1. 서론

우리나라 전국자연환경조사에 한 부분인 식생조사는 생태·자연도 등급에 따라 현장조사와 원격탐사를 혼합하여 현존식 생도(1:5,000 축척), 식생조사표, 식생보전등급판정표를 작정하도록 되어있다. 1등급인 지역은 현장조사, 2,3등급인 지역은 원격탐사후 현장조사를 진행한다(Park et al., 2019). 하지만 최근 식생조사 자료를 보면 백두대간 보호구역을 대상으로 환경부와 산림청이 각각 식생조사를 수행하였지만 조사 결과는 다소 차이가 있었다(Shin et al., 2016). 이러한 차이는 조사 방법, 조사 시기에 의해 발생할 수 있으나 현장조사 같은 경우 조사원의 주관에 따라 일정 부분이 달라질 수 있고 또한 조사 누락, 부실 조사로 인해 신뢰도가 낮아질 가능성이 있다(Lee, 2023). 이러한 단점을 극복하고 객관성과 신뢰성을 높이기 위해 나온 대안 중 하나가 원격탐사 방식이다. 원격탐사는 대상물에 접촉하지 않은 채로 물리적, 자연적 특성을 관측하는 기술로 인공위성이나 항공기 등을 통하여 습지의 분포, 식생분포 및 활력도 등 각종 정보를 얻는 데 유용하게 이용된다(Yi et al., 1999). 이와 관련하여 이미 국내에서 정확하고 신속한 임목 측정을 위해 LiDAR 방식을 활용하여 광역의 산림의 임목을 측정하였으며(Woo et al., 2007), 또한 육안에 의한 판독이 쉽지 않은 침엽수종을 분류하기 위하여 초분광영상과 다중분광영상을 통해 분류해 본 결과 초분광영상이 향상된 분류 값을 보여준 연구 결과도 있다(Cho and Lee, 2014).

본 연구에서는 현재 활용되는 식생조사 방법이 객관성과 신뢰성이 다소 낮기 때문에 이를 극복하고자 원격탐사 기법 중에서도 주로 사용되는 초분광영상(hyperspectral)과 LiDAR를 활용하여 이를 보완할 새로운 식생조사 방법을 제안하는 목적으로 본 연구가 수행되었다. 따라서 본 연구는 함백산 일대 수목을 원격탐사 기법으로 조사하였고 현존식생도와 현장 사진 비교 평가를 통해 원격탐사 기법의 객관성을 검증하고자 한다.

2. 본론

2.1 조사 지역

함백산은 태백산국립공원 구역 안에 포함되며 북위 37° 07’-37° 13’, 동경 128° 52-128° 59’에 위치하고 높이 1,573 m로 우리나라에서 6번째로 높은 산이다(Choi et al., 2015). 주변에는 북쪽에 대덕산(1,307 m), 서쪽에 백운산(1.426 m), 남쪽에 태백산(1,567 m), 동쪽에 백병산(1,259 m) 등 높은 산들이 솟아 있고 사면이 전체적으로 급경사로 이루어져 있다(Park et al., 2002). 본 조사는 면적 23.91 km 일대를 초분광센서 및 LiDAR를 활용하여 조사하였다(Fig. 1).

2.2 조사 방법

본 조사는 강원도 태백시 함백산 일원을 2019년 5-8월까지 1회, 2020년 5-8월까지 1회, 총 2회 진행하였다. 초분광영상은 총 6코스로 촬영을 진행하였으며 촬영 지역의 고도는 850-1,570 m이고 면적은 23.53 km이다. 본 연구에서는 초분광영상 자료를 습득하기 위해 분광해상도가 다른 센서를 활용하였다(Fig. 2).

본 연구의 흐름은 Fig. 3과 같다. 모든 지표물은 고유의 반사특성을 가지고 있어 반사강도를 이용하여 물체의 구분이 가능하다. 이 특성을 활용하여 해당 수종 분광데이터를 취득한 다음 초분광영상과 RiDAR로 연구 지역 일대의 수목을 촬영한다. 분광 데이터와 초분광영상 데이터는 Spectral Angle Mapper (SAM) 기법을 활용하여 수목의 종 데이터를 추출하며 라이더 촬영 데이터를 통해 수종의 위치, 수고, 흉고 직경 등의 데이터를 추출한다. 각각 추출된 데이터를 서로 통합하여 점자료로 표현하였으며, 자료의 개관성 검증을 위해 현존식생도 비교와 현장조사를 실시하였다.

수목 분류 데이터로 활용하기 위해 함백산을 대표하는 7종 수목의 분광데이터를 취득하였다(Fig. 4). Ocean Optics사에서 제조한 Ocean FX 분광기를 사용하였으며 측정된 데이터는 나중에 초분광영상으로 촬영한 데이터와 SAM 기법을 통해 종 정보를 추출할 것이다.

초분광영상은 물질 탐지를 위하여 가시광선에서 중적외선에 이르는 지표의 반사파를 연속으로 촬영한 영상자료이다. 다중분광영상보다 파장 폭이 좁고, 연속적인 분광 밴드들로 구성되어 지표 대상물에서 반사되는 미세한 파장을 분석할 수다. 이러한 장점을 활용하여 식생개체 종 정보, 토양 정보 등 물질을 식별 및 감지하는 데 주로 많이 사용되고 있다(Bae et al., 2018). 본 연구에서는 SPECIM에서 제작한 AisaFENIX 1k로 10회를 촬영하여 해상도 1.5 m의 밴드 400개를 가진 초분광영상을 획득하였고, ITRES에서 제작한 microCASI로 총 7회를 촬영하였으며 그 결과 해상도 1 m 밴드 100개를 가진 초분광영상을 획득하였다.

수목 정보 추출을 위해 SAM 기법을 사용하였다. SAM 분류 기법은 분광공간 상에 각도 개념을 적용하는 분류 방법으로 항목 간의 유사도를 판별하는 데 있어 n차원에서의 각도를 이용한다(Choi et al., 2014). 앞서 얻은 함백산 7수종의 분광데이터를 기준으로 초분광영상과 중첩하여 개별 위치에 따른 영상과 개체 정보의 일치 여부를 분석하였다(Fig. 5).

LiDAR는 레이저를 발사하여 지표에서 반사되는 레이저파를 3차원 점자료로 수집한다(Fig. 6). 수목 구조를 형성한 점자료 중 수관의 최고점으로 수목의 위치 및 개체 수를 파악할 수 있으며 수목의 정점과 지면의 높이차를 통해 수목의 수고를 알 수 있다(Morsdorf et al., 2004). 또한 측정된 수고값을 흉고직경(diameter at breast height) 추정 함수식에 적용하여 값을 간접적으로 추정할 수 있다(Table 1) (Kwak et al., 2005). 본 연구에서는 LiDAR는 총 12.4 km² 범위를 촬영하였으며 1 m²당 4-8개의 3차원 점자료를 취득하였다. 하지만 LIDAR 영상만으로 다수 종을 분류하기는 쉽지 않은 단점이 있으므로 초분광영상을 활용하여 해당 수목을 세밀하게 분류하고 LiDAR 데이터와 결합하였다.

3. 결과

2019-2020년 함백산 일대 수목조사 결과 총 39,351개의 수목이 조사되었다(Table 2). 조사된 수목을 많은 순으로 정리한 결과 신갈나무(Quercus mongolica)가 25,930개로 가장 많았고 그 다음으로 일본잎갈나무(Larix kaempferi) 6,805개, 물오리나무(Alnus sibirica) 3,625개, 소나무(Pinus densiflora) 1,764개, 잣나무(Pinus koraiensis) 605개, 리기다소나무(Pinus rigida) 405개, 사스레나무(Betula ermanii) 217개로 확인되었다. 조사된 수목의 평균 수고 14.29 m, 흉고 13.72 cm, 평균 수령 62년로 나타났다(Table 2).

수목 분포조사 결과 신갈나무(Quercus mongolica)가 65.9%로 매우 높게 나타났으며 조사 지역에 전체적으로 고르게 분포하고 있었다(Fig. 7). 그 다음으로 일본잎갈나무(Larix kaempferi) 17.3%, 물오리나무(Alnus sibirica) 9.2%, 소나무(Pinus densiflora) 4.5%, 잣나무(Pinus koraiensis) 1.5%, 리기다소나무(Pinus rigida) 1.0% 그리고 사스레나무(Betula ermanii)가 0.5%로 가장 낮게 나타났다(Fig. 8).

데이터에 신뢰성을 검증하고자 4차 전국자연환경조사 현존 식생도와 초분광센서 및 LiDAR로 얻어진 점자료를 비교 분석해보았다(Fig. 9). 분석 결과 대부분이 일치하였지만 일부 신갈나무군락 및 일본잎갈나무군락의 분포 범위에 다소 차이가 있었다. 또한 원격탐사 방식으로 얻어진 자료가 기존 자료보다 상세히 조사되었으며 전국자연환경조사의 일부 누락된 정보도 조사되었다.

또한 조사된 대표 군락지 28개 지점을 선별해 현장 검증을 진행하였다. 조사 결과 28군락 지점 중 27개가 일치하였으며 정확도 분석 결과 96.43%가 나왔다(Fig. 10).

4. 결론 및 토의

본 연구에서는 현재 활용되는 식생조사 방법이 객관성과 신뢰성이 다소 낮기 때문에 이를 극복하고자 원격탐사 기법 중에서도 주로 사용되는 초분광영상(hyperspectral)과 LiDAR를 활용하여 이를 보완할 새로운 식생조사 방법을 제안하는 목적으로 본 연구가 수행되었다. 조사 결과 현존식생도하고는 다소 차이는 있었지만 대부분이 일치하였으며 현장 검증 또한 96.43%로 높은 일치율을 보여 유의미한 결과를 확인할 수 있었다. 하지만 조사 데이터와 현장검증의 약간의 차이는 존재하였으며 날씨 및 대기 상태에 따라 일부 값이 다르게 측정되는 것도 확인하였다. 향후 연구에는 기상 및 대기 상태에 따라 조사 결과가 얼마나 달라지는지 비교 분석하는 연구를 진행하면 보다 더 정교한 결과를 도출할 수 있을 뿐더러 초분광영상과 LiDAR 촬영 기법은 수종 분류, 수고, 흉고뿐 아니라 병해충피해, 생육 상태 및 필요한 양분 등까지도 규명할 수 있는 기술로 사용하는 기초자료가 될 것이다.

Acknowledgements

This study was conducted as a preliminary study to apply the vegetation survey technique improvement technology of the National Institute of Ecology from 2020 to 2021, and we are grateful for this.

Notes

Conflict of Interest

On behalf of all authors, the corresponding author states that there is no conflict of interest.

Funding Information

This work was supported by the Ministry of the Environment, Republic of Korea (NIE-B-2023-05).

Data Availability Statement

The data that support the findings of this study are openly available in [Ecobank] at http://doi.or.kr/10.22756/GEO.2023000000083.

Fig. 1.

Map of the research site at Mt. Hambaek.

Fig. 2.

(A) AisaFENIX 1k manufactured by SPECIM, (B) microCASI-1920 manufactured by ITRES, (C) hyperspectral imaging course.

Fig. 3.

Research flow chart. DBH, diameter at breast height.

Fig. 4.

Example of spectral data measurement results. (A) Spectral data acquisition location (Quercus mongolica). (B) Spectral data of Quercus mongolica.

Fig. 5.

Concept of Spectral Angle Mapper.

Fig. 6.

LiDAR data collection principles and tree height, canopy analysis. (A) LiDAR data collection principles. (B) Example of a LiDAR shooting video.

Fig. 7.

Distribution of trees on Mt. Hambaek.

Fig. 8.

As a result of the tree distribution survey, Quercus mongolica was very high at 65.9%, and it was evenly distributed throughout the survey area. It was followed by Larix kaempferi with 17.3%, Alnus sibirica with 9.2%, Pinus densiflora with 4.5%, Pinus koraiensis with 1.5%, Pinus rigida with 1.0%, and Betula ermanii with the lowest 0.5%.

Fig. 9.

The comparative analysis revealed that most aspects were consistent but there were slight discrepancies in the distribution ranges of some Quercus mongolica colony and Larix kaempferi colony. In addition, data obtained through remote sensing were investigated in more detail than existing data, and some missing information from the 4th national environment survey was also investigated. (A) 4th Natural Environment Survey. (B) Hyperspectral image-LiDAR data.

Fig. 10.

To verify the reliability of the data, 28 representative colonies surveyed were selected and field-verified. According to the survey, 27 out of 28 colony points matched, and the accuracy analysis showed 96.43%. (A) On-site verification location. (B) Verification photo (Quercus mongolica). (C) Verification photo (Pinus koraiensis).

References

• Bae JS, Yoo SH, Lee JS, Sohn HG (2018) A study on the application of the vegetation index to the hyperspectral image. Proceedings of Korean Society for Geospatial Information Science, Gyeongnam National University of Science and Technology; Jinju. 18 May 2018
• Cho HG, Lee KS (2014) Comparison between hyperspectral and multispectral images for the classification of coniferous species. Korean J Remote Sens 30(1):25–36Article
• Choi BG, Na YW, Kim SH, Lee JI (2014) A study on the improvement classification accuracy of land cover using the aerial hyperspectral image with PCA. Journal of Korean Society for Geospatial Information Science 22(1):81–88Article
• Choi DS, Dong CS, Park BK, Ko SC (2015) Flora of Mt. Hambaek-San and its neighboring mountains. Korean J Pl Taxon 45(1):72–95ArticlePDF
• Kwak DA, Lee WK, Son MH (2005) Application of LiDAR for measuring individual trees and forest stands. J Korean For Soc 94(6):431–440
• Lee JH (2023) A study on the mapping of physiognomic vegetation map by analysis of hyperspectral imagery and Lidar data. Ph.D. Thesis. Graduate School of Kongju National University; 243
• Morsdorf F, Meier E, Kötz B, et al (2004) LIDAR-based geometric reconstruction of boreal type forest stands at single tree level for forest and wildland fire management. Remote Sens Environ 92(3):353–362Article
• Park IH, Choi YH, Lee SM, et al (2002) Forest structure in relation to slope aspect and altitude in valley forests at Hambaeksan area. Korean J Environ Ecol 15(4):361–368
• Park YC, Lee JS, Lee TW, et al (2019) Guidelines for the 5th National Natural Environment Survey of the National Institute of Ecology. National Institute of Ecology, Seocheon, p. 10
• Shin MY, Kim JH, Kwon JN, et al (2016) Comparison of survey methods and results for natural environment in Baekdudaegan mountain system. J Korean Env Res Tech 19(2):1–18Article
• Sit V, Poulin-Costello M, Bergerud W (1994) Catalogue of Curves for Curve Fitting Columbia. Forest Science Research Branch, Ministry of Forest, Victoria, p. 110
• Woo CS, Yoon JS, Shin Ji, Lee KS (2007) Automatic extraction of individual tree height in mountainous forest using airborne Lidar data. J Korean For Soc 96(3):251–258
• Yi GC, Yoon HS, Kim SH, et al (1999) A study of the development of wetland database for the Nakdong river estuary using GIS and RS. Journal of the Korean Association of Geographic Information Studies 2(3):1–15

Appendix

Figure & Data

References

Citations

Citations to this article as recorded by