DOI QR코드

DOI QR Code

Precision Forestry Using Remote Sensing Techniques: Opportunities and Limitations of Remote Sensing Application in Forestry

원격탐사 기술의 국내 정밀 임업 가능성 검토: 임업분야의 원격탐사 적용사례 분석을 중심으로

  • Woo, Heesung (Major in Forestry, School of Forest Science & Landscape Architecture, College of Agriculture and Life Sciences, Kyungpook National University) ;
  • Cho, Seungwan (Department of Forestry, College of Agriculture and Life Sciences, Kyungpook National University) ;
  • Jung, Geonhwi (Department of Forestry, College of Agriculture and Life Sciences, Kyungpook National University) ;
  • Park, Joowon (Major in Forestry, School of Forest Science & Landscape Architecture, College of Agriculture and Life Sciences, Kyungpook National University)
  • 우희성 (경북대학교 산림과학.조경학부 임학전공) ;
  • 조승완 (경북대학교 임학과) ;
  • 정건휘 (경북대학교 임학과) ;
  • 박주원 (경북대학교 산림과학.조경학부 임학전공)
  • Received : 2019.10.30
  • Accepted : 2019.12.15
  • Published : 2019.12.31

Abstract

This review paper presents a review of evidence on systems and technologies for recent remote sensing techniques which were applied into forest and forest related sectors. The paper reviewed remote sensing techniques that will have, or already having, a substantial impact on improving data quality of forest inventory and forest management and planning. The aim of this review is to identify, categorize and discuss Korean and international sources published primarily in the last decades. The focus on remote sensing and ICT technologies examines issues related to their opportunities, limitation, use and impact on the forestry. More specifically, this literature review has focused on laser scanning, satellite imagery, and Unmanned aerial vehicles (UAV) utilization in forest management and inventory analysis.

1. 서론

우리나라는 1992년 ‘우리별 1호’를 시작으로 2010년 천리안(COMS) 위성, 2013년 아리랑 5호(Kompsat 3A)의 발사에 이르기까지 다양한 다목적 인공위성을 보유한 위성 강국 대열에 합류하였다. 또한 2015년부터 차세대 중형위성 개발이 시작되어, 2025년까지 500 kg 정밀 지상관측 위성 12기를 추가 발사할 계획이며, 국토관측위성, 방재위성, 기상위성, 해색위성, 환경위성, 농림위성 등 많은 위성이 다양한 임무를 수행하기 위해 현재 개발되거나 계획 중에 있다(Jensen, 2005; Lee, 2019). 특히, 2023년 6월 발사예정인 차세대 중형위성 4호(농림위성)는 산림부문에 정밀한 자료 제공이 가능할 것으로 예측 되며 대단위 산림 관측 및 산림재해 예측 시스템의 고도화 등 위성에서 제공하는 양질의 자료를 활용한 산림 분야 적용 방안에 대한 연구가 필요한 시점이다.

위성 및 원격탐사 시스템에서 발생하는 방대한 자료는 지구 전역에 분포된 산림을 포함한 대단위 면적을 이해하고 이를 효율적으로 관리하는 데 중요한 역할을 해오고 있다. 지난 50년동안, 원격탐사기술은 급진적으로 발달하였고 오늘날 대단위 산림 관리와 효율적인 국토 이용 발전에 많은 영향을 미쳤다. 센서기술의 경량화, 소형화와 더불어 과학의 발전으로 인한 합리적 가격이 형성되면서 원격탐사 기술은 빠른 속도로 성장하였고, 그에 따라 생성된 방대한 자료는 다양한 센서를 통해 유입되고 있다.

이러한 원격 탐사 기술의 혁명은 우리가 숲을 관리하고 경영하는 데 사용하는 정보의 공간적, 시간적 문제를 해결할 수 있는 가능성을 제시했다. 원격탐사와 센서기술을 이용해 수집된 자료와 분석 도구는 임업의 정밀화, 정교화 방안의 핵심적인 기술이며 이를 이용한 산림관리에 필요한 관련 정보를 추출하는 방법의 개발은 많은 산림 분야의 연구자가 해결해야 할 우선적 과제로 남아있다.

본 리뷰 논문은 기존 원격탐사 기술의 산림 부문에 다양한 연구와 관련된 사례 논문들의 분석을 통하여 원격탐사의 산림분야 이용에 대한 기술적 분석 기법의 적용 가능성 및 한계점을 제시해 보고자 하였다.

본 연구는 포괄적인 원격탐사기술의 일반적 서술이 아니라 하나의 지표로서 가치가 있으며, 논문을 통하여 국내 원격탐사의 주요 시스템과 기술을 리뷰하였다. 이 리뷰 논문은 저널 기사, 정책 문서, 관련 인터넷 및 인쇄 자료 등 다양한 매체에 걸쳐 지난 15년 내에 발행된 국내 및 국제 논문을 중심으로 분석하였으며 논문을 서술에 필요한 원격탐사와 관련이 있는 것으로 간주되는 15년 이후의 일부 문헌도 리뷰에 포함하였다. 리뷰 논문을 작성하기 위해 총 46편의 논문이 분석되었으며, 본 리뷰 논문의 가치는 향후 농림위성 자료의 산림분야 활용에 하나의 참고문헌으로서 원격탐사 기술의 국내 적용 가능성과 다양성의 확대에 기여할 것으로 판단된다.

2. 연구방법

지난 15년동안 발행된 peer-review 논문을 포함한 국내 및 국제 문헌을 포함하여 원격탐사를 이용한 산림분 야의 적용 연구를 검색하였다. 원격탐사를 이용한 국내 산림분야 연구 중 대부분은 산림지역 추출 및 광학영상을 이용한 산림 식별 연구에 집중이 되어 있다. 따라서 원격탐사 적용 분야의 대표 논문을 선정할 때 최근 발행된 논문을 우선적으로 고려하였다. 본 리뷰 논문의 특성상 국내·외 연구의 차이점을 강조하기 위해서 체계적(systematic) 리뷰 방법 보다는 선별적(selective) 리뷰 방법을 선택하였고, 이 리뷰 논문을 수행하기 위한 방법론적 접근법에서는 다음과 같은 논문선정 기준이 적용 되었다.

•정식 출판된 정부 보고서, 연구 논문을 대상으로 본 리뷰에서 대상으로 하는 원격탐사 관련 키워드를 중심으로 Google scholar, Web of science, 한국교육학술정보원의 연구 자료베이스를 이용하여 검색하였다. 

•국내 연구는 국문 및 영문으로 작성된 논문을 중심으로 분석하였고, 국외 논문은 영어로 출판된 문헌을 중점적으로 리뷰하였다. 

•국내·외 논문 중 2000년 이후 출판된 논문을 중심으로 분석하였고, 원리 및 이론적 개념의 서술을 필요로 하는 논문은 2000년 이전에 출판된 것을 포함하여 분석하였다.

본 리뷰 논문은 정보통신기술(Information communication technology; ICT)을 적용한 산림 분야 관련 연구, 특히 최근의 탐지기술(Sensing technologies) 및 원격탐사 기반 정밀 임업을 이용한 대단위 산림 인벤토리 추정 및 자료 고도화 연구에 대해 검토하였다. 리뷰는 1차 국외 연구를 중점으로 분석하였고, 정밀 임업, 레이저 스캐닝 기법, 위성영상, 무인항공기, 총 4개의 카테고리로 분류된 내용을 1차 리뷰를 중심으로 국내 연구를 분석하였다. 최종적으로 선정된 4개 카테고리의 국내·외 문헌을 분석하여 국내 연구의 현황 및 한계점에 대하여 국외의 다양한 연구 사례를 바탕으로 서술하였다.

3. 레이저 스캐닝 기법(Laser scanning)

1) 항공 레이저 스캐닝 기법(Airborne laser scanning; ALS)

다양한 정밀 임업의 기법 중 항공 레이저 스캐닝(Airborne laser scanning; ALS)기법은 산림 자원의 측정 및 평가에 가장 적합한 방법이다(Fig. 1). 항공 레이저 스캐닝(ALS)은 광 감지 및 범위 조정(Light detection and ranging; LiDAR) 기술을 사용하는 능동 원격 감지 시스템으로, 일반적으로 항공기에 장착된 레이저 스캐너와 센서로 구성된다. 항공 레이저 스캐닝은 레이저 펄스(pulse)를 지표면에 투과한 후, 반사된 레이저 펄스(pulse)의 도달시간을 측정하여 반사 지점의 공간 위치 좌표를 계산한 다음 지표면에 대한 지형정보를 추출하는 측량 기법이다. 따라서 항공 레이저 스캐닝을 이용할 경우 지형 지물 및 구조물에 따라 반사되는 시간이 상이하여 건물 및 지형 지물의 정확한 수치표고모델(Digital elevation model; DEM) 생성이 가능하다. 대부분의 식생 및 지형 지도의 생성에 사용되는 항공 레이저 스캐닝은 이산형 자료를 이용하며, 이용되는 스캐너는 초당 20만 펄스(pulse)의 근적외선의 좁은 펄스(1,064 nm)를 사용한다 (Dash et al., 2016). 항공기에 탑재된 관성 측정 장치(Inertial measurement unit; IMU)와 위치 시스템(Global positioning system; GPS)은 정확한 위치 정보를 제공하고, 각 항공 레이저 스캐닝에서 방출된 레이저가 항공기로 수신된 정보를 x, y, z 좌표로 변환시킨다(Fig. 2)(Martin et al., 2011). 송출된 레이저 펄스(pulse)는 모든 식생을 관통하여 지면에서 반사된 펄스가 센서에 반응하여 측정된다. 일단 식생으로부터 분리된 지면상의 점(point)은 삼각 측량을 통해 수치지형모델(Digital terrain model; DTM)을 생성하는 데 사용된다. 생성된 수치지형모델은 다른 원격탐사 자료 보다 정밀한 산림 지형의 정보를 제공하며, 이는 경사, 사면 등의 입지와 수문에 대한 자료 생성이 가능하다. 나아가 입지 혹은 수문 조건과 수목 생장과의 상호작용에 대한 연구에 활용될 수 있다. 수목의 점군(point clouds)에서 수치지형모델에서의 산림 지형 높이 값을 차감하면 해당지역 수목의 일반화된 수고를 추정할 수 있다. 이러한 과정을 통하여 수관고 모델(Canopy height model; CHM)을 생산할 수 있고, 이를 통해 숲과 입목 구조에 대한 유용한 정보를 포함하는 의미 있는 측정 지표를 생성할 수 있다. 이는 현장조사 정보와의 연결을 통한 지표 보완 및 개발에 따라 산림 자원에 대한 추정 정확성과 자료의 질적인 면을 상당 부분 개선할 수 있다. 항공 레이저 스캐닝을 이용한 연구는 일반적으로 대규모 산림지역의 분석(area-based analysis)부터 개개목의 분석(individual tree analysis)까지 세분화된 방법으로 적용된다(Fig. 3).

Fig. 1. Schematic of the airborne laser scanning (ALS) system.

Fig. 2. Conceptual diagram of data collection methods using airborne laser scanner.

Fig. 3. Developed forest stand height estimation model using LiDAR(a. forest crown cloud points b. forest digital terrain model(DTM) c. forest stand height extraction using forest crown cloud points d. forest stand height estimation).

산림 측정에 항공 레이저 스캐닝이 도입된 이후 (Maclean and Krabill, 1986), 이 기술은 주로 산림 지역기반 분석(area based analysis)을 통해 널리 적용되어 산림 임분 구조의 변화를 추정하는 공간적 분석에 이용되었다. Nilsson(1996)은 헬리콥터를 이용한 항공 LiDAR 시스템을 바탕으로 평균 높이가 12.5 m인 costal scots pine 임분을 대상으로 임목의 수고와 임분의 재적의 추정 연구를 진행하였다. 계절에 따른 수관 울폐도의 변화로 인한 토양에 반사되는 레이저 면적의 차이를 보기 위해서 6월, 10월, 12월의 세 가지 계절의 자료를 이용하였다. 연구 결과, 토양에 반사되는 레이저 면적은 자료 수집의 계절적 변화에 따른 수관 울폐도의 영향을 받는다는 것을 증명하였다. 또한 입목의 재적측정 외에도 산림지역의 분석기법에 응용되어 산림 바이오매스 추정 (Ene et al., 2012), 산불연료 구조 분석(Arroyo et al., 2008), LiDAR를 이용한 엽면적지수(Leaf area index) 검증(Tang et al., 2014), 활엽수 지역의 생물다양성(Hill and Broughton, 2009) 등을 포함한 다양한 산림분야 연구에 기초자료를 제공함으로 적용가능성을 입증하였다.

국내 산림분야에서의 항공 레이저 스캐닝 적용에는 Hwang et al.(2010)은 산림지역에서의 LiDAR 자료의 첫 반사파(First return)와 최종 반사파(Last return)간의 높이 차, 불규칙한 산림표면이 가지는 LiDAR 자료 값의 표준편차, 점군(point clouds)의 분포특성을 통해 산림 지역을 탐지하는 연구를 진행하였다. Lee et al.(2009)은 산림지역에서의 LiDAR 측량의 정확도 평가를 실시하였다. 지오이드 모델을 항공 LiDAR 적용하여 수치표고 모델을 제작하였으며, 현장에서 실시한 정밀 위치시스템(GPS)의 측량결과와의 비교를 통해 정확도를 산출하였다. 그 결과, 활엽수나 혼효림의 임상을 가진 임분에서는 측량의 오차가 발생할 수 있으며 측량의 시기에 있어서 계절적 요인을 고려하여야 한다는 연구결과가 도출된 바 있다.

Lee et al.(2008)은 LiDAR 자료를 기반으로 생성한 수치표고모델과 수치표면모델(Digitalsurface model; DSM)의 높이차를 활용하여 생성한 nDSM자료를 통해 산림 내부와 외부의 수목 개체수에 따른 밀도, 수고, 수관 울폐도 등의 산림구조 분석을 실시하였다. 또한 개체수, 수종 등에 대한 현장조사를 실시하여 결과를 비교하였다. 그 결과, LiDAR 자료를 기반으로 추정한 우점 수종에 대한 개체수 추정은 활엽수림이 소나무림에 비하여 높은 정확도를 보였다. 또한 산림 내부에 비하여 산림 외부에서 높은 밀도를 보였으며 수고와 수관 울폐도는 산림 내부에 비해 낮게 나타났다. 이와 같은 결과를 통해 LiDAR 자료를 통한 산림구조 분석시에는 신호의 투과에 따라 오·분류 가능성이 있기 때문에, 우점하는 수종의 특성에 대한 고려, 지형 및 계절에 대한 고려가 필요하다는 결론이 도출되었다. Song et al.(2008)은 토지피복 분류 및 지형에 따른 LiDAR 자료의 분포특성에 따라 표면모형을 재구성하는 방법을 연구하였다. 항공사진을 활용하여 산림, 하천, 인공시설지로 나누고 이후 지면점 분류(ground classification), 식생점 분류(vegetation classification), 인공시설지 분류(building classification)를 통해 최종 3차원 모형을 복원하였다. 이를 통해 토지 피복 및 지형변화가 있는 지역에서는 토지 피복별로 영역을 분할하여 처리를 하는 것이 분류에 더 바람직하다는 결과가 도출되었다. Park et al.(2011)은 임분단위에서의 수종 분류 및 재적추정을 위하여 LiDAR 자료를 활용하였다. 임분의 주요 수종 분류는 LiDAR 자료 강도와 높이 분포를 활용한 판별분석을 실시하였으며 임분 바이오매스는 수종별로 선형 다중회귀분석 후 목재기본밀도 및 바이오매스 확장계수를 적용하여 추정하였다. 이외에도 LiDAR 자료는 산림재해분야에서도 활용되었는데, Seo et al.(2019)은 LiDAR 자료와 수치지형도를 함께 활용하여 땅밀림 발생지점을 탐지하고 지형변화와 발생 규모에 대한 분석을 실시하였다. 해당 연구는 기존의 땅밀림 발생지의 현장조사가 접근이나 안전상의 제한이 있었던 문제를 해결할 수 있다는 점에서 의미가 있다고 할 수 있다.

항공 레이저 스캐닝을 이용한 개체목 분석의 연구는 임목의 구조에 대한 세부적인 정보를 제공할 수 있는 미시적 단위의 정밀한 분석이다. 개체목 분석 기법은 일반적으로 항공 레이저 스캐닝기법에서 수관의 점(point) 자료를 제거하여 수관을 제외한 임목의 구조에 대한 정보를 추출하는 방법이다. 이러한 지표는 임목의 특성의 직접적인 측정이나 수관 크기나 모양에 기반한 변수를 추정하는 데 필요한 실증적 모델 구축에 이용된다 (Vauhkonen et al., 2010). 비록, 수관 울폐도가 높은 지역 내에서 위치 시스템(GPS)의 부정확성에 대한 문제가 있지만 정밀 임업에서의 개체목 분석 적용은 굉장히 중 요한 기술 중 하나이다(Nagler, 2001). 항공 레이저 스캐닝을 이용한 개체목 분석은 산림분야에서 실용 가능한 분석의 도구일 뿐만 아니라, 산림 내 모든 개체목의 성장에 대한 추정 모델 개발의 정확도에도 많은 영향을 미친다. 개체목 분석은 수목의 크기, 모양 및 형태를 특징짓는 데 사용가능한 측정지표의 개발을 통해 임분에서 개체목의 특성을 보다 정확하게 구별할 수 있는 수단이다. 이는 임목의 성장과 목재의 품질에 영향을 미치는 인자에 대한 이해를 향상시킬 수 있다. 항공 레이저 스캐닝을 이용한 개체목 분석 연구에는 Suárez et al. (2005)의 임분 내 개체목의 수고를 추정하기 위해 항공 사진과 항공 LiDAR 자료를 이용하였다. 스코틀랜드의 산림지역을 대상으로 LiDAR 시스템의 장단점을 수정하고 디지털 항공 사진과의 융합분석을 제시했다. 입목의 수고는 개발된 수치지형모델과 임분 상의 모델 두 펄스(pulse)값의 차이로 분석되었다. EuroSDR(유럽공간자 료연구)와 ISPRS(International Society of Photogrammetry and Remote Sensing)가 주관하는 개체목 추출 프로젝트의 목적은 주로 레이저 스캐너 자료를 기반으로 임목의 추출에 대한 정확성과 적용가능성을 평가하는 것이 었다. Kaartinen et al.(2012)는 원시림 조건과 다양한 레이저 점밀도로 분석한 방법의 품질에 큰 변화를 보고했다. 연구 결과 일반적으로 개체목의 크기가 큰 나무 일수록 위치 정확도가 높은 것으로 나타났다.

국내 연구 사례를 살펴보면, Kwak et al.(2005)은 LiDAR 자료를 활용하여 개체목에 대한 수관측정 펄스(pulse)와 지표면의 펄스(pulse)값 간의 차이를 통해 수고를 추정하였다. 또한 추출된 수고 자료를 이용하여 개체목의 흉고직경(Diameter breast height; DBH)을 추정하였다. 추정된 수고 및 흉고직경값을 이용하여 개체목 재적을 산출하고 이를 기반으로 단목 바이오매스와 임분 바이오매스를 산출하였다.

Chang et al.(2006)은 LiDAR 자료를 기반으로 수치표면모델 자료와 수치지형모델 자료를 제작하고 두 자료의 높이차를 활용하여 만든 nDSM자료를 통해 산림지역을 추출하였다. 이후 유역분할 알고리즘을 적용하여 수목에 대한 개체 분할을 실시하였다. 분할된 개체목에 대하여 산출한 수고와 현장조사 결과를 비교한 결과, R2은 0.83, 5% 유의수준 내에서 추정치와 측정치 사이의 차이가 없는 것으로 나타났다. Woo et al.(2007)은 LiDAR의 수치표면모델과 수치표고모델의 높이차를 이용하여 제작된 수관고 모델 자료에서 필터링(filtering) 기법을 통해 수관의 중심과 수고를 추출하여 개체목을 식별하는 연구를 진행하였다.

항공 레이저 스캐닝을 이용한 국내 연구의 한계점을 보면, LiDAR를 이용한 임분단위의 수치표고모델 및 수고 추정 모델의 사례연구가 있으나, 다양한 사례의 연구가 부족한 실정이다. 또한 다양한 사례의 임분단위 연구에 비해 입목단위(individual tree)의 추정 연구는 부족한 경향을 보였다. 이는 항공레이저 스캐닝 자료의 확보와 접근성 측면에서 국외와 비교하여 제약되는 국내의 현실을 반영하며, 또한 항공레이저 스캐닝 분야의 연구가 민간 기업 주도가 아닌 국가기관의 국한된 시범사업의 일시적인 사례 연구로서의 한계점을 시사한다.

2) 지상레이저 스캐닝(Terrestrial laser scanning; TLS)

임업용으로 개발된 레이저 스캐닝 어플리케이션은 대부분 항공 플랫폼을 사용한다. 항공플랫폼을 이용한 방법은 주로 규모가 큰 지역을 측정할 때 적합하다. 하지만 개체목, 소규모 산림지역의 측정(임·소반 단위), 또는 입목 특성의 매우 상세한 측정이 필요한 경우 지상 레이저 스캐닝 시스템(Terrestrial laser scanning; TLS)은 매우 효과적인 자료 측정 방법이다. 일반적으로 지상 레이저 스캐닝 시스템은 주로 삼각대 위에 설치가 되어 주변 환경을 측정하는데, 이는 기본적으로 항공 레이저 스캐닝의 기술적 배경과 동일하다. 이러한 장비들은 아주 정교하고 정확한 점군(point clouds)을 수집할 뿐 아니라, 동시에 영상을 표현하고 수집된 점군(point clouds)에 색을 적용하여 시각화 할 수 있다(Fig. 4).

Fig. 4. Forest inventory measurement using terrestrial laser scanning and LiDAR system(a. point clouds collecting using terrestrial laser scanning sensor(e.g LiDAR sensor), b. diameter extraction from reconstructed point clouds data).

이 기술은 주로 건축 토목 공학 산업에서 3차원으로 주변환경을 표현하는 데 사용된다. 최근 들어서, 이동이 가능하고 휴대가 가능한 레이저 스캐너가 개발이 되고, 이러한 기술의 발전은 임업분야의 적용이 더욱 용이하고 쉽게 변화되었으며, 임업의 적용 가능성을 확장시켰다. 지상 레이저 스캐닝 시스템 장비는 주로 차량에 부착되거나 사람이 직접 이동하여 사용하는데, 이러한 형태의 지상 레이저 스캐닝 시스템은 이동중이거나 움직이는 물체와 관련된 동적 점군(dynamic point clouds)의 생산도 가능하게 한다. 기존의 삼각대 설치 방법과 비교하여 이동 가능한 지상 레이저 스캐닝 시스템 장비는 주로 스캔 반경이 작고, 정확도가 낮다. 아울러 점군(point clouds) 수집에 있어 정교함이 부족하나 대규모 지역의 신속한 자료 수집과 부착형 지상 레이저 스캐닝 시스템 보다 산발된 대상지에 대한 이동성이 용이한  장점이있다. 이러한 기술의 발달은 특정 지역의 산림자료 수집 시, 상층과 하층을 포함한 대규모 지역의 정밀한 식생 분포 및 산림의 다양한 환경의 정보가 반영된 정교한 자료 수집과 시각화가 가능하다. 이러한 지상 레이저 스캐닝 시스템과 점군(point clouds) 자료는 엽면적 지수, 산림 병해충 분포, 입목 개체목 특성 분석, 산림 바이오매스와 생태계 분석 분야에 널리 사용된다. 지상 레이저 스캐닝 시스템의 산림 적용 관련 국외논문에서는, Simonse et al.(2003)는 수치지형모델에서 수고를 제거하고 2D Hough 변환 및 점군(point clouds)를 이용한 입목 탐지와 흉고직경의 측정을 수행하였다. 이 방법은 Aschoff and Spieker(2004)에 의해 다양한 수고를 지닌 임분에서 직경을 추출할 수 있는 방법으로 발전했다(Aschoff and Spiecker, 2004). Gorte and Winterhalder(2004) 그리고 Pfeifer et al.(2004)는 3차원 공간에 점군(point clouds)을 투영하여 개개목의 형태적 골격을 생성했으며, 여기서 3차원 구조 요소와 연결 분석을 이용해 임목의 줄기와 가지를 추출했다(Thies et al., 2004). 또한, Pfeifer and Winterhalder(2004)는 점군(point clouds)를 이용하여 3차원 임목 수형에 적합한 곡선 혹은 직선의 실린더를 적용하여 임목 수간을 추출하는 모델을 개발했다. Thies and Spiecker(2004)는 상기 개발한 방법론을 바탕으로 정확한 점군(point clouds) 자료의 확보를 위한 스캔 횟수에 대한 사례 연구를 실시하였다. 그 결과, 다중스캔 시 52%의 입목을 임분 내에서 정확하게 추출한 반면, 단일 스캔의 경우 22%의 정확도를 보였다. 또한 높은 정밀도로 임목의 위치를 탐지하였으나, 흉고직경값은 현장조사 결과와 비교했을 때 레이저 스캐너 자료 처리 결과 약 3.5 cm의 표준 편차를 보였다.

국내사례를 살펴보면, Park and Lee(2008)은 지상 레이저 스캐닝 시스템의 산사태 사전 모니터링 활용성 탐색을 위하여 시범사면의 인위적 변위 전후의 지상 레이저 스캐닝 시스템 기반 수치표고모델의 연산을 통해 변위의 정확도 평가를 수행하였다. 아울러 무타겟 토털스 테이션을 이용한 점군(point clouds) 정보를 바탕으로 개발된 수치표면모델과 수치표고모델의 추출 정확도를 평가하였다. 연구 결과, 지상 레이저 스캐닝 시스템은 수 mm의 미세한 변위를 높은 정확도로 관측이 가능하였고, 동시에 신속한 사면 지형정보 획득이 가능하였다.

Won et al.(2016)은 지상 레이저 스캐닝 시스템의 산사태 토석류 발생규모 산정 및 흐름 특성 예측의 유용성 검토를 위해 토석류 발생 실험 전후의 지상 레이저 스캐닝 시스템 기반 수치표고모델을 활용하여 지형변화 분석과 종·횡단 분석을 실시하였다. 그 결과, 정량적인 토석류 유역의 침식규모 산정이 가능하였으며, 종·횡 단면도 추출 시 현장측량 대비 지상 레이저 스캐닝 시스템의 효율성을 입증하였다. Seo et al.(2016)은 산사태 피해지의 토사 유입량의 정량적 분석을 위하여 지상 레이저 스캐닝 시스템 자료를 바탕으로 산사태피해 계류와 일반 산지의 토사 유입량을 상호 비교하였다. 비교 결과, 산사태 피해 계류의 토사 유입량이 일반산지에 비해 1.8배 높은 것으로 분석되었으며, 토사 유입량 추정 시 기존 측량 장비 대비 지상 레이저 스캐닝 시스템 장비의 활용 효율성을 확인하였다. 해외 연구와 국내 연구의 경향을 비교해 보면, 국내 연구는 사진측량기법 (photogrammetry)을 이용한 수목 추출 및 측정 기술에 대한 연구가 미미하고 산림 토양사면 적용 등의 연구가 많은 경향을 보였다. 본 리뷰의 분석 결과, 국내에서의 지상 레이저 스캐닝 시스템을 이용한 산림분야의 3차원 지도 제작 및 산림 인벤토리 구축 분야에 대한 다양한 시도가 필요한 것으로 판단된다.

4. 위성영상(Satellite images)

위성영상 자료는 오랫동안 기후, 식물, 토지 이용 변화를 감시하고 대단위 면적의 지상자료를 측정하고 모니터링 하는 데 많이 이용되고 있다. 1972년 지구 관측 임무를 맡은 최초의 민간 위성인 랜드샛 1호가 발사된 이후, 위성영상 자료 기반의 지구 시스템과 식물의 구조 파악을 위한 적용 방법에 연구가 증대되었다. 이러한 연구는 주로 미항공우주국(NASA)와 유럽우주국(ESA) 등 정부 기관이 제공하는 인공 위성 자료를 이용하여 진행되었다. 지난 40년간 국제적으로 위성을 활용하는 기관수가 급증하였고, 이는 높은 해상도의 위성영상, 관측 지역 빈도수 증가, 정교한 센서, 그리고 위성자료의 이용 비용 감소 효과로 이어졌다.

최근 위성영상 자료의 확산은 진보된 시각화 기술을 활용하여 NASA’sEarthExchange와 Google’sEarthEngine과 같은 병렬 처리 시설을 분배하는 처리 및 분석 기법의 혁명을 촉발시켰다. 최근에는 미항공우주국(NASA)의 랜드셋 8호와 유럽우주국(ESA)의 센티넬 2호가 완벽히 가동되면서, 일주일의 두 번에 걸쳐 지구 전체 범위의 촬영이 가능하다(Fig. 5)(Wulder and Coops, 2014). 이러한 위성영상 이미지는 무상으로 제공되며 탄소흡수 및 기후변화, 탄소 순환, 식물의 역학 같은 글로벌 시스템의 이해에 있어 상당한 발전을 촉진시켰다.

Fig. 5. NASA Landsat 8 and European Space Agency Sentinel-2.

위성 센서의 자료는 최소한 25년 동안 산림 자원 평가에 사용되어 왔으며, 많은 국가에서 국유림 재적과 임분의 수종 파악 제공의 기초자료로 활용되었다(Tomppo et al., 2010).

하지만 광학 위성영상 자료의 수집은 레이더와 LiDAR 등의 능동 감지 기술과는 달리 지표면으로부터 반사된 전자기 복사에너지에 의존한다. 이는, 대기 현상 및 주변 조도 등에 영향을 받기 때문에 유의미한 자료를 추출하기 위해 복잡한 보정이 필요하다. 이러한 제약에도 불구하고 최신 위성영상 자료는 광학영상기술의 발달과 함께 고해상도의 자료를 제공하며 더욱 정밀한 관측이 가능하게 발전되었다.

위성영상을 이용한 해외 연구 사례를 보면 Jaiswal et al.(2002)은 위성영상과 지리정보시스템(Geographic information system; GIS) 자료를 기반으로 산불피해지역 및 위험지역을 분석하였다. 위성영상 자료를 이용하여 산불의 식별 및 산불 피해 지역의 추출 및 빈도를 분석하고, 산불 위험 지역을 추정하기 위해 지리정보시스템을 바탕으로 다양한 산불 유발 요인을 통합 및 분석 하여 산불 위험 추출 모델을 개발하였다.

Chung and Le(1984)은 산불 연무의 대기 영향을 파악 하기 위해 위성영상을 이용한 산불 연무 탐지 연구를 실시하였다. 본 연구에서는 대기환경서비스 위성영상으로 기상정보와 대기인자의 자료를 연계하여 정밀조사 하고 false color 기법을 활용하여 산불 연무와 구름을 구분할 수 있었다. 연구결과, 산불의 강도가 심한 지역은 많은 연무를 유발하며 대기환경에 많은 영향을 미치는 것으로 나타났다. 또한 Mohammadi et al.(2019)은 위성영 상과 Support Vector Machine(SVM)기법을 이용하여 산림지역의 토지변화를 분석하였다. 2008년부터 2017년도의 랜드셋 7호 위성영상을 이용하여 토지의 시계열적 변화를 탐지하였고, 그 결과 SVM기법이 토지 변화를 추정하는 데 높은 정확성을 보였다. 아울러 본 연구 결과는 국가의 토지변화를 추정하는 데 위성영상의 국가 토지변화 추정 활용에 대한 중요성을 입증하였다. 국내의 위성영상을 이용한 산림분야 연구를 보면, Chang et al.(2012)은 고해상도 위성영상을 활용한 수관밀도 추정 효용성을 검증하고자 아리랑 2호(KOMPSAT-2) 영상에 판별 분석 기법과 산림 비율 기법을 각각 적용하여 추정된 수관밀도 결과를 현장 조사 및 영상 판독을 통해 제작한 참조자료와 비교 평가하였다. 그 결과, 판별 분석 기법은 약 60%, 산림 비율 기법은 약 83%의 정확도를 보였다. 이처럼 전체 정확도는 높은 수준이나 세부 정확도는 낮아 실용성 확보를 위하여 추가적인 알 고리즘 개발 필요성을 제시하였다.

또한 위성영상 자료를 이용한 대단위 면적의 산림 바이오매스 추정연구가 활발히 진행되고 있다(Fig. 6). Lee and Ru(2012)는 LiDAR 자료와 고해상도 위성영상을 이용하여 산림 바이오매스를 추정하였다. 연구결과, 객체목의 수고자료를 이용하여 임상별 산림 바이오매스와 이산화탄소 흡수량 산정 모델을 개발하였고, 바이오매스 추정값과 현장조사와의 유사성은 평균 90% 이상으로 높게 분석되었다. 또한, Yim et al.(2009)은 위성영상 자료 및 국가 산림자원조사 자료를 이용하여 산림 바이오매스를 추정하였다. 바이오매스 추정에는 회귀모형과 최근린 기법(k-Nearest Neighbor)을 사용하였고, 적용된 방법별 추정된 바이오매스 결과 간 비교를 위해 교차대조법을 이용하여 평균제곱근편차(Root Mean Square Error)와 평균편의(Mean Bias)를 산출하였다. 그 결과, 두 방법 모두 유사한 평균제곱근편차와 평균 편의를 나타내 정확성에서는 큰 차이가 없는 것으로 나타났다.

Fig. 6. An example of forest volume estimation model using satellite images (a. satellite images in Danyanggun, b. volume prediction result).

Kim(2004)는 랜드셋 TM 위성영상을 이용한 임상별 온도분포를 연구하였다. 지리정보시스템으로 임상구성을 임상, 영급, 경급별로 분류하고, 분류별 온도분포 특성을 파악하였다. 그 결과, 영급과 경급이 큰 지역에서 산림 표면의 온도가 평균보다 낮은 경향을 보이는 것을 발견하였다. 위성영상을 이용한 산림분야 적용 연구는 다른 원격 탐사와 비교하여 국내에서 보다 활발한 연구가 진행되는 것으로 파악되었다. 아울러 국내 연구에서 광학영상을 이용한 산림분야 연구가 합성 개구 레이다(Synthetic Aperture Radar; SAR) 및 다른 원격탐사 기술을 이용한 연구들에 비해 비교적 다양하게 진행되었다. 향후 국내에서는 광학 위성영상을 통한 분석보다 좀더 다양한 외부인자 및 원격탐사 자료를 활용한 복합적 분석이 필요할 것으로 판단된다.

5. 무인항공기(Unmanned aerial vehicles; UAV)

무인항공기(Unmanned aerial vehicles; UAV)는 최근 센서의 경량화 등 과학 기술의 발달에 따라 다양한 분야의 적용이 이루어지면서 이를 이용한 다양한 연구가 진행되고 있다. 기존의 원격 탐사는 인공위성과 유인 항공기를 이용했지만, 최근 몇 년 동안 무인항공기의 배터리 대용량화 및 이륙모터의 발달로 비행시간이 늘어 나고 부착가능한 다양한 센서를 통하여 실시간으로 다양한 자료 수집이 가능하게 되었다(Fig. 7). 센서 하드웨어 제조업체들은 무인항공기의 발전과 함께 무인항공기 전용 센서를 다양하게 생산하고 있으며, 수많은 신생 기업들이 무인항공기로부터 원격 탐사를 위한 새로운 기회를 제공하고 있다. 현행 무인항공기는 항공법에 따라 무인항공기 사용이 제한된다. 일례로, 주간시간에 제한된 운행가능, 운영자의 시야 범위 내 운행제한 등이 있으며, 이는 산림 분야를 포함한 다양한 분야의 즉각적인 무인항공기 적용에 제한 요소가 된다. 이에 무인항공기 전문 운영자격증을 국가단체에서 발급하며, 전문 무인항공기 운영자는 항공법에 따라 인가를 신청 할 수 있으며, 특정 상황에서 무인항공기 사용 제한을 완화할 수 있는 자격 등의 조치가 필요하다.

Fig. 7. Unmanned aerial vehicles equipped with multi spectral sensors.

무인항공기의 이용에 대한 사회적 요구 증가, 기술적 진보, 잠재적 이익에 따라 무인항공기의 이용에 대한 많은 규제가 완화되고 있으며, 기술적 발전이나 입법적 발전이 무인항공기의 확대 이용을 위한 촉매제가 될지는 아직 확실하지 않지만 정밀 임업에 있어 점점 더 중요 한 역할이 기대되고 있는 것은 사실이다.

무인항공기의 이용에 있어 기존 항공 플랫폼과 비교하여 가장 큰 장점은 저렴한 운행 비용이다. 저렴한 비용과 유연한 자료 수집은 무인항공기의 다양한 분야에 대한 적용을 급속도로 확대시키고 자료를 수집할 수 있는 빈도가 크게 증가한다는 것을 의미한다. 무인항공기 기술은 아직 초기 단계에 있지만, 수많은 연구팀이 항법 시스템 개발, 통신, 소프트웨어 및 센서 통합에 관한 활발한 연구를 진행하고 있다. 산림과 관련된 기타 무인항공기 어플리케이션에는 산림 현황, 산불 모니터링 및 환경 모니터링, 생물 다양성 분석 및 토지 이용 분류가 포함된다(Fig. 8). 소형화된 센서와 발전된 컴퓨팅 파 워의 등장으로 소규모 영역에서의 높은 해상도와 낮은 비용으로 광도 측정 제품의 생산이 용이해짐에 따라, 광도 측정은 무인항공기 플랫폼과 결합될 때 산림분야의 다양한 분석을 가능하게 한다.

Fig. 8. Determination of forest fire severity using UAV and multispectral images (a. photograph plan, b. acquisition of multispectral images using UAV, c. image preprocessing (radiometric calibration, geometric calibration).

적절한 장비를 갖춘 무인항공기는 중복된 2차원 사진으로부터 3차원 구조를 재구성할 수 있는 충분한 이미지를 수집할 수 있으며, 이러한 이미지들은 수치지형 모델과 수치표면모델을 제작하는 데 널리 사용되어 많은 산림분야 적용에 유용하다.

임업적 관점에서, 산림의 고밀도 점군(point clouds)을 생산하기 위한 사진측량(photogrammetry)의 적용은 훨씬 더 낮은 비용으로 항공 레이저 스캐닝의 이익에 필 적할 수 있는 비용 효과적인 방법을 제공하는 많은 잠재력을 지닌 분야다. 하지만, 산림적용에서 제약되는 것은 수관이 뒤덮인 영역의 자료 수집 시 지형을 감지할 수 없다는 것이다. 그러나 해당 영역에 대해 참조할 수 있는 수치지형모델이 구축된 경우, 이러한 단점의 개선이 가능하고, 이를 통해 지면의 점군(point clouds)의 추출이 가능하다. 산림분야에서 무인항공기에 대한 잠재적인 응용이 광범위하기 때문에, 산림분야에 무인항공기 서비스를 개발하고 제공하는 많은 시도가 있다.

산림분야에 가능한 무인항공기의 적용에는 지도화, 산림병해충 탐지, 사진측량(photogrammetry)을 이용한 임분 시각화 및 임분 특성 분석, 산림자원의 LiDAR 자료 추출, 산림 미이용 바이오매스 추정, 기상 및 재해에 따른 손실 평가 등이 포함된다. 해외에서 무인항공기를 이용한 산림 분석의 예로는, 호주 타즈매니아 대학 연구팀은 산림 측정용 무인항공기를 개발하는 데 상당한 진전을 이루었다. Wallace et al.(2012)는 제한된 비행 범위(200 m)를 가진 옥토콥터 무인항공기에 레이저 스캐너와 광학 비디오 카메라를 탑재하고, 이를 이용해 매우 밀집된 점군(point clouds)(m2당 65점)를 수집했다. 수집된 점군(point clouds)은 나무 높이, 위치 및 수관 폭을 추출하는 데 사용되었다. 또한 동일한 장치를 사용하여 임목의 성장을 모니터링하고 유칼립투스 임분의 수고 높이를 측정했다. Dandois et al.(2015)은 무인항공기를 이용한 점군(point clouds)을 수집하여 산림 수관의 3차 원 지도를 구축하였다. 3차원 지도화를 위해 structure from motion(SFM) 알고리즘을 사용하였고 자료의 질을 향상시키기 위해 무인항공기 고도와 이미지 중첩, 날씨 등의 인자를 이용하여 수관의 3차원 다중 점군(point clouds) 지도화를 실시하였다. 그 결과, 조명의 차이 고도 등은 산림의 수관부 지도 제작에서 통계적으로 유의미한 영향을 미치지 않은 것을 알 수 있었다,

국내 무인항공기를 활용한 산림 관련 연구는 산사태, 산림병해충과 같은 산림재해 그리고 개체목, 수관폭, 엽면적 지수와 같은 산림속성정보를 추출하는 연구들이 수행되었다. 그 가운데 산림병해충의 탐지, 방제와 관련된 연구가 주를 이었고 다른 연구들은 초기 탐색 단계로 보였다. 무인항공기를 이용한 국내의 산림재해 관련 연구는 다음과 같다. Lee et al.(2019)은 무인항공기 촬영 영상을 이용하여 감독 분류 기법 적용을 통한 소나무 재선충병 의심목 탐지 가능성을 검증하고자 무인항공기 기반 고해상도 영상에 ANN(Artificial Neural Network)와 SVM(Support Vector Machine) 기법을 각각 적용하고, 각 기법의 병해 의심목 탐지 결과 간 정확도 산출과 현장 조사를 통한 정확도 신뢰성 검증을 수행하였다. 의심목 탐지 정확도 결과, 적용한 기법 모두 80% 이상의 정확도를 보였고, SVM이 ANN보다 전체 정확도가 높았다. 이러한 결과를 통해 소나무 재선충 의심목 탐지에 대한 무인항공기와 감독 분류 기법의 활용성을 확인하였고, 무인항공기 촬영 영상의 분류 정확도 향상을 위한 오차요인의 최소화 방법을 제안하였다. Kim et al. (2017)은 소나무 재선충병 선단지에서의 무인항공기 활용 가능성을 확인하고 현장조사 기법 방안을 제시하고자 무인항공기로 촬영한 선단지의 고해상도 영상을 바탕으로 육안 판독을 통해 추출된 피해 의심목 탐지 결과와 현장조사 결과를 비교하였다. 그 결과, 선단지에서의 의심목 탐지 검출률은 약 10%로 낮은 수준이었으나 이는 선단지 특성상 의심목 검출 제약에 따른 것으로 확인하였다. 이에 비용 효율적이면서 피해목 검출률을 향상시키기 위해 기존 지상 예찰 방식에 무인항공기 활용을 병행하는 것을 제안하였다. Lee et al.(2019)는 소나무 재선충의 매개충인 솔수염 하늘소의 다양한 무인항 공기별 방제효과를 비교하고자 우리나라에서 대표적으로 사용되는 회전형 무인항공기와 무인헬기의 약제 살포 후의 방제효과, 수관 위치별 잔류량을 조사하였다. 그 결과, 무인헬기가 회전형 무인항공기에 비해 방제효과가 높았고, 무인 헬기는 수관위치별 방제효과에 차이가 없었으나 회전형 무인항공기 수관 중부에서 효과가 높은 것으로 나타났다.

Lee et al.(2016)은 접근성이 제한되는 산림훼손지역의 복원계획 및 설계에 활용될 기초자료 생성을 위한 무인 항공기 활용 가능성을 탐색하고자 연구지역의 훼손 후 무인항공기 기반 정사영상과 수치표고모델 그리고 훼손 전 항공 LiDAR 자료를 이용하여 성·절토량 분석, 경사 및 기울기 변화 분석, 재해위험지역 분석을 수행하였다. 재해위험지역분석 결과에서는 사면 슬라이딩, 사면 붕괴, 산사태 등 재해 발생 시 산림훼손 피해예상 지역 예측이 가능한 것으로 나타났다. Lee et al.(2018)은 도로변 산사태 발생 위험지역의 무인항공기 기반 지형자료 활용과 적용 가능성을 탐색하기 위해, 무인항공기로 획득한 영상으로 가공한 정사영상 및 수치표면모델로 추출한 산사태 위험도 분석 결과와 국내 기존 수치지도 자료로 획득한 분석결과를 비교 분석하였다. 그 결과, 무인항공기를 통해 소규모산지 재해 발생 위험지역에 대한 비용 효율적인 최신 정보 제공이 가능할 것으로 평가하였다. Bang et al.(2018)은 기존 항공사진의 수고 산정 방식으로 대안으로 무인항공기의 활용성을 탐색하기 위해 무인항공기 촬영 영상 기반 수치표면모델과 1:1,000 수치지도로 제작된 수치표고모델로 산출한 수고와 항공사진으로 산출한 수고를 상호 비교하였다. 비교 결과, 최대 수고는 0.2 m, 최저 수고는 0 m, 평균 수고는 0.5 m의 차이가 나타나 무인항공기 영상을 통해 신뢰성 있는 수고 산출이 가능함을 확인하였다.

하지만 무인항공기를 이용한 연구는 기술·환경적 측 면에서 개선이 필요한 부분이 존재한다. 무인항공기의 현재 전력 공급을 담당하는 배터리 용량의 한계로 20~30분 수준의 짧은 체공 능력에 대한 단점이 있다. 이러한 비행시간의 제한은 비행제공시간과 더불어 회귀에 이르는 시간까지 고려할 때 무인항공기의 비행이 가능한 공간의 제약에 영향을 미친다. 또한, 산림지역에서 의 무인항공기 운용 시 추락 및 사고가 발생한 경우 산림지역내에서 불시착하게 된다. 이때 기계적 결함이 발생한 무인항공기에 의한 산불 위험 발생 가능성이 있으며, 실제로 산불 사례가 제시되고 있다(Réstas, 2006).

산림분야의 무인항공기의 다양한 적용을 위해서는 위에서 제시한 기술적 한계를 극복한 임분 내 비행 (under canopy) 등 다양한 산림 인벤토리 구축 방법의 사례연구가 필요하다(Fig. 9).

Fig. 9. Forest inventory assessment integrated UAV and photogrammetric methods (a. point clouds data collection using stereo camera equipped on UAV, b. gathering forest inventory data through under canopy flying, c. reconstruction forest stand using point clouds data and photogrammetric techniques).

6. 결론

원격탐사 기술은 지구 전역에 분포된 산림을 포함한 대단위 면적에서 발생하는 자연 현상에 대한 현황 파악과 이를 효율적으로 관리하는 중요한 기술이다. 산림분야에서도 센서의 경량화 등 기술적 발달로 인하여 방대한 자료의 수집이 가능해지고, 이를 이용 및 분석할 수 있는 정밀 임업이 세계적으로 많은 관심을 받고 있다.

이에 본 연구에서는 정밀 임업의 핵심 기술인 원격탐사 기술의 산림 분야에 대한 다양한 적용가능성을 검토 해보고, 국내·외 연구 사례의 리뷰를 통해 향후 국내의 정밀 임업이 지향해야 할 방안을 모색해 보고자 총 46편의 peer review paper를 분석하였다. 그 결과, 국내는 위성영상 중 광학영상을 중심으로 입목, 임분 등 규모별 산림 지역의 산림 특성을 파악하는 연구가 지배적인 반면 사진측량(photogrammetry) 및 3차원 분석은 부족한 실정으로 나타났다. 특히 국외의 연구와 비교하여 지상레이저 스캐닝, LiDAR 기술 등의 적용이 비교적 미미하였다. 무인항공기의 산림 분야 적용 연구에서도 대다수 연구가 광학 영상을 이용한 분석에 중점을 두었고, 그 외의 점군(point clouds)을 이용한 3차원 및 산림 인벤토리 관련 연구는 많이 부족한 실정이다. 본 연구에서 언급한 바와 같이 향후 국내에서의 정밀 임업의 활성화를 위해서는 다양한 자료를 이용한 산림분야의 적용가능성에 대한 기초 연구와 정밀 임업에 사용 가능한 자료 획득을 위한 정책적 지원 및 기술 확립이 필요하다. 또한 정밀 임업의 발전을 위해서는 자료의 사유화가 아닌 다양한 사용자가 이용할 수 있는 산림분야에 적용 가능한 자료 이용 및 구축 방안이 요구된다.

사사

본 연구는 산림청(한국임업진흥원) 산림과학기술 연구개발사업(2018112B10-1920-BB01, 2019149C10-1923- 0301)의 지원에 의하여 이루어진 것입니다.

Acknowledgement

Supported by : 한국임업진흥원

References

  1. Arroyo, L.A., C. Pascual, and J.A. Manzanera, 2008. Fire models and methods to map fuel types: the role of remote sensing, Forest Ecology and Management, 256(6): 1239-1252. https://doi.org/10.1016/j.foreco.2008.06.048
  2. Aschoff, T. and H. Spiecker, 2004. Algorithms for the automatic detection of trees in laser scanner data, International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 36(8).
  3. Bang, D.S., D.G. Lee, S.R. Yang, and H.J. Lee, 2018. Study on the tree height using unmanned aerial photogrammetry method, Journal of the Korean Association of Geographic Information Studies, 21(3): 35-47 (in Korean with English abstract). https://doi.org/10.11108/kagis.2018.21.3.035
  4. Chang, A.J., K.Y. Yu, Y.I. Kim, and B.K. Lee, 2006. Estimation of individual tree and tree height using color aerial photograph and LiDAR data, Korean Journal of Remote Sensing, 22(6): 543-551 (in Korean with English abstract).
  5. Chang, A.J., Y.M. Kim, Y.I. Kim, B.K. Lee, and Y.D. Eo, 2012. Estimation of canopy cover in forest using KOMPSAT-2 satellite images, Journal of the Korean Society for Geospatial Information Science, 20(1): 83-91 (in Korean with English abstract).
  6. Chung, Y.S. and H.V. Le, 1984. Detection of forest-fire smoke plumes by satellite imagery, Atmospheric Environment, 18(10): 2143-2151. https://doi.org/10.1016/0004-6981(84)90201-4
  7. Dandois, J., M. Olano, and E. Ellis, 2015. Optimal altitude, overlap, and weather conditions for computer vision UAV estimates of forest structure, Remote Sensing, 7(10): 13895-13920. https://doi.org/10.3390/rs71013895
  8. Dash, J., D. Pont, R. Brownlie, A. Dunningham, M. Watt, and G. Pearse, 2016. Remote sensing for precision forestry, NZ Journal of Forestry, 60(4): 15-24.
  9. Ene, L.T., E. Naesset, T. Gobakken, T.G. Gregoire, G. Stahl, and R. Nelson, 2012. Assessing the accuracy of regional LiDAR-based biomass estimation using a simulation approach, Remote Sensing of Environment, 123: 579-592. https://doi.org/10.1016/j.rse.2012.04.017
  10. Hwang, S.R., S.J. Kim, and I.P. Lee, 2010. Detection of forest areas using airborne LiDAR data, Journal of Korea Spatial Information Society, 18(3): 23-32 (in Korean with English abstract).
  11. Hill, R.A. and R.K. Broughton, 2009. Mapping the understorey of deciduous woodland from leaf-on and leaf-off airborne LiDAR data: A case study in lowland Britain, ISPRS Journal of Photogrammetry and Remote Sensing, 64(2): 223-233. https://doi.org/10.1016/j.isprsjprs.2008.12.004
  12. Jaiswal, R.K., S. Mukherjee, K.D. Raju, and R. Saxena, 2002. Forest fire risk zone mapping from satellite imagery and GIS, International Journal of Applied Earth Observation and Geoinformation, 4(1): 1-10. https://doi.org/10.1016/S0303-2434(02)00006-5
  13. Jensen, J.R., 2005. Digital image processing: a remote sensing perspective, Prentice Hall, Upper Saddle River, NJ, USA.
  14. Kaartinen, H., J. Hyyppa, X. Yu, M. Vastaranta, H. Hyyppa, A. Kukko, M. Holopainen, C. Heipke, M. Hirschmugl, F. Morsdorf, E. Naesset, J. Pitkanen, S. Popescu, S. Solberg, B.M. Wolf, and E. Naesset, 2012. An international comparison of individual tree detection and extraction using airborne laser scanning, Remote Sensing, 4(4): 950-974. https://doi.org/10.3390/rs4040950
  15. Kim, M.J., H.S. Bang, and J.W. Lee, 2017. Use of unmanned aerial vehicle for forecasting pine wood nematode in boundary area: A case study of Sejong metropolitan autonomous city, Journal of Korean Forest Society, 106(1): 100-109 (in Korean with English abstract). https://doi.org/10.14578/JKFS.2017.106.1.100
  16. Kim, Y.P., 2004. A study on temperatures distribution of forest type class using Landsat TM, The Journal of Korean institute of Forest Recreation, 8(3): 11-17.
  17. Kwak, D.A., W.K. Lee, and M.H. Son, 2005. Application of LiDAR for measuring individual trees and forest stands, Journal of Korean Forest Society, 94(6): 431-440 (in Korean with English abstract).
  18. Lee, D.K., J.E. Ryu, E.Y. Kim, and S.W. Jeon, 2008. Analysis of forest structure using LiDAR data: A case study of forest in Namchon-Dong, Osan, Journal of Environmental Impact Assessment, 17(5): 279-288 (in Korean with English abstract).
  19. Lee, H.J. and J.H. Ru, 2012. Application of LiDAR data & high-resolution satellite image for calculate forest biomass, Journal of the Korean Society for Geospatial Information Science, 20(1): 53-63 (in Korean with English abstract). https://doi.org/10.7319/kogsis.2012.20.1.053
  20. Lee, J.H., K.W. Jun, and B.H. Jun, 2018. Application of drones for the analysis of hazard areas in mountainous disaster, Journal of the Korean Society of Safety, 33(3): 65-70 (in Korean with English abstract). https://doi.org/10.14346/JKOSOS.2018.33.3.65
  21. Lee, S.H., B.K. Lee, J.K. Kim, and C.J. Kim, 2009. Accuracy evaluation of LiDAR measurement in forest area, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 27(5): 545-553 (in Korean with English abstract).
  22. Lee, S.K., 2019. Introduction of phase 2 development project for compact advanced satellite, Korea Forest Service, Daejeon, South Korea.
  23. Lee, S.K., S.J. Park, G.M. Baek, H.B. Kim, and C.W. Lee, 2019. 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
  24. Lee, Y.S., D.G. Lee, Y.G. Yu, and H.J. Lee, 2016. Application of drone photogrammetry for current state analysis of damage in forest damage areas, Journal of the Korean Society for Geospatial Information Science, 24(3): 49-58 (in Korean with English abstract). https://doi.org/10.7319/kogsis.2016.24.3.049
  25. Maclean, G.A. and W.B. Krabill, 1986. Gross-merchantable timber volume estimation using an airborne LIDAR system, Canadian Journal of Remote Sensing, 12(1): 7-18. https://doi.org/10.1080/07038992.1986.10855092
  26. Martin, R., H. Bernhard, V. Michael, and P. Norbert, 2011. Digital terrain models from airborne laser scanning for the automatic extraction of natural and anthropogenic linear structures, Developments in Earth Surface Processes, 15: 475-488.
  27. Mohammadi, A., H. Shahabi, and B.B. Ahmad, 2019. Land-cover change detection in a part of Cameron highlands, Malaysia using ETM+ satellite imagery and Support Vector Machine (SVM) algorithm, EnvironmentAsia, 12(2): 145-154.
  28. Nagler, P.L., 2001. Remote sensing applications: Environmental assessment of the Colorado River delta in Mexico, The University of Arizona, Tucson, Arizona, USA.
  29. Nilsson, M., 1996. Estimation of tree heights and stand volume using an airborne LiDAR system, Remote Sensing of Environment, 56(1): 1-7. https://doi.org/10.1016/0034-4257(95)00224-3
  30. Park, J.K. and S.Y. Lee, 2008. An Accuracy assessment of the terrestrial LiDAR for landslide monitoring, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 26(2): 117-127 (in Korean with English abstract).
  31. Park, T.J., D.A. Kwak, W.K. Lee, and J.Y. Lee, 2011. Stand species classification and biomass estimation using LiDAR data, Proc. of 2011 Korean Society for Geospatial Information Science, Daejeon, May 20, vol. 5, pp. 159-162.
  32. Pfeifer, N., B. Gorte, and D. Winterhalder, 2004. Automatic reconstruction of single trees from terrestrial laser scanner data, Proc. of 2004 International Archives of Photogrammetry, Remote Sensing and Spatial Information Science World Congress, Istanbul, Jul. 12-23, vol. 35, pp. 114-119.
  33. Pfeifer, N. and D. Winterhalder, 2004. Modelling of tree cross sections from terrestrial laser scanning data with free-form curves, International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 36(8): 76-81.
  34. Restas, A., 2006. The regulation Unmanned Aerial Vehicle of the Szendro Fire Department supporting fighting against forest fires 1st of the world, Forest Ecology and Management S, 234: S233. https://doi.org/10.1016/j.foreco.2006.08.260
  35. Seo, J.P., C.W. Lee, D.Y. Kim, and C.S. Woo, 2016. Estimating of annual sediment yield at mountain stream in fire/landslide damaged forest by using terrestrial LiDAR spatial analysis, Journal of the Korean Society of Hazard Mitigation, 16(6): 219-227 (in Korean with English abstract). https://doi.org/10.9798/KOSHAM.2016.16.6.219
  36. Seo, J.P., K.D. Kim, and C.S. Woo, 2019. Analysis on displacement characteristics of slow-moving landslide on a slope near road using the topographic map and airborne LiDAR, Journal of the Korea Academia-Industrial Cooperation Society, 20(5): 27-35 (in Korean with English abstract). https://doi.org/10.5762/KAIS.2019.20.5.27
  37. Simonse, M., T. Aschoff, H. Spiecker, and M. Thies, 2003. Automatic determination of forest inventory parameters using terrestrial laser scanning, Proc. of the scandlaser scientific workshop on airborne laser scanning of forests, Umea, Sep. 3-4, vol. 2003, pp. 252-258.
  38. Song, C.C., W.K. Lee, H.S. Jeong, and K.K. Lee, 2008. 3D surface model reconstruction of aerial LiDAR (Light Detection And Ranging) data considering land-cover type and topographical characteristic, The Journal of Geographic Information System Association of Korea, 16(1): 19-32 (in Korean with English abstract).
  39. Suarez, J.C., C. Ontiveros, S. Smith, and S. Snape, 2005. Use of airborne LiDAR and aerial photography in the estimation of individual tree heights in forestry, Computers & Geosciences, 31(2): 253-262. https://doi.org/10.1016/j.cageo.2004.09.015
  40. Tang, H., M. Brolly, F. Zhao, A.H. Strahler, C.L. Schaaf, S. Ganguly, G. Zhang, and R. Dubayah, 2014. Deriving and validating Leaf Area Index (LAI) at multiple spatial scales through lidar remote sensing: A case study in Sierra National Forest, CA, Remote Sensing of Environment, 143: 131-141. https://doi.org/10.1016/j.rse.2013.12.007
  41. Thies, M. and H. Spiecker, 2004. Evaluation and future prospects of terrestrial laser scanning for standardized forest inventories, Forest, 36(8/W2): 192-197.
  42. Thies, M., N. Pfeifer, D. Winterhalder, and B. G. Gorte, 2004. Three-dimensional reconstruction of stems for assessment of taper, sweep and lean based on laser scanning of standing trees, Scandinavian Journal of Forest Research, 19(6): 571-581. https://doi.org/10.1080/02827580410019562
  43. Tomppo, E., T. Gschwantner, M. Lawrence, R.E. McRoberts, K. Gabler, K. Schadauer, C. Vidal, A. Lanz, G. Stahl, E. Cienciala, G. Chirici, S. Winter, A. Bastrup-Birk, S. Tomter, G. Kandler, and M. McCormick, 2010. National forest inventories, Springer, Berlin, Germany.
  44. Vauhkonen, J., I. Korpela, M. Maltamo, and T. Tokola, 2010. Imputation of single-tree attributes using airborne laser scanning-based height, intensity, and alpha shape metrics, Remote Sensing of Environment, 114(6): 1263-1276. https://doi.org/10.1016/j.rse.2010.01.016
  45. Wallace, L., A. Lucieer, C. Watson, and D. Turner, 2012. Development of a UAV-LiDAR system with application to forest inventory, Remote Sensing, 4(6): 1519-1543. https://doi.org/10.3390/rs4061519
  46. Won, S.Y., S.W. Lee, J.C. Paik, C.Y. Yune, and G.H. Kim, 2016. Analysis of erosion in debris flow experiment using terrestrial LiDAR, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 34(3): 309-317 (in Korean with English abstract). https://doi.org/10.7848/ksgpc.2016.34.3.309
  47. Woo, C.S., J.S. Yoon, J.I. Shin, and K.S. Lee, 2007. Automatic extraction of individual tree height in mountainous forest using airborne LiDAR data, Journal of Korean Forest Society, 96(3): 251-258 (in Korean with English abstract).
  48. Wulder, M.A. and N.C. Coops, 2014. Satellites: Make earth observations open access, Nature News, 513(7516): 30. https://doi.org/10.1038/513030a
  49. Yim, J.S., W.S. Han, J.H. Hwang, S.Y. Chung, H.K. Cho, and M.Y. Shin, 2009. Estimation of forest biomass based upon satellite data and national forest inventory data, Korean Journal of Remote Sensing, 25(4): 311-320 (in Korean with English abstract).