Spatio-temporal Analysis of Forest Change using Spatial Information : A case study of Heongseong and Wonju

전체 글

(1)pISSN : 2508-3384 eISSN : 2508-3392 https://doi.org/10.22640/lxsiri.2018.48.2.21. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018) 한국국토정보공사 「지적과 국토정보」 제48권 제2호 2018년 12월 p. 21-30. 공간정보를 활용한 산림 변화 시공간분석: 횡성과 원주를 사례로* Spatio-temporal Analysis of Forest Change using Spatial Information : A case study of Heongseong and Wonju 오이균** Oh, Yi Kyun. Abstract The spatial information recently observed by various sensors and platforms has been provided by national portals through the establishment of a database over a number of time periods, with easy access to various types of information. Therefore, it is possible to analyze the changes in the national territory space according to time. This study is intend to analyze forest changes based on a case of some areas in Heongseong and Wonju using the various spatial information observed in many ways, such as aerial photographs, ortho photos, digital topographical maps, DEM and DSM. DSM created by the airborne lidar and the aerial photos was able to analyze forest change areas more effectively than DEM of topographical maps. Also, forest management and analysis could provide basic data for efficient preservation and management of forests using spatial information. Keywords: Spatial Information, Forest, Change Analysis, DSM. 1. 서 론. 태 등의 요인에 의해 다양한 변화가 발생하므로 변화 지역의 특성에 맞는 효과적인 분석 및 모니터링을 통. 산림 생태계는 지구온난화 방지의 기후 변화협약에. 한 산림의 보전 및 관리가 필요하다.. 서 다루고 있는 온실가스 배출과 관련이 있는 산림 바. 최근 다양한 센서 및 플랫폼에 의해 관측된 국가공. 이오매스 등의 중요한 자원 역할을 수행하고 있다(산. 간정보는 다시기에 걸쳐 데이터를 구축하여 국가 포. 림청, 2009).. 털에서 무상으로 제공하고 있으며 정사영상, 항공사. 그러나 산림 지역은 조림, 숲 가꾸기, 산림벌채, 산 지전용에 따른 개발, 산림훼손, 병충해, 산불 및 산사. 진, 수치지형도 및 연속지적도 등 다양한 자료에 대한 접근이 용이하다.. * 본 논문은 2018년도 신한대학교 학술연구비에 의해 연구되었음. ** 신한대학교 공공행정학과 토지행정트랙 교수 Department of Public Law Administration, Shinhan University (first author: [email protected]). Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 21.

(2) 오이균. 기존의 국내외의 산림 환경에 대한 분석을 위한 연. 2. 공간정보 생성 및 자료 구축. 구는 원격탐사 위성영상 등의 데이터를 활용하여 GIS (Geographic Information System) 기술을 접목하여. 2.1. 연구과정 및 연구대상지역. 광범위 지역에 대한 경년 변화 분석, 식생 피복의 변화 및 토지이용변화 위주로 분석이 수행되었다(마호섭. 다시기 공간정보를 이용한 산림의 변화 분석을 위. 등, 2013, 이종출 등, 2006, 홍성태, 1993, Chen et al,. 해서는 연구지역에 대한 자료를 조사하고 국토정보플. 2013).. 랫폼(www.ngii.go.kr)과. 국가공간정보포털(www.. 항공라이다 데이터, 고해상도의 항공사진 및 정사. nsdi.go.kr) 등의 국가 포털에서 관련 자료들을 다운. 영상 등의 공간자료를 활용한 산림 관련 연구로 황세. 로드하여 산림 변화 분석에 필요한 데이터베이스를. 란(2010) 등은 항공라이다 자료를 이용하여 산림 영. 구축하였다.. 역을 탐지하고자 하였으며, 위광재(2011) 등은 항공. 산림현황에 대한 조사 및 분석을 위해서는 대상지. 라이다 자료를 이용한 산림 탄소 흡수량을 정량적으. 역에 대해 구축된 데이터를 이용하여 시간의 경과에. 로 추출하는 방법을 제시하였다. 김의명(2013)은 라. 따른 산림 환경의 변화를 GIS 기술의 지형변화 분석. 이다 자료와 정상영상을 이용한 산림지역에서 개별. 을 수행하여 변화지역에 대한 탐지를 수행하였다.. 수목을 분리하고 수고정보를 효율적으로 획득할 수. 정사영상 정보는 최소 2년의 갱신 주기를 가지며,. 있는 자료처리 방법을 제안하였다. 함보영(2013) 등. 수치지형도는 주기적으로 갱신이 이루어지며 1:5000. 은 두 시기의 항공사진을 활용하여 훼손 산지를 객체. 축척을 기본으로 제공되고 있으므로 시간 경과에 따. 기반 변화탐지 형식으로 추출하였다.. 른 변화분석이 가능하다.. 본 연구에서는 국가 공간정보를 활용하여 산림현황. 우선 연구대상지역의 항공사진 등의 자료와 유사한. 및 변화분석을 수행하기 위해 다시기 공간정보를 제. 시기의 수치지형도(2009년, 2017년 제작)를 활용하여. 공하고 있는 국토정보플랫폼과 국가공간정보포털 등. 갱신전후의 산림 변화 지역에 대한 지형현황 분석을. 의 데이터인 디지털항공사진, 정사영상, 수치지형도,. 수행하였다.. DSM(Digital Surface Model) 및 DEM(Digital. 수치지형도의 등고선 및 표고점을 이용하여 DEM. Elevation Model)를 연속지적도 등의 지적정보와 연. 을 생성하고 두시기의 3차원 지형 변화량을 잔차. 계하여 데이터베이스를 구축하였다.. DEM을 계산하여 변화지역을 추출하였다.. 또한 공간정보를 활용하여 2009년부터 2016까지. 그러나 수치지형도의 경우에는 수목 등의 산림정보. 시간의 경과에 따른 산림 공간의 변화탐지를 위해 3. 가 부족하므로 실제 산림의 변화를 분석하는데 한계. 차원 분석을 수행함으로써 연구대상지의 시공간적 변. 가 있다.. 화를 분석하고 산림 훼손지역이나 난개발지역을 추출. 따라서 이런 문제를 해결하기 위해 수목 등의 산림. 하는데 효과적인 방법을 제안하였으며, 산림지역에. 정보를 반영된 DSM의 생성이 필요하다. 연구대상지. 대한 기초 자료를 제공함으로써 효과적인 산림환경. 역의 DSM을 생성하기 위해서는 2006년 5월에 촬영. 보전 및 관리를 위한 모니터링 방안을 제시하였다.. 된 항공라이다 자료를 활용하여 기준 DSM으로 사용 하고, 2016년 9월에 촬영된 디지털 항공사진을 처리 하여 시간경과 후의 DSM으로 생성하였으며, 잔차. 22. 「지적과 국토정보」 제48권 제2호. 2018.

(3) 공간정보를 활용한 산림 변화 시공간분석: 횡성과 원주를 사례로. Figure 2. Study area Figure 1. Study flow. DSM을 생성하여 산림 난개발지역 및 훼손지역에 대 해 분석을 수행하였다. 3차원 변화지역에 대한 영상분석은 정사영상과 지 적도를 기초로 하여 영상기반의 경년변화에 따른 현 황 분석을 수행하였다. Figure 1은 본 연구의 흐름을 나타낸 것이다. 본 연구의 대상지역은 강원도 횡성군과 원주시의 일원으로 산림이 주를 이루는 지역으로 대상 면적은 약 22.5㎢이며, 산림면적은 71.4%인 16.1㎢이다. 연구 대상지역에는 골재채취를 위한 소규모 광산이 있는 산림개발지역(A 지역)과 산림벌채지역(B 지역)이 분 포하고 있어 분석을 위한 사례지역으로 선정하였다. Figure 2는 연구대상지역을 나타낸 것이다.. 상은 GSD 0.2m의 데이터를 사용하였다. 연구대상지역의 시간의 경과에 따른 변화분석을 위 해서는 수치지형도 기반으로 2009년을 기준으로 2017년에 대한 변화량을 추출하였으며, 2009년 촬영 된 항공라이다를 기준으로 2016년 디지털 항공사진 으로 생성된 공간정보를 통하여 산림 환경 및 3차원 지형 변화량을 분석하였다. Table 1은 산림변화분석에 사용된 자료목록을 나타 내었으며, Figure 3은 연속지적도를 정사영상에 중첩 하여 나타낸 것이다. Figure 4는 연구에서 사용된 1:5000 수치지형도 (2017년 제작)를 나타낸 것이며, Figure 5는 2017년 수치지형도를 이용해 생성한 DEM과 2016년 정사영 상을 이용하여 나타낸 3차원 정사영상이다.. 2.2.2. DEM 및 DSM 생성 2.2. 공간정보 취득 및 처리. 본 연구에서는 산림지역의 변화를 분석하기 위해서 우선 3차원 고도 변화를 분석하고 변화지에 대한 영상. 2.2.1. 공간정보 구축. 분석을 수행하였다.. 본 연구는 연구대상지역에 대한 공간정보 처리를. 연구대상지역의 3차원 분석을 위한 DEM의 생성은. 위해 QGIS 2.18과 ArcGIS 10을 이용하여 수행하였다.. 2009년, 2017년 수치지형도의 등고선, 표고점 레이어. 국가 공간정보 포털에서 제공되는 정사영상은 GSD. 를 추출하여 TIN(Triangulated Irregular Network). (Ground Sample Distance) 0.5m이며 항공라이다 영. 을 생성하였으며, TIN을 이용하여 DEM을 구축하였다. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 23.

(4) 오이균. Table 1. Data source and list of spatial information list. Source. Contents. Orthophoto. NGII. GSD 0.5m 2016.09. Aerial photograph. NGII. GSD 0.25 2016.09. Topographic map. NSDI. Scale 1:5000 2009, 2017. Cadastral map. NSDI. -. LiDAR. Local. GSD 0.2m Point cloud 2009.05. Figure 4. Digital topographic map(2017).. Figure 5. 3D view of orthophoto(2016). Figure 3. Cadastral map superimposed on orthophoto map. (點群)자료를 이용하여 TIN 기반의 자동 필터링을 수 행하여 기준 DSM을 생성하였다. 연구대상지역에 대한 시간 경과에 따른 DSM 비교. Figure 6은 수치지형도로부터 생성된 DEM을 나타 낸 것이다.. 분석을 해서는 2016년 9월에 DMC 카메라, 초점거리 120mm, 센서 크기 165.9mm, 해상도 7680×13824로. 또한 본 연구의 수고 등이 포함된 산림 변화 분석을. 촬영된 항공사진을 12매를 이용하여 Context capture. 위해서는 2009년 5월에 촬영된 항공라이다 자료를 활. 소프트웨어로 영상매칭을 수행하고 3차원 모델을 생. 용하였다. 2009년 촬영된 항공라이다의 고밀도 점군. 성하고 DSM을 생성하였다.. 24. 「지적과 국토정보」 제48권 제2호. 2018.

(5) 공간정보를 활용한 산림 변화 시공간분석: 횡성과 원주를 사례로. Figure 7. 3D view Figure 6. DEM by topographic map(2017) Table 3. Statistics of DEM Table 2. GCP for image matching. (unit : m). (unit : m). Year. Min. Max. Average. Standard deviation. 266.8. 2009. 100.0. 554.7. 213.1. 88.6. 283536.747. 170.4. 2017. 99.1. 554.7. 212.7. 88.4. 545705.18. 283237.865. 189.9. 4. 543289.663. 283667.470. 142.3. 5. 543972.350. 282015.264. 184.9. 6. 543490.038. 283357.998. 159.4. No. X. Y. H. 1. 547136.807. 282055.582. 2. 545787.336. 3. 간정보를 활용할 수 있다. 우선 연구대상지역의 산림에 대한 현황 조사 및 분 석은 수치지형도를 기반으로 수행하였다. 산림지역의 지형적인 변화를 1차적으로 분석하여. Table 2는 항공사진의 자동 영상매칭을 위한 GCP (Gournd Control Point)를 나타낸 것이다. Figure 7은 디지털 항공사진을 처리하여 생성된 3 차원 조망도를 나타낸 것이다.. 변화가 발생한 지역을 추출할 수 있다. 공간정보를 활용한 시공간 비교분석에서는 제작 및 촬영시기가 유사한 자료를 이용하기 위해 2009년 라이다 자료와 2016년 항공사진에 근접한 시기의 2009년과 2017년 제작 수치지형도를 활용하였다.. 3. 산림 변화 분석. 2009년과 2017년 수치지형도에 의해 제작된 DEM 자료의 비교는 Table 3과 Table 4에 나타내었다.. 3.1. 관심지역 분석. 두 시기의 지형 변화는 수치지형도로 생성된 DEM 의 연산을 통한 잔차 DEM으로 분석할 수 있다.. 산림에 대한 변화 정보를 분석하기 위해서는 정사 영상, 수치지형도, DEM 및 연속지적도 등 다양한 공. Figure 8은 2009년과 2017년 DEM을 이용하여 잔 차 DEM을 계산한 결과를 나타낸 것이다. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 25.

(6) 오이균. Table 4. Area ratio(DEM by topographic map) Elevation(m). 2009(%). 2017(%). <150. 27.3. 27.4. 150-200. 26.6. 26.7. 200-250. 19.8. 19.8. 250-300. 10.3. 10.3. 300-350. 6.9. 6.8. 350-400. 4.2. 4.2. 400-450. 2.7. 2.7. 450-500. 1.7. 1.7. 500-554.7. 0.5. 0.5. Total. 100. 100. 국토지리정보원의 수치지형도 작성 및 항공레이저 측량 작업규정의 DEM 규격 및 정확도에서 1:5000 수 치지형도의 최대 오차 1.5m를 고려하여 ±1.5m 지역. Figure 8. Height residuals between DEM before and after topographic change. 함된 것으로 사료되며 산림지역의 변화분석에서 DEM 분석은 한계를 보이고 있다.. 은 변화가 없는 지역으로 분류하였다. 산림지역에서 잔차 DEM을 통하여 고도의 변화를. 3.2. 영상분석. 파악할 수 있었으며 산림지역의 높이 변화가 산림개 발이나 산림벌채에 의해 나타나고 있음을 알 수 있 었다.. 본 연구의 영상분석에서는 2009년 항공라이다의 정사영상, 2016년 디지털 항공사진으로 생성된 정사. 연구대상지역 중 A 지역은 광산 개발이 진행 중인. 영상 및 연속지적도를 중첩하여 산림 개발지역(A 지. 지역으로 채굴량에 의해 지형의 높이 변화가 크게 나. 역)과 산림 벌채 지역(B 지역)에 대한 지적 경계 내의. 타나고 있다. 또한 A 지역의 수목이 밀집한 지역의 일. 개발이나 산림벌채의 경계선에 대한 분석을 수행하였. 부는 영상분석에서 변화를 확인하기 어렵지만 높이. 고 정성적인 변화를 파악할 수 있었다.. 값이 감소한 것으로 나타났다. B 지역은 수목이 주를 이루는 지역으로 시간의 경과 에 따라 산림벌채가 이루어진 것을 영상분석에서 알. A 지역은 골재 채취 광산이 위치하고 있는 지역으 로 시간의 경과에 따라 채굴 지역이 크게 늘어났음을 알 수 있다(Figure 9).. 수 있다. 그러나 수치지형도 DEM 분석으로는 산림벌. B 지역은 산림, 농경지 및 주거지가 분포하고 있는. 채에 의해 높이가 감소할 것으로 판단되었으나 높이. 지역으로 수치지형도에서는 높이변화가 증가한 지역. 가 증가한 것으로 나타났다.. 으로 나타났으나, 영상비교에서는 산림 벌채가 이루. 이 지역은 수목이 많이 분포하고 있던 2009년에서. 어진 것으로 나타났다.. 산림 벌채 후 2017년까지 수치지형도의 높이 값이 증. 이 지역은 수치지형도의 등고선 추출시에 오류가. 가한 이유는 지도 제작 시에 수고보정 등의 오류가 포. 반영되어 있는 것으로 판단된다. 또한 영상에서 벌채. 26. 「지적과 국토정보」 제48권 제2호. 2018.

(7) 공간정보를 활용한 산림 변화 시공간분석: 횡성과 원주를 사례로. Figure 9. Comparison of orthophoto(A area). 되어 있는 지역이 수정갱신 시기의 차이로 표현되지 않는 지역이 있음을 알 수 있다(Figure 10).. 3.3. 3차원 변화 분석. Figure 10. Comparison of orthophoto(B area). Figure 11과 Figure 12는 수치지형도의 DEM을 이 용한 잔차 DEM과 항공라이다와 디지털항공사진으로 제작한 DSM의 잔차 DSM을 비교한 것이다. 절토지역 은 청색으로 성토지역은 적색으로 나타내었다.. 산림 지역의 3차원 변화분석을 위해서는 표고 정보. 제작시기가 유사한 두 시기의 자료를 활용하여 비. 와 수고 정보가 포함된 DSM의 비교분석이 필요하다.. 교한 결과 수치지형도의 결과보다 DSM 자료를 이용. 3차원 변화 분석은 2009년 항공라이다로부터 생성. 한 경우가 산림의 변화 분석에서 우수한 결과를 보이. 된 DSM 자료을 시점으로 2016년 디지털 항공사진을 처리하여 생성된 DSM 자료를 비교 분석하였다.. 고 있다. DSM의 분석에서 산림지역의 절토 지역은 개발로. 연구대상지역의 산림 변화를 수목을 고려하여 분석. 인한 토량의 변화와 수목성장에 따른 변화를 보여주. 하기 위해서 두 시기의 DSM을 생성하고 잔차 DSM을. 고 있어 산림지역에 대한 시간경과에 따른 모니터링. 생성하여 변화를 분석하였다.. 이 가능하였다.. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 27.

(8) 오이균. Figure 11. Height residuals between DEM and DSM before and after topographic change(A area). A 지역은 수치지형도의 DEM 비교에서는 최대. Figure 12. Height residuals between DEM and DSM before and after topographic change (B area). 4. 결 론. 98.36m, DSM 비교에서는 절토량이 최대 119.35m로 나타났다. 또한 광산 개발지역의 아래 부분의 수목이. 본 연구에서는 국가 공간정보를 활용하여 산림현황. 존재하는 지역은 DSM에서 수목이 성장하고 있음을. 및 변화분석을 수행하기 위해 다시기 공간정보를 제. 보여주고 있다.. 공하고 있는 국토정보플랫폼과 국가공간정보포털 등. B 지역은 산림벌채가 주로 이루어졌으며 수치지형. 의 자료인 디지털항공사진, 정사영상, 수치지형도를. 도의 DEM 비교에서는 절토량 21.77m, DSM 비교에. 연속지적도 등의 지적정보와 연계하여 데이터베이스. 서는 절토량이 최대 29.50m로 나타났다.. 를 구축하고 사례지역을 중심으로 산림변화지역에 활. 산림변화의 분석에서 DSM의 비교 결과가 산림벌 채 지역을 정확하게 나타내고 있으며 대부분의 산림 지역은 7년 4개월 동안 수목의 높이 차이가 평균 8~9m로 분석되었다.. 용하는 방안을 제시하고자 하였다. 연구의 내용을 종 합하면 다음과 같다. 첫째, 연구대상지역에 대해서는 다시기 공간정보를 이용하여 시간의 변화에 따른 산림 환경의 변화를 GIS 기술의 DEM, DSM 분석 및 지형변화 분석을 수행하. 28. 「지적과 국토정보」 제48권 제2호. 2018.

(9) 공간정보를 활용한 산림 변화 시공간분석: 횡성과 원주를 사례로. 여 변화지역에 대한 탐색을 수행하였으며 또한, 디지. of Damaged Area by Forest Land Conversion,. 털항공사진의 처리를 통하여 3차원데이터를 생성하. Conference of the Korean Institute of Forest. 고 DSM의 비교분석을 통하여 산림내의 변화지역 추. Recreation, p. 901-203.. 출 및 변화량을 산정할 수 있었다. 둘째, 산림변화지역의 분석에는 주기적인 정사영상 의 판독이 필요하며, 1:5000 수치지형도의 DEM 분석 결과, 일부 산림지역의 변화를 분석할 수 있었지만 수 목 밀집지역에 대한 분석에는 한계를 보였다. 따라서. 산림청, 2009, 기후변화와 산림 Korea Forest Service, 2009, Climate Change and Forest. 오이균, 2016, 보급형 드론 영상기반 지적조사 비교 연구, 한국지적학회, 32(3): 75-83.. 수치지형도의 수목 밀집지역에 대한 제작 정확도를. Oh YK, 2016, Comparison of Cadastral surveying. 향상시킬 수 있는 방안 및 표고 오류 보정에 대한 후속. results from Low cost UAV based Imagery,. 연구가 필요할 것으로 사료된다.. Journal of the Korean Society of Cadastre,. 셋째, 시간 경과에 따른 산림변화 분석에서는 항공. 32(3): 75-83.. 라이다와 디지털항공사진을 통한 DSM의 생성 및 3차. 위광재, 이현, 이동하, 조재명, 서용철, 2011 항공라이. 원 비교분석으로 산림의 변화지역인 산림 개발지역,. 다 데이터를 이용한 산림의 탄소 흡수량 측정, 한. 산림 벌채지역을 추출할 수 있었다.. 국측량학회, 29(1): 55-62.. 본 연구와 같이 국토정보플랫폼과 국가공간정보포. Wie GJ, Lee H, Lee DH, Cho JM, Suh YC, 2011,. 털에서 제공되는 공간정보를 활용하여 시공간적 변화. Estimation of the Carbon Absorption of a. 를 분석하면, 산림지역에 대한 기초 자료를 제공함으. Forest using Lidar Data, Journal of the Korean. 로써 산림환경을 보전하고 관리할 수 있을 것으로 기. Society of Surveying, Geodesy, Photogrammetry. 대된다.. and Cartography, 29(1): 55-62. 이종출, 강인준, 서동주, 김성호, 2006, 위성영상을 이. 참고문헌. References. 용한 산림 형태 변화추적 시스템 구축, 한국공간 정보학회 학술발표회, p. 132-137. Lee JC, Kang IJ, Seo DJ, Kim SH, 2006,. 김의명, 2013, 라이다 자료와 정사영상을 이용한 산림. Development of Change Detection System for. 지역의 수목영역 추출, 한국지형공간정보학회,. Forests Type using Satellite Image, Confer-. 21(2): 27-34.. ence of the Korea Spatial Information Society,. Kim EM, 2013, Extraction of the Tree Regions in. p. 132-137.. Forest Areas Using LIDAR Data and Ortho-. 함보영, 이천용, 변혜경, 민병걸, 2013, 항공사진을 이. image, Journal of the Korean Society for. 용한 훼손 산지 탐지 연구, 한국지형공간정보학. Geospatial Information System, 21(2): 27-34.. 회, 21(3): 11-17.. 마호섭, 강원석, 강은민, 2013, 산지전용에 따른 산림. Ham BY, Lee, CY, Byun HK, Min BK, 2013, A Study. 훼손지 변화분석. 한국산림휴양학회 학술발표회. on Detection of Deforested Land Using Aerial. 자료집, p. 901-903.. Photographs, Journal of the Korean Society for. Ma HS, Kang WS, Kang EM, 2013, Change Analysis. Geospatial Information System, 21(3): 11-17. Journal of Cadastre & Land InformatiX Vol.48 No.2 (2018). 29.

(10) 오이균. Journal of Remote Sensing, 5: 6408-6426.. 홍성태, 1993. 원격탐사자료를 이용한 산림식생분류 에 관한 연구, 석사학위논문, 강원대학교.. Cideciyan, A.V., Jacobson, S.G., Kemp, C.M.,. Hong ST, 1993, A Study on the Classification of. Knighton, R.W., & Nagel, J.H., 1992. Regist-. Forest Vegetation using Remote Sensing. ration of High-Resolution Images of the. Data[Thesis], Kangwon National University.. Retina, Medical Imaging VI: Image Processing,. 황세란, 김성준, 이임평, 2010, 항공 라이다 데이터를. 1652: 310–322.. 이용한 산림영역 탐지, 한국공간정보학회, 18(3):. Goodwin, N. R., Coops, N. C. and Culvenor, D. S.,. 23-32.. 2006. Assess�ment of forest structure with. Hwang SR, Kim SJ, Lee IP, 2010, Detection of. airborne LiDAR and the effects of platform. Forest Areas using Airborne LIDAR Data,. altitude. Remote Sens. Environ. 103(2): 140–. Journal of the Korea Spatial Information Society,. 152.. 18(3): 23-32. Chen, C.F., Nguyen, T.S., Chang, N.B., Chen, C.R., Chang, L.Y., Valdez, M., Centeno, G., Thomp-. 2018년 09월 18일 원고접수(Received). son, C.A. & Aceituno, J.l., 2013. Multi-Decadal. 2018년 10월 08일 1차심사(1st Reviewed). Mangrove Forest Change Detection and. 2018년 10월 29일 2차심사(2st Reviewed). Prediction in Honduras, Central America, with. 2018년 11월 22일 게재확정(Accepted). Landsat Imagery and a Markov Chain Model,. 초록 최근 다양한 센서 및 플랫폼에 의해 관측된 공간정보는 여러 시기에 걸쳐 데이터베이스를 구축하여 국가 포털에서 제공하고 있으며 다양한 공간정보에 대한 접근이 용이하다. 따라서 시간의 변화에 따 른 국토 공간의 변화에 대한 분석이 가능하다. 본 연구에서는 다시기에 관측된 다양한 공간정보들인 항공사진, 정사영상, 수치지형도, DEM 및 DSM 등의 자료들을 활용하여 횡성과 원주 일부지역의 사례 를 중심으로 산림 변화를 분석하였다. 항공라이다와 항공사진을 이용하여 생성된 DSM이 수치지형도 의 DEM보다 산림변화지역을 효과적으로 분석할 수 있었다. 또한 공간정보를 활용하여 산림 관리 및 분석을 수행함으로써 산림에 대한 효과적인 보전 및 관리를 위한 기초 자료를 제공할 수 있었다. 주요어 : 공간정보, 산림, 변화분석, 수치표면모델. 30. 「지적과 국토정보」 제48권 제2호. 2018.

(11)