UAV 영상을 이용한 감염목 추출 및 정확도 검증에 관한 연구 = A Extraction and Accuracy Assessment of Dead Tree Using UAV Image

국문 초록 (Abstract)

최근 지구온난화에 따른 이상기후로 병해충이 서식하기 적합한 환경으로 변화하면서 병해충으로 인한 산림재해 발생빈도가 증가하고 있다. 산림병해충 관리의 중요성이 강조되면서 병해충관리를 위해 원격탐사기술을 기반으로 한 모니터링 연구가 활발하게 진행되고 있다. 병해충 감염목 관리를 위하여 위성 또는 항공기를 이용하여 취득한 다중분광영상, 초분광영상 등의 영상데이터를 활용하고 있으나, 데이터 취득주기와 해상도 등의 한계로 인하여 지속적인 감염목 관리에 많은 어려움이 있다.
본 연구에서는 대표적인 산림재해 중 하나인 병해충 감염목을 관리하기 위해 무인항공기(UAV)를 통해 취득한 영상데이터를 이용하여 감염목 추출을 실시하고자 한다. 1차적으로 무인항공기 영상데이터의 산림재해관리 활용 가능성을 판단하기 위해 산림분야에 주로 이용되는 초분광영상과 감염목 추출 비교검증을 실시하였으며, 그 결과 81.1%의 분류 정확도를 나타내었다. 감염정도가 미세하게 진행된 수목이나 감염이 의심되는 수목의 경우 분광해상도의 차이로 미분류되는 현상이 발생하나 무인항공기(UAV) 영상의 효율성을 고려하였을 때, 감염목 관리를 위한 보조자료로 이용될 수 있을 것으로 판단된다.
무인항공기(UAV) 영상을 바탕으로 감염목 추출을 실시하기 위해 고해상도 영상에 적합한 객체기반 분류기법을 사용하였으며, 반복실험을 통해 감염목 추출을 위한 영상분할 최적 파라미터 Scale 55, Color 0.9, Shape 0.1, Compactness 0.7, Smoothness 0.3을 산정하였고 이를 바탕으로 감염목 추출을 실시하였다. 실측데이터와 비교검증 및 오차행렬을 통한 정확도 검증결과, 분류 정확도는 85.2%, Kappa Index는 0.81로 산출되었다.
무인항공기(UAV)를 통해 취득되는 영상데이터는 감염지역의 현황파악을 단시간에 수행할 수 있어, 효율적인 방제계획 및 사후관리에 기여할 수 있을 것으로 판단된다.
병해충 감염목은 감염이 전이되는 방향을 단시간에 파악할수록 피해규모를 경감시킬 수 있음에 따라 감염지역에 대한 정보의 수시적인 갱신이 필수적이다. 이러한 문제를 해결하기 위해서는 원하는 시기, 원하는 장소에 대해 데이터 취득이 가능한 무인항공기(UAV) 영상데이터를 이용하는 것이 효과적이며, 감염목 관리를 위한 기초자료로 활용될 수 있을 것으로 사료된다.

다국어 초록 (Multilingual Abstract)

Forest disaster is a disaster that destroys eco-system of forest and causes enormous property damage and so far, only disaster like landslide and forest fire has been managed.
However, recently, as global environment was changed to a climatic condition that is appropriate for inhabitation of disease and insect pest due to abnormal climate by global warming, importance of its control has been emphasized and globally, a research on remote sensing based monitoring is actively under progress for managing disease and insect pest.
For controlling dead trees by disease and insect pest, image data like multispectral image, hyperspectral image being obtained by using satellite or aircraft has been utilized but due to data acquisition cycle and resolution, it was hard to control dead trees continuously.
In this study, in order to control dead trees by disease and insect pest that is one of typical forest disasters, dead trees are intended to be extracted by using image data being acquired through UAV.
Primarily, in order to determine utilization possibility of UAV image data for forest disaster control, dead tree extraction was comparatively verified by hyperspectral image being mainly used in forest area and as its result, classification accuracy of 81.1% was represented.
In case of dead trees of which infection level is marginal or suspicious, it may be unclassified by difference of spectral resolution but considering efficiency of UAV image, it could be used as ancillary data for dead tree control.
In order to extract dead trees based on UAV image, objected-based analysis fit for high resolution image was used and through repeated test, optimal parameter of image segmentation for dead tree extraction (Scale 55, Color 0.9, Shape 0.1, Compactness 0.7, Smoothness 0.3) was estimated and based on this, dead trees were extracted. As a result of verifying accuracy through comparative verification with actual measurement data, error matrix, classification accuracy was estimated as 85.2% and Kappa Index as 0.81, respectively.
As image data being acquired through UAV could identify infectious area status in short time, it would contribute to efficient disaster prevention plan and follow-up.
As damage scale of dead trees by disease and insect pest could be reduced so that infection transferred direction could be identified in short time, frequent renewal of information for infected area is essential In order to solve this problem, it is effective to use image data of UAV that could acquire data at desired time and place and it could be utilized as basic data for managing dead trees as well.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구배경 및 목적 1
• 제2절 선행연구 분석 4
• 제3절 연구방법 7
• 제2장 이론적 배경 9
• 제1절 병해충 피해목 9
• 1. 병해충 피해목의 분류 9
• 2. 병해충병 종류 12
• 제2절 영상처리 13
• 1. 영상데이터 13
• 2. 정규화 식생지수 15
• 3. 객체기반 분류기법 16
• 제3절 분류 정확도 평가 19
• 1. 오차행렬(Error Matrix) 19
• 2. Kappa Index 20
• 제3장 감염목 추출실험 22
• 제1절 실험설계 22
• 1. 실험대상 선정 22
• 2. 실험방법 및 절차 24
• 제2절 실험데이터 처리 27
• 1. 객체기반 분류기법 영상분할 최적 파라미터 산정 27
• 2. 감염목 포인트 데이터 추출 40
• 제3절 검증데이터 처리 46
• 1. 검증데이터 처리절차 46
• 2. 검증데이터 감염목 추출 48
• 제4장 감염목 추출 정확도 평가 54
• 제1절 영상 간 감염목 추출 데이터 검증 54
• 1. 검증절차 54
• 2. 검증실험 54
• 제2절 감염목 분류 정확도 평가 57
• 1. 오차행렬(Error Matrix) 및 Kappa Index 57
• 2. 실측데이터 비교검증 58
• 제5장 결 론 63
• 참고 문헌 65
• ABSTRACT 69