항공 LiDAR 원자료 필터링 조건에 따른 산림지역 수치표고모형 정확도 평가

조승완; 최형태; 박주원

doi:http://dx.doi.org/10.14397/jals.2016.50.3.1

추천

검색

자료유형: 학술저널

저자정보: 조승완 (경북대학교 임학과) 최형태 (국립산림과학원 산림복원연구과) 박주원 (경북대학교 임학과)

저널정보: 경상대학교 농업생명과학연구원(구 경상대학교 시설원예연구소) 농업생명과학연구 농업생명과학연구 제50권 제3호

발행연도: 2016.6

수록면: 1 - 11 (11page)

DOI: http://dx.doi.org/10.14397/jals.2016.50.3.1

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

3차원 지형정보를 얻기 위하여 항공 LiDAR(Light Detection and Ranging)자료 기반 수치표고모델(Digital Elevation Model, DEM) 생성에 대한 연구들에 대한 관심이 지속적으로 높아져 왔다. 항공LiDAR 원자료로부터 정확도가 높은 DEM을 생성하기 위해서는 3차원 점군에서 비지면점을 제외시키고지면점만을 포함시키는 필터링(filtering)과정이 중요하다. 특히, 필터링을 구성하는 알고리즘의 패러미터 값 변화에 따라 산출되는 결과물들에 차이가 발생하고 정확도에 영향을 준다. 따라서 본 연구는 화천, 양주, 경산 및 장흥 유역 대상지의 항공 LiDAR 자료로부터 Fusion 소프트웨어를 이용하여 LiDARDEM을 생성하는 GroundFilter알고리즘의 Mean패러미터(GFmn) 수준 변화가 LiDAR　DEM 결과물의정확도에 어떤 영향을 주는지 분석하였다. GFmn 수준 변화에 따른 정확도에 대한 영향 여부를 분석하기 위해 일원배치분산분석을 실시하였고, 그 결과 GFmn의 수준 변화에 따라 정확도에 대한 영향이 유의미하게 나타났다(F-value: 4.915, p<0.01). 이 후 각각의 GFmn 수준들을 다른 수준들과 차이가 있는지 여부로 묶기 위하여 사후검정을 실시하였다. 사후분석을 통해 잔차의 평균 차이에 따라‘7, 5, 9,3’과‘1’ 두 집단으로 나뉘었다. 아울러 보다 정확한 해발고도를 표현하는 LiDAR DEM 생성하는데 적정 GFmn은‘7’조건일 때로 나타났다. 이 연구를 통해 보다 정확한 해발고도를 표현하는 LiDAR DEM을 생성할 수 있는 패러미터 값을 제안하였다.

With increasing interest, there have been studies on LiDAR(Light Detection AndRanging)-based DEM(Digital Elevation Model) to acquire three dimensional topographicinformation. For producing LiDAR DEM with better accuracy, Filtering process is crucial, whereonly surface reflected LiDAR points are left to construct DEM while non-surface reflectedLiDAR points need to be removed from the raw LiDAR data. In particular, the changes ofinput values for filtering algorithm-constructing parameters are supposed to produce differentproducts. Therefore, this study is aimed to contribute to better understanding the effects of thechanges of the levels of GroundFilter Algrothm’s Mean parameter(GFmn) embedded in FUSIONsoftware on the accuracy of the LiDAR DEM products, using LiDAR data collected forHwacheon, Yangju, Gyeongsan and Jangheung watershed experimental area. The effect of GFmn level changes on the products’ accuracy is estimated by measuring and comparing the residualsbetween the elevations at the same locations of a field and different GFmn level-producedLiDAR DEM sample points. In order to test whether there are any differences among the fiveGFmn levels; 1, 3, 5, 7 and 9, One-way ANOVA is conducted. In result of One-way ANOVAtest, it is found that the change in GFmn level significantly affects the accuracy (F-value:4.915, p<0.01). After finding significance of the GFmn level effect, Tukey HSD test is alsoconducted as a Post hoc test for grouping levels by the significant differences. In result, GFmnlevels are divided into two subsets (‘7, 5, 9, 3’ vs. ‘1’). From the observation of the residualsof each individual level, it is possible to say that LiDAR DEM is generated most accuratelywhen GFmn is given as 7. Through this study, the most desirable parameter value can besuggested to produce filtered LiDAR DEM data which can provide the most accurate elevationinformation.

#산림 #정확도 #필터링 #DEM #Fusion #LiDAR #Accuracy #DEM #Filtering #Forest #Fusion #LiDAR

참고문헌 (14)

참고문헌 신청

Baltsavias EP / 1999 / Airborne laser scanning : existing systems and firms and other resources / ISPRS Journal of Photogrammetry & Remote Sensing 54(2):164~198

조태훈 / 2014 / 실수형 2차원 데이터를 위한 고속 미디언 필터링 알고리즘 / 한국정보통신학회논문지 18(11):2715~2720

Edson C / 2011 / Airborne Light Detection and Ranging (LiDAR) for individual tree stem location, height, and biomass measurements / Remote Sensing 3(11):2494~2528

강준묵 / 2006 / GPS에 의한 LiDAR DEM의 정확도 평가 / 한국측량학회지 24(5):443~451

Kobler A / 2007 / Repetitive interpolation: A robust algorithm for DTM generation from Aerial Laser Scanner Data in forested terrain / Remote Sensing of Environment 108(1):9~23

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

조승완

소속기관 경북대학교 임학과

주요연구분야 농수해양학 > 농학

논문수 2 이용수 6

최형태

소속기관 국립산림과학원 산림복원연구과

주요연구분야 농수해양학 > 농학

논문수 1 이용수 3

박주원

소속기관 경북대학교 임학과

주요연구분야 농수해양학 > 농학

논문수 3 이용수 7

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (14)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)