이 연구의 목적은 고밀도의 LiDAR 자료를 이용하여 산림에 대한 정보를 보다 정확하게 정량화하기 위한 방법을 연구하는데 있다. 기후변화와 관련하여 온실가스 흡수량 확보를 위한 산림자원의 정량적 분석을 위해 고밀도의 LiDAR 자료 획득방법과 산림자원의 추출방안을 연구하였다. 그 결과, 고밀도의 LiDAR 자료를 이용하여 산림자원의 객체별 수고 및 수관을 추출 할 수 있었다. 산림자원의 수고 및 수관의 추출은 수치지형도 제작에 사용되는 평균 2.5points/㎡의 저밀도 LiDAR 자료를 사용할 경우 정확한 추출이 어려웠다. 지형, 산림자원의 특성, 데이터 용량 및 처리속도 등을 고려하여 7points/㎡의 고밀도 LiDAR 자료를 이용할 경우 다수의 개체를 추출할 수 있었다. 산악지형과 혼합지형이 대체적으로 평탄지형보다 점밀도가 높고 다수의 산림자원이 추출되었다. 또한 도엽별로 처리할 경우 경계지역에서의 개체를 추출 할 수 없었으며, 넓은 지역을 한번에 처리하기 보다는 처리시간과 대상지역의 특성을 고려하여 지역을 세분화하여 추출하여야 함을 알 수 있었다. 향후 산림자원 정보를 이용한 온실가스 흡수량에 대한 심도있는 연구가 이루어져야할 것이다.
이 연구의 목적은 고밀도의 LiDAR 자료를 이용하여 산림에 대한 정보를 보다 정확하게 정량화하기 위한 방법을 연구하는데 있다. 기후변화와 관련하여 온실가스 흡수량 확보를 위한 산림자원의 정량적 분석을 위해 고밀도의 LiDAR 자료 획득방법과 산림자원의 추출방안을 연구하였다. 그 결과, 고밀도의 LiDAR 자료를 이용하여 산림자원의 객체별 수고 및 수관을 추출 할 수 있었다. 산림자원의 수고 및 수관의 추출은 수치지형도 제작에 사용되는 평균 2.5points/㎡의 저밀도 LiDAR 자료를 사용할 경우 정확한 추출이 어려웠다. 지형, 산림자원의 특성, 데이터 용량 및 처리속도 등을 고려하여 7points/㎡의 고밀도 LiDAR 자료를 이용할 경우 다수의 개체를 추출할 수 있었다. 산악지형과 혼합지형이 대체적으로 평탄지형보다 점밀도가 높고 다수의 산림자원이 추출되었다. 또한 도엽별로 처리할 경우 경계지역에서의 개체를 추출 할 수 없었으며, 넓은 지역을 한번에 처리하기 보다는 처리시간과 대상지역의 특성을 고려하여 지역을 세분화하여 추출하여야 함을 알 수 있었다. 향후 산림자원 정보를 이용한 온실가스 흡수량에 대한 심도있는 연구가 이루어져야할 것이다.
The objective of this study is in investigating the research for more accurately quantify the information on mountain forest by using the data on high density LiDAR. For the quantitative analysis of mountain forest resources, we investigated the method to acquire the data on high density LiDAR and e...
The objective of this study is in investigating the research for more accurately quantify the information on mountain forest by using the data on high density LiDAR. For the quantitative analysis of mountain forest resources, we investigated the method to acquire the data on high density LiDAR and extract mountain forest resources. Consequently, the height and girth of a tree each mountain forest resources could be extracted by using the data on high density LiDAR. When using the data on low density LiDAR of 2.5points/m2 in average used to produce digital map, it was difficult to extract the exact height and girth of mountain forest resources. If using the data on high density LiDAR of 7points/m2 by considering topography, the property of mountain forest resources, data capacity and process velocity, etc, it was found that multitudinous entities could be extracted. It was found that mountain topography and mixed topography were generally denser than plane topography and multitudinous mountain forest resources could be extracted. Furthermore, it was also found that the entity at the border could not be extracted, when each partition was individually processed and the area should be subdivided and extracted by considering the process time and property of target area rather than processing wide area at once. We expect to be studied more profoundly the absorption quantity of greenhouse gas later by using information on mountain forest resources in the future.
The objective of this study is in investigating the research for more accurately quantify the information on mountain forest by using the data on high density LiDAR. For the quantitative analysis of mountain forest resources, we investigated the method to acquire the data on high density LiDAR and extract mountain forest resources. Consequently, the height and girth of a tree each mountain forest resources could be extracted by using the data on high density LiDAR. When using the data on low density LiDAR of 2.5points/m2 in average used to produce digital map, it was difficult to extract the exact height and girth of mountain forest resources. If using the data on high density LiDAR of 7points/m2 by considering topography, the property of mountain forest resources, data capacity and process velocity, etc, it was found that multitudinous entities could be extracted. It was found that mountain topography and mixed topography were generally denser than plane topography and multitudinous mountain forest resources could be extracted. Furthermore, it was also found that the entity at the border could not be extracted, when each partition was individually processed and the area should be subdivided and extracted by considering the process time and property of target area rather than processing wide area at once. We expect to be studied more profoundly the absorption quantity of greenhouse gas later by using information on mountain forest resources in the future.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 고밀도의 LiDAR(Light Detection and Ranging ; 레이저측량) 자료를 이용하여 산림에 대한 정보를 정확하게 정량화하기 위한 방법을 연구하는데 목적이 있다. 기후변화와 관련하여 지구의 탄소량을 저감하기 위한 많은 정책과 노력들이 진행 중에 있으며, 이의 일환으로 탄소배출 저감 방안 외에 발생된 탄소의 흡수원을 확보하기 위한 방안 또한 필요하게 됨으로써, 조림사업 등이 진행되고 있다.
본 연구에서는 기후변화에 따른 탄소흡수량 확보를 위한 정확한 산림 바이오매스를 추정하기 위해 고밀도의 LiDAR 자료를 이용한 산림자원의 추출방법을 연구하고자 한다. 즉, 기존의 현지조사, 저밀도의 LiDAR 자료, 디지털항공사진 영상, 위성영상 등을 이용한 방법보다 고밀도의 LiDAR 자료를 이용하여 좀 더 정확한 산림 바이오매스를 추정하기 위한 방법을 연구하고자 한다.
이 연구에서는 기후변화와 관련하여 온실가스 흡수량 확보를 위한 산림자원의 정량적 분석을 위해 고밀도의 LiDAR 자료를 이용한 산림자원의 추출방안을 연구한 결과 다음과 같은 결론을 얻을 수 있었다.
즉, 기존의 현지조사, 저밀도의 LiDAR 자료, 디지털항공사진 영상, 위성영상 등을 이용한 방법보다 고밀도의 LiDAR 자료를 이용하여 좀 더 정확한 산림 바이오매스를 추정하기 위한 방법을 연구하고자 한다. 이를 위해 우선 고밀도 LiDAR 자료의 획득방안을 수립하고, 탄소흡수량으로 등록하기 위한 산림의 조건 및 범위를 설정하여 고밀도의 LiDAR 자료를 이용한 산림 바이오매스 추정방법을 연구한다.
제안 방법
(2004)은 LiDAR 자료를 기반으로 수치 표면 모델과 수치지형모델을 제작하고 두 데이터의 높이차를 이용하여 수고를 측정하였다. LiDAR 자료로부터 추정된 수고와 현지조사로부터 얻어진 흉고직경의 관계식을 이용하여 기존의 LiDAR 자료만으로는 한계가 있었던 흉고직경을 추정하였다.
고밀도 LiDAR 자료를 이용한 산림자원의 추출 방안을 적용하여, 점밀도에 따른 객체 추출결과를 비교 분석하고, 지형 유형에 따른 객체 추출과정을 비교 분석한다. 최종적으로 고해상도의 디지털항공사진 영상을 활용한 육안검사를 통해 객체 추출결과를 검증한다.
국내 산림자원의 특성을 고려하여 고밀도의 LiDAR 자료를 이용할 경우 2장에서 정립한 탄소흡수량으로 인정받을 수 있도록 국제 기준에 맞게 Fig. 7과 같이 DEM(Digital Elevation Model ; 수치표고모델), DSM의 GSD(Ground Sample Distance ; 지상표본거리)는 1m, 수목 개체 추출을 위해서 최대 점밀도를 7points/㎡로 설정하고, 수고를 최소 1.2m 이상에서 최대 50m 이하로 설정하였으며, 수관폭을 최소 2m 에서 최대20m이하로 설정하였다.
먼저 수관의 폭을 고려한 검색 반경을 설정하고 분류된 임의의 식생점을 기준으로 설정된 검색 반경내의 점자료를 검색한다. 그리고 검색 기준점과 검색된 식생점들을 대상으로 표고를 비교하여 검색 기준점이 반경내 식생점들의 표고보다 높을 경우 이를 수목 정점으로 설정한다.
본 논문에서는 신호강도자료를 이용하여 지형, 산림, 건물 등의 추출이 가능하고, 나무 1그루에 대한 위치정보와 수고 및 수관 정보의 추출이 가능한 상용프로그램인 EXELIS사의 E3De 3.0을 이용하여 LiDAR 자료를 처리하였다. 특히 지형 및 산림자원 추출을 위한 솔루션의 설정인자로 용량 및 처리속도를 고려하여, 대상지역의 산림이 분포되어 있는 구역 중에서 Fig.
즉, 기존의 현지조사, 저밀도의 LiDAR 자료, 디지털항공사진 영상, 위성영상 등을 이용한 방법보다 고밀도의 LiDAR 자료를 이용하여 좀 더 정확한 산림 바이오매스를 추정하기 위한 방법을 연구하고자 한다. 이를 위해 우선 고밀도 LiDAR 자료의 획득방안을 수립하고, 탄소흡수량으로 등록하기 위한 산림의 조건 및 범위를 설정하여 고밀도의 LiDAR 자료를 이용한 산림 바이오매스 추정방법을 연구한다.
4초로 가장 적은 처리 시간이 소요되었으며, 점 밀도가 7points/㎡ 일 때 3, 585개로 가장 많은 수목 개체를 추출할 수 있었다. 이를 통해 최대 추출 개수를 기준으로 연구 대상 지역 전체에 대한 수목 개체를 추출하기 위해 LiDAR 자료의 최대 점밀도를 7points/㎡ 선정하였다.
3차원 점 좌표인 원시자료를 우선 처리하게 되며 초기 점의 자료에서 오류정보를 통계적으로 처리하여 과대오차를 제거하는 작업을 거친다. 이후 지표면의 형상을 가진 자료와 수목과 건물 등 지물이 제거된 수치표고모델을 가진 자료로 나누어 작업을 수행한다.
일정한 표본구역에 대하여 최대 점밀도를 Table 2와 같이 2points/㎡부터 20points/㎡까지로 변경하여 수목개체수를 분석하였다. 단위면적당 사용되는 LiDAR자료의 개수에 따라 수목 개체의 추출 개수를 분석하면, 점밀도가 5points/㎡ 일 때 8분 21.
따른 객체 추출과정을 비교 분석한다. 최종적으로 고해상도의 디지털항공사진 영상을 활용한 육안검사를 통해 객체 추출결과를 검증한다.
대상 데이터
LiDAR자료의 획득 및 처리에 사용된 장비는 항공기의 경우 저속비행이 가능하여 항공레이저측량에 유리한 Cessna TU 208-G, 항공LiDAR 장비로는 Leica사의 ALS60 시스템이, 지상 GPS 장비로는 Trimble사의 5700 GPS수신기 등이 사용되었다. 획득된 LiDAR 자료는 Fig.
2와 같이 이 연구대상지는 현지조사를 위한 접근이 용이하고, 비교적 산림이 울창하지 않으며, 다양한 지형이 혼재되어 있어 실험 및 분석에 적합한 지역이다. 대상지역은 면적이 약 41.31 ㎢이며, 축척 1/5,000 지형도의 15도엽에 해당한다.
본 연구에서 제시하고 있는 산림자원 추출방법을 적용하기 위해 경상남도 거제시 지역을 대상으로 선정하였다. Fig.
있는 측량시스템이다. 취득되는 LiDAR 자료는 주사된 지역의 x, y, z 좌표와 레이저광선의 신호강도 자료가 있다. 대상 지역에 대한 LiDAR의 촬영은 항공레이저스캐너에 의해 대상 지역을 스캐닝하게 되며, 이때 주사되는 점의 밀도는 축척 1:1,000 수치지도의 점밀도 규정인 지상 1㎡당 2.
0을 이용하여 LiDAR 자료를 처리하였다. 특히 지형 및 산림자원 추출을 위한 솔루션의 설정인자로 용량 및 처리속도를 고려하여, 대상지역의 산림이 분포되어 있는 구역 중에서 Fig. 5와 같이 500m×500m를 표본구역으로 선정하였다.
획득된 LiDAR 자료는 Fig. 3과 같이 평균 점 밀도가 11.2points/㎡로 국토지리정보원의 「항공레이저측량 작업 규정」 제10조의 축척 1:1,000 수치지형도 제작을 위한 격자 간격 1m일 때 점밀도인 2.5points/㎡보다 높은 점밀도의 자료를 취득하였다.
성능/효과
Table 3은 적용 대상지역의 도엽별 용량, 처리 시간 및 개체수출 개수를 나타내며, 연구 대상지역의 도엽별로 처리하였을 경우 570, 016개의 개체가 추출되었으며, 전체 15개의 도엽을 통합하여 동시에 처리할 경우 약 574, 733개의 수목 개체를 추출할 수 있어 약 0.8%의 수목을 추가로 추출할 수 있었다. 이는 도엽별로 처리할 경우 경계지역의 산림자원을 추출할 수 없음을 나타내고 있다.
단위면적당 사용되는 LiDAR자료의 개수에 따라 수목 개체의 추출 개수를 분석하면, 점밀도가 5points/㎡ 일 때 8분 21.4초로 가장 적은 처리 시간이 소요되었으며, 점 밀도가 7points/㎡ 일 때 3, 585개로 가장 많은 수목 개체를 추출할 수 있었다. 이를 통해 최대 추출 개수를 기준으로 연구 대상 지역 전체에 대한 수목 개체를 추출하기 위해 LiDAR 자료의 최대 점밀도를 7points/㎡ 선정하였다.
대상지역의 추출된 수목 객체의 정보를 GIS의 수관 분포도로 작성하고 디지털항공사진과 중첩한 결과 Fig. 11과 같이 산림 바이오매스 산정을 위한 정확한 수관정보를 추출할 수 있음을 알 수 있다.
둘째, 축척 1:1,000 수치지형도 제작에 사용되는 평균 2.5points/㎡의 LiDAR 자료를 사용할 경우 다수의 정확한 산림자원의 추출이 어려우며, 탄소흡수량 산정 대상의 산림자원의 기준과 지형의 형태, 대상지역 산림자원의 특성 등을 고려할 때 최소 7points/㎡의 고밀도 자료를 이용할 경우가 좀 더 많이 추출할 수 있었다.
높고 다수의 산림자원이 추출되었다. 또한 도엽별로 처리할 경우 경계지역에서의 개체를 추출 할 수 없었으며, 넓은 지역을 한번에 처리하기 보다는 처리시간과 대상지역의 특성을 고려하여 지역을 세분화하여 추출하여야 함을 알 수 있었다.
(2006)은 항공 LiDAR 자료와 디지털 항공사진을 이용하여 기존의 단일 데이터만을 이용한 경우보다 수고, 개체 수 등과 같은 정보를 보다 정확하고 효율적으로 추출할 수 있다는 가능성을 보여주었다. 또한 항공 LiDAR 자료와 디지털항공사진으로부터 추정한 수목의 개체 및 수고를 추정하고 이를 현지조사에서 측정된 흉고직경을 바탕으로 산림의 바이오매스 추정 방법을 제시함으로써 산림이 가지고 있는 바이오매스 및 탄소흡수원의 정량적 평가의 가능성을 보여주었다.
셋째, 산악지형과 혼합지형이 대체적으로 평탄지형보다 점 밀도가 높고 다수의 산림자원이 추출되었다. 또한 도엽별로 처리할 경우 경계지역에서의 개체를 추출 할 수 없었으며, 넓은 지역을 한번에 처리하기 보다는 처리시간과 대상지역의 특성을 고려하여 지역을 세분화하여 추출하여야 함을 알 수 있었다.
정량적인 평가에는 한계를 가지고 있다. 이에 연구 대상 지역의 산림자원 추출 결과와 고해상도의 디지털항공사진을 중첩한 결과 Fig. 10과 같이 산림자원의 위치를 시각적으로 판별하였을 경우 비교적 정확히 추출된 것임을 알 수 있다.
첫째, 고밀도의 LiDAR 자료를 이용하여 산림자원의 객체별 수고 및 수관을 추출할 수 있었다. 이러한 산림자원 추출을 통해 온실가스 흡수량을 위한 산림 바이오매스 추정에 적용할 수 있을 것으로 판단된다.
후속연구
미흡한 실정이다. 따라서 고밀도의 LiDAR 자료를 이용하여 정확한 수고 및 수관을 추출하여 정확한 산림 바이오매스를 측정하기 위한 방법을 연구할 필요가 있다.
또한 통합으로 처리할 경우 산림자원을 추가적으로 추출할 수 있으나, 약 10시간 이상의 분석 시간이 소요되며, 도엽별로 처리할 경우 동시에 처리가 가능하므로 처리시간이 약 4 시간으로, 데이터의 처리시간을 고려하여 대상지역을 세분화하여 처리하는 것이 좀 더 정확한 산림자원을 추출할 수 있을 것으로 판단된다.
수고 및 수관을 추출할 수 있었다. 이러한 산림자원 추출을 통해 온실가스 흡수량을 위한 산림 바이오매스 추정에 적용할 수 있을 것으로 판단된다.
향후 고밀도 LiDAR자료에 의해 추출된 산림 바이오매스를 이용한 정확한 온실가스 흡수량 산정 방법에 대한 심도 있는 연구가 이루어져야 할 것으로 판단된다.
참고문헌 (13)
Brauer, M., Evans, J., Florig, H., Phonboon, K., Saksena, S., and Song, G. (2002), Policy uses of particulate exposure estimates, Chemosphere, Vol. 49. No. 9, pp. 947-959.
Chang, A. and 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. (in Korean with English abstract)
Chang, A., Yu, K., Kim, Y., and Lee, B. (2006), Estimation of individual tree and tree height using color aerial photograph and LiDAR data, Korean Journal of Remote Sensing, Vol. 22, No. 6, pp. 543-551. (in Korean with English abstract)
Clark, M., Clark, D., and Roberts, D. (2004), Small-footprint LiDAR estimation of sub-canopy elevation and tree height in a tropical rain forest landscape, Remote Sensing of Environment, Vol. 91. No. 1, pp. 68-89.
Go, S., Park, J, and Cho, G. (2013), Study of CO2 absorption in forest by airborn LiDAR data, Journal of the Korean Society for Geospatial Information System, Vol. 21. No. 4, pp. 29-35. (in Korean with English abstract)
Kim, E. (2013), Extraction of the tree regions in forest areas using LiDAR data and ortho-image, Journal of the Korean Society for Geospatial Information System, Vol. 21. No. 2, pp. 27-34. (in Korean with English abstract)
Lee, H. and Ru, J. (2012), Application of LiDAR data & highresolution satellite image for calculate forest biomass, Journal of the Korean Society for Geospatial Information System, Vol. 20. No. 1, pp. 53-63. (in Korean with English abstract)
Persson, A., Holmgren, J., and Sӧderman, U. (2002), Detecting and measuring individual trees using an airborne laser scanner, Photogrammetric Engineering & Remote Sensing, Vol. 68. No. 9, pp. 925-932.
Shin, Y. (2014), Calculation Methods of the Carbon Absorption in Forest Area Using High Point Density Data and Hyperspectral Image, Master’s thesis, Incheon National University, Incheon, 60p. (in Korean with English abstract)
Wie, G., Lee, H., Lee, D., Cho, J., and Suh, Y. (2011), Estimation of the carbon absorption of a forest using LiDAR data, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 29. No. 1, pp. 55-62. (in Korean with English abstract)
Woo, C. (2006), DEM Generation and Tree Height Estimation in Forest Area Using Airborne LiDAR data, Master’s thesis, Inha University, Incheon, Korea, 71p. (in Korean with English abstract)
Yoon, J., Lee, K., Shin, J., and Woo, C. (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. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.