• 한국산림과학회지
• /
• 제110권2호
• /
• pp.280-288
• /
• 2021

소나무재선충병의 발생 특성을 이해하는 것은 소나무재선충병의 피해 및 확산을 최소화하기 위한 방제전략 수립을 위해 필수적이다. 따라서 본 연구에서는 기상 요인, 지리적 요인, 그리고 인위적 요인과 같은 환경 조건과 소나무재선충병 발생과의 관계를 분석하였다. 2016년 5월부터 2018년 4월까지 소나무재선충병 발생 자료와 자연적, 인위적 요인들을 포함한 다양한 환경 조건의 공간 자료들을 수집하였고, 소나무재선충병에 의한 고사목 발생 본 수에 대한 환경 변수들의 상대적 기여도를 평가하였다. 총 17개의 자연적 요인과 인위적 요인 중에서 소나무재선충병 발생에 영향을 미치는 요인들을 확인한 결과 자연적 요인은 고도와 5~8월 기온이, 인위적 요인은 도로와 건물과의 거리가 소나무재선충병 감염고사목 발생본수와 밀접하게 연관이 있는 것으로 나타났다.

• 대한토목학회논문집
• /
• 제41권3호
• /
• pp.317-325
• /
• 2021

1988년 부산에서 처음 발병된 소나무재선충병(Pine Wilt Disease, PWD)은 우리나라 소나무에 막대한 피해를 주고 있는 심각한 질병이다. 정부에서는 2005년 소나무재선충병 방제특별법을 제정하고 피해지역의 소나무 이동 금지와 방제를 시행하고 있다. 하지만, 기존의 예찰 및 방제방법은 산악지형에서 동시다발적이고 급진적으로 발생하는 소나무재선충병을 줄이기에는 물리적, 경제적 어려움이 있다. 따라서 본 연구에서는 소나무재선충병 감염의심목을 효율적으로 탐지하기 위해 무인항공기를 이용한 영상자료를 바탕으로 딥러닝 객체인식 예찰 방법의 활용가능성을 제시하고자 한다. 소나무재선충병 피해목을 관측하기 위해서 항공촬영을 통해 영상 데이터를 획득하고 정사영상을 제작하였다. 그 결과 198개의 피해목이 확인되었으며, 이를 검증하기 위해서 접근이 불가한 급경사지나 절벽과 같은 곳을 제외하고 현장 조사를 진행하여 84개의 피해목을 확인할 수 있었다. 검증된 데이터를 가지고 분할방법인 SegNet과 검출방법인 YOLOv2를 이용하여 분석한 결과 성능은 각각 0.57, 0.77로 나타났다.

• 대한원격탐사학회지
• /
• 제30권5호
• /
• pp.665-675
• /
• 2014

본 연구에서는 소나무재선충병이 확산되어 있는 거제도를 대상으로 소나무재선충병 감염목 특성분석을 위하여 지상용 초분광 카메라를 활용하여 2012년과 2013년에 걸쳐 대상 임목을 촬영하였다. 영상 촬영은 소나무재선충병이 확산되는 시기인 6~9월 기간에 개체목 단위와 임분 단위로 구분하여, 개체목은 인위적으로 소나무재선충병을 주입한 공시목을 대상으로 실시하고, 임분은 소나무재선충병이 자연적으로 발생한 임분을 대상으로 실시하였다. 수백개의 파장대역 정보를 담고 있는 지상용 초분광 영상을 이용하여 소나무재선충병 감염단계에서부터 고사단계에 이르기까지 파장대역 변화와 특성분석을 진행하였다. 그 결과, 전체 파장대역 중 적색영역(550~700 nm)의 변화가 두드러지게 나타났으며 특히, 688 nm 전후의 파장대역에서 고사목과 정상목간의 가장 많은 변화폭이 관측되었다. 향후 초분광 항공사진을 활용한 소나무재선충병 감염목 탐지 활용가능성 판단을 위하여 개체목 단위 촬영영상보다 대면적의 임분단위 촬영영상을 활용한 분석이 진행되었다. 가장 큰 변화를 나타낸 688 nm 구간의 식생지수 활용을 위하여 Normalized Difference Vegetation Index(NDVI), Red Edge Normalized Difference Vegetation Index(reNDVI), Photochemical Reflectance Index(PRI), Anthocyanin Reflectance Index 2(ARI2) 식생지수에 대한 비교 분석을 실시하였다. 감염목 탐지에 효율성이 높다고 판단되는 지수는 NDVI와 reNDVI으로 나타났으며 688 nm를 NDVI와 reNDVI식 적색영역에 적용한 결과 688 nm를 포함하여 적용한 지수값에서 감염진행에 따른 가장 큰 변화폭을 나타내어 감염목 탐지에 가장 효율적인 것으로 판단되었다.

• 한국산림과학회지
• /
• 제100권2호
• /
• pp.165-171
• /
• 2011

소나무재선충병 방제법 중 임업적 방제법을 개발하기 위한 일환으로 위생간벌, 간벌, 어린소나무 가꾸기가 소나무재선충병의 제어에 미치는 영향을 구명하기 위하여 야외 그물망 케이지에 소나무재선충을 보유한 솔수염하늘소를 방사하였다. 대조구, 위생간벌, 간벌 처리구 모두에서 공시목의 50% 이상이 고사되었으며, 처리구 간에는 유의성이 나타나지 않았다. 그리고 처리구 내 방치한 숲가꾸기 산물이 소나무재선충병을 확산시키는 촉매제로 작용하였다. 어린 소나무림 가꾸기의 경우 산물을 방치한 처리구가 공시목의 고사율이 90% 이상으로 가장 높았으며, 산물을 케이지 밖으로 들어낸 처리구와 숲가꾸기를 하지 않고 솔수염하늘소의 성충을 방사한 처리구에서는 10% 내외의 고사율을 나타내었다. 솔수염하늘소 우화 당년도인 4월에 위생간벌, 간벌을 실행한 장령목의 벌근에서는 솔수염하늘소의 유충이 출현하지 않았으나, 솔수염하늘소의 우화 당년도인 5월에 숲가꾸기 한 어린나무의 벌근에서는 유충이 출현하였다. 본 실험 결과, 장령 소나무림과 어린소나무림 내에 소나무재선충병이 만연하고 있는 임분의 경우 솔수염하늘소의 우화 당년도인 4월과 5월에 실행한 숲가꾸기는 소나무재선충병의 제어에 아무런 효과가 없었으며 방치한 숲가꾸기 산물은 오히려 소나무 재선충병을 확산시키는 촉매제로 작용하였다.

• 한국산림과학회지
• /
• 제102권2호
• /
• pp.300-304
• /
• 2013

소나무재선충(Bursaphelenchus xylophilus)에 의해서 발생되는 소나무재선충병(Pine wilt disease)은 우리나라 소나무림에 피해를 주고 있다. 소나무재선충은 매개충인 솔수염하늘소(Monochamus alternatus Hope) 성충이 건전한 소나무의 신초를 갉아먹는 후식과 산란을 통해서 옮겨진다. 현재까지의 소나무재선충병 방제에는 metam-sodium SL(25%)약제를 사용하여 고사한 소나무를 훈증하는 것이 주된 방법이었으나 농약에 의한 환경오염이나 훈증을 위해 피복하는 비닐로 인해 산림경관을 해치는 문제가 발생하였다. 따라서 휴대용 수피제거기(Portable Bark Remover)는 산림 사업용 엔진톱 끝부분에 장착되어, 소나무재선충병 감염 고사목 방제 현장에서 간단하고 빠르게 수피를 제거 함으로써 매개충의 산란과 부화 등의 서식처 제공이 차단되어 결국 온전한 생활사를 완성 할 수 없어 죽게 되도록 친환경적으로 개발되었다. 또한 소나무재선충병 매개충 방제를 위한 휴대용 수피제거기의 활용은 파쇄, 소각, 훈증 등의 기존의 방제 방법에 비하여 비용의 절감과 높은 방제 효과를 기대 할 수 있다.

• 한국지리정보학회지
• /
• 제13권1호
• /
• pp.28-34
• /
• 2010

소나무재선충병 피해의 공간적 분포 특성은 고사목 단목 중심의 점상 발생을 보이기 때문에 신속한 피해지 파악과 정확한 확산예측에 어려움이 있다. 따라서 피해발생 조기예찰 및 분석, 감시 감독이 매우 중요하다. 그러나 기존의 예찰방법인 도로나 민가 주변 중심의 지상 육안예찰은 누락된 지역이 많고 고산지역, 급경사, 절벽등의 위험지역 예찰이 불가능하기 때문에 본 연구에서는 이러한 단점들을 보완하기 위하여 체계적이고 과학적인 GIS, GPS와 헬기를 이용한 항공정밀예찰 기법을 개발하였으며, 2005년 전국 32개 시 군(약 $28,810km^2$) 피해지역의 349지점 972본의 고사목 위치좌표를 취득하여 소나무재선충병 방제에 활용하였다. 따라서 항공정밀예찰기법 개발은 소나무재선충병 발생 우려지역에 대한 고사목 색출 및 고사원인 규명, 매개충 산란처 제거 등의 효과를 얻을 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.359-373
• /
• 2019

소나무재선충병은 우리나라 소나무림에 심각한 위협이 되고 있는 질병이다. 그러나 일반적으로 재선충병의 고사목 관측은 현장조사를 기반으로 하고 있기 때문에 물리적, 경제적 문제가 있어 대규모 삼림을 관측하는데 어려움이 있다. 본 연구에서는 소나무재선충병이 재발한 지역에 무인 항공기를 이용하여 고해상도 영상을 획득하였다. 이후 Artificial Neural Network(ANN), Support Vector Machine(SVM) 감독분류 기법을 통해 소나무재선충병 의심목을 탐지하였고. 감독분류 결과에 대한 정확도를 산출하였다. 또한 접근성이 높은 산림에 대해 감독분류를 실시한 후 현장 조사 결과간의 비교를 통해 정확도의 신뢰성을 검증하였다.

• 수목보호
• /
• 통권5호
• /
• pp.57-64
• /
• 1999

• 조경수
• /
• 통권88호
• /
• pp.29-37
• /
• 2005

• 수목보호
• /
• 통권4호
• /
• pp.16-31
• /
• 1998