[논문]국지예보모델과 위성영상을 이용한 극상림 플럭스 관측의 공간연속면 확장 및 우리나라 산림의 일일 탄소흡수능 격자자료 산출

김근아; 조재일; 강민석; 이보라; 김은숙; 최철웅; 이한림; 이태윤; 이양원

doi:10.7780/kjrs.2020.36.6.1.13

국지예보모델과 위성영상을 이용한 극상림 플럭스 관측의 공간연속면 확장 및 우리나라 산림의 일일 탄소흡수능 격자자료 산출
Gridded Expansion of Forest Flux Observations and Mapping of Daily CO2 Absorption by the Forests in Korea Using Numerical Weather Prediction Data and Satellite Images 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.6 pt.1, 2020년, pp.1449 - 1463

김근아 (부경대학교 공간정보시스템공학과) , 조재일 (전남대학교 응용식물학과) , 강민석 (국가농림기상센터) , 이보라 (국립산림과학원 난대.아열대산림연구소) , 김은숙 (국립산림과학원 기후변화생태연구과) , 최철웅 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 이한림 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 이태윤 (부경대학교 지구환경시스템과학부 환경공학전공) , 이양원 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공)

초록
AI-Helper

최근 지구온난화에 따른 기후변화 문제의 심각성이 커지면서 국가 온실가스 배출량을 상쇄시킬 수 있는 산림의 탄소흡수에 대한 중요성이 높아지고 있으며, 기후변화협약에 따라 국가의 산림 탄소흡수량을 국지적인 수준에서 과학적이고 정밀하게 산출할 것이 요구되고 있다. 본 연구에서는 위성영상과 일기상 자료를 함께 활용함으로써 산림 광합성의 민감한 일변화를 반영하고, 안정된 산림으로서 대표성을 가지는 광릉숲(Gwangneung Forest) 극상림(climax forest)의 플럭스관측 자료를 참조하여 GPP(gross primary production) 재현 모델을 수립하고, 수종 및 임령에 따른 탄소흡수량 조견표를 적용하여, 우리나라의 국지지역에 최적화된 Tier 2.5 수준의 일일 탄소흡수능 격자자료를 산출하였다. 2013년 1월 1일부터 2015년 12월 31일까지 1,095일간의 실험에서, 일일 기준탄소흡수능(reference amount of CO2 absorption, RACA) 산출 모델은 상관계수 0.948의 높은 정확도를 나타냈으므로, 향후 Tier 3 수준의 일일 실제탄소흡수능(actual amount of CO2 absorption, AACA)을 정확히 산출하기 위해서는 장기간의 상세산림조사 자료와의 결합이 필요할 것이다.

Abstract ▼ AI-Helper

As recent global warming and climate changes become more serious, the importance of CO2 absorption by forests is increasing to cope with the greenhouse gas issues. According to the UN Framework Convention on Climate Change, it is required to calculate national CO2 absorptions at the local level in a more scientific and rigorous manner. This paper presents the gridded expansion of forest flux observations and mapping of daily CO2 absorption by the forests in Korea using numerical weather prediction data and satellite images. To consider the sensitive daily changes of plant photosynthesis, we built a machine learning model to retrieve the daily RACA (reference amount of CO2 absorption) by referring to the climax forest in Gwangneung and adopted the NIFoS (National Institute of Forest Science) lookup table for the CO2 absorption by forest type and age to produce the daily AACA (actual amount of CO2 absorption) raster data with the spatial variation of the forests in Korea. In the experiment for the 1,095 days between Jan 1, 2013 and Dec 31, 2015, our RACA retrieval model showed high accuracy with a correlation coefficient of 0.948. To achieve the tier 3 daily statistics for AACA, long-term and detailed forest surveying should be combined with the model in the future.

주제어

표/그림 (16)

그림 Fig. 1. KoFlux supersite in the Gwangneung Forest: the location in South Korea (a), a zoomed-in map with its watershed (b), and a photo of the flux tower (c) (Lee et al., 2020).
그림 Fig. 2. Workflow for the creation of daily raster for forest CO₂ absorptions.
그림 Fig. 3. Machine learning modeling for daily RACA (reference amount of CO₂ absorption).
그림 Fig. 4. Concept of 10-fold cross validation with random sampling (Kim et al., 2020).
그림 Fig. 5. Concept of 10-fold cross validation with random sampling.
표 Table 1. CO₂ absorption according to forest type and age (ton/ha/year) (NIFoS, 2019)
표 Table 2. Matches for the NIFoS classification and forest type map
그림 Fig 6. A raster map of the weighs for RACA (reference amount of CO₂ absorption) grid.
그림 Fig. 7. An example of the variations in gross primary production according to daily weather (Lee et al., 2020).
표 Table 3. Weighting scheme for the calculation of CO₂ absorption according to forest type and age
그림 Fig. 8. Scatter plot for the daily RACA (reference amount of CO₂ absorption) from the 10-fold cross-validation of RF-GBM ensemble model.
표 Table 4. Accuracy statistics of the daily RACA (reference amount of CO₂ absorption) from the 10-fold cross-validation of RF and GBM models
표 Table 5. Accuracy statistics of the daily RACA (reference amount of CO₂ absorption) from the 10-fold cross-validation of RF-GBM ensemble model
그림 Fig. 9. Maps for monthly AACA (actual amount of CO₂ absorption) aggregated from the daily AACA grid data in Korea, 2013-2015.
그림 Fig. 9. Continued
그림 Fig. 9. Continued

AI 본문요약
AI-Helper

제안 방법

본 연구에서는 기상 및 식생생장 상태의 공간적 변이를 고려하여 우리나라 산림에 대한 일일 기준탄소흡수능 격자자료를 산출하고, 여기에 수종 및 임령에 따른 탄소흡수량 가중치 래스터를 적용함으로써 일일 실제 탄소흡수능 격자자료를 산출하였다. 선행연구에서 Tier 1 또는 Tier2 계수를 적용하여 연 단위의 탄소흡수량을 집계한 것과는 달리, 본 연구에서는 우리나라 산림의 공간적 변이가 반영된 Tier2.
LDAPS 단일면(지표면) 자료에는 한반도 영역에 대하여 78개의 기상변수가 포함되어 있다. 본 연구에서는 단파복사수지(shortwave radiation, SWR), 장파복사수지(longwave radiation, LWR), 강수(PRCP), 풍속(wind speed, WS), 현열플럭스(sensible heat flux, H), 지열플럭스(soil heat flux, G), 잠열플럭스(latent heat flux, LE), 기온(air temperature, Ta), 지표면온도(surface temperature, Ts), 상대습도(relative humidity, RH), 0~10 cm 토양수분(soil moisture, SM) 변수를 추출하였고, 500 m 해상도의 MODIS(Moderate ResolutionImaging Spectroradiometer) 토지피복분류에 맞추어, LDAPS 1.5 km 격자자료를 500 m 해상도로 변환하였으며, 남한지역을 동경 125~129.8, 북위 33~37.8로 설정하여 산림(상록침엽수림, 상록활엽수림, 낙엽침엽수림, 낙엽활엽수림, 혼효림)에 해당하는 픽셀만을 마스킹하였다.
본 연구에서는 기상 및 식생생장 상태의 공간적 변이를 고려하여 우리나라 산림에 대한 일일 기준탄소흡수능 격자자료를 산출하고, 여기에 수종 및 임령에 따른 탄소흡수량 가중치 래스터를 적용함으로써 일일 실제 탄소흡수능 격자자료를 산출하였다. 선행연구에서 Tier 1 또는 Tier2 계수를 적용하여 연 단위의 탄소흡수량을 집계한 것과는 달리, 본 연구에서는 우리나라 산림의 공간적 변이가 반영된 Tier2.5 수준의 일 단위 및 월 단위 탄소흡수능 지도를 작성하였다. 유엔에서 제시하는 Tier 3는 상세산림조사나 모니터링 체계를 필수요건으로 하기 때문에, Tier 3를 달성하기 위해서는 NIFoS의 수종 및 임령에 따른 탄소흡수량 조견표가 임상도의 수종분류 기준으로 상세화 되어야 할 것인데, 이는 상세산림조사를 위하여 많은 시간과 노력이 투자되어야 가능할 것으로 보인다.
우선 광릉숲 플럭스 관측 GPP를 참조기준자료로 하고 LDAPS 및 MODIS 자료를 입력 변수로 하는 기계학습 기반의 RACA 재현 모델을 최적화시킨 뒤, 이 모델에 남한 500미터 해상도로 만들어진 입력변수 래스터를 투입하여 일일 RACA 격자자료를 산출한다. 또한 NIFoS(National Institute of Forest Science) 표준계수와 임상도를 연동하여 수종별 RACA 가중치 격자자료를 생성한다.
이러한 검증 과정을 통해 최적화된 RACA 산출 모델에 15종 입력변수의 래스터 자료를 투입하여, 기상 및 식생생장 상태의 공간적 변이를 반영하는 RACA 격자 자료를 산출하였다. 2013년 1월 1일부터 12월 31일까지 1, 095일간의 RACA 격자자료는 광릉 숲의 탄소흡수능을 참조하기 때문에, 여기에 500미터 픽셀마다의 수종과 임령을 반영한 RACA 가중치를 곱하여 AACA 격자자료를 산출하였으며, 이것이 일일 산림 탄소흡수능 지도이다.
또한 NIFoS(National Institute of Forest Science) 표준계수와 임상도를 연동하여 수종별 RACA 가중치 격자자료를 생성한다. 이러한 과정으로 만들어진 일일 RACA 자료와 수종별 RACA 가중치 자료에 대하여 래스터 곱하기 연산을 수행하여, 일일AACA 격자자료를 생성함으로써 탄소흡수능 지도를 제작하였다 (Fig. 2).

이론/모형

MODIS 산출물 중 식생의 생장 및 활력 상태를 반영하는 식생활력지수(normalized difference vegetation index, NDVI), 엽면적지수, 광합성유효복사량(fraction of photosynthetically active radiation, FPAR), 잠재증발산량(potential evapotranspiration, PET)은 500 m 해상도의 8일 합성장으로서, 남한지역의 산림에 대하여 마스킹하였고 큐빅 스플라인(cubic spline) 기법을 적용하여 1일 단위 자료로 시계열 내삽하였다

후속연구

유엔에서 제시하는 Tier 3는 상세산림조사나 모니터링 체계를 필수요건으로 하기 때문에, Tier 3를 달성하기 위해서는 NIFoS의 수종 및 임령에 따른 탄소흡수량 조견표가 임상도의 수종분류 기준으로 상세화 되어야 할 것인데, 이는 상세산림조사를 위하여 많은 시간과 노력이 투자되어야 가능할 것으로 보인다. 2013년 1월 1일부터 2015년 12월 31일까지 1, 095일간의 실험에서, 일일 기준탄소흡수능 산출 모델은 상관계수 0.948의 높은 정확도를 나타냈으므로, 향후 상세산림조사와 결합한다면 Tier 3 수준의 일일 실제 탄소흡수 능을 정확히 산출할 수 있을 것으로 기대할 수 있다. 또한 2024년 발사 예정인 농림위성으로부터 NDVI, EVI(enhanced vegetation index), LAI 등을 산출하여 고정밀도의 식생생장 및 활력상태 정보를 활용하는 것도 또 하나의 향후 과제로서 필요할 것이다.
948의 높은 정확도를 나타냈으므로, 향후 상세산림조사와 결합한다면 Tier 3 수준의 일일 실제 탄소흡수 능을 정확히 산출할 수 있을 것으로 기대할 수 있다. 또한 2024년 발사 예정인 농림위성으로부터 NDVI, EVI(enhanced vegetation index), LAI 등을 산출하여 고정밀도의 식생생장 및 활력상태 정보를 활용하는 것도 또 하나의 향후 과제로서 필요할 것이다.
948이므로, RACA 가중치 산출에 사용된 NIFoS 계수와 1:5,000 임상도가 완벽하다고 가정하면, AACA 격자자료의 정확도가 RACA에 준한다고 할 수 있다. 사실 NIFoS 계수는 탄소저장량으로부터 도출되었고, 본 연구의 RACA는 총일차생산량을 기준으로 하기 때문에 이로 인한 약간의 차이가 존재하나, 현재로서 유일하게 활용할 수 있는 정보이며 그 불확실성이 크지 않다고 가정한다면, 일일 AACA 격자자료의 정확도는 일일 RACA 격자자료의 정확도와 비슷하거나 그보다 약간 낮은 정도일 것으로 추정되며, 이에 대한 엄밀한 평가를 위해서는, 광릉숲 이외에도 최대한 다양한 수종과 임령을 망라하는 산림에서 플럭스 관측이 장기간 수행되어야 할 것이다.
5 수준의 일 단위 및 월 단위 탄소흡수능 지도를 작성하였다. 유엔에서 제시하는 Tier 3는 상세산림조사나 모니터링 체계를 필수요건으로 하기 때문에, Tier 3를 달성하기 위해서는 NIFoS의 수종 및 임령에 따른 탄소흡수량 조견표가 임상도의 수종분류 기준으로 상세화 되어야 할 것인데, 이는 상세산림조사를 위하여 많은 시간과 노력이 투자되어야 가능할 것으로 보인다. 2013년 1월 1일부터 2015년 12월 31일까지 1, 095일간의 실험에서, 일일 기준탄소흡수능 산출 모델은 상관계수 0.

참고문헌 (23)

Blackard, J. A., M. V. Finco, E. H. Helmer, G. R. Holden, M. L. Hoppus, D. M. Jacobs, A. J. Lister, G. G. Moisen, M. D. Nelson, R. Riemann, B. Ruefenacht, D. Salajanu, D. L. Weyermann, K. C. Winterberger, T. J. Brandeis, R. L. Czaplewski, R. E. McRoberts, P. L. Patterson, and R. P. Tymio, 2008. Mapping U.S. forest biomass using nationwide forest inventory data and moderate resolution information, Remote Sensing of Environment, 112(4): 1658-1677.

상세보기
Cha, S. Y., U. H. Pi, and C. H. Park, 2013. Mapping and estimating forest carbon absorption using time-series MODIS imagery in South Korea, Korean Journal of Remote Sensing, 29(5): 517-525 (in Korean with English abstract).

원문보기 상세보기
Friedman, J. H., 2001. Greedy function approximation: A gradient boosting machine, Annals of Statistics, 29(5): 1189-1232.

상세보기
Fuchs, H., P. Magdon, C. Kleinn, and H. Flessa, 2009. Estimating aboveground carbon in a catchment of the Siberian forest tundra: combining satellite imagery and field inventory, Remote Sensing of Environment, 113(3): 518-531.

상세보기
Gibbs, H. K., S. Brown, J. O. Niles, and J. A. Foley, 2007. Monitoring and estimating tropical forest carbon stocks: Making REDD a reality, Environmental Research Letters, 2(4): 045023.

상세보기
Heo, J., J. H. Kim, J. S. Park, and H. G. Sohn, 2006. Timber age verification using historical satellite image analysis, Forest Ecology and Management, 236(2): 315-323.

상세보기
Huiyan, G., D. Limin, W. Gang, X. Dong, W. Shunzhong, and W. Hui, 2006. Estimation of forest volumes by integrating Landsat TM imagery and forest inventory data, Science in China: Series E Technological Sciences, 49(1): 54-62.

상세보기
Hyppa, J., H. Hyppa, M. Inkinen, M. Engdahl, S. Linko, and Y. H. Zhu, 2000. Accuracy comparison of various remote sensing data sources in the retrieval of forest stand attributes, Forest Ecology and Management, 128(1): 109-120.

상세보기
IPCC(The Intergovernmental Panel on Climate Change), 2003. Good Practice Guidance for Land Use, Land-Use Change and Forestry, Institute for Global Environment Strategies, https://www.ipcc.ch/publication/good-practice-guidance-for-land-use-land-use-change-and-forestry/ Accessed on Jul. 1, 2003.
Jung, J., Hieu C. N., J. Heo, K. M, Kim, and J. H. Lim, 2014. Estimation of aboveground forest biomass carbon stock by satellite remote sensing, Korean Journal of Remote Sensing, 30(5): 651-664 (in Korean with English abstract).

원문보기 상세보기
Kim, C., J. Heo, J. B. Lee, S. Han, J. H. Jung, and S. Jayakumar, 2012. A synergetic approach to estimating timber age using integrated remotely sensed optical image and InSAR height data, International Journal of Remote Sensing, 33(1): 243-260.

상세보기
Kim, N., S. I. Na, C. W. Park, M. Huh, J. Oh, K. J. Ha, J. Cho, and Y. W. Lee, 2020. An artificial intelligence approach to prediction of corn yields under extreme weather conditions using satellite and meteorological data, Applied Sciences, 10: 3785.

상세보기
Kim, K. M., J. B. Lee, and, J. Jung, 2015, Comparison of forest carbon stocks estimation methods using forest type map and Landsat TM satellite imagery, Korean Journal of Remote Sensing, 31(5): 449-459 (in Korean with English abstract).

원문보기 상세보기
Kim, S. H. and D. H. Jang, 2014. Analysis of forest types and estimation of the forest carbon stocks using Landsat satellite images in Chungcheongnam-do, South Korea, Journal of Korean Association of Regional Geographers, 20(2): 206-216 (in Korean with English abstract).
Lee, B., N. Kim, E. Kim, K. Jang, M. Kang, J. Lim, J. Cho, and Y. Lee, 2020, An artificial intelligence approach to predict gross primary productivity in the forests of South Korea using satellite remote sensing data, Forests, 11: 1000.

상세보기
Muukkonen, P., 2006. Forest inventory-based large-scale forest biomass and carbon budget assessment, New enhanced methods and use of remote sensing for verification, Doctoral dissertation, University of Helsinki, FIN.
Natekin, A. and A. Knoll, 2013. Gradient Boosting Machines, A Tutorial, Frontiers in Neurorobotics, 7: 21

상세보기
NIFoS (National Institute of Forest Science), 2009, A Standard Table for the CO 2 Absorption by Major Forest Tree Types, https://nifos.forest.go.kr/kfsweb/cop/bbs/selectBoardList.do?bbsIdBBSMSTR_1069&mnUKFR_03_06 Accessed on Dec. 22, 2020
NIFoS (National Institute of Forest Science), 2019, A Standard Table for the CO 2 Absorption by Major Forest Tree Types (ver. 1.2), http://know.nifos.go.kr/book/search/DetailView.ax?sid2&cid173752, Accessed on Jul. 7, 2019.
NIFoS (National Institute of Forest Science), 2020. Ecological Succession and Climax Forest, http://know.nifos.go.kr/webzine/202003/m2_4.do, Accessed on Mar, 2020
Otsuka, T., W. Mo, T. Satomura, M. Inatomi, and H. Koizumi, 2007. Biometric based carbon flux measurements and net ecosystem production (NEP) in a temperate deciduous broad-leaved forest beneath a flux tower, Ecosystems, 10: 324-334.

상세보기
Rahman, M. M., E. Csaplovics, and B. Koch, 2008. Satellite estimation of forest carbon using regression models, International Journal of Remote Sensing, 29(23): 6917-6936.

상세보기
Tomppo, E., H. Olsson, G. Stahl, M. Nilsson, O. Hagner, and M. Katila, 2008. Combining national forest inventory field plots and remote sensing data for forest databases, Remote Sensing of Environment, 112(5): 1982-1999.

상세보기

저자의 다른 논문 :

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