| 초록 |
원격탐사 영상과 환경 요소에 기반한 효과적인 삼림 탄소 밀도 추정기법을 구축하고자, 본 논문은 2009년의 삼림 조사 데이터와 SPOT 원격탐사 영상에 기반하고, 산시성 양취안 지역(Yangquan area in Shanxi Province)을 사례로, 바이오매스 환산 계수(conversion factor) 연속 함수법을 이용하여 연구지역 교목림의 지상부 바이오매스와 탄소 밀도를 추정하였다. 이를 기반으로, 원격탐사 영상, 환경 요소(해발, 경사도, 경사방향 등)를 독립변수로 선택한 후, 증강된 BP 신경망을 이용하여 연구지역 교목림의 탄소 밀도 추정 모델을 구축하고 공간 분포도를 유도하였다. 연구 결과, 양취안 지역 교목림의 바이오매스는 552,774 t, 탄소 밀도는 11.38t·hm -2 였다. 다양한 임형(forest type), 임령과 기원에 따른 배이오매스 및 탄소 밀도를 측정한 결과, 침엽림, 유령림(young forest), 인공림의 바이오매스가 가장 컸으며, 활엽림, 성숙림, 천연림의 탄소 밀도가 가장 컸다. 증강된 BP 신경망을 이용하여 교목림의 탄소 밀도를 아주 잘 시뮬레이션 할 수 있었다. 침엽림, 활엽림, 침활 혼효림에 대한 시뮬레이션 결과의 평균 상대 오차와 평균 상대 오차의 절대값은 각각 2.40%, 6.87%, -4.09%과 6.83%, 2.77%, 3.99%였다. BP 신경망 모델에 기반하여 교목림 내 탄소 밀도의 공간 분포도를 유도하였을 때, 시뮬레이션 정확도가 85.05%에 달하였다. 이로부터 인공 신경망이 삼림 탄소 밀도를 신속하고 정확하게 추정할 수 있다는 것을 더 한층 증명하였으며, 향후 삼림 자원의 조사와 관리에 과학적 근거를 제공하였다. |
