DOI QR코드

DOI QR Code

Effect of Location Error on the Estimation of Aboveground Biomass Carbon Stock

지상부 바이오매스 탄소저장량의 추정에 위치 오차가 미치는 영향

  • 김상필 (연세대학교 토목환경공학과) ;
  • 허준 (연세대학교 토목환경공학과) ;
  • 정재훈 (연세대학교 토목환경공학과) ;
  • 유수홍 (연세대학교 토목환경공학과) ;
  • 김경민 (국립산림과학원)
  • Received : 2011.02.11
  • Accepted : 2011.03.22
  • Published : 2011.04.30

Abstract

Estimation of biomass carbon stock is an important research for estimation of public benefit of forest. Previous studies about biomass carbon stock estimation have limitations, which come from the used deterministic models. The most serious problem of deterministic models is that deterministic models do not provide any explanation about the relevant effects of errors. In this study, the effects of location errors were analyzed in order to estimation of biomass carbon stock of Danyang area using Monte Carlo simulation method. More specifically, the k-Nearest Neighbor(kNN) algorithm was used for basic estimation. In this procedure, random and systematic errors were added on the location of Sample plot, and effects on estimation error were analyzed by checking the changes of RMSE. As a result of random error simulation, mean RMSE of estimation was increased from 24.8 tonC/ha to 26 tonC/ha when 0.5~1 pixel location errors were added. However, mean RMSE was converged after the location errors were added 0.8 pixel, because of characteristic of study site. In case of the systematic error simulation, any significant trends of RMSE were not detected in the test data.

산림의 바이오매스 탄소저장량을 추정하는 것은 산림의 공익적인 가치를 평가하기 위해 선행되어야 하는 연구이다. 하지만 기존의 바이오매스 탄소저장량 추정에 관한 연구는 대부분 결정론적 모델이 사용되어 오차에 의한 영향을 알 수 없다는 한계를 가진다. 본 연구에서는 단양군의 지상부 바이오매스 탄소저장량 추정의 경우를 대상으로 몬테카를로 시뮬레이션을 통해 위치 오차에 의한 추정오차의 영향을 분석하고자 하였다. 기본적인 추정 방법으로는 kNN 알고리즘이 사용되었으며, 표본점의 위치에 우연오차 및 계통오차를 추가하여 RMSE의 변화를 통해 추정오차에 미치는 영향을 분석하였다. 분석결과 일반적인 위성영상에서 발생 할 수 있는 0.5~1 영상소의 위치오차에 의해 추정의 평균 RMSE가 24.8 tonC/ha에서 26 tonC/ha로 증가하는 것으로 확인되었으며, 추정 오차의 범위는 23.8 tonC/ha에서 28.1 tonC/ha로 나타났다. 하지만, 대상지역의 특성에 의해 0.8 영상소 이상의 우연오차에 대해서는 더 이상의 RMSE 증가가 없이 수렴하는 것으로 확인되었다. 방향을 고려한 계통오차에 대한분석의 경우 실험자료에서 특정한 경향은 발견되지 않았다.

Keywords

References

  1. 김종호, 이경학, 박찬우, 서정원, 손영모, 김경하, 윤호중, 박찬열, 이승우, 오정수 (2006), 산림의 공익기능 평가, 한국산림휴양학회지, 제10권, 제2호, pp. 7-15.
  2. 농림수산식품부 (2009), 농림수산식품통계연보, pp. 53.
  3. 박석순, 최은주 (1993), 하천 불확실성 분석을 위한 몬테카를로 시뮬레이션과 일차함수 오차분석 비교, 수질보전, 제9권, 제3호, pp. 153-158.
  4. 박지형, 서광규 (2004), 몬테카를로 시뮬레이션을 이용한 LCI data 불확실성 처리방법론, 한국정밀공학회지, 제21권, 제12호, pp. 109-118.
  5. 산림청 (2010), 임업통계연보, pp. 52.
  6. 임종수, 한원성, 황주호, 정상영, 조현국, 신만용 (2009), 위성영상자료 및 국가 산림자원조사 자료를 이용한 산림 바이오매스 추정, 원격탐사학회지, 제25권, 제4호, pp. 311-320. https://doi.org/10.7780/kjrs.2009.25.4.311
  7. 장안진, 김형태 (2008), 항공사진과 LiDAR 데이터를 이용한 산림지역의 바이오매스 추정에 관한 연구, 한국지리정보학회지, 제11권, 제3호, pp. 166-173.
  8. 정상영, 임종수, 조현국, 정진현, 김성호, 신만용 (2009), 산림 바이오매스 변환표와 위성영상을 이용한 무주군의 산림 바이오매스추정, 한국임학회지, 제98권, 제4호, pp. 409-416.
  9. 정재훈, 허준, 유수홍, 김경민, 이정빈 (2010), kNN 알고리즘과 계절별 Landsat TM 위성영상을 이용한 단양군 지역의 지상부 바이오매스 탄소저장량 추정, 한국지형공간정보학회지, 제18권, 제4호, pp. 119-129.
  10. 정찬호, 구민호, 서병민 (2006), 오염운 이동의 불확실성 해석을 위한 몬테카를로 시뮬레이션기법, 대한지질공학회 2006년도 학술발표회논문집, pp. 89-95.
  11. Frenkel, D. (2004), Introduction to Monte Carlo methods, John von Neumann Institute for Computing, Vol. 23, pp. 29-59.
  12. Greenland S. (2001), Sensitivity Analysis, Monte Carlo risk analysis, and Bayesian uncertainty assessment, Risk Analysis, Vol.21, No.4, pp. 579-583. https://doi.org/10.1111/0272-4332.214136
  13. Kuczera, G. and Parent, G. (1998), Monte Carlo assesment of parameter uncertainty in conceptual catchment models: the Metropolis algorithm, Journal of Hydrology, Vol. 211, pp. 69-85. https://doi.org/10.1016/S0022-1694(98)00198-X
  14. Metropolis, N. and Ulam, S. (1949), The Monte Carlo method, Journal of the American Statisstical Association, Vol. 44, No. 247, pp. 335-341. https://doi.org/10.1080/01621459.1949.10483310
  15. Paste, R., Morio, J. and Gland, F. (2010), An overview of importance splitting for rare event simulation, European Journal of Physics, vol. 31, pp. 1295-303. https://doi.org/10.1088/0143-0807/31/5/028
  16. Wu, X., Kumar, V., Quinlan, J.R., Ghosh, J., Yang, Q., Motoda, H., McLachlan, G.J., Ng, A.F.M., Liu, B., Yu, P.S., Zhou, Z.- H., Steinbach, M., Hand, D.J., and Steinberg, D. (2008), Top 10 Algorithms in Data Mining, Knowledge and Information Systems, vol. 14, No. 1, pp. 1-37 https://doi.org/10.1007/s10115-007-0114-2