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 연구는 산림지역에서의 Fusion 소프트웨어 GF 및 GC의 패러미터 수준 변화가 항공 LiDAR-DEM의 해발고도 정확도에 영향을 주는지 평가하고, 가장 높은 정확도를 제공하는 패러미터 값을 제시하는 것을 목적으로 한다.
- 본 연구는 Fusion 소프트웨어의 GF 및 GC의 패러미터 수준의 조합 변화에 따른 산림지역 항공 LiDAR-DEM의 해발고도 정확도에 대한 영향 여부 평가 및 상대적으로 정확도가 높은 해발고도 의 정보를 제공하는 항공 LiDAR-DEM에 대한 GF 및 GC 패러미터 값 선정을 연구목적으로 하였다.
제안 방법
- 각 연구대상지의 LiDAR 원자료로부터 GF와 GC의 패러미터 수준의 조합에 따른 항공 LiDAR-DEM을 Fusion ver 3.2와 ArcGIS ver 10.1을 사용하여 생성하였다.
- 이는 GF상에서 지정한 일정 격자 내의 LiDAR 원자료 점군들에 대하여 가중함수(weight function)을 기준으로 지면점일 가능성이 높은 점들에 대해 높은 가중치를 부여하는 방법으로 지면점을 구분하는 기법이다. 그리고 GC는 이처럼 필터링이 완료된 나지면이라 추정된 점들을 대상으로 추출하고자하는 DEM의 격자 별로 분할하고, 이후 격자 별로 분할된 점들에 대하여 산술평균을 실시하여 수치화를 실시한다.
- 하지만 본 연구에서 측정한 지역은 산림지역으로 식생으로 피복되어 있기 때문에 사양에서 명시하고 있는 정확도보다 측량성과가 상대적으로 낮을 가능성이 높다. 따라서 최대한 높은 정확도를 확보하기 위해 위성들의 기하학적 배치의 상태에 따른 오차인 위치 정밀도 저하율(PDOP; Positional Dilution Of Precision)이 1 이하를 만족할 경우에 측량한 값만을 사용하였다.
- 요인으로는 GF와 GC로 구성하고 각각 1, 3, 5, 7 및 9의 5가지 수준으로 투입하였다. 반응변수로는 잔차를 투입하였다.
- 이후 잔차에 대하여 유의미한 영향을 끼치는 요인을 대상으로 사후검정(Post hoc test) 중 Tukey HSD(Honestly Significant Difference)검정을 유의수준 5% 내에서 실시하여 요인의 수준 별 잔차들의 평균값들 간의 차이 유무를 검정하였다. 요인으로는 GF와 GC로 구성하고 각각 1, 3, 5, 7 및 9의 5가지 수준으로 투입하였다. 반응변수로는 잔차를 투입하였다.
- 우선 LiDAR 원자료를 기반으로 Fusion 소프트웨어의 GF의 패러미터를 5가지 수준(1, 3, 5, 7 및 9)별로 적용하여 필터링 된 자료를 추출하였다. 이후 각 GF의 패러미터 수준이 적용된 각각의 자료에 GC의 패러미터를 5가지 수준(1, 3, 5, 7 및 9)별로 적용하여, 총 25가지 조합의 GF 패러미터와 GC 패러미터가 적용된 격자형 지표면 자료를 각각 추출하였다.
- 이후 ArcGIS상에서 zi 값의 수평 위치(horizontal coordinate)와 동일한 위치의 LiDAR-DEM에서 추출된 고도 값(#)과의 차이를 통해 잔차(residual, ri)를 추출하였다. 잔차는 LiDAR-DEM 해발고도의 정확도를 측정하는 자료로서, 잔차의 값이 낮은 것은 LiDAR-DEM의 해발고도와 실제 해발고도의 차이가 작다는 의미이기 때문에 정확도가 높다는 의미로 해석할 수 있다.
- 우선 LiDAR 원자료를 기반으로 Fusion 소프트웨어의 GF의 패러미터를 5가지 수준(1, 3, 5, 7 및 9)별로 적용하여 필터링 된 자료를 추출하였다. 이후 각 GF의 패러미터 수준이 적용된 각각의 자료에 GC의 패러미터를 5가지 수준(1, 3, 5, 7 및 9)별로 적용하여, 총 25가지 조합의 GF 패러미터와 GC 패러미터가 적용된 격자형 지표면 자료를 각각 추출하였다. 다음으로 격자형 지표면 자료의 자료 형태를 DTM 포맷에서 ASCII 포맷으로 변환을 위해 DTM2ASCII 알고리즘을 적용하였다.
- 측정 시, 정확한 zi를 획득하기 위해 각 연구대상지를 둘러싸는 4개 이상의 수준점(benchmark)에 대하여 고도 측량을 실시하고, 이를 바탕으로 각 연구대상지의 고도에 대한 보정(calibration)을 실시하였다. 이후 연구대상지 별로 ArcGIS상에서 임의추출된 표본점에 대하여 정밀 GPS/GNSS를 활용한 고도 측량을 통해 zi 값을 추출하였다. 고도 측량에 사용된 측량기기는 수평 정확도 8mm, 수직 정확도 15mm인 매우 높은 정확도를 가진 CHC Navigation 사의 X91+ GPS/GNSS로서, 실시간 후처리 이동측위(RTK ; Real-Time Kinematic) 방법을 적용하였다(표 4).
- 를 측정하였다. 측정 시, 정확한 zi를 획득하기 위해 각 연구대상지를 둘러싸는 4개 이상의 수준점(benchmark)에 대하여 고도 측량을 실시하고, 이를 바탕으로 각 연구대상지의 고도에 대한 보정(calibration)을 실시하였다. 이후 연구대상지 별로 ArcGIS상에서 임의추출된 표본점에 대하여 정밀 GPS/GNSS를 활용한 고도 측량을 통해 zi 값을 추출하였다.
- 패러미터 수준 조합에 따른 항공 LiDAR-DEM 정확도의 평가에 필요한 실제 해발고도(이하 zi) 측량 및 잔차(residual) 추출을 실시하였다(그림 3).
- 현장에서 zi를 측량하기 전, ArcGIS상에서 점들을 임의로 선택하는 도구인 Create Random Point 도구를 사용하여 각 연구대상지에 대해 30개의 각 표본점들의 좌표를 추출하였다(그림 4).
대상 데이터
- 본 연구에서는 연구대상지로 산림지역에서의 항공 LiDAR 원자료의 가용성을 고려하여 양주시, 포천시, 세종시 및 경산시에 위치하는 네 곳의 산림유역을 대상으로 선정하였다(그림 1).
- 해당지역에 대한 자료로는 국립산림과학원에서 제공하는 항공 측량을 통해 획득한 LiDAR 원자료를 활용하였다. 각 연구대상지에 대한 자료의 획득 시기는 년도에는 차이가 있으나, 계절적으로 큰 차이가 없다.
데이터처리
- GF와 GC 패러미터 수준의 조합에 따른 잔차에 대한 영향 여부를 검정하기 위해 이원배치분산분석(two-way ANOVA)을 실시하였다. 분석에는 SPSS ver.
- 이후 잔차에 대하여 유의미한 영향을 끼치는 요인을 대상으로 사후검정(Post hoc test) 중 Tukey HSD(Honestly Significant Difference)검정을 유의수준 5% 내에서 실시하여 요인의 수준 별 잔차들의 평균값들 간의 차이 유무를 검정하였다.
이론/모형
- 이후 연구대상지 별로 ArcGIS상에서 임의추출된 표본점에 대하여 정밀 GPS/GNSS를 활용한 고도 측량을 통해 zi 값을 추출하였다. 고도 측량에 사용된 측량기기는 수평 정확도 8mm, 수직 정확도 15mm인 매우 높은 정확도를 가진 CHC Navigation 사의 X91+ GPS/GNSS로서, 실시간 후처리 이동측위(RTK ; Real-Time Kinematic) 방법을 적용하였다(표 4). 이를 통해 각 연구대상지에서 측점된 수는 표 5와 같다.
- 이후 각 GF의 패러미터 수준이 적용된 각각의 자료에 GC의 패러미터를 5가지 수준(1, 3, 5, 7 및 9)별로 적용하여, 총 25가지 조합의 GF 패러미터와 GC 패러미터가 적용된 격자형 지표면 자료를 각각 추출하였다. 다음으로 격자형 지표면 자료의 자료 형태를 DTM 포맷에서 ASCII 포맷으로 변환을 위해 DTM2ASCII 알고리즘을 적용하였다. 이후 ASCII 포맷의 지표면 자료를 Raster 포맷으로 변환하기 위해 ArcGIS의 ASCII To Raster 도구를 적용하였다(그림 2).
- 다음으로 격자형 지표면 자료의 자료 형태를 DTM 포맷에서 ASCII 포맷으로 변환을 위해 DTM2ASCII 알고리즘을 적용하였다. 이후 ASCII 포맷의 지표면 자료를 Raster 포맷으로 변환하기 위해 ArcGIS의 ASCII To Raster 도구를 적용하였다(그림 2).
성능/효과
- GC 패러미터는 분산분석 결과에서 수준 변화에 따라 항공 LiDAR-DEM의 해발고도 정확도에 대한 영향이 유의미하지 않은 것으로 나타났다. 이를 통해 신뢰성 있는 항공 LiDAR-DEM의 생성을 위해 GC 패러미터 선정 시, 어떤 수준을 선택하더라도 큰 차이가 없다고 할 수 있다.
- GF 및 GC 패러미터에 대하여 이원분산분석을 실시한 결과, GF 패러미터 수준 변화에 따른 잔차에 대한 영향은 유의미하게 나타났으나, GC 패러미터 수준 변화에는 유의미하게 나타나지 않았다. 따라서 GF가 GC보다 항공 LiDAR-DEM를 생성하는데 상대적으로 더 영향을 미치는 것으로 사료된다.
- 각 연구대상지의 산림은 유역 내에서 혼효된 임상으로 동일하며, 평균 경사는 10% 후반에서 20% 중반 사이로 지세적으로 완만한 분포를 보인다(표 1, 2).
- 따라서 보다 높은 정확도를 가지는 LiDAR-DEM을 추출하는 GF 패러미터를 선정한다면, 잔차들의 평균이 0.5658로 가장 낮은 값을 나타낸 수준 ‘7’ 을 우선적으로 고려하는 것이 합리적이라고 사료된다.
- 따라서 보다 정확한 해발고도를 표현하는 LiDAR-DEM을 추출하는 패러미터 선정 시, GF에 대하여 우선적으로 고려해야할 것으로 사료된다. 반면, GF와 GC 패러미터 간의 상호작용효과는 잔차에 유의미한 영향은 없는 것으로 나타났다(F-value : 0.247). 따라서 패러미터 선정 시 GF와 GC 패러미터는 독립적으로 고려할 수 있다.
- 분산분석결과에 따라 잔차에 대하여 유의미한 영향이 나타난 GF 패러미터에 대하여 사후분석을 실시한 결과, ‘7’, ‘5’, ‘9’, ‘3’ 과 ‘1’ 집단으로 나뉘었다.
- 이를 통해 신뢰성 있는 LiDAR-DEM의 생성을 위한 GF 패러미터 선정 시, 잔차들의 평균이 가장 높은 수준 ‘1’ 은 지양되는 것이 합리적이라고 판단된다.
- 이원배치분산분석 결과, GF 패러미터 수준에 따라 잔차에 대하여 유의미한 영향을 주는 것으로 나타났다(F-value : 27.340, p<0.01).
후속연구
- 또한 지표면 모델을 생성하는 Fusion 외의 다른 소프트웨어는 Fusion과는 다른 필터링 알고리즘과 보간법을 사용하기 때문에 차이가 있을 것으로 판단된다. 따라서 Fusion과 Fusion 외 소프트웨어에서 생성된 결과물의 상호비교를 통한 정확도 비교분석에 대한 고려가 필요할 것으로 판단된다.
- 본 연구를 통해 Fusion을 활용하여 신뢰성 있는 해발고도를 제공할 수 있는 항공 LiDAR-DEM의 생성을 위한 패러미터 선정에 대한 지침을 제공할 수 있을 것이다. 반면 연구대상지가 혼효림과 완경사지에 제한되었기에 추후 다른 조건의 임상과 지형에 따라 차이가 발생할 가능성이 있다고 사료된다. 따라서 다양한 대상지 조건에 따라 동일한 연구를 진행할 필요가 있다고 판단된다.
- 본 연구는 보다 정확한 산림지역 항공 LiDAR-DEM을 생성하는데 활용됨으로써 추후 산림 및 산림 내 지형정보를 획득하는데 기여할 수 있으리라 사료된다.
- 본 연구를 통해 Fusion을 활용하여 신뢰성 있는 해발고도를 제공할 수 있는 항공 LiDAR-DEM의 생성을 위한 패러미터 선정에 대한 지침을 제공할 수 있을 것이다. 반면 연구대상지가 혼효림과 완경사지에 제한되었기에 추후 다른 조건의 임상과 지형에 따라 차이가 발생할 가능성이 있다고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.