항공사진 및 항공 LiDAR 자료를 이용한 임분 재적 및 Biomass 추정
Estimating forest stand volume and biomass using aerial photo and airborne LiDAR data
박태진1, 허진1, 곽두안1, 이우균1*, 조현국2, 이승호2 Taejin Park1, Zhen Xu1, Doo-Ahn Kwak1, Woo-Kyun Lee1,
Hyun-Kook Cho2, Seung-Ho Lee2
1고려대학교, 2국립산림과학원
1Korea University, Korea, 2Korea Forest Research Institute
* 교신저자: [email protected]
요 약
최근 식생의 임분 재적 및 Biomass를 추정하는 방법으로 LiDAR(Light Detection And Ranging)를 이용한 연구가 국내‧외에서 활발하게 진행되고 있다. 하지만 LiDAR 자료 단독으로 임분 재적 및 Biomass를 추정하는 것에는 한계가 있었다. 그러므로 본 연구에서는, 과천시 일대의 활엽수림을 대상으로 LiDAR Percentile(분위수) 자료를 이용하여 대상지역의 임분 재적 및 Biomass를 추정하였다. 총 활엽수림지역 2603.02ha의 면적에 대해 목재기본밀도 및 Biomass 전환계수를 적용함으로써, 총 Biomass 492,047.74톤과 ha당 Biomass 189.02톤을 추정할 수 있었다. 그리고 임분 별 재적과 Biomass를 바탕으로 대상지역 전체에 대한 재적지도 및 Biomass 지도를 제작하였다.
1. 서론
최근 식생의 임분 재적 및 Biomass를 추정하는 방법으로 LiDAR(Light Detection And Ranging)를 이용한 연구가 국내‧외에서 활발하게 진행되고 있다.
특히 Biomass측정은 탄소저장량을 산출하거나 탄소순환을
예측하는데 매우 중요한 자료로 활용되고 있기 때문에(Malhi et al., 2002), 정밀한 정보를 제공하는 LiDAR는 활용가치가 높다. 더욱이 기존의 노동집약적인
산림조사는 시간과 비용소모가 많고, 주관적이며 작은 지역에 한정적으로 적용된다는 점에서(Avery and Burkhart 1994), LiDAR를 활용한 산림조사가 가지는 의미는 크다. 또한, 능동형 LiDAR 시스템은 측정된 x, y, z 값을 이용하여 사물의 형태를 3D로 구사할 수 있으며(Kwak et al., 2007), 이를 통해 수고 및 수관기하체적(Canopy Geometric Volume; CGV)을 얻어낼 수 있다(Chen et al., 2007).
그러나 LiDAR 자료만을 이용하여 임분
재적 및 Biomass를 추정하는 것에는 한계가 있다. 이에 따라, 최근에는 LiDAR 자료를 이용해 임분평균수고, 우세목수고, 흉고직경, 임분재적, ha당 본수 등을 추정하는 방법으로 LiDAR 자료의 Percentile(분위수) 자료를 활용하는 방법이 제안되고 있다(Ole and Erik, 2007).
Percentile 자료는 임분에서 반사된 LiDAR 자료를 최대값부터 최소값까지 모든 자료를 일렬로 정렬한 다음, 순위를 할당하여 그 해당순위의 높이 값에 의해 나타내어진다(Ole and Erik, 2007). 이러한 Percentile 자료는 Matti et al.(2006)의 연구와 같이 산림의 정량적 정보를 해석하는 새로운 방법으로 이용될 수 있다.
그러므로 LiDAR percentile 자료를 이용해 임분 생장요소를 산출하고, 추후 LiDAR의 Percentile 자료를 이용한 임분 재적 및 Biomass 추정연구 시,
정확도검증을 위한 기초 자료로
제공하고자 한다. 그리고 수고, 밀도, 재적, Biomass 등 산림의 정량적 정보를 해석 하고, 국내에 적용할 수 있는 새로운 방법을 개발하고자 한다.
2. 연구 지역 및 재료
본 연구는 경기도 과천시
(126˚26′6.20530″E 37˚13′07.86810″N - 127˚14′3.8886″E 37˚11′03.649″N) 전 지역을 대상으로 진행하였다.
사용된 LiDAR 자료는 항공기를 이용하여 1000m의 상공에서 0.946 point/㎡의 점밀도로 취득되었다.
레이저스캐닝을 위해 사용된 장비는 Opetech 社의 ALTM(Airborne Laser Terrain Mapper) 3070 모델로 2008년 10월경에 취득한 자료를 사용하였다.
획득된 LiDAR 자료의 점밀도는 개체목 단위의 식별 및 분할을 하기에 한계가 있어 임분 단위로 분할하였으며, 임분 생장요소는 각 임분의 Percentile 자료를 산출해 활용하였다.
또한, 취득된 LiDAR 자료는 TerraSolid 社의 TerraScan 프로그램, Definience 社의 eCognition 프로그램 그리고 ESRI 社의 ArcGIS 및 ArcInfo Workstation 프로그램을 이용하였다.
Fig. 1 Location of study area and digital aerial photograph.
3. 연구 방법
본 연구는 과천시 일대의 산림지역의 임분 재적 및 Biomass를 추정하기 위해 수치항공사진과 LiDAR 자료를 사용하였다.
수치항공사진은 산림지역 중 활엽수 임분을 추출하기 위해 사용되었고, LiDAR 자료는 분할된 임분 내 임분고(林分高;
Stand Height) 자료를 얻는데 사용되었다.
각 임분 내 LiDAR 자료의 Percentile 자료를 임분 재적 추정회귀식(Son et al., 2008)에 적용하여 추정하였다.
이와 같이 추정된 임분 평균재적과 현장에서 조사된 단위면적 당 임목본수를 이용해 활엽수림의 Biomass를 산출하였다.
3.1 항공사진을 이용한 수종분류
수치항공사진을 이용해 과천시 일대의 산림지역의 임상을 분류하기 위해 eCognition 프로그램을 이용하였다. 이 때, 분할은 Multiresolution 기법을 활용해 진행하였고, scale과 shape 그리고 compactness는 육안으로 확인하여 임상분류를 가장 정확하게 수행하게 만들었던 수치를 이용하였다. 분할 결과는 Hierarchical classification 기능을 이용해 산림지역과 비산림지역으로 구분하였으며, 이후 수치항공사진의 분광값을 바탕으로
침엽수와 활엽수 지역을 분류하였다.
그러나 수치항공사진 촬영 시
근적외선밴드가 포함되어 있지 않아 오분류가 발생했으며, 이를 제거하기 위해 직접 육안으로 확인하며 재분류하였다.
3.2 LiDAR 자료를 이용한 임분 수고 도출
우선, 수치지형모델(Digital Terrain Model; DTM), 수치표면모델(Digital Surface Model; DSM)을 제작하기 위해 LiDAR 자료는 지표면에서 반사되는 Ground Returns와 수관표면에서 반사되는 Canopy Returns로 분류했다. 그리고 제작된 DTM과 DSM의 높이차이를 이용하여 수치임관모델(Digital Canopy Model; DCM)을 구축하였다. 제작된 DCM을 이용하여 비교적 높이가 균일한 임분으로 분할하기 위해 eCognition 프로그램의 분할 기능 중, Multi-resolution 기법으로 분할하였다. 이 때, scale은 80, shape는 0.1 그리고 compactness는 0.1로 선택하였다.
분할된 각각의 임분에서 반사된 LiDAR 자료를 최대값부터 최소값까지 구분한 다음, Percentile 자료를 추출하였다. 이 중, 평균임목재적과 가장 상관성이 높게 분석된 90th Percentile 자료를 선택하여 개발된 추정식에 이용했으며, 이 과정에서
Table. 1 Result of field survey in deciduous area.
Type Coniferous Deciduous
Total tree number 150 178
Area(㎡) 1600 4000
Tree number per hectare 937.5 445
과천시 일대 53개 plot을 대상으로 조사한 자료를 바탕으로 활엽수의 ha당 본수와
㎡당 본수를 계산하여 이용하였다(Table 1).
3.3 Percentile 자료를 이용한 임분 재적 및 Biomass 도출
Biomass는 소규모지역을 측정하고자 할 때에는 단목의 흉고직경과 수고를 이용하여 단목 Biomass를 추정하고, 대상지 전체에 대한 Biomass를 추정하고자 할 때에는 임분단위재적을 이용하여 Biomass를 추정한다(김규헌 등, 1998). 그러나, 본 연구에서는 Son et al.(2008)에 의해 개발된 LiDAR Percentile 자료를 이용한 임분의 단목평균재적식을 이용하여 과천시 활엽수림의 임분 당 평균임목재적을 추정하였다(식 1).
(1)
임목평균 Biomass는 Table 2와 같이 국립산림과학원(2008)에서 제시한 목재 기본밀도와 Biomass 확장계수, 그리고 산출된 임분 재적을 이용하여 추정하였다.
LiDAR 자료로부터 추정된 개체목 재적과
목재기본밀도, 조사된 ha당 본수 그리고 Biomass 확장계수와의 연산을 통하여 최종적으로 Biomass를 산출하였다(식 2).
(2)
4. 연구 결과
과천시 일대의 항공사진을 이용한 수종분류 결과는 총 5,841개 임분(Segment 개수)개수와 5,203.93ha의 산림면적이 산출되었으며, 그 중 침엽수는 1,553개의 임분, 총 2,600.91ha의 면적을 점유하는 것으로 분석되었다. 활엽수는 4,288개의 임분, 총 2,603.02ha의 면적으로 나타났다. 분류결과는 Fig. 2a와 같다.
그리고 53개 Plot을 대상으로 실시했던 조사결과, 침엽수가 937.5 본/ha, 활엽수가 445 본/ha로 Table 1의 ha당 본수와 동일하게 계산되었다.
산출된 임분 재적 결과를 바탕으로 Biomass를 추정한 결과 총 Biomass는 492,047.74톤이며, ha당 Biomass는 189.02톤으로 추정되었다. 과천시 일대의 Biomass 분포는 Fig. 2b와 같이 나타났다.
Table. 2 Definition and coefficient for calculating biomass.
Type Definition coefficient
Coniferous Deciduous Wood basic density (WD) Dry weight(g)/Volume(㎤) 0.47 0.65 Biomass expansion factor (BEF) Above biomass
/Stem biomass 1.29 1.22
(a) (b)
Fig. 2 (a) Result of tree species by segmentation and classification, (b) Map for representing the stand biomass.
5. 결론
본 연구는 과천시 지역을 대상지로 LiDAR 자료의 Percentile 자료를 이용한 임분 재적 및 Biomass 주제도를 작성하였다. 하지만 본 연구에서는 단순히 임분 재적 및 Biomass를 추정하는데에 그쳤다. 즉, 이 Percentile 자료를 이용해 얻은 추정값과 현장조사를 통한 실측값 간의 정확도 검증이 이뤄지지 않았다.
그러므로, 추후 연구에서는 현장조사를 통한 정확도 검증이 반드시 필요하다.
그리고 각 임분 생장요소와 각 Percentile 자료에 대한 상관관계 및 정확도 검증을 실시한다면 어느 위치의 Percentile 자료가 임분 생장요소 추정에 효율적인가를 밝혀낼 수 있을 것이다.
참고문헌
Avery, T.E. and Burkhart, H.E, 1994. Forest measurements, 4th edn, McGraw–Hill, Boston, USA.
Chen, Q., Gong, P., Baldocchi, D. and Y.Q.
Tian. 2007. Estimating basal area and stem volume for individual trees from LiDAR data, Photogramm Eng Remote Sens, 73:
1355-1365.
Koch, B., Heyder, U. and Welnacker, H, 2006. Detection of individual tree crowns in airborne LiDAR data, Photogrammetric Engineering and Remote sensing, 72: 357–
363.
Kwak, D. A., Lee, W. K., Lee, J. H., Biging, G.
S. and P. Gong. 2007. Detection of individual trees and estimation of tree height using LiDAR data, The Japanese Forest Society, 12: 425-434.
Malhi, Y., Meir, P. and Brown, S, 2002.
Forests, carbon and global climate, Philosophical Transactions of the Royal Society of London, A360(1797): 1567–
1591.
Matti, M., Kalle, E., Petteri, P. and Juha H., 2006. Estimation of stem volume using laser scanning-based canopy height metrics, Institute of Chartered Foresters, 79(2): 217-229.
Ole, M. B. and Erik, N., 2007. Estimating percentile-based diameter distributions in uneven-sized Norway spruce stands using airbone laser scanner data, Scandinavian Journal of Forest Research, 22: 33-47.
Son Y. M., Lee, K. H., Park, Y. K., Kim, R. H., Kwon, S. D., 2008. Management plan for absorption and emission of green house gas in part of forest, Korea Forest Research Institute, Seoul, Korea.
김규헌, 김영수, 김춘식, 백을선, 손영모, 송장호, 이건상, 이경학, 이진규, 정영고, 정진현, 주린원, 1998. 산림의 온실가스 저 감방안, 임업연구원 연구자료, 143: 3-25.
