Analysis of Optimal Pathways for Terrestrial LiDAR Scanning for the Establishment of Digital Inventory of Forest Resources

디지털 산림자원정보 구축을 위한 최적의 지상LiDAR 스캔 경로 분석

Abstract

This study was conducted to identify the applicability of a LiDAR sensor to forest resources inventories by comparing data on a tree's position, height, and DBH obtained by the sensor with those by existing forest inventory methods, for the tree species of Criptomeria japonica in Jeolmul forest in Jeju, South Korea. To this end, a backpack personal LiDAR (Greenvalley International, Model D50) was employed. To facilitate the process of the data collection, patterns of collecting the data by the sensor were divided into seven ones, considering the density of sample plots and the work efficiency. Then, the accuracy of estimating the variables of each tree was assessed. The amount of time spent on acquiring and processing the data by each method was compared to evaluate the efficiency. The findings showed that the rate of detecting standing trees by the LiDAR was 100%. Also, the high statistical accuracy was observed in both Pattern 5 (DBH: RMSE 1.07 cm, Bias -0.79 cm, Height: RMSE 0.95 m, Bias -3.2 m), and Pattern 7 (DBH: RMSE 1.18 cm, Bias -0.82 cm, Height: RMSE 1.13 m, Bias -2.62 m), compared to the results drawn in the typical inventory manner. Concerning the time issue, 115 to 135 minutes per 1ha were taken to process the data by utilizing the LiDAR, while 375 to 1,115 spent in the existing way, proving the higher efficiency of the device. It can thus be concluded that using a backpack personal LiDAR helps increase efficiency in conducting a forest resources inventory in an planted coniferous forest with understory vegetation, implying a need for further research in a variety of forests.

본 연구는 LiDAR 센서의 산림자원조사 적용성 검토를 위하여 제주 절물자연휴양림을 대상으로 삼나무의 개체목 탐지, 흉고직경과 수고를 측정하여 전통적인 산림자원조사와 정확성과 효율성을 비교·분석하였다. 백팩형 지상라이다(Backpack Personal Laser Scanning; BPLS)는 Greenvalley International 사(社)의 Model D50을 사용하였다. 최적의 데이터 수집을 위하여 표준지의 밀도와 작업 효율성을 고려한 LiDAR스캔의 표본추출방법을 7가지로 구분하였다. 분석은 개체목 변수 측정의 정확성을 파악하고 요소작업별 시간과 전체 분석시간을 조사하여 효율성을 평가하였다. 분석 결과, 백팩형 지상라이다를 이용한 입목 탐지율은 모든 패턴이 100%로 나타났다. 정확성은 패턴5(흉고직경: RMSE: 1.07 cm, Bias: -0.79 cm, 수고: RMSE: 0.95 m, Bias: -3.2 m)와 패턴7(흉고직경: RMSE: 1.18 cm, Bias: -0.82 cm, 수고: RMSE 1.13 m, Bias: -2.62 m)이 현장조사 방법으로 얻은 결과와 비교하였을 때 통계적 정확성이 높은 결과를 보였다. BPLS와 현장조사를 이용하여 1 ha의 데이터를 처리하는데 걸린 시간을 환산한 결과 BPLS는 약 115분~135분이 소요되며, 현장조사방법은 375분~1,115분으로 BPLS를 이용한 방법이 더 효율적인 것으로 나타났다. 따라서 하층식생이 적고 비교적 관리가 잘 된 인공 침엽수림에서는 BPLS 장비를 활용하여 효율적인 산림자원조사가 가능하며, 앞으로 다양한 임분 조건에서 적용 가능성을 분석할 필요가 있다고 판단된다.

1. 서론

산림자원조사는 산림자원의 현황을 파악하여 산림 경영에 관한 의사결정을 위한 기초자료를 수집하기 위하여 수행되고 있다. 산림자원조사는 산림의 구조를 설명하고 산림자원을 정량화하는데 사용되는 주요 지표 이다(Bauwens et al., 2016). 산림은 상대적으로 넓은 면적으로 산림자원을 효율적으로 파악하기 위하여 전통적인 산림조사는 표준지 단위로 진행되고 있다. 일반적으로 광범위한 지역에서 수행하는 산림자원조사는 개체 목 측정에 많은 시간이 필요하고 노동 집약적이므로 비용이 많이 든다. 이에 기존 현장조사 방식으로 표준지 내 모든 나무의 속성 및 재적을 측정하는 것은 비효율적인 방법이다(Hyyppä et al., 2020b). 산림경영에서 주요 산림속성 변수를 정확하게 측정하는 것은 중요한데, 그 중 임분 내 입목 본 수, 흉고직경과 수고가 가장 중요한 변수로 여겨진다. 특히 수종 및 흉고직경과 같은 기본적인 속성과 함께 수고는 수령, 재적, 바이오매스 및 탄소저장량과 같은 직접 측정할 수 없는 중요한 나무 속성을 추정하는데 주로 이용된다(Wang et al., 2019).

정확한 수고의 측정은 벌채를 통하여 측정하는 것이 가장 정확하나 모든 임목을 벌채하여 조사할 수 없어 수고를 측정하는 다양한 장비가 개발되었다. 간접 측정인 비파괴적 방법으로 수고를 측정하는 일반적인 방법은 하이트미터 또는 vertex laser와 같은 장비를 이용하여 측정자가 나무에 평면적인 거리와 기기에서 바닥 및 나무 상단까지의 변위 사이의 각도 사이의 삼각비를 기반으로 하는 장비를 사용하는 것이다. 삼각비를 이용하여 입목을 측정하기 위해서는 근원부와 초두부에 대한 명확한 가시성이 필요하다. 그러나 입목밀도 및 수관부의 다양성에 따른 제한된 관찰 위치, 다른 인접한 입목 수 관에 의한 폐색(Occlusion), 하층식생의 유무와 같은 다양한 이유로 인해 자연림 조건에서는 초두부와 근원부 의 가시성이 제한되는 경우가 많다(Wang et al., 2019). 또한 수고는 흉고직경과 달리 간접측정 방법이기 때문에 측정자에 따른 편차가 심하다. Päivinen (1992)는 수고를 측정할 때 연구에서 고려하는 모든 수종의 수고를 약간 과대평가(약 30 m) 했다고 지적하였다. 수고측정은 교육을 받고 경험이 많은 측정자는 일반적으로 기초지식만 있는 초보자보다 정확한 결과를 제공하나 개개인의 결과의 편차가 큰 것으로 나타났다. 이는 현장에서 수고 측정의 품질에 대한 교육 및 작업자 경험의 중요성을 확인할 수 있었다(Kitahara et al., 2010).

전 세계적으로 산림산업은 일반적으로 정밀산업의 개념으로 바뀌고 있다. 개체목 수준의 정보를 기반으로 다양한 의사결정을 할 수 있는데 주요 목적은 개체목의 크기(흉고직경, 수고 등), 분포를 파악하여 임상도 등을 구성하는 것이다. 또한 목재 소비의 요구와 탄소 흡수원과 같은 산림 생태계 서비스의 요구를 충족시키기 위해서 정확한 수량 및 재적 등의 정보를 얻는 것을 목표로 한다(Hyyppa et al., 2020a).

이에 대안으로, 산림조사 시 효율성 개선에 큰 도움되는 LS(Laser scanning; LS) 기술이 전 세계적으로 많은 관심을 받고 있다. LS 기술은 기존의 2차원적인 정보로 취득되는 산림자원조사 대신 3차원 공간정보를 이용하여 자료를 취득할 수 있으며, 산림을 손상시키지 않는다는 점에서 친환경적이기 때문에 산림을 조사하고 모니터링 하기에 아주 적절한 대안이 되고 있다. 또한 LS기술은 장비를 이용하여 데이터를 취득하기 때문에 촬영자의 경험에 따른 결과의 차이가 거의 없이 균일한 결과를 제공하는 장점이 있다. 기존의 산림자원조사는 2인 1조 혹은 3인 1조로 조사가 진행되는 반면 LiDAR 장비를 이용한 작업은 1인 1조로 조사를 진행할 수 있어 인력적으로도 효율적인 측면이 있다. LS 장비는 흉고직경과 수고 외에도 촬영 당시 현장의 있는 모든 자료의 좌표값을 가진 포인트 클라우드 형태로 데이터화시키기 때문에 수관부 넓이, 수관부 면적, 하층식생 등과 같은 다양한 변수의 정보를 취득할 수 있다. 이는 기존에 사용하고 있는 전통적인 현장조사 방법에 비해 자료의 유실이 적고 영구적인 보관 및 상황에 따른 사용이 가능한 이점이 있다. 이에 많은 학자 및 연구기관이 산림조사에 LS 기술을 적용하는 방법을 개발하는 많은 노력을 기울이고 있다(Rutzinger et al., 2010; Maltamo et al., 2014; Shilin et al., 2019). 그러나 국내에선 LiDAR를 이용한 산림자원조사에 대한 연구는 전무한 실정이다. 본 연구에서 사용한 장비는 BPLS(backpack personal laser scanner)로 SLAM(Simultaneous localization and mapping; SLAM)기술을 사용하여 산림 내에 GNSS 신호가 없거나 수관부 아래의 신호 불량 문제를 해결하였다. 또한 BPLS를 사용하면 스캐너의 Wi-Fi 인터페이스를 통해 스마트폰 또는 태블릿을 연결하여 현장 데이터를 모바 일 단말기에서 수집할 수 있으므로 데이터를 실시간으로 시각화해서 확인할 수 있다. BPLS를 이용한 기존의 선행연구는 주로 흉고직경 측정 및 입목 탐지율 정확성에만 중점을 두었고(Saarela et al., 2017; Cabo et al., 2018; Chen et al., 2019; Del Perugia et al., 2019) 수고 측정의 정확성, 장비의 효율성 및 효과적인 데이터 취득 방법에 대한 연구는 부족한 실정이다. BPLS는 기존 현장측정 방법보다 탐지 효율성이 높으며 고정식 지상라이다 (Terrestrial laser scanner; TLS)의 부족한 이동성 및 데이터 정합 등의 한계점을 보완할 수 있다.

본 연구의 목적은 입목 본 수 탐지율 및 개체목의 변수를 측정하는 것뿐만 아니라 BPLS를 이용한 표준지 단위의 산림조사에서 데이터를 수집하는데 최적의 표본추출방법을 도출하는 것이다. 이와 더불어 BPLS를 이용한 산림조사에서 흉고직경과 수고를 정확하고 편리하게 추정하여 효율적인 산림자원조사를 위한 방법을 개발하는 것이다.

2. 재료 및 방법

1) 연구대상지 및 공시재료

본 연구의 연구대상지는 제주특별자치도 제주시 봉개동에 위치한 제주 절물자연휴양림 내 삼나무(Criptomeria japonica) 인공림에서 연구를 수행하였다. 제주 절물자연 휴양림은 4영급의 입목 밀도가 밀하고 평균 경급은 중경급의 산림이다. 또한 경사가 거의 없고 하층식생의 분포가 거의 없는 깨끗한 지형으로 입목의 구분이 쉬워 보다 정확한 3D 포인트 클라우드 데이터를 얻는데 용이하다. 지리적 위치는(37°40′37.0″N, 128°27′26.0″E)이다.

2) 현장조사방법 및 BPLS를 이용한 데이터 수집

현장조사방법과 BPLS를 이용한 방법의 비교를 위해 표준지는 일반적으로 우리나라에서 산림자원조사에 적용되는 정방형의 표준지(20 m×20 m, 0.04 ha)로 설정하였으며, 입목 밀도에 따라 4개의 표준지를 선정하여 조사하였다. 표준지의 지형적 특성 및 기상조건은 다음과 같다(Table 1).

Table 1. Geographical characteristics per plot of Jeolmul forest

LS를 이용한 스캔은 날씨의 영향을 많이 받는다. 비와 눈은 펄스의 산란 특성에 영향을 주며, 바람은 수관부의 움직임을 발생시켜 취득되는 포인트 클라우드의 이상치를 생성할 수 있기 때문이다. Seidel et al. (2012)은 풍속 5 m/s 이내에서 LiDAR를 이용한 스캔을 권장하였다. 본 연구에서 풍속은 Kestrel3000를 이용하여 작업 간 평균 풍속을 조사하였고 본 연구에서는 풍속이 5 m/s 이내로 취득되어 바람의 영향이 덜부는 조건에서 스캔된 것을 알 수 있다. 현장조사는 현재 산림자원조사에서 많이 사용되고 있는 조사 장비인 Haglöf 社의 Vertex Laser Geo를 이용하여 수고를 측정하였고, 스틸 테이프를 이용하여 흉고직경을 측정하였다(Table 2).

Table 2. The summary of statistics for sample plots

BPLS는 Greenvalley International社의 Model Libackpack D50을 사용하였고 D50의 세부 사양은 다음과 같다(Table 3, Fig. 1).

Table 3. Description of Libackpack D50

Fig. 1. Photographs of the survey using a Libackpacck D50 (a) and Jeolmul forest (b).

D50은 LiDAR 센서인 Velodyne VLP-16이 수직·수평으로 두 개가 배낭에 장착되어 있는 형태이다. 메인 스캐너는 데이터를 수평으로 수집하고 보조 스캐너는 수 직으로 수집하여 데이터 취득에 용이하다. LiDAR 센서로 취득한 데이터는 실시간으로 사용자의 태블릿 PC에 전송되어, 취득되는 포인트 클라우드와 경로, 이동거리 및 취득시간을 확인할 수 있다. 한편 BPLS를 통한 데이터의 수집은 현재 표준화된 작업공정 없이 취득되고 있으므로 본 연구에서는 데이터 취득 방법을 표준지의 입목 밀도와 작업 효율성을 고려하여 7가지 패턴으로 설정하여 자료를 수집하였다. 패턴 1은 BPLS 사용자가 표준지 라인만 취득하는 것이고, 패턴 2와 패턴 3은 표준지 내에 사각지대를 줄이고자 표준지 라인을 취득하고 추가적으로 대각선 모양의 데이터를 취득하였다. 패턴 4, 패턴 5, 패턴 6, 패턴 7은 취득하는 간격에 따른 작업의 효율성을 판단하기 위해 5 m, 10 m로 구분하여 취득하였고 LiDAR 데이터의 경로 폐합에 따른 정확성과 필요성을 판단하고자 패턴 5와 패턴 7은 간격 별 라인을 취득 후 표준지 라인을 추가적으로 취득하였다(Fig. 2).

Fig. 2. Survey paths used for scans with backpack personal laser scanning (BPLS) device (Ko et al., 2021). Walking along the plotline (pattern 1), a diagonal path added to pattern 1 (pattern 2), two diagonal lines added to pattern 1 (pattern 3), walking back and forth along straight lines at the interval of 5 m (pattern 4), a combination of pattern 1 and pattern 4 (pattern 5), walking back and forth along straight lines at the interval of 10 m (pattern 6), and a combination of pattern 1 and pattern 6 (7).

3) BPLS 측정 및 현장조사 방법의 효율성 비교

(1) 공정조사 작업

공정조사에서 산림조사는 현장에서 진행되는 외업과 실내에서 이루어지는 내업으로 구분하였다. 현장조 사방법은 3인 1조(야장수, 흉고직경 측정자, 수고 측정자)로 진행하였고, BPLS는 1인 1조로 조사를 진행하였다. 표본점을 구획하는 시간은 전문조사원에 의한 현장 조사와 라이다 조사를 동일하게 설정하였다. 외업 시 발생하는 전체 작업시간을 분석하기 위해 스톱워치를 이용하여 현장조사 시간과 패턴 별 포인트 클라우드 취득 시간을 측정하였다. 현장조사를 통한 내업은 현장에서 취득한 야장정보를 엑셀에 기입하는 시간을 조사하였고, 라이다 데이터는 LiDAR360 프로그램을 통해 표준지의 개체목을 분리하는데 걸리는 요소 작업별 시간과 전체 분석시간을 조사하였다.

(2) BPLS 측정조사자료의 데이터처리

BPLS를 이용하여 취득한 포인트 클라우드와 동시에 취득된 이동경로 자료를 이용하여 사용자가 분석하고자 하는 표준지를 구획하고 처리를 진행하였다. 데이터의 이상치는 LiDAR360 프로그램의 Remove Outliers 및 Noise Filter를 이용하여 레이저펄스의 다중경로 효과로 인해 발생하는 이상치를 제거하여 데이터의 품질을 향상시켰다. 이상치 제거 후 포인트 클라우드를 불규칙 삼 각망(Triangulated Irregular Network, TIN) 알고리즘을 이용하여 지상부와 접지지점을 구분하여 편집하였고 입목의 개체목 분할은 공간 클러스터링을 하는 CSP (comparative shortest-path algorithm, CSP) 알고리즘을 이용하여 개체목을 구분하였다. 흉고직경은 분리된 수간의 1.2 m 부분에 포인트 클라우드를 길이 10 cm인 조각 부분(slice)으로 추출하여 흉고직경을 추정하였다(Tao et al., 2015). 수고는 개체목으로 분리된 수목의 포인트 클라우드 중 최상단 포인트와 지면과 분리된 최하단 포인트의 차이를 이용하여 수고를 추정하였다.

데이터 분석에 사용된 워크스테이션의 사양은 CPU Xeon(R) E5-1620 V3 3.50 GHz, RAM 128 GB, GPU NVIDIA Quadro K1200이며 운영체제는 Window 10 (64-bits)이다.

BPLS를 이용한 내업의 요소작업은 다음과 같이 정 의하였다(Fig. 3).

Fig. 3. Procedures of extracting the forest variables (a: raw data, b: plot extraction, c: ground point classification, d: attribute allocation, e: normalized ground point, f: individual stem extraction).

• 조사지구획 – 전체 포인트 클라우드 중 표본점 내 (20×20 m)에 있는 포인트만 추출하는 작업

• 이상치제거 – 레이저펄스의 다중경로 효과로 인해 발생하는 이상치를 제거하여 데이터의 품질을 향상시키는 작업

• 지형분리 – TIN(Triangulated Irregular Network)알고리 즘을 이용한 지형을 분리하는 작업

• 속성부여 – 각 포인트 클라우드의 속성값을 부여해주는 작업(ex 입목, 하층식생, 건물 등)

• 개체목 추출 – CSP(Comparative shortest-path)알고리즘 을 이용하여 개체목 추출하는 작업

4) 통계적 검정

산림자원조사 방법에 따른 현지조사 자료의 정확도를 비교하기 위하여 RMSE, RMSE%, Bias 그리고 Bias%값을 분석하였다. RMSE는 중심으로부터 측정값과 추정값의 차이를 확인하여 정밀도를 확인하는 값이며, Bias는 실측치 대비 추정치의 과대 혹은 과소 정도를 판단하는 값이다. 이는 추정값과 실제 측정값과 차이를 다룰 때 흔히 쓰는 척도로 0에 가까울수록 품질이 높다고 판단한다. 본 논문에선 현장자료를 측정(참조)값으로 설정하고 라이다 데이터를 추정값으로 설정하여 평가 하였다(Table 4).

Table 4. Statistical accuracy of BPLS and the field measurements

3. 결과 및 고찰

1) 수간 매핑결과

BPLS 장비인 Libackpack D50을 이용하여 절물자연 휴양림을 감지·매핑한 결과는 Table 5에 기술했다. 표준지의 총 입목의 본 수는 157본이다.

Table 5. Accuracy of tree mapping using the BPLS data

D50으로 얻은 포인트 클라우드 데이터는 4개의 표준지에서 7개의 패턴이 모두 100%의 탐지율을 보였다. 기존 연구에 따르면 LS을 이용한 매핑이 현장의 입목 밀도에 영향을 받는 것으로 알려져 있다(Chen et al., 2019). Chen et al. (2019)은 이동성이 뛰어난 PLS인 ZEB-REVORT 장비를 이용하여 1,100 입목/ha당 표준지에서 수간의 탐지율을 확인하였으며, 탐지율은 90.9%로 9.1%의 입목을 탐지하지 못하였다. Hyyppä et al. (2020a)는 BPLS 를 이용하여 핀란드 한대림에서 표준지 밀도에 따른 개체목의 탐지능력을 분석한 결과, 밀도가 작고 하층식생이 거의 없는 표준지는 95%, 밀도가 높고 하측식생이 존재하는 곳은 84%로 탐지 되었다. 선행연구와 비교하였을 때, 본 연구에서 사용된 장비의 탐지율은 상당히 높은 수준임을 알 수 있었다. 이는 본 연구에선 4개의 표준지가 입목 밀도의 차이는 있으나, 하층식생이 분포하지 않는 지형으로 폐색이 되는 부분이 없어 입목을 탐지하는데 제한이 없는 것으로 판단된다.

2) BPLS 측정 및 현장조사 방법의 흉고직경 및 수고 추정비교

측정방법에 따른 개체목의 흉고직경과 수고를 비교한 검정통계량은 다음과 같다(Table 6).

Table 6. A comparative assessment of accuracy of values between two survey methods (DBH and Height)

흉고직경의 경우 RMSE가 1.07~2.10 cm, RMSE%는 3.46~6.74%를 보였고 Bias는 -1.71~-0.79 cm, Bias%는 -5.47~-2.55%를 보였다. 전체적으로 현장조사방법과 BPLS를 이용하여 추정한 값이 높은 적합성을 보였고 패턴 5와 패턴 7이 가장 높은 적합성을 보였다. 입목의 수형은 불규칙한 수간과 수피를 가지고 있기 때문에 원형보단 타원형에 가까운 모습이다. BPLS를 이용한 흉 고직경의 측정은 1.2 m 높이의 포인트클라우드를 이용하여 정원을 추정하는 알고리즘이기 때문에 현장조사 방법과 차이가 있는 것으로 판단된다. BPLS를 이용한 값이 실제 값보다 과소치를 보이나 1 cm 괄약을 이용하는 국가산림자원조사와 2 cm괄약으로 구분하는 산림 경영계획 작성에서 본 연구결과인 RMSE가 1.07~2.10 cm의 범위는 기존의 측정도구인 윤척 및 직경테이프를 대체할 수 있다고 판단된다.

본 연구 결과는 패턴 1을 제외하곤 BPLS를 이용한 흉고직경을 측정할 때, 가시성이 있는 산림에서 RMSE% 가 5~10%의 범위에서 허용한다는 결과에 포함된다 (Liang et al., 2019). 선행연구 결과와 비교하면 Oveland et al. (2018)은 TLS, HMLS(Handheld Mobile laser scanner) 및 BPLS의 3가지 장비의 효율성을 비교한 결과, TLS (RMSE : 6.2 cm, RMSE% : 28.6%), HMLS(RMSE : 3.1 cm, RMSE% : 14.3%), BPLS(RMSE : 2.2 cm, RMSE% : 9.1%)로 나타났다. 또한 MLS(Mobile laser scanner) 및 PLS를 이용하여 흉고직경을 측정하였을 때 Bias%가 -2~5%, RMSE%는 8~29%(Liang et al., 2015; Ryding et al., 2015)의 결과와 비교하면 본 연구의 결과가 상당히 높은 수준으로 흉고직경을 측정하고 있다고 판단된다.

수고는 RMSE가 0.95~1.74 m, RMSE%는 5.11~9.37%를 보였고 Bias는 -5.47 m~-2.55, Bias%는 -5.59~-1.65% 를 보였다. 수고의 통계값도 전체적으로 높은 정확도를 보였으나 흉고직경 보다 낮은 정확도를 보였다. 수고 측정 정확도가 흉고직경에 비해 떨어지는 가장 큰 요인은 흉고직경은 직접측정 방법이고 수고는 간접측정 방법이기 때문이다. 수고측고기(Vertex)를 이용한 현장 조사방법은 LS방법 보다 사용자, 임분조건, 수관폭 및 수종에 더욱 민감하기 때문이다(Wang et al., 2019). 또한 Bauwens et al. (2016)은 대부분의 레이저 신호가 15~20 m 높이를 취득하는데 어려움이 있다고 발표했다.

TLS 데이터를 이용하여 입목의 초두부를 관찰하여 수고를 추정하는 것은 여러 스캔장비를 이용하여 많은 표준지에 대해 연구되었다(Huang et al., 2011; Fleck et al., 2011). Huang et al. (2011)은 TLS를 이용하여 MS방법으로 취득하여 RMSE 0.8 m, Bias -0.3 m로 나타내었으며, Liang and Hyyppä (2013)은 TLS를 이용한 개체목을 추출하는 연구에서 RMSE가 2.04~6.53 m, RMSE%는 12.47~ 34.11, Bias는 1.16~2.11 m로 본 연구 결과가 보다 나은 정확도를 보였다. Del Perugia et al. (2019)은 스캔 밀도에 따른 HMLS를 이용하여 표준지 내 수고가 15 m 이하의 입목에 대해서 스캔 밀도를 10 m, 15 m로 달리하여 조사하였을 때 10 m 간격(RMSE 0.67 m, RMSE% 6.52 Bias 0.17 m), 15 m 간격(RMSE 0.82 m, RMSE% 7.78 Bias가 0.44)의 결과와 비교하면 본 연구결과의 정확도가 다소 낮게 나타났다. LS장비를 이용한 수고의 측정은 하단부에 비해 입목의 초두부가 받는 포인트 수가 적어 현장 조사방법에 비해 과소값을 보이는 것으로 판단된다.

패턴 별 흉고직경·수고 값을 비교한 결과, 모든 패턴이 전체적으로 높은 정확도를 보였으나 패턴5, 패턴7이 가장 높은 정확도를 보였다. 이는 패턴5와 패턴7이 산림조사 시 이동거리가 길어 취득되는 포인트의 수가 다른 패턴에 비해 많기 때문인 것으로 사료된다. 또한 동일한 간격으로 설정한 패턴4(5 m 간격), 패턴6(10 m 간격)과의 차이는 표준지의 시작점과 종료점을 일치시키도록 폐합하였기 때문에 BPLS의 정확도가 향상된 것으로 판단된다.

3) BPLS 측정 및 현장조사 방법의 효율성 비교

조사 방법 별 작업 효율성을 분석하기 위해 전체 조사시간을 기록했다. 두 조사방법 모두 동일한 표준지(20×20 m)에 적용되었고 외업·내업으로 구분하여 조사한 뒤 개체목을 추출하는 시간까지 기록하였다.

패턴별 시간을 비교하면(Table 7) BPLS 장비를 이용한 측정방법의 외업시간은 약 3.80~6.38분으로 이동거리가 긴 패턴일수록 조사시간이 많이 소요되었다. 또한 이동거리가 길수록 취득되는 포인트의 개수도 증가하며 조사시간과 데이터의 용량은 양의 상관관계를 보여 패턴5가 가장 많은 데이터를 취득한 것으로 나타났다. 시간당 이동거리를 비교한 결과 패턴5가 9.61 m/min로 가장 거리가 길었고 패턴7이 8.93 m/min로 뒤를 이었다. 시간당 면적을 비교한 결과 패턴1이 27.57 m2/min, 패턴2가 25.68 m2/min로 동일한 시간 동안 가장 넓은 범위를 커버할 수 있는 결과를 나타내었다. 그러나 시간당이 동거리, 시간당 면적을 모두 비교하였을 때 이동거리가 많음에도 불구하고 동일 시간 동안 비슷한 면적을 조사가 가능한 패턴5와 패턴7이 가장 효율적인 방법이라 판단된다.

Table 7. The amount of time spent on acquiring and processing the data by pattern

조사방법간 효율성을 비교하기 위해 Table 8을 보면 현장조사방법과 BPLS를 이용한 산림자원조사의 작업 시간은 전체적으로 평균 12분 정도의 차이로 BPLS가 높은 효율성을 보였다. 외업에서 BPLS와 현장조사를 이용하여 1 ha의 데이터를 처리하는데 걸린 시간을 환산한 결과 BPLS는 약 115분~135분이 소요되며, 현장 조사방법은 375분~1115분이 소요되는 것으로 분석되었다. 현장조사 방법이 약 5배 정도 시간이 더 소요되어 BPLS를 이용한 방법이 상당히 효율적인 것으로 나타났다. 선행연구에서 지상라이다를 이용한 스캔시간은 130~200분/ha으로 본 연구결과의 범위와 유사하게 나타났다(Ryding et al., 2015; Bauwens et al., 2016; Giannetti et al., 2018).

Table 8. Comparison of the efficiency between the field survey and the BPLS survey

BPLS는 표준지에 입목의 본 수에 영향을 덜 받는 반면, 임분상태에 따른 영향을 많이 받는다. 때문에 입목 본 수의 영향을 많이 받는 현장조사방법은 본 수에 따라 외업이 내업에 비해 시간이 많이 소요되었다. BPLS 는 본 수의 상관없이 외업의 시간이 비슷한 범위를 보였으나 임분상태에 따라 내업의 시간이 더 많이 소요되는 것으로 나타났다.

전체 조사시간에 대해서 조사자 1명이 1분 동안 작업할 수 있는 면적을 비교한 결과(Table 8) BPLS는 평균 23.7 m²/min, 현장조사는 평균 5.2 m²/min으로 BPLS를 이용한 조사방법이 동일 시간에 약 5배 정도 넓은 면적을 조사할 수 있다고 나타났다.

결과적으로 1인 조사가 가능한 BPLS는 3인 1조로 진행되는 현장조사방법에 비해 동일면적·시간 대비 작업 효율성이 높을 것을 알 수 있었다.

현장조사는 현장에서 주로 흉고직경, 수고와 같은 변수가 즉시 취득이 가능하나 내업으로 데이터화를 시키는 작업이 필요하다. 반면 BPLS와 같은 LS 기기로 수집한 데이터는 현장에서 즉시 변수를 취득할 수 없고, 변수를 얻기 위해 내업으로 추가적인 처리가 필요하다. 그러나 현장조사방법의 경우 현장에서 조사한 변수에 대해서만 분석을 진행할 수 있지만, BPLS는 사용자의 목적, 필요에 따라 내업에서 변수를 추가적으로 취득할 수 있다.

BPLS를 이용한 방법은 작업자가 움직이며 지속적인 스캔을 통하여 주변 환경의 데이터를 빠르게 획득한다. 또한 수집된 포인트는 스마트폰 및 태블릿 화면을 통해 현장에서 확인이 가능하여 데이터의 안정성 및 추가 데이터 수집 여부를 확인할 수 있는 장점이 있다. 그러나 기기에서 수집한 데이터를 개체목으로 분리하여 변수를 추출하기 위한 전처리 작업이 필요한 단점이 있다. 변수를 추출하기 위한 전처리 작업은 조사지 구획, 이상치 제거, 지형분리, 속성부여, 개체목 추출 순으로 진행되며 입목의 변수를 측정한다. BPLS를 이용한 전처리 작업의 요소작업 별 시간을 비교한 결과, 취득 포인트가 많을수록 처리 시간이 늘어나는 것을 알 수 있었다. 특히, 포인트 클라우드에 속성값을 부여해주는 속성부여 작업이 전체 내업에서 약 61% 이상으로 가장 많은 부분을 차지하였다(Fig. 4). 이는 속성을 부여해주는 작업이 다른 요소작업과 달리 수동작업으로 진행되기 때문에 상대적으로 더 많은 시간이 소요됨을 알 수 있다. 이는 표준지의 임분 상태(하층식생의 유무, 입목 밀도, 경사 등)가 정확하게 개체목을 분리하기 위한 작업시간에 영향을 많이 주는 것으로 판단된다.

Fig. 4. Analysis of the amount of time on each process on internal tasks with the BPLS data (%).

4. 결론

본 연구는 백팩형 지상라이다(BPLS)를 이용하여 표준지에서 흉고직경 및 수고와 같은 주요변수를 측정하는 산림자원조사 방법의 적합성 평가에 대한 연구를 수행하였다. 직경테이프 및 윤척을 이용하여 흉고직경을 측정하는 기존 산림조사방법은 경제적이며, 신속하고 정확하다. 그러나 측정자가 측정할 수 있는 높이(범위)에 한해서만 측정이 가능하여 수간고별 직경 등의 추가적인 정보를 측정할 수는 없다. 반면 LS장비를 이용하면 이와 같은 문제를 해결할 수 있다. LS장비는 산림자원조사에서 임목의 정밀한 속성을 얻는 기술로 관심을 받고 있으며, 도입 초기 수동측정에서 현재는 자동측정으로 점차 발전하고 있다. 이는 기존 현장조사방법으로 측정할 수 없는 변수(예: 수관폭, 수관 넓이, 수간 기울기, 가지각도 등)들을 도출할 뿐만 아니라 비파괴적인 방법으로 산림의 변수를 추정할 수 있으며 산림의 시계열적 변화도 파악할 수 있는 장점이 있다.

본 연구 결과 산림조사에 있어 BPLS를 이용한 방법이 기존 현장조사방법이 필요한 시간보다 짧은 시간에 대면적의 다양한 변수를 취득할 수 있다고 사료된다. 패턴 별 비교에서는 패턴5와 패턴7이 다른 패턴과 비교하였을 때 정확성이 높고 이동거리가 김에도 불구하고 시간 대비 조사할 수 있는 면적이 넓어 가장 효율적인 패턴으로 판단되었다.

또한 현장조사는 현장에서 종이에 기록 후 내업으로 데이터베이스에 수동으로 기록된다. 따라서 입력자에 의한 입력 오류 가능성을 배제할 수 없고 측정 시 흉고 직경 및 수고, 기울어진 나무로 인해 또 다른 측정오류 가 발생할 수 있다. 그러나 LS를 통한 변수 측정은 모든 알고리즘이 동일한 데이터에 대해 평가되어 측정 및 입력 오류를 줄일 수 있는 장점이 있다.

본 연구결과는 Greenvalley International 社의 백팩형 지상라이다인 Model Libackpack D50을 이용하여 현재 산림조사에서 사용하고 있는 산림조사방법과 비교하는 연구의 결과로 다른 LiDAR 장비와 컴퓨터 사양에 따라 작업의 정확도나 효율성은 달라질 수도 있다. 결과적으로 BPLS를 이용한 산림조사는 데이터수집에 소요되는 시간을 감소시키는 측면에서 매우 유용한 방법임을 확인할 수 있었다. 이는 산림자원조사에 대한 정확하고 시기 적절한 정보를 제공함으로써 효율적인 산림 경영을 지원할 것이다. 특히 기존 산림조사보다 비용과 인력감축 측면에서 효율적인 방법으로 큰 잠재력이 있다고 사료된다. LiDAR를 이용한 연구는 특히 고품질 현장 참조 및 산림조사, 시계열 변화 측정이 필요한 표준지의 장기 모니터링에 의존하는 인벤토리 및 산림과학 연구에 적합하다고 판단되며, 향후 연구에서는 BPLS를 이용한 다양한 표준지에서 표본추출방법의 매뉴얼 및 품셈을 개발하여 비용과 상황에 따른 라이다 장비의 선정 및 투입여부를 비교하는 추가적인 연구가 필요할 것으로 보인다.