서 론 1.
1)
금세기 들어 인간 활동의 확대에 수반하여 대기 중 온실가스의 농도가 급속하게 상승하고 있으며, 지구온난화에 따른 악영향에 대한 국제적인 논의 가 진행되었다 국립산림과학원( , 2011). 이러한 지 구온난화에 대한 전지구적 차원의 규범 형성은
년 스웨덴의 스톡홀름에서 개최된 유엔인간 1972
환경회의(United Nations Conference on the 를 계기로 점차 Human Environment: UNCHE)
인식되었으며 그 후 유엔을 중심으로 다각적인 , 협력방안이 논의되었다 그 결과 . 1990년 11월 제2 차 세계기후회의에서 국제사회는 기후변화에 관한 정부간협의체(Intergovernmental Panel on Climate
*** 이 논문은 2013년 정부 교육부 의 재원으로 한국연구재단의 지원을 받아 수행된 연구임( ) (NRF-2013S1A3A2052995)
*** 공주대학교 지리학과 석사과정(Master Student, Dept. of Geography, Kongju National University)(dark4v@
kongju.ac.kr)
*** 공주대학교 지리학과 부교수(Associate Professor, Dept. of Geography, Kongju National University)(gisrs@
kongju.ac.kr)
위성영상을 이용한 충청남도 Landsat
임상 분석 및 산림 탄소저장량 추정 *
김성훈** ･ 장동호***
Analysis of Forest Types and Estimation of the Forest Carbon Stocks Using Landsat Satellite Images in Chungcheongnam-do, South Korea*
Kim, Sung Hoon** ･ JANG, Dong-Ho***
요약 본 연구는 ： Landsat 위성영상과 수치임상도 등을 이용하여 충청남도의 임상을 분석하고 이를 바탕으로 산림 탄 소저장량을 추정하였다 임상분석은 . NDVI 방법과 Tasseled Cap, ISODATA, 감독분류 등을 사용하였으며 분류된 결, 과를 기초로 임상통계를 활용하여 충청남도의 산림 탄소저장량을 추정하였다 그 결과 위성영상을 이용한 임상분석에. , 서는 감독분류를 통한 임상분석이 가장 높은 전체정확도를 보였으며 충청남도 전체 임상에서 차지하는 비율은 침엽, 수(49.3%), 활엽수(28.0%), 혼효림(22.7%)로 나타났다 수정된 수치임상도를 통해 추정된 산림 탄소저장량과 다른 추. 정 방법들을 비교분석한 결과에서는 Tasseled Cap과 무감독분류를 이용한 방법이 가장 유사한 산림 탄소저장량을 추 정하였지만 단순히 수치임상도만을 이용한 경우 가장 많은 차이가 나타났다 향후 위성영상 및 수치임상도를 통합하, . 여 탄소저장량을 추정한다면 국가단위 산림 탄소저장량 추정에 있어서 보다 정확한 결과를 도출할 수 있을 것으로 기 대된다.
주요어 위성영상 수치임상도 탄소저장량 충청남도： , , , , Landsat
Abstract：In this study, forest types in Chungheongnam-do were analyzed using Landsat satellite images and digital forest type map as a means to estimate forest carbon stocks. NDVI and Tasseled Cap, ISODATA, and supervised classification among others were used to analyze the forest types. The forest carbon stocks of Chungcheongnam-do were estimated utilizing forest statistical data derived from the classified results. The results indicate that the analysis of forest types through supervised classification yielded the highest overall accuracy in analyzing forest types using satellite images. Coniferous forests(49.3%) accounted for the highest proportion in all the forest types of Chungcheongnam-do, followed by deciduous forests(28.0%) and mixed forests(22.7%). The results of a comparative analysis between forest carbon stocks estimates made using the modified digital forest type map and other estimation methods showed that the method using Tasseled Cap and unsupervised classification yielded the most similar forest carbon stock estimates. The most significant difference, though, was made when only the digital forest type map was used. It is expected that if carbon stocks are estimated by integrating satellite images and digital forest type maps in the future, more accurate results can be derived in estimating forest carbon stocks at a national level.
Key Words：satellite images, digital forest type map, forest carbon stocks, Chungheongnam-do, Landsat
보고서를 기초로 기후변화 대책 Change: IPCC)
을 위한 세계기후협약을 제정키로 합의하였다 (Breidenich et al., 1998). 이에 따라 1992년 개최 된 리우 유엔환경정상회담에서는 인류의 미래를 위협할 수도 있는 지구온난화를 완화하기 위한 전 세계적인 노력을 위해 유엔기후변화협약(United Nations Framework Convention on Climate Change:
을 채택하였다 국립산림과학원
UNFCCC) ( , 2010).
국제사회는 지구온난화에 따른 기후변화 가속화 현상을 막기 위해 다양한 온실가스 저감 방안을 제시하였으며 기후변화협약에서는 각 국가별 온, 실가스 저장량 추정을 위해 바이오매스를 활용하 고 있다(IPCC, 2003). 바이오매스는 나무가 탄소 동화작용을 통해 공기 중의 온실가스인 이산화탄 소를 흡수하면서 자란 나무의 무게로 완전히 건조 한 상태인 무게의 반을 이산화탄소의 저장량으로 추정하고 있다 산림청( , 2009). 그렇기 때문에 산림 바이오매스는 한 국가의 온실가스 배출량을 상쇄 할 수 있는 탄소흡수원의 정량적 척도로 그 중요 성이 부각되고 있다.
이와 같이 산림 바이오매스 추정은 국가 단위로 요구되는 산림의 탄소저장량을 추정하는 중요한 수단이며 탄소 축적과 범지구적 탄소 순환 평가 , 시 매우 중요하다(Fang et al., 1998; Brown et al., 1999). 따라서 산림 바이오매스로부터 추정되 는 산림 탄소저장량을 주기적으로 모니터링하는 것은 탄소 순환량을 파악함과 동시에 지구온난화 방지 및 미래의 기후변화를 예측하는데 있어 중요 한 요소로 작용한다 정재훈 등( , 2010; 박창용 등, 2013). 하지만 국가 단위의 산림 탄소저장량 추정 연구는 그 대상지의 방대함으로 인하여 추정량의 정확도와 추정에 필요한 시간 비용 및 노력을 충, 분히 고려해야 한다 이민부 등( , 2003; 김현, 2010).
원격탐사 자료를 이용하여 산림 탄소저장량 추 정과 관련된 선행연구들을 살펴보면, Meng et al.
은 국가산림조사 자료와 위성영상을 이용하 (2009)
여 상관관계 분석 정규크리깅 기법 회귀크리깅 , , 기법 등 다양한 지구통계기법을 활용하여 산림의 바이오매스를 추정하였으며, Fuchs et al.(2009)은 시베리아 툰드라지역을 대상으로 고해상도 위성영 상과 현지조사 자료, k-NN알고리즘을 이용하여 탄소지도를 작성하였다 또한 . Tomppo et al.(2008)
은 원격탐사 자료와 국가산림조사 자료 등과 알고리즘의 결합을 통해 대면적 산림 혹은 k-NN
접근이 어려운 산림 지역에 대한 산림 탄소저장량 을 추정하는 연구를 수행하였다.
국내의 경우 임종수 등, (2007; 2009)은 k-NN 알고리즘을 이용하여 강원도 평창군을 대상으로 현장조사 자료와 원격탐사 자료를 연계하여 현장 조사가 이뤄지지 않은 미관측 지점의 산림통계량 을 산출하였고 이를 바탕으로 산림정보별 주제도, 를 작성하였다 정재훈 등. (2010)은 국가산림조사 자료와 k-NN 알고리즘을 적용하고 계절별 위성, 영상을 이용하여 충청북도 단양군의 계절별 탄소 저장량을 추정하였으나 계절에 따른 특정 경향은 , 발견하지 못하였다 유수홍 등. (2011)은 단양군을 대상으로 Landsat 위성영상의 밴드별 비율영상과 국가산림자원조사 자료를 k-NN 알고리즘 및 회 귀모형방법을 이용하여 산림 탄소저장량을 비교･
분석하였으며 이밖에 신재헌, (2012)은 수치임상도 와 위성영상간의 중첩분석을 통하여 경기 북부지 역의 산림 탄소저장량을 산정하였다.
이상의 기존 연구들은 대부분 현지조사 자료와 원격탐사 자료 등을 이용하여 k-NN 알고리즘과 연계하여 소면적 즉 시 군 단위 규모에서 정확한 , ･ 산림 탄소저장량을 추정하는 연구가 주를 이루었다. 하지만 연구지역의 입목지 추출 시 수치임상도의 , 속성정보를 실제 순수입목지로 단정하였으며 이, 에 대한 오차를 고려 없이 연구를 수행하였다 따. 라서 본 논문에서는 수치임상도의 속성정보와 실 제 순수 입목지간의 차이에 따른 면적과 산림 탄 소저장량의 비교분석 및 위성영상만을 이용한 산 림 탄소저장량의 추정 가능성에 대한 검토를 실시 하고자 하였다 또한 기존 연구에서 소규모 지역. 을 대상으로 연구를 진행하였다면 본 연구에서는 , 광범위한 지역을 대상으로 실시하여 국가단위의 탄소저장량 추정 가능성을 검토하고자 하였다.
연구지역 연구방법 및 자료 2. ,
연구지역 1)
연구지역인 충청남도는 한반도 중부지방의 서쪽 에 위치하며 북으로는 대체로 아산만을 경계로 ,
경기도의 평택시 안성군과 맞닿아 있으며 동으로･ , 는 충청북도의 진천군 청원군 대전광역시 충청북･ , , 도의 보은군 영동군과 접하고 있다 남으로는 주･ . 로 금강을 경계로 전라북도의 군산시 익산시 완주･ ･ 군 진안군 무주군과 접경하고 있으며 서쪽으로는 ･ ･ , 바다에 면하여 서해와 접하고 있다 연구지역인 . 충청남도의 지리적 좌표는 126°06 39 E 127′ ″ ∼ °37′
23 E, 35″ °59 02 N 37′ ″ ∼ °04 19 N′ ″ 에 해당한다 그림 ( 충청남도는 년 현재 개 시 개 군으로
1). 2014 8 , 7
총 15개 시 군으로 구성되어 있으나 본 연구에서･ , 는 2009년을 기준으로 과거 연기군을 포함한 총
개의 시 군을 대상으로 연구를 수행하였다
16 ･ .
년을 기준으로 연구를 수행한 이유는 위성영 2009
상의 획득 날짜와 충청남도 지역의 차 수치임상5 도의 제작시기 및 임상 통계값 등을 고려하였기 때문이다.
충청남도 지형은 강원도의 오대산 부근에서 태 백산맥으로부터 갈라져 남남서 방향으로 달리는 산지가 충청북도와 경기도의 경계를 이루다가 충 청남도의 중앙을 가로지르는 차령산맥과 그 북서 쪽의 가야산지 남동쪽의 계룡산지 그리고 남동쪽, , 의 금산분지를 둘러싸고 있는 금산산지 등으로 분 류된다 차령산맥은 평균고도 . 600m 정도로써 충 청남도에서 가장 연속성이 가장 강한 산지이지만 우리나라의 다른 산맥들은 물론 강원도와 경기 충･ 북의 차령산맥 상부지역에 비해서도 그 고도와 연 속성은 낮은 편에 속한다 가야산지는 충청남도의 . 북서부에서 남북으로 달리면서 태안반도를 내륙지 방과 갈라놓고 있으며 서해안지역의 일반적인 특,
징인 저산성 산지와 구릉성 산지로 노년기 지형의 양상이 나타난다 계룡산지는 계룡산을 주봉으로 . 하여 남북방향으로 달리는 산지로 가야산지와 함께 잔류성 산지의 모습이 나타난다 충청남도지.( , 2006).
연구지역의 산림현황을 살펴보면, 2010년 산림 기본통계를 기준으로 전국 산림면적은 63,868,4km2, 임목축적은 800,025,299m3이다 이중 충청남도가 . 차지하는 비율을 살펴보면 산림면적은 , 4,378.5km2 로 약 6.9%, 임목축적은 48,043,211m3로 약 6.0%
로 인 것으로 나타났으며, 2010년을 기준으로 전 체 16개 시 도 가운데 번째로 넓은 산림면적과 ･ 8 임목축적을 보유하고 있다 산림청( , 2010).
연구방법 및 사용자료 2)
원격탐사 기술은 단시간 광범위한 영역에 대한 주기적 조사가 가능하며 시 공간적 변동성이 큰 , ･ 지역의 관찰에 용이하다 염종민 등( , 2008). 이러한 장점 때문에 원격탐사 기법을 통한 우리나라 전 지역 식생분포 변화에 대한 관측에 적합하다 따. 라서 본 연구에서는 Landsat 위성영상을 이용하여 충청남도의 임상을 분석하고 이를 토대로 산림 탄 소저장량을 추정하였다 구체적인 연구방법은 다. 음과 같다.
먼저 충청남도에 분포하고 있는 임상을 분석하, 기 위해 위성영상 수치임상도 위성영상과 수치임, , 상도를 결합하는 방법을 이용하였다 위성영상의 . 경우, Landsat 영상을 활용하였으며, NDVI 및 의 식생지수 변환 후 무감독분류를 Tasseled Cap
이용한 임상분류 및 감독분류를 이용하여 임상분 류를 실시하였다 임상분류 시. , Landsat 영상에 사 용된 밴드는 열적외선을 제외한 개의 밴드가 이6 용되었으며 획득된 위성영상의 제원은 다음과 같, 다 표 ( 1).
수치임상도는 속성정보를 이용하여 총 18개의
Satellite Sensor Path/Row Acquisition date Landsat-5 TM 115/35 2009.06.25 Landsat-5 TM 116/34 2009.06.01 Landsat-5 TM 116/35 2009.06.01
표 1. 획득한 위성영상의 제원
그림 1. 연구지역 위치도
개별 수종 중 죽림을 제외한 침엽수림(coniferous
활엽수림 혼효림
forest), (deciduous forest), (mixed 으로 재분류를 실시하여 분석에 사용하였으 forest)
며 벌채적지 미립목지 황폐지 목장 등의 무입목, , , , 지 역시 제외하였다 재분류된 임상을 살펴보면. , 침엽수림으로 분류된 수종으로는 침엽수림 소나, 무림 소나무 인공림 잣나무림 낙엽송림 리기다 , , , , 소나무림 삼나무림 편백나무림 전나무 침엽수 , , , , 인공림 등이 포함된다 활엽수림으로는 활엽수림. , 참나무림 참나무 인공림 포푸라림 밤나무림 활, , , , 엽수 인공림 등이 있으며 혼효림으로는 침 활 혼, ･ 효림이 있다 위성영상과 수치임상도의 결합은 위. 성영상에서 추출된 산림지역만을 이용하여 수치임 상도 상의 순수입목지를 추출한 것을 의미하며 최, 종적으로 위성영상을 통해 수정된 수치임상도 임 상의 분류과정은 수정 전 수치임상도와 동일하다.
다음으로 다양한 분류방법을 통해 충청남도의 , 임상을 분석하고 분석된 결과를 토대로 산림 탄, 소저장량을 산정하고자 하였다 본 연구에서는 산. 림 탄소저장량을 산정하기 위해 전환계수에 의한 방법을 사용하였으며 전환계수에 의한 방법은 임, 업 통계상의 임목축적을 활용하는 방법으로서 전 국 규모의 산림 바이오매스 추정 시 사용된다 표 (
국립산림과학원 전국규모의 산림 조사 2, , 2006).
를 위한 바이오매스 추정의 경우 회귀식에 의한 방법은 현실적으로 어려움이 있다 이에 . IPCC 우 수실행지침에서는 탄소저장량 조사를 위한 전국 규모의 산림 바이오매스 추정 방법으로서 국가별 임업통계상의 임목축적을 활용하는 전환계수 방법 을 권장하고 있다(IPCC, 2003). 이에 본 연구에서 는 임업통계상의 임목축적과 목재기본밀도(Basic
와 바이오매스 확장계수 Wood Density: BWD)
그리고 탄소전 (Biomass Expansion Factor: BEF)
환계수(Carbon Factor: CF)를 이용하여 충청남도 지역의 산림 탄소저장량을 추정하였다.
･･･
(1)
임목축적 또는 산림면적 당 임
GS = ( ) ㎥ (ha) × ha 목축적( /ha)㎥
목재기본밀도 BWD = (t/ )㎥
바이오매스 확장계수 BEF =
탄소전환계수 CF =
최종적으로 위성영상과 수치임상도를 함께 이용 하여 추정한 산림 탄소저장량과 위성영상과 수치 임상도만을 이용해 추정된 산림 탄소저장량의 추 정치를 비교하고자 하였다 본 연구에서는 . polygon 형태의 수치임상도를 ArcMap 9.3의 polygon to 기능을 이용하여 동일한 로 포맷을 raster cell size
변환한 후 임상분류를 실시하였다 본 연구에 사. 용된 수치임상도는 제 차 수치임상도이며 충남지5 , 역은 2010년에 항공사진이 촬영되어 동년에 현지 조사를 통해 작성되었다. 영상분석은 ERDAS
을 이용하였으며 본 연구의 흐름은 IMAGINE 9.1 ,
다음과 같다 그림 ( 2).
사용계수 임상
BWD (t/ ) ㎥ BEF CF
침엽수림 0.480 1.290 0.5
활엽수림 0.650 1.220 0.5
* 출처 국립산림과학원: , 2006
표 2. 임상별 목재기본밀도 바이오매스 확장계수 , , 탄소전환계수
그림 2. 연구흐름도
충청남도 임상분류도 작성 및 분석 3.
본 연구에서는 연구지역의 임상분석을 실시하기 위해 먼저 , Landsat 영상을 이용하여 다양한 방법 에 의한 임상분포도를 작성하였으며 다음으로 수, 치임상도의 속성정보를 이용하여 임상별 재분류를 실시하였다 최종적으로 위성영상을 이용하여 수. 정된 수치임상도의 임상별 재분류를 실시 후 방, 법에 따른 임상의 분포율의 차이를 분석하였다 (표 3).
위성영상을 이용하여 임상을 분류한 세 가지 연 구결과를 살펴보면 먼저 감독분류를 통해 추출된 , 산림지역을 NDVI 변환 후 무감독분류를 이용하 여 임상분류도를 작성하였다 사용한 무감독분류. 는 ISODATA 알고리즘이며 기존의 무감독분류법, 보다 효율적이고 이름 그대로 분석가의 개입이 가 장 적은 분류 방법으로 평가받고 있다 본 연구에. 서는 임의로 30개의 클래스를 만든 후 반사율이 높은 클래스를 활엽수림으로 낮은 클래스는 침엽, 수림으로 중간값을 가지는 클래스는 혼효림으로 , 다시 재분류하였다 분류된 결과를 살펴보면 침엽. , 수림은 1,867,722개의 픽셀로 산출된 면적은 약 1,681.0km2이며 분포비율은 , 48.1%이다 활엽수. 림은 1,122,631개의 픽셀로 산출된 면적은 약 1,010.4km2이며 분포비율은 , 28.9%이다 혼효림은 .
개의 픽셀로 산출된 면적은 약
895,755 806.2km2
이며 분포비율은 , 23.1%이다.
다음으로, Tasseled Cap 변환 후 작성된 GVI 를 다시
(Greenness Vegetation Index) ISODATA 알고리즘을 이용하여 무감독분류를 실시하였다. 는 녹색식생지수로 계절적 식생상태의 변화 GVI
유무 등도 파악할 수 있는 장점이 있다 전술한 . 와 동일한 방법으로 클래스를 설정하였으며
NDVI ,
분류된 결과를 살펴보면 침엽수림은 2,003,394개 의 픽셀로 산출된 면적이 약 1,803.1km2이며 분, 포비율은 51.5%이다 활엽수림은 . 1,019,275개의 픽 셀로 산출된 면적이 약 917.4km2이며 분포비율은 ,
이다 혼효림은 개의 픽셀로 산출된 26.2% . 864,429
면적은 약 778.0km2이며 분포비율이 , 22.2%이다. 다음으로 감독분류 중 최대우도법을 이용하여 , 임상분류도를 작성하였다 최대우도법은 비모수적 . 기법 중 하나로 각 밴드별 클래스에 대해 훈련된 화소가 기본적으로 정규 분포의 형태를 따른 다는 가정 하에서 통계적인 확률분포에 따라 분류를 수 행하는 알고리즘이다 특히 최대우도법은 많은 변. , 수를 고려하기 때문에 감독분류 중에서는 가장 널 리 사용되는 알고리즘이다 최대우도법에 의해 작. 성된 임상분류도를 살펴보면 침엽수림은 , 1,916,001 개의 픽셀로 산출된 면적은 약 1,724.4km2이며, 분포비율은 49.3%이다 활엽수림은 . 1,087,708개의 픽셀로 산출된 면적은 약 978.9km2이며 분포비율은,
이다 혼효림은 개의 픽셀로 산출된 28.0% . 883,389
면적은 약 795.1km2이며 분포비율은 , 22.7%이다. 마지막으로 기존의 수치임상도를 이용한 임상 분류에는 속성정보를 이용하여 임상을 재분류 후 임상분류도를 작성하였다 그 결과 침엽수림은 . ,
개의 픽셀로 산출된 면적이 약
2,291,999 2,062.8
km2이며 분포비율은 약 , 53.0%이다 활엽수림은 . 개의 픽셀로 산출된 면적이 약
927,232 834.5km2이
며 분포비율은 약 , 21.4%이다 혼효림은 . 1,106,857 개의 픽셀로 산출된 면적이 약 996.2km2이며 분, 포비율은 약 25.6%이다.
이밖에 위성영상으로 추출된 순수입목지를 이용 하여 수치임상도를 수정하였으며 수정된 수치임, 상도를 이용하여 임상분류도를 작성하였다 수정. 된 임상분류도를 살펴보면 침엽수림은 , 2,013,015
분류방법 임상
NDVI Tasseled Cap 감독분류 수치임상도 수정된 수치임상도
면적 ( ) ㎢ 비율 (%) 면적( ) ㎢ 비율 (%) 면적( ) ㎢ 비율 (%) 면적( ) ㎢ 비율 (%) 면적( ) ㎢ 비율 (%) 침엽수림 1,681.0 48.1 1,803.1 51.5 1,724.4 49.3 2,062.8 53.0 1,811.7 51.8 활엽수림 1,010.4 28.9 917.4 26.2 978.9 28.0 834.5 21.4 780.1 22.3 혼효림 806.2 23.1 778.0 22.2 795.1 22.7 996.2 25.6 906.6 25.9 합계 3,497.5 100.0 3,498.4 100.0 3,498.4 100.0 3,893.5 100.0 3,498.4 100.0
표 3. 임상분류도 결과
개의 픽셀로 산출된 면적이 약 1,811.7km2이며, 분포비율은 51.8%이다 활엽수림은 . 866,791개의 픽셀로 산출된 면적이 약 780.1km2이며 분포비율, 은 22.3%이다 혼효림은 . 1,007,292개의 픽셀로 산 출된 면적이 약 906.6km2이며 분포비율은 , 25.9%
이다 앞서 분석된 제 차 수치임상도와 면적과 비. 5 교한 결과 총 , 395.1km2가 감소하였으며 침엽수, 림이 약 251.1km2, 활엽수림이 54.4km2, 혼효림이 89.6km2 감소한 것으로 나타났다.
이상의 결과를 종합하여 보면 제 차 수치임상, 5 도를 이용한 임상분류도는 전술한 식생지수와 무 감독분류를 연계한 임상분류도 및 감독분류를 통 해 작성된 임상분류도와 픽셀 수에 있어 큰 차이 를 보여주고 있다 이러한 결과는 위성영상을 이. 용하여 작성한 임상분류도가 순수입목지만을 추출 한 뒤 작성된 것이지만 제 차 수치임상도는 속성, 5 정보만을 이용해 임상분류도를 작성하였기 때문이 다 이는 수치임상도의 입목지와 실제 순수입목지 . 간의 차이가 크다는 것을 시사한다.
한편 위성영상을 이용하여 작성된 임상분류도, 의 분류정확도를 검증하기 위해 오차 행렬(Error
을 이용하였으며 무작위 추출방법을 사용
matrix) ,
하여 표본을 추출하였다 기초 검증 자료로는 항. 공사진과 수치임상도를 활용하였다. NDVI 변환 및 무감독분류를 통해 작성된 임상분류도에 사용 한 검증 자료의 화소 수는 총 300개이며 침엽수, 림이 146 , 개 활엽수림이 86 , 개 혼효림이 68개이다. 검증된 정확도를 살펴보면 전체 정확도가 , 74.2%, 전체 카파계수는 0.599로 나타났다. Tasseled Cap
과 무감독분류를 통해 작성된 임상분류도에 사용 한 검증 자료의 화소 수는 총 300개이며 침엽수, 림이 146 , 개 활엽수림이 86 , 개 혼효림이 68개이다. 검증된 정확도를 살펴보면 전체 정확도가 , 77.3%, 전체 카파계수는 0.639로 나타났다 감독분류에 . 의해 작성된 임상분류도에 사용한 검증 자료의 화 소 수는 총 300개이며 침엽수림이 , 146 , 개 활엽수 림이 87 , 개 혼효림이 67개이다 검증된 정확도를 . 살펴보면 전체 정확도가 , 83.7%, 전체 카파계수는 으로 앞선 식생지수 및 무감독분류를 이용한 0.743
임상분류도와 비교했을 시 비교적 높은 정확도를 보여주고 있다 표 ( 4).
개의 임상분류도에 대한 정확도 검증결과를 3
종합하여 보면 연구지역에서 식생지수 및 무감독, 분류를 이용하여 작성된 임상분류도의 경우 정확 도가 낮게 나타났다 그 원인은 위성영상간의 촬. 영 날짜의 차이에 따른 것으로 판단된다 연구지. 역의 경우 LANDSAT-5 TM의 패스로우 116/34,
위성영상과 패스로우 위성영상 등
116/35 115/35
총 장의 위성영상이 필요하다 하지만 3 . 115/35 위 성영상이 나머지 두 위성영상과 약 25일 정도의 시간적 차이가 존재하며 이 시간적 차이가 유발, 하는 분광특성을 고려하지 않은 채 모자이크 영상 을 제작하였기 때문이다 반면에 감독분류의 경우 .
위성영상의 분광특성을 파악하여 훈련지역 115/35
을 선택하였기 때문에 식생지수보다는 비교적 정 확하게 분류할 수 있었다.
향후 연구지역이 여러 장의 위성영상을 이용해 서 분석을 수행해야 할 경우 동일한 시기의 위성,
및 무감독분류
NDVI Tasseled Cap 및 무감독분류 감독분류
정확도 임상
분석자 정확도 (%)
사용자 정확도 (%)
카파 계수
분석자 정확도 (%)
사용자 정확도 (%)
카파 계수
분석자 정확도 (%)
사용자 정확도 (%)
카파 계수 침엽수림 74.7 85.5 0.7173 86.3 84.0 0.6883 82.2 87.6 0.7583 활엽수림 77.9 71.0 0.5920 66.2 74.0 0.6359 83.9 81.1 0.7340 혼효림 68.4 59.7 0.4778 72.0 67.1 0.5749 86.6 79.5 0.7354
전체
정확도 (%) 74.2 77.3 83.7
전체
카파계수 0.599 0.639 0.743
표 4. 위성영상을 이용한 정확도검증
영상을 획득하거나 시기가 다를 경우 컬러매칭 , 또는 각각의 위성영상을 분석하여 정합하는 방식 을 이용한다면 비교적 정확한 분석이 가능할 것으 로 판단된다 또한 위성영상의 계절적 차이도 고. 려한다면 분류정확성의 향상에 기여할 수 있을 , 것으로 기대된다.
최종적으로 이상의 가지 방법으로 분류된 임5 상분포도는 그림 < 3>과 같다 먼저 . NDVI 변환 후 무감독분류를 이용한 임상분류도 작성 결과를 수정된 수치임상도 및 검증자료와 비교하여 보면
그림 전반적으로 차령산맥을 중심으로 서 ( 3(e)),
쪽의 침엽수림 분포지역이 비교적 정확하게 분류 되었음을 알 수 있다 하지만 차령산맥 동쪽 특히. , 금산분지 주변지역의 침엽수림 분포지역 일부가 활엽수림으로 오분류 되었으며 천안시 주변의 구, 릉지 지역의 활엽수림 및 혼효림 분포지역이 침엽 수림 분포 지역으로 오분류 되어 나타났다 그림 ( 3(a)).
변환 후 무감독분류를 이용한 임 Tasseled Cap
상분류도 작성 결과에서는 NDVI 무감독분류 결
과와 유사한 공간분포 패턴이 나타났다 즉 차령. , 산맥을 중심으로 서쪽의 침엽수림 분포지역은 비 교적 정확하게 분류되었지만 금산분지 주변지역, 의 침엽수림 및 활엽수림 분포지역은 오분류가 많 았으며 논산시 남쪽의 활엽수림 분포지역이 침엽, 수림 분포 지역으로 오분류 되었다 그림 ( 3(b)).
다음으로 최대우도법을 이용한 임상분류도 작, 성 결과에서는 기존의 무감독분류 결과와는 다른 공간분포 패턴이 나타났다 즉 전체적으로 검증자. , 료 결과와 비교적 유사한 공간분포 패턴을 보였지 만 세부적으는 차령산맥 내의 침엽수림 분포지역, 이 과대 분포하고 있으며 금산분지 내의 활엽수, 림 분포지역이 혼효림지역으로 오분류 되었다 또. 한 보령 일대의 활엽수림 분포지역 역시 혼효림지 역으로 오분류가 다수 발견되었다 그림 ( 3(c)).
이밖에 기존의 수치임상도를 이용한 임상분류도 작성 결과에서는 전체적으로 수정된 수치임상도와 동일한 공간분포 형태로 나타났다 다만 도시 주. , 변지역의 구릉지 및 산림 개발지 지역에서 다른 토지피복 유형으로 바뀐 결과를 제대로 반영하지
및 무감독분류
(a) NDVI (b) Tasseled Cap 과 무감독분류 (c) 감독분류
제 차 수치임상도
(d) 5 (e) 수정된 수치임상도
그림 3. 5 가지 방법으로 작성된 임상분류도
못하였다 즉 산림지 내에 미임목지로 바뀐 지역. , 이 수치임상도에서는 그대로 산림지로 분류되었다 (그림 3(d)).
이상의 유형별 임상분류도의 공간분포 특성 결 과를 종합하여 보면 전술한 바와 같이 무감독분, 류 결과에서는 동일한 시기의 위성영상을 사용하 지 못함으로써 시기에 따라 지역별로 임상이 다른 공간분포 패턴이 나타난 것으로 판단된다 하지만. , 감독분류 결과에서는 상대적으로 무감독분류에 비 해 오분류가 적었지만 차령산맥 내의 혼효림지역, 이 침엽수림 및 활엽수림 지역으로 오분류가 오히 려 많았다 이밖에 수치임상도의 경우는 미임목지. 를 제대로 반영하지 못하였다 따라서 보다 정확. 한 임상분류도를 작성하기 위해서는 동일 시기의 위성영상과 기존의 수치임상도와의 통합을 통해 개선된 자료를 획득 할 수 있을 것으로 판단된다.
충청남도 산림 탄소저장량 추정 4.
분석방법에 따른 산림 탄소저장량 추정 1)
본 연구에서는 다양한 분석방법에 따른 산림 탄 소저장량을 추정하기 위해 각각 작성된 임상분류 도의 면적과 해당년도의 임목통계자료 중 임목축 적 자료와 산림면적 자료를 이용하여 ha당 임목축 적을 산출하였다 최종적으로 임상분류도의 면적. 과 통계자료의 ha당 임목축적 그리고 바이오매스 , 전환계수와 탄소 전환계수를 이용하여 산림 탄소 저장량을 추정하였다 혼효림의 경우 기존의 연구. , 와 같이 획득한 임목축적을 1/2하여 각각 침엽수 림과 활엽수림에 합산하였다 손영모 등( , 2007; 김 현, 2012). 한편, 2009년 임상별 임목축적 산림면, 적 자료를 통해 획득된 임상별 ha당 임목축적은 침엽수림 110,30m3, 활엽수림 108.62m3, 혼효림 90.25m3으로 나타났다 산림청( , 2010).
분석방법에 따른 산림 탄소저장량을 살펴보면, 및 무감독분류에 의해 추정된 산림 탄소저 NDVI
장량은 침엽수림이 7,826,247tC, 활엽수림 7,236,
전체는 약 로 산정되었다
333tC, 15,062,580tC . 과 무감독분류에 의해 추정된 산림 Tasseled Cap
탄소저장량을 살펴보면 침엽수림 , 8,157,392tC, 활 엽수림 6,734,823C, 전체는 약 14,892,215tC로 산 정되었다 다음으로 감독분류에 의해 추정된 산림 . , 탄소저장량을 살펴보면 침엽수림 , 7,941,085tC, 활 엽수림 7,061,141tC, 전체는 약 15,002,226tC로 산정되었으며 제 차 수치임상도에 의해 추정된 , 5 산림 탄소저장량은 침엽수림 9,622,842tC, 활엽수 림 7,158,814tC, 전체는 약 16,781,656tC로 산정 되었다 마지막으로 수정된 수치임상도에 의해 추. 정된 산림 탄소저장량을 살펴보면, 침엽수림
활엽수림은 전체는 약
8,538,124tC, 6,603,878tC,
로 산정되었다 앞서 분석된 제 차
15,142,002tC . 5
수치임상도와 비교해보면 총 , 1,639,654tC가 감소 하였으며, 침엽수림은 1,084,718tC, 활엽수림은
가 감소한 것으로 나타났다 표
554,936tC ( 5).
분류방법에 따른 충청남도 산림 탄소저장량 2)
비교 분석 ･
본 연구에서는 분류방법에 따른 충청남도 산림 탄소저장량을 비교하기 위해 위성영상을 이용하여 수정된 수치임상도와 다른 네 가지 분류 방법을 통해 추정된 산림 탄소저장량과의 차이를 분석하 였다 그림 ( 4). 우선 NDVI의 경우 침엽수림에서 약 711,877tC 과소 추정하였으며, 활엽수림은
과다 추정하였다 은 침엽
632.455tC . Tasseled Cap 수림에서 380,732tC 과소 추정하였으며 활엽수림, 에서는 130,945tC 과다 추정하였다 감독분류의 . 경우 침엽수림에서 , 597,040tC 과소 추정하였으며, 활엽수림에서는 457,262tC 과다 추정하였다 제. 5
분류방법
임상 NDVI Tasseled Cap 감독분류 수치임상도 수정된
수치임상도 침엽수림 7,826,247 8,157,392 7,941,085 9,622,842 8,538,124 활엽수림 7,236,333 6,734,823 7,061,141 7,158,814 6,603,878 합계 15,062,580 14,892,215 15,002,226 16,781,656 15,142,002
표 5. 산림 탄소저장량 추정결과 (tC)
차 수치임상도의 경우 침엽수림에서 1,081,718tC 과다 추정하였으며 활엽수림에서도 , 552,936tC 과 다 추정하였다 이중 . Tasseled Cap 및 무감독분류 를 통해 추정된 산림 탄소저장량이 수정된 수치임 상도와의 비교에서 가장 유사한 수치를 보였으며, 제 차 수치임상도가 가장 큰 차이를 보였다5 .
제 차 수치임상도가 보여주는 차이는 전술한 5 바와 같이 수치임상도 상의 입목지들이 순수입목 지가 아니기 때문으로 판단된다 이는 위성영상으. 로 충분히 판독이 가능하다 그렇기 때문에 수치. 임상도 자체만으로 산림 탄소저장량을 추정하는 것보다는 위성영상을 이용하여 수치임상도를 수정 후 산림 탄소저장량을 추정한다면 보다 더 정확한 값을 산정할 수 있을 것으로 판단된다.
감독분류의 경우 정확도 검증에서 식생지수들에 비해 비교적 높은 정확성을 보였기 때문에 수정된 수치임상도와의 산림 탄소저장량 비교분석에서 가 장 근사한 수치를 보여줄 것으로 예상하였다 하. 지만 수정된 수치임상도와의 비교분석 결과 산림 , 탄소저장량의 차이는 큰 것으로 나타났으며 이 , 같은 결과는 임상의 분석에 있어서 임상분포의 정 확도와 임상별 픽셀 수의 추정이 꼭 비례하지는 않는 다는 것을 의미한다.
변환 및 무감독분류의 경우 산림
Tasseled Cap ,
탄소저장량 추정치는 다른 세 가지 분류방법에 비 해 수정된 수치임상도의 산림 탄소저장량 추정치 와 가장 근접한 것으로 나타났다 그러나 정확도. 검증 결과 실제 임상의 분포위치와는 다소 차이, 가 있는 것으로 분석되었다 따라서 위성영상의 .
획득시기가 동일하여 분광특성의 차이가 없고 임 상분류가 용이한 계절의 위성영상인 경우 임상분, 석을 통한 산림 탄소저장량의 추정은 어느 정도는 가능할 것으로 판단된다.
결 론 5.
본 연구에서는 Landsat 위성영상 및 수치임상 도를 이용하여 다양한 방법을 통해 연구지역의 임 상을 분석하고 이를 바탕으로 산림 탄소저장량을 , 추정하였으며 그 결과는 다음과 같다 첫째 작성, . , 된 가지 임상분류도와 산림 탄소저장량을 비교3 ･ 분석한 결과, Tasseled Cap을 이용한 경우 수정된 , 수치임상도와의 산림 탄소저장량과 가장 유사한 수치를 보였으나, NDVI는 큰 차이를 보였다 두 . 식생지수는 비슷한 정확도를 보이고 있었지만 픽, 셀 수 추정에서 Tasseled Cap이 우수했던 이유는 식생을 분석하는데 있어서 사용되는 밴드의 수에 따른 것으로 판단된다. NDVI의 경우 근적외선과 , 적색밴드만을 사용하는 반면, Tasseled Cap은 청 색 녹색 적색 근적외선 중적외선 등의 다양한 , , , , 밴드를 사용하여 분석하기 때문에 촬영날짜 차이 에 따른 분광특성을 어느 정도는 고려할 수 있기 때문이다.
둘째 감독분류를 이용하여 추정한 산림 탄소저, 장량은 식생지수에 비해 정확도는 높았지만 수정, 된 수치임상도의 산림 탄소저장량 추정치와는 다 소 차이가 나는 것으로 나타났다 하지만 위성영. 상의 획득시기가 동일하고 분광특성의 차이가 큰 계절적 시기를 고려한다면 감독분류를 통한 임상, 분석 및 산림 탄소저장량의 추정은 어느 정도는 가능할 것으로 판단된다.
셋째 수치임상도와 수정된 수치임상도 간의 산, 림 탄소저장량은 매우 큰 차이가 있는 것으로 나 타났다 그 이유는 수치임상도가 상의 입목지들이 . 순수입목지가 아니기 때문으로 판단된다 이는 위. 성영상으로 충분히 판독이 가능하다 그렇기 때문. 에 산림 탄소저장량 추정에 있어서 수치임상도 자 체만을 이용하는 것 보다는 위성영상과 수치임상 도를 함께 이용한다면 광범위한 지역을 대상으로, 비교적 정확한 산림 탄소저장량을 추정할 수 있을 것으로 판단된다.
그림 4. 수정된 수치임상도와 비교한 산림 탄소저장량
본 연구에서는 위성영상과 수치임상도를 통해 국가단위 산림 탄소저장량을 추정가능성을 검토하 기 위해 충청남도 지역을 대상으로 연구를 수행하 였다 하지만 본 연구에서 산림 탄소저장량을 추. , 정하기 위해 사용했던 위성영상은 계절적 시기와, 획득 날짜에 의한 분광특성 차이로 인해 정확한 분석이 어렵다는 단점이 있었다 또한 본 연구에. 서 사용했던 전환계수에 의한 산림 탄소저장량 추 정은 소규모 지역 즉 시 군 등에 해당하는 지역, ･ 에서 산림 탄소저장량을 추정하기 위해 사용했던 현장자료 및 위성영상 등을 이용한 k-NN 알고리 즘과 비교했을 시 산림 탄소저장량의 정확도가 다 소 떨어지는 측면과 통계적 검증에 의한 불확실, 성에 대한 평가를 실시할 수 없다는 한계를 지니 고 있다.
따라서 추후 연구에는 충청남도 전체의 국가산 림자원조사 자료와 위성영상 그리고 정밀 수치임, 상도(1:5,000) 등을 이용하여 연구를 수행해야 할 것이며 이를 바탕으로 산림 탄소저장량을 추정하, 고 통계적 검증에 의한 불확실성 평가를 실시한다 면 국가단위 산림 탄소저장량 추정에 있어서 보, 다 정확한 결과를 얻을 수 있을 것으로 판단된다.
문 헌
국립산림과학원, 2006, 산림 바이오매스 조사 표 준 매뉴얼.
국립산림과학원, 2010, 교토의정서 대응 산림탄소 계정 기반 구축 연구.
국립산림과학원, 2011, 산림 바이오매스 에너지. 김 현, 2010, GIS RS ･ 기법을 이용한 전라북도 산
림의 바이오매스 추정 전북대학교 대학원 박사, 학위논문.
박창용 최영은 권영아 권재일 이한수･ ･ ･ ･ , 2013, 남한 상세 기후변화 시나리오를 이용한 아열대 기후 대 및 극한기온사상의 변화에 대한 연구 한국, 지역지리학회지, 19(4), 600-614.
산림청, 2009, 기후변화와 산림. 산림청, 2010, 산림기본통계연보.
손영모 이경학 김래현･ ･ , 2007b, 우리나라 산림 바 이오매스 추정 한국임학회지, , 96(4), 477-482.
신재헌, 2012, 위성영상과 지리정보시스템을 이용
한 경기북부 산림지역의 바이오매스 추정과 이 산화탄소 흡수량 산정 서울대학교 대학원 석사, 학위논문.
염종민･한경수 이창석 박윤영 김영섭･ ･ ･ , 2008, SPOT/
자료를 이용한 북한지역 VEGETATION NDVI
식생 변화 탐지, 한국지리정보학회지, 11(2), 28-37.
이민부 김남신 최한성 신근하 강철성 한 욱･ ･ ･ ･ ･ , 2003, 위성영상 분석에 의한 만포 강계 지역 경지확- 대에 따른 산림경관 변화 한국지역지리학회지, , 9(4), 481-492.
임종수 공지수 김성호 신만용･ ･ ･ , 2007, kNN 기법을 이용한 강원도 평창군의 산림 주제도 작성과 산 림통계량 추정 한국임학회지, , 96(3), 259-268.
임종수･한원성 황주호 정상영 조현국 신만용･ ･ ･ ･ , 2009, 위성영상자료 및 국가 산림자원조사 자료를 이 용한 산림바이오매스 추정, 25(4), 대한원격탐사 학회지, 311-320.
정재훈 허준 유수홍 김경민 이정빈･ ･ ･ ･ , 2010, kNN 알고리즘과 계절별 Landsat TM 위성영상을 이 용한 단양군 지역의 지상부 바이오매스 탄소저 장량 추정 한국지형공간정보학회지, , 18(4), 119 -129.
충청남도지편찬위원회, 2006, 충청남도지 충청남도, . Breidenich, C., Magraw, D., Rowley, A. and
Rubin, J. W., 1998, The Kyoto Protocol to the United Nations Framework Convention on Climate Change, American Journal of International Law, 92(2).
Brown, S. L., Schroeder, P. and Ker, J. S., 1999, Spatial distribution of biomass in forests of the eastern USA, Forest Ecology and Management, 123, 81-90.
Fang, J., Wang, G., Liu, G. and Xu, 1998, Forest biomass of China: an estimate based on The biomass-volume relationship, Ecological Applications, 8(4), 1084-1091.
Fuchs, H., Magdon, P., Kleinn, C. and Flessa, H., 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.
IPCC, 2003, Good Practice Guidance for Land Use, Land-use Change and Forestry, Institute for Global Environmental Strategies(IGES).
Meng, Q., Cieszewski, C. and Madden, M., 2009. Large area forest inventory using Landsat ETM+: a geostatistical approach, ISPRS Journal of Photogrammetry and Remote Sensing, 64(1), 27-36.
Tomppo, E., Olsson, H., Stahl, G., Nilsson, M., Hagner, O. and Katila, M., 2008, Combining national forest inventory field plots and
remote sensing data for forest databases, Remote Sensing of Environment, 112(5), 1982 -1999.
• 교신 장동호 공주대학교 지리학과 공주시 공주대학： , , 로 56(전자우편: [email protected], 전화: 041-850- 8421)
Correspondence Jang, Dong-Ho, Department of ： Geography, Kongju National University, Gongju, 314-701, Republic of Korea, Phone: +82-41-850- 8421, E-mail: [email protected]
접수 수정 채택
( : 2014.02.12, : 2014.04.14, : 2014.04.30)
