$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

지상부 바이오매스 탄소저장량의 추정에 위치 오차가 미치는 영향

Effect of Location Error on the Estimation of Aboveground Biomass Carbon Stock

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.29 no.2, 2011년, pp.133 - 139  

김상필 (연세대학교 토목환경공학과) ,  허준 (연세대학교 토목환경공학과) ,  정재훈 (연세대학교 토목환경공학과) ,  유수홍 (연세대학교 토목환경공학과) ,  김경민 (국립산림과학원)

초록
AI-Helper 아이콘AI-Helper

산림의 바이오매스 탄소저장량을 추정하는 것은 산림의 공익적인 가치를 평가하기 위해 선행되어야 하는 연구이다. 하지만 기존의 바이오매스 탄소저장량 추정에 관한 연구는 대부분 결정론적 모델이 사용되어 오차에 의한 영향을 알 수 없다는 한계를 가진다. 본 연구에서는 단양군의 지상부 바이오매스 탄소저장량 추정의 경우를 대상으로 몬테카를로 시뮬레이션을 통해 위치 오차에 의한 추정오차의 영향을 분석하고자 하였다. 기본적인 추정 방법으로는 kNN 알고리즘이 사용되었으며, 표본점의 위치에 우연오차계통오차를 추가하여 RMSE의 변화를 통해 추정오차에 미치는 영향을 분석하였다. 분석결과 일반적인 위성영상에서 발생 할 수 있는 0.5~1 영상소의 위치오차에 의해 추정의 평균 RMSE가 24.8 tonC/ha에서 26 tonC/ha로 증가하는 것으로 확인되었으며, 추정 오차의 범위는 23.8 tonC/ha에서 28.1 tonC/ha로 나타났다. 하지만, 대상지역의 특성에 의해 0.8 영상소 이상의 우연오차에 대해서는 더 이상의 RMSE 증가가 없이 수렴하는 것으로 확인되었다. 방향을 고려한 계통오차에 대한분석의 경우 실험자료에서 특정한 경향은 발견되지 않았다.

Abstract AI-Helper 아이콘AI-Helper

Estimation of biomass carbon stock is an important research for estimation of public benefit of forest. Previous studies about biomass carbon stock estimation have limitations, which come from the used deterministic models. The most serious problem of deterministic models is that deterministic model...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 국내에서도 전과정목록 자료의 불확실성 문제를 해결하기 위해 몬테카를로 시뮬레이션을 이용하거나(박지형 등, 2004), 오염 운 이동의 불확실성을 분석하는(정찬호 등, 2006) 등 몬테카를로 시뮬레이션은 불확실성 분석을 위해 널리 쓰이는 방법이다. 본 연구는 공간분석을 통한 바이오매스 추정 과정에서 필연적으로 발생하게 되는 자료 위치의 오차에 따른 추정치의 불확실성을 몬테카를로 시뮬레이션을 이용하여 분석하는데 목적이 있다.
  • 본 연구에서는 단양지역 의 Landsat TM 영상을 사용한 탄소저장량 추정의 경우를 대상으로 시뮬레이션을 통해 위치 오차가 추정값에 미치는 영향을 분석해보고자 하였다. 시뮬레이션은 우선 기본적인 추정을 실시하고, 기본추정량과 관측값의 위치에 오차를 추가한 후 추정을 다시 실시하여 얻은 추정량을 비교, 분석하여 오차의 정도 및 경향을 파악하는 방법으로 일반적인 불확실성 분석의 과정과 동일하게 진행되었다.
  • 각각 나타낸다. 본 연구에서는 탄소저장량을 추정할 때 위치오차에 의한 추정값의 불확실성을 분석하고자 참조 점의 위치를 오차를 포함하고 있는 확률변수로 가정하고 오차에 대해 시뮬레이션을 수행하여 탄소저 장량 추정값의 불확실성을 분석하고자 하였다.
  • 시뮬레이션은 우선 기본적인 추정을 실시하고, 기본추정량과 관측값의 위치에 오차를 추가한 후 추정을 다시 실시하여 얻은 추정량을 비교, 분석하여 오차의 정도 및 경향을 파악하는 방법으로 일반적인 불확실성 분석의 과정과 동일하게 진행되었다. 시뮬레 이 션을 위한 오차는 우연 오차와 계통오차를 추가하여 각각의 오차를 통해 위치 오차에 대한 추정값의 불확실성을 분석하고 방향을 고려한 계통오차의 영향존재 여부를 파악해 보고자 하였다.

가설 설정

  • 의한 오차, 4) 무작위성에 의한 우연오차로 구분할 수 있다. 결정론적 모델은 1)~3)까지의 오차에 대해서는 극복이 가능하나 4)의 무작위성 오차에 대해서는 표현이 불가능하다(박석순 등, 1993).
  • 본 연구에서는 독립변수중 목표점 및 참조점의 위치가 우연 오차를 포함하고 있다는 가정 하에 위치의 우연 오차를 확률변수로 가정하여 몬테카를로 시뮬레이션을 적용하였으며, 위치의 우연오차는 정규분포를 따른다고 가정하였다. 일반적으로 영상에서 한두 영상소 정도의 위치오차가 존재하므로 본 연구에서는 그림2와 같이 정규분포를 따르는 오차를 무작위하게 발생시켜 시뮬레이션을 수행하였다.
  • 계통오차는 어떤 오차의원인에 의해 모든 측정 값과 참값 사이에 같은 크기의 편위(侦肅)가 발생하는 것을 말한다. 본 연구에서는 위치에 계통오차가 존재할경우이는추정오차로전파되어 추정의 정확도를 낮추는 역할을 할 것으로 가정하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (16)

  1. 김종호, 이경학, 박찬우, 서정원, 손영모, 김경하, 윤호중, 박찬열, 이승우, 오정수 (2006), 산림의 공익기능 평가, 한국산림휴양학회지, 제10권, 제2호, pp. 7-15. 

  2. 농림수산식품부 (2009), 농림수산식품통계연보, pp. 53. 

  3. 박석순, 최은주 (1993), 하천 불확실성 분석을 위한 몬테카를로 시뮬레이션과 일차함수 오차분석 비교, 수질보전, 제9권, 제3호, pp. 153-158. 

  4. 박지형, 서광규 (2004), 몬테카를로 시뮬레이션을 이용한 LCI data 불확실성 처리방법론, 한국정밀공학회지, 제21권, 제12호, pp. 109-118. 

  5. 산림청 (2010), 임업통계연보, pp. 52. 

  6. 임종수, 한원성, 황주호, 정상영, 조현국, 신만용 (2009), 위성영상자료 및 국가 산림자원조사 자료를 이용한 산림 바이오매스 추정, 원격탐사학회지, 제25권, 제4호, pp. 311-320. 

  7. 장안진, 김형태 (2008), 항공사진과 LiDAR 데이터를 이용한 산림지역의 바이오매스 추정에 관한 연구, 한국지리정보학회지, 제11권, 제3호, pp. 166-173. 

  8. 정상영, 임종수, 조현국, 정진현, 김성호, 신만용 (2009), 산림 바이오매스 변환표와 위성영상을 이용한 무주군의 산림 바이오매스추정, 한국임학회지, 제98권, 제4호, pp. 409-416. 

  9. 정재훈, 허준, 유수홍, 김경민, 이정빈 (2010), kNN 알고리즘과 계절별 Landsat TM 위성영상을 이용한 단양군 지역의 지상부 바이오매스 탄소저장량 추정, 한국지형공간정보학회지, 제18권, 제4호, pp. 119-129. 

  10. 정찬호, 구민호, 서병민 (2006), 오염운 이동의 불확실성 해석을 위한 몬테카를로 시뮬레이션기법, 대한지질공학회 2006년도 학술발표회논문집, pp. 89-95. 

  11. Frenkel, D. (2004), Introduction to Monte Carlo methods, John von Neumann Institute for Computing, Vol. 23, pp. 29-59. 

  12. Greenland S. (2001), Sensitivity Analysis, Monte Carlo risk analysis, and Bayesian uncertainty assessment, Risk Analysis, Vol.21, No.4, pp. 579-583. 

  13. Kuczera, G. and Parent, G. (1998), Monte Carlo assesment of parameter uncertainty in conceptual catchment models: the Metropolis algorithm, Journal of Hydrology, Vol. 211, pp. 69-85. 

  14. Metropolis, N. and Ulam, S. (1949), The Monte Carlo method, Journal of the American Statisstical Association, Vol. 44, No. 247, pp. 335-341. 

  15. Paste, R., Morio, J. and Gland, F. (2010), An overview of importance splitting for rare event simulation, European Journal of Physics, vol. 31, pp. 1295-303. 

  16. Wu, X., Kumar, V., Quinlan, J.R., Ghosh, J., Yang, Q., Motoda, H., McLachlan, G.J., Ng, A.F.M., Liu, B., Yu, P.S., Zhou, Z.- H., Steinbach, M., Hand, D.J., and Steinberg, D. (2008), Top 10 Algorithms in Data Mining, Knowledge and Information Systems, vol. 14, No. 1, pp. 1-37 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트