[논문]라이다 자료와 정사영상을 이용한 산림지역의 수목영역추출

김의명

doi:10.7319/kogsis.2013.21.2.027

라이다 자료와 정사영상을 이용한 산림지역의 수목영역추출
Extraction of the Tree Regions in Forest Areas Using LIDAR Data and Ortho-image 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.21 no.2, 2013년, pp.27 - 34

초록
AI-Helper

지구온난화에 대한 관심이 증가함에 따라 온실가스를 저감할 수 있는 산림자원에 대한 관심도가 증가되고 있다. 이러한 산림자원에 대한 정보는 대부분 항공사진 또는 위성영상을 이용한 도화에 의해 구축되었다. 그러나 영상정보만을 이용한 경우 수목이 울창한 산림지역의 수고정보를 정확하게 구축하지 못하는 단점이 발생하였다. 이에 본 연구에서는 라이다 자료와 정사영상을 이용하여 산림지역에서 개별 수목을 분리하고 수고정보를 효율적으로 획득할 수 있는 자료처리 방법을 제안하였다. 라이다를 이용한 자료처리는 정규화된 수치표면모형을 생성한 후 국지적 최대값 필터링을 통하여 수목점을 추출하였다. 또한 정사영상을 이용한 자료처리는 수목영역을 추출하기 위하여 객체기반 영상분류법을 적용하였다. 그리고 라이다 및 정사영상의 결과를 조합하여 최종 수목점을 추출하였다. 용인지역에 대한 실험을 통하여 라이다 자료와 정사영상을 각각 이용하는 방법에 대한 장단점을 분석하고 두 자료를 융합하여 산림지역에서 개별 수목에 대한 정보를 획득할 수 있었다. 이를 통해 제안한 방법의 효율성을 검증할 수 있었다.

Abstract ▼ AI-Helper

Due to the increased interest in global warming, interest in forest resources aimed towards reducing greenhouse gases have subsequently increased. Thus far, data related to forest resources have been obtained, through the employment of aerial photographs or satellite images, by means of plotting. However, the use of imaging data is disadvantageous; merely, due to the fact that recorded measurements such as the height of trees, in dense forest areas, lack accuracy. Within such context, the authors of this study have presented a method of data processing in which an individual tree is isolated within forested areas through the use of LIDAR data and ortho-images. Such isolation resulted in the provision of more efficient and accurate data in regards to the height of trees. As for the data processing of LIDAR, the authors have generated a normalized digital surface model to extract tree points via local maxima filtering, and have additionally, with motives to extract forest areas, applied object oriented image classifications to the processing of data using ortho-images. The final tree point was then given a figure derived from the combination of LIDAR and ortho-images results. Based from an experiment conducted in the Yongin area, the authors have analyzed the merits and demerits of methods that either employ LIDAR data or ortho-images and have thereby obtained information of individual trees within forested areas by combining the two data; thus verifying the efficiency of the above presented method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 라이다 자료와 RGB 컬러영상자료를 이용하여 객체기반 영상분류법을 적용하여 산림지역에서 수목정보를 찾는 기법에 대해서 연구를 수행하였다. 기존의 연구와의 차이점은 본 연구에서는 라이다 자료와 정사영상을 이용하여 산림지역에서 수목정보를 추출하는 방법론을 개발하였다.
본 연구에서는 산림지역에 존재하는 수목을 추출하는 것을 목적으로 라이다 자료와 정사영상을 이용하였으며 다음과 같은 결론을 도출하였다.

제안 방법

후)컬러 영상자료를">컬러영상자료를 이용하여 객체기반 영상분류법을 적용하여 산림지역에서 수목정보를 찾는 기법에 대해서 연구를 수행하였다. 기존의 연구와의 차이점은 영상분류를 수행할 때 선행연구에서는 주로 근적외선 파장의 정보를 이용하는 식생지수를 이용한 반면 본 연구에서는 RGB 영상을 이용하였다. 또한 기존의 연구방법은 주로 일반적인 감독 분류 또는 후)높이임계 값의">높이임계값의 설정은 대상지역마다 다를 수 있으며 본 연구에서는 다소 완만한 경사가 있는 지역에서 수목점들이 분포하기 때문에 높이값을 1.3m로 설정하여 국지적 최대값 필터링 연산을 수행하고 그 이상인 점을 수목점으로 자료처리하였다.
4와 같이 직경 3m를 이용하였다. 또한 높이 임계값은 1.3m 이상으로 설정하고 임계값 이하인 영역에 대해서는 1값이 할당되도록 하고 임계값 이상인 지역에 대해서는 NDSM의 높이값이 할당되도록 한 후 국지적 최대값 필터링을 수행하였다.
또한 수목의 영역 추출 및 수고정보를 획득하기 위해서 기존에는 주로 위성영상 또는 항공사진을 이용하여 도화사가 직접 디지털 도화를 하여 자료를 획득하였다. 그러나 산림지역에서 수목이 울창한 지역의 경우 라이다 기반의 수목점 추출결과와 영상기반의 수목 영역 자료를 중첩하여 비지면이면서 수목영역에 해당하는 최종적인 개별 수목점을 추출하였으며 그 결과는 Fig. 11과 같다.
라이다 자료로 부터 지면점과 비지면점을 분리한 후 NDSM을 생성한다. NDSM은 수목점 추출을 위해서 국지적 최대값 필터링을 통해서 수목점을 추출한 결과와 비지면점중에서 라이다">추출한다. 라이다 자료처리를 통해서 추출한 결과와 정사영상을 이용하여 추출한 결과를 중첩하여 산림영역에서 수목점을 추출한다.
본 연구의 방법론이 적용된 Fig. 11의 결과에서 수목 영역에 대한 면적을 산출하기 위해서 폴리곤화 작업을 수행하였다. 이를 위해 Fig.
수목을 추출하기 위한 최소 크기, 원형의 기하특성을 고려하여 객체기반 분류를 수행한다. 그리고 나서 일반화기법을 적용하여 후)수목영역에">수목 영역에 대한 면적을 산출하기 위해서 폴리곤화 작업을 수행하였다. 이를 위해 Fig. 11의 수목점을 래스터 자료로 변환한 후 Fig. 13과 같이 팽창(dilation)과 침식(erosion)을 연산을 수행하였다. ArcGIS Desktop에서 팽창과 후)정사 영상에서">정사영상에서 트레이닝 셋을 이용하여 영상소의 개연성(probability)의 임계값을 95%로 설정하여 Fig. 8(a)와 같이 수목(흰색)과 비수목영역(검정색)을 분류하였다.
첫째, 라이다 자료와 정사영상을 이용하여 산림지역에서 개별 수목을 분리하고 수고정보를 효율적으로 획득할 수 있는 자료처리 방법을 제안하였다.

대상 데이터

국지적 최대값 필터링을 수행할 때 구조요소는 수목의 형상과 유사한 원형형태를 사용하였으며 구조요소의 크기는 Fig. 4와 같이 직경 3m를 이용하였다. 또한 높이 임계값은 1.
후)영상 분류를">영상분류를 통해 수목을 추출하는 연구가 대부분이다. 또한 영상을 이용할 경우 주로 식생지수를 추출할 수 있는 근적외선 파장대 영역의 정보가 있는 자료를 이용하였다.
라이다">이용하였다. 라이다 자료와 항공사진은 Leica사에서 만든 ALS50와 ADS40 디지털 카메라를 각각 이용하였다. 후)연구대상 지역은">연구대상지역은 용인시 주변의 산림지역으로 2009년 10월 항공촬영된 자료를 이용하였다. 라이다 자료와 항공사진은 Leica사에서 만든 ALS50와 ADS40 후)정사 영상은">정사영상은 객체기반 분류를 위하여 트레이닝 데이터셋을 수집하고 분류한 후 Raster Object Creators 기능을 이용하여 gray scale 영상을 생성한다.
데이터처리
- 라이다">것이다. 라이다 자료처리는 ArcGIS Desktop 10.1 소프트웨어를 이용하였고 정사영상을 이용하여 객체기반분류를 수행하는 과정은 Erdas Imagine 2010 Objective 소프트웨어를 이용하였다.
- NDSM에서 수목점을 추정하기 위해서 국지적 최대값 필터링 연산을 수행하면 된다. 이를 위해 ArcGIS Desktop에서 래스터자료에서 주변 값들의 통계값에 대한 처리가 가능한 Focal Statistics 툴과 지도대수(Map algebra)를 이용하여 래스터 자료에 대한 처리를 수행할 수 있는 Raster Calculator 툴을 이용하였다. 국지적 최대값 필터링의
  이론/모형
  - 13과 같이 팽창(dilation)과 침식(erosion)을 연산을 수행하였다. ArcGIS Desktop에서 팽창과 침식연산은 각각 Expand와 Shrink 툴을 이용하였다.
  - DSM에서 지면점에 해당하는 높이값인 DEM을 빼주어 동일한 기준면에서 비지면점의 높이값을 알 수 있도록 NDSM(Normalized Digital Surface Model)을 생성한다.
  - 후)객체 기반">객체기반 분류를 수행한다. 그리고 나서 일반화기법을 적용하여 벡터형태의 수목영역을 추출한다. 이제 후)영상 분류를">영상분류를 수행할 때 선행연구에서는 주로 근적외선 파장의 정보를 이용하는 식생지수를 이용한 반면 본 연구에서는 RGB 영상을 이용하였다. 또한 기존의 연구방법은 주로 일반적인 감독 분류 또는 무감독분류에 의한 영상분류법을 적용하였으나 본 연구에서는 객체기반 영상분류법을 적용하였다.
  - 후)수리 형태학적인">수리형태학적인 연산은 Raster Object Operators 기능을 이용하여 수행하고 그 결과를 벡터화한다. 산림영역으로 간주하기 어려운 작은 지역은 Vector Object Operators 기능을 이용하여 제거하고 일정한 면적을 갖고 원형의 특성을 갖는 산림영역을 Vector Object Processor를 이용하여 영상을 이용한 자료처리에는 객체기반 영상분석법을 적용하여 수목영역을 추출하였다. 객체기반

질의응답

핵심어	질문	논문에서 추출한 답변
	라이다는 어떻게 구성되는가?	라이다는 주로 항공기에 탑재하여 스캐닝 거울에 의해 비행경로를 따라 지상을 향해서 발사되는 레이저를 사용하기 때문에 항공레이저스캐너(ALS : Airborne Laser Scanner)로도 부른다. 라이다의 구성은 거리를 관측하기 위해서 빛 즉, 레이저를 이용하는 능동센서체계로서 항공기의 위치를 결정하는 GPS(Global Positioning System), 항공기의 자세를 결정하는 INS(Inertial Navigation System) 또는 IMU(Inertial Measurement Unit), 그리고 지표면을 스캐닝 할 수 있는 레이저스캐너로 구성되어 있다(Kim, 2009).
	객체기반 영상분석법은 객체의 어떠한 공간적인 특성을 이용하는가?	이 방법은 영상소의 밝기값, 질감, 분광정보 등을 이용하여 영상 내에서 배경과 객체를 분할 (segmentation)한다. 또한 객체의 모양, 크기, 방향 등의 공간적인 특성을 이용하는 방법이다. 객체기반 영상 분석법의 기초는 퍼지이론에 기반을 두고 있다 (Chepkochei, 2011).
	정사영상의 장점은 무엇인가?	이러한 변위를 제거하여 지도와 같은 정사투영의 기하학적 특징을 갖는 영상을 정사영상이라고 한다. 정사영상은 영상이 갖고 있는 장점과 지도의 장점을 가지고 있기 때문에 영상에 포함된 모든 지모․지몰의 상호위치관계가 지형도와 동일함에 따라 영상을 통해서 직접적으로 거리, 각도, 평면좌표 및 면적 등의 정보를 얻을 수 있는 장점이 있다(Yeu and Schenk, 2001). 또한 정사영상은 칼라정보를 통해서 대상물에 대한 시각적인 이해도를 높일 뿐만 아니라 시멘틱 정보가 풍부한 장점이 있다.

참고문헌 (14)

Chang, A., Kim, H., 2008, Study of biomass estimation in forest by aerial photograph and LiDAR data, Journal of the Korean Association of Geographic Information Studies, Vol. 11, No. 3, pp.166-173.
Chepkochei, L., 2011, Object-oriented image classification of individual trees using ERDAS Imagine Objective: case study of Wanjohi area, Lake Naivasha basin, Kenya, Procedings of Kenya Geothermal Conference.
Cho, D., Kim, E., 2010, Extraction of spatial information of tree using LIDAR data in urban area, Journal of The Korean Society for Geospatial Information System, Vol. 18, No. 4, pp.11-20.
Cho, M., Mathieu, R., Asner, G., Naidoo, L., Aardt., J., Ramoelo, A., Debba, P., Wessels, K., Main, R., Smit, I., Erasmus, B., 2012, Mapping tree species composition in South African savannas using an integrated airborne spectral and LiDAR system, Remote Sensing of Environment, Vol. 125, pp.214-226.

상세보기
Demir, N., Poli, D., Baltsavias, E., 2008, Extraction of buildings and trees using image and LiDAR data, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IAPRS, Vol. XXXVII, Part B4, pp.313-318.
Kao, D. L., Kramer, M. G., Love, A. L., Dungan, J. L., Pang, A. T., 2005, Visualizing distributions from multi-return Lidar data to understand forest structure, Cartographic Journal, vol. 42, no. 1, pp.35-47.

상세보기
Kim, E., 2009, Building boundary extraction of airborne LIDAR data by image-based and point-based data analysis, Journal of The Korean Society for Geospatial Information System, Vol. 17, No. 1, pp. 43-52.
Kim, E., Cho, D., 2011, Extraction of the Street Trees Information Using LIDAR Data, 2011 Joint Conference of The Korean Society of Cadastre and The Korean Cadastre Information Association, pp. 155-167.
Kim. H., Kim, H., Cho, S., Kang, H., Lee, S., 2012, GIS？RS-based estimation of carbon dioxide absorption and bioenergy supply potential of forest - focused on Muju county, Jeonbuk, Journal of Agriculture and Life Science, Vol. 45, No. 1, pp.21-32.
Kwak, D., Lee, W., Son, M., 2005, Application of LiDAR for measuring individual trees and forest stands, Journal of Korean Forest Society, Vol. 94, No. 6, pp.431-440.
Pascual, C., Garcia-Abril, A., Garcia-Montero, L. G., Martin-Fernandez, S., Bohen, W.B., 2008, Objectbased Semi-automatic Approach for Forest Structure Characterization Using Lidar Data in Heterogeneous Pinus Sylvestris Stands, Forest Ecology and Management, vol. 255, no. 11, pp.3677-3685.

상세보기
Taguchi, H., Endo, T., Setojima, M., Yasuoka, Y., 2006, A New Method for Individual Tree Detection Using Airborne LiDAR Pulse Data, Proc. Asian Conference on Remote Sensing, P-1, p.19.
Yeu, B., Schenk, T., 2001, Modern digital photogrammetry, Munundang.
Yoon, J., Lee, K., Shin, J., 2006, Characteristics of airborne Lidar data and ground points separation in forested area, Korean Journal of Remote Sensing, Vol. 22, No. 6, pp.533-542.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증