Journal of Korean Society of Forest Science (한국산림과학회지)

Korean Society of Forest Science (한국산림과학회)
권호 표지

Extraction and Accuracy Assessment of Deforestation Area using GIS and Remotely Sensed Data

GIS와 원격탐사자료를 이용한 산림전용지 추출 및 정확도 평가

  • Lee, Gihaeng (Department of Forest management, College of Forest and Environmental Sciences, Kangwon National University) ;
  • Lee, Jungsoo (Department of Forest management, College of Forest and Environmental Sciences, Kangwon National University)
  • 이기행 (강원대학교 산림환경과학대학 산림경영학과) ;
  • 이정수 (강원대학교 산림환경과학대학 산림경영학과)
  • Published : 2012.09.30
⟨ Previous Next ⟩

Abstract

This study purposed to extract and assess the accuracy of assessment for deforestation area in Wonju city using medium resolution satellite image. The total size of deforestation area during the last nine years (2000-2008) was about 467 ha, and it was occurred annually about 52 ha. The most frequent form of deforestation was settlements (72%). Ninety percent of the size of deforestation was less than 2 ha in size. In addition, 79 percent of deforestation area was found within 500 m from the road network and within 100 m of the Forest/Non-forest boundary. This study compared the deforestation based on the administrative information (GIS deforestationI) with the deforestation (RS deforestation) extracted from the satellite imagery by vegetation indices (NDVI, NBR, NDWI). Extraction accuracy, mean-standard deviation${\times}1.5$ applied 3 by 3 filtering, showed reliable accuracy 35.47% k-value 0.20. However, error could be occurred because of the difference of land-use change and land-cover change. The actual rate of land-cover change deforestation area was 32% on administrative information. The 7.52% of forest management activities area was misjudged as deforestation by RS deforestation. Finally, the comparison of land-cover change deforestation (GIS deforestationII) with the RS deforestation accuracy, as a result NDVI mean-standard deviation${\times}2$ applied 3 by 3 filtering, showed improved accuracy 61.23%, k-value 0.23.

본 연구는 원주시를 대상으로 중해상도 위성영상을 이용하여 산림전용지의 추출 및 정확도 분석을 목적으로 수행하였다. 2000년부터 2008년까지 산림에서 비산림으로 전용된 면적은 467 ha로 연평균 약 52 ha가 전용되었으며, 전용형태는 주거지로의 전용이 약 72% 차지하였으며, 전체발생면적의 약 97%가 2 ha 미만이였다. 또한, 산림전용지는 도로로부터 500 m이내와 산림 비산림 경계로부터 100 m이내 지역에서 약 79%가 발생하였다. 한편, 행정정보상의 산림전용지(GIS전용지)와 위성영상에 의하여 구축된 지수별(NDVI,NBR,NDWI) 산림전용지(RS전용지)와 비교한 결과, 추출정확도는 $3{\times}3$ 필터링을 적용한 NDVI의 평균$({\mu})$-표준편차$({\sigma}){\times}1.5$ 구간에서 일치율 35.47%, K-지수 0.20로 가장 안정적인 정확도를 나타냈다. 정확도 오차의 원인으로는 산림전용지의 토지이용변화와 토지피복변화의 불일치로서, 행정정보상의 산림전용지의 실제 토지피복변화율은 약 32%에 지나지 않았다. 또한, RS전용지에 의하여 산림경영활동지역의 약 7.52%가 산림전용지로 오류 추출되었다. 토지이용 및 토지피복상 변화된 산림전용지(GIS전용지2)를 대상으로 지수별 RS전용지와 정확도를 비교한 결과, $3{\times}3$ 필터링을 적용한 NDVI의 ${\mu}-{\sigma}{\times}2$ 구간에서 일치율 61.23%, K-지수 0.23으로 향상되었다.

Keywords

References

  1. 권순덕, 서정호, 손영모, 박영규. 2005. 산지전용에 따른 우리나라의 임목바이오매스 탄소배출량. 한국임학회지 24(2): 10-15.
  2. 박준규. 2010. Landsat 영상을 이용한 식생의 변화 탐지 : 대전광역시를 중심으로. 한국측량학회지 28(2): 239-246.
  3. 산림청. 2008. 기후변화대응 산림종합대책. pp. 17.
  4. 손영모, 이경학, 서정호, 권순덕. 2007. 산림 사업지 바이오매스를 이용한 화석연료 대체효과. 한국임학회지 96(6): 639-643.
  5. 원명수, 구교상, 이명보. 2007. Landsat 영상으로부터 정규탄화지수 추출과 산불피해지역 및 피해강도의 정량적 분석. 한국지리정보학회지 10(3): 80-92.
  6. 원명수, 구교상, 이명보, 손영모. 2008. Landsat TM 영상자료를 활용한 삼척 대형산불 피해지의 비이산화탄소 온실가스 배출량 추정. 한국농림기상학회지 10(1): 17-24.
  7. 원주시. 2010. 원주시 산업경제. http://www.wonju.go.kr/ (2011. 10. 27).
  8. 장현숙. 2011. 더반 기후변화회의 결과 및 시사점. Trade Focus 10(61): 3-7.
  9. 이경학, 손영모, 김영수. 2001. 임업 및 토지이용부문의 온실가스 흡수 및 배출 현황. 한국임학회지 20(1): 53-61.
  10. 이규성, 윤여상, 김선화, 신정일, 윤정숙, 강성진. 2009. 한반도 토지이용 및 토지피복 모니터링을 위한 현안분석. 대한원격탐사학회지 25(1): 71-38.
  11. 이병두, 원명수, 장광민, 이명보. 2008. 지형과 산불피해도와의 관계 분석. 한국지리정보학회 11(1): 58-67.
  12. 이정수, 박동환. 2011. GIS와 행정정보를 이용한 교토의 정서 제 3조 3항 산림전용지의 공간패턴 및 탄소배출량 분석. Journal of Forest Science 27(1): 39-46.
  13. 이진덕, 조창환. 2004. 영상의 차연산과 비연산 기법에 의한 도시지역의 토지피복 변화탐지. 한국지리공간정보학회지 12(2): 43-52.
  14. 최승필, 박종선. 2004. 산불피해지역에서 정규산화율지수와 정규식생지수의 비교분석. 한국측량학회지 22(3): 261-268.
  15. 최철웅, 이창헌, 서용철, 김지용. 2009. Landast 영상을 이용한 변화탐지 분석기법 연구. 한국지리정보학회지 12(3): 13-20.
  16. 한기주, 윤여창. 2010. 산림전용과 산림황폐화 방지를 통한 온실가스 감축방안. pp. 5.
  17. Cakir, H.I., Khorram, S. and Nelson, S.A.C. 2006. Correspondence analysis for detecting land cover change. Remote Sensing of Environment 102(3/4): 306-317.
  18. Congalton, R.G. 1991. A review of assessing the accuracy of claasifications of remotely sensed Data. Remote Sensing of Environment 37(1): 35-46. https://doi.org/10.1016/0034-4257(91)90048-B
  19. Congalton, R.G. and Mead, R.A. 1983. Quantitative Method to Test for Consistency and Correctness in Photointerpretation. Photogrammetric Engineering and Remote Sensing 49(1): 69-74.
  20. Coppin, P.R. and Bauer, M.E. 1994. Processing of Multitemporal Landsat TM Imagery to Optimize Extraction of Forest Cover Change Features. IEEE Transactions on Geoscience and Remote Sensing 32(4): 918-927. https://doi.org/10.1109/36.298020
  21. Feinstein, A.R. 1998. Kappa Test of Concordance, in Encyclopedia of Statistical Sciences. New York : Wiley- Interscience. Vol 2. pp. 351-352.
  22. Foody, G.M. 2002. Status of land cover classification accuracy assessment. Remote Sensing of Environment 80(1): 185-201. https://doi.org/10.1016/S0034-4257(01)00295-4
  23. Gao, B.C. 1996. NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment 58(3): 257-266. https://doi.org/10.1016/S0034-4257(96)00067-3
  24. IPCC. 2001. Marrakesh Accords decision 16/CMP.1(Land Use, Land-use Change and Forestry). pp. 3-6.
  25. Jensen, J.R., Rutchey, K., Koch, M.S. and Narumalani, S. 1995. Inland wetland change detection in the everglades water conservation area 2A using a time series of normalized remotely sensed Data. Photogrammetric Engineering and Remote Sensing 61(2): 199-209.
  26. Kanninen, M., Murdiyarso, D., Seymour, F., Angelsen, A., Wunder, A. and German, L. 2007. Do trees grow on money? The implications of deforestation research for policies to promote REDD. pp. 7.
  27. Key, C.H. and Benson, N.C. 2006. Landscape assess ment Vol 4: sampling and analysis methods. USDA Forest Service, Rocky Mountain Research Station General Technical Report. pp. 16.
  28. Landis, J.R. and Koch, G.G. 1977. The measurement of observer agreement for categorical data. Biometric Society 33(1): 159-174. https://doi.org/10.2307/2529310
  29. Lee, J.S., Yiki, H., Tsuyuki, S. and Awaya, Y. 2007. Development of a prediction probability model to monitor ARD areas. Journal of Forest Planning 13(1): 95-108.
  30. Lee, S.H., Kim, C.M. and Cho, H.K. 2004. Monitoring of Forest Burnt Area using Multi-temporal Landsat TM and ETM+ Data. Korean Journal of Remote Sensing 20(1): 13-21.
  31. Lyon, J.G., Yuan, D., Lunetta, R.S. and Elvidge, C.D. 1998. A Change Detection experiment using vegetation indices. Photogrammetric Engineering and Remote Sensing 64(2): 143-150.
  32. Phua, M.H., Tsuyuki, S. and Lee, J.S. 2007. Detection of burned peat swamp forest in a heterogeneous tropical landscape : A case study of the Klias Peninsula, Sabah, Malaysia. Landscape and urban planning 82(3): 103-116. https://doi.org/10.1016/j.landurbplan.2007.01.021
  33. Rouse, J.W., Hass, R.H., Schell, J.A. and Deering, D.W. 1974. Monitoring Vegetation System in the Great Plains with ERTS. Proceedings, 3rd Earth Resource Technology Satellite Symposium Vol. 1. 48-62.
  34. Royal, J.A. 1980. Change Detection Method Development Census Urban Area Application Pilot Test, Final Report Contract NAS5-35707. Belts Ville, Md: General Electric Company.
  35. Song, C., Woodcock, C.E., Seto, K.C., Lenney, M.P. and Macomber, S.A. 2001. Classification and Change Detection Using Landsat TM Data : When and How to Correct Atmospheric Effects. Remote Sensing of Environment 75(2): 230-244. https://doi.org/10.1016/S0034-4257(00)00169-3
  36. Volcani, A., Karnieli, A. and Svoray, T. 2005. The use of remote sensing and GIS for spatio-temporal analysis of the physiological state of a semi-arid forest with respect to drought years. Forest Ecology and Management 215(1-3): 239-250. https://doi.org/10.1016/j.foreco.2005.05.063
  37. Yuan, D. and Elvidge, C. 1998. NALC Land Cover Change Detection Pilot Study: Washington D.C. Area Experiments. Remote Sensing of Environment 66(2): 166-178. https://doi.org/10.1016/S0034-4257(98)00068-6