지상 및 드론라이다를 활용한 수목 재적 측정에 관한 연구

Study on Tree Volume Measurement Using Terrestial and Airbone Laser Scanners

본 연구에서는 인간의 측정으로 인한 오차를 보완하고자 고정밀 측량기술인 라이다(LiDAR)를 활용하여 수목 재적 측정에 대한 정확성 및 일관성 있는 데이터 취득이 가능하도록 하고자 하였다. 이에 지상라이다(TLS)와 드론라이다(ALS)를 혼용하여 각 방법에 따라 측정되는 수목 재적값들에 대해 비교 검증을 실시하였다. 측정 방법에 따른 수목의 3D 데이터를 살펴본 결과, 지상라이다의 출력 데이터는 수목의 수관부가 미비하였으며, 드론라이다의 출력 데이터는 수목의 수간부가 미비한 것을 확인하였다. 이에 두 가지 데이터를 정합하는 방법을 통해 수목의 완전한 형태를 구축하고자 하였다. 그리고 각 방법에 따라 출력된 포인트 클라우드 데이터를 통해 수목의 재적값들에 대해 두 번의 검증을 실시하였다. 1차 검증으로 지상라이다에 대한 정확성 검증을 실시한 결과, 수고가 기존의 현장조사 측정값에 비해 1-3m 내외의 차이를 보였다. 이는 라이다의 원리에 따라 수목의 밀도 또는 지형 및 지물에 영향을 받는 것으로 판단된다. 2차 검증에서는 지상라이다, 드론라이다, 지상라이다 및 드론라이다 정합 데이터를 각각 비교하였다. 각 측정 방법에 따른 수고와 흉고직경값을 비교를 위해 현장조사 측정값을 기준으로 Bland-Altman 기술통계를 실시하였다. 결과를 살펴보면, 수고는 드론라이다 측정법이 반복성 계수가 높게 나타나 일치성이 가장 부족한 것으로 나타났으며, 드론 및 지상라이다 정합데이터값이 가장 낮게 나타나 일치성이 높은 것으로 나타났다. 흉고직경은 지상라이다 측정법의 반복성 계수가 드론 및 지상라이다 정합데이터값과 유사한 값으로 낮게 나타나 일치성이 높은 것으로 나타났다. 따라서 수목에 대한 구조 측정시 드론 및 지상라이다 데이터를 중첩하는 방법은 보다 정밀한 수목 체적 정보를 도출할 수 있을 것으로 판단된다.

This study aimed to utilize LiDAR, a high-precision surveying technology, to compensate for errors caused by human measurements and obtain accurate and consistent data for tree volume measurement. To this end, a comparative verification of measured tree volume values by each method was conducted using terrestrial LiDAR (TLS) and drone LiDAR (ALS). As a result of examining the 3D data of trees according to the measurement method, it was confirmed that the output data of terrestrial LiDAR had insufficient crowns, and the output data of drone LiDAR had insufficient trunks. Therefore, the study attempted to establish a complete form by aligning the two data sets. In addition, two verifications of tree volume values were conducted using the point cloud data output by each method. As a result of the first verification, the accuracy verification of terrestrial LiDAR showed a difference of 1-3 m in tree height compared to the existing field survey measurement value. The discrepancy is believed to be due to the density of trees or terrain and features according to the principle of LiDAR. In the second verification, terrestrial LIDAR, drone LIDAR, terrestrial LIDAR, and drone LIDAR alignment data were compared. In order to compare the tree height and breast height diameter according to each measurement method, Bland-Altman descriptive statistics were performed based on the field survey measurement values. Considering the results, the drone LIDAR measurement method showed the highest repeatability coefficient, indicating the least consistency, while the drone and terrestrial LIDAR alignment data values showed the lowest repeatability coefficient, indicating high consistency. For the breast height diameter, the terrestrial LIDAR measurement method showed a low repeatability coefficient similar to the drone and terrestrial LIDAR alignment data values, indicating high consistency. Therefore, it is judged that the method of overlapping drone and terrestrial LIDAR data when measuring the structure of trees can derive more precise tree volume information.