RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재

      항공 LiDAR 자료를 이용한 산림재적추정 모델 개발 - 봉화군 춘양면 애당리 혼효림을 대상으로 - = Development of Forest Volume Estimation Model Using Airborne LiDAR Data - A Case Study of Mixed Forest in Aedang-ri, Chunyang-myeon, Bonghwa-gun -

      한글로보기

      https://www.riss.kr/link?id=A103630569

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      본 연구의 목적은 산림재적 현장자료와 항공 LiDAR 자료 기반의 산림재적 추정을 위한 회귀모델의 개발이다. 추정 모델은 경상북도 봉화군 지역에서 임의추출법에 의해 선정된 30개의 원형 표...

      본 연구의 목적은 산림재적 현장자료와 항공 LiDAR 자료 기반의 산림재적 추정을 위한 회귀모델의 개발이다. 추정 모델은 경상북도 봉화군 지역에서 임의추출법에 의해 선정된 30개의 원형 표본지로부터 산출한 표본지별 산림재적을 반응변수로 하고, 항공 LiDAR 원자료로부터 개별 표본지의 고도분포 백분위수(Height Percentiles, HP) 및 층위 단위 점 개체수 백분율(Height Bin, HB)을 추출하여 예측변수로 사용하여 구성하였다. 단순선형회귀분석, 이차 다항회귀분석 및 단계적 회귀분석 방법을 이용한 다중회귀분석을 실시하여 적합모델들의 후보들을 도출하였으며, 검증을 위하여 각 모델별로 교차 타당성 검증을 실시하여 PRESS 통계치를 구하였다. 모델의 $R^2$ 및 PRESS을 비교하여 적합성을 검토한 결과, $HB_{5-10}$, $HB_{15-20}$, $HB_{20-25}$, $HBgt_{25}$의 다중회귀모델의 $R^2$이 0.509로 가장 높고, $HP_{25}$ 단순회귀모델의 PRESS 값이 122.352으로 가장 낮은 것으로 나타났다. 수직구조가 복잡한 우리나라 산림재적을 추정하는 모델로는 다양한 수직적 정보를 포함하고 있는 $HB_{5-10}$, $HB_{15-20}$, $HB_{20-25}$, $HBgt_{25}$이 상대적으로 보다 적합하다고 사료된다.

      더보기

      다국어 초록 (Multilingual Abstract)

      This study aims to develop a regression model for forest volume estimation using field-collected forest inventory information and airborne LiDAR data. The response variable of the model is forest stem volume, was measured by random sampling from each ...

      This study aims to develop a regression model for forest volume estimation using field-collected forest inventory information and airborne LiDAR data. The response variable of the model is forest stem volume, was measured by random sampling from each individual plot of the 30 circular sample plots collected in Bonghwa-gun, Gyeong sangbuk-do, while the predictor variables for the model are Height Percentiles(HP) and Height Bin(HB), which are metrics extracted from raw LiDAR data. In order to find the most appropriate model, the candidate models are constructed from simple linear regression, quadratic polynomial regression and multiple regression analysis and the cross-validation tests were conducted for verification purposes. As a result, $R^2$ of the multiple regression models of $HB_{5-10}$, $HB_{15-20}$, $HB_{20-25}$, and $HBgt_{25}$ among the estimated models was the highest at 0.509, and the PRESS statistic of the simple linear regression model of $HP_{25}$ was the lowest at 122.352. $HB_{5-10}$, $HB_{15-20}$, $HB_{20-25}$, and $HBgt_{25}-based$ models, thus, are comparatively considered more appropriate for Korean forests with complicated vertical structures.

      더보기

      참고문헌 (Reference)

      1 장안진, "항공사진과 Lidar 데이터를 이용한 산림지역의 바이오매스 추정에 관한 연구" 한국지리정보학회 11 (11): 166-173, 2008

      2 우충식, "항공 Lidar 데이터를 이용한 산림지역의 개체목 자동 인식 및 수고 추출" 한국산림과학회 96 (96): 251-258, 2007

      3 박주원, "항공 LiDAR 자료기반 DEM 생성기법의 산림지역 최종산출물 품질에 미치는 영향에 관한 연구 - FUSION Software의 GroundFilter 및 GridsurfaceCreate 알고리즘을 중심으로 -" 한국지리정보학회 19 (19): 154-166, 2016

      4 장안진, "컬러항공사진과 LiDAR 데이터를 이용한 수목 개체 및 수고 추정" 대한원격탐사학회 22 (22): 543-551, 2006

      5 김경민, "원격탐사와 GIS 기반의 산림탄소저장량 추정에 관한 주요국 연구동향 개관" 한국지리정보학회 14 (14): 236-256, 2011

      6 곽두안, "개체목 및 임분조사를 위한 LiDAR 응용에 관한 연구" 한국산림과학회 94 (94): 431-440, 2005

      7 Seok, H.D., "Understanding of the UNFCCC REDD+ mechanism and prospect of REDD+ negotiations" Korea Rural Economic Institute Policy 1-3, 2010

      8 Allen, D. M, "The relationship between variable selection and data augmentation and a method for prediction" 16 (16): 125-127, 1974

      9 Korea Forest Service, "Table of tree volume/mass and forest stand yield"

      10 Allouis, T., "Stem volume and above-ground biomass estimation of individual pine trees from LiDAR data : contribution of full-waveform signals" 6 (6): 924-934, 2013

      1 장안진, "항공사진과 Lidar 데이터를 이용한 산림지역의 바이오매스 추정에 관한 연구" 한국지리정보학회 11 (11): 166-173, 2008

      2 우충식, "항공 Lidar 데이터를 이용한 산림지역의 개체목 자동 인식 및 수고 추출" 한국산림과학회 96 (96): 251-258, 2007

      3 박주원, "항공 LiDAR 자료기반 DEM 생성기법의 산림지역 최종산출물 품질에 미치는 영향에 관한 연구 - FUSION Software의 GroundFilter 및 GridsurfaceCreate 알고리즘을 중심으로 -" 한국지리정보학회 19 (19): 154-166, 2016

      4 장안진, "컬러항공사진과 LiDAR 데이터를 이용한 수목 개체 및 수고 추정" 대한원격탐사학회 22 (22): 543-551, 2006

      5 김경민, "원격탐사와 GIS 기반의 산림탄소저장량 추정에 관한 주요국 연구동향 개관" 한국지리정보학회 14 (14): 236-256, 2011

      6 곽두안, "개체목 및 임분조사를 위한 LiDAR 응용에 관한 연구" 한국산림과학회 94 (94): 431-440, 2005

      7 Seok, H.D., "Understanding of the UNFCCC REDD+ mechanism and prospect of REDD+ negotiations" Korea Rural Economic Institute Policy 1-3, 2010

      8 Allen, D. M, "The relationship between variable selection and data augmentation and a method for prediction" 16 (16): 125-127, 1974

      9 Korea Forest Service, "Table of tree volume/mass and forest stand yield"

      10 Allouis, T., "Stem volume and above-ground biomass estimation of individual pine trees from LiDAR data : contribution of full-waveform signals" 6 (6): 924-934, 2013

      11 Korea Forest Service, "Statistical yearbook of forestry"

      12 McRoberts, R.E., "Remote sensing support for national forest inventories" 110 (110): 412-419, 2007

      13 Holmgren, J, "Prediction of tree height, basal area and stem volume in forest stands using airborne laser scanning" 19 (19): 543-553, 2004

      14 Sheridan, R. D., "Modeling forest aboveground biomass and volume using airborne LiDAR metrics and forest inventory and analysis data in the Pacific Northwest" 7 (7): 229-255, 2014

      15 Van Aardt, J. A., "Lidar-based mapping of forest volume and biomass by taxonomic group using structurally homogenous segments" 74 (74): 1033-1044, 2008

      16 이동근, "LiDAR 데이터를 이용한 산림구조 분석 - 오산시 남촌동의 산림을 대상으로 -" 한국환경영향평가학회 17 (17): 279-288, 2008

      17 Montgomery, D. C., "Introduction to linear regression analysis" John Wiley &Sons 261-300, 2012

      18 McRoberts, R. E., "Inference for lidarassisted estimation of forest growing stock volume" 128 : 268-275, 2013

      19 Sheskin, D. J, "Handbook of parametric and nonparametric statistical procedures" CRC Press 1-1926, 2011

      20 Korea Forest Service, "Forest carbon market review"

      21 Lim, K.S., "Estimation of above ground forest biomass from airborne discrete return laser scanner data using canopy-based quantile estimators" 19 (19): 558-570, 2004

      22 "Climate Analytic"

      23 Hyyppä, J., "Algorithms and methods of airborne laser scanning for forest measurements. International Archives of Photogrammetry" 36 (36): 82-89, 2004

      24 Laurin, G. V., "Above ground biomass estimation in an African tropical forest with lidar and hyperspectral data" 89 : 49-58, 2014

      25 Akaike, H., "A New Look at the Statistical Model Identification" 19 (19): 716-723, 1974

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2026 평가예정 재인증평가 신청대상 (재인증)
      2020-01-01 평가 등재학술지 유지 (재인증) KCI등재
      2017-01-01 평가 등재학술지 유지 (계속평가) KCI등재
      2013-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2010-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2008-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2005-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      2004-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2002-01-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 0.82 0.82 0.84
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      0.88 0.8 0.98 0.14
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼