KR102473799B1 - 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법 - Google Patents
탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR102473799B1 KR102473799B1 KR1020220011699A KR20220011699A KR102473799B1 KR 102473799 B1 KR102473799 B1 KR 102473799B1 KR 1020220011699 A KR1020220011699 A KR 1020220011699A KR 20220011699 A KR20220011699 A KR 20220011699A KR 102473799 B1 KR102473799 B1 KR 102473799B1
- Authority
- KR
- South Korea
- Prior art keywords
- height
- lidar
- unit
- volume
- measurement
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract description 53
- 238000005516 engineering process Methods 0.000 title description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 121
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 121
- 238000005259 measurement Methods 0.000 claims abstract description 108
- 239000002028 Biomass Substances 0.000 claims abstract description 46
- 210000000481 breast Anatomy 0.000 claims abstract description 39
- 230000012010 growth Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 27
- 210000000038 chest Anatomy 0.000 claims description 26
- 238000000691 measurement method Methods 0.000 claims description 8
- 230000009469 supplementation Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 9
- 238000000926 separation method Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 241000218631 Coniferophyta Species 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 239000011121 hardwood Substances 0.000 description 9
- 241000894007 species Species 0.000 description 9
- 239000002023 wood Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012876 topography Methods 0.000 description 6
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 5
- 241000018646 Pinus brutia Species 0.000 description 5
- 235000011613 Pinus brutia Nutrition 0.000 description 5
- 241001480055 Quercus mongolica Species 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007773 growth pattern Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000209020 Cornus Species 0.000 description 2
- 241000534018 Larix kaempferi Species 0.000 description 2
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241000218645 Cedrus Species 0.000 description 1
- 241001596784 Pegasus Species 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 241000219492 Quercus Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
- G01C15/02—Means for marking measuring points
- G01C15/06—Surveyors' staffs; Movable markers
-
- 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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- 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
- G06Q50/10—Services
Landscapes
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 라이다를 이용하여 표본 개체목에 대한 매목 조사(흉고직경)를 수행하고 수목 줄기부의 체적을 산출하여 탄소 저장량을 추정하는 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법에 관한 것으로, 라이다로부터 식생의 형상 정보를 나타내는 점군 데이터(point cloud)를 획득하는 데이터 획득부, 상기 데이터 획득부에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정하는 수고 측정부, 상기 데이터 획득부에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정하는 흉고 직경 측정부, 상기 수고 측정부에서 측정된 수고와 상기 흉고 직경 측정부에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출하는 체적 산출부 및 상기 체적 산출부에서 산출된 체적에 생물량 계수 또는 상대 생장식을 적용하여 탄소 저장량을 추정하는 탄소 저장량 추정부를 포함하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에 의해 식생 구조에 대해 보다 정밀하고 과학적인 측정이 가능하고, 탄소 저장량 평가 신뢰도를 개선할 수 있다는 효과가 도출된다.
Description
본 발명은 산림의 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법에 관한 것으로 보다 상세하게는, 라이다를 이용하여 수목에 대한 매목 조사(흉고직경)를 수행하고 수목 줄기부의 체적을 산출하여 탄소 저장량을 추정하는 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법에 관한 것이다.
전 지구적으로 진행되고 있는 기후변화는 생태계, 산업, 경제 등 인간 활동 및 자연환경의 모든 면에서 큰 변화를 가져다주고 있다. IPCC(Intergovernmental Panel on Climate Change) 제6차 평가보고서(IPCC 2021)에 따르면, 최근 10년간(2011~2020년) 지구표면 온도는 과거 10년(1980~1990)보다 1.09℃ 높게 나타났다. 또한 2019년 대기 중 이산화탄소(CO2) 농도는 지난 200만년 중 가장 높은 수준이었으며, 메탄(CH4)과 아산화질소(N2O)의 농도 또한 지난 80만년 중 가장 높은 수준으로 나타났다.
이러한 기후변화 문제를 해결하기 위해 ‘2030 국가 온실가스 감축 목표(National Determined Contribution, NDC)’가 설정되었으며, 이에 따라 국제탄소시장(international carbon market)을 통한 해외 감축분(16.2백만 톤) 달성을 위하여 다방면에서 노력하고 있다(한국기후변화연구원, 2020).
2020년 12월에는 ‘2050 장기저탄소발전전략(Long-term low greenhouse gas Emission Development Strategies, LEDS)’을 수립하여 탄소중립 5대 기본방향으로 산림, 갯벌, 습지 등 자연생태의 탄소흡수 기능 강화 전략에 초점을 두고 있다.
2020년 2월에 공포된 ‘탄소 흡수원 유지 및 증진에 관한 법률’에 따르면, 산림 탄소 흡수원은 산림 탄소를 흡수하고 저장하는 수목, 죽, 고사유기물, 토양, 목제품 및 산림 생물량(biomass)을 의미한다(산림청 홈페이지, http://forest.go.kr).
따라서 국립공원연구원은 국립공원 내 분포하고 있는 산림 탄소 흡수원에 대한 조사를 수행하고 있는데, 국립공원은 보전지역이라는 특성 때문에 산림훼손을 최소화하기 위하여 매목조사 방식을 채택하고 있다.
매목조사는 대상지역에서 조사자가 줄자(흉고직경자), 수고측정기 등의 장비를 이용하여 수목의 흉고직경(Diameter at Breast Height, DBH)과 수고(Height, H)를 측정하는 것으로, 수목의 탄소저장량은 현장에서 측정된 흉고직경과 수고를 상대생장식에 대입하여 생물량을 계산하고 다시 탄소전환계수를 곱해서 얻을 수 있다.
그러나 이러한 매목조사를 통한 수목의 식생구조(흉고직경, 수고 등) 측정방법은 조사자의 신체조건(신장 등)이나 숙련도, 피로도, 집중도 등에 따라 다양한 측정오차가 발생될 수 있다.
또한, 산림 특성상 주변 환경이 유사하고 복잡하여 시간이 흐른 뒤 조사자가 동일 지점, 동일 수목을 찾아서 조사하기 힘들기 때문에 생물량 변화에 대한 지속적인 모니터링에 한계가 있다.
국립공원연구원은 일부 지역(예, 태백산국립공원 문수봉)을 고정 조사구로 설정하고 수목마다 표식을 하여 지속적으로 모니터링을 하고 있지만, 표본 조사구의 수가 많을 경우 여전히 한계가 있다.
따라서 국립공원은 국가 핵심 보전지역으로 향후 탄소흡수원으로서의 가치를 확인하기 위해서는 효율적이고 신뢰성 있는 산림생태계 탄소저장량 추정방법 도입이 필요하다.
본 발명은 이 같은 기술적 배경에서 도출된 것으로, 산림지역 식생조사에 라이다(Light Detection And Ranging, LiDAR) 기술을 도입하여 탄소저장량 추정에 필요한 기초자료의 정밀도를 향상시킴으로써 실제 탄소 저장량 측정의 정확도를 향상시킬 수 있는 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법을 제공함에 그 목적이 있다.
상기의 과제를 달성하기 위한 본 발명은 다음과 같은 구성을 포함한다.
즉 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치는 라이다로부터 식생의 형상 정보를 나타내는 점군 데이터(point cloud)를 획득하는 데이터 획득부, 상기 데이터 획득부에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정하는 수고 측정부, 상기 데이터 획득부에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정하는 흉고 직경 측정부, 상기 수고 측정부에서 측정된 수고와 상기 흉고 직경 측정부에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출하는 체적 산출부 및 상기 체적 산출부에서 산출된 체적에 생물량 계수 또는 상대 생장식을 적용하여 탄소 저장량을 추정하는 탄소 저장량 추정부를 포함한다.
한편, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법은 라이다로부터 식생의 형상 정보를 나타내는 점군 데이터를 획득하는 데이터 획득 단계, 상기 데이터 획득 단계에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정하는 수고 측정 단계, 상기 데이터 획득 단계에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정하는 흉고 직경 측정 단계, 상기 수고 측정 단계에서 측정된 수고와 상기 흉고 직경 측정 단계에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출하는 체적 산출 단계 및 상기 체적 산출 단계에서 산출된 체적에 생물량 계수 또는 상대 생장식을 적용하여 탄소 저장량을 추정하는 탄소 저장량 추정 단계를 포함한다.
본 발명에 의하면 산림지역 식생조사에 라이다 기술을 도입하여 탄소저장량 추정에 필요한 기초자료의 정밀도를 향상시킴으로써 실제 탄소 저장량 측정의 정확도를 향상시킬 수 있는 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법을 제공하는 효과가 도출된다.
또한 라이다 자료를 활용하여 식생 구조에 대해 보다 정밀하고 과학적인 측정이 가능하고, 탄소 저장량 평가 신뢰도를 개선할 수 있다는 효과가 도출된다.
도 1 은 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치의 구성을 도시한 블록도이다.
도 2 는 본 발명의 일 실시예에 따른 식생 구조 측정 장치(10)의 식생 구조 측정 과정을 개략적으로 도시한 예시도이다.
도 3 은 본 발명의 일 실시예에 따른 수고 측정부의 수목의 수고 측정 과정을 설명하기 위한 예시도이다.
도 4 는 본 발명의 일 실시예에 따른 흉고 직경 측정부의 흉고 직경 측정 과정을 설명하기 위한 예시도이다.
도 5 는 본 발명의 일 실시예에 따른 체적 산출부의 수목 줄기부 체적 산출 과정을 설명하기 위한 예시도이다.
도 6a 및 도6b는 본 발명의 일 실시예에 따른 체적 산출부에서 최적의 수고 분할 간격을 도출하기 위한 과정을 설명하기 위한 예시도이다.
도 7 은 활엽수에 대한 흉고 직경과 수고 관계식 비교 결과를 도시한 그래프이다.
도 8 은 침엽수에 대한 흉고 직경과 수고 관계식 비교 결과를 도시한 그래프이다.
도 9 는 일 실시예에 따른 국내 수종별 줄기부 상대생장식을 도시한 표이다.
도 10 은 일 실시예에 따른 탄소 저장량 추정부에서 탄소 저장량 추정 방법에 따른 결과 비교를 위한 그래프이다.
도 11 은 본 발명의 일 실시예에 따른 탄소 저장량 산출 방법에 따른 단위 면적당 탄소 저장량의 산출 결과의 비교 그래프이다.
도 12 는 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에 의해 도출된 산림 생태계 탄소 저장량(tonC) 분포 현황 결과 예시도이다.
도 13은 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에의해 도출된 단위 면적당 산림 생태계 탄소 저장량(tonC/ha) 분포 현황 결과 예시도이다.
도 14는 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법의 흐름도이다.
도 2 는 본 발명의 일 실시예에 따른 식생 구조 측정 장치(10)의 식생 구조 측정 과정을 개략적으로 도시한 예시도이다.
도 3 은 본 발명의 일 실시예에 따른 수고 측정부의 수목의 수고 측정 과정을 설명하기 위한 예시도이다.
도 4 는 본 발명의 일 실시예에 따른 흉고 직경 측정부의 흉고 직경 측정 과정을 설명하기 위한 예시도이다.
도 5 는 본 발명의 일 실시예에 따른 체적 산출부의 수목 줄기부 체적 산출 과정을 설명하기 위한 예시도이다.
도 6a 및 도6b는 본 발명의 일 실시예에 따른 체적 산출부에서 최적의 수고 분할 간격을 도출하기 위한 과정을 설명하기 위한 예시도이다.
도 7 은 활엽수에 대한 흉고 직경과 수고 관계식 비교 결과를 도시한 그래프이다.
도 8 은 침엽수에 대한 흉고 직경과 수고 관계식 비교 결과를 도시한 그래프이다.
도 9 는 일 실시예에 따른 국내 수종별 줄기부 상대생장식을 도시한 표이다.
도 10 은 일 실시예에 따른 탄소 저장량 추정부에서 탄소 저장량 추정 방법에 따른 결과 비교를 위한 그래프이다.
도 11 은 본 발명의 일 실시예에 따른 탄소 저장량 산출 방법에 따른 단위 면적당 탄소 저장량의 산출 결과의 비교 그래프이다.
도 12 는 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에 의해 도출된 산림 생태계 탄소 저장량(tonC) 분포 현황 결과 예시도이다.
도 13은 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에의해 도출된 단위 면적당 산림 생태계 탄소 저장량(tonC/ha) 분포 현황 결과 예시도이다.
도 14는 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법의 흐름도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.
도 1 은 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치의 구성을 도시한 블록도이다.
일 실시예에 있어서 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치(10)는 산림의 보존 및 효율적인 관리를 위해 산림 영역에 대한 정량적인 측정과 분석이 필요하다. 나아가 식생 생물량을 추정하고, 산림 변화 탐지와 같은 산림의 생물 물리학적인(biophysical) 인자를 추출하는데 라이다 기술을 활용할 수 있다.
식생구조 측정을 위한 소요장비는 라이다 장비(20)와 GNSS(Global Navigation Satellite System) 측량 장비(30)를 포함하고, 라이다 장비(20)는 식생의 형상정보를 나타내는 점군 데이터(point cloud)를 직접 획득하는 주체이며, GNSS 측량 장비(30)는 획득된 데이터의 정위치를 위한 보조 장비이다.
식생구조 측정을 위하여 라이다 장비(20)로 Leica社의 BLK2GO Laser Scanner(이하, 소형 라이다)와 Leica社의 Pegasus Backpack Laser Scanner(이하, 배낭형 라이다)을 사용하여 장비의 활용성을 비교한 결과, 소형 라이다 장비가 산림지역에서의 활용성이 더 우수한 것으로 나타났다. 라이다(LiDAR:Light Detection And Ranging) 장비(20)는 레이저(laser) 신호를 주변으로 방출하여 물체로부터 되돌아오는 신호를 통해 시간과 거리를 측정(계산)하여 3차원의 영상을 만들어내는 기술을 포괄하도록 해석된다.
일 실시예에 있어서 소정 라이다 장비(20)의 경우 초당 42만개의 점군 데이터를 획득할 수 있으며, 1개의 고해상도 카메라와 3개의 파노라마(panorama) 카메라를 통해 주변 사물을 인식하고 사진 촬영이 가능하다. 또한, 별도의 제어장치가 필요 없이 스마트폰을 활용하여 데이터 획득 현황을 확인할 수 있고, 비교적 이동 촬영에 용이하다는 장점이 있다.
다른 실시예에 있어서 초당 60만개의 점군 데이터를 획득할 수 있는 배낭형 라이다 장비를 이용하여 2개의 라이다 센서와 GNSS 센서를 활용하여 더욱 정확한 데이터 정합이 가능하며 5개의 카메라를 통해 파노라마 사진 획득할 수도 있다.
일예로 식생 구조 측정 장치(10)는 라이다 장비(20) 즉 3차원 레이저 스캐너를 이용하여 시범지역(30m×30m)의 수목 전체에 대한 측정을 수행한다. 그리고 라이다 측정 자료와의 비교를 위해 표본 개체목에 대한 매목 조사(흉고직경)를 실시한다. 이후에 라이다 측정 자료의 오차 수정 및 자료 분석을 통한 수목 정보를 추출하고, 라이다 측정 자료 기반의 시범지역 탄소 저장량을 추정하고 전체 대상 지역으로 확장하여 탄소 저장량을 추정할 수 있다.
즉, 일 실시예에 따른 식생 구조 측정 장치(10)는 수목 스캔 자료를 획득하고, SLAM(Simultaneous Localization And Mapping) 기법을 활용하여 라이다 장비의 위치정보에 대한 확립 및 스캔 방향에 대한 지속적인 보정 및 스캔 관측 기선의 누적에 따른 오차 상쇄 및 보정을 수행한다. 그리고 보정된 스캔자료들에 대해 자료 처리과정(자료 전처리, 흉고직경 측정, 수고 측정, 자료 정위치)을 수행하고, 줄기부 체적(stemwood volume, m3), 목재기본밀도(basic wood density, t/m3), 생물량 확장계수(biomass expansion factor), 뿌리함량비(root-shoot ratio), 탄소전환계수(carbon fraction) 인자를 이용하여 생물량 계수를 적용하여 탄소 저장량을 추정한다.
구체적으로 도 1 과 같이 식생 구조 측정 장치(10)는 통신부(110), 데이터 획득부(120), 수고 측정부(130), 흉고 직경 측정부(140), 체적 산출부(150), 탄소 저장량 추정부(160), 기준점 측량부(170) 및 데이터 보완부(180)를 포함한다.
일 실시예에 있어서 식생 구조 측정 장치(10)는 계획수립, 스캔수행, 성과확인 등의 과정을 통해 이루어지며, 세부적으로는 위치정보 획득을 위한 GNSS 위치측량, 측정성과 폐합을 위한 중복측정을 수행할 수 있다.
도 2 는 본 발명의 일 실시예에 따른 식생 구조 측정 장치(10)의 식생 구조 측정 과정을 개략적으로 도시한 예시도이다.
조사계획 수립단계에서는 관측하고자 하는 조사구의 공간적 범위, 예상 이동경로, 기선, 중복 측정 구간 설정 등에 대한 계획을 포한다. 이는 향후 획득할 측정결과의 오류 및 오차를 최소화하기 위한 과정으로 총 기선 길이에 따른 누적오차를 상쇄하고, 획득된 점군 데이터의 패턴을 정립하여 조사 시 발생될 수 있는 여러 문제 사항에 대한 대비를 수행할 수 있다.
계획수립이 완료되면 측정결과 위치 오류를 최소화하고 절대 좌표를 취득하기 위해 관측지역 전체를 아우를 수 있는 범위에 대해서 GNSS 위치 측량을 수행하며, 이때 GNSS 위성신호의 수신 상태, DOP(Dilution Of Precision)등을 고려한다.
이때 식생의 밀집도가 높은 산림지역의 특성을 고려하여 신호 수신정도를 일부 조정할 필요가 있다.
따라서 조사 환경 및 상태에 따른 보정을 진행하며, 점군 데이터를 폐합시키고 사각지역을 최소화하기 위해 수차례에 걸쳐 중복 측정을 수행한다.
라이다 측정과정에서 작업자는 획득된 데이터 품질 상태를 반복적으로 확인하여야 하며, SLAM 오류 등에 따른 기선 이탈, 오측정, 자료 누락 등과 같은 문제에 대응함이 바람직하다.
라이다 측정자료 분석 시 오판독이 예상되는 지점이나 판독을 보조하기 위한 목적으로 조사를 수행할 때 장비에 탑재된 카메라를 활용하여 사진촬영을 병행할 수 있다.
그리고 측정이 완료되면 획득된 결과를 확인하여 데이터가 누락된 지점, 점군 데이터 생성 오류 등을 확인하고 필요에 따라 보완 측정을 수행한다.
통신부(110)는 유/무선 통신망을 통해 내부의 임의의 구성 요소 또는 외부의 임의의 적어도 하나의 단말기와 통신 연결한다. 이때, 상기 외부의 임의의 단말기는 서버(미도시), 단말(미도시), 라이다 장비(20), GNSS 측량 장비(30) 등을 포함할 수 있다. 여기서, 무선 인터넷 기술로는 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS) 등이 있으며, 상기 통신부(110)는 상기에서 나열되지 않은 인터넷 기술까지 포함한 범위에서 적어도 하나의 무선 인터넷 기술에 따라 데이터를 송수신하게 된다. 또한, 근거리 통신 기술로는 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등이 포함될 수 있다. 또한, 유선 통신 기술로는 전력선 통신(Power Line Communication: PLC), USB 통신, 이더넷(Ethernet), 시리얼 통신(serial communication), 광/동축 케이블 등이 포함될 수 있다.
데이터 획득부(120)는 라이다 장비(20)로부터 식생의 형상 정보를 나타내는 점군 데이터를 획득한다.
데이터 획득부(120)는 라이다 장비(20)로부터 획득한 식생의 수고, 흉고 직경 등을 추출하기 위해 활용되는 점군 데이터의 정보 추출작업이 용이하도록 전처리 및 보정 과정을 수행할 수 있다. 또한 점군 데이터의 활용성, 확장성 및 호환성을 높이기 위해 표준 파일 형식으로 변환할 수 있다.
일 실시예에 있어서 데이터 획득부(120)는 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정, 지형 기준면 생성 및 측정 모델 생성과정을 수행한다.
또한 데이터 획득부(120)는 관심지점(scan station)별로 획득된 점군 데이터를 1개의 데이터셋(dataset)으로 정합시키기 위해 식생의 패턴 및 특징을 정의하고 관심지점의 기선 길이를 조정한 후 수직, 수평, 방위를 고려하여 세부 조정을 수행할 수 있다.
본 발명의 일 양상에 있어서, 기준점 측량부(170)는 라이다 장비(20)에서 획득된 데이터의 정위치 확인을 위한 GNSS 측량 장비(30)로부터 기준점 측량 결과를 사전에 입력받는다. 그리고 1차 측정을 통해 획득된 경로 정보를 통한 폐합 구간 설정을 하고 폐합 구간을 통해 라이다 장비의 위치 정의를 수행할 수 있다.
정밀도 향상을 위해 저속 이동 측정을 수행하여 폐합 구간 지속 운용이 가능하고 측정 사각 지역 확인 및 자료 누락 지점을 지속적으로 확인한다.
데이터 보완부(180)는 데이터 획득부(120)에서 획득한 점군 데이터에 SLAM 오류에 따른 기선 이탈, 오측정, 자료 누락 상황을 파악하고 데이터 누락 지점, 점군 데이터의 생성 오류 발생시에 보완측정을 수행한다. 또한 데이터 보완부(180)는 데이터 획득부(120)로 획득되는 라이다 측정 자료 즉 점군 데이터에 대한 잡음 제거 및 좌표 변환을 수행할 수 있다.
SLAM은 점군 데이터에서 추출한 지점 정보를 통한 라이다 장비 위치 확인 및 정합을 수행한다. 이는 라이다 장비(20)의 위치 정보에 대한 확립 및 측정 방향에 대한 지속적인 보정이 필요하다. 또한 관측 기선의 누적에 따른 오차 상쇄 및 보정을 수행한다.
일 실시예에 있어서 데이터 보완부(180)는 라이다를 통해 획득된 점군 데이터는 조사환경 및 기상조건 등에 따라 다수 잡음(noise)과 비식생 피사체를 포함하고 있으며 이는 오판독을 일으킬 수 있는 요소이므로 제거한다.
데이터 보완부(180)는 잡음과 비식생 피사체를 제거할 때 현장 측정 시 동시 촬영된 사진을 참조하여 비교하고, 제거과정이 끝나면 전체 자료에 대해서 검수하고 필요시 재보정을 수행하도록 구현될 수도 있다.
수고 측정부(130)는 데이터 획득부(120)에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정한다.
도 3 은 본 발명의 일 실시예에 따른 수고 측정부의 수목의 수고 측정 과정을 설명하기 위한 예시도이다.
수고 측정부(130)는 수고의 측정 기준 설정을 위해 조사 시작점에 대한 위치 기준과 측정하고자 하는 수목의 위치기준을 확인한다. 즉 측정 시작점 위치확인 및 높이 기준 정보를 생성할 수 있다. GNSS 센서를 탑재하지 않은 소형 라이다의 경우 시작점의 좌표(x, y, z)가 (0, 0, 0)으로 설정되고 이후 거리, 방위, 높이에 따라 점군 데이터가 상대적인 좌표를 가지게 된다.
수목의 위치 기준은 해당 수목의 최하단점을 기준으로 하며 수목 주변의 지형과 지물 등을 고려하여 선정할 수 있다. 수목 개별 분류 및 수고 측정 방해요소를 제거하고, 기준 정보 확인 후 직선거리를 측정하여 오판독 확인 및 보정이 가능하다.
수고 측정부(130)는 최하단 기준 및 최상단 기준을 확인하고 최하단점을 기준으로 선정 후 해당 수목을 별도로 분리하여, 데이터 판독에 불필요한 잡음 및 측정 방해 요소들이 있는지 확인하여 추가적인 보정 과정을 수행할 수 있다. 분리된 수목은 줄기부의 최상단점을 측정 기준점으로 설정하여 최하단점으로부터의 직선거리를 측정하게 되며, 줄기부의 모양에 따라 추가적으로 중간점을 추가하여 수고를 측정할 수 있다.
흉고 직경 측정부(140)는 데이터 획득부(120)에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정한다.
도 4 는 본 발명의 일 실시예에 따른 흉고 직경 측정부의 흉고 직경 측정 과정을 설명하기 위한 예시도이다.
흉고 직경 측정부(140)는 수고 측정부(130)의 수고 측정 방식과 유사하지만 세부적으로 지형 기준면을 생성하고, 측정 모델을 생성하는 추가 처리 과정을 더 수행한다.
일 실시예에 있어서 흉고 직경 측정부(140)는 흉고직경을 측정하고자 하는 수목의 주변 스캔 지형 형태를 확인 후 수목의 모양과 공간적 범위에 따라 지형을 구분하고 지형의 높낮이를 고려해 지상 기준면을 생성한다. 이때 흉고직경을 측정할 단면의 위치(1.2m)는 줄기부의 모양과 방향을 고려하여 임의로 설정된 값일 수 있다.
추가적으로 흉고 직경 측정부(140)는 흉고직경 측정이나 판독에 불필요한 방해요소를 제거하고 측정 단면을 기준으로 줄기부의 일부 구간(±10cm)을 추출하도록 구현될 수 있다. 즉 수목을 제외한 방해요소 포인트 클라우드 즉 노이즈를 제거한다.
일반적으로 수목의 단면은 완벽한 원형을 이루지 않기 때문에 흉고직경을 측정하는데 한계가 있기 있다. 흉고 직경 측정부(140)는 원기둥 형태의 3차원 모델을 생성하여 직경을 측정할 수 있다. 이때 흉고 직경 측정부(140)가 생성하는 3차원 모델은 먼저 측정 단면상에서 수피에 해당되는 점(point)들의 무게중심점을 찾고, 이를 기준으로 각 점까지의 거리를 구하여 그 평균값을 반지름으로 하는 원으로 생성한 것임이 바람직하다. 흉고 직경 측정부(140)는 생성된 3차원 모델의 평균 직경을 흉고직경으로 설정할 수 있다.
체적 산출부(150)는 수고 측정부(130)에서 측정된 수고와 상기 흉고 직경 측정부(140)에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출한다.
도 5 는 본 발명의 일 실시예에 따른 체적 산출부의 수목 줄기부 체적 산출 과정을 설명하기 위한 예시도이다.
체적 산출부(150)는 수목 줄기부 체적(부피)을 산정하기 위하여 수고 측정부(130)에서 측정된 수고와 흉고 직경 측정부(140)에서 측정된 흉고직경, 상·하단 기준점, 지상 기준면을 활용한다.
일 실시예에 있어서 체적 산출부(150)는 줄기부를 일정 간격(10cm)으로 분할하였으며, 각 구간을 원뿔대와 원뿔로 가정하여 구간별 체적을 산정하고 이를 합산하여 도 5의(a)와 같이 줄기부 체적을 산정한다.
일 실시예에 있어서 체적 산출부(150)는 줄기부 하단부터 줄기의 직경 측정이 가능한 구간을 원뿔대로, 직경이 매우 작아서 측정이 어려운 구간을 원뿔로 설정한다. 이때 데이터 획득부(120)에서 획득된 점군 데이터의 밀도가 충분하지 않을 경우 줄기의 직경 측정이 어려운데, 실험적으로 획득한 라이다 데이터는 줄기 직경이 6cm까지 측정할 수 있었다. 따라서, 체적 산출부(150)는 줄기의 직경이 6cm 이상인 경우 도 5의(b)와 같이 원뿔대로 설정하여 체적을 산출하고, 6cm 미만일 경우 도 5의 (c)와 같이 원뿔로 설정하여 체적을 산출할 수 있다.
수목 최하단부는 지형 등의 영향으로 단면이 불규칙한 형태로 나타나기 때문에 직경을 측정하는 데 한계가 있다. 따라서 체적 산출부(150)는 지면으로부터 약 10cm높이부터 단면 직경을 측정함이 바람직하다.
도 6a 및 도6b는 본 발명의 일 실시예에 따른 체적 산출부에서 최적의 수고 분할 간격을 도출하기 위한 과정을 설명하기 위한 예시도이다.
최적의 수고 분할간격을 도출하기 위해 도 6a와 같이 10cm, 20cm, 30cm, ..., 200cm까지 다양한 분할간격으로 체적을 계산하고, 도 6b와 같이 분할간격에 따른 체적 변화를 분석하였다.
분석결과, 6본의 수목 모두 수고 분할간격에 따른 체적 변화가 30% 미만으로 나타났으며, 분할간격 50cm까지는 모두 10% 미만의 변화를 보여 체적 분석의 효율을 고려할 경우 50cm 간격으로 체적을 산정하는 것이 가장 효과적이라는 결과를 도출할 수 있다.
한편, 일 실시예에 따른 식생 구조 측정 장치(10)는 라이다 장비(20)에 포함되는 지상 라이다 장비 및 항공 라이다 장비를 동시에 활용하여 데이터를 획득할 수 있다.
즉, 지상 라이다 장비를 통해 획득된 흉고 직경과 수고 사이의 상관 분석을 통해 관계식을 도출하고, 항공(또는 드론)라이다 장비를 통해 수고를 측정하여 수목의 흉고 직경을 추정할 수있다.
일예로 매목조사를 통해 수집된 활엽수 505본, 침엽수 201본에 대하여 흉고직경과 수고 사이의 상관관계를 분석하였으며, 현장조사 시 확인된 수종을 통해 침엽수와 활엽수로 구분하여 흉고 직경과 수고 사이의 상관식에 따른 상관 관계를 분석하였다.
도 7은 활엽수에 대한 흉고 직경과 수고 관계식 비교 결과를 도시한 그래프이다.
구체적으로 도 7의(a)는 지수형식(exponential equation), 도 7b는 1차 다항식, 도7c는 2차 다항식에 의한 활엽수에 대한 흉고 직경과 수고 관계식의 비교 결과를 도시한 그래프이다. 도7(a)의 지수 형식을 적용할 경우, 활엽수에 대한 상관성 분석결과, 라이다 자료로부터 측정된 흉고직경과 수고의 상관계수는 약 0.764(R2=0.583), 매목조사의 경우 약 0.688(R2=0.473)로 라이다가 더 높게 나타났고, 도 7(b)의 1차 다항식을 적용할 경우, 라이다 자료의 상관계수는 약 0.744(R2=0.553), 매목조사의 경우는 약 0.680(R2=0.462)로 역시 라이다의 경우가 더 높게 나타났으며, 도 7(c)의 2차 다항식을 적용할 경우, 라이다 자료의 상관계수는 약 0.782(R2=0.612), 매목조사의 경우는 약 0.709(R2=0.503)로 역시 라이다의 경우가 더 높게 나타났다.
즉, 활엽수에 대한 흉고직경과 수고 사이의 상관관계식은 라이다와 매목조사 모두 2차 다항식을 적용할 경우가 적합도가 가장 높았으며, 지수형식, 1차 다항식 순으로 높게 나타남을 확인할 수 있었다.
또한, 도 8은 침엽수에 대한 흉고 직경과 수고 관계식 비교 결과를 도시한 그래프이다.
구체적으로 8의 (a)는 지수 형식을 적용하여 침엽수에 대한 상관성 분석결과, 라이다 자료로부터 측정된 흉고직경과 수고 사이의 상관계수가 약 0.801(R2=0.641), 매목조사는 약 0.765(R2=0.585)로 라이다 자료의 경우가 더 높은 것으로 나타났고, 도 8(b)의 1차 다항식을 적용할 경우, 라이다 자료의 상관계수는 약 0.778(R2=0.606), 매목조사의 경우는 약 0.789(R2=0.623)로 매목조사의 경우가 더 높게 나타났으며, 도 8(c)의 2차 다항식을 적용할 경우, 라이다 자료의 상관계수는 약 0.864(R2=0.747), 매목조사의 경우는 약 0.851(R2=0.724)로 역시 라이다의 경우가 더 높게 나타남을 확인할 수 있다.
즉, 침엽수에 대한 흉고직경과 수고 사이의 상관관계식은 활엽수의 경우와 마찬가지로 라이다와 매목조사 모두 2차 다항식을 적용할 경우가 적합도가 가장 높았으며, 지수형식, 1차 다항식 순으로 높게 나타났다. 활엽수와 침엽수에 대한 흉고직경과 수고 사이의 상관관계식은 침엽수의 경우가 더 적합도가 높은 것으로 나타났고, 결과적으로 라이다 장비를 이용해서 측정된 흉고직경과 수고를 이용하면 수목의 흉고직경과 수고 사이의 상관관계에 대한 분석 신뢰도가 더 높일 수 있음을 확인할 수 있다.
탄소 저장량 추정부(160)는 체적 산출부(150)에서 산출된 체적에 생물량 계수를 적용하여 탄소 저장량을 추정한다.
탄소 저장량 추정부(160)는 크게 생물량계수(목재기본밀도, 생물량확장계수, 뿌리함량비 등)를 이용한 방법과 부위별(줄기, 가지, 뿌리, 잎 등) 상대생장식을 이용한 방법으로 식생 생물량과 탄소저장량을 추정할 수 있다.
먼저, 탄소 저장량 추정부(160)는 생물량 계수를 이용한 탄소 저장량 추정시에 줄기부 체적(수간재적)을 구하고 목재 기본 밀도를 곱해서 줄기부의 생물량을 산정하고 생물량 확장 계수를 곱하여 지상부 생물량을 산정한다.
탄소 저장량 추정부(160)는 데이터 획득부(120)에서 획득한 라이다 측정자료로부터 체적 산출부(150)에서 수고를 10cm 간격으로 분할하고 원뿔대와 원뿔의 체적을 계산하고, 체적 산출부(150)에서 산출된 줄기부의 체적에 목재기본밀도를 곱해서 줄기부 생물량을 구하고, 다시 생물량 확장계수를 곱해서 수목의 지상부 생물량을 계산한다.
그리고 지하부 생물량은 지상부 생물량과 뿌리함량비의 곱으로 산정되고, 지상부와 지하부 생물량을 다시 합산하여 수목의 전체 생물량을 산정할 수 있다. 그리고 수목의 탄소저장량은 생물량에 다시 탄소전환계수 0.5(IPCC, 2003)를 곱하여 산정된다.
생물량 계수는 국립산림과학원에 의해 탄소저장량 추정을 위해 개발된 국내 22개 수종에 대한 생물량계수가 적용될 수 있다.
한편, 탄소 저장량 추정부(160)는 수학식 1과 같은 식을 통해 생물량 계수를 이용한 탄소 저장량을 계산할 수 있다.
여기서, C는 탄소저장량(carbon stock, ton), V는 줄기부 체적(stemwood volume, m3), ρ는 목재기본밀도(basic wood density, ton/m3), BEF는 생물량 확장계수(biomass expansion factor), R은 뿌리함량비(root-shoot ratio), CF는 탄소전환계수(carbon factor)를 의미한다.
또한 탄소 저장량 추정부(160)는 일예로 국립산림과학원(2014)이 생물량 추정을 위해 개발한 국내 22개 수종에 대한 상대생장식을 적용하여 탄소 저장량을 추정할 수 있다. 그러나 이에 한정되는 것은 아니다.
도 9는 일 실시예에 따른 국내 수종별 줄기부 상대생장식을 도시한 표이다.
상대생장식은 흉고직경만 적용한 상대생장식(이하, D식), 흉고직경과 수고를 동시에 적용한 상대생장식(이하, DH식) 등 2가지로 개발되어 있다. 도 9의 줄기에 대한 상대생장식(22종)을 기준으로 볼 때, D식의 적합도는 평균 0.919, DH식의 적합도는 평균 0.953으로 0.034 더 높기 때문에 DH식을 적용하는 것이 더 정확한 생물량을 도출할 수 있다.
흉고직경만 적용한 상대생장식(이하, D식) 및 흉고직경과 수고를 동시에 적용한 상대생장식(이하, DH식) 은 각 수종에 대해서 줄기, 가지, 잎, 뿌리 등 4가지로 구성되어 있으며, 흉고직경 측정값을 각 부위별 상대생장식에 대입하여 생물량을 구하고 이를 합산하여 수목 전체의 생물량을 추정할 수 있다. 그리고 수목 전체에 대한 생물량이 계산되면 생물량계수를 이용한 방법과 동일하게 탄소전환계수를 곱해서 최종 수목의 탄소저장량을 추정할 수 있다.
도 10은 일 실시예에 따른 탄소 저장량 추정부에서 탄소 저장량 추정 방법에 따른 결과 비교를 위한 그래프이다.
도 10에서 포본목에 대한 비교 결과 일본잎갈나무(인공1-C-4)는 각각 생물량계수 70.6kgC, D식 107.3kgC, DH식 96.8kgC로 D식, DH식, 생물량계수 순으로 탄소저장량이 높게 나타나고, 층층나무(활엽2-E-4)는 각각 생물량계수 44.1kgC, D식 53.0kgC, DH식 51.7kgC로 나타났으며, D식, DH식, 생물량계수 순으로 탄소저장량이 높았다.
또한 강원지방소나무(혼효1-G-1)의 경우, 생물량계수, D식, DH식 적용 시 각각 241.2kgC, 196.6kgC, 185.1kgC로 생물량계수, D식, DH식 순으로 탄소저장량이 높게 나타나고, 상대생장식을 이용한 방법은 전반적으로 D식이 DH식보다 탄소저장량이 높게 나타났다.
생물량계수를 이용한 방법은 대체로 100kgC 보다 큰 강원지방소나무, 신갈나무에서는 상대생장식보다 크게 나타났으나, 100kgC 보다 작은 분비나무, 일본잎갈나무, 층층나무에서는 더 작게 나타났다.
생물량계수 적용하기 위해서는 줄기부 체적을 계산해야 하지만 앞서 언급한 바와 같이 수작업으로 체적을 측정하는데 작업시간이 많이 소요되어 표본목 6본에 대한 비교, 분석만 수행하였으나 라이다 측정자료로부터 수목 줄기부 체적 측정을 자동화하여 더 많은 비교 분석이 가능하다.
일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치(10)는 대상 공원 전체 면적에 대한 탄소저장량 추정을 위하여 산림청에서 제공하고 있는 임상도(1:5,000)를 이용한다. 일 실시예에 있어서, 임상도는 국토교통부의 국가공간정보포털(https://data.nsdi.go.kr)을 통해 획득 가능하다.
또한, 다양한 공간정보와 연계하여 산림지역에 대한 탄소저장량의 분포특성을 분석할 수 있도록 각 조사구별로 지형 및 기상정보를 더 분석할 수 있다.
일 실시예에 있어서, 평균표고는 미국 국립지리정보국(National Geospatial-Intelligence Agency, NGA)과 항공우주국(National Aeronautics and Space Administration, NASA)이 구축하여 제공하고 있는 SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model)을 이용한다. SRTM DEM은 전 세계의 90m급 지형자료(미국은 30m급)를 제공하고 있는데, 평균표고는 이 자료로부터 조사구의 평균값을 구한 것일 수 있다. 경사도(slope)와 경사향(aspect)도 SRTM DEM자료로부터 지형분석을 통해 산출하고, 연강수량 자료는 기상청이 운영하고 있는 기상자료개방포털(https://data.kma.go.kr)로부터 종관기상관측(Automated Synoptic Observing System, ASOS) 정보와 방재기상관측(Automatic Weather System) 정보를 수집한 것으로 활용하여 파악할 수 있다. 수집된 연강수량 자료는 다시 Thiessen 방법을 통해 각 조사구별 면적 평균 강수량으로 변환한다.
일 실시예에 따른 기준점 측량부(170)는 라이다 장비에서 획득된 데이터의 정위치 확인을 위한 GNSS(Global Navigation Satellite System) 측량 장비로부터 기준점 측량 결과를 사전에 입력받는다.
그리고 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치(10)의 데이터 획득부(120)는 보다 정확한 조사면적을 반영하기 위하여 GIS(Geographic Information System) 분석기법을 통해서 실제 조사 구역에 대한 면적을 산출한다.
이때 조사구 실제 면적은 GIS상에서 점(point) 형태로 표현되어 있는 모든 수목을 포함하는 최소 영역의 다각형(polygon)을 생성하고 이 다각형의 면적을 조사구의 면적으로 설정하도록 구현될 수 있다. 다각형은 GIS 기법 중 MCP(Minimum Convex Polygons)방법을 이용하여 생성된다. 그리고 MCP 기법을 적용 시 선택사항으로 JNB(Jenks Natural Breaks)11 Jenks natural breaks: 다양한 계층(class)에 대한 최상의 값 배열을 결정하도록 설계된 데이터 군집(clustering)방법기능을 선택하여 다각형을 생성할 수 있다.
추가적으로 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치(10)는 임상도(1:5,000)를 통해 각 조사구에 대한 수종을 파악하고, 이를 토대로 각 수목에 대한 상대생장식을 적용하여 탄소저장량을 추정할 수도 있다. 각 조사구에 대한 임상도상의 수종은 소나무, 신갈나무, 침엽수, 기타활엽수, 기타참나무류, 침활혼효림 등 6개로 구분될 수 있고, 소나무와 신갈나무는 국립산림과학원(2014)이 제시한 상대생장식을 적용하였으며, 나머지는 침엽수와 활엽수로 구분하여 국내 대표 수종인 강원지방소나무와 신갈나무의 상대생장식을 각각 적용한다.
침활혼효림으로 구성된 조사구의 경우, 먼저 강원지방소나무(침엽수)와 신갈나무(활엽수)의 상대생장식을 각각 적용하여 탄소저장량을 구하고, 매목조사 결과로부터 침엽수와 활엽수 비율(1:2.686)을 이용하여 가중평균하여 조사구에 대한 탄소저장량을 산정한다.
도 11은 본 발명의 일 실시예에 따른 탄소 저장량 산출 방법에 따른 단위 면적당 탄소 저장량의 산출 결과의 비교 그래프이다.
즉, 상대생장식을 통해 탄소저장량을 산정하고, 산정된 탄소 저장량을 조사면적으로 나누어 각 조사구의 단위면적(m2)당 탄소저장량을 계산할 수 있다.
일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치(10)는 조사구별 탄소 추정량 결과를 토대로 단위면적당 탄소저장량을 산출하고, 이를 임상도 수종과 면적에 대응시켜 공원 전체 면적으로 확장할 수 있다.
도 12 는 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에 의해 도출된 산림 생태계 탄소 저장량(tonC) 분포 현황 결과 예시도이다.
도 13은 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치에의해 도출된 단위 면적당 산림 생태계 탄소 저장량(tonC/ha) 분포 현황 결과 예시도이다.
도 12 및 도 13에서와 같이 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치(10)는 국립공원의 산림 생태계 탄소 저장량을 추정할 수 있다. 그리고 추정된 탄소 저장량을 가독성이 높은 데이터로 그래프화하여 결과를 제공한다.
일 실시예에 따르면 라이다 기술의 도입을 통해 국립 공워 내 식생 구조에 대해 보다 정밀하고 과학적인 측정이 가능하고, 라이다 자료로부터 산림 생태계 탄소 저장량 평가 신뢰도를 개선할 수 있다.
도 14는 본 발명의 일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법의 흐름도이다.
일 실시예에 따른 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법은 라이다로부터 식생의 형상 정보를 나타내는 점군 데이터(point cloud)를 획득한다(S200).
본 발명의 일 양상에 있어서 라이다 장비에서 획득된 데이터의 정위치 확인을 위한 GNSS(Global Navigation Satellite System) 측량 장비로부터 기준점 측량 결과를 사전에 입력받는다(S210).
그리고 데이터 획득 단계에서 획득한 점군 데이터에 SLAM 오류에 따른 기선 이탈, 오측정, 자료 누락 상황을 파악하고 데이터 누락 지점, 점군 데이터의 생성 오류 발생시에 보완측정을 수행한다(S220).
그리고 데이터 획득 단계에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정한다(S230).
그리고 데이터 획득 단계에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정한다(S240).
이후에 수고 측정 단계에서 측정된 수고와 상기 흉고 직경 측정 단계에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출한다(S250).
본 발명의 특징적인 양상에 있어서 체적 산출 단계는 표본목에 대한 수고를 적어도 하나 이상의 구간으로 분할하여 원뿔대와 원뿔로 가정하고 수목 줄기부의 체적을 산출한다.
그리고 체적 산출 단계에서 산출된 체적에 생물량 계수 또는 상대 생장식을 적용하여 탄소 저장량을 추정한다(S260).
이때 탄소 저장량 추정 단계는, 체적 산출 단계에서 산출된 체적과 생물량 계수를 이용하여 탄소 저장량을 추정할 수 있다.
그리고 추정된 탄소 저장량을 국립공원 평면도 상에서 가독성이 높은 데이터로 그래프화하여 결과를 제공한다.
일 실시예에 따르면 라이다 기술의 도입을 통해 국립 공워 내 식생 구조에 대해 보다 정밀하고 과학적인 측정이 가능하고, 라이다 자료로부터 산림 생태계 탄소 저장량 평가 신뢰도를 개선할 수 있다.
전술한 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 식생 구조 측정 장치 110 : 통신부
120 : 데이터 획득부 130 : 수고 측정부
140 : 흉고 직경 측정부 150 : 체적 산출부
160 : 탄소 저장량 추정부 170 : 기준점 측량부
180 : 데이터 보완부
120 : 데이터 획득부 130 : 수고 측정부
140 : 흉고 직경 측정부 150 : 체적 산출부
160 : 탄소 저장량 추정부 170 : 기준점 측량부
180 : 데이터 보완부
Claims (10)
- 라이다로부터 식생의 형상 정보를 나타내는 점군 데이터(point cloud)를 획득하는 데이터 획득부;
상기 데이터 획득부에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정하는 수고 측정부;
상기 데이터 획득부에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정하는 흉고 직경 측정부;
상기 수고 측정부에서 측정된 수고와 상기 흉고 직경 측정부에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출하는 체적 산출부; 및
상기 체적 산출부에서 산출된 체적에 생물량 계수 또는 상대 생장식을 적용하여 탄소 저장량을 추정하는 탄소 저장량 추정부;를 포함하고,
상기 체적 산출부는,
표본목에 대한 수고를 적어도 하나 이상의 구간으로 분할하여 원뿔대와 원뿔로 가정하고 수목 줄기부의 체적을 산출하되,
줄기의 직경이 6cm 이상인 경우, 원뿔대로 가정하여 체적을 산출하고,
줄기의 직경이 6cm 미만인 경우, 원뿔로 가정하여 체적을 산출하며,
상기 흉고 직경 측정부는,
측정 단면 상에서 수피에 해당되는 점(point)들의 무게중심점을 찾고, 이를 기준으로 각 점까지의 거리를 구하여 그 평균값을 반지름으로 하는 원으로 생성하여 상기 3차원 수목 모델을 생성한 것인, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치.
- 제 1 항에 있어서,
상기 라이다 장비에서 획득된 데이터의 정위치 확인을 위한 GNSS(Global Navigation Satellite System) 측량 장비로부터 기준점 측량 결과를 사전에 입력받는 기준점 측량부;를 더 포함하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치.
- 제 2 항에 있어서,
상기 데이터 획득부에서 획득한 점군 데이터에 SLAM오류에 따른 기선 이탈, 오측정, 자료 누락 상황을 파악하고 데이터 누락 지점, 점군 데이터의 생성 오류 발생시에 보완측정을 수행하는 데이터 보완부;를 더 포함하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치.
- 삭제
- 제 1 항에 있어서,
상기 탄소 저장량 추정부는,
상기 체적 산출부에서 산출된 체적과 생물량 계수를 이용하여 탄소 저장량을 추정하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치.
- 라이다로부터 식생의 형상 정보를 나타내는 점군 데이터(point cloud)를 획득하는 데이터 획득 단계;
상기 데이터 획득 단계에서 획득된 점군 데이터로부터 기준 높이 설정, 수목 분리 및 보정, 측정 기준 선정, 측정을 수행하여 수고를 측정하는 수고 측정 단계;
상기 데이터 획득 단계에서 획득된 점군 데이터로부터 지형 기준면을 생성하고 원기둥 형태의 3차원 수목 모델을 생성하여 평균 직경을 측정하는 흉고 직경 측정 단계;
상기 수고 측정 단계에서 측정된 수고와 상기 흉고 직경 측정 단계에서 측정된 흉고 평균 직경을 활용하여 수목 줄기부의 체적을 산출하는 체적 산출 단계; 및
상기 체적 산출 단계에서 산출된 체적에 생물량 계수 또는 상대 생장식을 적용하여 탄소 저장량을 추정하는 탄소 저장량 추정 단계;를 포함하고,
상기 체적 산출 단계는 ,
수목에 대한 수고를 적어도 하나 이상의 구간으로 분할하여 원뿔대와 원뿔로 가정하고 수목 줄기부의 체적을 산출하되,
줄기의 직경이 6cm 이상인 경우, 원뿔대로 가정하여 체적을 산출하고,
줄기의 직경이 6cm 미만인 경우, 원뿔로 가정하여 체적을 산출하며,
상기 3차원 수목 모델은,
측정 단면 상에서 수피에 해당되는 점(point)들의 무게중심점을 찾고, 이를 기준으로 각 점까지의 거리를 구하여 그 평균값을 반지름으로 하는 원으로 생성되어 생성된 것인, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법.
- 제 6 항에 있어서,
상기 라이다 장비에서 획득된 데이터의 정위치 확인을 위한 GNSS(Global Navigation Satellite System) 측량 장비로부터 기준점 측량 결과를 사전에 입력받는 기준점 측량 단계;를 더 포함하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법.
- 제 7 항에 있어서,
상기 데이터 획득 단계에서 획득한 점군 데이터에 SLAM오류에 따른 기선 이탈, 오측정, 자료 누락 상황을 파악하고 데이터 누락 지점, 점군 데이터의 생성 오류 발생시에 보완측정을 수행하는 데이터 보완 단계;를 더 포함하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법.
- 삭제
- 제 6 항에 있어서,
상기 탄소 저장량 추정 단계는,
상기 체적 산출 단계에서 산출된 체적과 생물량 계수를 이용하여 탄소 저장량을 추정하는, 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220011699A KR102473799B1 (ko) | 2022-01-26 | 2022-01-26 | 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220011699A KR102473799B1 (ko) | 2022-01-26 | 2022-01-26 | 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102473799B1 true KR102473799B1 (ko) | 2022-12-02 |
Family
ID=84417999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220011699A KR102473799B1 (ko) | 2022-01-26 | 2022-01-26 | 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102473799B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101426474B1 (ko) | 2013-04-11 | 2014-08-05 | (주)동양화학 | 라이다를 이용한 수심별 수온 원격 측정 시스템 및 이를 이용한 수온 원격 측정 방법 |
| KR101470981B1 (ko) | 2014-06-23 | 2014-12-10 | (주)선운 이앤지 | 지상 라이다를 이용한 가공송전 철탑의 변위 측정과 분석 방법 |
| KR20150014359A (ko) | 2013-07-29 | 2015-02-06 | 강원대학교산학협력단 | 도시 상록성 조경수의 직접수확법을 통한 탄소 저장량 및 연간 탄소 흡수량을 산출하는 방법 |
| KR102181283B1 (ko) * | 2012-12-12 | 2020-11-23 | 더 보잉 컴파니 | 나무 계측 시스템 |
| KR20210053239A (ko) * | 2019-10-31 | 2021-05-11 | 삼성전자주식회사 | 다중-센서 slam 시스템들을 위한 장치 및 방법들 |
-
2022
- 2022-01-26 KR KR1020220011699A patent/KR102473799B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102181283B1 (ko) * | 2012-12-12 | 2020-11-23 | 더 보잉 컴파니 | 나무 계측 시스템 |
| KR101426474B1 (ko) | 2013-04-11 | 2014-08-05 | (주)동양화학 | 라이다를 이용한 수심별 수온 원격 측정 시스템 및 이를 이용한 수온 원격 측정 방법 |
| KR20150014359A (ko) | 2013-07-29 | 2015-02-06 | 강원대학교산학협력단 | 도시 상록성 조경수의 직접수확법을 통한 탄소 저장량 및 연간 탄소 흡수량을 산출하는 방법 |
| KR101470981B1 (ko) | 2014-06-23 | 2014-12-10 | (주)선운 이앤지 | 지상 라이다를 이용한 가공송전 철탑의 변위 측정과 분석 방법 |
| KR20210053239A (ko) * | 2019-10-31 | 2021-05-11 | 삼성전자주식회사 | 다중-센서 slam 시스템들을 위한 장치 및 방법들 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Calders et al. | Terrestrial laser scanning in forest ecology: Expanding the horizon | |
| Liang et al. | Forest in situ observations using unmanned aerial vehicle as an alternative of terrestrial measurements | |
| Liang et al. | Terrestrial laser scanning in forest inventories | |
| Noordermeer et al. | Direct and indirect site index determination for Norway spruce and Scots pine using bitemporal airborne laser scanner data | |
| Singh et al. | Effects of LiDAR point density and landscape context on estimates of urban forest biomass | |
| Duncanson et al. | Aboveground woody biomass product validation good practices protocol | |
| Weiser et al. | Individual tree point clouds and tree measurements from multi-platform laser scanning in German forests | |
| Bollandsås et al. | Detection of biomass change in a Norwegian mountain forest area using small footprint airborne laser scanner data | |
| CN115700370A (zh) | 碳储量计算方法、装置、电子设备和存储介质 | |
| Hopkinson et al. | Moving toward consistent ALS monitoring of forest attributes across Canada | |
| CN115294147A (zh) | 一种基于无人机激光雷达单木与森林地上生物量估算方法 | |
| Ghimire et al. | Using terrestrial laser scanning to measure forest inventory parameters in a mediterranean coniferous stand of western Greece | |
| Sofia et al. | The efficiency of LiDAR HMLS scanning in monitoring forest structure parameters: implications for sustainable forest management | |
| Hardenbol et al. | Detection of standing retention trees in boreal forests with airborne laser scanning point clouds and multispectral imagery | |
| Ojoatre | Accuracy of measuring tree height using Airborne LiDAR and Terrestrial laser scanner and its effect on estimating forest biomass and carbon stock in Ayer Hitam tropical rain forest reserve, Malaysia | |
| KR102473799B1 (ko) | 탄소 저장량 추정을 위한 라이다 기반의 식생 구조 측정 장치 및 방법 | |
| CN110596017B (zh) | 一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法 | |
| KR20220066783A (ko) | 산림 바이오매스의 산정방법 | |
| Olofsson et al. | Tree stem and canopy biomass estimates from terrestrial laser scanning data | |
| Mtui | Tropical rainforest above ground biomass and carbon stock estimation for upper and lower canopies using terrestrial laser scanner and canopy height model from unmanned aerial vehicle (UAV) imagery in Ayer-Hitam, Malaysia | |
| Argamosa et al. | Fully automated GIS-based individual tree crown delineation based on curvature values from a lidar derived canopy height model in a coniferous plantation | |
| Calders et al. | Terrestrial LiDAR for measuring above-ground biomass and forest structure | |
| 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 | |
| Madhibha | Assessment of above ground biomass with terrestrial lidar using 3D quantitative structure modelling in tropical rain forest of Ayer Hitam forest reserve, Malaysia | |
| Katoh et al. | Development of smart precision forest in conifer plantation in Japan using laser scanning data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |