선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 수목정보의 정확도와 오류는 필터링의 정확도와 직결된다. 따라서 본 연구에 적용된 필터링 알고리즘 중대한 오류가 있는지를 판단하기 위해 정량적인 분석을 실시하였다.
- 따라서 본 연구에서는 이러한 LiDAR 기술의 장점을 이용하여 산림생장인자를 추출하는 방법에 있어서 각 단계별로 다양한 알고리즘을 실험해보고 그 중 최적의 결과를 나타낸 방법을 적용하여 수목 생장인자 추출의 정확도 향상을 이루고자 하였으며, 추출된 수목 생장인자를 이용하여 IPCC 우수실행지침(GPG)의 방법론을 융합하여 이산화탄소 고정량을 추정해 보고자 한다.
- 본 연구에서는 적용된 필터링 알고리즘을 평가하기 위해서 ISPRS commission Ⅲ에서 제공하는 기준데이터 중 산림지역의 데이터를 선택하여 평가를 실시하였다. 그 결과 지면점을 비지면점으로 잘못 분류된 정보를 나타내는 2종 오류가 기존에 발표된 결과와 비교해볼 때 다소 적은 것으로 본 연구에서 구현된 필터링 알고리즘이 필터링 역할을 제대로 수행하고 있는 것으로 판단할 수 있다(표 2).
- 현재 우리나라가 IPCC에 제출하는 국가보고서는 전국산림자원조사를 토대로 작성되는데 이 조사는 10년 주기로 매년1개시·도에 대한 4km 격자의 표본현지조사를 실시하는 체계이다.
제안 방법
- 각 개체목의 위치와 수고는 Local maxima 연산을 CHM 상에 적용시켜 추출하였다. Local maxima 연산은이진 매트릭스 모양의 구조요소에 의해 결정되는 이웃화소들의 집합에서 최대값이 취해지며 아래와 같이 정의된다(Vincent, 1993; Gonzlez et al.
- 그 결과, 수식(12)의 결정계수(R2)가 가장 높았기 때문에 이를 이용하여 전체수목의 DBH를 추정하였다(그림 10).
- 하지만 항공 LiDAR 데이터에서 직접적으로 산출하기 어렵다. 따라서 현지조사에서 측정된 수목의 수고와 DBH 정보를 이용하여 아래와 같은 6개의 DBH-수고 관계식을 도출하였다.
- 또한 실험대상전체를 대상으로 추출된 수목의 정확도를 평가하기 위해 항공사진을 통해 육안으로 수관의 중심점을 판독하여 제작한 기준데이터(그림 13)을 통해 비교하였다.
- 본 연구에서는 고해상도의 항공 LiDAR 데이터를 이용하여 산림 내 분포하는 수목의 생장인자를 추정하고 이를 이용하여 IPCC에서 인정하는 이산화탄소 고정량을 추정방법을 융합하여 연구대상지의 이산화탄소 고정량을 추정하였고, 정확도 평가를 수행하였다.
- 본 연구에서는 상공에서 바라본 수관의 모양과 수목간의 최소간격을 고려해 그림8과 같은 원과 비슷한 형태(5×5 pixel)의 평평한 구조요소를 적용하였다.
- 이후 이를 이용하여 CHM을 생성하고 이로부터 개체목의 위치 및 수고를 추출하였다. 수목의 흉고직경(DBH, Diameter at Breast Height)은 현장조사에서 취득한 수목정보를 이용하여 6개의 DBH-수고 관계식을 유도한 후 그로부터 가장 적합한 관계식을 이용하여 추출된 전체수목의 DBH를 계산하였다. 이와 같이 산출된 수목정보를 이용하여 각 개개목의 체적을 도출한 후 국립산림과학원에서 발표한 바이오매스 평가방법과 국가고유계수를 적용하여(손영모 외,2007) 최종적으로 연구대상지의 이산화탄소 고정량을 추정하였다.
- 연구대상지에서 실제 이산화탄소 고정량을 산출할 영역과 20×20m의 표본지 5곳과 표본지내의 수목의 위치를 조사하기 위해 GPS(Trimble 5700)과 TS(Topcon GTS 750)을 이용하여 현지측량을 실시하였고, 수신된 GPS 데이터는 Bernese를 사용하여 처리하였다.
- 이를 위해 그림 3과 같은 체계로 프로그램 모듈을 구현하였다. 우선, 획득한 데이터를 First Return(FR), Last Return(LR)과 Unique Return(UR)으로 분리한 후 FR과 LR은 각각 DSM과 DTM 제작에 사용되었다. 이후 이를 이용하여 CHM을 생성하고 이로부터 개체목의 위치 및 수고를 추출하였다.
- 수목의 흉고직경(DBH, Diameter at Breast Height)은 현장조사에서 취득한 수목정보를 이용하여 6개의 DBH-수고 관계식을 유도한 후 그로부터 가장 적합한 관계식을 이용하여 추출된 전체수목의 DBH를 계산하였다. 이와 같이 산출된 수목정보를 이용하여 각 개개목의 체적을 도출한 후 국립산림과학원에서 발표한 바이오매스 평가방법과 국가고유계수를 적용하여(손영모 외,2007) 최종적으로 연구대상지의 이산화탄소 고정량을 추정하였다.
- 우선, 획득한 데이터를 First Return(FR), Last Return(LR)과 Unique Return(UR)으로 분리한 후 FR과 LR은 각각 DSM과 DTM 제작에 사용되었다. 이후 이를 이용하여 CHM을 생성하고 이로부터 개체목의 위치 및 수고를 추출하였다. 수목의 흉고직경(DBH, Diameter at Breast Height)은 현장조사에서 취득한 수목정보를 이용하여 6개의 DBH-수고 관계식을 유도한 후 그로부터 가장 적합한 관계식을 이용하여 추출된 전체수목의 DBH를 계산하였다.
- 전체정확도의 평가는 기준데이터의 수목중심점을 기준으로 수관의 평균지름(5m)을 고려하여 지름 2.5m의 원 내에 포함되는 LiDAR로부터 추출된 포인트들을 매칭된 것으로 간주하여 수행하였다. 그리고 이 거리 내에서 중복 추정된 포인트와 벗어난 포인트는 오류로 간주하였다(그림 14).
- 표본지조사에서는 표본지 5곳(0.2ha)내에 분포한 전체수목의 수고와 흉고직경(DBH)을 측고기(Suunto)와 직경테이프를 이용하여 조사하였다. 그 결과, 표본지내에 총 114그루의 수목이 분포하였으며, 조사된 수목의 DBH는 최소 23.
- 항공 LiDAR 데이터를 이용한 이산화탄소 산출과는 별도로 앞서 현지조사를 통하여 전체 연구대상지 1.3ha 중 0.2ha의 표본지(총 면적 대비 15.4%)에서 조사된 수목정보를 바탕으로 이산화탄소량을 산출하였다. 하지만 연구대상지내에는 임도, 하천, 무립목지가 존재하고 있어 디지타이징을 통해 이 지역의 면적을 산출한 결과 0.
대상 데이터
- 실험에 사용된 LiDAR 데이터는 Optech사의 ALTM 30/70 시스템에 의해 취득되었으며, 상세한 데이터 명세는 아래 표 1과 같다.
- 연구대상지는 경기도 포천시 소홀읍에 위치한 국립수목원 내의 침엽수원 일대로서, 연구대상지의 주요수종은 약 90년생 전나무로 이루어져있어, LiDAR 데이터의 취득시기와 현지조사시기 간에 수목의 생장은 거의 이루어지지 않았을 것으로 판단된다. 본 연구대상지는 지속적인 산림경영활동이 이루어졌기 때문에 교토의정서에서 정의한 탄소배출권을 인정하는 산림에 부합하는 지역이다.
이론/모형
- 지금까지 개발된 여러 라이다 필터링 알고리즘 중에서 Hierarchical robust interpolation 알고리즘이 산림지형에서 가장 좋은 성능을 나타내고 있다(Sithole, G 외, 2003). 따라서 본 연구에서는 LiDAR 데이터를 필터링 하는 데 있어서 Hierarchical robust interpolation 알고리즘을 적용하였다.
- Clark(2004)는 LiDAR 데이터를 기반으로 DSM과 DTM을 제작하고 두 데이터의 높이차를 이용하여 수고를 측정하였다. 또한 LiDAR 데이터로부터 도출된 수고와 현지조사로부터 얻어진 흉고직경의 관계식을 이용하여 기존의 LiDAR 데이터만으로는 한계가 있었던 흉고직경을 추정하였다(Means et al., 1999; Nilson et al., 1996). 수목의 생장인자 가운데 수관폭은 현장에서 직접 조사할 수 있지만 지형적인 영향이 너무 커 오측정을 하기 쉽고 하측식생으로 인해 측정하기 곤란한 경우가 많다.
- 본 연구에서 수목의 줄기재적(VS, Volume of Stem)을 계산을 위해 사용한 방법은 흉고형수법이다. 흉고형수법은 DBH와 같은 지름을 가지며 높이가 같은 원기둥의 부피와 줄기재적과의 관계를 고려한 것으로써, 수식은 아래와 같다(Brouard, 2009).
- 추출된 개체목의 정확도 평가에는 전통적인 오차행렬 평가방법(Girard, 2003)을 이용하였으며, 전체정확도(OA), 추가오류(CE), 누락오류(OE)의 정량화에 사용된 수식은 아래와 같다.
성능/효과
- 그 결과 연구대상지에서 총 1113.21tCO2의 이산화탄소를 고정하고 있는 것으로 나타났다. 이러한 결과는 항공 LiDAR 데이터를 이용하여 산출한 결과보다 79.
- 본 연구에서는 적용된 필터링 알고리즘을 평가하기 위해서 ISPRS commission Ⅲ에서 제공하는 기준데이터 중 산림지역의 데이터를 선택하여 평가를 실시하였다. 그 결과 지면점을 비지면점으로 잘못 분류된 정보를 나타내는 2종 오류가 기존에 발표된 결과와 비교해볼 때 다소 적은 것으로 본 연구에서 구현된 필터링 알고리즘이 필터링 역할을 제대로 수행하고 있는 것으로 판단할 수 있다(표 2).
- 2ha)내에 분포한 전체수목의 수고와 흉고직경(DBH)을 측고기(Suunto)와 직경테이프를 이용하여 조사하였다. 그 결과, 표본지내에 총 114그루의 수목이 분포하였으며, 조사된 수목의 DBH는 최소 23.90cm, 최대51.80cm, 평균35.28cm, 표준편차는6.16cm였고, 수고는 최소 18.3m, 최대 33.4m, 평균 27.07m, 표준편차는2.79m 로 조사되었다.
- 21tCO2의 이산화탄소를 고정하고 있는 것으로 나타났다. 이러한 결과는 항공 LiDAR 데이터를 이용하여 산출한 결과보다 79.63tCO2 가량 더 많은 산출결과를 나타내어 두 조사방법 간에는 약 7.2%의 차이가 있는 것으로 나타났다(표 4).
- 2%의 차이가 난 것으로 나타났다. 이러한 결과로 미루어 볼 때 현행의 현장조사 방법을 수행할 시 같은 수종과 연령, 소규모 면적일지라도 수목의 생장상태가 다를 수 있기 때문에 잘못된 표본을 선택하게 되면 큰 오차를 나타낼 수 있다는 문제가 있었다.
- 전체정확도 평가결과 매칭된 개체목의 수는 493그루로서 전체정확도는 66.26%로 나타났으며, 추가오류는 28.76%, 누락오류는 10.55%로 나타났다. 이러한 결과는 표본지-1에 분포하는 수목이 28그루인데 반해 항공사진에서는 25그루만이 식별되는 점을 미루어 볼 때 항공사진을 통해 제작된 기준데이터 자체에 육안으로 식별이 어려운 피압목으로 인해 상당수 누락된 수목이 존재하였기 때문에 많은 추가오류가 발생한 것으로 판단된다.
- 표본지-1내의 각 수목의 수고와 DBH를 추정하여 현지조사를 통해 측정된 수목정보와 비교한 결과, 평균수고는 0.86m(RMSE : 1.4388), 평균DBH는 1.37cm(RMSE : 6.1542)의 차이가 나타났다. 전체 연구대상지에 대하여 본 연구의 방식으로 추정한 수목의 정보는 표 3과 같다.
- 한편, LiDAR 방식을 이용해 산출된 이산화탄소 고정량은5곳의 표본조사를 통해 이루어진 현장조사와 비교해 볼 때IPCC에서 탄소배출권 발행을 허용하는 차이량9% 이내로서, 항공 LiDAR 기술이 현지조사를 대체할 수 있는 가능성을 확인하였다.
- 58tCO2이 산출되었다. 한편, 연구대상지 1.3ha 중 약3.1%인 0.04ha에 대한 표본지조사(1곳)를 통해 산출된 총 이산화탄소량은 1,732.27tCO2로 나타나 LiDAR 방식으로 산출한 결과와 차이가 컸으나, 약 15.4%인 0.2ha에 대한 표본지조사(5곳)를 통해 산출된 총 이산화탄소량은 1,113.21tCO2가 산출되어 두 조사방법 간에는 약7.2%의 차이가 난 것으로 나타났다. 이러한 결과로 미루어 볼 때 현행의 현장조사 방법을 수행할 시 같은 수종과 연령, 소규모 면적일지라도 수목의 생장상태가 다를 수 있기 때문에 잘못된 표본을 선택하게 되면 큰 오차를 나타낼 수 있다는 문제가 있었다.
- 항공 LiDAR 데이터를 이용하여 연구대상지 전체(1.3ha)의 수목에서 고정하고 있는 이산화탄소량을 추정한 결과 총 1,033.58tCO2의 이산화탄소를 저장하고 있는 것으로 나타났다.
후속연구
- 그러나 이러한 차이량은 누락오류와 추가오류가 상쇄되어 나타난 결과이며, 보다 복잡한 수종이 혼재된 지역에 대한 적용가능성 여부도 검증이 이루어져야 할 것이다. 향후 연구 과제로서 개체목 추출의 정확도 향상을 목표로 하고 있으며, 좀 더 신뢰도 있는 검증을 위해 정밀한 기준데이터 제작이 이루어질 것이다.
- 향후 연구 과제로서 개체목 추출의 정확도 향상을 목표로 하고 있으며, 좀 더 신뢰도 있는 검증을 위해 정밀한 기준데이터 제작이 이루어질 것이다. 또한 보다 정밀하고 다양한 산림생장인자 추출을 위해 풀웨이브폼 자료를 적용하는 방법이 진행될 것이다.
- 마지막으로 본 연구는 향후 탄소배출권거래제도 시행시 개인이 소유한 소규모 산지 뿐 만 아니라 대규모의 산림에서 고정하고 있는 이산화탄소량에 대한 보상 근거를 마련할 수 있는 기술로 사용될 수 있을 것이다.
- 그러나 이러한 차이량은 누락오류와 추가오류가 상쇄되어 나타난 결과이며, 보다 복잡한 수종이 혼재된 지역에 대한 적용가능성 여부도 검증이 이루어져야 할 것이다. 향후 연구 과제로서 개체목 추출의 정확도 향상을 목표로 하고 있으며, 좀 더 신뢰도 있는 검증을 위해 정밀한 기준데이터 제작이 이루어질 것이다. 또한 보다 정밀하고 다양한 산림생장인자 추출을 위해 풀웨이브폼 자료를 적용하는 방법이 진행될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.