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
- 그러나 소나무재선충병 감염목의 정확한 확인과 확산 특성 분석을 위해서는 동일지역의 시계열 변화 탐지가 이루어져야 한다. 따라서 본 연구에서는 시계열 초분광 항공영상의 식생지수를 기반으로 피해시기 별 소나무재선병 피해목을 추출하고, 추출된 피해목의 시계열 분포를 토대로 공간분포 특성을 분석함으로써 소나무재선충 피해목 탐지 및 확산특성 연구에 있어서 초분광 항공영상의 활용 가능성을 제시하고자 하였다.
제안 방법
- 3단계, 9월 영상을 기반으로 추출된 소나무재선충병 피해목을 6월과 10월에 촬영된 영상과 비교하여 6월에 고사되어 있는 나무는 작년 피해목, 6월에는 피해가 탐지 되지 않았으나 9월에 발생된 피해목은 9월 신규 피해목으로 구분하였고, 영상 전체의 육안 분석을 통하여 6월, 9월에 피해가 발생하지 않았으나 10월 영상에서 발견된 피해목은 10월 신규 피해목으로 추가하여 피해목의 시계열 분포 자료를 구축하였다. 기존 실험 결과 소나무재선충에 감염된 성목 소나무는 2개월 이후 그 변화가 탐지되기 시작했으므로(Kim et al.
- ,1974). NDVI는 적색 파장대역과 근적외선 파장대역의 분광반사값을 이용한 식생지수로 초분광 자료에 적용하기 위하여 특정 밴드를 선택하였다. 선택된 밴드는 적색 파장대역과 근적외선 파장대역의 분광반사값의 굴곡점에 해당하는 된다.
- VIgreen를 이용하여 식생지역 중 소나무재선충병 피해목 후보로 추출한 후 면적이 10 m2 이하인 지점만을 추출한 후 육안 검증을 통하여 비식생 및 오분류에 해당되는 부분을 제거하여 최종적으로 소나무재선충병 피해목 분포도를 작성하였다.
- 두 시기(t1, t2) 사이의 피해목간 거리에 따른 발생 빈도분포는 2014년 피해목과 2013년 피해목간의 최단거리, 2014년 10월 피해목과 9월 피해목간의 최단거리를 계산한 후 모든 피해목간 최단거리, 즉 Min(dt1t2)자료를 이용하여 빈도분포를 분석하였다
- 취득한 초분광 항공영상은 전처리 과정을 거쳐 정사 영상으로 만들었으나 산림 내에 Ground Control Point(GCP) 획득이 어렵기 때문에 시계열 자료 간 개체목의 일대일 매칭에 한계가 발생하였다. 따라서 개체목을 확인할수 있는 2.5 cm급 고해상도 항공사진이 동시에 촬영된 9월 초분광 영상을 기준으로 피해목 추출 및 공간분포 특성 분석을 수행하였다.
- 본 연구에서는 시계열 초분광 항공영상을 이용하여소나무재선충병 피해목을 추출하여 피해시기에 따른 피해목의 분포도를 구축하고 피해목 발생의 공간 분포 특성을 분석하였다. 비산림지역과 산림지역의 구분에는 NDVI의 0.
- 소나무재선충병 확산특성 분석을 위해 소나무재선충병으로 추출된 피해목 전체를 대상으로 공간 분포형을 분석하였고, 시계열 분포 자료를 이용하여 거리에 따른 피해목의 각 시기별 발생 빈도분포 특성을 분석하였다. 분석 방법으로 최단거리 분석(nearest neighbor distance)법을 적용하였다(Clark and Evans, 1954).
- 식생지역에서 피해목을 추출해내기 위하여 비식생지역이 제거된 영상의 VIgreen을 계산하여 경험적으로 VIgreen이 0에서 0.2 사이의 값을 기준으로 소나무재선충병 피해목 후보로 추출하였다. VIgreen은 녹색과 적색 파장대역의 분광반사 값을 이용하여 산출한 식생지수로 식생의 변화를 NDVI와 같이 NIR 파장대역의 분광반사값을 이용한 식생지수보다 민감하게 탐지하여 식생지역 내 소나무재선충병 피해목을 추출할 수 있었다.
- 초분광 자료를 이용한 기존 연구(Kim et al., 2013)에따르면 소나무재선충에 감염된 소나무의 분광반사값의 시간에 따른 변화가 적색 파장대역에서 가장 크게 나타나고, 근적외선 파장대역에서는 그 변화가 일정하지 않았기 때문에 적색과 녹색 파장대역의 분광반사값을 이용한 식생지수를 소나무재선충병 피해목 추출에 적용하였다.
- 초분광 항공영상은 CASI-1500 카메라로 촬영되었으며, 촬영 기간은 소나무재선충의 매개충인 솔수염하늘소의 우화시기를 고려하여 6월에서 10월까지 월단위로 촬영하는 것을 원칙으로 하였다. 하지만 촬영 방법 및 자료 취득에 있어서 기상 상태에 영향을 많이 받기 때문에 기상상태가 촬영에 적합하지 않은 경우(흐림 또는 비)에는 촬영일자를 변경하여 촬영하였다(Table 1).
- 9월 초분광 항공영상 촬영 시 공간해상도 25 cm 항공영상(3밴드, blue, green, red)을 동시에 촬영하여 참조자료로 활용하였다. 촬영된 초분광 항공영상은 방사보정(radiometric corrections), 대기보정(atmospheric corrections), 기하보정(geometric corrections) 순으로 전처리 과정을 거쳐 정사영상으로 만든 후 분석에 사용되었다.
- 추출된 피해목은 각 영상의 시기별 분광반사 패턴을 비교하여 잎 없는 고사목, 잎 있는 고사목, 9월에 새로 발생한 피해목과 10월에 새로 발생한 피해목으로 구분하였다. 6월, 9월, 10월 촬영시기에 따른 피해목의 초분광 영상에서의 분광반사율 패턴은 Fig.
대상 데이터
- 4 nm로 48밴드로 이루어져있다. 9월 초분광 항공영상 촬영 시 공간해상도 25 cm 항공영상(3밴드, blue, green, red)을 동시에 촬영하여 참조자료로 활용하였다. 촬영된 초분광 항공영상은 방사보정(radiometric corrections), 대기보정(atmospheric corrections), 기하보정(geometric corrections) 순으로 전처리 과정을 거쳐 정사영상으로 만든 후 분석에 사용되었다.
- 3단계, 9월 영상을 기반으로 추출된 소나무재선충병 피해목을 6월과 10월에 촬영된 영상과 비교하여 6월에 고사되어 있는 나무는 작년 피해목, 6월에는 피해가 탐지 되지 않았으나 9월에 발생된 피해목은 9월 신규 피해목으로 구분하였고, 영상 전체의 육안 분석을 통하여 6월, 9월에 피해가 발생하지 않았으나 10월 영상에서 발견된 피해목은 10월 신규 피해목으로 추가하여 피해목의 시계열 분포 자료를 구축하였다. 기존 실험 결과 소나무재선충에 감염된 성목 소나무는 2개월 이후 그 변화가 탐지되기 시작했으므로(Kim et al., 2013; Lee et al.,2014) 6월, 9월과 10월 영상을 비교하였을 때 6월과 9월 두 시기에 모두 존재하는 잎 있는 고사목은 2013년(작년)에 소나무재선충에 감염되었다고 판단하였고, 9월과 10월에 새로 나타나는 고사목은 2014년(당년)에 감염된 소나무로 판단하여 시계열 피해목 분포 자료로 구축하였다.
- 1). 대상지내 산림면적은 580ha이고, 대축척임상도(1:5,000축척) 기준 소나무림 15%, 해송림 21%, 혼효림 22% 나머지는 참나무류 및 기타 수종으로 이루어져 있다. 거제시는 남해안에 위치한 섬으로 온대 해양성 기후지역이며 연평균기온 14.
- 본 연구는 소나무재선충병이 극심하게 발생하고 있는 경상남도 거제시 일대(우상단 128° 42′ 32″E, 34° 56′06″N, 좌하단 128° 40′ 37″E, 34° 54′ 52″N) 655ha를 대상으로 하였다(Fig. 1).
- 시계열 분포 분석을 수행하기 위하여 잎 있는 고사목과 9월에 새로 발생한 피해목, 10월에 새로 발생한 피해목의 공간분포 자료를 사용하였다. 잎 없는 고사목의 경우 소나무재선충의 감염시기가 명확하지 않아 분석에서 제외하였다.
이론/모형
- 소나무재선충병 확산특성 분석을 위해 소나무재선충병으로 추출된 피해목 전체를 대상으로 공간 분포형을 분석하였고, 시계열 분포 자료를 이용하여 거리에 따른 피해목의 각 시기별 발생 빈도분포 특성을 분석하였다. 분석 방법으로 최단거리 분석(nearest neighbor distance)법을 적용하였다(Clark and Evans, 1954).
성능/효과
- 분광반사율 패턴을 살펴보면 6월 영상에서는 정상목의 분광반사율 패턴을 보이나 9월 영상에서는 적색파장대역의 반사율이 점차 증가하기 시작하며 근적외선파장대역에서의 반사율이 점차 감소하는 변화가 나타났다. 10월 발생 피해목(D)은 6월과 9월 영상에서 나타나는 바와 같이 분광반사율의 차이 또한 거의 없었으나 10월 영상에서는 피해가 탐지되면 적색 파장대역의 반사율이 증가는 변화가 나타났다. 근적외선 파장대역에서는 분광반사율의 감이 증가했다가 다시 감소하는 것으로 나타나 일관적인 변화 특성을 추출하지 못했다.
- 추출된 피해시기별 피해목 정보를 이용한 공간 분포 특성 분석 결과, 소나무재선충에 의한 피해목은 집중화 되어있는 형태로 분포하고 있음을 알 수 있었다. 2013년과 2014년 피해목 간 최근거리에 따른 발생 빈도분포 분석에서는 2014년 신규 발생한 피해목은 약 80% 정도가 2013년 기발생한 피해목을 기준으로 80 m 거리 내에서 발생한 것으로 나타났다.
- 이는 두 시기 모두 소나무재선충병에 의한 피해목은 집중 분포하는 형태를 보이고 있으나, 2013년이 2014년보다 피해목의 집중도가 높은 것을 의미한다. 각 시기의 피해목 중심점의 위치를 분석해본 결과 2014년 피해목의 중심이 2013년 피해목의 중심보다 남서쪽으로 554.6 m 이동한 것으로 나타났다(Fig. 7). 이는 소나무재선충에 의한 피해목의 확산이 남서쪽으로 이동하고 있는 것으로 판단된다.
- 결론적으로, 시계열 초분광 항공영상을 통해서 피해목의 분광특성 변화를 탐지하고 이를 근거로 하여 피해목의 발생시기를 확인할 수 있었다. 그리고 발생시기별 피해목 정보를 기반으로 하여 대면적 지역에 발생한 피해목의 전체적인 확산 특성을 파악할 수 있었다.
- 결론적으로, 시계열 초분광 항공영상을 통해서 피해목의 분광특성 변화를 탐지하고 이를 근거로 하여 피해목의 발생시기를 확인할 수 있었다. 그리고 발생시기별 피해목 정보를 기반으로 하여 대면적 지역에 발생한 피해목의 전체적인 확산 특성을 파악할 수 있었다. 이러한 정보는 향후 피해목 확산을 막기 위한 전략 수립에 중요한 정보로 이용될 수 있다
- 9월 발생 피해목(C)은 6월 영상에서는 피해가 관찰되지 않았으나 9월 영상에서 피해가 발생하기 시작하여 10월에는 더욱 피해가 진행된 것으로 나타났다. 분광반사율 패턴을 살펴보면 6월 영상에서는 정상목의 분광반사율 패턴을 보이나 9월 영상에서는 적색파장대역의 반사율이 점차 증가하기 시작하며 근적외선파장대역에서의 반사율이 점차 감소하는 변화가 나타났다. 10월 발생 피해목(D)은 6월과 9월 영상에서 나타나는 바와 같이 분광반사율의 차이 또한 거의 없었으나 10월 영상에서는 피해가 탐지되면 적색 파장대역의 반사율이 증가는 변화가 나타났다.
- 본 연구에서는 시계열 초분광 항공영상을 이용하여소나무재선충병 피해목을 추출하여 피해시기에 따른 피해목의 분포도를 구축하고 피해목 발생의 공간 분포 특성을 분석하였다. 비산림지역과 산림지역의 구분에는 NDVI의 0.4가 기준으로 가장 적합하였고, 산림지역 내에서 소나무재선충병 피해목의 추출에는 VIgreen의 0에서 0.2사이의 값이 가장 적합하게 나타났다. 시계열 자료 분석을 통해 2013년 고사목, 2014년 9월, 10월 발생피해목과 같이 피해시기별 소나무재선충병 피해목의 공간 정보를 추출할 수 있었다.
- 2사이의 값이 가장 적합하게 나타났다. 시계열 자료 분석을 통해 2013년 고사목, 2014년 9월, 10월 발생피해목과 같이 피해시기별 소나무재선충병 피해목의 공간 정보를 추출할 수 있었다. 추출된 피해시기별 피해목 정보를 이용한 공간 분포 특성 분석 결과, 소나무재선충에 의한 피해목은 집중화 되어있는 형태로 분포하고 있음을 알 수 있었다.
- 4를 기준으로 그 이하는 비식생지역으로 구분하여 추출한 결과이다. 원 영상에서는 촬영 스트립간 분광반사값의 차이가 나타났으나 지수화 했을 때 그 차이가 크게 영향을 미치지 않는 것으로 나타났다. 0.
- 시계열 자료 분석을 통해 2013년 고사목, 2014년 9월, 10월 발생피해목과 같이 피해시기별 소나무재선충병 피해목의 공간 정보를 추출할 수 있었다. 추출된 피해시기별 피해목 정보를 이용한 공간 분포 특성 분석 결과, 소나무재선충에 의한 피해목은 집중화 되어있는 형태로 분포하고 있음을 알 수 있었다. 2013년과 2014년 피해목 간 최근거리에 따른 발생 빈도분포 분석에서는 2014년 신규 발생한 피해목은 약 80% 정도가 2013년 기발생한 피해목을 기준으로 80 m 거리 내에서 발생한 것으로 나타났다.
후속연구
- , 2010). 그에 반해, 항공사진 및 고해상도 영상과 같은 원격탐사 자료는 광역성, 신속성, 동시성 및 경제성이라는 다양한 장점을 가지고 있기 때문에( Jo et al.,2001) 원격탐사 자료의 활용은 위와 같은 현장조사 방법의 한계점을 보완할 수 있을 것으로 기대된다. 따라서, 소나무재선충병의 피해규모와 감염목 위치정보 등에 대한 대면적 예찰을 위해 원격탐사 자료를 이용한 소나무재선충병 피해목 탐지 기술의 개발이 필요하다.
- 산림은 복잡한 지형특성 및 명확한 GCP 취득이 어려워 영상의 정사보정에 한계가 있고 그로인하여 시계열 영상 간의 개체목 일대일 매칭이 어렵기 때문에 아직까지 자동화된 분석이 진행되지 못했다. 따라서 향후 지형 보정과 같은 영상의 전처리 부문 연구와 각 시기에서 탐지된 피해목의 위치 비교 자동화 연구를 보완하면, 전국 단위의 소나무재선충병 확산 예측을 위해 원격탐사 자료가 실질적으로 사용될 수 있을 것이다. 그리고 시계열 영상 정보 취득을 위해 영상 촬영방법의 다양화를 모색할 필요가 있다.
- 그리고 시계열 영상 정보 취득을 위해 영상 촬영방법의 다양화를 모색할 필요가 있다. 현재는 유인항공기를 통한 항공사진과 위성에서 촬영되는 위성영상의 활용이 가능하나, 향후 소형무인항공기 활용도를 높이게 된다면 핵심보전지역이나 소나무재선충병 주요 선단지 지역에 대한 풍부한 시계열 자료 축적이 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.