[논문]가우시안 확률밀도 함수기반 강원도 남·북한 지역의 산림면적 변화탐지 및 평가

이수종; 박은빈; 송철호; 임철희; 차성은; 이슬기; 이우균

doi:10.7780/kjrs.2019.35.5.1.3

가우시안 확률밀도 함수기반 강원도 남·북한 지역의 산림면적 변화탐지 및 평가
Detection and Assessment of Forest Cover Change in Gangwon Province, Inter-Korean, Based on Gaussian Probability Density Function 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.35 no.5 pt.1, 2019년, pp.649 - 663

이수종 (고려대학교 환경생태공학과) , 박은빈 (고려대학교 환경생태공학과) , 송철호 (고려대학교 환경GIS) , 임철희 (고려대학교 생명자원연구소) , 차성은 (고려대학교 환경생태공학과) , 이슬기 (고려대학교 환경생태공학과) , 이우균 (고려대학교 환경생태공학부)

초록
AI-Helper

2018년 유엔 개발 계획(United Nations Development Programme; UNDP)의 보고서에 따르면 북한의 산림 황폐화는 매우 극단적이며, 지금까지도 진행되고 있다. 기후변화 측면에서 산림 황폐화는 단순히 한 국가만의 문제가 아닌 전 지구적인 스케일의 문제로 여겨지며, 이러한 북한 산림 황폐화의 원인은 만성적인 식량난과 개간 산지의 확대, 산림 병해충의 영향으로 알려져 있다. 산림 황폐화에 대응하기 위한 연구와 정책 사업들은 원격탐사와 산림 관련 국가 공간자료들을 이용하여 진행되지만, 북한의 경우 국가 공공 자료들의 접근이 제한적이며, 객관성이 보장되기 어렵다. 따라서, 본 연구에서는 Landsat 위성영상을 사용하여 통계적 확률밀도 추정 방법을 통해 한반도에서 유일하게 행정구역상으로 분단된 강원도에 대한 산림면적을 탐지 및 평가하고자 하였다. 남한의 산림 공간자료와 정규화식생지수(Normalized Difference Vegetation Index; NDVI)를 이용하여, 산림 비산림의 NDVI 값에 대한 범주별 가우시안 확률밀도함수를 추정하고 산림 탐지를 위한 NDVI 임계점(0.6658)을 설정하였다. 설정된 임계점을 이용하여 남 북 강원도에 대한 다중시기 산림면적 탐지를 진행한 결과 남 북 모두 2000년대까지 산림 면적이 감소하였으나, 2010년대에는 면적이 증가하는 경향이 나타났다. 또한, 지역적 규모에서 산림 면적의 감소는 국가별 도시화, 산업화의 정책 방향과 일치함을 확인하였다. 검증을 위한 Kappa value의 경우 대부분 강적합(0.8)과 중적합(0.6) 수준을 나타내었으며, 탐지된 면적과 국가 통계와의 비교 결과도 약소한 차이를 나타내었다. 본 연구는 북한 산림 황폐화에 대응하는 기반 자료로 사용될 수 있으며, 탐지된 결과를 바탕으로 산림자원의 보호와 복구의 필요성이 제기된다.

Abstract ▼ AI-Helper

The 2018 United Nations Development Programme (UNDP) report announced that deforestation in North Korea is the most extreme situation and in terms of climate change, this deforestation is a global scale issue. To respond deforestation, various study and projects are conducted based on remote sensing, but access to public data in North Korea is limited, and objectivity is difficult to be guaranteed. In this study, the forest detection based on density estimation in statistic using Landsat imagery was conducted in Gangwon province which is the only administrative district divided into South and North. The forest spatial data of South Korea was used as data for the labeling of forest and Non-forest in the Normalized Difference Vegetation Index (NDVI), and a threshold (0.6658) for forest detection was set by Gaussian Probability Density Function (PDF) estimation by category. The results show that the forest area decreased until the 2000s in both Korea, but the area increased in 2010s. It is also confirmed that the reduction of forest area on the local scale is the same as the policy direction of urbanization and industrialization at that time. The Kappa value for validation was strong agreement (0.8) and moderate agreement (0.6), respectively. The detection based on the Gaussian PDF estimation is considered a method for complementing the statistical limitations of the existing detection method using satellite imagery. This study can be used as basic data for deforestation in North Korea and Based on the detection results, it is necessary to protect and restore forest resources.

주제어

표/그림 (12)

그림 Fig. 1. Study area with administrative boundaries and orbit path and row of Landsat imagery (Hansen et al., 2013;USGS, 2019).
표 Table 1. Landsat 5, 8 data of Gangwon province
그림 Fig. 2. Research flow for detecting the forest cover area.
그림 Fig. 3. Comparison land cover map and NDVI in 2009.
그림 Fig. 4. The permanent sample plots (Sample, Forest and Non-Forest).
그림 Fig. 5. The process to calculate NDVI in Gangwon province, South Korea at 2009. False color composite imagery (NIR, Red, Green) (b) Calculated NDVI.
그림 Fig. 6. Gaussian probability density function by category and set threshold.
표 Table 2. NDVI criteria for forest detection
그림 Fig. 7. Forest cover change in Gangwon province.
표 Table 3. Results of forest detection in Gangwon province using NDVI threshold
표 Table 4. Accuracy assessments of pixel- and area-based detection
표 Table 5. National statistics and land cover map of South Korea

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구에서는 북한 실측 자료 취득의 어려움과 기존 위성영상 기반 탐지 및 분류기법의 통계적 한계를 극복하기 위해 가우시안 확률밀도함수를 기반으로 NDVI와 남한 산림 공간정보를 활용한 산림공간정보 분석방법의 결과와 타당성을 확보하고자 하였다
또한, 데이터가 가지고 있는 불규칙한 확률밀도를 고려한 비모수적(Non-Parametric) 밀도추 정법을 사용한다면, 더욱 유의성 있는 산림탐지 임계점 설정의 가능성도 존재할 것이다. 본 연구는 식생지수 및남한 공간자료를 이용한 광역적 북한 산림 자원 평가 및 모니터링의 기초 연구로써 의미가 있으며, 남한의 성공 적인 산림경영과 정책을 기반으로 북한 산림 자원의 현상 파악과 산림 보호를 위한 산림정책 및 기술이 필요 함을 시사한다.
본 연구에서는 산림과 비산림 영역에 속하는 NDVI 값들을 각각 추출하여 밀도 추정 기반의 산림 탐지를 위한 임계점을 설정하였다. 이를 위해서는 우선적으로 VI 산출을 위한 영상자료와 공간적 범위와 기준에 따라 산림과 비산림을 구분해주는 Labeling 자료가 이용 된다.

가설 설정

본 연구에서는 Landsat 5/8 위성영상을 기반으로 가우시안 확률밀도함수를 사용하여 남·북 강원도에 대한 산림면적을 탐지하였다. 국가 공간자료가 확보되어있는 2009년 남한 강원도를 대상으로 산림과 비산림에 해당하는 NDVI값의 확률분포를 가우시안 확률밀도 함수형태로 가정하였고, 산림과 비산림의 밀도함수가 겹치는 NDVI 값 0.6658을 산림탐지를 위한 임계점으로 설정하였다. 1980년대부터 2019년까지 10년 단위로 산림면적을 탐지한 결과 남한은 지속적인 산림 정책 및 경영으로 인해 산림면적의 변화가 2009년까지 소폭 감소, 2018년에는 약 10%가 증가하는 추세였으며, 국지적으로는 도시화에 따른 산림면적의 감소를 나타내었다.
3). 추출된 NDVI 값들은 모수적 밀도 추정(Parametric Density Estimation)으로 범주별 분포 특성에 해당하는 가우시안 확률 밀도 함수를 가정하여 모수(Parameter)를 추정하였다. 추정된 가우시안 확률 밀도 함수와 원래의 데이터가 가지고 있는 확률 밀도와의 비교를 위해 평균제곱 근오차(Root Mean Square Error; RMSE)를 산출하였고, 식 (2)를 이용하여 확률밀도 함수들이 교차하는 지점을 산림 탐지를 위한 임계점으로 설정하였다.

제안 방법

(2014)은 미얀마 건조지 토지피복변화 연구결과의 검증을 픽셀 기반으로 진행하였고, Piao et al.(2016)은 북한에서의 산림 황폐화 결과의 검증을 픽셀 기반 진행하였으며, 본 연구에 서는 과거 시기의 남한 산림 탐지 결과를 대상으로 1980 년대부터 구축된 대분류 토지피복도를 이용하여 1차검증을 진행하였다. 픽셀 기반의 검증을 위해 산림과 비산림으로 탐지된 영상을 대분류 토지피복도와 중첩한후 랜덤 포인트(Random Point)를 생성하고 두 레이어에 대한 분류값(Classified) 값과 실제값(Ground Truth Value) 값을 입력하여, 남한 강원도지역의 1988, 1999, 2009년에 대한 검증을 진행하였다.
(2019)은 NFI 집락 표본점 중심인 S1 표본점을 기준으로 수도권 지역에 대한 산림 온실가스 인벤토리를 작성하기 위해 분류된 결과에 대한 육안판독을 진행하였으며, 본 연구에서는 원형조사구 판독법과 Google Earth Pro를 사용하여 2009년과 2018년 남·북 강원도의 산림 및 비산림 탐지 결과를 대상으로 면적 기반의 2차 검증을 진행하였다.
2) 가우시안 확률밀도함수를 기반으로 중분류 토지피복도의 산림·비산림에 속하는 NDVI 값들의 범주별 확률밀도 추정 및 NDVI 임계점을 설정하였다.
추정된 가우시안 확률 밀도 함수와 원래의 데이터가 가지고 있는 확률 밀도와의 비교를 위해 평균제곱 근오차(Root Mean Square Error; RMSE)를 산출하였고, 식 (2)를 이용하여 확률밀도 함수들이 교차하는 지점을 산림 탐지를 위한 임계점으로 설정하였다. 또한, 추정된 모수(Parameter)와 식 (3)인 누적분포함수(Cumulative Distribution Function; CDF)를 이용하여 임계점을 기준으로 실제 비산림 지역이 비산림으로 탐지되는 확률과 실제 산림지역이 산림으로 탐지될 확률을 산출하였다.
본 연구에서는 Landsat 5/8 위성영상을 기반으로 가우시안 확률밀도함수를 사용하여 남·북 강원도에 대한 산림면적을 탐지하였다.
본 연구에서는 Landsat 위성영상을 이용하여 다음과 같은 세 가지 단계로 연구를 수행하였다(Fig. 2). 1) 위성 영상으로부터 식생지수를 원활하게 산출하기 위해 기본 반사율 범위를 넘는 값들을 보정 하였으며, 2) 가우시안 확률밀도함수를 기반으로 중분류 토지피복도의 산림·비산림에 속하는 NDVI 값들의 범주별 확률밀도 추정 및 NDVI 임계점을 설정하였다.
본 연구에서는 NDVI 임계점을 이용하여 연구 대상 시기에 대한 남·북한 강원도의 산림을 탐지하였으며, 탐지된 면적은 두 가지 방법을 이용하여 검증하였다.
본 연구에서는 산림 탐지를 위하여 전처리과정을 거친 Landsat을 대상으로 산림 탐지에 용이한 False Color Composite Bands를 이용하여 NDVI를 산출하였다(Fig. 5).
검증을 위한 랜덤 포인트의 개수 산출을 위해 식 (4) 인 이항확률분포(Binomial Probability Distribution) 모형을 사용하였다. 연구결과에 대해 85%의 예측정확도와 5%의 유의 수준을 가정하여 250개로 설정하였으며 검증을 위한 랜덤 포인트는 계통적 층화추출법에 의거 무작위로 배치하였다. 최종적으로 사용자정확도와 생산자정확도, 그리고 식 (5)로 표현되는 Cohen’s Kappa Coefficient 를 산출하였다.
Labeling 자료로 사용되는 중분류 토지피복도가 2009년 남한 대상의 위성영상으로 구축된 점을 고려하여, NDVI 산출을 위한 영상자료의 시·공간적 규모를 2009년 남한 강원도로 설정하였다. 중분류 토지피복도의 분류 코드 중 활엽수림, 침엽수림, 혼효림을 산림(Forest)으로 나머지 분류 코드는 모두 비산림(NonForest)으로 재분류(Reclassify) 및 범주화(Categorization)하여, 범주별 NDVI 값들을 추출하였다(Fig. 3). 추출된 NDVI 값들은 모수적 밀도 추정(Parametric Density Estimation)으로 범주별 분포 특성에 해당하는 가우시안 확률 밀도 함수를 가정하여 모수(Parameter)를 추정하였다.
(2016)은 북한에서의 산림 황폐화 결과의 검증을 픽셀 기반 진행하였으며, 본 연구에 서는 과거 시기의 남한 산림 탐지 결과를 대상으로 1980 년대부터 구축된 대분류 토지피복도를 이용하여 1차검증을 진행하였다. 픽셀 기반의 검증을 위해 산림과 비산림으로 탐지된 영상을 대분류 토지피복도와 중첩한후 랜덤 포인트(Random Point)를 생성하고 두 레이어에 대한 분류값(Classified) 값과 실제값(Ground Truth Value) 값을 입력하여, 남한 강원도지역의 1988, 1999, 2009년에 대한 검증을 진행하였다.

대상 데이터

Labeling 자료로 사용되는 중분류 토지피복도가 2009년 남한 대상의 위성영상으로 구축된 점을 고려하여, NDVI 산출을 위한 영상자료의 시·공간적 규모를 2009년 남한 강원도로 설정하였다.
, 2008). 또한, 다중 시기의 산림 면적 변화 탐지를 위해서는 시기별 영상을 획득해야 하므로 다음의 기준들을 고려하여 최종적으로 Landsat 5 위성영상의 1988년, 1999년, 2009년, Landsat 8 위성영상의 2018년 시기 영상들을 선별하였다(Table 1).
본 연구에서는 Google Earth Pro를 2000년대 이후 남·북한 강원도의 탐지 결과에 대한 2차 검증자료로 사용하였다.
본 연구에서는 남·북한의 산림변화를 탐지하고 이를 비교·분석하기 위해 한반도의 중동부에 있으며 남·북한의 행정구역상에서 유일하게 분단된 도인 강원도를 대상지로 선정하였다.
본 연구에서는 지리적·정치적인 한계로 접근할 수 없는 지역에 대한 광범위한 면적의 산림을 탐지하기 위해 미국 지질조사국(United States Geological Survey; USGS) 에서 제공하는 대기 보정이 적용된 Landsat Level-2 위성 영상을 이용하였다.
결과의 검증을 위해 2000년대 이전 남한 결과에 대한 1차 검증, 2000년대 이후 남·북한 결과에 대한 2차 검증용 자료가 요구된다. 북한의 경우 2000년대 이전 국가 공간자료 및 고해상도영상의 접근이 제한적이기 때문에 기구축된 남한의 대분류 토지피복도를 1차검증용 자료로 사용하였다. 구글(Google)에서 제공해주는 Google Earth Pro는 2005년 이후에 촬영된 고해상도의 위성영상을 제공해주며 이는 피복 탐지 및 분류를 위한 참고및 검증자료로 이용되고 있다(Google, 2019; Cha and Park, 2007).
, 2012). 연구에 사용된 Landsat 5, 8위성영상은 각각 1984년 3월 1일, 2013년 2월 11일에 발사되었으며, Landsat 5 위성영상의 경우 7개의 파장역을 사용하여 지표면의 특성을 관측하고 있고 Landsat 8 위성영상의 경우 기존 파장역에서 Coastal Aerosol(Band 1), Cirrus(Band 9)가 추가되었다(USGS, 2019).
본 연구에서는 산림과 비산림 영역에 속하는 NDVI 값들을 각각 추출하여 밀도 추정 기반의 산림 탐지를 위한 임계점을 설정하였다. 이를 위해서는 우선적으로 VI 산출을 위한 영상자료와 공간적 범위와 기준에 따라 산림과 비산림을 구분해주는 Labeling 자료가 이용 된다. Labeling 자료로 사용되는 중분류 토지피복도가 2009년 남한 대상의 위성영상으로 구축된 점을 고려하여, NDVI 산출을 위한 영상자료의 시·공간적 규모를 2009년 남한 강원도로 설정하였다.

데이터처리

1) 위성 영상으로부터 식생지수를 원활하게 산출하기 위해 기본 반사율 범위를 넘는 값들을 보정 하였으며, 2) 가우시안 확률밀도함수를 기반으로 중분류 토지피복도의 산림·비산림에 속하는 NDVI 값들의 범주별 확률밀도 추정 및 NDVI 임계점을 설정하였다. 또한, 3) 임계점을 이용하여 시기별로 산림을 탐지하였고, 대분류 토지피복 도와 Google Earth Pro를 이용하여 검증을 진행하였다.
본 연구에서는 Google Earth Pro를 2000년대 이후 남·북한 강원도의 탐지 결과에 대한 2차 검증자료로 사용하였다. 또한, 최종적인 산림 면적 결과에 대한 정량적인 비교는 남한지역만 가능하므로 임업통계 연보와 대분류 토지피복도를 이용하였다(KFS, 2018).
최종적으로 사용자정확도와 생산자정확도, 그리고 식 (5)로 표현되는 Cohen’s Kappa Coefficient 를 산출하였다.
추출된 NDVI 값들은 모수적 밀도 추정(Parametric Density Estimation)으로 범주별 분포 특성에 해당하는 가우시안 확률 밀도 함수를 가정하여 모수(Parameter)를 추정하였다. 추정된 가우시안 확률 밀도 함수와 원래의 데이터가 가지고 있는 확률 밀도와의 비교를 위해 평균제곱 근오차(Root Mean Square Error; RMSE)를 산출하였고, 식 (2)를 이용하여 확률밀도 함수들이 교차하는 지점을 산림 탐지를 위한 임계점으로 설정하였다. 또한, 추정된 모수(Parameter)와 식 (3)인 누적분포함수(Cumulative Distribution Function; CDF)를 이용하여 임계점을 기준으로 실제 비산림 지역이 비산림으로 탐지되는 확률과 실제 산림지역이 산림으로 탐지될 확률을 산출하였다.

이론/모형

검증을 위한 랜덤 포인트의 개수 산출을 위해 식 (4) 인 이항확률분포(Binomial Probability Distribution) 모형을 사용하였다. 연구결과에 대해 85%의 예측정확도와 5%의 유의 수준을 가정하여 250개로 설정하였으며 검증을 위한 랜덤 포인트는 계통적 층화추출법에 의거 무작위로 배치하였다.
면적 기반의 검증은 국립산림과학원 국가산림자원 조사(National Forest Inventory; NFI)에서 사용되는 고정 표본점과 원형조사구를 이용하였다. NFI는 산림기본 통계를 확보하기 위해 전국의 산림을 과학적인 방법으로 검증하고 있으며, 항공사진 판독에 고정표본점을 사용한다(KFRI, 2011).

성능/효과

아울러, 향후 단순히 산림면적 변화뿐만 아니라, 침활혼, 수종 등의 속성정보가 세분화 되어 면적변화를 탐지하려면, 초분광 영상을 통한 수종분류, LiDAR, RADAR를 이용한 3차원 식생입체정보가 반영 등의 추가적인 정보가 필요할 것이다. 가우시안 확률밀도함수를 이용한 밀도추정 기법은 머신러닝과, 모수추정에서 가장 핵심적인 방법론 중 하나이며, 임계점으로 추정한 결과 또한, 기존에 정의된 산림으로 정의되는 NDVI 값과 유사함을 확인하였다. 또한, 데이터가 가지고 있는 불규칙한 확률밀도를 고려한 비모수적(Non-Parametric) 밀도추 정법을 사용한다면, 더욱 유의성 있는 산림탐지 임계점 설정의 가능성도 존재할 것이다.
그러나 산림의 경우 사용자·생산자 정확도가 모두 90% 이상이며, 전체적인 정확도도 90% 에 달하였기 때문에 본 연구에서 사용한 방법론은 산림 탐지의 정확도 측면에서 유의성 있다고 판단된다.
대분류 토지피복도와의 픽셀 기반검증 결과 1988년의 Kappa 값은 0.64, 1999년은 0.62, 2009년은 0.6을 나타내었으며, Google Earth Pro를 이용한 면적 기반검증 결과 2009년의 Kappa 값은 0.8, 2018년은 0.83을 나타내었다.
5302%이다. 두 분포 곡선이 중첩되는 지점은 0.6658이며, 이를 기준으로 누적분포함수를 이용한 결과 실제 비산림 지역이 비산림으로 탐지될 확률은 84%, 실제 산림지역이 산림으로 탐지될 확률은 96%이다. 중첩 되는 지점(0.
3) 산림 탐지의 정확도 평가 및 면적 비교

비산림에 대한 사용자정확도와 생산자정확도를 산림 탐지의 정확도와 비교하였을 때 상대적으로 낮은 것을 확인할 수 있으며, 이는 비산림 지역이 산림으로 탐지되는 확률이 반대의 경우인 산림 지역이 비산림으로 탐지되는 확률에 비해 크다는 것을 의미한다(Table 4). 이러한 경향은 누적분포함수를 이용한 비산림의 탐지 확률과 유사하다.
시군구 단위 수준에서 북한의 원산시와 평강군은 지속적인 산림 면적의 감소를 파악할 수 있었으며, 금강군의 경우 2018년에는 일정 면적의 산림이 회복되었음을 확인하였다. 산림 면적의 감소를 나타낸 원산시와 평강군은 강원도의 대표적 공업 도시와 농업 도시이며, 최근 북한 농업 동향에 따르면 두 지역의 중앙에 있는 세포군을 중심으로 세계 제일 규모의 종합 축산기지가 건설되고 있다(KEI, 2019).
1708이다. 추정된 가우시안확률 분포와 실제 데이터가 나타내는 확률밀도 간 평균 제곱근 오차를 산출한 결과 산림은 1.6277%, 비산림은 0.5302%이다. 두 분포 곡선이 중첩되는 지점은 0.
하지만 김정은 정권의 산림조성정책 강화로 인하여 2018년도에는 약 10%에 달하는 산림면적이 다시 증가하였다. 탐지결과에 대한 정확도 검증 결과 픽셀 기반의 검증은 중-적합(Moderate Agreement), 면적 기반의 검증은 강-적합(Strong Agreement)이었으며, 남한의 경우 기존 국가통계 및 국가 공간자료 면적의 정량적 비교시 큰 차이가 나타나지 않았다. 본 연구는 남한과 현장조사가 불가능한 북한 강원도에 대해 과거부터 현재까지 광역적 산림면적을 탐지하고 모니터링 했다는 점과 국가공간자료를 이용하여 현장조사를 대체하였다는 점에 의의가 있지만, 보다 정확도 높은 산림 면적을 탐지하기 위해서는 높은 공간 해상도, 다양한 분광파장 영역 등의 제원을 갖는 위성영상이 요구되며, 추가적 식생지수와 지형적인 인자들도 정밀한 산림탐지를 위해 반영되어야 할 한계점으로 존재할 것이다.
남한 강원도의 탐지 결과를 임업통계연보와 대분류 토지피복도의 면적과 비교해보면 2009년 대분류 토지 피복도와의 비교를 제외하고는 평균 5% 이하를 과대추정하거나 과소추정한 것으로 나타났다(Table 5). 탐지된 결과를 바탕으로 국가 공간자료 및 Google Earth Pro와의 검증, 국가통계와의 면적 비교를 통해 가우시안 확률밀도함수 기반의 산림탐지는 통계적으로 유의성이 높다고 판단된다.
탐지된 산림면적을 보면 남한과 북한의 강원도 산림은 1988년부터 2009년까지 감소하는 추세를, 2018년에는 증가하는 추세를 나타내었다(Table 3). 남한의 경우 1988년부터 2009년까지의 감소추세는 평균 5% 정도로 감소하였지만 2018년에는 9%의 산림 면적이 증가하였다.

후속연구

결과의 검증을 위해 2000년대 이전 남한 결과에 대한 1차 검증, 2000년대 이후 남·북한 결과에 대한 2차 검증용 자료가 요구된다.
가우시안 확률밀도함수를 이용한 밀도추정 기법은 머신러닝과, 모수추정에서 가장 핵심적인 방법론 중 하나이며, 임계점으로 추정한 결과 또한, 기존에 정의된 산림으로 정의되는 NDVI 값과 유사함을 확인하였다. 또한, 데이터가 가지고 있는 불규칙한 확률밀도를 고려한 비모수적(Non-Parametric) 밀도추 정법을 사용한다면, 더욱 유의성 있는 산림탐지 임계점 설정의 가능성도 존재할 것이다. 본 연구는 식생지수 및남한 공간자료를 이용한 광역적 북한 산림 자원 평가 및 모니터링의 기초 연구로써 의미가 있으며, 남한의 성공 적인 산림경영과 정책을 기반으로 북한 산림 자원의 현상 파악과 산림 보호를 위한 산림정책 및 기술이 필요 함을 시사한다.
탐지결과에 대한 정확도 검증 결과 픽셀 기반의 검증은 중-적합(Moderate Agreement), 면적 기반의 검증은 강-적합(Strong Agreement)이었으며, 남한의 경우 기존 국가통계 및 국가 공간자료 면적의 정량적 비교시 큰 차이가 나타나지 않았다. 본 연구는 남한과 현장조사가 불가능한 북한 강원도에 대해 과거부터 현재까지 광역적 산림면적을 탐지하고 모니터링 했다는 점과 국가공간자료를 이용하여 현장조사를 대체하였다는 점에 의의가 있지만, 보다 정확도 높은 산림 면적을 탐지하기 위해서는 높은 공간 해상도, 다양한 분광파장 영역 등의 제원을 갖는 위성영상이 요구되며, 추가적 식생지수와 지형적인 인자들도 정밀한 산림탐지를 위해 반영되어야 할 한계점으로 존재할 것이다. 아울러, 향후 단순히 산림면적 변화뿐만 아니라, 침활혼, 수종 등의 속성정보가 세분화 되어 면적변화를 탐지하려면, 초분광 영상을 통한 수종분류, LiDAR, RADAR를 이용한 3차원 식생입체정보가 반영 등의 추가적인 정보가 필요할 것이다.
본 연구는 남한과 현장조사가 불가능한 북한 강원도에 대해 과거부터 현재까지 광역적 산림면적을 탐지하고 모니터링 했다는 점과 국가공간자료를 이용하여 현장조사를 대체하였다는 점에 의의가 있지만, 보다 정확도 높은 산림 면적을 탐지하기 위해서는 높은 공간 해상도, 다양한 분광파장 영역 등의 제원을 갖는 위성영상이 요구되며, 추가적 식생지수와 지형적인 인자들도 정밀한 산림탐지를 위해 반영되어야 할 한계점으로 존재할 것이다. 아울러, 향후 단순히 산림면적 변화뿐만 아니라, 침활혼, 수종 등의 속성정보가 세분화 되어 면적변화를 탐지하려면, 초분광 영상을 통한 수종분류, LiDAR, RADAR를 이용한 3차원 식생입체정보가 반영 등의 추가적인 정보가 필요할 것이다. 가우시안 확률밀도함수를 이용한 밀도추정 기법은 머신러닝과, 모수추정에서 가장 핵심적인 방법론 중 하나이며, 임계점으로 추정한 결과 또한, 기존에 정의된 산림으로 정의되는 NDVI 값과 유사함을 확인하였다.
확률밀도 추정 기반의 산림탐지를 위해 산림과 비산림의 공간적인 기준과 범위를 구분해주는 Labeling 자료가 요구되며, 본 연구에서는 환경부에서 제작한 공간자료인 중분류 국가 토지피복도를 사용하였다. 국가 토지 피복도는 우리나라 전체의 공간정보를 수집한 것으로 정기적으로 자료를 수집하며, 지속적이고 체계적으로 자료의 정밀도가 향상되고 있는 결과물이다(ME, 2013;Choi et al.

질의응답

핵심어	질문	논문에서 추출한 답변
	북한의 경우 전 국토 중 산림이 차지하는 면적이 90년대 대비 감소한 이유는?	8%로 1990년대 대비 38.7%가 감소하였으며, 이에 대한 가장 큰 원인으로는 경제적 공급 부족으로 인한 북한의 만성적인 식량난과 개간 산지의 확대, 산림 병해충의 영향 때문이다(UNDP, 2018; NIE, 2017; KEI, 2018). 국제조사기관인 ‘Maplecroft’에 따르면 북한은 극단적인 산림황폐화국에 속해있으며, 현재도 산림 황폐화는 급속도로 진행되고 있으므로 북한의 산림에 대한 지속적인 관심과 사업이 중요한 실정이다(Maplecroft, 2012; KEI, 2019).
	북한의 경우 산림 관련 자료의 접근이 제한적인데, 어떻게 해결하는가?	, 2018; Choi and Um, 2012). 따라서 위성영상자료와 지리정보시스템(Geographic Information System; GIS)자료를 기반으로 북한의 산림황폐화에 대응하기 위한 다양한 연구들이 제시되고 있으며, Choi et al.(2015)은 체계적으로 자료의 정밀도가 향상되고 있는 남한 강원도의 산림 공간자료를 훈련용 자료(Training Data)로 활용하여 유의성 있는 북한 강원도의 산림 탐지 자료를 취득할 수 있는 가능성을 언급한 바 있다(Yoo et al., 2011).
	Landsat Level-2 위성영상이란?	본 연구에서는 지리적·정치적인 한계로 접근할 수 없는 지역에 대한 광범위한 면적의 산림을 탐지하기 위해 미국 지질조사국(United States Geological Survey; USGS)에서 제공하는 대기 보정이 적용된 Landsat Level-2 위성영상을 이용하였다. Landsat Level-2 영상은 USGS Earth Resources Observation and Science(EROS)에서 Science Processing Architecture(ESPA)를 통해 기존 Level-1 위성영상을 대상으로 대기 영향이 보정된 영상으로 Landsat 4, 5, 7, 8에 대해 사용자 주문형으로 제공된다(USGS. 2015).

참고문헌 (49)

Bayasgalan, M., 2005. Monitoring of Drought in Mongolia, Ph.D. dissertation, Ulaanbaatar University, Ulaanbaatar, Mongolia.
Cha, S. Y. and C.-H. Park, 2007. The utilization of Google Earth images as reference data for the multitemporal land cover classification with MODIS data of North Korea, Korean Journal of Remote Sensing, 23(5): 483-491.

원문보기 상세보기
Choi, I. H. and J.-C. Woo, 2007. Developmental Process of Forest Policy Direction in Korea and Present Status of Forest Desolation in North Korea, Journal of Forest and Environmental Science, 23(1): 35-49 (in Korean with English abstract).
Choi, J. H. and J.-S. Um, 2012. Application of satellite image to evaluate UN-REDD Registration Potential of North Korea: A case study of Mt. Geumgang, Journal of Korean Society for Geospatial Information System, 20(4): 77-87 (in Korean with English abstract).
Choi, J., S. H. Lee, S. A. Lee, S.-Y. Ji, and S.-H. Lee, 2015. Applicability of Supervised Classification for Subdividing Forested Areas Using SPOT-5 and KOMPSAT-2 Data, Journal of the Korea Society of Environmental Restoration Technology, 18(2): 89-104 (in Korean with English abstract).

원문보기 상세보기
Choi, S. E., W.-K. Lee, H. Yu, H.-D. Kang, and Y.-S. Kim, 2014. Analysis of Relationship between Land Cover Change and Vegetation Temperature Condition Index in Central Dry Zone of Myanma, Journal of the Korean Association of Geographic Information Studies, 17(2): 82-94 (in Korean with English abstract).
Google, 2019. Google Earth Pro 7.3.2.5776, Accessed on May 1, 2019.
Gross, D., 2005. Monitoring agricultural biomass using NDVI time series, Food and Agriculture Organization of the United Nations (FAO), Rome, Italy.
Hansen, M. C., P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, C. O. Justice, and J. R. G. Townshend, 2013. High-Resolution Global Maps of 21st-Century Forest Cover Change, Science, 342(6160): 850-853.

상세보기
Hong, S. Y., S.-K. Rim, S.-H. Lee, J.-C. Lee, and Y.-H. Kim, 2008. Spatial Analysis of Agro-Environment of North Korea Using Remote Sensing 1. Landcover Classification from Landsat TM imagery and Topography Analysis in North Korea, Korean Journal of Environmental Agriculture, 27(2): 120-132 (in Korean with English abstract).

원문보기 상세보기
Jeong, J. J., 2012. Comparison of Built-up Area Extraction Methods: Classification Method vs. Vegetation Index Method, Journal of the Korean Cartographic Association, 12(3): 35-44 (in Korean with English abstract).
Jiang, Z., A. R. Huete, J. Chen, Y. Chen, J. Li, G. Yan, and X. Zhang, 2006. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction, Remote Sensing of Environment, 101(3): 366-378.

상세보기
Jung, M. H., S.-H. LEE, E.-M. Chang, and S.-W. Hong, 2012. Method of Monitoring Forest Vegetation Change based on Change of MODIS NDVI Time Series Pattern, Journal of Korea Spatial Information Society, 20(4): 47-55 (in Korean with English abstract).
Kim, J., S.-K. Lee, N.-J. Noh, T.-K. Yoon, S. Han, G. Cui, W.-K. Lee, and Y.-H. Son, 2013. A Study on Greenhouse Gas Removals Estimation of a Small Scale Afforestation/reforestation CDM Pilot Project in Goseong, Gangwon Province, Journal of Korean Society of Forest Science, 102(3): 398-406 (in Korean with English abstract).
Kim, M., S. Yoo, N. Kim, W. Lee, B. Ham, C. Song, and W.-K. Lee, 2017. Climate change impact on Korean forest and forest management strategies, Korean Journal of Environmental Biology, 35(3): 413-425 (in Korean with English abstract).

원문보기 상세보기
Kim, Y., H. Jeon, and C. Lim, 2019. 2019 KREI quarterly agricultural trends in North Korea, Korea Rural Economic Institute, Jeollanam-do, Korea, 20(4).
Korea Development Institute (KDI), 2014. KDI Review of the North Korean Economy in 2014, Korea Development Institute, Sejong, Korea.
Korea Environment Institute (KEI), 2018. Environmental trends in North Korea 2018, Korea Environment Institute, Sejong, Korea.
Korea Forest Research Institute (KFRI), 2011. 5th National Forest Inventory Report, Korea Forest Research Institute, Seoul, Korea.
Korea Forest Service (KFS), 2018. Statistical Yearbook of Forestry 2018, Korea Forest Service, Daejon, Korea.
Korean Academy of Science and Technology (KAST), 2014. A Study on Selection of Planting Species Suitable for Forest Ecology and Environmental Change in North Korea, The Korean Academy of Science and Technology, Gyeonggi-do, Korea.
Korean Association for Public Administration (KAPA), 2009. A case study on the success of forest restoration policy in Korea, The Korean Association for Public Administration, Seoul, Korea.
Lee, S. G., H.-A. Choi, H. Yoo, C. Song, S. Cha, S.-W. Bae, and W.-K. Lee, 2018. Restoration plan for degraded forest in the democratic people's Republic of Korea considering suitable tree species and spatial distribution, Sustainability, 10(3): 856.

상세보기
Lee, W. K., M. Kim, C. Song, S.-G. Lee, S. Cha, and G. Kim, 2016. Application of Remote Sensing and Geographic Information System in Forest Sector, Journal of Cadastre & Land InformatiX, 46(2): 27-42 (in Korean with English abstract).
Li, L., X. Mu, C. Macfarlane, W. Song, J. Chen, K. Yan, and G. Yan, 2018. A half-Gaussian fitting method for estimating fractional vegetation cover of corn crops using unmanned aerial vehicle images, Agricultural and Forest Meteorology, 262: 379-390.

상세보기
Lim, C. H., C. Song, Y. Choi, S.-W. Jeon, and W.-K. Lee, 2019. Decoupling of forest water supply and agricultural water demand attributable to deforestation in North Korea, Journal of Environmental Management, 248: 109256.

상세보기
Lim, C. H., S. Yoo, Y. Choi, S. Jeon, Y. Son, and W.-K. Lee, 2018. Assessing climate change impact on forest habitat suitability and diversity in the Korean Peninsula, Forests, 9(5): 259.

상세보기
Lim, C. H., Y. Choi, M. Kim, S. Jeon, and W.-K. Lee, 2017. Impact of deforestation on agroenvironmental variables in cropland, North Korea, Sustainability, 9(8): 1354.

상세보기
Maplecroft, 2011. Deforestation Index 2012, http://maplecroft.com/about/news/deforestation.html/, Accessed on Mar. 1, 2019.
McHugh, M. L., 2012. Interrater reliability: the kappa statistic, Biochemia medica: Biochemia medica, 22(3): 276-282.
Ministry of Environment (ME), 2013. Level-1, 2 National Land Cover Map. Ministry of Environment, https://egis.me.go.kr, Accessed on Mar. 7, 2019.
National Institute of Ecology (NIE), 2017. Ecological issues: Deforestation in North Korea, which is dangerous, National Institute of Ecology, http://www.nie.re.kr/webzine/index.jsp?c1706&ssub03_04, Accessed on Jul. 1, 2019.
National Institute of Forest Science (NIFOS), 2018. 2020 Trends and implications of the 2020 global forest resource assessment (FRA-2020), National Institute of Forest Science, Seoul, Korea.
Park, E., C. Song, B. Ham, J. Kim, J. Lee, S.-E. Choi, and W.-K. Lee, 2018. Comparison of Sampling and Wall-to-Wall Methodologies for Reporting the GHG Inventory of the LULUCF Sector in Korea, Journal of Climate Change Research, 9(4): 385-398 (in Korean with English abstract).

상세보기
Park, J. J., C.-Y. Ku, and B.-S. Kim, 2007. Improvement of the Level-2 Land Cover Map with Satellite Image, The Journal of Geographic Information System, 15(1): 67-80 (in Korean with English abstract).
Park, K. S., 2013. Forest Status and Forest Policy in North Korea, Korea Rural Economic Institute, 15(3): 3-23.
Piao, D., W.-K. Lee, Y. Zhu, M. Kim, and C. Song, 2016. Assessment of Forest Degradation and Carbon Storage for REDD+ Project in North Korea, Korean Journal of Environmental Biology, 34(1): 1-7 (in Korean with English abstract).

원문보기 상세보기
Research Institute for Gangwon (RIG), 2012. Manufacturing and root industry of Gangwon Province, Research Institute for Gangwon, Gangwon-do, Korea.
Roy, D. P., M. A. Wulder, T. R. Loveland, C. E. Woodcock, R. G. Allen, M. C. Anderson, and T. A. Scambos, 2014. Landsat-8: Science and product vision for terrestrial global change research, Remote Sensing of Environment, 145: 154-172.

상세보기
Sahidullah, M. and G. Saha, 2012. Comparison of speech activity detection techniques for speaker recognition, arXiv, preprint arXiv:1210.0297.
Silverman, B. W., 2018. Density estimation for statistics and data analysis, Routledge, Abingdon-on-Thames, UK.
Song, M., J. M. Yi, and K.-S. Park, 2017. A Study on Strategy of Forest Rehabilitation Support Corresponding to the Spread of Marketization in North Korea, Journal of Korean Society of Forest Science, 106(4): 487-496 (in Korean with English abstract).
U.S. Geological Survey (USGS), 2015. Landsat surface reflectance data, https://doi.org/10.3133/fs20153034, Accessed on Apr. 1, 2019.
U.S. Geological Survey (USGS), 2019. Landsat-5,8 image courtesy of the U.S. Geological Survey, https://earthexplorer.usgs.gov, Accessed on Mar. 4, 2019.
United Nations Development Programme (UNDP), 2018. Human Development Indices and Indicators 2018: Statistical update, United Nations Development Programme, New York, NY, USA.
Uttamatanin, R., P. Yuvapoositanon, A. Intarapanich, S. Kaewkamnerd, R. Phuksaritanon, A. Assawamakin, and S. Tongsima, 2013. MetaSel: a metaphase selection tool using a Gaussian-based classification technique, BMC Bioinformatics, 14(16): S13.
Xu, D., X. Kang, D. Qiu, D. Zhuang, and J. Pan, 2009. Quantitative assessment of desertification using landsat data on a regional scale-a case study in the Ordos plateau, china, Sensors, 9(3): 1738-1753.

상세보기
Yoo, S. J., W.-K. Lee, S.-H. Lee, E.-S. Kim, and J.-Y. Lee, 2011. Approach for suitable site selection and analysis for reforestation CDM using satellite image and spatial data in North Korea, The Korean Society for Geospatial Information Science, 19(3): 3-11 (in Korean with English abstract).
Zhao, P., D. Lu, G. Wang, C. Wu, Y. Huang, and S. Yu, 2016. Examining spectral reflectance saturation in Landsat imagery and corresponding solutions to improve forest aboveground biomass estimation, Remote Sensing, 8(6): 469.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증