월별 드론 영상을 이용한 밴드 조합에 따른 수목 개체 및 수관폭 추출 실험

국문 초록 (Abstract)

공간해상도가 높은 드론 영상은 수목 밀도가 높은 지역에서 추출 한계를 갖는 기존 연구의 대안으로 떠오르고 있다. 본 연구에서는 드론 영상으로부터 수목이 우거진 산림 지역 내 수목 개체를 추출하였다. 영상 분할 과정을 거쳐서 추출되는 수목 개체 인식을 위해, DSM(digital surface model), 그리고 R, G, B 밴드 모두를 조합한 경우와 각각을 분리 조합한 경우의 영상 분할 결과를 비교하였다. 또한, 낙엽수림의 수목 우거짐의 변화를 시기별⋅영상별로 실험하였다. 3, 4, 5월 영상 중 숲이 울창한 5월의 경우 현지 측량한 나무를 기준으로 한 수목 개체 추출율은 50%로 나타났고, 수관폭 정확도 분석 결과 RMSE(root mean square error)가 1.5미터 이하로 가장 좋은 결과를 보였다. 실험지역의 추출은 중간 나무, 작은 나무 2가지 크기로 추출하였으며 작은 크기의 나무가 추출 정확도가 더 높았다. 이를 바탕으로 수고 추출을 하고, 수관폭과 흉고직경간의 관계식을 이용하여 흉고직경을 추정한다면, 임목재적 추정 및 산림바이오매스 추정까지 가능할 것으로 보인다.

다국어 초록 (Multilingual Abstract)

Drone images with high spatial resolution are emerging as an alternative to previous studies with extraction limits in high density forests. Individual tree in the dense forests were extracted from drone images. To detect the individual tree extracted through the image segmentation process, the image segmentation results were compared between the combination of DSM and all R,G,B band and the combination of DSM and R,G,B band separately. The changes in the tree density of a deciduous forest was experimented by time and image. Especially the image of May when the forests are dense, among the images of March, April, May, the individual tree extraction rate based on the trees surveyed on the site was 50%. The analysis results of the width of crown showed that the RMSE was less than 1.5m, which was the best result. For extraction of the experimental area, the two sizes of medium and small trees were extracted, and the extraction accuracy of the small trees was higher. The forest tree volume and forest biomass could be estimated if the tree height is extracted based on the above data and the DBH(diameter at breast height) is estimated using the relational expression between crown width and DBH.

목차 (Table of Contents)

• 要旨
• Abstract
• 1. 서론
• 2. 실험
• 3. 수목 추출을 위한 영역분할과정
• 4. 결과 분석
• 5. 결론
• References

참고문헌 (Reference)

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

2 이현직, "산림바이오매스 산정을 위한 LiDAR 자료와 고해상도 위성영상 활용" 한국지형공간정보학회 20 (20): 53-63, 2012

3 김의명, "라이다 자료와 정사영상을 이용한 산림지역의 수목영역추출" 한국지형공간정보학회 21 (21): 27-34, 2013

4 조두영, "라이다 자료를 이용한 도시지역의 수목공간정보 추출" 한국지형공간정보학회 18 (18): 11-20, 2010

5 최영락, "고밀도 LiDAR 자료를 이용한 산림자원 추출에 관한 연구" 한국측량학회 33 (33): 73-81, 2015

6 Zarco-Tejada, P. J, "Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods" 55 : 89-99, 2014

7 Mike, W, "Local maximun filtering for the extraction of tree locations and basal area from high spatial resolution imagery" 73 (73): 103-114, 2000

8 장안진, "KOMPSAT-2 위성영상을 이용한 산림의 수관 밀도 추정" 한국지형공간정보학회 20 (20): 83-91, 2012

9 Kang, Y. H, "Encyclopedia of life science" Academybook 121-, 2008

10 임예슬, "Calculation of Tree Height and Canopy Crown from Drone Images Using Segmentation" 한국측량학회 33 (33): 605-614, 2015

11 Hyyppäa, J, "Accuracy comparison of various remote sensing data sources in the retrieval of forest stand attributes" 128 (128): 109-120, 2000

12 Hyyppäa, J, "A segmentation-based method to retrieve stem volume estimates from 3-D tree height models produced by laser scanners" 39 (39): 969-975, 2001

13 Tang, F, "A new image segmentation method for individual tree recognition based on airborne LiDAR data" IEEE 1-4, 2010