Disease Damaged Area Based on GIS and GPS원문보기
소나무재선충병 피해의 공간적 분포 특성은 고사목 단목 중심의 점상 발생을 보이기 때문에 신속한 피해지 파악과 정확한 확산예측에 어려움이 있다. 따라서 피해발생 조기예찰 및 분석, 감시 감독이 매우 중요하다. 그러나 기존의 예찰방법인 도로나 민가 주변 중심의 지상 육안예찰은 누락된 지역이 많고 고산지역, 급경사, 절벽등의 위험지역 예찰이 불가능하기 때문에 본 연구에서는 이러한 단점들을 보완하기 위하여 체계적이고 과학적인 GIS, GPS와 헬기를 이용한 항공정밀예찰 기법을 개발하였으며, 2005년 전국 32개 시 군(약 $28,810km^2$) 피해지역의 349지점 972본의 고사목 위치좌표를 취득하여 소나무재선충병 방제에 활용하였다. 따라서 항공정밀예찰기법 개발은 소나무재선충병 발생 우려지역에 대한 고사목 색출 및 고사원인 규명, 매개충 산란처 제거 등의 효과를 얻을 수 있을 것이다.
소나무재선충병 피해의 공간적 분포 특성은 고사목 단목 중심의 점상 발생을 보이기 때문에 신속한 피해지 파악과 정확한 확산예측에 어려움이 있다. 따라서 피해발생 조기예찰 및 분석, 감시 감독이 매우 중요하다. 그러나 기존의 예찰방법인 도로나 민가 주변 중심의 지상 육안예찰은 누락된 지역이 많고 고산지역, 급경사, 절벽등의 위험지역 예찰이 불가능하기 때문에 본 연구에서는 이러한 단점들을 보완하기 위하여 체계적이고 과학적인 GIS, GPS와 헬기를 이용한 항공정밀예찰 기법을 개발하였으며, 2005년 전국 32개 시 군(약 $28,810km^2$) 피해지역의 349지점 972본의 고사목 위치좌표를 취득하여 소나무재선충병 방제에 활용하였다. 따라서 항공정밀예찰기법 개발은 소나무재선충병 발생 우려지역에 대한 고사목 색출 및 고사원인 규명, 매개충 산란처 제거 등의 효과를 얻을 수 있을 것이다.
The spatial distribution characteristics of damaged trees by the pine wilt disease appear scattered spots spreading from single dead trees. That is the reason why it is difficult to early detect damage and to prevent from extensive damage. Thus, it is very important to forecast and analyze the damag...
The spatial distribution characteristics of damaged trees by the pine wilt disease appear scattered spots spreading from single dead trees. That is the reason why it is difficult to early detect damage and to prevent from extensive damage. Thus, it is very important to forecast and analyze the damage occurrences, to establish strategies for prevention, and to supervise them. However, conventional survey which observes around roads or residential areas by naked eyes was impossible to investigate completely, missing target areas and dangerous areas. Therefore, aerial forecasting techniques on the damaged area were developed using GIS, GPS, and helicopters for an accurate observation of systematic and scientific approach in this study. Moreover, advantages of the techniques application were confirmed to survey 972 dead tree samples at 349 position-coordinates in 32 cities (about $28,810km^2$), 2005. This study is expected to apply widely to find dead trees and the causes, particularly by pine wilt disease.
The spatial distribution characteristics of damaged trees by the pine wilt disease appear scattered spots spreading from single dead trees. That is the reason why it is difficult to early detect damage and to prevent from extensive damage. Thus, it is very important to forecast and analyze the damage occurrences, to establish strategies for prevention, and to supervise them. However, conventional survey which observes around roads or residential areas by naked eyes was impossible to investigate completely, missing target areas and dangerous areas. Therefore, aerial forecasting techniques on the damaged area were developed using GIS, GPS, and helicopters for an accurate observation of systematic and scientific approach in this study. Moreover, advantages of the techniques application were confirmed to survey 972 dead tree samples at 349 position-coordinates in 32 cities (about $28,810km^2$), 2005. This study is expected to apply widely to find dead trees and the causes, particularly by pine wilt disease.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한, 기존 항공예찰 방법은 조종사의 임의 따라 비행경로 지정과 고사목 위치의 부적 확성 등의 문제점이 발생하게 되었다(조명희 등, 2002). 이러한 단점들을 적극 보완하기 위해 본 연구에서는 항공예찰 대상지역을 가로1km x 세로1km 간격으로 격자(Grid)지도를 구축하여 GPS와 연동함으로써 예찰지역의 정확한 비행경로 탐색이 가능하며 체계적이고 과학적인 항공정밀예찰 기법을 개발하였다.
제안 방법
GPS 수신데이터는 제조사에 관계없이 범용 GPS 소프트웨어에서 데이터를 처리할 수 있도록 규정한 RINEX(Receiver Independent Exchange format)데이터포멧으로 변환하여 활용하였다(표1).
국립지리정보원 발행의 1/25,000 수치지형도를 GIS Tool인 ArcGIS9.0 GeoProcessing Wizard을 이용하여 해당 항공정밀예찰 지역의 기본 레이어인 행정경계・일반국도・지방도・실폭하천・호수 등의 필요한 레이어 분류와 병합 등으로 공간데이터를 가공하였다(김준범 등, 2004). 시・군 경계에 맞게 가로1km, 세로 1km 격자(Grid)로 비행라인을 표시한 시・군격자지도를 구축하였다(그림2).
C/A 코드파와 반송파를 함께 이용할 수 있는 이 기종은 산림, 해양 지도제작 등의 GIS Mapping으로 많이 활용되고 있는 장비이다. 그림 3과같이 GPS장비를 위성신호 수신이 양호한 공간인 조종사석 좌측에 탑재하였고 헬기 탑승 후 GPS장비와 Touch Screen 방식의 Dual LCD 모니터 단말기를 슬림PC에 각각 연결하였다.
동일한 기종의 GPS 2대를 수신이 양호한 헬기 좌・우측에 설치하고 고사목의 위치를 파악하여 GPS에 연결된 데이터로그의 수신 로그번호를 기준으로 고사목 위치, 거리 및 각도 등을 측정하여 로그번호와 속성값을 야장에 기록하였다.
IMP)로 변환하였으며, 여기에 표시된 라인방향에 따라 GPS의 데이터를 취득하였다. 또한 Point Feature와 다음 Point Feature간의 GPS 수신 로깅간격(Logging Interval)을 1초로 설정하였다.
특히 경북 영주, 봉화지역은 솔잎혹파리 피해가 극심한 지역으로 고사목이 대량 방치된 상태에 있어 만약 재선충이 침입 된다면 급속히 백두대간으로 확산될 우려가 있어 지속적인 예찰과 감시・감독이필요한 것으로 조사되었다. 또한 주변 의심목이 발견된 지자체는 GPS의 트랙킹(Tracking) 기능을 이용하여 고사목 현장을 추적, 고사 원인을 구명하고 소나무재선충병으로 의심되는 고사목은 시료를 채취하여 1차적으로 도산림환경연구원, 2차로 국립산림과학원으로 검경을 의뢰하여 진단토록 하였다. 또한 기존에 발생한 피해 외곽지역에서는 신속하고 철저한 방제작업을 실시토록 하였다.
0 GeoProcessing Wizard을 이용하여 해당 항공정밀예찰 지역의 기본 레이어인 행정경계・일반국도・지방도・실폭하천・호수 등의 필요한 레이어 분류와 병합 등으로 공간데이터를 가공하였다(김준범 등, 2004). 시・군 경계에 맞게 가로1km, 세로 1km 격자(Grid)로 비행라인을 표시한 시・군격자지도를 구축하였다(그림2).
해당 시・군의 TM좌표계에 맞게 중부원점, 동부원점으로 좌표변환을 실시하였으며, 격자 (Grid)지도에 보정된 고사목 위치좌표 포인트와 중첩(Overlay) 하여 고사목 피해분포도를 구축하였다(그림 6).
대상 데이터
2005년 8～9월의 4주간에 걸쳐 우리나라 백두대간과 가장 인접한 소나무재선충병 피해 선단지인 경북 안동지역을 중심으로 경북 11개 시・군(의성군, 군위군, 문경시, 상주시, 예천군, 영주시, 봉화군, 울진군, 영양군, 영덕군, 청송군)충북 2개 시・군(제천시, 단양군) ‘05년 신규 발생지역인 경북 경산시 지역을 포함하여 수행하였으며, 또한 2005년 11월～12월에는 강원 강릉시 지역을 중심으로 강원도 전지역(18개 시・군)을 포함하여 전체 항공예찰 지역은 12개 시지역, 20개 군지역이며 총 면적은 28,810.78㎢이다.
그림 4는 비행 중인 헬기가 빠른 속도(13 0～150km/h)로 이동하기 때문에 단말기의 격자(Grid)지도는 TerraSync S/W를 이용하여 측량용 배경파일(*.IMP)로 변환하였으며, 여기에 표시된 라인방향에 따라 GPS의 데이터를 취득하였다. 또한 Point Feature와 다음 Point Feature간의 GPS 수신 로깅간격(Logging Interval)을 1초로 설정하였다.
항공정밀예찰에 활용된 헬기 기종은 러시아 KA-32T와 미국 BELL206L-3 프랑스 AS350-B2이며, GPS는 Trimble사 Beacon의 일체형인 Pro-XR를 사용하였다(과학기술부, 2005). C/A 코드파와 반송파를 함께 이용할 수 있는 이 기종은 산림, 해양 지도제작 등의 GIS Mapping으로 많이 활용되고 있는 장비이다.
성능/효과
그러나 소나무재선충병 확산 저지를 위한 고사목 색출에는 오차범위 ±100m 이내로 매우 효율적인 것으로 나타났다.
데이터 후처리를 위해 Trimble사의 Pathfinder Office2.9와 프로그램을 이용하였으며, 후처리 과정에서 필요한 오차보정(Base)파일은 국립지리정보원 GPS기준점서비스(http://gps.ngii.go.kr) 사이트에서 다운로드 받아 기선해석, 망조정 과정에 활용함으로써 취득한 예찰 수신데이터의 위치정밀도를 향상 시킬 수 있었다.
본 연구에서 개발한 항공정밀예찰 기법을 이용하여 현장실연 조사를 수행한 결과 안동 지역을 중심으로 한 백두대간 인접 14개 시・군과 강릉지역을 중심으로 한 강원도 전지역 18개 시・군을 포함한 총 32개 지역에서 349 지점의 위치좌표와 고사목 972본을 발견하였다(표 2).
이 결과데이터는 즉시 해당 시・군・구에 통보하여 현장 정밀조사 후 방제토록 제공함으로써 소나무재선충병 선단지 확산방지에 크게 기여할 수 있었다. 특히 경북 영주, 봉화지역은 솔잎혹파리 피해가 극심한 지역으로 고사목이 대량 방치된 상태에 있어 만약 재선충이 침입 된다면 급속히 백두대간으로 확산될 우려가 있어 지속적인 예찰과 감시・감독이필요한 것으로 조사되었다.
후속연구
소나무재선충병 항공정밀예찰 기법을 이용한 시스템 구축으로 소나무재선충병 피해 고사목 색출, 선단지 조기예찰 등으로 피해지 공간분석이 가능하며, 피해지역에 대한 시기 적절한 방제전략 수립과 효율적인 예찰 모니터링 등으로 피해확산 예찰・방제지역을 최소화 하고 맞춤형 방제 등의 효과로 인력과 예산을 절감할 수 있을 것이다. 또한 소나무재선충병 피해 시・군별 고사목 분포도 제작 등으로 산림병해충 발생지역의 공간정보 DB가 구축됨으로써 산림자원을 체계적이고 과학적으로 관리할 수 있는 기반 조성이 가능할 것이다. 향후, 위치결정 정확도를 높여 주는 GPS장비가 다수 확보되고 첨단 항공정밀촬영시스템 도입과 활용 프로그램 등을 적극 개발 및 구축한다면 좀더 소나무재선충병 개별 고사목에 대한 정확한 색출과 피해 선단지의 위치나 규모 등의 정밀분석이 가능할 것으로 사료된다.
소나무재선충병 항공정밀예찰 기법을 이용한 시스템 구축으로 소나무재선충병 피해 고사목 색출, 선단지 조기예찰 등으로 피해지 공간분석이 가능하며, 피해지역에 대한 시기 적절한 방제전략 수립과 효율적인 예찰 모니터링 등으로 피해확산 예찰・방제지역을 최소화 하고 맞춤형 방제 등의 효과로 인력과 예산을 절감할 수 있을 것이다. 또한 소나무재선충병 피해 시・군별 고사목 분포도 제작 등으로 산림병해충 발생지역의 공간정보 DB가 구축됨으로써 산림자원을 체계적이고 과학적으로 관리할 수 있는 기반 조성이 가능할 것이다.
또한 소나무재선충병 피해 시・군별 고사목 분포도 제작 등으로 산림병해충 발생지역의 공간정보 DB가 구축됨으로써 산림자원을 체계적이고 과학적으로 관리할 수 있는 기반 조성이 가능할 것이다. 향후, 위치결정 정확도를 높여 주는 GPS장비가 다수 확보되고 첨단 항공정밀촬영시스템 도입과 활용 프로그램 등을 적극 개발 및 구축한다면 좀더 소나무재선충병 개별 고사목에 대한 정확한 색출과 피해 선단지의 위치나 규모 등의 정밀분석이 가능할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
소나무재선충병이란 무엇인가?
소나무재선충병(Pine Wilt Disease)은 크기가 1mm 미만의 실처럼 생긴 선충(nematode)이 소나무의 수분과 영양 이동통로인 가도관을 막아 소나무를 말라 죽게 만드는 병이다(산림청, 1991). 1988년 부산 금정산 지역을 중심으로 최초로 발생하여 피해지역이 부산, 경남, 울산, 경북, 전남, 제주, 대구, 강원 등의 전국 57개(국립산림과학원, 2009) 시․군․구지역으로 급속히 확산되고 있으며, 발생구역 면적 또한 약 6,000ha(2009년)로서 2000년 이후 증가 추세에 있다.
본 연구에서는 GPS 수신데이터를 어떻게 활용하였는가?
GPS 수신데이터는 제조사에 관계없이 범용 GPS 소프트웨어에서 데이터를 처리할 수 있도록 규정한 RINEX(Receiver Independent Exchange format)데이터포멧으로 변환하여 활용하였다(표1).
국내에서 소나무재선충병은 언제 최초로 발생하였으며, 확산 추세는 어떠한가?
소나무재선충병(Pine Wilt Disease)은 크기가 1mm 미만의 실처럼 생긴 선충(nematode)이 소나무의 수분과 영양 이동통로인 가도관을 막아 소나무를 말라 죽게 만드는 병이다(산림청, 1991). 1988년 부산 금정산 지역을 중심으로 최초로 발생하여 피해지역이 부산, 경남, 울산, 경북, 전남, 제주, 대구, 강원 등의 전국 57개(국립산림과학원, 2009) 시․군․구지역으로 급속히 확산되고 있으며, 발생구역 면적 또한 약 6,000ha(2009년)로서 2000년 이후 증가 추세에 있다. 소나무재선충(Bursaphelenchus xylophilus)은 스스로는 이동할 수 없고 반드시 매개충인 솔수염하늘소(Monochamus alternatus), 북방수염하늘소(Monochamus saltuarius)가 성충으로 우화 탈출하면서 건전목의 신초를 후식할 때와 산란할 때 발생되는 수피의 상처 부위를 통해서 선충은 이동하게 된다.
참고문헌 (13)
과학기술부. 2005. 고해상도 위성영상을 이용한 산림병해충정보관리시스템 개발 보고서. 39-40쪽.
Hoffer. 1995. R.M.D.S Linden and J. L. Pascdhke. Integrating of GIS, GPS and Remote Sensing for Inexpensive Assessment of Forest Insect Damage. 1995 ACSM/ASPRS Annual Convention & Expoitio Technical Paper. Charlotte. NC. Vol.3, pp.571-578.
Trimble. GPS Pathfiner Office Getting Started Guide 2002. pp.150-156.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.