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 연구에서는1) 임상도를 이용한 산림탄소저장량 업스케일링 방법과 2) 위성영상을 이용한 k-NN알고리즘 등 2가지 방법 별 산림탄소저장량 추정치에대해 현지조사 기반의 추정치와 비교 평가를 수행하고 각 방법별 특징을 살펴보는데 목적이 있다.
- 기존의 국가산림자원조사(National Forest Inventory, NFI)에 의한 산림탄소저장량 추정 방법은 국가 규모의 평균 탄소저장량 추정에는 충분하지만 표본점 개수가 부족한 시·군 단위의 세밀한 추정은 어렵다. 본 연구에서는 행정 구역 이하의 보다 세밀한 격자 수준으로 산림탄소저장량을 추정할 수 있도록 공간정보를 보조 자료로 이용하는 2가지 방법을 검토하였다. 2가지 방법 모두 NFI 자료를 공통적으로 활용하되 방법 1은 임상도를 보조 자료로 이용하고 회귀모델과 지도대수기법을 이용하였으며 방법 2는 위성영상 및 k-NN을 이용한 추정방법이다.
가설 설정
- 1).본 연구에서는 기존의 현지조사 자료 기반 산림탄소저장량 추정치를 실측치로 가정하였다.
제안 방법
- 본 연구에서는 행정 구역 이하의 보다 세밀한 격자 수준으로 산림탄소저장량을 추정할 수 있도록 공간정보를 보조 자료로 이용하는 2가지 방법을 검토하였다. 2가지 방법 모두 NFI 자료를 공통적으로 활용하되 방법 1은 임상도를 보조 자료로 이용하고 회귀모델과 지도대수기법을 이용하였으며 방법 2는 위성영상 및 k-NN을 이용한 추정방법이다. 공간정보를 이용함에 따라 충남지역 전체에 걸친 격자별 평균탄소저장량 추정이 가능해졌다.
- NFI 자료와 위성영상을 기반으로 k-NN과 BioCLUST 기법을 각기 적용하여 산림바이오매스 추정에 관해 비교하였고(Jung et al., 2009),계절별 Landsat TM 위성영상에 k-NN을 적용하여 위성영상별 취득 시기에 따른 산림탄소저장량 차이를 분석하였으며(Jung et al., 2010), 두시기위성영상(1992, 2009 & 2010)을 이용하여 k-NN과 Regression Tree Analysis 방법별 지상부 산림바이오매스 탄소량을 비교 분석하였다(Jung et al., 2014).
- 이러한 조사 정보는 국가산림자원조사정보시스템(National Forest Information System, NFIS)에 저장된다. NFIS로부터 자동분석되어서 제공되는 수간재적에 수종별 목재밀도를 곱하여 수간바이오매스를 구하고 여기에 수종별 바이오매스 확장계수를 곱하여 줄기뿐만 아니라 가지, 잎 등을 모두 포함하는 개체목별 지상부바이오매스(aboveground biomass, AGB)를 구하였다. 이를 표본점별로 합산하게 되면 표본점별 AGB가 구해지며 여기에 탄소전환계수 0.
- 마지막으로 각 격자별 AGB에 IPCC GPG 탄소전환계수 0.5를 곱하여 AGB 탄소지도를 산출한 후 임상도등급자료를 활용함에 따라 발생할 수 있는 불확실성을 감소하기 위해 영급 자료의 등급 내 임령 분포를 균등분포로 다시 가정하고 200회 몬테카를로 시뮬레이션을 수행한 후 최종 AGB 탄소지도를 산출하였다. 여기서, 몬테카를로 시뮬레이션은 IPCC 우수실행지침에서 불확실성 평가를 위해 권장하는 기법이다.
- 또한 연구대상 지역인 충청남도 지역이 Landsat 영상한 장에 전부 포함되지 않는 관계로, 2009년 5월 및 2010년 6월에 취득된 총 네장의 Landsat 영상을 모자이크하여 사용하였다. 모든 영상은 전처리 과정으로 정밀수치지도를 이용하여 1 pixel 오차 이내의 기하보정을 수행하였다. 더불어 NASA에서 제공하는 모델을 이용한 방사보정을 수행하였으며(Kim, 1996), 태양 고도 및 위치에 따른 지형오차를 제거하기 위해 Civco(1989)가 고안한 2-stage normalization 경사보정을 적용하였다.
- 5 ha에 비해 상세하게 구분되고 있다(Korea Forest Research Institute, 2011). 수종은 임분을 75 % 이상 점유하고 있는 수종을 구분하며, 경급은 임분의 상층부를 점유하고 있는 주림목의 평균 흉고직경급을 기준에 따라 치수(흉고직경 6 cm 미만), 소경목(6 cm이상 18 cm 미만),중경목(18 cm 이상 30 cm 미만), 대경목(30 cm 이상)으로 구분한다. 영급은 임분의 상층 주림목의 평균수령을이용하여 10년계를 1영급으로 하여 1영급부터 9영급까지 구분한다.
- 우선, 각 방법론 별 AGB 산림탄소저장량 추정치와 기존 국가임업통계산출방법인 표본점 기반(NFI sample based method) 산림탄소저장량과의 차이가 어느 정도인지를 살펴보기 위해 3가지 방법별 최대, 최소, 평균, 표준편차 및 총탄소저장량을 각각 비교하였다.
- NFIS로부터 자동분석되어서 제공되는 수간재적에 수종별 목재밀도를 곱하여 수간바이오매스를 구하고 여기에 수종별 바이오매스 확장계수를 곱하여 줄기뿐만 아니라 가지, 잎 등을 모두 포함하는 개체목별 지상부바이오매스(aboveground biomass, AGB)를 구하였다. 이를 표본점별로 합산하게 되면 표본점별 AGB가 구해지며 여기에 탄소전환계수 0.5를 곱하여 최종적으로 표본점별 AGB 탄소저장량을 구하였다(Kim, 2012; Kim et al., 2014).
- NFI 자료와 위성영상을 주 입력 자료로 활용하는 방법 2의 경우 NFI 표본점과 위성영상 간 위치오차, 시간차, 영상 노이즈 등이 불확실성 요인으로 작용할 수 있다. 이중, 본 연구에서는 위성영상과 NFI 표본점 간의mis-registration 오차를 가장 큰 불확실성 요소로 판단하고, 정규분포(평균 0, 표준편차 1 pixel)를 가정한 임의오차를 각 표본점에 추가한 뒤 200회 몬테카를로 시뮬레이션을 수행하여 최종적으로 평균 AGB 탄소지도를 산출하였다.
- 임상도에는 수고 레이어가 없기 때문에 임상도와 호환가능한 NFI 임분 변수를 이용하여 수고를 추정할 수 있도록 수고회귀모델을 산출하였다. 식(2)와 (3)은각수종별 적합도에 따라 선택되어졌다.
- 표본의 추출은 계통추출법(systematic sampling)으로 전국을 4 km ×4 km 격자로 나눈 후 그교차점에 4개의 표본점을 집락으로 배치한다.
대상 데이터
- 각 방법론에 대한 정확도 평가는 대상지역의 2010년NFI 표본점 자료(186개)을 독립검증자료로 사용하여 평가가 이루어졌다. 2가지 산림탄소지도의 검증지점별 평균 산림탄소저장량과 표본점 기반 평균 산림탄소저장량의 차이가 존재하는지를 알아보고자 대응표본T-검정(paired T-test)를 수행하였다.
- 본 연구에서 원격탐사 자료로 사용된 Landsat 5 TM영상의 취득 시기는 NFI 자료 조사 시기와 유사하되 수목의 생육기를 고려하여 초여름 시기를 대상으로 하였다. 또한 연구대상 지역인 충청남도 지역이 Landsat 영상한 장에 전부 포함되지 않는 관계로, 2009년 5월 및 2010년 6월에 취득된 총 네장의 Landsat 영상을 모자이크하여 사용하였다. 모든 영상은 전처리 과정으로 정밀수치지도를 이용하여 1 pixel 오차 이내의 기하보정을 수행하였다.
- 본 연구에서 원격탐사 자료로 사용된 Landsat 5 TM영상의 취득 시기는 NFI 자료 조사 시기와 유사하되 수목의 생육기를 고려하여 초여름 시기를 대상으로 하였다. 또한 연구대상 지역인 충청남도 지역이 Landsat 영상한 장에 전부 포함되지 않는 관계로, 2009년 5월 및 2010년 6월에 취득된 총 네장의 Landsat 영상을 모자이크하여 사용하였다.
- 본 연구에서는 충청남도 및 대전광역시에 배치된 NFI 자료(2006～2009년, 1,664개)를 산림탄소저장량 공간분포 추정에 사용하고, 2010년 NFI 자료(186개)를 검증용으로 활용하였다.
- 본 연구의 대상지역은 충청남도 및 대전광역시이다. 충청남도의 총 면적 863,024 ha 중약50.
데이터처리
- 각 방법론에 대한 정확도 평가는 대상지역의 2010년NFI 표본점 자료(186개)을 독립검증자료로 사용하여 평가가 이루어졌다. 2가지 산림탄소지도의 검증지점별 평균 산림탄소저장량과 표본점 기반 평균 산림탄소저장량의 차이가 존재하는지를 알아보고자 대응표본T-검정(paired T-test)를 수행하였다. 즉, 186개소의 검증 지점별로 실측치와 추정치를 쌍으로 묶게 되면, 쌍으로 주어진 자료 (x, y)를 비교하는 대응비교에서 두추정치의 차이
- 1단계에서는 임상도와 NFI DB를 이용하여 회귀모델 기반의 산림탄소지도를 제작하고(방법 1), 2단계에서는 위성영상과 NFI DB를 이용하고 k-NN 알고리즘을 적용하여 산림탄소지도를 제작하였다(방법 2). 마지막 단계에서는두 가지 탄소지도 모두 불확실성 평가를 위해 몬테카를로 시뮬레이션을 수행한 후 독립 검증자료(2010 NFI)를활용하여 실측지와 추정치간 평균편의, 평균제곱근오차를 비교하고 대응표본 T-검정을 수행하여 검증지점별 실측치 및 추정치 평균의 차이를 검토하였다(Fig. 1).본 연구에서는 기존의 현지조사 자료 기반 산림탄소저장량 추정치를 실측치로 가정하였다.
- 마지막으로, 독립검증자료를 이용하여 평균편의(Mean Difference, MD)와 RMSE를 분석하여 모형 적합성을 평가하였다(식(11), (12)). MD는 실측치와 추정치차이의 평균으로 0에 가까울수록 편향되지 않음을 뜻하며 RMSE는 추정치가 실측치에 얼마나 가깝게 예측되었는가를 알려주는데 이 값이 작을수록 모델의 정확도는 높다.
- 본 연구에서는 최적 k를 선택하기 위해 k 값을 1에서 20으로 변화시켜가며 평균제곱근오차(Root Mean Square Error, RMSE) 변화를 Fig. 5와 같이 비교하였고, 가장 높은 정확도를 나타낸 k=20을 최적값으로 선택하였다.
이론/모형
- 모든 영상은 전처리 과정으로 정밀수치지도를 이용하여 1 pixel 오차 이내의 기하보정을 수행하였다. 더불어 NASA에서 제공하는 모델을 이용한 방사보정을 수행하였으며(Kim, 1996), 태양 고도 및 위치에 따른 지형오차를 제거하기 위해 Civco(1989)가 고안한 2-stage normalization 경사보정을 적용하였다. 밴드 6의 경우 산림의 특성과 관련이 없는 영역이므로 탄소량 추정에서 제외되었다.
- 두 번째 방법으로 미조사지점에 대한 탄소량 추정을 위해 위성 영상 데이터에 기반한 k-NN 방법이 적용되었다. k-NN 알고리즘은 Inverse Distance Weighting (IDW)에 기반한 방법으로, 목표점을 추정하기 위해 목표점으로부터 분광적으로 가장 가까운 k개의 표본점을 참조점으로 선택한다.
성능/효과
- 186개의 검증지점에 대한 임상도 기반 회귀모델 방법의 평균탄소저장량은 56.18±1.07 tonC/ha, 위성영상기반 k-NN 방법은 43.58±0.66 tonC/ha로 표본조사 기반 평균탄소저장량은 51.26±2.03 tonC/ha로 산출되었다(Table 3).
- 01), 몬테카를로 시뮬레이션에 기반한 평균 불확실성(%)은 방법2가 방법 1보다 다소 작았다. 그러나 방법 2의 경우 k-NN의 스무딩효과 및 몬테카를로 시뮬레이션 과정에서 추가된 표본점의 위치오차로 인해 AGB 평균 지도의 추정치 분포범위가 실측치 범위에 비해서 줄어드는 현상이 발견되었다. 이는 위성영상과 NFI 표본점 간의 mis-registration오차가 큰 불확실성 요소로 작용할 수 있다는 것을 나타낸다.
- 독립검증자료와 추정치 간 산림탄소저장량 평균의 차이가 통계적으로 유의한지를 평가하기 위해 Table 4와 같이 대응표본 T-검정을 수행한 결과 임상도 기반의 회귀모델과 NFI 기반 통계와의 평균 탄소저장량은 통계적으로 유의한 차이가 없는 것으로 나타났다(p>0.01).
- 6, Table 2). 두 번째 방법인 위성영상 기반 k-NN 방법을 회귀모델로 추정한 충청남도 지상부 바이오매스총 탄소저장량은 19,750,315 tonC으로 추정되었으며 mis-registration에 따른 불확실성은 평균 1.53%를 나타냈다(Fig. 7, Table 2).
- 방법별 평가 결과, 방법 1이 기존 통계 방법과 평균산림탄소저장량에서 통계적으로 유의한 차이가 없이 추정하는 것으로 나타났으며(p>0.01), 몬테카를로 시뮬레이션에 기반한 평균 불확실성(%)은 방법2가 방법 1보다 다소 작았다.
- 이는 위성영상과 NFI 표본점 간의 mis-registration오차가 큰 불확실성 요소로 작용할 수 있다는 것을 나타낸다. 연구 결과를 통해 확인할 수 있듯이 항공사진판독과 현지대조를 거쳐 제작된 임상도의 활용은 임분구조가 복잡한 우리나라 산림의 탄소저장량 추정에 효과적일 수 있다. 하지만 임상도의 갱신 주기는 5년으로 미갱신 시점의 탄소저장량을 추정하기 위해서는 위성영상 활용이 필수적이며, 국외 다양한 연구사례에서도 대면적 산림탄소저장량 추정에 관한 원격탐사자료의 활용성은 증대되고 있는 실정이다(Wulder et al.
- 첫 번째 방법인 임상도 기반 회귀모델로 추정한 충청남도 지상부 바이오매스 총탄소저장량은 22,948,151 tonC로 추정되었으며 불확실성은 평균 2.2%로 산출되었다(Fig. 6, Table 2). 두 번째 방법인 위성영상 기반 k-NN 방법을 회귀모델로 추정한 충청남도 지상부 바이오매스총 탄소저장량은 19,750,315 tonC으로 추정되었으며 mis-registration에 따른 불확실성은 평균 1.
- 하지만 k-NN 알고리즘과 NFI 기반 통계와의 평균 탄소저장량은 통계적으로 유의한 차이가 있는 것으로 나타났다(p<0.01).
- 기존 통계방법인 표본 기반의 총 산림탄소저장량 추정치(21,136,911 tonC)와 비교하였을 때, 임상도 기반 회귀모델 방법은 과대추정, 위성영상 기반 k-NN 방법은 과소추정의 경향이 나타났다. 한편, k-NN의 경우 NFI표본 기반 산림탄소저장량의 추정 범위(1.56~156.4 tonC/ha)에 비해 최소, 최대값의 범위(16.44~67.88 tonC/ha)가 줄어들고 자료의 산포 정도를 나타내는 표준편차도 NFI 표본 기반 산림탄소저장량에 비해 작게 추정되었다. 이는 k-NN의 스무딩 효과 및 몬테카를로 시뮬레이션을 200회 반복 하는 과정에서 표본점에 추가한 임의오차가 지도 전체적으로 추정값오차를 크게 발생시켰고, 결과적으로 평균 AGB 탄소지도에서는 최소, 최대값의 범위가 평균에 수렴했기 때문이다.
후속연구
- , 2011). 따라서 시공간적인 확장과 함께 보다 신뢰할 수 있는 산림탄소저장량 추정을 위해 다양한 위성영상 자료 및 활용 기법에 관한 연구가 필요할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.