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
- 따라서 본 연구에서는 위성영상에서 다양한 식생지수와 밴드비 지수, 분광값을 추출하고 현장조사 자료를 활용한 학술림 잣나무지역의 회귀모형을 도출하고 재적추정을 목적으로 한다.
- 본 연구는 강원대학교 학술림을 대상으로 조사한 현장조사 자료와 Landsat TM 위성영상의 분광특성을 이용해 회귀모델 도출 후 최적의 회귀식을 통한 잣나무 임분의 재적을 추정하고 주제도 작성을 통한 산림의 통계량 산출을 하고자 하였다. 영상의 오차를 줄이기 위하여 Majority filtering을 실시하였으며, 현장조사에 의한 재적과 위성영상을 이용한 재적의 추정치를 비교하기 위하여 추정치의 오차(RMSE)와 편차(bias)를 이용하여 필터링 전과 후의 회귀모형을 비교하였다.
제안 방법
- Fransson et al.(2004)의 연구에서 표본점수를 기준으로 3단계 계층화하였는데, 본 연구는 재적 산출 후 재적중량표 및 임분수확표의 ha당 간재적량을 기준으로 100㎥미만 범위부터 500㎥ 초과의 범위까지 50㎥의 단위로 등급화 하였다.
- 20m×20m 크기의 사각형 표본점내 흉고직경 6cm이상 모든 잣나무 임목을 대상으로 수종, 흉고직경, 수고, 본수를 기록하였다.
- 회귀모형 기법은 독립변수를 위성영상의 분광 값과 그 밖의 지수로 선정한 뒤, 종속변수인재적과의 회귀식을 도출한 후, 독립변수간의 유사성을 통해 미조사지점의 재적을 추정하는 방법이다. 각 등급의 재적을 종속변수로 설정하고, 영상변환으로 취득된 11개의 변수들을 독립변수로 하는 선형회귀분석을 실시하여 예측모형을 구축하였다. 선형회귀분석을 통하여 가장 좋은 영상변환지수를 선정하고, 필터링 전과 후 예측모형의 추정오차(RMSE)와 편차(Bias)를 식 (1), 식 (2)와 같이 산출하여 비교하였다(Franco-Lopez et al.
- 첫째, 42개의 현장조사 표본점에 대한 재적 데이터를 등간격으로 계층화하였다. 둘째, 위성영상에 전처리 과정과 공간 필터링을 실시하여 영상변환지수를 산출하였다. 셋째, 현장조사 자료와 영상변화지수를 이용하여 선형회귀식을 하였으며, RMSE와 bias의 오차검증을 통하여 최적의 재적 추정식을 도출하였다.
- 본 연구에서는 수치지형도, 도로망도를 이용하여 지상기준점(Ground Control Point, GCP)을 선정하였으며, Nearest-Neighbor(NN)법으로 동경 127°, Traverse Mercator(TM)로 보정하였다. 또한, Landsat TM영상은 공간해상도가 30m로 혼합화소(mixel)에 의한 오차의 가능성이 높기 때문에 filtering을 실시하였다. filtering은 격자형태의 커널을 이용해 중앙에 위치한 픽셀의 값을 주변 화소 값의 평균값이나 중앙값으로 변화시키는 방법이다.
- 0을 사용하여 측정하였다. 또한, 위치정보는 GPS장비를 이용하여 표본점 중심의 경위도 정보를 취득하였다.
- 셋째, 현장조사 자료와 영상변화지수를 이용하여 선형회귀식을 하였으며, RMSE와 bias의 오차검증을 통하여 최적의 재적 추정식을 도출하였다. 마지막으로 임상도의 잣나무 임분을 추출하여 임분별 평균 영상 변환지수를 산출하고, 선정된 재적 추정식에 적용하여 학술림 잣나무 임분의 재적을 임반단위로 추정하였다(그림 2).
- 그러나 단순한 filtering은 원 화소 값이 변형되어 상이한 결과가 발생한다(Park, 1996). 본 연구에서 filtering은 주변 화소 값 중 가장 높은 빈도를 차지하는 값을 중앙값으로 대처하는 3 by 3 Majority filtering을 실시하였다.
- 본 연구에서는 산림의 재적을 추정하는 방법으로 회귀모형을 이용한 방법을 제안하였으며, 정보의 취득이 용이한 Landsat TM영상을 이용한 임반단위의 소면적에 대한 산림 자원량 추정이 가능하였다. 특히, 경사가 급하고 지형이 복잡한 산림지역의 자원량 파악이 가능하였으며, 국가차원 뿐만 아니라, 지역별 소면적에 대한 추정을 통하여 산림경영 목적에 맞는 정확한 정보 제공이 가능할 것으로 생각된다.
- 본 연구는 강원대학교 학술림을 대상으로 조사한 현장조사 자료와 Landsat TM 위성영상의 분광특성을 이용해 회귀모델 도출 후 최적의 회귀식을 통한 잣나무 임분의 재적을 추정하고 주제도 작성을 통한 산림의 통계량 산출을 하고자 하였다. 영상의 오차를 줄이기 위하여 Majority filtering을 실시하였으며, 현장조사에 의한 재적과 위성영상을 이용한 재적의 추정치를 비교하기 위하여 추정치의 오차(RMSE)와 편차(bias)를 이용하여 필터링 전과 후의 회귀모형을 비교하였다. 필터링을 실시한 회귀모형의 RMSE는 67.
- 본 연구는 총 4단계로 구성되었다. 첫째, 42개의 현장조사 표본점에 대한 재적 데이터를 등간격으로 계층화하였다. 둘째, 위성영상에 전처리 과정과 공간 필터링을 실시하여 영상변환지수를 산출하였다.
- 7㎥/ha로 필터링을 실시하지 않은 회귀모형보다 낮게 나타나 필터링 후의 회귀모형이 적합한 것으로 선정되었다. 필터링 후의 회귀모형을 이용하여 임반단위로 재적을 산출하고 주제도를 작성하였다. 임반단위의 총재적은 약 160,947㎥로 실제 학술림 잣나무림의 재적보다 약 1.
대상 데이터
- 본 연구에 사용된 GIS 자료는 학술림 임상도와 임소반도, 임도망도를 사용하였으며, 위성영상은 2009년 5월 25일 촬영된 Landsat TM(row 115/path 34)을 사용하였다. Landsat TM 영상은 1984년 3월 발사된 중해상도 위성으로 탐지면적 185km, 촬영주기 16일, 7개의 밴드로 구성된다. 본 연구에 사용된 밴드값은 6번 열적외선 밴드를 제외한 6개 밴드의 화소값 DN(Digital Number)을 이용하였다(Jensen, 2005).
- 본 연구는 강원도 홍천군과 춘천시에 위치한 강원대학교 학술림을 대상으로 하였다(그림 1). 면적은 약 3,147ha로 총 33개임반과 158개 소반, 1,419개 보조소반으로 이루어져 있으며, 경위도는 북위 37°46′~ 37°51′, 동경 127°48′~ 127°52′사이에 위치한다.
- 본 연구는 총 4단계로 구성되었다. 첫째, 42개의 현장조사 표본점에 대한 재적 데이터를 등간격으로 계층화하였다.
- 본 연구에 사용된 GIS 자료는 학술림 임상도와 임소반도, 임도망도를 사용하였으며, 위성영상은 2009년 5월 25일 촬영된 Landsat TM(row 115/path 34)을 사용하였다. Landsat TM 영상은 1984년 3월 발사된 중해상도 위성으로 탐지면적 185km, 촬영주기 16일, 7개의 밴드로 구성된다.
- Landsat TM 영상은 1984년 3월 발사된 중해상도 위성으로 탐지면적 185km, 촬영주기 16일, 7개의 밴드로 구성된다. 본 연구에 사용된 밴드값은 6번 열적외선 밴드를 제외한 6개 밴드의 화소값 DN(Digital Number)을 이용하였다(Jensen, 2005).
- 전처리 과정과 공간 필터링을 실시한 위성영상은 11개(TM Band 1-5, 7, BandRatio 1-3, NDVI, TC G)의 영상변환지수를 사용하여, 결정계수가 가장 높은 지수를 선정하였다. NDVI는 Rouse et al.
- 현장조사는 강원대학교 학술림 잣나무림에 대한 현장답사를 통해 66개의 후보지중 최종 42개의 표본점을 조사하였으며, 조사 시기는 2012년 4월 27일~5월 20일이다. 20m×20m 크기의 사각형 표본점내 흉고직경 6cm이상 모든 잣나무 임목을 대상으로 수종, 흉고직경, 수고, 본수를 기록하였다.
데이터처리
- 각 등급의 재적을 종속변수로 설정하고, 영상변환으로 취득된 11개의 변수들을 독립변수로 하는 선형회귀분석을 실시하여 예측모형을 구축하였다. 선형회귀분석을 통하여 가장 좋은 영상변환지수를 선정하고, 필터링 전과 후 예측모형의 추정오차(RMSE)와 편차(Bias)를 식 (1), 식 (2)와 같이 산출하여 비교하였다(Franco-Lopez et al., 2001; Yim et al., 2007).
- 둘째, 위성영상에 전처리 과정과 공간 필터링을 실시하여 영상변환지수를 산출하였다. 셋째, 현장조사 자료와 영상변화지수를 이용하여 선형회귀식을 하였으며, RMSE와 bias의 오차검증을 통하여 최적의 재적 추정식을 도출하였다. 마지막으로 임상도의 잣나무 임분을 추출하여 임분별 평균 영상 변환지수를 산출하고, 선정된 재적 추정식에 적용하여 학술림 잣나무 임분의 재적을 임반단위로 추정하였다(그림 2).
이론/모형
- 따라서 Yim et al.(2009)이 임상에 따른 재적 추정에 사용했던 3가지의 밴드를 사용하였다.
- (1974)에 의하여 개발된 지수로서 식생의 성장과 식생상태에 대한 계절적 변화나 연간 변화를 모니터링 할 수 있다. 또한, Tasseled Cap은 Crist and Cicone(1984)에 의하여 개발된 지수로 도시지역 식별에 유리한 토양명도(brightness)와 생물량이 클 수록 더 밝은 색을 띄는 녹색식생(greenness), 수분함량이 많을수록 밝은 색을 띄는 습윤지수(wetness) 3가지로 변환되는 방법으로 본 연구에서는 식생지역식별에 용이한 녹색식생지수를 사용하였다. 한편, 밴드비는 원격탐사자료의 비율변환으로서 환경조건들의 효과를 줄여줄 뿐만 아니라 산림의 성장모니터링, 습지식생도, 식물의 생산량 및 생육현상 진단 등 식생의 지표로 많이 활용되고 있다(Kwon et al.
- 본 연구에서는 수치지형도, 도로망도를 이용하여 지상기준점(Ground Control Point, GCP)을 선정하였으며, Nearest-Neighbor(NN)법으로 동경 127°, Traverse Mercator(TM)로 보정하였다.
- 임목재적은 현장조사를 통하여 취득한 흉고직경과 수고 정보를 잣나무 수간재적표(Korea Foret Service, 2009)에 적용하여 산출하였고, ArcGIS 9.3을 이용해서 GIS DB로 구축하였다. Fransson et al.
성능/효과
- FS재적과 RS재적을 구간별로 분석한 결과, 100㎥/ha 이하의 구간을 제외한 모든 구간에서 필터링을 실시하지 않은 RS재적이 높았다. 또한, 200~250㎥/ha구간은 FS재적과 RS재적의 차이가 필터링 전과 후에 따라 각각 16㎥/ha, 6㎥/ha으로 가장 낮았으며, 100~150㎥/ha 구간은 FS와 RS의 재적차이가 필터링 전과 후에 따라 각각 66㎥/ha, 37㎥/ha으로 가장 높았다.
- Landsat TM 영상을 이용한 11개 인자와 표본점의 재적을 활용하여 다중회귀분석을 실시하였으며, 다중 공선성과 유의성 검사, Durbin-Watson값에 의하여 이상치로 나타난 인자는 제외하였다. 다중회귀 분석을 통하여 필터링 전과 후 모두 NDVI와 TC G인자를 이용한 회귀식이 도출되었다. 인자간의 다중 공선성은 필터링전과 후가 각각 4.
- FS재적과 RS재적을 구간별로 분석한 결과, 100㎥/ha 이하의 구간을 제외한 모든 구간에서 필터링을 실시하지 않은 RS재적이 높았다. 또한, 200~250㎥/ha구간은 FS재적과 RS재적의 차이가 필터링 전과 후에 따라 각각 16㎥/ha, 6㎥/ha으로 가장 낮았으며, 100~150㎥/ha 구간은 FS와 RS의 재적차이가 필터링 전과 후에 따라 각각 66㎥/ha, 37㎥/ha으로 가장 높았다. 한편, 500㎥/ha 이하의 구간에서는 RS재적이 과대추정 된 반면, 500㎥/ha 이상의 구간은 FS재적보다 RS재적이 약 20% 과소추정 되었다(그림 3).
- 6㎥/ha 낮았다. 또한, bias는 필터링 전과 후가 각각 -12.8㎥/ha, 9.7㎥/ha으로 필터링 후의 RS재적이 약 3㎥/ha낮아 필터링 후의 회귀 모형이 적합한 것으로 선정되었다(표 3). 한편, Yim et al.
- 다중회귀 분석을 통하여 필터링 전과 후 모두 NDVI와 TC G인자를 이용한 회귀식이 도출되었다. 인자간의 다중 공선성은 필터링전과 후가 각각 4.77, 4.53으로 10이하로 낮게 나타났으며, 유의성 검증은 필터링 전과 후가 각각 0.002, 0.001로 모형이 적합한 것으로 나타났다. 또한, 잔차에 대한 상관관계를 나타내는 Durbin-Watson값은 필터링 전과 후가 각각 2.
- 필터링을 실시한 회귀모형을 이용하여 학술림 잣나무림 지역에 대한 재적을 임반단위로 추정한 결과, 총 재적은 약 161천㎥이며, ha당 평균 재적은 약 315㎥/ha으로 실제 학술림의 잣나무림보다 약 1.2배 높게 과대추정 되었다. 이는 잣나무림의 분포가 활엽수림 내 작은 면적으로 분포하거나 밀집되지 않은 형태의 분포를 가지고 있어 영상의 주변 화소값에 의한 변형으로 인하여 재적값이 과대추정된 것으로 판단된다.
- 영상의 오차를 줄이기 위하여 Majority filtering을 실시하였으며, 현장조사에 의한 재적과 위성영상을 이용한 재적의 추정치를 비교하기 위하여 추정치의 오차(RMSE)와 편차(bias)를 이용하여 필터링 전과 후의 회귀모형을 비교하였다. 필터링을 실시한 회귀모형의 RMSE는 67.5㎥/ha, bais는 9.7㎥/ha로 필터링을 실시하지 않은 회귀모형보다 낮게 나타나 필터링 후의 회귀모형이 적합한 것으로 선정되었다. 필터링 후의 회귀모형을 이용하여 임반단위로 재적을 산출하고 주제도를 작성하였다.
- 현장조사 표본점의 평균 흉고직경은 16.3cm~45.4cm의 분포로 평균 28.4cm이며, 평균수고는 8.2m~26.1m의 분포로 평균 15.7m로 분석되었다. 임분밀도는 평균 742본으로 국립산림과학원에서 발표한 잣나무 생산목표별 시업체계의 본수와 비교하여 약 1.
- 현장조사된 표본점의 정보를 상관분석한 결과, 임분밀도를 제외한 모든 조사인자의 상관관계가 약 0.75이상으로 높았으며, 임령과 평균직경의 관계가 R=0.85로 가장 높았다. 또한, ha 당 재적과의 상관관계는 평균수고와 평균직경이 약 R=0.
- 회귀모형에 의한 재적과 인자간의 상관관계는 필터링 전과 후가 각각 0.814, 0.824로 모두 높은 상관관계를 보였으며, 결정계수는 필터링 전과 후가 각각 R2=0.736, R2=0.753으로 필터링을 실시한 회귀모형이 약 0.017 높았다. 회귀모형은 필터링 후가 필터링 전보다 상관관계와 결정계수가 모두 높았다(표 2).
- 017 높았다. 회귀모형은 필터링 후가 필터링 전보다 상관관계와 결정계수가 모두 높았다(표 2).
후속연구
- 본 연구에서는 산림의 재적을 추정하는 방법으로 회귀모형을 이용한 방법을 제안하였으며, 정보의 취득이 용이한 Landsat TM영상을 이용한 임반단위의 소면적에 대한 산림 자원량 추정이 가능하였다. 특히, 경사가 급하고 지형이 복잡한 산림지역의 자원량 파악이 가능하였으며, 국가차원 뿐만 아니라, 지역별 소면적에 대한 추정을 통하여 산림경영 목적에 맞는 정확한 정보 제공이 가능할 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.