초록
항공라이다시스템은 산림영역의 수직구조에 대한 공간정보를 효율적으로 제공하므로 다양한 산림연구에 이용되어왔다. 수목의 고도는 산림생체량과 같은 산림정보를 유추하기 위한 필수적인 요소로 산림의 지형을 모델링하여 추정할 수 있다. 산림지형은 산림영역에서 획득된 라이다데이터에서 추출된 지면점을 보간하여 추정되므로 지면점 분류를 위한 신뢰성 높은 필터링 방법이 요구된다. 이에 본 연구는 다양한 특성을 갖는 산림영역의 라이다데이터에 세 종류의 대표적인 필터링 방법들을 적용하여 지면점 분류오차 및 필터링 성능을 정량적으로 결정하고 오차발생 원인을 분석하였다. 분석한 결과로 나타난 상호보완적인 특성에 착안하여 개별 필터링의 결과를 융합하여 성능개선의 여부를 확인하였다. 융합을 통해 대상지역의 특성에 따라서 다르지만 성능지표가 최대 10% 이상 개선되어 모든 지역에서 안정적으로 양호한 성능을 보였다. 또한 분류된 지면점으로부터 DTM을 생성하고 검증 데이터와 비교한 결과 약 17 cm 내외의 RMS 오차를 보였으며, 이는 산림정보 추출에 충분히 활용 가능한 것으로 판단된다.
Airborne LIDAR system, utilized in various forest studies, provides efficiently spatial information about vertical structures of forest areas. The tree height is one of the most essential measurements to derive forest information such as biomass, which can be estimated from the forest terrain model. As the terrain model is generated by the interpolation of ground points extracted from LIDAR data, filtering methods with high reliability to classify reliably the ground points are required. In this paper, we applied three representative filtering methods to forest LIDAR data with diverse characteristics, measured the errors and performance of these methods, and analyzed the causes of the errors. Based on their complementary characteristics derived from the analysis results, we have attempted to combine the results and checked the performance improvement. In most test areas, the convergence method showed the satisfactory results, where the filtering performance were improved more than 10% in maximum. Also, we have generated DTM using the classified ground points and compared with the verification data. The DTM retains about 17cm RMSE, which can be sufficiently utilized for the derivation of forest information.
