가시선 분석 결과에 영향을 미치는 주요 요인으로는 지형고도, 장비의 성능 그리고 수목에 의한 차폐를 들 수 있다. 수목 차폐는 계절별로 달라지고, 수목의 밀도, 수목고 등에 의해 그 값이 변화하므로, 현실적인 가시선 분석 결과에 많은 영향을 미친다고 볼 수 있다. 본 연구에서는 NDVI와 수치지도 속성자료인 수목차폐 자료를 상관시켜 수목차폐율 값을 생성하고 이에 의한 가시선 분석을 실험지역 6개 관측지점에 대하여 수행하였다. 실험 결과, 식생 지수 NDVI와 차폐율은 상관성이 있으며, 이를 기반으로 새로운 차폐율 지도를 생성할 수 있었다. 또한 가시선 분석 결과 기존 차폐율을 고려한 가시선 분석 결과와 가시면적 차이가 있었으며, 특히 가시영역의 공간적 분포 차이가 두드러졌다.
가시선 분석 결과에 영향을 미치는 주요 요인으로는 지형고도, 장비의 성능 그리고 수목에 의한 차폐를 들 수 있다. 수목 차폐는 계절별로 달라지고, 수목의 밀도, 수목고 등에 의해 그 값이 변화하므로, 현실적인 가시선 분석 결과에 많은 영향을 미친다고 볼 수 있다. 본 연구에서는 NDVI와 수치지도 속성자료인 수목차폐 자료를 상관시켜 수목차폐율 값을 생성하고 이에 의한 가시선 분석을 실험지역 6개 관측지점에 대하여 수행하였다. 실험 결과, 식생 지수 NDVI와 차폐율은 상관성이 있으며, 이를 기반으로 새로운 차폐율 지도를 생성할 수 있었다. 또한 가시선 분석 결과 기존 차폐율을 고려한 가시선 분석 결과와 가시면적 차이가 있었으며, 특히 가시영역의 공간적 분포 차이가 두드러졌다.
The primary factors of the LOS(Line-of-Sight) analysis process are terrain height, camera capacity, and canopy cover. The canopy cover rate differs depending on the changing season, and its value is influenced by the tree density, tree height, and etc. This study generated the canopy cover value bas...
The primary factors of the LOS(Line-of-Sight) analysis process are terrain height, camera capacity, and canopy cover. The canopy cover rate differs depending on the changing season, and its value is influenced by the tree density, tree height, and etc. This study generated the canopy cover value based on relationship between NDVI(Normalized Difference Vegetation Index) and DMT(Density Measure % of Tree/Canopy Cover), which is a digital map attribute, and then performed the LOS analysis on six station of test sites. As results, It was found that NDVI and DMT are correlated with each other through the experiments. Based on this finding, new DMT map can be generated using NDVI. Also, There is a difference between the result of visibility analysis using the present DMT and one using a new DMT. Especially, the spatial distributions of the detected visible areas are significantly different between the two visibility analysis results.
The primary factors of the LOS(Line-of-Sight) analysis process are terrain height, camera capacity, and canopy cover. The canopy cover rate differs depending on the changing season, and its value is influenced by the tree density, tree height, and etc. This study generated the canopy cover value based on relationship between NDVI(Normalized Difference Vegetation Index) and DMT(Density Measure % of Tree/Canopy Cover), which is a digital map attribute, and then performed the LOS analysis on six station of test sites. As results, It was found that NDVI and DMT are correlated with each other through the experiments. Based on this finding, new DMT map can be generated using NDVI. Also, There is a difference between the result of visibility analysis using the present DMT and one using a new DMT. Especially, the spatial distributions of the detected visible areas are significantly different between the two visibility analysis results.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
DMT는 넓은 폴리곤에 하나의 값으로 지정되어 있을 뿐만 아니라, 현실적인 차폐율을 반영한다고 보기가 힘들다. 따라서 본 연구에서는 실험지역의 NDVI와 DMT 전체 화소간의 상관식을 구성하여 NDVI 기반의 차폐율지도를 제작하였다. 이때 DMT의 N/A (Not Available) 값은 계산에서 제외하였고, NDVI의 경우 1을 넘는 값은 이상치로 고려하여 제외하였다.
따라서, NDVI에 의해 계산된 식생 차폐율을 가시선 분석에 도입한다면 위성영상의 현재성을 반영한 결과를 얻을 수 있을 것으로 기대된다. 또한, 기존의 광범위한 폴리곤으로 정의된 식생차폐영역을 정밀히 개선하여 보다 현실적인 가시선 분석 결과를 얻는 가능성을 제시하였다. 제안한 방법은 계절별 차폐에 따른 관측장비의 배치에 의사결정 지원자료로서의 역할이 가능하고 위성영상에 의한 광범위한 영역의 수목차폐정보도 얻을 수 있는 것으로 기대한다.
제안 방법
DMT는 Landsat NDVI 공간해상도인 30미터 간격의 화소값으로 래스터화하였고, 이 두 개자료 화소값들의 상관식을 구성하였다. 이렇게 구한 값으로부터 NDVI는 구간별 선형 비례관계를 고려하여 DMT 값을 계산하였다.
본 연구는 가시선 분석에 수목차폐율을 반영하기 위해 수목차폐 속성(DMT)을 고도자료와 함께 입력자료로 사용하였고, 광역의 현실적인 결과 생성을 위해 Landsat NDVI의 식생차폐 상관성을 분석하여 이를 반영하였다. 가시선 분석 시뮬레이션은 고도자료만을 기준으로 가시선 분석을 실험한 경우와 식생차폐율 반영 결과와의 차이를 비교하여 그 활용가능성을 검토하였다.
5 이상만 가시되는 것으로 고려한다. 또한, DMTj는 관측대상인 j 지점의 수목차폐율로서 VITD DMT를 직접 적용한 경우와 Landsat NDVI별 DMT 를 화소별로 상관식으로부터 계산한 값을 적용한 경우를 실험하였다.
본 연구는 가시선 분석에 수목차폐율을 반영하기 위해 수목차폐 속성(DMT)을 고도자료와 함께 입력자료로 사용하였고, 광역의 현실적인 결과 생성을 위해 Landsat NDVI의 식생차폐 상관성을 분석하여 이를 반영하였다. 가시선 분석 시뮬레이션은 고도자료만을 기준으로 가시선 분석을 실험한 경우와 식생차폐율 반영 결과와의 차이를 비교하여 그 활용가능성을 검토하였다.
본 연구에서는 실험을 위해 실험영역중 가시선 분석 결과 패턴을 충분히 인식하기 위해 비교적 고도차가 크고, 평균 차폐율의 분포를 고려하여 6 곳을 관측지점으로 선정하였고, 30미터 간격의 고도자료 해상도를 감안하여 별도의 관측장비의 고도 이격은 실시하지 않았다(송현승 등, 2011). 앞에서 언급한 바와 같이 가시확률중 탐지수준 50% 이상만을 고려한 결과는 Figure 5, 6과 같다.
DMT는 Landsat NDVI 공간해상도인 30미터 간격의 화소값으로 래스터화하였고, 이 두 개자료 화소값들의 상관식을 구성하였다. 이렇게 구한 값으로부터 NDVI는 구간별 선형 비례관계를 고려하여 DMT 값을 계산하였다. 따라서 i 지점에서 j 지점까지의 가시확률 VPi, j는 거리에 따른 가시확률 DPi,j와 수목차폐율 DMT를 고려하여 식 (1)과 같이 구성될 수 있다.
대상 데이터
실험지역은 열상장비가 운용될 수 있는 한반도 중부 비접근 산악지역으로서 동물이나 사람을 관측대상 실험환경으로 구성하였다. 고도자료는 실험지역 영역내 30미터 간격의 SRTM DTED level-2를 이용하였고, 정밀 고도자료 생성을 위한 의도적인 내삽자료 생성은 하지 않았다.
거리별 탐지확률을 적용하기 위해 열상관측장비의 탐지확률 계산프로그램인 ACQUIRE를 사용하여 시뮬레이션을 수행하였다. 실험에 기반이 되는 수목차폐자료는 Figure 1과 같이 1:50,000 축척의 VITD(Feature DataBase)의 산림지역과 산림지역내 수목차폐(DMT) 자료를 이용하였으며(송현승 등, 1995), 특정 계절의 수목차폐율 고려를 위해 2006년 9월에 촬영된 Landsat 위성영상을 웹(http://glovis.usgs.gov)에서 다운받아 Figure 2의 NDVI 영상을 생성하여 적용하였다(Jensen, 2007). 또한, 가시선 분석과 ACQUIRE 모델 프로그램은 PC 상에서 C# 언어로 작성하여 실험에 적용하였다 (Figure 3 참조).
실험지역은 열상장비가 운용될 수 있는 한반도 중부 비접근 산악지역으로서 동물이나 사람을 관측대상 실험환경으로 구성하였다. 고도자료는 실험지역 영역내 30미터 간격의 SRTM DTED level-2를 이용하였고, 정밀 고도자료 생성을 위한 의도적인 내삽자료 생성은 하지 않았다.
데이터처리
거리별 탐지확률을 적용하기 위해 열상관측장비의 탐지확률 계산프로그램인 ACQUIRE를 사용하여 시뮬레이션을 수행하였다. 실험에 기반이 되는 수목차폐자료는 Figure 1과 같이 1:50,000 축척의 VITD(Feature DataBase)의 산림지역과 산림지역내 수목차폐(DMT) 자료를 이용하였으며(송현승 등, 1995), 특정 계절의 수목차폐율 고려를 위해 2006년 9월에 촬영된 Landsat 위성영상을 웹(http://glovis.
성능/효과
앞에서 언급한 바와 같이 가시확률중 탐지수준 50% 이상만을 고려한 결과는 Figure 5, 6과 같다. 탐지수준 50%미만을 고려하지 않는 것은, 현실적으로 객체를 탐지하지 못하는 확률까지를 고려하는 것이며, 전체 가시 영역에 대한 확률 분포 변화를 추정하는 측면에서도 50% 이상 가시영역 분석으로도 그 추정이 가능하다고 판단하였다. VITD DMT 폴리곤을 30미터 간격으로 래스터화한 경우와 Landsat 영상의 NDVI로부터 식 (1)과 같이 수목차폐율을 추정한 경우를 대상으로 식 (2)에 이 두 가지 경우를 적용, 가시확률을 계산한 결과를 Table 2에 나타내고 있다.
후속연구
기존에 제작된 수목차폐율 자료와 Landsat NDVI 값간의 선형 상관식을 구성하여 가시확률 기반의 가시선분석을 실험한 결과 가시영역의 일정한 패턴을 보이고 있고 이것은 차폐율과 NDVI의 상관성이 가시선 분석에 의해서도 나타난다. 따라서, NDVI에 의해 계산된 식생 차폐율을 가시선 분석에 도입한다면 위성영상의 현재성을 반영한 결과를 얻을 수 있을 것으로 기대된다. 또한, 기존의 광범위한 폴리곤으로 정의된 식생차폐영역을 정밀히 개선하여 보다 현실적인 가시선 분석 결과를 얻는 가능성을 제시하였다.
이것은 DMT가 폴리곤화 되지 않은 영역도 있으므로, 본 연구에서는 이를 차폐율 0으로 하여 계산하였으나, NDVI는 수치에 의한 계산 값을 적용하여 결과가 생성됨으로써 보다 다양한 수목차폐 효과가 반영된, 현실적인 가시확률을 보일 가능성이 있을 것으로 예상된다. 보다 정밀한 산림경계와 수목정보가 보강되어야 함에도 불구하고 연구지역의 실험자료 부족으로 이에 대한 추가 분석을 하지 못한 것은 본 연구의 한계로 볼 수 있다.
이것은 DMT가 폴리곤화 되지 않은 영역도 있으므로, 본 연구에서는 이를 차폐율 0으로 하여 계산하였으나, NDVI는 수치에 의한 계산 값을 적용하여 결과가 생성됨으로써 보다 다양한 수목차폐 효과가 반영된, 현실적인 가시확률을 보일 가능성이 있을 것으로 예상된다. 보다 정밀한 산림경계와 수목정보가 보강되어야 함에도 불구하고 연구지역의 실험자료 부족으로 이에 대한 추가 분석을 하지 못한 것은 본 연구의 한계로 볼 수 있다.
또한, 기존의 광범위한 폴리곤으로 정의된 식생차폐영역을 정밀히 개선하여 보다 현실적인 가시선 분석 결과를 얻는 가능성을 제시하였다. 제안한 방법은 계절별 차폐에 따른 관측장비의 배치에 의사결정 지원자료로서의 역할이 가능하고 위성영상에 의한 광범위한 영역의 수목차폐정보도 얻을 수 있는 것으로 기대한다. 추후 연구로서는 고해상도 영상으로부터 추출된 식생차폐율을 기반으로 광범위한 NDVI 또는 LAI(Leaf Area Index)와의 상관성을 계산하여 보다 정확한 상관식 구성 연구가 필요하며 식생지수 적용시 필요한 그림자, 수종에 따른 지수 변화요소도 지상 자료와 함께 다루어져야 할 필요가 있다.
제안한 방법은 계절별 차폐에 따른 관측장비의 배치에 의사결정 지원자료로서의 역할이 가능하고 위성영상에 의한 광범위한 영역의 수목차폐정보도 얻을 수 있는 것으로 기대한다. 추후 연구로서는 고해상도 영상으로부터 추출된 식생차폐율을 기반으로 광범위한 NDVI 또는 LAI(Leaf Area Index)와의 상관성을 계산하여 보다 정확한 상관식 구성 연구가 필요하며 식생지수 적용시 필요한 그림자, 수종에 따른 지수 변화요소도 지상 자료와 함께 다루어져야 할 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
가시선 분석 결과에 영향을 미치는 주요 요인으로 무엇이 있는가?
가시선 분석 결과에 영향을 미치는 주요 요인으로는 지형고도, 장비의 성능 그리고 수목에 의한 차폐를 들 수 있다. 수목 차폐는 계절별로 달라지고, 수목의 밀도, 수목고 등에 의해 그 값이 변화하므로, 현실적인 가시선 분석 결과에 많은 영향을 미친다고 볼 수 있다.
수목 차폐는 무엇에 따라 달라지고 변화하는가?
가시선 분석 결과에 영향을 미치는 주요 요인으로는 지형고도, 장비의 성능 그리고 수목에 의한 차폐를 들 수 있다. 수목 차폐는 계절별로 달라지고, 수목의 밀도, 수목고 등에 의해 그 값이 변화하므로, 현실적인 가시선 분석 결과에 많은 영향을 미친다고 볼 수 있다. 본 연구에서는 NDVI와 수치지도 속성자료인 수목차폐 자료를 상관시켜 수목차폐율 값을 생성하고 이에 의한 가시선 분석을 실험지역 6개 관측지점에 대하여 수행하였다.
가시선 분석 결과에 영향을 미치는 요인으로 지형고도 외에 무엇이 있는가?
, 2003). 그런데 현실적으로 가시선 분석 결과에는 지형고도 이외에도 관측장비의 성능, 산림 등에 의한 차폐비율 그리고 시선의 진행을 방해하는 환경적 요인도 많은 영향을 미치게 된다(Dean, 1997). 이것은 특히 접근불능 지역 같은 곳에서 획득된 고도자료를 기반으로 무인기의 관측운용루트 선정 그리고 경계관측장비 위치 선정에 매우 중요한 요소로 고려된다(이용웅 등, 2006; Kim et al.
참고문헌 (20)
송현승, 이병길, 박성복, 이상지, 1995, "GIS 지형지물 및 속성부호 표준화에 관한 연구", 한국지형공간정보학회논문집, 제3권, 제2호, pp.63-74.
이용웅, 박완용, 어양담, 유향미, 2005, 철책선 경계를 위한 수리적 모델 실험 연구, TEDC-517-050766, 국방과학연구소
이한민, 2011, 중거리지대공 유도무기체계 적용을 위한 가시선 분석 알고리듬 연구, 한국군사과학기술학회지, 제13권, 제4호, pp.642-649.
Barbar, L.O., 1995, Validation of Prediction Models for Target Detection and Recognition, World Scientific Publishing Co., pp.192-218.
Carreiras Joao M.B., Pereira Jose M.C., Pereira Joao S., 2006, Estimation of tree canopy cover in evergreen oak woodlands using remote sensing, Forest Ecology and Management, Vol. 223, Issues 1-3, pp.45-53.
De Floriani L. and Magillo P., 2002, Multiresolution mesh Representation :Models and Structures in Tutorials on Multiresolution in Geometric Modelling Eds A Iske, E Quak, M S Floater (Springer, Berlin), pp.363-418.
De Floriani, L. and Magillo, P., 2003, Algorithms for Visibility Computation on Terrains : A Survey, Environmental and Planning B : Planning and Design 2003, Vol. 30, pp.709-728.
Dean, D.J., 1997, Improving the accuracy of Forest Viewsheds Using Triangulated networks and the Visual Permeability method, Canadian Journal of Forest Research, Vol. 27, pp.969-977.
Hellde''n, U., and Olsson, L., 1989, Fuelwood assessment of the Kassala Province, The Democratic Republic of The Sudan. Remote Sensing Laboratory of Physical Geography, University of Lund, Sweden. Ref. FAO contract no. TF/SUD/033/-1/NET/FOOD, p.27.
Jensen, J.R, 2007, Remote Sensing of the Environment-An Earth Resource Perspective, Prentice Hall, pp.382-386.
Kim, Y.H., Rana, S. and Wise, S., 2004, Exploring Multiple Viewshed Analysis using Terrain Features and Optimisation Techniques, Computers & Geosciences, Vol. 30, pp.1019-1032.
Lee, Kyu-Sung, Kim Jeong-Hyun, 2000, Change Analysis of Forest Area and Canopy Conditions in Kaesung, North Korea Using Landsat, SPOT and KOMPSAT Data, Journal of the Korean Society of Remote Sensing, Vol.16, No.4, pp.327-338.
Llobera M., 2007, Modeling Visibility Through Vegetation, International Journal for Geographical Information Science, Vol. 21, No. 7, pp.799-810.
Tomko M., Trautwein, F. and Purves, R., 2009, Identification of Practically Visible Spatial Objects in Natural Environments, Advances in GIScience: 12th AGILE International Conference Proceeding, June 5th, Hannover, Germany, pp.1-23.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.