KR102453056B1 - 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체 - Google Patents
라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체 Download PDFInfo
- Publication number
- KR102453056B1 KR102453056B1 KR1020200175899A KR20200175899A KR102453056B1 KR 102453056 B1 KR102453056 B1 KR 102453056B1 KR 1020200175899 A KR1020200175899 A KR 1020200175899A KR 20200175899 A KR20200175899 A KR 20200175899A KR 102453056 B1 KR102453056 B1 KR 102453056B1
- Authority
- KR
- South Korea
- Prior art keywords
- vegetation
- data
- restoration
- model
- standard
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012821 model calculation Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012876 topography Methods 0.000 claims description 7
- 238000010835 comparative analysis Methods 0.000 claims description 4
- 230000005477 standard model Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 235000008216 herbs Nutrition 0.000 abstract description 2
- 241000894007 species Species 0.000 description 17
- 244000305267 Quercus macrolepis Species 0.000 description 7
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 6
- 241000018646 Pinus brutia Species 0.000 description 6
- 235000011613 Pinus brutia Nutrition 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 235000011442 Prunus x yedoensis Nutrition 0.000 description 4
- 241000220307 Prunus yedoensis Species 0.000 description 4
- 241000208422 Rhododendron Species 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 244000273928 Zingiber officinale Species 0.000 description 3
- 235000006886 Zingiber officinale Nutrition 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 235000008397 ginger Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000167854 Bourreria succulenta Species 0.000 description 2
- 235000001543 Corylus americana Nutrition 0.000 description 2
- 240000007582 Corylus avellana Species 0.000 description 2
- 235000007466 Corylus avellana Nutrition 0.000 description 2
- 241000218691 Cupressaceae Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 241000218314 Liriodendron tulipifera Species 0.000 description 2
- 235000019693 cherries Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 241000208140 Acer Species 0.000 description 1
- 240000004731 Acer pseudoplatanus Species 0.000 description 1
- 235000002754 Acer pseudoplatanus Nutrition 0.000 description 1
- 241000157282 Aesculus Species 0.000 description 1
- 235000007866 Chamaemelum nobile Nutrition 0.000 description 1
- 235000007516 Chrysanthemum Nutrition 0.000 description 1
- 244000189548 Chrysanthemum x morifolium Species 0.000 description 1
- 244000223760 Cinnamomum zeylanicum Species 0.000 description 1
- 241000039951 Lithocarpus glaber Species 0.000 description 1
- 241000218378 Magnolia Species 0.000 description 1
- 244000042664 Matricaria chamomilla Species 0.000 description 1
- 235000007232 Matricaria chamomilla Nutrition 0.000 description 1
- 241000237502 Ostreidae Species 0.000 description 1
- 241000218657 Picea Species 0.000 description 1
- 235000006485 Platanus occidentalis Nutrition 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 241000124033 Salix Species 0.000 description 1
- 241000159243 Toxicodendron radicans Species 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 235000017803 cinnamon Nutrition 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000010181 horse chestnut Nutrition 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000020636 oyster Nutrition 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Graphics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
본 발명은 훼손된 지역의 식생을 복원하기 위한 수목과 초본 등의 복원 대상물을 포함하는 식생구조의 복원모델을 산출하여 적용하는 기술에 대한 것으로, 본 발명의 실시예에 따르면, 식생이 훼손된 복원 대상지에 대한 라이다 스캐닝 데이터를 분석하여 훼손지에 인접한 식생을 포함하는 복원지표를 산출하고, 정량화한 표준식생모델과 대비를 통해 복원식생모델을 자동으로 산출될 수 있도록 하여, 현장에 특화된 맞춤형 복원을 실현할 수 있다.
Description
본 발명은 훼손된 지역의 식생을 복원하기 위한 수목과 초본 등의 복원 대상물을 포함하는 식생수관 복원모델을 산출하여 적용하는 기술에 대한 것이다.
택지개발이나 건설공사 등 다양한 개발사업이 지속화 되는 최근의 추세에서 불가피하게 산림지역이 훼손이 점차 증가하고 있다. 그리고 택지개발이 끝난 지역에서는 개발로 훼손된 환경을 다시 개선하기 위하여 주거지역 또는 그 주변에 또 다시 공원을 조성하거나 훼손된 숲을 가꾸는 일이 다시 반복되고 있다.
그러나 공원이나 훼손된 숲을 복원하면서 목표가 잘못 설정되고 복원 방법 및 관리가 제대로 이루어지지 않아 외래종, 생태계 교란종 침입 등이 빈번히 발생하고 있으며, 이는 식생구조 불균형, 자생종 쇠퇴 등을 초래하여 생태복원지역의 성공적인 녹화 및 수종의 다양화를 어렵게 하고 있는 실정이다. 더욱이, 생태복원지역에 자생하는 식물의 종류와 층위가 다양하게 구성되지 못하면 생태복원 완료 당시에는 문제가 되지 않더라도, 일정 기간 이후 서서히 황폐해져 가는 문제도 발생하게 된다.
또한, 훼손지에 적용할 식생의 종류와 배치 등의 설계 시 현장 조사에서부터 시공에 이르기까지 객관적 정량적 근거 없이 설계가의 임의 판단에 의존하고 있어, 훼손지역에 적합한 식생 모델에 대한 현장의 정확한 측정과 객관화 정량화된 정보를 매칭하여 신뢰성 있는 복원 방법의 필요성이 커지고 있다.
본 발명은 상술한 필요성을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 식생이 훼손된 복원 대상지에 대한 3차원 레이저 스캐닝 데이터를 분석하여 훼손지에 인접한 자연식생을 모방하는 복원지표를 산출하고, 정량화한 표준식생모델과 대비를 통해 복원식생모델을 자동으로 산출될 수 있도록 하는 것으로, 이는 현장에 특화된 맞춤형 복원을 실현할 수 있고, 복원대상지에 대한 라이다 관측자료를 바탕으로 현장에 맞는 식생구조 및 분포 상태를 최적화한 데이터 가공기법으로 분석을 수행하여, 다양한 식생복원의 유형과 상황에 대해서도 객관적 정량적 평가결과인 표준식생모델을 바탕으로 맞춤형 식생복원안을 과학적으로 제시할 수 있는 시스템을 제공하는 데 있다.
상술한 과제를 해결하기 위한 수단으로서, 본 발명의 실시예에선 도 1 및 도 2에 도시된 것과 같이, 복원 대상 지역에 대하여 3차원 레이저 스캐너를 통해 점군 데이터를 취득하는 3차원 레이저 스캐너 모듈(100); 상기 3차원 레이저 스캐너 모듈(100)에서 전송되는 데이터를 가공하고 복셀화하여 식생 복원지표를 산출하고, 표준 식생 모델의 기준지표와 대비하여, 복원에 적용할 표준식생모델을 결정하는 복원모델산출모듈(200); 및 식생 분포 지역의 지형 및 식생정보를 바탕으로 표준식생 모델을 분류하여 저장하는 표준 식생모델 산출모듈(300);을 포함하며, 상기 표준식생모델 산출모듈(300)에서 제공되는 표준식생모델에 대한 식생 기준지표를 산출하고, 복원모델산출모듈(200)의 복원식생지표와 대비하여, 복원 대상지역에 적용하는 표준식생모델을 결정하는, 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출시스템을 제공할 수 있도록 한다.
또한, 본 발명의 다른 실시예에서는, 상술한 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출시스템을 이용하여, (a) 복원 대상지역에 대하여 3차원 레이저 스캐너 모듈을 통해 스캐닝 데이터를 데이터취득부에서 입력받는 단계; (b) 데이터표준화부에서 입력된 3차원 스캐닝 데이터에 대하여 지면높이를 제거하여 점군데이터의 높이 절대화처리를 수행하는 단계; (c) 점군데이터 높이절대화 처리가 수행된 데이터를 복셀화하는 단계; (d) 식생데이터산출부에서 샘플링된 복셀 단위 데이터를 이용하여, 데이터 내의 복원식생지표를 산출하는 단계; (e) 표준화 비교분석부에서, 상기 복원식생지표와 표준 식생모델 산출모듈에서 제공하는 기준지표를 대비하여, 유사도가 높은 표준식생모델을 매칭하는 단계;를 포함하는, 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출방법을 제공할 수 있도록 한다.
나아가, 본 발명의 실시예에서는, 상술한 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출방법을 수행하는 프로그램이 수록된 기록매체를 제공할 수 있도록 한다.
본 발명의 실시예에 따르면, 식생이 훼손된 복원 대상지에 대한 3차원 레이저 스캐너를 이용한 스캐닝 데이터를 분석하여 훼손지에 인접한 식생을 포함하는 복원지표를 산출하고, 정량화한 표준식생모델과 대비를 통해 복원식생모델을 자동으로 산출될 수 있도록 하여, 현장에 특화된 맞춤형 복원을 실현할 수 있는 효과가 있다.
또한, 복원대상지에 대한 3차원 레이저 스캐너(라이다) 관측자료를 바탕으로 현실적인 식생 분포의 상태를 최적화한 데이터 가공기법으로 분석을 수행하여, 다양한 식생복원의 전개양상에 대해서도 정량적 과학적 평가결과인 표준식생모델을 바탕으로 개선안을 객관적으로 제시할 수 있다.
도 1 내지 도 3는 본 발명에 따른 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출시스템의 구성 블록도이다.
도 4는 도 2에 따른 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출시스템을 적용하는 순서도이다.
도 5는 본 발명의 실시예에서, 복원 대상지역에 대하여 라이다모듈을 통해 스캐닝 데이터를 예시한 것이다.
도 6은 도 5의 데이터에 대해서, 데이터표준화부에서 입력된 라이다 스캐닝 데이터를 점군데이터 높이 절대화 처리를 수행한 결과를 도시한 것이다.
도 7은 식생데이터산출부에서 복셀화 데이터를 이용하여, 데이터 내의 식생 복원지표를 산출하는 데이터 내의 식생 복원지표를 산출하는 단계를 수행하는 알고리즘을 예시한 것이다.
도 8 내지 도 10 상술한 과정에서 수행된 식생구조 데이터(수관 구조)의 분석결과를 도시한 것이다.
도 4는 도 2에 따른 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출시스템을 적용하는 순서도이다.
도 5는 본 발명의 실시예에서, 복원 대상지역에 대하여 라이다모듈을 통해 스캐닝 데이터를 예시한 것이다.
도 6은 도 5의 데이터에 대해서, 데이터표준화부에서 입력된 라이다 스캐닝 데이터를 점군데이터 높이 절대화 처리를 수행한 결과를 도시한 것이다.
도 7은 식생데이터산출부에서 복셀화 데이터를 이용하여, 데이터 내의 식생 복원지표를 산출하는 데이터 내의 식생 복원지표를 산출하는 단계를 수행하는 알고리즘을 예시한 것이다.
도 8 내지 도 10 상술한 과정에서 수행된 식생구조 데이터(수관 구조)의 분석결과를 도시한 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예를 참조하면 명확해질 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1 내지 도 3은 본 발명의 실시예에 따른 3차원 레이저 스캐닝 데이터를 이용한 훼손지 식생 복원모델 산출시스템(이하, '본 발명'이라 한다.)의 주요 구성 블록도이다.
도 1 내지 도 3을 참조하면, 본 발명은, 복원 대상 지역에 대하여 3차원 레이저 스캐너를 통해 포인트 데이터를 취득하는 3차원 레이저 스캐너 모듈(100)과, 3차원 레이저 스캐너 모듈 (100)에서 전송되는 데이터를 가공하고 복셀화하여 식생 복원지표를 산출하고, 표준 식생 모델의 기준지표와 대비하여, 복원에 적용할 표준식생모델을 결정하는 복원모델산출모듈(200) 및 식생 분포 지역의 지형 및 식생정보를 바탕으로 표준식생 모델을 분류하여 저장하는 표준 식생모델 산출모듈(300)을 포함하여 구성될 수 있다. 이 경우, 상기 표준식생모델 산출모듈(300)에서 제공되는 표준식생모델에 대한 식생 기준지표를 산출하고, 복원모델산출모듈(200)의 식생 복원지표와 대비하여, 복원 대상지역에 적용하는 표준식생모델을 결정할 수 있도록 한다.
본 발명에서 상기 3차원 레이저 스캐너 모듈(100)은, 다양한 레이저 스캐너 장비를 적용할 수 있으며, 본 발명의 일 실시예로서는, 라이다 센서를 이용한 스캐너 모듈을 적용하는 것을 예로 하여 설명하기로 한다. 라이다 스캐너는 라이다 센서로부터 목표물까지 레이저 광선이 이동하는 시간을 측정함으로써 목표물까지 거리를 측정하는 원리로 운용되는 장비로서, 항공 LiDAR 센서의 경우 넓은 지역을 대상으로 대량으로 측정할 수 있으며 레이저 광선이 도달한 각 지점의 정확한 3차원 데이터를 얻을 수 있다. 물론, 본 발명의 라이다모듈은 항공 라이다 센서외에도, 지상 LiDAR (Terrestrial LiDAR, TLS) 장비나 모바일 LiDAR (handheld LiDAR system, MLS) 장비를 적용하여 스캐닝한 정보를 활용할 수도 있다.
특히, 상기 3차원 레이저 스캐너 모듈(100)은 복원 대상지역을 스캐닝한 데이터를 취득할 수 있도록 하며, 스캐닝한 데이터를 기준으로, 복원 대상지역에 대한 식생복원지표를 산출할 수 있도록 한다. 본 발명에서 '복원 대상지역'은 훼손이 발생하여 식생의 복원이 필요한 지역으로 정의하며, 통상 3차원 레이저 스캐너 모듈(100)을 통한 스캐닝 범위는 복원 대상지역 중심을 기준으로, 20m*20m 이상의 방형구 내의 영역을 스캐닝할 수 있도록 한다. 따라서, 복원 대상지역의 경우, 훼손이 진행된 부분과 잔존하는 식생 부분의 정보, 인접하는 영역의 유사 식생정보를 모두 참조할 수 있게 된다.
상기 복원모델산출모듈(200)은, 상술한 상기 3차원 레이저 스캐너 모듈(100)에서 전송되는 데이터를 가공하고 복셀화하여 식생 복원지표를 산출하고, 표준 식생 모델의 기준지표와 대비하여, 복원에 적용할 표준식생모델을 결정할 수 있도록 한다.
이를 위해, 상기 복원모델산출모듈(200)은 상기 3차원 레이저 스캐너 모듈 (100)에서 스캐닝된 데이터를 입력받는 데이터취득부(210)와, 입력받은 상기 데이터의 지면 높이를 제거하는 점군데이터 높이절대화 처리부(220), 상기 높이값 절대화 처리부(220)에서 처리된 데이터를 복셀화 하는 점군데이터 복셀화부(230), 샘플링된 복셀단위 데이터를 이용하여, 데이터 내의 식생 복원지표를 산출하는 식생데이터산출부(240), 상기 식생 복원지표와 상기 기준지표를 대비하여, 유사도가 높은 표준식생모델을 매칭하는 표준화 비교분석부(250), 매칭된 표준식생모델 중 하나를 복원식생모델로 결정하는 복원모델결정부(260)를 포함하여 구성될 수 있다.
상기 데이터취득부(210)는 상기 라이다 모듈(100)에서 스캐닝한 데이터를 전송받아 입력하는 구성으로, 통상 라이다 센서를 통해 취득되는 데이터는 점군데이터(point data) 형태로 취득되게 된다.
상기 점군데이터 높이절대화 처리부(220)는, 입력되는 스캐닝 데이터에서 지면 높이를 제거하는 기능을 수행하게 된다.
상기 데이터샘플링부(230)는 지면높이데이터가 제거된 데이터에서 복원 대상 지역에 분포하는 식생 수직분포 데이터(이하, '식생 복원지표'라 한다.)를 산출할 수 있도록 데이터를 복셀화하는 기능을 수행한다. 이는, 항공 라이다 데이터의 특성상, 높은 위치에서 낮은 위치의 대상지역을 스캔하게 되는 데, 이에 따라 대상지역의 최상층 표면의 점(point)군 밀도가 높게 나타나는 현상이 강하게 나타나게 되며, 이러한 현상은 정밀한 분포분석을 할 수 없게 하는 문제가 된다. 이에, 본 발명에서는, 라이다 데이터를 1m*1m*1m의 복셀 단위로 샘플링(복셀라이제이션; Voxelization)을 수행하여, 라이다 데이터의 점군 밀도의 편향적인 치중 현상을 최소화하고, 비교적 균일한 점군 밀도를 가진 샘플을 확보할 수 있도록 한다.
상기 식생데이터산출부(240)는, 복셀화 데이터를 바탕으로, 식생 복원지표를 산출할 수 있도록 하는 기능을 수행한다. 일예로, 수목의 수관 높이를 계산하기 위해 래스터화 된 각 연도별 DSM과 DTM을 ArcGIS 프로그램을 이용하여 높이 차이를 계산하여 수관높이모델을 생성할 수 있다. 또한, 복셀화된 라이다 데이터를 통해, 높이별 식생의 수직분포(높이별 복셀의 개수 및 비율) 데이터를 식생 복원지표로 하며, 이러한 식생 복원지표는, 식생의 평균높이, 높이의 중앙값, 최빈값, 표준편차, 첨도, 왜도, 범위, 최대값, 변동계수, 수관밀도, 식생복잡도(Rumple index) 중 적어도 하나 이상을 포함하도록 할 수 있다.
여기에서, 식생복잡도(Rumple index)는 식생의 복잡성을 나타내는 지표로 식재면적과 수관의 3차원 표면면적의 비율을 통해 구할 수 있음. 이는 수관이 얼마나 복잡하고 다양하게 나타나는 지를 정량화할 수 있는 지표이다.
또한, 수관밀도(Canopy density)의 경우 공원에서 녹지가 차지하는 영역의 점군의 수 대비 수관으로 탐지된 점군수의 비율을 나타낸 값으로 공원 내 녹지의 밀도를 나타내는 지표이다. 이는 항공 라이다 데이터의 특성상 수관의 밀도가 높을 경우 레이저가 수관을 뚫고 나가 지면을 탐지하기 어렵기에 그 값이 크게 나타나는 반면 수관밀도가 낮을 경우 지면데이터가 쉽게 취득되기에 그 값이 작게 나타나는 특성을 이용한 것이다.
또한, 상기 식생데이터산출부(240)에서는, 상술한 식생 수고를 활용한 평균 높이, 높이의 중앙값, 최빈값, 표준편차의 경우, 라이다 데이터를 활용하여 산출 알고리즘(도 7참조)을 통해 XYZ좌표를 수치로 도출할 수 있다. XYZ의 값 중 식생의 수고를 나타내는 Z 값을 활용하여 식생의 높이를 산출하고, 평균 높이, 중앙값, 표준편차 등의 값을 산출할 수 있다.
상기 표준화 비교분석부(250)는 상기 식생 복원지표와 후술하는 표준 식생모델 산출모듈(300)에서 산출하여 정량화한 '기준지표'를 대비하여, 유사도가 높은 표준식생모델을 매칭하는 기능을 수행한다. 유사도가 높은 표준 식생모델은 유사도 순, 순위별 순으로 다수개가 선별될 수 있으며, 이 경우, 복원모델결정부(260)에서 유사도가 가장 높은 표준식생모델을 복원모델로 적용한다. 물론, 필요에 따라, 입지나 복원목표를 변경할 경우에는 식생을 선정하는 기준을 고려하여 유사도 높은 군 중 어느 하나를 선별적으로 선택할 수도 있다.
상술한 식생 복원지표와 비교할 수 있는 기준이 되는 기준지표의 산출은 본 발명의 표준 식생모델 산출모듈(300)에서 산출할 수 있다. 표준식생모델을 위한 기본 자료인 샘플식생군의 경우, 기존 연구자료 DB나, 시공자료, 복원자료 DB를 통합하여 구성되는 다양한 식생 샘플군에 대한 자료를 저장하여 분류하는 샘플식생데이터베이스(400)에서 제공받을 수 있다.
이를 위해, 표준식생모델 산출모듈(300)은, 지형과 식생정보를 포함하는 다수의 샘플식생군(Sam1~SamN)에 대하여, 각 샘플식생군에 대한 기본 식생정보를 입력하는 기본 식생정보 입력부(310)와 상기 샘플식생군에 대하여 생태계의 유형분류기준에 따라 생태계의 유형을 산림형(A), 초지형(B), 복합형(C)의 군으로 분류하는 생태계유형분류부(320), 분류된 생태계의 유형에 대하여, 지리지표, 입지지표에 대한 분류를 추가하여, 샘플식생군을 표준모델화하여 분류하는 표준모델형성부(330), 표준모델화한 샘플식생군에 포함된 식생의 수직분포 데이터를 산출하여 식생 기준지표를 형성하는 식생기준지표산출부(340)를 포함하여 구성될 수 있다.
일예로, 다수의 식생모델에 대한 샘플 식생군군(Sam 1~SamN)을 마련한다. 이러한 샘플식생군의 경우, 기존의 다양한 복원 작업에 사용된 식생모델 자료나, 지형적특성, 방위적특성, 훼손지의 경위도, 기후를 고려한 유사한 환경에 존재하는 식생모델의 자료를 다양하게 샘플링하여 구성될 수 있다.
기본 식생정보 입력부(310)에서는, 이러한 샘플식생군에 대하여 확보된 기본 식생정보를 입력받게 되며, 이 경우 생태계유형분류부(320)에서는 이러한 샘플 식생군에 대하여 생태계의 유형분류기준에 따라 생태계의 유형을 산림형(A), 초지형(B), 복합형(C)의 군으로 분류한다. 이러한 생태계의 유형의 분류는 샘플식생군에 포함되는 식생의 분포비율에 따라 분류되며, 산림형(A)의 경우, 목본류 중심의 수림 분포비율이 50%를 넘는 경우, 초지형(B)의 경우, 초목류와 관목류가 혼합되어 대등한 비율을 가지는 경우, 복합형(C)의 경우, 산림형과 초지형의 비율을 구비하는 경우로 산림형이 50%, 초지형이 50%의 비율을 가지는 경우로 구분한다. 물론, 하나 이상의 형태를 가지는 경우에는, 산림-초지형(AB), 초지-산림형(BA)와 같은 분류로 구분할 수 있다.
나아가, 이렇게 분류된 생태계의 유형에 대해서, 표준모델형성부(330)에서는, 각 유형별로 지리지표, 입지지표에 대한 분류를 추가하여 샘플식생군을 표준모델화할 수 있도록 한다. 이 경우, 지리지표는, 해당 샘플식생군이 도출된 지형에 대한 입지적특성을 분류하여, 평탄지(a1), 산록부(a2), 산복부(a3), 산정부(a4), 능선부(a5), 계곡부(a6)와 같은 인자로 구성되는 지형인자와, 방위인자인 동(b1), 서(b2), 남(b3), 북(b4)의 구분을 포함하며, 수림유형 인자로, 자연식생(c1), 인공식생(c2), 우점종(c3), 침엽수림(c4), 활엽수림(c5), 혼효림(c6)의 인자를 고려하여, 생태계유형과 매칭시킨다.
따라서, 최초 형성한 샘플식생군의 생태계 유형이 산림형(A)으로 분류되는 경우, 해당 산림형(A)이 적용될 수 있는 최적 인자로 평탄지(a1), 동(b1), 활엽수림(c5)으로 추가 분류할 수 있으며, 이 경우, 표준식생모델은 [A_a1_b1_c5]로 분류될 수 있다. 나아가, 복합형(C)이 적용될 수 있는 최적인자로, 산록부(a2), 서(b2), 혼효림(c6)으로 매칭하여 추가 분류되면, 표준식생모델은 [C_a2_b2_c6]와 같이 형성될 수 있다.
이상의 산링형과 최적인자의 분류 매칭은, 기본 식생인자의 지형조건과 기후조건등을 고려하여 사전 데이터베이스화한 자료를 바탕으로 매칭이 가능하며, 이러한 매칭 기준은 지속적으로 업데이트하여 빅데이터화함으로써, 보다 신뢰성 있는 식생모델을 확장할 수 있게 된다.
이후, 상기 식생기준지표산출부(340)에서는, 상술한 다양한 표준식생모듈들에 대한 식생지표(식생의 평균높이, 높이의 중앙값, 최빈값, 표준편차, 첨도, 왜도, 범위, 최대값, 변동계수, 수관밀도, 식생복잡도(Rumple index))를 산출할 수 있도록 하며, 이를 이하에서는, '식생 기준지표'라 정의하여 상술하기로 한다.
이러한 '식생 기준지표'는 상술한 라이다 데이터에서 도출된 '식생 복원지표'와 비교하게 되며, 가장 유사한 지표들의 비율을 도출하여, 복원 대상지역에 적용될 표준 식생모델을 산출하여 제시할 수 있게 된다.
[본 발명의 샘플식생데이터베이스의 제공 자료의 예]
(Sam 1) 침엽수림의 소나무 군락에서는 주요 목표종을 소나무로 설정하고, 동반종으로 왕벚나무, 상수리나무, 신갈나무, 생강나무, 개암나무 조합적용하는 샘플
(Sam 2) 활엽수림 상수리나무 군락에서는 주요 목표종을 상수리나무로 설정하고, 동반종으로 왕벚나무, 상수리나무, 목련, 생강나무, 신나무, 팥배나무, 개옻나무, 진달래, 철쭉 조합적용하는 샘플
(Sam 3) 활엽수림 왕벚나무-상수리나무 군락에서는 주요 목표종을 왕벚나무로 설정하고, 동반종으로 버드나무, 벽오동, 버즘나무, 상수리나무, 가중나무 조합적용하는 샘플
(Sam 4) 활엽수림 백합나무 군락에서는 주요 목표종을 백합나무로 설정하고, 동반종으로 왕벚나무, 백합나무, 신갈나무, 상수리나무, 찔레 조합적용하는 샘플
(Sam 5) 침활혼효림 소나무-신갈나무 군락에서는 주요 목표종을 소나무와 신갈나무로 설정하고, 동반종으로 소나무, 왕벚나무, 신갈나무, 단풍나무, 국수나무, 진달래 조합적용하는 샘플
(Sam 6) 침활혼효림 소나무-상수리나무 군락에서는 주요 목표종을 소나무, 상수리나무로 설정하고, 동반종으로 소나무, 칠엽수, 굴참나무, 개암나무, 생강나무, 초피나무, 국수나무 조합적용하는 샘플
이상의 본 발명의 시스템을 적용한 구성의 작용상태를 도 4를 참조하여 설명하면 다음과 같다.
즉, 본 발명에서는, 우선, (a) 복원 대상지역에 대하여 라이다모듈을 통해 스캐닝 데이터를 라이다 데이터취득부에서 입력받는 단계가 수행된다.
이후, (b) 데이터표준화부에서 입력된 라이다 스캐닝 데이터에 대하여 지면높이를 제거하여 점군데이터의 높이 절대화처리를 수행하는 단계와, (c) 점군데이터 높이절대화 처리가 수행된 데이터를 복셀화하는 단계를 통해, 복셀화한 샘플 데이터를 산출할 수 있도록한다.
이후, (d) 식생데이터산출부에서 상기 복셀화 데이터를 이용하여, 데이터 내의 식생 복원지표를 산출하는 단계가 수행되며, (e) 표준화 비교분석부에서, 상기 복원식생지표와 표준 식생모델 산출모듈에서 제공하는 기준지표를 대비하여, 유사도가 높은 표준식생모델을 매칭하는 단계가 수행될 수 있다. 이렇게 결정된 표준식생모델은 복원 대상지역의 복원을 위한 표준화한 모델로 제시되게 된다.
도 5 및 도 6을 참조하면, 도 5는 복원 대상지역에 대하여 라이다모듈을 통해 스캐닝 데이터를 예시한 것으로, 복원대상지역 (a)와 복원대상지역과 인접하는 주변지역의 주변림(b), (c)을 포함하는 스캐닝 데이터를 취득한 이미지이다.
도 6은 도 5의 데이터에 대해서, 데이터표준화부에서 입력된 라이다 스캐닝 데이터에 대하여 지면높이를 제거하여 점군데이터의 높이 절대화처리를 도시한 것이다.
구체적으로, 도 6 (d)와 (e) 이미지는 도 5에 도시된 복원 대상지역 라이다 스캐닝 데이터를 바탕으로 지표면의 높이를 제거한 결과를 도시한 것이다. 도 6 (f) 이미지는 도 5에 도시된 복원 대상지역의 라이다 스캐닝 데이터를 바탕으로 일정한 높이에서 수고를 측정하기 위하여 지면 높이를 일정하게 맞춘 Nomalization한 결과를 나타낸 이미지이다. 나아가, 도 6 (g)와 (h)는, 복원 대상지역과 인접하는 주변지역의 주변림 의 스캐닝 데이터를 바탕으로 지표면의 높이를 제거한 결과와, 일정한 높이에서 수고를 측정하기 위하여 지면 높이를 일정하게 맞춘 Nomalization한 결과를 나타낸 이미지이다.
이후, 점군데이터 복셀화부(230)에서 점군데이터를 복셀화하는 단계가 구현된다. 점군데이터 복셀화부에서 위와 같이 표준화된 데이터를 복셀화(voxelization)를 수행하게 된다.
도 7은 식생데이터산출부에서 복셀화 데이터를 이용하여, 데이터 내의 식생 복원지표를 산출하는 데이터 내의 식생 복원지표를 산출하는 단계를 수행하는 알고리즘을 예시한 것이다.
도 8 내지 도 10은 상술한 과정에서 수행된 식생구조 데이터(수관 구조)의 분석결과를 도시한 것이다.
도 8 및 도 9에 도시된 것과 같이, 식생 수고(height, m)에 따른 Volume(수관부피, m³)를 알고리즘을 통해 수치로 도출해낸 결과 값(표)와 그래프의 정량적인 정보로 구현할 수 있게 된다.
특히, 도 10에 도시된 것과 같이, 본 대상지역의 라이다 데이터에서 전체 수목의 볼륨에 따른 수고별 볼륨의 비율은 1m에서 30.0%로 가장 높게 나타난 것을 확인할 수 있다.
이러한 정보를 바탕으로, 표준화 비교분석부에서, 상기 복원식생지표와 표준 식생모델 산출모듈에서 제공하는 기준지표를 대비하여, 유사도가 높은 표준식생모델을 매칭할 수 있게 된다.
이상과 같이, 본 발명은 항공라이다의 데이터를 이용하여, 복원 대상지역의 식생 복원지표를 산출하고, 표준화한 식생모델의 식생지표를 대비하여 최적의 복원모델을 매칭하여 도출하는 방법을 제공할 수 있다. 나아가, 이러한 본 발명에서의 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템을 실행하는 시스템에 적용되는 기능 구성 및 수행동작은 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명은 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수14
있다.
본 발명에의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 발명은 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, 파이썬(Python), C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명은 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “~모듈”, “~부”, "매커니즘", "요소", "수단", "구성"과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.
이상에서와 같이 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 바람직한 실시예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아니다. 이처럼 이 기술 분야의 통상의 전문가라면 본 발명의 기술 사상의 범위 내에서 본 발명의 실시예의 결합을 통해 다양한 실시예들이 가능함을 이해할 수 있을 것이다.
100: 3차원 레이저 스캐너 모듈
200: 복원모델산출모듈
210: 데이터 취득부
220: 점군데이터 높이 절대화 처리부
230: 점군데이터 복셀화부
240: 식생데이터산출부
250: 표준화비교분석부
260: 복원모델결정부
300: 표준식생모델산출모듈
310: 기본 식생정보 입력부
320: 생태계 유형 분류부
330: 표준모델형성부
340: 식생 기준지표산출부
400: 샘플식생 데이터베이스
200: 복원모델산출모듈
210: 데이터 취득부
220: 점군데이터 높이 절대화 처리부
230: 점군데이터 복셀화부
240: 식생데이터산출부
250: 표준화비교분석부
260: 복원모델결정부
300: 표준식생모델산출모듈
310: 기본 식생정보 입력부
320: 생태계 유형 분류부
330: 표준모델형성부
340: 식생 기준지표산출부
400: 샘플식생 데이터베이스
Claims (8)
- 복원 대상 지역에 대하여 3차원 레이저 스캐너를 통해 점군 데이터를 취득하는 3차원 레이저 스캐너 모듈(100); 상기 3차원 레이저 스캐너 모듈(100)에서 전송되는 데이터를 가공하고 복셀화하여 식생 복원지표를 산출하고, 표준 식생 모델의 기준지표와 대비하여, 복원에 적용할 표준식생모델을 결정하는 복원모델산출모듈(200); 및 식생 분포 지역의 지형 및 식생정보를 바탕으로 표준식생 모델을 분류하여 저장하는 표준 식생모델 산출모듈(300);을 포함하며, 상기 표준식생모델 산출모듈(300)에서 제공되는 표준식생모델에 대한 식생 기준지표를 산출하고, 복원모델산출모듈(200)의 복원식생지표와 대비하여, 복원 대상지역에 적용하는 표준식생모델을 결정하되,
상기 표준식생모델 산출모듈(300)은,
지형과 식생정보를 포함하는 다수의 샘플식생군(Sam1~SamN)에 대하여, 각 샘플식생에 대한 기본 식생정보를 입력하는 기본 식생정보 입력부(310);와 상기 샘플식생군에 대하여 생태계의 유형분류기준에 따라 생태계의 유형을 산림형(A), 초지형(B), 복합형(C)의 군으로 분류하되, 상기 산림형(A)의 경우, 목본류 중심의 수림 분포비율이 50%를 넘는 경우, 초지형(B)의 경우, 초목류와 관목류가 혼합되어 대등한 비율을 가지는 경우, 복합형(C)의 경우, 산림형과 초지형의 비율을 구비하는 경우로 산림형이 50%, 초지형이 50%의 비율을 가지는 경우로 구분하는, 생태계유형분류부(320); 분류된 생태계의 유형에 대하여, 지리지표, 입지지표에 대한 분류를 추가하여, 샘플식생군을 표준모델화하여 분류하되, 상기 지리지표는, 샘플식생군이 도출된 지형에 대한 입지적특성을 분류하여, 평탄지(a1), 산록부(a2), 산복부(a3), 산정부(a4), 능선부(a5), 계곡부(a6)와 같은 인자로 구성되는 지형인자와, 방위인자인 동(b1), 서(b2), 남(b3), 북(b4)의 구분을 포함하며, 수림유형 인자로, 자연식생(c1), 인공식생(c2), 우점종(c3), 침엽수림(c4), 활엽수림(c5), 혼효림(c6)의 인자를 고려하여, 생태계유형과 매칭하여 상기 표준식생모델을 [산림형_지형인자_방위인자_수림유형인자]로 형성하는, 표준모델형성부(330); 표준모델화한 샘플식생군에 포함된 식생의 수직분포 데이터를 산출하여 식생 기준지표를 형성하는 식생기준지표산출부(340);를 포함하는,
라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템.
- 청구항 1에 있어서,
상기 복원모델산출모듈(200)은,
상기 3차원 레이저 스캐너 모듈(100)에서 스캐닝된 데이터를 입력받는 데이터취득부(210);
입력받은 상기 데이터의 지면 높이를 제거하는 점군데이터 높이절대화 처리부(220);
상기 높이 절대화 처리부(220)에서 처리된 데이터를 1m*1m*1m의 복셀 단위로 샘플링(복셀라이제이션; Voxelization)을 수행하여 균일한 점군밀도를 가진 샘플인 복셀화 데이터로 구현하는 점군데이터 복셀화부(230);
상기 복셀화 데이터를 이용하여, 데이터 내의 복원식생지표를 산출하는 식생데이터산출부(240);
상기 복원식생지표와 상기 기준지표를 대비하여, 상기 복원식생지표와 상기 표준 식생모델 산출모듈(300)에서 산출하여 정량화한 '기준지표'를 대비하여 표준식생모델을 매칭하는 표준화 비교분석부(250);
매칭된 다수 개의 표준식생모델 중 하나를 복원식생모델로 결정하는 복원모델결정부(260);를 포함하는,
라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템.
- 청구항 2에 있어서,
상기 식생데이터산출부(240)는,
복셀화 데이터 내의 식생의 수직분포 데이터를 복원식생지표로 하며,
상기 복원식생지표는, 식생의 평균높이, 높이의 중앙값, 최빈값, 표준편차, 첨도, 왜도, 범위, 최대값, 변동계수, 수관밀도, 식생 복잡도(Rumple index) 중 적어도 하나 이상을 포함하는,
라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템.
- 삭제
- 청구항 1에 따른 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템을 적용하여 식생 복원모델을 도출하는 방법에 있어서,
(a) 복원 대상지역에 대하여 3차원 레이저 스캐너 모듈을 통해 스캐닝 데이터를 라이다 데이터취득부에서 입력받는 단계;
(b) 데이터표준화부에서 입력된 라이다 스캐닝 데이터에 대하여 지면높이를 제거하여 점군데이터의 높이 절대화처리를 수행하는 단계;
(c) 점군데이터 높이절대화 처리가 수행된 데이터를 복셀화하는 단계;
(d) 식생데이터산출부에서 복셀화 데이터를 이용하여, 데이터 내의 복원식생지표를 산출하는 단계;
(e) 표준화 비교분석부에서, 상기 복원식생지표와 표준 식생모델 산출모듈(300)에서 산출하여 정량화한 '기준지표'를 대비하여 표준식생모델을 매칭하는 단계;를 포함하며,
를 포함하는, 라이다 데이터를 이용한 훼손지 식생 복원모델 산출방법.
- 청구항 5에 있어서,
상기 (a)단계는,
복원 대상지역의 중심부를 기준으로, 20m*20m 이상의 방형구를 설정하고, 훼손지역 외각부를 포함하여 라이다 스캐닝 데이터를 취득하여 입력받는 단계인,
라이다 데이터를 이용한 훼손지 식생 복원모델 산출방법.
- 삭제
- 청구항 5에 따른 라이다 데이터를 이용한 훼손지 식생 복원모델 산출방법을 수행하는 프로그램이 수록된 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200175899A KR102453056B1 (ko) | 2020-12-15 | 2020-12-15 | 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200175899A KR102453056B1 (ko) | 2020-12-15 | 2020-12-15 | 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220085661A KR20220085661A (ko) | 2022-06-22 |
| KR102453056B1 true KR102453056B1 (ko) | 2022-10-11 |
Family
ID=82216369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200175899A KR102453056B1 (ko) | 2020-12-15 | 2020-12-15 | 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102453056B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572566B1 (ko) | 2022-12-22 | 2023-08-29 | 한국산지보전협회 | 온대지역의 생태적 식재를 위한 신갈나무군락 구축방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101080985B1 (ko) * | 2011-06-10 | 2011-11-09 | 주식회사 범아엔지니어링 | 항공 라이다 성과를 이용한 수고 및 개체 수 확인방법 |
| KR101885094B1 (ko) * | 2017-09-15 | 2018-09-10 | 일송지오텍(주) | 다양한 기능을 가지는 기능숲 조성방법 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100817043B1 (ko) | 2007-10-12 | 2008-04-08 | 주식회사 에코탑 | 생태모델숲 조성공법 |
| KR20100008171A (ko) | 2008-07-15 | 2010-01-25 | 주식회사 풍록원 | 현지 생물종의 다양성이 복원가능한 절개지 녹화방법 |
| KR101022269B1 (ko) * | 2008-12-29 | 2011-03-15 | 대한민국 | 지리정보를 이용한 식물복원 적지 선정 방법, 단말기 및 시스템 |
| KR102155285B1 (ko) * | 2018-08-29 | 2020-09-14 | 대한민국 | 산림복원 계획 모델 생성 장치 및 방법 |
-
2020
- 2020-12-15 KR KR1020200175899A patent/KR102453056B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101080985B1 (ko) * | 2011-06-10 | 2011-11-09 | 주식회사 범아엔지니어링 | 항공 라이다 성과를 이용한 수고 및 개체 수 확인방법 |
| KR101885094B1 (ko) * | 2017-09-15 | 2018-09-10 | 일송지오텍(주) | 다양한 기능을 가지는 기능숲 조성방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572566B1 (ko) | 2022-12-22 | 2023-08-29 | 한국산지보전협회 | 온대지역의 생태적 식재를 위한 신갈나무군락 구축방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220085661A (ko) | 2022-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
| CN112381861B (zh) | 一种基于地基激光雷达的林地点云数据配准和分割方法 | |
| Popescu et al. | Measuring individual tree crown diameter with lidar and assessing its influence on estimating forest volume and biomass | |
| CN104656098B (zh) | 一种遥感森林生物量反演的方法 | |
| Popescu et al. | Fusion of small-footprint lidar and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA | |
| CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
| Estornell et al. | Tree extraction and estimation of walnut structure parameters using airborne LiDAR data | |
| Suvanto et al. | Using mixed estimation for combining airborne laser scanning data in two different forest areas | |
| CN115700370A (zh) | 碳储量计算方法、装置、电子设备和存储介质 | |
| Novotny et al. | Comparison of spruce and beech tree attributes from field data, airborne and terrestrial laser scanning using manual and automatic methods | |
| KR102453056B1 (ko) | 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체 | |
| Grishin et al. | Procedure for locating trees and estimating diameters using LiDAR data | |
| Calou et al. | Estimation of maize biomass using unmanned aerial vehicles | |
| Hardenbol et al. | Detection of standing retention trees in boreal forests with airborne laser scanning point clouds and multispectral imagery | |
| CN116912706B (zh) | 采样点确定、植被遥感产品真实性校验方法、装置及设备 | |
| Becirevic et al. | On the derivation of crop heights from multitemporal UAV based imagery | |
| CN117035174A (zh) | 一种木麻黄单木地上生物量的估算方法与系统 | |
| CN110084120B (zh) | 海岛环境下的植被调查方法、装置、系统、设备和介质 | |
| Kato et al. | Efficient field data collection of tropical forest using terrestrial laser scanner | |
| Madhibha | Assessment of above ground biomass with terrestrial lidar using 3D quantitative structure modelling in tropical rain forest of Ayer Hitam forest reserve, Malaysia | |
| Obeng-Manu | Assessing the accuracy of UAV-DTM generated under different forest canopy density and its effect on estimation of aboveground carbon in Asubima forest, Ghana | |
| Šiljeg et al. | Quality Assessment of Worldview-3 Stereo Imagery Derived Models Over Millennial Olive Groves | |
| CN116824157B (zh) | 采样点确定、遥感产品真实性校验方法、装置及电子设备 | |
| Gaden | Assessing potential of UAV multispectral imagery for estimation of AGB and carbon stock in conifer forest over UAV RGB imagery | |
| Wilson | Using unmanned aerial systems to classify land cover and assess productivity in forested wetlands in Nova Scotia |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |