• 지능정보연구
• /
• 제18권3호
• /
• pp.1-12
• /
• 2012

길 옆이나 공원 또는 조경시설에는 많은 나무들을 포함하고 있다. 비록 많은 나무들이 쉽게 우리 주변에서 보이지만, 일반인들이 그 나무의 이름, 종류 및 정보들을 얻기가 힘든 경우도 있다. 나무의 이름이나 정보를 얻기 위하여 인터넷이나 서적을 이용하여 찾아 분류하여야 한다. 나무의 구성 요소는 잎, 꽃, 수피 등이 있는데, 일반적으로 나무의 잎을 이용하여 분류할 수 있다. 이는 잎이 형태, 잎맥 등의 정보를 포함하고 있기 때문이다. 잎의 형태는 나무의 종류를 결정하는데 중요한 역할을 하며, 또한 잎맥을 포함한 텍스쳐도 나무의 종류를 분류하는데 유용하게 사용된다. 본 논문에서는 형태와 텍스쳐를 조합한 특징들을 이용한 잎 분류 시스템에 대한 성능을 평가하였다. 형태 특징으로는 푸리에 기술자를 이용하였고, 텍스쳐 특징으로는 GLCM 또는 웨이브릿 기술자, 그리고 그들의 조합을 사용하였다. 그리고 사용된 데이터는 인터넷에서 용이하게 구할 수 있고, 분류 성능평가에 사용되는 Flavia 잎 데이터 셋을 사용하였다. 형태와 텍스쳐를 기반으로 하는 다양한 조합을 가진 분류 시스템의 성능을 인식률과 PR(precision-recall) 지수로 평가하고, 성능을 비교하였다. 성능평가 결과, 형태와 텍스쳐를 조합한 특징들을 갖는 시스템의 성능이 조합하지 않은 시스템의 성능보다 나아짐을 알 수 있었다.

• Animal cells and systems
• /
• 제13권4호
• /
• pp.453-460
• /
• 2009

Morphological and molecular classifications were attempted in an effort to establish species-specific classifications of three species of the genus Pholis in Korea; these species were subjected to morphological and molecular methodologies using body measurements, RFLP, RAPD, and phylogenetic trees using the nucleotide sequences of mitochondrial 16S and 12S ribosomal DNAs, cytochrome c oxidase I, and cytochrome b. The data demonstrated that the three species of genus Pholis are distinct from each other, both morphologically and genetically.

• Journal of Plant Biology
• /
• 제2권2호
• /
• pp.1-21
• /
• 1959

1. The plant communities on Mt. Sulak, a typical alpine mountain in central Korea was researched from the standpoint of ecological survey. 2. The plant on this mountain can largely be classified into 2 categories, the warm zone (below 1100m) and the frigid zone. The former is again classified into a broad-leaved tree formation and a needle-leved tree formation, and the latter is calssified into a broad-leaved tree formation and needle-leaved tree formation, and shrub formation. 3. The broad-leaved tree formation in the warm zone can largely be classified into a Carpinus laxiflora-syringa Palibiniana var. kanibayashi association(1), a Carpinus erosa-Acer Pseudo-sieboldianun association(2), and a Quercus mongolica- Tripterygium Regelii association(3). 4. The needle-leaved tree formation in the warm zone can also largely ben classified into a Pinus densiflora- Miscanthus sinensis association(4), Abies holophylla- Tripterygium regelii association(5), Pinus kordiensis- Rhododendron schlippenbachii association(6) In the association(4), the canopy of the Pinus densiflora is gradually being occupied by the Quercus mongolica which is one kind of broad-leaved trees. 5. We can fully see a DryoPteris type of the flour layer plant type in the association (3) and also see a Sasamorpha type in the association (5). 6. The broad-leaved tree formation in the frigid zone can largely be classified into Quercus mongolica- Rhododendron schlippenbachii association (8). The constituents of tree and subtree layers in (7) and (8) associations are similar to those association (3), but the constituents of the shrub layer are different from those of associtation (3) due to the difference in height. 7. The needle-leaved formation in the frigid zone can largely be classified into Thuja koraiensisRodgersia podophylla var. viritis association (9) and Abies nephrolepis-Acer tschonoskii var. rubripes asscciation (10). The species of alpine plants or subalpine plants are gradually increased in this formation. 8. The shrub formation can also largely be classified into a Rhododendron mucronulatum- Patrinia saniculaefolia association (11) and Pinus pumila associatio (12). Association (12) has largely developed on the windy place. Association (12) was burned due to the bombing during the Korean war, but now we recoginized there occurred an invasion of Tripterygium Regelii in such a place. 9. The herb layer species which constitute the shrub formation are mostly alpine or subalpine plants of small size, and their kinds are also very few. 10. The growth of the Moss layer is especially good because of the varied conditions of the habitat. The kinds which can easily be seen are the genus of Thunidium, Haplocladium, Brachythecium, Macromitrium, Holonitrium, Atrichum, Schwstchkeopsis, Grimmia, Hedwigia, Rhynchostegium and Mnium. 11. The genus of the Sphagnum densly grows like a mat at the acid and moisturous place above 1100m. The authors should express their thanks to father. Yang Kisup, Dean of Catholic Medical College, Prof. Yoon Doksuen, from their valuable advice. Thanks arealso due to Prof. Numata, Chiba University, Prof. Takagi, Nagoya University and Prof. Ando, Hiroshima University in Japan for his kind help and identification of Bryophytes.

• 한국산림과학회지
• /
• 제110권2호
• /
• pp.155-164
• /
• 2021

자연환경에 대한 국민들의 관심 증가로 스마트폰과 같은 휴대용 기기를 이용한 수목 동정의 자동화에 대한 요구가 증가하고 있다. 최근 딥러닝 기술의 발전에 힘입어, 외국에서는 수목 인식 분야에의 적용이 활발하게 이루어지고 있다. 수목의 분류를 위해 꽃, 잎 등 다양한 형질들을 대상으로 연구가 진행되고 있지만, 접근성을 비롯한 여러 장점을 가진 수피의 경우 복잡도가 높고 자료가 부족하여 연구가 제한적이었다. 본 연구에서는 국내에서 흔히 관찰 가능한 수목 54종의 사진자료를 약 7,000 여장 수집 및 공개하였고, 이를 해외의 20 수종에 대한 BarkNet 1.0의 자료와 결합하여 학습에 충분한 수의 사진 수를 가지는 53종을 선정하고, 사진들을 7:3의 비율로 나누어 훈련과 평가에 활용하였다. 분류 모델의 경우, 딥러닝 기법의 일종인 합성곱 신경망을 활용하였는데, 가장 널리 쓰이는 VGGNet (Visual Geometry Group Network) 16층, 19층 모델 두 가지를 학습시키고 성능을 비교하였다. 또한 본 모형의 활용성 및 한계점을 확인하기 위하여 학습에 사용하지 않은 수종과 덩굴식물과 같은 방해 요소가 있는 사진들에 대한 모델의 정확도를 확인하였다. 학습 결과 VGG16과 VGG19는 각각 90.41%와 92.62%의 높은 정확도를 보였으며, 더 복잡도가 높은 모델인 VGG19가 조금 더 나은 성능을 보임을 확인하였다. 학습에 활용되지 않은 수목을 동정한 결과 80% 이상의 경우에서 같은 속 또는 같은 과에 속한 수종으로 예측하는 것으로 드러났다. 반면, 이끼, 만경식물, 옹이 등의 방해 요소가 존재할 경우 방해요소가 자치하는 비중에 따라 정확도가 떨어지는 것이 확인되어 실제 현장에서 이를 보완하기 위한 방법들을 제안하였다.

• Journal of the Korean Wood Science and Technology
• /
• 제47권2호
• /
• pp.229-238
• /
• 2019

목재의 결점은 생장과정에서 또는 가공 중에 다양한 형태로 발생한다. 따라서 목재를 이용하기 위해서는 목재의 결점을 정확하게 분류하여 용도에 맞는 목재 품질을 객관적으로 평가할 필요가 있다. 하지만 사람에 의한 등급구분과 수종구분은 주관적 판단에 의해 차이가 발생할 수 있기 때문에 목재 품질의 객관적 평가 및 목재 생산의 고속화를 위해서는 컴퓨터 비전을 활용한 화상분석 자동화가 필요하다. 본 연구에서는 SIFT+k-NN 모델과 CNN 모델을 통해 옹이의 종류를 자동으로 구분하는 모델을 구현하고 그 정확성을 분석해보고자 하였다. 이를 위하여 다섯 가지 국산 침엽수종으로부터 다양한 형태의 옹이 이미지 1,172개를 획득하여 학습 및 검증에 사용하였다. SIFT+k-NN 모델의 경우, SIFT 기술을 이용하여 옹이 이미지에서 특성을 추출한 뒤, k-NN을 이용하여 분류를 진행하였으며, 최대 60.53%의 정확도로 분류가 가능하였다. 이 때 k-index는 17이었다. CNN 모델의 경우, 8층의 convolution layer와 3층의 hidden layer로 구성되어있는 모델을 사용하였으며, 정확도의 최대값은 1205 epoch에서 88.09%로 나타나 SIFT+k-NN 모델보다 높은 결과를 보였다. 또한 옹이의 종류별 이미지 개수 차이가 큰 경우, SIFT+k-NN 모델은 비율이 높은 옹이 종류로 편향되어 학습되는 결과를 보였지만, CNN 모델은 이미지 개수의 차이에도 편향이 심하지 않아 옹이 분류에 있어 더 좋은 성능을 보였다. 본 연구 결과를 통해 CNN 모델을 이용한 목재 옹이의 분류는 실용가능성에 있어 충분한 정확도를 보이는 것으로 판단된다.

• 한국산림과학회지
• /
• 제31권1호
• /
• pp.53-61
• /
• 1976

Though it is not easy for those who study dendrology to memorize all the scientific names of trees, the names remaines in their memory can facilitate the understanding of foreign technical books. The scientific name of a tree indicates characteristics of shape, color, and other aspects of the tree and by analyzing the name we can see common element found in other scientific names of trees. It is helpful to those who want to memorize and study the scientific names of trees if they understand their etymology. The preseut study is the seconds report of the investigation which aims at examining the etymology of the scientific names of native and foreign trees growing in Korea and their original names not only at the habitat but in Japan, China, England, Germany, and France. While the first report, which was made known in Theses Vol. 9. (The City College of Seoul 1975), is the examination of the scientific names of trees belonging to Gymnospermae, the present report is that of scientific names of trees belonging to Piperales: 2 families, 2 genera and 2 species; and trees belonging to Salicales: 1 family, 3 genera, 44 species, 16 varieties, and 3 forms. As the etymology of the scientific names of trees is made clear, this study will help those who want memorize the scientific names and study foreign technical books and it is also useful for international interchange of trees. The classification is depended chiefly on Dendrology by Prof. Lee Tchang-bok and "Plant Resources of Korea" shown in Biblography No. 10; the native names of trees on Jumoku Daizusetsu by Dr. Uehara; and etymology on A source-Book of Biological Names and Terms by E.C. Jager. In the column of etymology of the scientific names for genera, species, varieties and forms, Gr. stands for Greek, L. for Latin, NL. for New Latin, and genit. for genitive.

• 한국환경생태학회지
• /
• 제15권4호
• /
• pp.369-378
• /
• 2002

백두대간 태백산지역의 백천계곡에 대해 삼림군집구조 분석을 실시하기 위해 50개 조사구를 설치하고, 식생조사를 실시하였다. TWINSPAN 기법을 활용하여 군락을 분리한 결과 신갈나무-소나무군락(I), 소나무-신갈나무군락(II), 당단풍-신갈나무군락(III), 박달나무-당단풍군락(IV), 그리고 층층나무군락(V)의 5개 군락으로 최종 분리되었다. 각 군락은 층위별 상대우점치 분석을 통하여 식생구조를 밝혔다. 연륜분석결과 백천계곡의 임령은 소나무림이 50~75년. 신갈나무림이 40년 내외로 밝혀졌다. 단위면적당(100$m^2$) 평균출현종수는 11.1$\pm$2.2종, 평균출현개체수는 74.6$\pm$28.1주였다. 흉고직경급별 분석을 포함한 이상의 결과로 식생천이를 예측한 결과 백천계곡은 소나무에서 신갈나무를 거쳐 층층나무, 박달나무 등의 활엽수로 전개될 것으로 판단된다

• 한국산림과학회지
• /
• 제102권3호
• /
• pp.407-414
• /
• 2013

본 연구는 다변량 통계 분석법을 이용하여 지리산 서부 천연림을 대상으로 산림 피복형을 분류하기 위해 실시하였다. 점표본법에 의한 식생자료를 바탕으로, 수종-표본점 곡선, 계층적 군집분석, 지표종분석, 다중판별분석 등의 다변량 통계 분석법을 이용하여 식생자료를 분석하였다. 수종-표본점 곡선에서는 산림 피복형 분류에서 전혀 영향력이 없는 수종들을 예외값으로 제거하였다. 예외값을 제외한 산림식생정보를 바탕으로 계층적 군집분석을 이용하여 연구대상지를 2~10개의 클러스터로 분류하였으며, 지표종분석을 통해 연구대상지의 적정 클러스터 수는 7개인 것으로 파악되었다. 이를 통계적으로 검증하기 위해 다중판별분석을 실시하였고, 91.3%가 정확하게 분류되어, 연구대상지 산림 피복형의 개수는 7개가 적당한 것으로 나타났다. 각 클러스터 상층의 우점수종 비율에 따라 신갈나무순림, 중생혼합림, 신갈나무-졸참나무림, 구상나무-신갈나무림, 들메나무림, 졸참나무림, 서어나무림으로 산림 피복형을 명명하였다.

• 한국환경생태학회지
• /
• 제15권4호
• /
• pp.330-343
• /
• 2002

백두대간상의 피재-도래기재구간 능선부에서 43개소 조사지(면적 500$m^2$)를 설정하여 식생구조를 파악하였다. TWINSPAN분석에 의하여 조사지의 식물군집을 분류한 결과, 아고산대 혼효림, 신갈나무-당단풍군집, 신갈나무-소나무군집, 신갈나무군집, 일본잎갈나무림으로 분리되었다. 백두대간 피재-도래기재구간의 능선부는 대부분 신갈나무가 우점하고 있었으며, 국지적으로 분비나무, 주목 등의 한대 기후대 침엽수와 낙엽수종들이 혼효하고 있었다. 조사지의 산림군집의 종다양성지수(면적 1,000$m^2$)는 2.0149~3.0139로서 백두대간에 위치한 국립 공원들의 능선부 식생구조와 유사하였다.

• Journal of Forest and Environmental Science
• /
• 제37권4호
• /
• pp.269-279
• /
• 2021

This study was carried out to introduce the forest cover types of the Baekdudaegan inhabiting the number of native tree species. In order to understand the vegetation distribution characteristics of the Baekdudaegan, a vegetation survey was conducted on the major 20 mountains of the Baekdudaegan. The vegetation data were collected from 3,959 sample points by the point-centered quarter method. Each mountain was classified into 4-7 forests by using various multivariate statistical methods such as cluster analysis, indicator species analysis, multiple discriminant analysis, and species composition analysis. The forests were classified mainly according to the relative abundance of Quercus mongolica. There was a total of 111 classified forests and these forests were integrated into the following nine forest cover types using the percentage similarity index and by clustering according to vegetation type: 1) Mongolian oak, 2) Mongolian oak and other deciduous, 3) Oaks (Mixed Quercus spp.), 4) Korean red pine, 5) Korean red pine and oaks, 6) ash, 7) mixed mesophytic, 8) subalpine zone coniferous, and 9) miscellaneous forest. Forests grouped within the subalpine zone coniferous and miscellaneous classifications were characterized by similar environmental conditions and those forests that did not fit in any other category, respectively.