산림은 우리나라 토지피복 면적의 64%에 해당하는 넓은 면적을 차지한다. 이와 같이 넓은 면적의 산림을 조사, 모니터링, 관리하기 위해서는 원격탐사 및 지리정보시스템 기술이 필수적이다. 위성영상의 분광반사 특성을 이용하여 임상 및 수종분류가 가능하며, 이를 통해 임상도를 제작할 수 있다. 3차원 자료인 LiDAR를 이용하여 개체목의 위치와 수고 측정, 이를 통해 바이오매스와 탄소량 추정이 가능하다. 그 외에도 대상물의 반사특성을 이용해서 각종 지수들이 추출될 수 있는데, 예를 들어 식생지수와 표면토양지수 등을 통해 식생의 활력도와 산림 황폐화 정도를 파악 할 수 있다. 이러한 식생지수들의 변이를 파악하여 소나무 재선충병, 참나무 시들음병 등의 조기탐지 및 관리도 가능하다. 또한 A/R CDM, REDD+ 등 최근 기후변화 대응 사업에 있어서 원격탐사는 사업성 판단과 이산화탄소 흡수 및 저장량을 산정하는데 중요한 역할을 하고 있다. 기후변화 취약성 평가에서는 지리정보시스템의 시공간자료를 이용하여 국가 및 지자체 단위의 취약성이 시공간적으로 평가되고 있다. 또한, 시공간자료를 영향변수로 추가시킨 각종 모델을 통해 산림생장, 입목고사, 산사태 및 산불 등의 예측이 시공간적으로 이루어 질 수 있다.
산림은 우리나라 토지피복 면적의 64%에 해당하는 넓은 면적을 차지한다. 이와 같이 넓은 면적의 산림을 조사, 모니터링, 관리하기 위해서는 원격탐사 및 지리정보시스템 기술이 필수적이다. 위성영상의 분광반사 특성을 이용하여 임상 및 수종분류가 가능하며, 이를 통해 임상도를 제작할 수 있다. 3차원 자료인 LiDAR를 이용하여 개체목의 위치와 수고 측정, 이를 통해 바이오매스와 탄소량 추정이 가능하다. 그 외에도 대상물의 반사특성을 이용해서 각종 지수들이 추출될 수 있는데, 예를 들어 식생지수와 표면토양지수 등을 통해 식생의 활력도와 산림 황폐화 정도를 파악 할 수 있다. 이러한 식생지수들의 변이를 파악하여 소나무 재선충병, 참나무 시들음병 등의 조기탐지 및 관리도 가능하다. 또한 A/R CDM, REDD+ 등 최근 기후변화 대응 사업에 있어서 원격탐사는 사업성 판단과 이산화탄소 흡수 및 저장량을 산정하는데 중요한 역할을 하고 있다. 기후변화 취약성 평가에서는 지리정보시스템의 시공간자료를 이용하여 국가 및 지자체 단위의 취약성이 시공간적으로 평가되고 있다. 또한, 시공간자료를 영향변수로 추가시킨 각종 모델을 통해 산림생장, 입목고사, 산사태 및 산불 등의 예측이 시공간적으로 이루어 질 수 있다.
Forest accounts for almost 64 percents of total land cover in South Korea. For inventorying, monitoring, and managing such large area of forest, application of remote sensing and geographic information system (RS/GIS) technology is essential. On the basis of spectral characteristics of satellite ima...
Forest accounts for almost 64 percents of total land cover in South Korea. For inventorying, monitoring, and managing such large area of forest, application of remote sensing and geographic information system (RS/GIS) technology is essential. On the basis of spectral characteristics of satellite imagery, forest cover and tree species can be classified, and forest cover map can be prepared. Using three dimensional data of LiDAR(Light Detection and Ranging), tree location and tree height can be measured, and biomass and carbon stocks can be also estimated. In addition, many indices can be extracted using reflection characteristics of land cover. For example, the level of vegetation vitality and forest degradation can be analyzed with VI (vegetation Index) and TGSI (Top Grain Soil Index), respectively. Also, pine wilt disease and o ak w ilt d isease c an b e e arly detected and controled through understanding of change in vegetation indices. RS and GIS take an important role in assessing carbon storage in climate change related projects such as A/R CDM, REDD+ as well. In the field of climate change adaptation, impact and vulnerability can be spatio-temporally assessed for national and local level with the help of spatio-temporal data of GIS. Forest growth, tree mortality, land slide, forest fire can be spatio-temporally estimated using the models in which spatio-temporal data of GIS are added as influence variables.
Forest accounts for almost 64 percents of total land cover in South Korea. For inventorying, monitoring, and managing such large area of forest, application of remote sensing and geographic information system (RS/GIS) technology is essential. On the basis of spectral characteristics of satellite imagery, forest cover and tree species can be classified, and forest cover map can be prepared. Using three dimensional data of LiDAR(Light Detection and Ranging), tree location and tree height can be measured, and biomass and carbon stocks can be also estimated. In addition, many indices can be extracted using reflection characteristics of land cover. For example, the level of vegetation vitality and forest degradation can be analyzed with VI (vegetation Index) and TGSI (Top Grain Soil Index), respectively. Also, pine wilt disease and o ak w ilt d isease c an b e e arly detected and controled through understanding of change in vegetation indices. RS and GIS take an important role in assessing carbon storage in climate change related projects such as A/R CDM, REDD+ as well. In the field of climate change adaptation, impact and vulnerability can be spatio-temporally assessed for national and local level with the help of spatio-temporal data of GIS. Forest growth, tree mortality, land slide, forest fire can be spatio-temporally estimated using the models in which spatio-temporal data of GIS are added as influence variables.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
신규조림 대상지는 1989년 이전부터 사업개발시점까지 산림이 아닌 지역, 재조림 대상지는 1989년까지 산림이었으나 그 후로부터 사업개발 시점까지 산림이 아닌 지역으로 정의된다. 대상지 구획화는 탄소저장고의 바이오매스 추정의 정확성 및 정밀성 향상을 위해 실시한다. 토지 구획별 수종, 산림 조성연도,미세기후, 토양조건 및 식생 피복 등의 특성에 따라 동질적인 단위로 구분하는 과정이다.
이에 산림에 미치는 기후변화 영향을 파악하기 위한 다양한 모델링이 GIS를 기반으로 이뤄지고 있으며, 보다 세밀하고 정량적인 연구 방향 설계가 진행 중에 있다. 본고에서는 산림분야에의 원격탐사 및 지리정보시스템 활용현황을 소개하여 향후 활용방안에 대한 기초 정보를 제공하고자 한다.
분석 결과 정상목은 NDVI값이 큰 변화가 없는 반면, 감염목의 NDVI는 7월 이후로 감소하는 것으로 나타났다(Figure 6). 이러한 변화로부터 DI(Detection Index)를 개발하여 재선충 감염목을 조기에 발견할 수 있는 가능성을 제시하였다. 이는 피해지역 및 피해 예상지역의 감시와 모니터링 시스템에 적용 시, 인적 자원 및 예산을 절약하는데 도움을 줄 수 있을 것으로 사료된다.
제안 방법
(2010)은 2005년에 발생한 양양산불지역으로부터 촬영된 LiDAR자료의 지상반사값으로부터 산불에 의한 물리적 피해정도(잎이 붙어 있는 정도)를 도출하였고, 영상으로부터 추출된 NDVI로부터는 생물적 피해정도(잎이 얼마나 열피해를 받았는지의 정도)를 도출하였다. 그리고 물리적 피해등급과 생물적 피해등급을 조합하여 최종적으로 산불피해를 4등급으로 나누었다. 그림 8(b)에서 진한 적색은 물리적으로나 생물적으로 강하게 피해를 받은 지역을 나타낸다.
기상자료 중에서도 산불과 밀접한 관계가 있다고 알려진 강수량과 상대 습도 사용하였으며 Poisson regression을 활용하여 산불 발생이 심각한 2-4월을 대상으로 시·공간 인자를 고려한 산불 발생위험도를 예측하였다(Figure 16).
두 번째로, 공간 정보의 정확도와 분석 기법을 고도화 하였다. 산림 생장과 기후와의 관계를 정확하게 분석하여 모형을 개발하기 위해서는 각 임상의 지형적, 환경적 조건과 미세기후를 정밀하게 추정할 수 있어야 한다.
또한, 영상의 분광반사 특성을 이용하여 각종 지수를 작성하며, 이에 기반하여 산림 병해충인 재선충병과 참나무 시들음병의 확산 경로와 피해 정도를 파악하기도 한다. 또한, 위성영상은 A/RCDM 및 REDD 등 산림 사업 측정에 활용되어 대상지 분석에 다양한 정보를 제공한다.
유성진 등(2011)은 북한지역을 대상으로 위성영상과 공간자료를 이용하여, 대상지가 재조림 CDM의 정의에 적합한지에 관한 선정방안을 제시하였다. 먼저 두 시점의 영상에 대해 각각 영상분류를 실시하여 산림황폐지(무림목지, 개간산지, 산간나지) 등을 구분한 뒤, 두 영상분류 결과를 이용한 변화탐지 분석을 수행하여 잠재적인 재조림 CDM 대상지를 도출하였다. 분석된 잠재적 재조림 CDM 대상지에 대하여 지형 및 접근성 분석을 통해 적합성 지수를 산출하였고 대상지를 적합성에 따라 등급하여 사업우선순위의 선정 등에 활용할 수 있도록 하였다.
김지연 등(2013)은 강원도 고성군 간성읍 흘리 지역에서 시행되는 소규모 신규조림/재조림 CDM 시범사업을 대상으로 온실가스 감축량을 산정하였다. 베이스라인 시나리오 및 탄소저장고 선택, 대상지 구획화 등을 실시하고 이를 바탕으로 실질 순 온실가스 감축량, 베이스라인 순 온실가스 감축량, 누출량 산정 등의 과정을 거쳐 순 인위적 온실가스 감축량을 산정하였다.
먼저 두 시점의 영상에 대해 각각 영상분류를 실시하여 산림황폐지(무림목지, 개간산지, 산간나지) 등을 구분한 뒤, 두 영상분류 결과를 이용한 변화탐지 분석을 수행하여 잠재적인 재조림 CDM 대상지를 도출하였다. 분석된 잠재적 재조림 CDM 대상지에 대하여 지형 및 접근성 분석을 통해 적합성 지수를 산출하였고 대상지를 적합성에 따라 등급하여 사업우선순위의 선정 등에 활용할 수 있도록 하였다.
이론/모형
산림면적과 관련된 인자를 활용하였다. 분석방법으로는 공간적인패턴과 영향을 정확하게 분석하기 위해 선형 모형에 확률효과(Random effect) 모형이 추가된 GLMM을 활용하였다.
성능/효과
이는 최근 다양한 조사와 문헌에서 보고되고 있는 기후변화에 따른 소나무림의 쇠퇴와 참나무림의 확장 현상을 뒷받침하는 결과이며, 기후변화가 각 수종에 따라 다른 영향을 미친다는 것을 잘 설명해주고 있다. 개발된 생장모형을 이용하여 미래기후변화에 따른 수종별 생장변화를 추정해보았을 때, 소나무는 일부 고산지대를 제외하면 전국적으로 생장량이 감소하는 것으로 나타났으며, 반대로 참나무류는 모든 지역에서 현재보다 미래에 생장량이 증가될 것으로 예측되었다(Figure 11a).
모형의 R2는 수종별로 차이가 있으나 0.76-0.8로 매우 높은 것으로 나타났으며 다양한 임분환경과 기후조건에 따른 생장변이를 잘 설명하는 것으로 확인되었다. Figure 13는 지위지수를 고정한 상태에서 임령과 기온에 따른 직경변화를 입체적으로 보여준다.
김문일 외(2011)는 소나무 재선충병에 걸린 감염목과 정상목에 대해 NDVI(Normalized Difference Vegetation Index) 변화를 분석하였다. 분석 결과 정상목은 NDVI값이 큰 변화가 없는 반면, 감염목의 NDVI는 7월 이후로 감소하는 것으로 나타났다(Figure 6). 이러한 변화로부터 DI(Detection Index)를 개발하여 재선충 감염목을 조기에 발견할 수 있는 가능성을 제시하였다.
분석결과, 산불발생지범의 공간자기상관성이 아주명확하게 나타났으며, Variogram 분석결과 상관거리는 32km 정도로 추정되었으며, 이는 대도시의 중심으로부터 경계까지의 거리가 평균적으로 30km 정도이기 때문인 것으로 파악되었다. 이는 곧 산불 발생이 인구가 집중된 지역과 큰 관련이 있다는 것을 의미하기도 한다 (Figure 15).
그만큼 산불 발생이 증가하면서 각 산불 간의 공간자기상관관계가 강해졌음을 의미한다. 산불의 경우 인위적, 환경적, 기후적 인자가 복합적으로 영향을 미치기 때문에 발생 위험도를 예측하는 것이 어려우나, 공간회귀분석을 적용하였을 때 모형의 예측정확도가 큰 폭으로 향상되는 것을 확인할 수 있었다. 향후, 보다 고도화된 분석 기법과 새로운 인자들을 반영한다면 보다 정확한 산불 발생의 시·공간패턴을 예측할 수 있을 것으로 사료된다.
기상자료 중에서도 산불과 밀접한 관계가 있다고 알려진 강수량과 상대 습도 사용하였으며 Poisson regression을 활용하여 산불 발생이 심각한 2-4월을 대상으로 시·공간 인자를 고려한 산불 발생위험도를 예측하였다(Figure 16). 예측결과 우리가 아는 바와 같이 3월 중순부터 4월 하순까지 대도시를 중심으로 전국적으로 산불 발생 위험도가 증가하는 것으로 나타났다. 또한, 여기서 공간자기상관성의 변화도 눈여겨 볼만하다.
수령(Tree age), 크기(Size), 지형습윤지수(Topographic Wetness Index, TWI)를 통해 개체 및 임분 조건을 반영하고, 온도와 강수량을 변수로 포함하여 환경, 공간, 기후의 이질성에 따른 임목의 생장을 예측할 수 있는 모형이다. 우리나라 주요 수종인 소나무와 참나무류를 대상으로 분석한 결과, 강수량과 지형습윤지수는 수종에 관계없이 임목의 생장에 긍정적인 영향을 미치는 것으로 나타났으며, 기온은 소나무에게는 부정적인 영향을 주는 반면, 참나무류에는 긍정적인 영향을 주는 것으로 확인되었다. 이는 최근 다양한 조사와 문헌에서 보고되고 있는 기후변화에 따른 소나무림의 쇠퇴와 참나무림의 확장 현상을 뒷받침하는 결과이며, 기후변화가 각 수종에 따라 다른 영향을 미친다는 것을 잘 설명해주고 있다.
Figure 13는 지위지수를 고정한 상태에서 임령과 기온에 따른 직경변화를 입체적으로 보여준다. 침엽수들은 온도가 증가할수록, 임분평균 직경의 기댓값이 작아지는 것으로 나타났고, 참나무는 반대로 증가하는 것으로 추정되었다. 이는 기후변화가 임분 단위의 직경생장에 유의미한 영향을 끼친다는 것을 의미하여 산림관리 의사결정 수립과 수확량을 예측할 때에 반드시 기후의 영향을 고려해야 한다는 것을 시사한다.
후속연구
이러한 변화로부터 DI(Detection Index)를 개발하여 재선충 감염목을 조기에 발견할 수 있는 가능성을 제시하였다. 이는 피해지역 및 피해 예상지역의 감시와 모니터링 시스템에 적용 시, 인적 자원 및 예산을 절약하는데 도움을 줄 수 있을 것으로 사료된다.
현재 원격탐사로 참나무 시들음병을 예찰하고 피해를 줄이기 위한 연구와 노력이 진행되고 있으며, 피해지의 공간패턴을 분석하기 위한 연구도 병행되고 있다(김소라 외 2014). 이러한 노력은 산림생태계의 건강을 보호할 수 있을 뿐만 아니라 산림관리와 방제에 대한 예산을 저감하는데도 큰 기여를 할 수 있을 것으로 사료된다.
따라서 산림 모니터링이 더욱 용이해 질 것으로 보이며, 이를 활용한 산림 계획 및 국토 관리가 가능하게 된다. 향후 기존의 원격탐사와 지리정보시스템이 더욱 고도화 될 것으로 파악되며, 이를 통해 우리나라의 64%의 면적을 차지하고 환경과 생태계에 중요한 역할을 하는 산림에 대한 다양한 활용이 예측된다.
향후, 보다 고도화된 분석 기법과 새로운 인자들을 반영한다면 보다 정확한 산불 발생의 시·공간패턴을 예측할 수 있을 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
2015년 기준 우리나라 산림 면적은?
우리나라 산림은 2015년 기준 총 6,334,315ha로 국토면적의 약 64%를 차지하고 있으며, 임산물, 산림생태계서비스, 생물다양성, 기후변화 등 다양한 수요에 직면하고 있다. 따라서 원격탐사 및 지리정보시스템을 통해 각 수요에 부합하는 정보를 제 때에 제공하는 것은 필수적이라고 할 수 있다(산림청 2016).
LiDAR시스템은 어떤 정보를 제공하는가?
위성영상을 통해 임상분류는 가능하지만, 입목의크기(흉고직경, 수고 등)를 측정하는데는 한계가 있어왔다. LiDAR(Light Detection and Ranging) 시스템은 산림의 수직적, 수평적인 측면을 동시에 고려할 수 있는 3차원 정보가 포함된 영상을 제공한다. LiDAR 자료를 활용하면, 반사되어 돌아오는 3차원 점들로부터 개체목의 위치파악과 수고측정이 가능하다.
산림분야에서 위성영상을 활용한 원격탐사 분석에서 수종을 분류하기 위해 사용하는 방법은 어떤 것들이 있는가?
30m 공간 해상도를 가진 Landsat 등의 중저해상도 위성영상으로는 침엽수 및 활엽수 수준까지 분류가 가능하지만,1m 급인 IKONOS 등의 고해상도 위성영상으로는 주요 수종까지 분류가 가능하다. 분류에는 화소기반 분류(Pixel-Based Classification: PBC), 객체기반 분류(Object-Based Classification: OBC), 영상분할 분류(Segment-Based Classification: SBC) 방법 등이 각 지역과 산림의 특성에 따라 활용되고 있다. 우리나라 산림은 임분의 규모가 작고 복잡한 구조로 되어있기 때문에 PBC의 방법과 OBC의 방법이 절충 된 형태인 SBC 방법론이 보다 효율적인 것으로 보고되고 있다.
참고문헌 (32)
곽한빈, 이우균, 이시영, 원명수, 구교상, 이병두, 이명보. 2010. 우리나라 산불 발생의 원인별 공간적 특성 분석. 한국임학회지 99(3):259-266. (Kwak H, Lee WK, Lee, SY, Won MS, Koo KS, Lee, B,Lee M. 2010. Cause-specific spatial pointpattern analysis of forest fire in Korea. Journalof Forest Society. 99(3):259-266.)
국립산림과학원. 2009. 2009년도 산림병해충 발생예찰조사 연보. 국립산림과학원 보고서. (National Institute of Forest Science. 2009. 2009 Annual report of monitoring for forest inscetpests and diseases in Korea. National Instituteof Forest Science Report.)
김경민, 김철민, 전은진. 2009. 1:25,000 수치임상도 제작체계 표준화 연구. 한국지리정보학회지, 12(3):143-151. (Kim KM, Kim CM, Jun EJ. 2009. Study on the Standard for 1:25,000 Scale Digital Forest Type Map Production in Korea. Journal of the Korean Association of Geographic InformationStudies. 12(3):143-151.)
김문일, 이우균, 권태협, 곽두안, 김유승, 이승호. 2011. 휴대용 근적외선 카메라로부터 얻어진 DI (Detection Index)를 이용한 소나무 재선충 피해목의 조기감별. 한국임학회지, 100(3):374-381. (Kim M., Lee WK, Kwon TH, Kwak DA, Kim YS, LeeSH. 2011. Early Detecting Damaged Trees by Pine Wilt Disease Using DI(Detection Index)from Portable Near Infrared Camera. Journal of Korean Forest Society. 100(3):374-381.)
김소라, 이정빈, 김정수, 김은숙, 이우균. 2014. 참나무 시들음병 피해목의 공간분포 특성 분석. 2014 한국지형공간정보학회 춘계학술대회, 209-210. (Kim SR, Lee JB, Kim JS, Kim ES, Lee WK. 2014.Spatial distribution analysis for damaged treesby Oak wilt disease. The Korean Society For Geospatial Information System 2014 Spring Conference. 209-210.)
김순아, 이우균, 손요환, 조영성, 이미선. 2009. 산림에 대한 기후변화 영향평가 모형의 국내 적용성 분석. 한국임학회지. 98(1):33-48. (Kim SN, Lee WK, Son Y, Cho Y , L ee MS. 2009.Applicability of climate change impact assessmentmodels to Korean forest. Journal of Forest Society. 98(1):33-48.)
김윤경, 이우균. 1999. 임상도와 GIS를 이용한 산림자원정보시스템 개발. 한국산림측정학회지 2(1):40-49. (Kim YK, Lee WK. 1999. Development of forestresources information system using forest typemap and GIS. Korean Journal of ForestManagment. 2(1):40-49.)
김지연, 이수경, 노남진, 윤태경, 한새롬, Cui G, 이우균, 손요환. 2013. 강원도 고성군 소규모 신규조림/재조림 CDM 시범사업의 온실가스 감축량 산정연구. 한국임학회지, 102(3):398-406. (Kim J, Lee SK., Noh NJ, Yoon TK, Han S, Cui G, LeeWK, Son Y. 2013. A Study on Greenhouse Gas Removals Estimation of a Small Scale Afforestation/reforestation CDM Pilot Project in Goseong, Gangwon Province. Journal of Korean Forest Society. 102(3):398-406.)
변정연, 이우균, 최성호, 오수현, 유성진, 권태성, 성주한, 우재욱. 시공간 정보기반 산림 생태계의 기후변화 취약성 평가. 한국원격탐사학회지. 28(1):159-169. (Byun J, Lee WK, Choi S, Oh S, Yoo S, Kwon T, Sung J, Woo J. 2012. Vulnerability assessment forforest rcosystem to climate change based onspatio-temporal information. Korean Journal of Remote Sensing. 28(1):159-169.)
산림청. 2016. 임업통계연보. 산림청 Korea Forest Service. 2016. Statistical yearbook of forestry. Korea Forest Service.
유성진, 이우균, 이승호, 김은숙, 이종렬. 2011. 위성영상과 공간자료를 이용한 북한 지역의 재조림 CDM 대상지 선정 및 적지분석 방안. 한국지형공간정보학회지. 19(3):3-11. (Yoo SJ, L ee WK, Lee SH, Kim ES, Lee JY. 2011.Approach for suitable site selection andanalysis for reforestation CDM using satelliteimage and spatial data in North Korea. Journal of the Korean Society for Geospatial Informationsystem. 19(3):3-11.)
윤진일, 최재연, 윤영관, 정유란. 2000. 산악지대의 일 최저기온 공간내삽모형. 한국농림기상확회지. 2(4):175-182. (Yun JI, Choi JY, Yoon YK, Chung U. 2000. A spatialInterpolation model for daily minimumtemperature over mountainous regions. Korean Journal of Agricultural and Forest Meteorology.2(4):175-182.)
한국기후변화학회. 2014. 천리포수목원 Bio-Green 사업. 공익재단법인 천리포수목원. (KSCC) The Korean Society of Climate Change Research. 2014. Chollipo arboretum Bio-Green project. Chollipo Arboretum.
조명희, 조윤원. 2006. 위성영상기반 전자주제도 작성 및 관리시스템 개발-산림행정업무지원서비스를 연구사례로-. 한국지리정보학회지. 9(1):89-100. (Jo MH, Jo YW. 2006. Developing the satellite imagebased e-thematic construction and managementsystem-case study of supporting forestadministrative service-. Journal of the Korean Association of Geographic Information Studies.9(1):89-100.)
정기현, 이우균, 심우범. 1998. 항공사진과 GIS를 이용한 토지이용형태 및 산림식생변화 모니터링. 한국산림측정학회지. 1(2):43-51. (Chung KH, Lee WK, Shim SB. 1998. Monitoring theland use type and forest vegetation changesusing aerial photograph and GIS. Korean Jounal or Forest Measurements. 1(2):43-51.)
정현용, 이우윤, 남기준, 김문일. 2013. 기후변화에 따른 임상푼포 변화 및 탄소저장량 예측. 기후변화학회지. 4(2):177-188. (Jeong HY, Lee WK, Nam K, Kim M. 2013. Estimatingthe Change of Potential Forest Distributionand Carton Stock by Climate C hanges-Focused on Forest in Yongin-City-. Journal of Climate Change Research. 4(2):177-188.)
한화진, 안소은, 최은진, 한기주, 이정택, 김해동, 손요환, 박용하, 조광우, 윤정호, 이은애, 김승만. 2006. 기후변화 영향평가 및 적응시스템 구축II, 한국환경정책평가연구원. Han HJ, Ahn SE, Choi EJ, Lee JT, Kim HD, Son Y, Park YH, Cho KW, Yoon JH, Lee E, Kim SM. 2006. Climate change impact assessment and development of adaptation strategies in Korea. Korea Environment Institute. p. 406.
함보영, 이우균, 정재서, 이준학. 2004. IKONOS 영상과 GIS를 이용한 참나무류의 공간분포 및 출현확률추정. 한국산림측정학회지. 7(1):74-84. (Ham BY, Lee WK, Ching JS, Lee JH. 2004. Estimationof spatial distribution and occurrenceprobability of Oak species using IKONOSsatellite imagery and GIS. Korean Journal of Forest Measurements. 7(1):74-84.)
Boudreau J, Nelson RF, Margolis HA, Beaudoin A, Guindon L, Kimes DS. 2008. Regional aboveground forest biomass using airborne and spaceborne LiDAR in Quebec. Remote Sensing of Environment. 112(10):3876-3890.
Byun JG, Lee WK, Kim M, Kwak DA, Kwak H, Park T, Byun WH, Son Y, Choi JK, Lee YJ, Saborowski J, Chung DJ, Jung JH. 2013. Radial growth response of Pinus densiflora and Quercus spp. to topographic and climatic factors in South Korea. J. Plant Ecol. 6:380-392.
IPCC. 2007. Climate change: Physical science basis. Paris. France. p. 2-21.
Kim E, Lee WK, Yoon M, Lee J Y, Lee EJ, Moon J. 2016a. Detecting Individual Tree Position and Height Using Airborne LiDAR Data in Chollipo Arboretum, South Korea. Terrestrial. Atmospheric & Oceanic Sciences. 27(4):593-604.
Kim E, Lee WK, Yoon M, Lee JY, Son Y, Salim KA. 2016b. Estimation of Voxel-based aboveground Biomass using airborne LiDAR data in intact tropical rain forest, Brunei, forests (in press).
Kim SR, Lee WK, Kwak DA, Biging GS, Gong P, Lee JH, Cho HK. 2011. Forest cover classification by optimal segmentation of high resolution satellite imagery. Sensors. 11(2):1943-1958.
Kwak DA, Lee WK, Lee JH, Biging GS, Gong P. 2007. Detection of individual trees and estimation of tree height using LiDAR data. Journal of Forest Research. 12(6):425-434.
Kwak, D.A Chung, J.W, Lee, W.K, Kafatos, M, Lee, S.Y, Cho, H.K, Lee, S.H. 2010. Evaluation for Damaged Degree of Vegetation by Forest Fire using LIDAR and Digital Aerial Photograph. Photogrammetric Engineering and Remote Sensing. 76(3): 277-287.
Kwak H, Lee WK, Saborowski J, Lee SY, Won MS, Koo KS, Lee MB, Kim SN. 2012. Estimating the spatial pattern of human-caused forest fires using a generalized linear mixed model with spatial autocorrelation in South Korea. International Journal of Geographical Information Science. 26:1589-1602.
Olmos, S. 2001. Vulnerability and Adaptation to Climate Change: Concepts, Issues, Assessment Methods. Climate Change Knowledge Network, http://www.cckn.net.
Piao, D., 이우균, Zhu, Y., 김문일, 송철호. 2016a. 북한에서의 REDD+ 사업을 위한 산림황폐화 및 탄소 저장량 평가. 한국환경생물학회지 34(1): 1-7 (Piao D., Lee, W.K., Zhu Y., Kim MI., Song CH. 2016a. Assessment of forest degradation and carbonstorage for REDD+Project in North Korea. Korean J. Environ. Biol. 34(1): 1-7.)
Piao D, Kim M, Lee WK, Choi GM, Moon J. 2016b Development of a DBH-Growth Model Based on Site and Climatic Conditions. Annals of Forest Science. (Under review) .
Xu, Z., 곽한빈, 이우균, 박태진, 권태협, 박선민. 2011. GIS를 이용한 기후변화에 따른 산사태 취약성 평가. 한국기후변화학회지. 2(1): 43-54. (Xu, Z., Kwak H, Lee W.K., Park T., Kwon T.H., Park,S., 2011. Assessment of landslide on climatechange using GIS. Climage Change Research2(1):43-54.)
Yu, H., Lee, J.Y., Lee, W.K., Cui, G., Cho, J.K., Wei, G., Li. L. 2016. Application of CASI Hyperspectral Image to Analysis of the Distribution of Hydrogen-Fluoride-Damaged Vegetation in Gumi, Korea. Journal of the Indian Society of Remote Sensing (Online Publication) 1-11 (SCIE).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.