초분광 이미징을 이용한 정밀한 수종 식별 및 엽면적 지수 추출

맹그로브는 연안 환경에서 가장 중요한 생태적 장벽 중 하나이며, 맹그로브의 건강 상태는 해안선 안정성, 생물 다양성 및 탄소 저장에 직접적인 영향을 미칩니다. 맹그로브 생태계의 상태를 이해하기 위해서는 특히 두 가지 지표가 중요합니다. 수목 종 분포 그리고 엽면적지수(LAI). 최근 몇 년 동안, 초분광 맹그로브 생태 모니터링 이는 두 가지 유형의 정보를 높은 정확도와 효율성으로 포착하는 데 점점 더 효과적인 접근 방식이 되고 있습니다.

실시된 연구에서 장강 하구 맹그로브 국립자연보호구, 무인항공기 기반 초분광 이미징이 이를 뒷받침하기 위해 사용되었습니다. 초분광 카메라를 이용한 정밀한 수종 식별 그리고 초분광 이미징을 이용한 엽면적 지수 산출. 연구 결과에 따르면 초분광 원격 탐사는 복잡한 조간대 환경 전반에 걸쳐 우점 맹그로브 종을 정확하게 구분하고 생태 평가, 복원 계획 및 식생 모니터링을 위한 신뢰할 수 있는 엽면적지수(LAI) 추정치를 제공할 수 있는 것으로 나타났습니다.

초분광 기반 맹그로브 생태 모니터링이 중요한 이유

맹그로브 보호구역에는 종종 여러 종의 식물이 파편화되고 겹쳐 자라는 양상을 보입니다. 동시에 해안 습지에서의 현장 조사는 일반적으로 조수, 진흙 지형, 접근성 부족 등의 제약을 받습니다. 이러한 이유로 전통적인 식생 조사는 시간이 오래 걸리고 노동 집약적이며 규모 확장이 어렵습니다.

수목 종을 정확하게 식별하는 것의 필요성

맹그로브 관리에 있어서는 종 수준의 정보가 필수적입니다. 종마다 생태적 기능, 성장 반응, 복원 가치가 다르기 때문입니다. 정확한 종 분포 지도는 연구자와 보호구역 관리자가 서식지 구조를 이해하고 더 나은 보전 결정을 내리는 데 도움이 됩니다.

이것이 바로 그 이유입니다 초분광 카메라를 이용한 정밀한 수종 식별 초분광 영상은 매우 중요한 응용 분야입니다. 기존 영상 촬영 방식과 비교했을 때, 초분광 영상은 시각적으로 유사한 종들 사이의 미묘한 스펙트럼 차이를 포착할 수 있습니다. 따라서 RGB 영상이나 일반 다중 스펙트럼 영상만으로는 정확한 분류가 어려운 혼합 맹그로브 환경에서 특히 유용합니다.

엽면적지수 산출의 중요성

초분광 카메라를 이용한 엽면적 지수(LAI) 측정 엽면적지수(LAI)는 생태 모니터링의 또 다른 핵심 요소입니다. LAI는 수관 밀도, 식생 생장 상태 및 광합성 능력을 반영하며, 생태계 생산성, 식생 건강 및 복원 성과를 평가하는 데 널리 사용됩니다.

기존의 엽면적지수(LAI) 측정 방법은 시간이 많이 소요되고 대규모 습지 모니터링에 적합하지 않은 경우가 많습니다. 이와 대조적으로, 초분광 엽면적 지수 추출 이 방법은 높은 정확도를 유지하면서 광범위한 지역에 걸쳐 수목 피복 매개변수를 더 빠르고 확장 가능한 방식으로 추정할 수 있도록 해줍니다.

맹그로브 모니터링에 있어 초분광 카메라의 장점

이 연구는 초분광 이미징이 어떻게 두 가지 모두를 지원할 수 있는지 보여줍니다. 정교한 수종 식별 그리고 엽면적지수 검색 복잡한 해안 생태계에서.

종 식별을 위한 높은 스펙트럼 감도

초분광 카메라는 연속적인 스펙트럼 범위에 걸쳐 상세한 반사율 정보를 기록할 수 있어, 종간 잎과 캐노피 반사율의 미세한 차이까지 감지할 수 있습니다. 이러한 기능은 특히 다음과 같은 경우에 중요합니다. 초분광 카메라를 이용한 수목 종 식별, 분류는 미묘하지만 안정적인 스펙트럼 변화에 따라 달라집니다.

장강 하구 보호구역에는 다음과 같은 주요 맹그로브 종이 서식합니다. 칸델리아 오보바타, Aegiceras corniculatum, 그리고 아비센니아 마리나 이러한 현상은 복잡한 모자이크 분포로 나타납니다. 초분광 이미징을 통해 이들의 스펙트럼 차이를 효과적으로 포착할 수 있으며, 이는 기존의 조사 방식보다 더 정확한 분류를 가능하게 합니다.

수목 구조 분석을 위한 고해상도 공간 이미지

드론 초분광 이미징은 풍부한 스펙트럼 정보 외에도 높은 공간 해상도를 제공합니다. 100미터 비행 고도에서 센티미터 수준의 지상 해상도를 달성하여 수목 구조, 수관 질감 및 식생 경계를 선명하게 관찰할 수 있습니다.

이는 특히 다음과 같은 경우에 중요합니다. 초분광 맹그로브 생태 모니터링, 왜냐하면 수종 분류와 잎면적지수(LAI) 산출 모두 수관 및 수관층의 상세한 구조적 정보를 활용하면 이점을 얻기 때문입니다.

생태학적 응용을 위한 신뢰할 수 있는 데이터

안정적인 영상 획득은 모든 생태 모니터링 워크플로우에 필수적입니다. 고품질 초분광 데이터는 분광 분석, 특징 추출, 분류 모델 및 식생 매개변수 역산의 신뢰성을 향상시킵니다. 본 사례에서 초분광 영상 워크플로우는 이러한 두 가지 측면 모두에 강력한 데이터 기반을 제공했습니다. 초분광 카메라를 이용한 정밀한 종 식별 그리고 초분광 이미징을 이용한 엽면적 지수 산출.

맹그로브 생태 모니터링을 위한 초분광 데이터 수집 및 전처리

견고한 워크플로는 적절한 데이터 수집 계획 및 전처리에서 시작됩니다. 해안 습지에서는 시기와 환경 조건이 원격 탐사 데이터의 품질에 상당한 영향을 미칠 수 있습니다.

무인항공기 비행 계획 및 측량 설계

항공 조사는 다음에서 수행되었습니다. 2024년 12월 썰물 때, 조수의 영향을 최소화하여 영상 획득 효율을 높였습니다. 연구 지역은 조사 효율성과 데이터 일관성을 향상시키기 위해 6개 구역으로 나누었습니다. 드론 비행 매개변수는 넓은 범위와 세밀한 공간 해상도를 모두 확보하도록 설정했습니다.

본 연구에서 사용된 초분광 영상 시스템은 다음과 같습니다. 라모톤 RT-FS60. 데이터 수집 과정에서 해당 플랫폼은 약 의 지상 해상도를 달성했습니다. 4.71cm 비행 고도 미만 100m, 비행 속도는 다음과 같습니다. 5m/s 그리고 주 비행선 각도 87도.

방사 측정 보정 및 이미지 생성

원시 초분광 데이터는 다음과 같이 처리되었습니다. ENVI 5.3 대기 효과, 조명 조건 및 태양 각도 변화의 영향을 줄이기 위해 방사 측정 보정을 수행했습니다. 그 후, 기하학적 정합 및 스트립 모자이크 처리를 통해 맹그로브 보호구역의 완전한 초분광 이미지를 생성했습니다.

맹그로브 지역 추출

연구진은 맹그로브 식생을 비표적 표면으로부터 분리하기 위해 다음과 같은 방법을 적용했습니다. NDVI 임계값 방법 다양한 범위를 사용하여 0.53에서 1.00까지. 이 과정에서 수역, 염습지 및 인공 표면이 가려졌습니다. 그런 다음 수동 해석을 통해 결과를 정제하여 후속 분석을 위해 맹그로브 지역을 정확하게 추출했습니다.

이 전처리 워크플로는 성능 향상에 필수적이었습니다. 초분광 카메라를 이용한 나무 수종 식별 그리고 초분광 엽면적 지수 추출.

초분광 카메라를 이용한 정밀한 수종 식별

전처리 후, 연구는 다음 사항에 집중했습니다. 초분광 카메라를 이용한 정밀한 수종 식별, 이는 본 연구의 핵심 목표 중 하나입니다.

다중 스케일 분할 및 특징 추출

처리된 초분광 영상은 다음을 사용하여 분석되었습니다. 객체 지향 다중 스케일 분할 방법. 최적의 분할 스케일은 다음과 같이 결정되었습니다. 25, 병합 규모를 포함하여 80, 이를 통해 과도한 세분화 또는 불충분한 세분화의 위험을 효과적으로 줄일 수 있습니다.

총 323가지 특징 데이터를 기반으로 다음과 같은 내용이 포함되었습니다.

원래 스펙트럼 대역 특징
식생지수
텍스처 특징
형태 특징
LiDAR에서 추출한 높이 특징
LiDAR에서 추출한 강도 특징

이러한 고차원적 특징 집합은 강력한 기반을 제공했습니다. 초분광 카메라 기반의 정밀한 수종 식별 맹그로브 숲이 섞여 있는 곳에.

특징 선택 및 딥러닝 분류

상관 분석 후 제거됨 273개의 매우 중복되는 기능, 나머지 변수들은 다음 방법을 사용하여 선별했습니다:

RF-RFE
XGBoost
라이트GBM

선택된 결과들의 교집합이 생성되었습니다. 14차원 최적 특징 집합, 여기에는 민감한 스펙트럼, 구조 및 캐노피 관련 변수가 포함됩니다.

이러한 특징들이 입력되었습니다. 스윈-어퍼넷 딥러닝 모델을 사용하여 주요 맹그로브 종을 분류했습니다. 이 워크플로우를 통해 종들을 정확하게 구분할 수 있었습니다. 칸델리아 오보바타, Aegiceras corniculatum, 그리고 아비센니아 마리나, 실질적인 가치를 보여줍니다 초분광 카메라를 이용한 정밀한 종 식별 생태학적 응용 분야에서.

수목 종 식별 결과

전체 분류 정확도는 다음과 같습니다. 91.18%, 와 함께 카파 계수 0.85, 이는 모델 예측과 현장 조건 간의 높은 일치도를 나타냅니다.

각 종에 대한 생산자의 정확도는 다음과 같습니다.

Aegiceras corniculatum: 92.08%
아비센니아 마리나: 91.38%
Kandelia obovata: 90.66%

이러한 결과는 다음을 확인시켜 줍니다. 초분광 카메라를 이용한 정밀한 수종 식별 맹그로브 생태계 모니터링을 위한 정확하고 실용적인 종 분포 지도를 제공할 수 있습니다.

초분광 이미징을 이용한 엽면적 지수(LAI) 산출

종 분류 결과에 따라 다음 단계는 다음과 같았다. 초분광 이미징을 이용한 엽면적 지수 산출, 이는 본 연구의 또 다른 핵심 초점입니다.

종별 LAI 추출 전략

연구진은 모든 맹그로브 식생에 단일 모델을 적용하는 대신, 각 종별로 민감한 특징들을 따로 선택했습니다. 이러한 종별 맞춤 전략을 통해 정확도를 향상시켰습니다. 초분광 카메라를 이용한 엽면적 지수(LAI) 추출, 그 이유는 맹그로브 종마다 수관 구조와 스펙트럼 반응이 다르기 때문입니다.

모델 개발 및 비교

선택된 특징들은 세 가지 LAI 추정 알고리즘에 통합되었습니다.

SVR
PLSR
BPNN

연구팀은 다양한 특징 선택 방법을 이러한 알고리즘과 결합하여 구축했습니다. 9개의 하이브리드 크로스 모델 그리고 검색 성능을 비교했습니다.

최적 모델은 다음과 같이 확인되었습니다.

RF-RFE + SVR ~을 위한 칸델리아 오보바타
RF-RFE + SVR ~을 위한 아비센니아 마리나
XGBoost + BPNN ~을 위한 Aegiceras corniculatum

이 접근 방식은 크게 개선되었습니다. 초분광 엽면적 지수 추출 종 수준에서의 성능.

LAI 검색 결과

추출된 LAI 값은 현장 측정값과 매우 일치했습니다.

추정된 LAI 범위는 다음과 같습니다.

Kandelia obovata: 0.897–3.001, 평균 1.416
Aegiceras corniculatum: 0.934–1.919, 평균 1.355
아비센니아 마리나: 0.913–2.221, 평균 1.443

모델들 중에서 결과는 다음과 같습니다. 아비센니아 마리나 특히 강세를 보였습니다.

R² = 0.87
MAE = 0.02
RMSE = 0.04

을 위한 칸델리아 오보바타, 모델은 다음과 같은 결과를 달성했습니다.

R² = 0.81
MAE = 0.09
RMSE = 0.05

이러한 결과는 다음을 보여줍니다. 초분광 카메라를 이용한 엽면적 지수(LAI) 측정 생태 분석 및 복원 모니터링을 위한 신뢰할 수 있고 정확한 수목층 정보를 생성할 수 있습니다.

초분광 맹그로브 생태 모니터링의 생태학적 가치

이 연구의 중요성은 기술적 정확성을 넘어섭니다. 또한 이 연구는 다음과 같은 점을 보여줍니다. 초분광 맹그로브 생태 모니터링 실질적인 생태계 관리와 과학적 의사결정을 지원할 수 있습니다.

맹그로브 생태계 상태의 공간적 패턴 규명

이 연구는 보호구역 전체에 걸쳐 맹그로브 잎면적지수(LAI)의 명확한 공간적 경향성을 밝혀냈으며, 이는 다음과 같은 패턴을 보여준다. 북쪽에서 남쪽으로 갈수록 감소하다가, 그 후 증가하고, 다시 감소합니다.. 이러한 공간 정보는 식생 상태, 서식지 다양성 및 생태적 기능에 대한 귀중한 통찰력을 제공합니다.

다중 소스 특징을 활용한 생태학적 해석 개선

또 다른 중요한 발견은 여러 요소의 복합적인 기여였다. 높이 특징 그리고 강도 특징 LAI 추정에 있어서, 이는 분광 정보와 구조적 특성을 통합하면 성능을 향상시킬 수 있음을 확인시켜 줍니다. 초분광 엽면적 지수 추출 그리고 맹그로브 숲의 생태계 변화 양상에 대한 해석을 개선합니다.

보존 및 복원 지원

결합함으로써 초분광 카메라를 이용한 정밀한 수종 식별 그리고 초분광 이미징을 이용한 엽면적 지수 산출, 이를 통해 연구원과 환경보호 관리자는 다음과 같은 더욱 정확한 정보를 얻을 수 있습니다.

맹그로브 보존 계획
복원 효과 평가
식물 건강 모니터링
습지 자원 관리
장기 생태계 관찰

이러한 이유로 초분광 원격 탐사는 해안 생태계 보호에 매우 유용한 도구가 됩니다.

항공 식물 모니터링 제품 정보

항공 식물 모니터링 응용 분야에서 본 연구에 사용된 시스템은 다음과 같습니다. 라모톤 RT-FS60. 주요 사양은 다음과 같습니다.

스펙트럼 범위: 400~1000nm
분광 해상도: 2.5nm
스펙트럼 대역: 1200
공간 픽셀: 1920

이러한 기술적 특징 덕분에 초분광 이미징은 다음과 같은 분야에 매우 적합합니다.

정교한 수종 식별
엽면적지수 검색
맹그로브 생태 모니터링
습지 식생 분석
산림자원 조사
작물 생장 평가

결론

장강 하구 맹그로브 국립자연보호구에서 수행된 본 연구는 초분광 원격탐사가 매우 효과적임을 보여줍니다. 초분광 카메라를 이용한 정밀한 수종 식별, 초분광 카메라를 이용한 엽면적 지수(LAI) 측정, 그리고 초분광 맹그로브 생태 모니터링.

전반적인 종 분류 정확도는 다음과 같습니다. 91.18% 그리고 LAI 검색 오류는 매우 낮습니다. 0.04, 이 워크플로는 복잡한 해안 생태계에서 UAV 초분광 이미징의 강력한 잠재력을 보여줍니다. 이는 맹그로브 보존, 복원 및 관리를 위한 정밀하고 효율적인 데이터 지원을 제공하는 동시에 임업, 습지 및 식생 모니터링 분야에서도 폭넓은 응용 가능성을 제시합니다.