| 수록사항 |
한국경관학회지 , Vol.16 No.1(2024-06) |
| 주제어 |
자연유산; 천연기념물; 방재; 안전관리; 기계학습 ; Natural Heritage; Natural Monument; Disaster Prevention; Safety Management; Machine Learning |
| 요약1 |
본 연구는 항공 초분광 영상에서 대면적 자연유산의 식생 경관과 식물 생육에 영향을 주는 아까시나무(Robinia pseudoacacia L.), 칡(Pueraria lobata (Willd.) Ohwi), 환삼덩굴(Humulus japonicus Siebold & Zucc.)의 탐지와 분류에 사용될 분광라이브러리 구축을 목적으로 하였으며, 그 결과는다음과 같다.
첫째, 분광라이브러리 구축 시 측정 대상의 형태, 측정 배경판의 재질과 색상, 측정 거리 등을고려한 취득기법을 제시하였다. 취득 시 항공 초분광 영상에서 보이는 식물의 형상과 유사하게잎의 앞면과 뒷면 그리고 가지를 혼합하여 검은색 천을 배경으로 배치하고, 반사값 보정을 위한화이트보드 및 식물과 장비 사이의 촬영거리는 지상분광계의 제원과 외부 환경을 고려하여 10㎝ 로 설정하는 것이 효과적이었다. 둘째, 취득된 3종의 분광라이브러리의 분산분석과 기계학습을통해 비교식물 4종의 분광라이브러리와 분별력이 있음을 밝혔다. 아까시나무와 칡은 RF(Random Forest)와 SVM(Support Vector Machine)의 분석 결과, 8∼12%로 낮은 오류율에서 분별력이 나타나 향후 분광라이브러리로 활용 가능성이 시사되었다. 특히, 칡은 모든 파장대에서 비교식물과가장 유의한 차이를 보였다. 반면에 환삼덩굴은 특정 파장대를 제외하고, RF 분류에서 가장 높은오류율을 보여 일관된 경향이 발견되지 않았다. 여타 식물과 구별되는 환삼덩굴의 분광값을 도출하기 위해서는 2개 이상 파장의 밴드 연산을 통한 지수의 개발이 필요할 것으로 보인다. 본 연구는 위해식물 3종에 한정하여 진행된 한계가 있다. 따라서 향후 식물의 생육 시기에 맞춰 다양한종류의 분광라이브러리를 구축하고, 항공 초분광 영상에서 대면적 자연유산에서 생육환경의 모니터링과 위해식물의 피해 탐지하기 위한 고도화 연구가 수반되어야 한다. |
| 요약2 |
The purpose was to build hyper-spectral libraries to be used for aerial hyper-spectral images detection and classification of Robinia pseudoacacia L., Pueraria lobata (Willd.) Ohwi, Humulus japonicus Siebold & Zucc.., which influence the vegetation landscape and plant growth of large-area natural heritage sites, and the results are as follows. First, when building hyper-spectral libraries, an acquisition technique was presented that takes into account the shape of the measurement object, the material and color of the measurement background, and the measurement distance. In case of acquisition, the front and back sides of the leaves and branches, which are similar to the crown of the plant seen in the aerial hyper-spectral image, are mixed and placed against a black fabric background. In addition, the shooting distance, among a whiteboard for reflection value correction is used, the plant and the equipment, is 10cm was effective, considering equipment specification and external environment condition. Second, through variance analysis and machine learning of the three acquired spectral libraries, it was revealed that they had discriminatory power compared to the spectral libraries of the four comparative plants. As a result of analysis of Robinia pseudoacacia L., Pueraria lobata (Willd.) Ohwi, using RF(Random Forest) and SVM (Support Vector Machine), discrimination was found with a low error rate of 8-12%, suggesting the possibility of using them as a spectral library in the future. In particular, Pueraria lobata (Willd.) Ohwi showed the most significant difference from comparison plants in all wavelength bands. On the other hand, Humulus japonicus Siebold & Zucc.. showed the highest error rate in RF classification, excluding specific wavelength bands, and no consistent trend was found. In order to derive the spectral value of the other vine, which distinguishes it from other plants, it seems necessary to develop an index through band calculation of two or more wavelength. This study has limitations in that it was limited to three species of hazardous plants. Therefore, in the future, various types of spectral libraries should be built according to the growth period of plants, and advanced research should be conducted to monitor the growth environment and detect damage from harmful plants in large-area natural heritage sites using aerial hyper-spectral images. |
