초록 ▼

IV. 연구개발결과
1차년도에는 인위적인 교란이 최소한으로 이루어지고 있는 부안군 장신리에 시범 조사지역(약. 5km²)을 선정하여 무작위로 추출된 10개 조사지점을 대상으로 현지 조사를 실시하였다. 각 지점의 식생을 조사하고 토양시료를 채취하여 토양의 이화 학적 특성을 분석하였다. 식생은 단층의 단순한 염생식생부터 높이 2m이상의 갈대 식생까지 다양한 초지 식생이 분포하고 있었다. 본 연구에서는 생물서식에 중요한 제약조건으로 작용하는 토양염분과 종조성, 식생의 구조 등을 기준으로 가지 유형 의 식생비오톱을

IV. 연구개발결과
1차년도에는 인위적인 교란이 최소한으로 이루어지고 있는 부안군 장신리에 시범 조사지역(약. 5km²)을 선정하여 무작위로 추출된 10개 조사지점을 대상으로 현지 조사를 실시하였다. 각 지점의 식생을 조사하고 토양시료를 채취하여 토양의 이화 학적 특성을 분석하였다. 식생은 단층의 단순한 염생식생부터 높이 2m이상의 갈대 식생까지 다양한 초지 식생이 분포하고 있었다. 본 연구에서는 생물서식에 중요한 제약조건으로 작용하는 토양염분과 종조성, 식생의 구조 등을 기준으로 가지 유형 의 식생비오톱을 구분하였다. 토양의 염분이 높고 단층의 염생식생이 우점하는 고 염분-염생식생 유형, 토양염분이 중, 저수준이고 키가 작은 초본과 키가 큰 초본이 어우러져 중층 구조를 이루고 있는 중저염분-다층식생, 마지막으로 염분수준이 낮고 식생의 밀도가 높으며 갈대 및 산조풀이 우점하는 갈대-산조식생 등으로 구분하였다.
토양의 염분측정을 위해 분석한 EC는 값이 0.22dS/m부터 20. 8dS/m까지 편차가 매 우 크게 나타났으며 식생비오톱 유형별 EC의 차이도 상당했다. 따라서 토양의 염분 이 식생의 분포를 제약하는 중요한 요인이 되는 것을 알 수 있었다. pH는 전체적으 로 약한 알칼리성을 나타내었고 편차는 크지 않았다. 유기물 함량은 평균이 1.7%로 3%내외의 육상토양보다 적었다.
토양의 이화학적 성분과 더불어 지형적, 수리적인 특성 또한 식생분포에 영향을 미칠 수 있는 중요한 요인이다. 간척매립지는 만들어져 있는 수치지형도가 없기 때 문에 영상을 이용하여 갯벌의 수위차를 정량적으로 분석한 早 이를 이용하여 상대 적인 고도지도를 제작하였다. 이 지도를 바탕으로 flow accumulation, stream power index, topographic wetness index 및 valley depth와 같은 수리적 특성을 추출하였다. 상대적인 고도는 갈대-산조식생이 가장 낮았고 고염분-염생식생이 가 장 높았다. flow acculumation은 고염분-염생식생이 가장 작았으며 갈대-산조식생 이 가장 큰 값을 가졌다. 이와 같은 결과는 지표수가 흐를 경우 갈대-산조식생이 있는 지점에 가장 많은 물이 모여 흐른 다는 것을 의미하며 이는 갈대-산조식생의 낮은 토양염분과도 관련이 있을 것으로 생각된다.
토양염분이 매우 중요한 요인으로 작용하는 현장의 특성을 고려할 때 토양염분 분 포를 파악하는 것은 현지 환경 분석 및 식생 맵핑에 중요한 요인이다. 본 연구에서 는 토양염분과 영상 정보사이의 관계를 분석하였다. 여러 지수들과 토양염분사이의 선형관계를 분석한 결과 GDVI(Generali zed Difference Vegetation Index) 가 가장 좋은 결과를 보인다는 것을 알 수 있었다. 영상 중에서는 RapidEye가 좋은 결과 (adjusted, r² = 0.664)를 보였다. 이는 제한적이지만 영상을 통해서 토양염분의 분포를 파악할 수 있다는 것을 의미한다.
영상정보를 이용하여 연구 대상지의 식생 비오톱을 맵핑하는 연구를 실시하였다. 사용한 영상은 K〇MPSAT-2(2013-09-02), RapidEye(2014-09-01) 및 Landsat8 (2014-10-05)이었다. 조사지점 130 포인트를 기준으로 분류결과를 평가해 본 결과 가장 좋은 결과가 도줄된 영상은 RapidEye로 overall accuracy가 82.3% (kappa : 0.733)이었고 KMPSAT-2는 66.9% (Kappa ： 0.497), Landsat8은 61.9% (Kappa ： 0.414) 였다.
전체적으로 낮은 분류 정확도는 식생비오톱이 초본 식생으로 이루어져 있어 분광 특성이 뚜렷하게 구별되지 않기 때문으로 생각된다. RapidEye의 결과가 좋은 것은 공간 해상도가 높고 적절한 시기에 촬영되었기 때문으로 생각된다. K0MPSAT-2는 높 은 해상도에 비해 비교적 낮은 정확도를 나타내었는데 이는 초본위주의 식생으로 이루어진 현장 특성 때문에 1년 사이에 식생변화가 많아 2014년에 조사된 현장 조 사와는 맞지 않는 지점이 다수 생겼기 때문으로 생각된다. 또한 Landsat8의 영상의 경우 큰 공간 해상도로 인해 간척지 현장의 높은 공간이질성을 잘 반영하지 못하고 있다고 판단된다.
2차 년도에는 연구대상지를 부안군 지역 새만금 간척지 일대로 확대하여 현장조사 를 실시하였다. 무작위로 선택된 120개 지점에서 현장조사를 실시하고 식생유형 및 토지이용을 기록하였다. 현장조사에서 수집된 자료는 식생비오톱 및 토지이용 지도 의 정확도 평가에 사용되었다.
1차 년도 연구를 통해 단일한 영상의 영상정보만으로는 분류정확도를 증가시키는 데는 한계가 있다는 것을 파악하였다. 때문에 공간통계적인 모형을 사용하여 분류 정확도를 높이는 시도를 하였고 특히 Regression kriging(RK)를 이용하여 영상정보 와 현장조사자료를 결합하여 분류의 정확도를 개선하려 하였다. 이를 위해 먼저 영 상정보를 이용하여 식생비오톱 유형을 예측하고 예측 알고리즘에 의해 모형화되지 않은 잔차의 공간구조를 semivariogram을 통해 파악하였다. 이를 다시 ordinary kHging(OK)를 통해 예측함으로써 두 번에 걸쳐 예측불확실성을 줄일 수 있었고 결 과 또한 89%로 높게 나왔다. RK는 이론이 잘 정립되어 있고 결과가 안정적인 장점 이 있다. 효과적으로 사용할 경우 영상정보만으로 분류가 어려운 분류군의 분류에 유용하게 사용될 수 있다. 하지만 모형에 필요한 파라미터를 먼저 고려해야하며 이 를 위해 기본적인 공간통계학적인 지식이 있어야 하고 현장자료를 필요로 하는 점 을 고려하여야 한다.
초본 식생은 생활사가 짧고 특징적이기 때문에 여러 시기의 영상을 활용할 경우 보다 정확한 분류가 가능하다. 하지만 고해상도 영상은 수량이 많지 않고 고가인 경우가 많아 실제 사용에 제약이 있다. 본 연구에서는 이와 같은 고해상도 영상의 단점을 보완하고 영상의 활용성을 높이기 위해 영상융합을 통해 Landsat 영상을 downscaling하여 사용하는 시도를 하였다.
영상융합은 cokriging(CK)을 이용한 방법과 high pass filter(HPF)방법을 이용하 여 수행하고 그 결과를 비교하였다. 때묘를 이용한 경우 downscaling된 영상이 outlier를 가져 원 영상의 reflectance값보다 월씬 커거나 작은 값이 나타나는 경 우가 있었다. 하지만 CK를 이용한 경우 원 영상과 유사한 reflectance를 보였다. 또한 영상융합에 DN 값을 사용한 경우에도 융합영상의 ref lectance 는 원 영상의 reflectance와 유사하게 나타났다. 따라서 CK를 이용한 영상융합은 메타데이터가 부족한 고해상도 영상을 Landsat 영상과 융합하여 ref lectance 를 계산할 경우 공간 해상도가 높고 신뢰성 있는 reflectance 값을 도출 해 냄으로써 영상융합을 통해 효과적으로 고해상도 영상을 활용할 수 있을 것이다.
또한 본 연구를 통해 간척매립지의 식생비오톱 및 토지이용 분류를 수행하였는데 서로 다른 영상자료 세트를 이용하여 결과를 비교함으로써 효과적인 영상활용을 분석하였다. 2015년의 식생비오톱 및 토지이용 분류에 1) RapidEye영상만을 사용한 경우, 2) RapidEye 영상+Landsat OLI를 사용한 경우 및 3) RapidEye 영상 + downscaled Landsat 0LI영상을 사용한 경우 등 세가지 영상자료 세트를 이용하고, 그 결과를 비교하였다. 이 경우 3)의 영상 자료세트를 활용할 경우 AO가 86.7%로 높게 나타난 반면 다른 경우는 모두 80%이하의 낮은 분류 정확도를 보였다. 이는 CK를 통해 downscaling된 Landsat 영상이 해상도가 높은 한편 정확한 reflectance 계산이 가능했기 때문으로 판단된다.
또한 201 년, 14년, 15년의 부안군 간척매립지 일대의 식생비오톱 및 토지이용지 도를 RapidEye 영상과 downscaling된 Landsat영상을 이용하여 작성하였다. 2015년에 새롭게 농지 (130ha) 토지이용이 생겨 났고 이전에 비해 built-up/bare soil면적이 3배 이상(150ha내외에서 460ha로 증가)증가하여 인위적인 활동이 늘어나고 있는 것으로 파악되었다.

Abstract ▼

IV. Results
This research tries to find out the spatial characteristics of soil environment and vegetation biotope distribution. An experimental study area was located (ca. 3.5km²) on Buan-gun. Randomly selected 130 points were surveyed throughly. All plants appeared in every 16m²

IV. Results
This research tries to find out the spatial characteristics of soil environment and vegetation biotope distribution. An experimental study area was located (ca. 3.5km²) on Buan-gun. Randomly selected 130 points were surveyed throughly. All plants appeared in every 16m² plot were recorded and 3soil (0-5cm depth) samples were taken from each plot(except water area).
We classified 3 vegetation biotopes, which are High saline halophyte biotope (HS), Mid-lowsaline multi-layer biotope (MLS) and Reed/small-reed biotope (Reed). The value of Soil EC differed among biotope types. HS type located in very high saline area (mean EC 9.7dS/m) and Reed type located in very low saline area (mean EC 0.5dS/m).
Topographic and hydrologic features are significant factors controlling the distribution of vegetation. We created a relative depth map of the tidal flat area using time series Landsat images which represent different sea levels because there was no available GIS data within the Samangeum area. The map was used to calculate flow accumulation, stream power index, topographic wetness index and valley depth. Consequently, it has shown that Reed/small-reed biotope had the largest flow accumulation value and High saline halophyte biotope had the smallest flow accumulation.
Soil salinity is another important environmental factor in the study area. We tested 3 satellite images(KOMPSAT-2, RapidEye and Landsat) to detect soil salinity. A linear regression model was adopted to find out the relationship between information of each satellite image and the degree of soil salinity measured in each soil sample. The Generalized Difference Vegetation Index (GDVI) of RapidEye showed the highest adjusted r²(0.664).
Image classification was carried out to classify 4 classes(3 vegetation biotopes + water body) in the study area using 3 satellite images (KOMPSAT-2, RapidEye, Landsat). The overall accuracy(OA) of KOMPSAT-2 image was 66.9%. The OA of RapidEye and Landsat were 82.3% and 61.9% respectively. The origin of the difference between KOMPSAT-2 and RapidEye may be related to the acquisition date of the images. KOMPSAT-2 was acquired at 2013-09-02 and RapidEye was at 2014-09-01. The same season with one year time lag may represent the change of biotope type. High resolution images might be very useful to detect the change of vegetation biotope. In case of Landsat8 image, its large spatial resolution may fail to figure out the high heterogeneity of field and resulted low accuracy.
At second year, study area has been enlarged to Buan-gun reclaimed area. Field survey was conducted for randomly selected 120 points. The vegetation biotope type and land use was recorded and the data were used as ground truth data in evaluating classification accuracy.
To improve a classification accuracy of vegetation biotope, we applied spatial statistical model in classification. Regression kriging (RK) was used to incorporate satellite image and field data because it is well established model for incorporating point data and thematic map data. RK makes spatial model for residuals which were failed to be modeled by fitting model which using image data. If the residuals can be modeled with spatial model the uncertainty can be reduced through the spatial modeling. The overall accuracy of classification through RK was 89%.
We also tried to fuse different resolution images to downscaling Landsat image which is inefficient due to its relatively large resolution. Cokriging (CK) and high pass filter (HPF) methods were tested and the results were compared. HPF resulted unstable output which has many and large outlier. CK showed high correlation with original images and very little outlier. The image classification with downscaled Landsat and RapidEye image showed better accuracy (86. 7%) than classification with Landsat image and RapidEye image (75%).
Vegetation biotope and land use maps of a reclaimed area in Buan-gun during 2013-15 were created. Comparing to the previous years, agricultural area (130ha) was newly appeared in the area in 2015. Also Built-up/bare soil area has been dramatically increased in 2015 (form ca150ha to 460ha). The human activities now dramatically increasing in the area.

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 요약문 ... 3
• SUMMARY ... 7
• CONTENTS ... 10
• 목차 ... 11
• 표목차 ... 12
• 그림목차 ... 13
• 제1장 서론 ... 15
• 제1절 연구개발의 배경 및 필요성 ... 15
• 제2절 연구개발 목표 및 범위 ... 16
• 제2장 국내외 기술개발 현황 ... 17
• 제1절 비오톱 맵핑 ... 17
• 제2절 해안지역 환경 맵핑 연구 ... 18
• 1. 간척지 환경요인 맵핑 연구 ... 18
• 2. 토양염분 모니터링 연구 ... 18
• 제3절 공간통계를 이용한 영상활용 방안연구 ... 19
• 1. 공간통계모형 ... 19
• 2. Regression Kriging활용한 연구 ... 20
• 3. Cokriging을 이용한 영상융합 ... 20
• 제3장 연구 수행 내용 및 결과 ... 22
• 제1절 재료 및 방법 ... 22
• 1. 조사지역 ... 22
• 2. 위성영상 ... 23
• 3. 현장조사 ... 26
• 4. 지형 모델링 ... 29
• 5. 영상 분석방법 ... 30
• 제2절 결과 ... 34
• 1. 분류군 유형 ... 34
• 2. 식생 특성 ... 36
• 3. 토양 특성 ... 37
• 4. 지형모델링 ... 39
• 5. 영상분석 ... 45
• 제3절 결론 ... 65
• 제4장 연구개발 목표달성도 및 대외 기여도 ... 68
• 제1절 연구목표 달성도 ... 68
• 제2절 대외 기여도 ... 70
• 제5장 연구개발결과의 활용계획 ... 71
• 제6장 참고문헌 ... 72
• 부록 ... 75
• 끝페이지 ... 84