본 연구에서는 드론으로 취득한 고해상도 정사영상 자료를 이용하여, 컨볼루션 신경망(Convolution Neural Network, CNN)을 이용한 딥러닝 기법을 통해 수종에 대한 자동분류 가능성을 분석해 보고자 하였다. 수종판독을 위한 분류항목을 소나무, 자작나무, 낙엽송, 잣나무 그리고 신갈나무 5개 수종으로 선정하였다. 고해상도 정사영상과 임상도를 이용하여 총 5,000개의 데이터셋을 구축하였다. 수종분류를 위한 학습모델로 CNN 기법을 적용하였고, 데이터셋을 5:3:2의 비율로 훈련데이터, 검증테이터, 테스트데이터를 구분하여 모델의 학습 및 평가에 사용하였다. 모델의 전체 정확도는 89%로 나타났으며, 수종별 정확도는 소나무 95%, 자작나무 89%, 낙엽송 80%, 잣나무 86%, 신갈나무 98%로 나타났다.
소나무와 금강송의 수종 분류를 위해 근적외선(NIR) 분광법과 주성분분석(PCA) 및 부분최소자승법 판별분석(PLS-DA)을 결합하여 수종 분류 모델을 설계하였다. 측정된 모든 NIR 스펙트럼을 이용하여 PCA를 실시한 결과 소나무와 금강송의 수종 분류는 불가능하였다. 그러나 2차 미분된 스펙트럼을 이용하여 시험편의 단면과 심 변재 구분에 따른 수종 분류에서는 변재부에서 수종 분류가 가능하였으며, 특히 방사단면의 변재에서는 명확하게 수종이 분류되었다. 그리고 개발된 PLS-DA 예측 모델을 통해 명확한 수종 분류가 가능하였다. 2차 미분으로 전처리된 스펙트럼을 이용하였을 때 가장 좋은 분류 결과 얻을 수 있었다. 2차 미분 스펙트럼을 이용한 예측 모델은 100%의 분류 정확도를 나타내었으며, 예측 모델의 $R_p{^2}$ 값은 0.86, RMSEP는 0.38로 나타났다. 전처리하지 않은 스펙트럼과 2차 미분 스펙트럼을 이용한 예측 모델의 신뢰도는 유사하였다. 근적외선 분광법과 부분최소자승법 판별분석을 결합한 수종 분류 모델은 소나무와 금강송의 분류에 적합하였다.
본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F1은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.
저자는 접근불능지역인 북한의 임상도 제작을 위한 첫 단계로 Hyperion과 Sentinel-2 위성영상과 질감정보와 지형정보를 활용하여 정확도 98% 이상의 잣나무 및 낙엽송 분류모델을 개발한 바 있다. 북한의 주요 수종 점유율을 고려해 볼 때, 낙엽송(점유율 17.5%), 잣나무(5.8%) 뿐만 아니라 소나무(12.7%), 전나무(8.2%), 참나무류(29.5%)의 점유율이 크므로 수종분류 모델의 확장이 필요하다. 따라서 본 연구에서는 기존의 2개 수종에서 주요 5개 수종으로 분류모델을 확장하기 위해 분광정보와 침엽수 및 활엽수의 수관특성을 고려한 질감정보 및 수종별 생육특성을 고려한 지형정보를 투입하여 방법론을 개선하였다. 연구대상지인 광릉지역의 임상도에서 수종별 위치정보를 취득하여 11,039개의 훈련자료와 2,330개의 검증자료를 구축하였다. 분광정보는 Sentinel-2 영상을 통해 획득하였으며 질감정보는 고해상도인 PlanetScope 영상을, 지형정보는 북한지역으로의 확장 가능성을 고려하여 SRTM DEM을 활용하였다. 머신 러닝 모델은 기존 연구에서 정확도가 검증된 Random Forest 알고리즘을 활용하였다. 분류 결과 전체 80%(Kappa지수 0.80) 정확도로 수종이 분류되었다. 향후 백두산 지역과 남북 고성지역을 대상으로 본 연구에서 개발된 수종분류모델의 확장성을 검토하여 한반도 지역의 수종 분류 모델을 개발하고자 한다.
기후변화나 여러 환경문제들로부터 지속 가능한 산림자원 관리 및 모니터링을 위해 임상도의 지속적인 갱신은 필수적이다. 따라서 효율적이고 광역적인 산림 원격탐사의 필요성에 따라 차세대 중형위성 4호의 사업이 확정되어 2023년 발사 예정에 있다. 농림위성(차세대 중형위성 4호)는 5 m급 공간해상도와 Blue, Green, Red, Red Edge, Near Infra Red 총 5개 밴드를 가진다. 본 연구는 농림위성의 발사 및 활용에 앞서 농림위성과 유사한 사양을 가지는 RapidEye를 이용하여 위성 기반 수종분류의 가능성을 모의 평가하기 수행되었다. 본 연구는 춘천 선도산림경영단지를 연구 대상지로 하였으며, RapidEye 위성 영상기반 모의 수종분류는 생육기 영상으로부터 추출한 분광정보와 생육기와 비생육기의 NIR 밴드로부터 추출한 GLCM 질감특성 정보가 활용되었고, 이를 입력데이터로 하여 랜덤 포레스트(Random Forest) 기법을 적용하였다. 본 연구에서는 침엽수종 3종(소나무, 잣나무, 낙엽송), 활엽수종 5종(신갈나무, 굴참나무, 자작나무, 밤나무, 기타활엽수), 침활혼효림 총 9종으로 임상을 분류하였다. 분류 정확도는 임상도와 분류 결과를 대조하여 산출하였으며, 분류 정확도는 분광정보만 사용한 경우 39.41%, 분광정보과 질감정보를 모두 사용한 경우 69.29%의 정확도를 보였으며, 다중시기 분광정보 및 질감정보의 활용을 통해 5 m 해상도의 위성영상으로부터 수종분류의 가능성이 있음을 확인하였다. 향후 식생의 생태적 특성을 더욱 효과적으로 반영한 추가 변수를 대입하여 농림위성 활용 가능성을 제고하고자 한다.
본 연구는 고해상도 위성영상인 QuickBird 영상을 이용한 픽셀 및 분할기반의 분류방법의 정확도를 비교하여 적합한 수종 분류방법을 선정하기 위해 수행하였다. 이를 위해 연구대상지인 충청북도 옥천군과 영동군의 산림을 대상으로 현지조사를 실시하여 총 398개 토지피복정보를 수집하였다. 총 14개의 토지 피복 등급(4개의 침엽수종과 7개의 활엽수종, 그리고 3개의 비산림지)으로 구분된 현지조사 자료를 훈련자료로 이용하였다. 픽셀기반 분류에 있어서 위성영상이 가지고 있는 원 화소값, tasseled cap 분석에 의한 3개의 지수, 그리고 주성분 분석을 통한 3개의 성분값을 이용한 3가지의 밴드조합 영상을 생성하여 분류정확도를 비교한 결과, 위성영상의 원 화소값을 이용한 분류 정확도가 가장 높은 것으로 평가되었다. 분할기반 분류에서는 3개의 축척계수에 따른 정확도를 비교한 결과, 축척계수 50%을 적용하였을 때 전체 정확도는 76%, 그리고 ${\hat{k}}$ 값은 0.74로 다른 축척계수에 의한 정확도보다 높은 것으로 나타났다. 결과적으로 QuickBird 영상의 원 화소값과 50%의 축척계수를 이용한 분할기반의 수종분류 결과가 정확도가 가장 높은 것으로 평가되었다.
본 연구는 고해상도 위성영상과 항공영상을 이용하여 샘플영역의 크기 변화에 따른 수종분류 시 정확도와 신뢰도에 미치는 영향을 객관적으로 규명하고 그 경향성을 파악하는데 목적이 있다. 영상이 포함하고 있는 밴드들의 특성을 모두 고려하여 수종분류를 실시하기 위해 위성영상과 항공영상 각각에 대해 다중분광영상을 제작하였으며, 이를 기반으로 감독분류를 수행하였다. 그리고 정확도 검증단계에서 전체정확도를 산출하였으며, 그 결과 위성영상의 3*3에서 84.7%, 항공영상은 5*5에서 83%로 가장 높게 나타났으며 Kappa 계수는 각각 0.84, 0.82로 나타났다. 또한 두 영상의 샘플영역의 크기가 작아질수록 정확도가 높아지는 것으로 판단된다.
우리나라 최남단 난대림지역인 천지연계곡에 분포하고 있는 목본식물의 종조성, 분포현황 및 관속식물상을 조사하였다. 천지연계곡의 교목성 수종은 29종이었으며 , 그 중 침엽수인 해송을 제외한 활엽수종 중 낙엽활엽수가 13종이었다. 교목성 수종은 2,395본이었으며, 그 중 낙엽활엽수가 1,427본으로 상록활엽수보다 많았다. 교목성 수종의 피도는 상록활엽수와 낙엽활엽수가 각각 42.3%와 48.7%로 낙엽활엽수의 상대피도가 다소 높았다. 관목성 수종은 37종이 분포하는 것으로 밝혀졌으며, 개체수에 있어서는 교목성 수종과 달리 상록활엽수종들의 개체수가 많았다. 관목성 수종의 상대피도는 상록활엽수와 낙엽활엽수가 각각 35.4%와 64.4%로 상록활엽수의 비가 현저히 높았다. 천지연에 분포하고 있는 관속식물은 114과 320속 397종 1아종 39변종 9품종으로 총446 분류군이었으며, 그 중 제주도 특산식물은 가시딸기(Rubus hongnoensis Nakai)와 제주상사화(Lycoris chejuensis K. Tae et S. Ko) 2 분류군, 우리나라에서는 제주도에만 분포하는 식물은 괴불이끼(Crepidomanes insigne (v.d. Bosch) Fu) 등 17 분류군, 천연기념물은 담팔수(Elaeocarpus sylvestris (Loureiro) Poiret var. ellipticus (Thunb.) Hara) 1 분류군, 법정보호식물은 솔잎란(Psilotum nudum (L.) Griseb.)과 고란초(Crypsinus hastatus (Thunb.) Copeland) 2 분류군, 귀화식물은 수영(Rumex acetosa L.) 등 38 분류군, 식재식물은 은행나무(Gingo biloba L.)등 75 분류군이었다.
본 연구는 요인분석을 통해 수종간의 관계 및 수종 구성에 영향을 미치는 요인 등을 파악하고, 군집분석을 이용하여 두타산 일대 천연림을 대상으로 산림유형을 분류하기 위해 수행되었다. 상관관계분석을 통해 주요 수종들의 상호관계를 나타내었고, 요인분석을 통해 수종구성에 영향을 미치는 세 가지 요인을 알아보았으며 요인점수를 바탕으로 군집분석을 실시하여 산림유형을 분류하였다. 마지막으로 분산분석을 실시하여 군집분석의 결과를 평가하였다. 수종간 상관관계분석 결과와 요인분석 결과는 밀접한 관련이 있는 것으로 나타났으며, 수종 구성에 미치는 첫 번째 요인은 산림천이과정에 의한 소나무의 쇠퇴현상이었다. 두 번째 요인과 세 번째 요인은 각각 계곡의 생육환경과 산복의 생육환경이었다. 두타산 일대 산림의 수종구성에 영향을 미치는 3가지 요인을 바탕으로 군집분석을 실시하여 산림유형을 분류하였고 분산분석을 통해 분류 결과를 검증한 결과, 총 4가지의 산림유형(신갈나무-고로쇠나무-물푸레나무군집, 신갈나무군집, 신갈나무-피나무군집, 소나무군집)으로 분류되었다.
수종 간의 유사한 분광특성 때문에 기존의 다중분광영상을 이용한 수종분류는 한계가 있다. 본 연구에서는 경기도 광릉수목원에 분포하는 다섯 종류의 침엽수림을 분류하기 위하여 초분광영상과 다중분광 영상의 적합성을 비교 분석하였다. 연구지역을 대상으로 두 종류의 항공 초분광영상(AISA, CASI)을 촬영하였으며, 비교 목적으로 초분광영상을 이용하여 모의 제작된 ETM+ 다중분광영상을 사용하였다. 영상분류에 사용된 영상은 초분광영상의 모든 밴드를 포함한 영상, PCA 및 MNF 기법으로 차원 축소된 영상, 그리고 분류등급의 분광분리도를 이용하여 소수의 밴드만을 추출한 영상이다. 또한 감독분류 과정에서 MLC, SAM, SVM 등 세 종류의 분류기를 적용하였다. 전체적으로 침엽수종의 분류에 있어서 초분광영상이 다중분광영상보다 높은 분류정확도를 제공하고 있다. 특히 중적외선 파장영역을 포함한 AISA-dual영상이 가장 좋은 분류결과를 보여주었다. 또한 많은 분광밴드를 가진 초분광영상을 MNF기법으로 차원 축소한 영상을 사용했을 때, 다른 영상보다 높은 분류결과가 나왔다. 감독 분류과정에서는 최대우도법(MLC)을 적용했을 때, 가장 높은 분류정확도를 얻었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.