DOI QR코드

DOI QR Code

Forest Management Research using Optical Sensors and Remote Sensing Technologies

광학센서를 활용한 산림분야 원격탐사 활용기술

  • Kim, Eun-sook (Forest Ecology and Climate Change Division, National Institute of Forest Science) ;
  • Won, Myoungsoo (Forest Ecology and Climate Change Division, National Institute of Forest Science) ;
  • Kim, Kyoungmin (Global Forestry Division, National Institute of Forest Science) ;
  • Park, Joowon (College of Agriculture & Life Science, Kyungpook National University) ;
  • Lee, Jung Soo (College of Forest & Environmental Sciences, Kangwon National University)
  • 김은숙 (국립산림과학원 기후변화생태연구과) ;
  • 원명수 (국립산림과학원 기후변화생태연구과) ;
  • 김경민 (국립산림과학원 국제산림연구과) ;
  • 박주원 (경북대학교 농업생명과학대학) ;
  • 이정수 (강원대학교 산림환경과학대학)
  • Received : 2019.12.23
  • Accepted : 2019.12.23
  • Published : 2019.12.31

Abstract

Nowadays, the utilization infrastructure of domestic satellite information is expanding rapidly. Especially, the development of agriculture and forestry satellite is expected to drastically change the utilization of satellite information in the forest sector. The launch of the satellite is expected in 2023. Therefore, NIFoS and academic experts in forest sectors have prepared "Special Issue on Forest Management Research using Optical Sensors and Remote Sensing Technologies" in order to understand new remote sensing technologies and suggest the future direction of forest research and decision-making. This special issue is focused on a variety of fields in forest remote sensing research, including forest resources survey, forest disaster detection, and forest ecosystem monitoring. The new research topics for remote sensing technologies in forest sector focuses on three points: development of new indicators and information for accurate detection of forest conditions and changes, the use of new information sources such as UAV and new satellites, and techniques for improving accuracy through the use of artificial intelligence techniques.

1990년대 중반 산림분야에서 인공위성 정보의 활용이 시작된 이래, 위성정보는 산림지역을 특성별로 분류하고 산림재해를 탐지하고 식생의 활력도를 평가하는 등 다양한 용도로 활용되어 왔다. Landsat을 시작으로 하여, SPOT, MODIS, RapidEye 등의 해외 위성영상과 KOMPSAT 시리즈의 국내 위성영상은 산림부문에서 효과적으로 이용되어 온 주요 정보원이었다.

그러나 최근 들어 국내 위성정보의 활용 기반이 급속히 확대되고 있다. 국가 우주개발 계획(2013~2020년)과 2040년까지의 우주개발 비전 및 목표에 따라, 다목적실 용위성(2,3,5호) 및 천리안위성(기상·해양) 등 다수 관측 위성을 통해 연간 약 10만장의 위성영상이 생산, 공공· 민간 부문에 공급되어 활용 중이며 향후, 다목적 실용 위성, 정지궤도 위성, 차세대중형위성 등 많은 신규 위성개발 계획이 수립되어 있다. 특히, 2023년 발사 예정으로 사업이 추진 중인 농림위성(차세대 중형위성 4호) 개발은 산림분야 위성정보 활용의 획기적인 전환을 가져올 전망이다.

농림위성은 농작물 작황, 산림자원 및 생태계 모니터링을 위한 광학카메라 탑재위성으로서, 식물 생장 모니터링이 가능한 시간주기와 공간해상도 보유 영상 생산을 목표로 하고 있다. 따라서 적시적소의 위성정보 확보가 어려워 산림행정에 안정적인 활용이 이행되지 못 했던 현실적 한계를 뛰어넘을 수 있는 기반이 마련될 수 있다.

산림분야 위성활용을 위한 정보기반이 확대됨에 따라 활용기술에 대한 요구도 함께 증가하고 있다. 이에, 국립산림과학원은 학계 전문가와 함께 산림 분야의 원격탐사 활용기술에 대해 점검하고 향후 나아갈 방향을 제시하기 위해 본 대한원격탐사학회지 산림분야 특별호를 추진하게 되었다. 본 특별호에서는 향후 농림위성과의 연계성을 확보하기 위해 광학센서를 활용한 산림 분야 원격탐사 활용기술을 중심으로 연구개발 현황을 파악하였다. 그 결과 최근 개발되고 있는 산림분야의 광학센서 활용기술은 크게 산림자원조사, 산림재해탐지, 산림생태계모니터링 등 세 분야로 구분될 수 있었다.

1. 산림자원조사 분야의 위성 활용

산림자원분야의 위성활용 기술을 가장 오랜 기간 동안 연구되어온 분야로서, 주로 산림의 특성 분류, 측정을 통한 도면화, 통계화가 주요한 과제이다. 보다 정확한 수종의 분류를 위해 다양한 분류기법의 활용에 더해 수종 특성을 반영할 수 있는 새로운 정보들을 도입하는 것이 필요하다. Lim et al.(2019)는 Sentinel-2와 PlanetScope 영상을 이용하여 5개 수종(낙엽송, 잣나무, 소나무, 전 나무, 참나무류)에 대한 분광정보와 질감정보를 추출하고 지형정보는 SRTM DEM을 활용하여, Random Forest 알고리즘 수종 분류를 수행하였다. 그 결과 80%의 정확도로 수종 분류가 되었으며 향후 접근불능지역인 북한 지역의 임상도 제작에의 활용성을 확인하였다. Lee et al. (2018b)은 KOMPSAT-3, 3A, 5호 영상데이터의 분광정보와 질감정보에 인공신경망(Artificial Neural Network: ANN)을 적용하여 자연림과 인공림을 분류하였으며, 수목 개체 특성의 측정에서 더 나아가 새로운 임분의 수직적 층위구조 정보를 파악하기 위한 연구도 수행되고 있다. Kwon et al.(2019)은 칼라 항공사진, LiDAR DSM과 DTM을 이용하여 머신러닝 기법(SupportVector Machine: SVM)의 산림의 단층/다층 구조를 구분하였다. Lee et al. (2019e)은 KOMPSAT-3/3A/5 위성영상 기반 분광지수와 질감정보, DSM과 DTM 자료를 함께 활용하여 인공 신경망(ANN) 기반 층위구조를 분류를 수행한 바 있다. 산림 특성 구분에서 확장하여 토지피복 변화에 대한 부분도 산림분야에서 요구되는 자료이다. 온실가스 인벤토리 작성과 관련하여 정확한 산림의 탄소흡수 및 배출량을 산정하기 위해 토지이용 범주별(산림, 농경지, 정주지, 습지, 초지) 면적 통계량을 산출하는 것은 NIR 의 LULUCF분야의 활동자료 활동자료로서 매우 중요한 정보로 요구되고 있다. 이와 관련하여 Park et al.(2019a)는 토지이용 범주별 판독을 위하여 산림항공사진을 이용하여 NFI 고정표본점에 대한 학습 자료를 만들고 딥러닝 알고리즘(Inception-V4)을 적용하여 토지이용 범주 별 자동화 판독 분류를 수행하였다. 또한 이를 기반으로 샘플링 기법의 토지이용범주별 면적을 추정하고 국가통계와 연계 활용성을 평가하였다.

Woo et al.(2019)는 본 특별호를 통해 정밀산림측정 분야에서 활용 가능한 원격탐사 기술, 즉 레이저 스캐닝 기술, 위성영상을 이용한 산림 측정 기술, 그리고 무인 항공기를 활용 기술의 현황, 가능성, 한계점을 연구논문 리뷰를 통해 집중적으로 다루었다. 산림분야에서도 센서의 경량화 등 기술적 발달로 인하여 방대한 자료의 수집이 가능해지고 이러한 정보를 이용 및 분석할 수 있는 정밀 임업이 세계적으로 많은 관심을 받고 있는 상황이 조성됨에 따라, 레이저, 광학 등 다양한 정보의 복합적 활용 방안 마련에 대한 필요성이 제시되었다.

2. 산림재해(산불)탐지 분야의 위성 활용

산림재해분야는 주로 산불피해 지역의 구분, 피해 정도의 평가, 회복 과정의 탐지 등이 주요한 과제이다. 산불발생 후 신속한 피해도면의 작성을 통해 응급복구 대상지 선정에 제공되어 왔으나, 시간 경과에 따른 열해 피해목의 고사 유무에 따라 피해면적과 피해등급의 정확한 산출이 필요하다. Won et al.(2019)은 KOMPSAT-2, 3호 시계열 영상자료를 활용하여 시간경과에 따른 산불 피해강도별 피해면적이 변화하는 현상을 파악하고 산불피해 규모를 정확하게 산정하기 위한 연구를 수행하였다. 즉, 시계열 위성영상을 이용하여 수관열해 지역과 지표화 지역에서는 산불 발생 후 일정 기간이 경과 한 후 피해강도에 변화가 나타남을 확인하였다. 이러한 연구결과는 수관열해로 인한 고사 기작을 파악함으로써 산불피해지 복구계획 수립의 기초자료의 정확도를 높이는데 활용이 가능하다. 또한 Shin et al.(2019)는 최근 자료생산이 증가하고 있는 고해상도 KOMPSAT-3A 위성영상 및 무인기 영상의 활용을 이용하여 분류기법(반사율의 절대값을 이용하는 최대우도법, 반사율의 패턴을 이용하는 분광각매퍼)의 효과를 비교하여 피해강도 평가 정확도를 확보하는 연구를 수행하였다. 그 결과 분류 기법 측면에서 최대우도법이 높은 분류정확도를 보여주었으며, 위성영상과 무인기 영상 모두 분류정확도가 매우 높아 모두 활용성이 높은 것으로 평가되었다. Youn et al.(2019)는 시계열 Sentinel-2A 영상을 이용한 NBR(normalized burn ratio) 값의 변화자료를 통해 USGS에서 제시하고 있는 산불피해강도 7단계에 대한 구분을 수행하여 산불피해 탐지력을 평가하였다. 또한 Park et al.(2019b)은 고사한 산림과 건강한 산림이 Sentinel-2 의 Red-NIR-Green 위색조합(false color composite)에서 그 차이가 뚜렷이 나타나는 현상에 기초하여 경험적인 새로운 산림고사지수를 개발하였고, 실제 산불피해 사례에 적용하여 정확도가 높은 것을 확인하였다. Choi et al.(2017)은 주성분분석 기반의 ITPCA(ITerative Principal Component Analysis) 무감독 변화탐지 기법을 적용한 아리랑영상 기반의 산불피해지 탐지 분석을 수행하여 정확도 향상 결과를 제시하였다. 이처럼 산불피해 탐지 의 정확도를 높이기 위한 연구가 다각도로 이루어지고 있다. 추가적으로 Kim et al.(2017)은 우리나라 정지궤도 기상위성인 GK-2A(Geostationary Korea Multi-Purpose Satellite-2A)와 유사한 히마와리 위성자료를 이용하여 저해상도 기반의 고주기 영상을 기반 10분 간격의 산불 피해강도의 실시간 모니터링, 산불배출가스 추정도 가능하다는 것을 보여주었다.

3. 산림생태계 모니터링 분야의 위성 활용

산림생태계분야는 산림생장과 산림건강성의 변화에 초점이 맞춰져 있다. 또한 기상·기후, 병해충 등 다양한 요인으로 인한 산림 피해에 대한 정확한 탐지 기술 개발하는 것이 주요한 과제이다.

산림지역은 계절에 따라 생장 및 활력 특성이 변화하기 때문에 이러한 식물의 특성을 파악하는 것이 필요하다. 이와 관련하여, 시계열 정보가 풍부한 MODIS를 이용하여 산림식물계절 특성을 추출하고 산림생태계의 일차생산성을 추정하는 연구가 지속적으로 추진되고 있다(Lee et al., 2018a; 2019a). 특히 산림생태계 내의 총일 차생산량은 산림 자원 생산량과 직결되고, 산림생태계 의 건강성, 산림식물계절 및 생태계 서비스의 중요한 지표가 된다. Lee et al.(2019a)는 인공위성 자료, 에디공분 산타워의 플럭스 관측자료를 기반으로 기계학습 알고 리즘을 적용하여 우리나라의 산림유역의 총일차생산량을 추정하는 연구를 수행하였다. 기계학습 알고리즘 모델(SVM, ANN, Random Forest 등)은 총일차생산량을 효과적으로 예측하였으며 특히 식생 성장을 시작하 는 시점의 값을 타 알고리즘보다 잘 예측하는 결과를 보였다.

산림생태계 변화 탐지의 정확도를 높이기 위해서는 계절적 변화와 생장 특성을 고려한 산림활력도 및 산림 피해 변화 비교가 필요하다. 이와 관련하여 Kim et al.(2019)는 과거 시계열 영상정보를 통해 피해발생 이전 과거 동일 시점의 분광정보를 추정하여 평년의 산림활력도 정보를 도출하고 이를 산림활력도 변화 평가의 기준정보로 활용하는 방법을 연구하였다. 이러한 방법을 통해 산림변화분석 시 걸림돌로 작용하였던 과거 기준 정보의 부재 문제를 해소할 수 있었다. Lee et al.(2019b) 는 KOMPSAT 시계열 영상을 이용하여 푸사리움가지 마름병(Pine pitch canker)에 의한 미세한 산림피해를 탐지하는 방법을 연구하였으며, Lee et al.(2019d)는 무인항 공기(UAV) 고해상도 영상을 획득하고 ANN과 SVM을 이용하여 감독 분류를 수행하여 소나무재선충병 의심목 탐지하는 방법을 연구하였다.

식생 모니터링에 적합한 분광정보의 선택, 전처리 전략에 대한 연구도 수행되고 있다. Lee et al.(2017)은 울폐 산림의 엽면적지수 추정을 위한 적색경계 밴드의 효과에 대한 연구를 수행하여, 산림생장의 주요 지표로 활용되고 있는 엽멱적지수를 효과적으로 추정할 수 있는 분광파장대와 분광지수를 평가하였다. 또한 Lee et al. (2019c)는 산림 식생 모니터링을 위하여 무인기 다중분 광영상의 화소값을 반사율로 변환하는 복사보정 방법을 평가하였다. 영상 촬영 시 복사조도를 동시에 측정 하여 보정하는 직접 보정 방법과 영상촬영시점의 현장 반사율 자료를 이용하는 보정하는 실험적 보정 방법의 효과성을 비교하였는데, 직접 보정 방법이 실험적 보정 방법보다 더 안정적인 결과를 산출하였다. 이러한 연구 는 산림식생 반사도의 절대적인 값을 산출하고 안정적 인 식생지수를 산출이 가능하게 하는 기반 연구이다.

본 리뷰 논문에서는 산림 특별호에 수록된 9편의 논문과 대한원격탐사학회지에 최근 3년간 수록된 논문들을 중심으로 국내 산림분야에서 최근 주로 연구되고 있는 연구 내용을 정리하였다. 산림의 현황과 변화의 정확한 탐지를 위한 새로운 지표와 정보의 산출, 무인기 영상 및 신규 생산되고 있는 위성영상 등의 새로운 정보원 활용 방안 그리고 인공지능 기법의 활용을 통한 정확도 향상 등이 두드러진 시도였다. 향후 농림위성의 개발을 통해 산출되는 시간해상도가 매우 짧은 고주기의 광학영상의 생산을 통해 산림지역 모니터링 고도화가 이루어질 것이라 전망되며, 이를 위한 다양한 활용기술 개발이 지속적으로 수행되어야 할 것이다.

References

  1. Choi, J., H. Park, N. Park, S. Han, and J. Song, 2017. Deforestation Analysis Using Unsupervised Change Detection Based on ITPCA, Korean Journal of Remote Sensing, 33(6-3): 1233-1242 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.6.3.7
  2. Kim, D., M. Won, and Y. Lee, 2017. Estimation of Fire Emissions Using Fire Radiative Power (FRP) Retrieved from Himawari-8 Satellite, Korean Journal of Remote Sensing, 33(6-1): 1029-1040 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.6.1.11
  3. Kim, E.-S., B. Lee, and J.-H. Lim, 2019. Forest damage detection using daily normal vegetation index based on time series LANDSAT images, Korean Journal of Remote Sensing, 35(6-2): 1133-1148 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.9
  4. Kwon, S.-K., Y.-S. Lee, D.-S. Kim, and H.-S. Jung, 2019. Classification of Forest Vertical Structure Using Machine Learning Analysis, Korean Journal of Remote Sensing, 35(2): 229-239 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.2.3
  5. Lee, B., E.-S. Kim, J.-H. Lim, M. Kang, and J. Kim, 2019a. Application of machine learning algorithm and remote-sensed data to estimate forest gross primary production at multi-sites level, Korean Journal of Remote Sensing, 35(6-2): 1117-1132 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.8
  6. Lee, B., E.-S.. Kim, J. Lee, J.-M. Chung, and J.-H. Lim, 2018a. Detecting Phenology Using MODIS Vegetation Indices and Forest Type Map in South Korea, Korean Journal of Remote Sensing, 34(2-1): 267-282 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2018.34.2.1.9
  7. Lee, H.-S. and K.-S. Lee, 2017. Effect of Red-edge Band to Estimate Leaf Area Index in Close Canopy Forest, Korean Journal of Remote Sensing, 33(5-1): 571-585 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.5.1.10
  8. Lee, H.-S. and K.-S. Lee, 2019b. Multi-temporal analysis of High-resolution Satellite Images for Detecting and Monitoring Canopy Decline by Pine Pitch Canker, Korean Journal of Remote Sensing, 35(4): 545-560. https://doi.org/10.7780/kjrs.2019.35.4.5
  9. Lee, H.-S., W.-W. Seo, C. Woo, and K.-S. Lee, 2019c. Derivation and Evaluation of Surface Reflectance from UAV Multispectral Image for Monitoring Forest Vegetation, Korean Journal of Remote Sensing, 35(6-2): 1149-1160 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.10
  10. Lee, S., S.-J. Park, G. Baek, H. Kim, and C.-W. Lee, 2019d. Detection of Damaged Pine Tree by the Pine Wilt Disease Using UAV Image, Korean Journal of Remote Sensing, 35(3): 359-373 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.3.2
  11. Lee, Y.-S., S.-H. Park, H.-S. Jung, and W.-K. Baek, 2018b. Classification of Natural and Artificial Forests from KOMPSAT-3/3A/5 Images Using Artificial Neural Network, Korean Journal of Remote Sensing, 34(6-3): 1399-1414 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2018.34.6.3.7
  12. Lee, Y.-S., W.-K. Baek, and H.-S. Jung, 2019e. Forest Vertical Structure Classification in Gongju City, Korea from Optic and RADAR Satellite Images Using Artificial Neural Network, Korean Journal of Remote Sensing, 35(3): 447-455 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.3.8
  13. Lim, J., K.-M. Kim, and M.-K. Kim, 2019. The Development of Major Tree Species Classification Model using Different Satellite Images and Machine Learning in Gwangneung Area, Korean Journal of Remote Sensing, 35(6-2): 1037-1052 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.2
  14. Park, J.M., W.D. Sim, and J.S. Lee, 2019a. Automatic classification by Land use category of national level LULUCF sector using Deep Learning model, Korean Journal of Remote Sensing, 35(6-2): 1053-1065 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.3
  15. Park, S.-W., S.-J. Lee, C.-Y. Chung, S.-R. Chung, I. Shin, W.-C. Jung, H.-S. Mo, S.-I. Kim, and Y.-W. Lee, 2019b. Satellite-based Forest Withering Index for Detection of Fire Burn Area: Its Development and Application to 2019 Kangwon Wildfires, Korean Journal of Remote Sensing, 35(2): 343-346 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.2.13
  16. Shin, J.-I., W.-W. Seo, T. Kim, C. Woo, and J. Park, 2019. Analysis of Availability of High-resolution Satellite and UAV Multispectral Images for Forest Burn Severity Classification, Korean Journal of Remote Sensing, 35(6-2): 1095-1106 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.6
  17. Won, M., K. Jang, S. Yoon, and H. Lee, 2019. Change Detection of Damaged Area and Burn Severity due to Heat Damage from Gangwon Large Fire Area in 2019, Korean Journal of Remote Sensing, 35(6-2): 1083-1093 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.5
  18. Woo, H., S. Cho, G. Jung, and J. Park, 2019. Precision forestry using remote sensing techniques: opportunities and limitations of remote sensing application in forestry, Korean Journal of Remote Sensing, 35(6-2): 1067-1082 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.4
  19. Youn, H. and J. Jeong, 2019. Detection of Forest Fire and NBR Mis-classified Pixel using Multi-temporal Sentinel-2A Images, Korean Journal of Remote Sensing, 35(6-2): 1107-1115 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.2.7