MaxEnt 모델을 이용한 진주시 소나무재선충병 잠재분포 예측

하의린,손은희,성호진,강현득,이동우,김형호 경상국립대학교 농업생명과학연구원 2023 농업생명과학연구 Vol.57 No.6

산림복원 대상 후보지 추출을 위한 딥러닝 접근법

손은희,하의린,송정은,박천희,박윤선,김형호 경상국립대학교 농업생명과학연구원 2022 농업생명과학연구 Vol.56 No.6

Many studies using aerial photography and deep learning are increasing for efficient monitoring of the forest resources. We defined six semantic classes of buildings, roads, paddy fields, fields, forests, and barren as forest restoration target sites and explored the optimal methodology for extracting and classifying target sites for forest restoration based on CNN. The datasets (6,640) were divided at a ratio of 75:25 into training (4,980) and validation datasets (1,660). The accuracy of each model was evaluated using pixel accuracy (PA) and Mean Intersection over union (Mean IoU). PA was calculated as 90.6% and Mean IoU was 80.8%, and the Inception-Resnet-v2 model showed excellent accuracy in extracting target sites for forest restoration among the three models. This result has a Spatio-temporal advantage over the existing field survey for forest restoration sites or surveys using aerial photographs by manually. This study will be able to contribute to the classification of forest restoration sites efficiently and support forest restoration. 이미지 인식에 특화된 CNN (Convolutional Neural Network) 기반의 딥러닝 기법은 영상의 항목별 분류가 필요한 다양한 연구에 적용되고있다. 본 연구는 건물, 도로, 논, 밭, 산림, 나지의 6가지 항목을 산림복원 대상 후보지로 정의하고 CNN 기반의 산림복원 대상 후보지 추출 및분류의 최적 방법론을 탐색하였다. 6,640개의 데이터셋을 75:25의 비율로 훈련(4,980개) 및 검증(1,660개)로 구분하여 구축하고 학습에 활용하였다. 모델별 정확도는 픽셀정확도(PA), 평균 교차 겹침 결합(Mean IoU)을 이용하여 평가하였다. 픽셀정확도는 90.6%, 평균 교차 겹침 결합은 80.8%로산정되어 Inception-Resnet-v2 모델이 세 모델 중 가장 산림복원 대상 후보지 추출에 뛰어난 정확도를 보였다. 이 결과는 기존의 산림복원 대상후보지 현장조사 혹은 항공사진을 활용한 조사에 비해 시공간적 이점을 가지며, 향후 산림복원 대상지 선정 자료로 적용 가능성이 있다고 판단된다.

산림조사 자료의 표본점 할당 모델링을 통한 고해상도 산림공간정보 구축

김승욱,하의린,이성재,임종수,한희,최혜영 한국산림과학회 2025 한국산림과학회지 Vol.114 No.2

기후위기 속에서 산림의 가치는 더욱 중요해지고 있으며, 이를 극대화하기 위해서는 수종 구성, 영급 분포, 구조적특성, 탄소저장량 등 종합적인 산림공간정보가 필수적이다. 최근 머신러닝 기반 공간분석을 응용하여 표본점 중심의 산림조사 자료를 넓은 지역으로 확장하는 연구가 활발하며, 이를 국내 산림 환경에 적용하기 위한 검토가 필요하다. 이 연구는 지리산 지역을 대상으로 랜덤 포레스트(random forests) 기반의 표본점 할당 모델링을 수행하여 임목 수준의 고해상도 산림공간정보를 구축하였다. 이를 위해, 국립공원연구원, 서울대학교 남부학술림의 산림조사 자료를 일관된 기준으로 통합하였으며, 세 자료를 선택하는 조합에 따라 총 7개의 모형을 구성하여 성능을 다각적으로 검증한 후 최적의 모형을 선정하였다. 표본점 할당 모델링은 연구지역 각 지점에서 임상, 임분고, 경급이 가장 유사한 표본점을 식별하여 산림조사 자료를 할당하도록 설계하였다. 모형 학습에서는 산림조사 지점에서 분류된 임상, 임분고, 경급의 식생변수를 다중반응변수로 설정하였고, 각 지점의 환경변수를 결합하여 참조자료로 이용하였다. 학습된 모형은 임상도, 기후, 지형, 위치 등의 환경정보를 포함하는목표자료에 따라 연구지역 전반에 표본점을 할당하였으며, 최종적으로 100 m × 100 m 해상도의 래스터(raster) 기반 공간자료를 생성하였다. 모형 성능 평가 결과, 단일 기관의 자료만으로 구성한 모형은 해당 기관의 조사 특성이 과도하게 반영되어특정 산림 유형을 과대 혹은 과소 추정하는 경향을 나타냈다. 그에 반해, 세 기관의 자료를 모두 통합하여 활용한 모형은산림조사 자료 및 임상도를 재현하는 성능이 가장 우수하였으며, 전체적인 산림 분포 패턴을 안정적으로 예측하였다. 이 연구의 표본점 할당 모델링은 표본점의 고유번호를 가지는 래스터 지도를 제공하여, 사용자가 고유번호와 연결된 상세 산림정보에 접근하고 다양한 속성지도를 제작할 수 있도록 한다. 따라서 이 프레임워크는 수종의 분포 예측, 산림 구조 분석, 탄소저장량 평가 등 다양한 분야에 적용될 수 있으며, 산림조사 자료의 활용성을 크게 향상할 수 있다. 다만, 모형의 특성상 넓은 지역을 대상으로 할 때는 산림조사 지점과의 국지적 일치율이 낮아질 수 가능성이 있으며, 좁은 지역에서는 균형 잡힌산림조사 자료를 이용해 희소한 생태계의 정보를 충분히 확보해야 한다. 향후 산림조사 자료의 활용도를 더욱 높이려면 기관 간 조사 프로토콜을 표준화하고, 모델링 과정에서 각 기관 조사방식의 차이를 면밀히 분석하여 반영할 필요가 있다. Forests are increasingly valuable as climate change intensifies, and their conservation management requires comprehensive spatial information on the species composition, stand age distribution, structural characteristics, and carbon storage. Recent studies have employed machine learning-based spatial analyses for plot-based forest surveys across broad regions, but the effectiveness of this approach in South Korea remains understudied. We applied a plot imputation approach using random forests to create a high-resolution tree-level forest map of the Jiri Mountain. We standardized and integrated forest survey data from the Korea Forest Service, Korea National Park Research Institute, and Seoul National University Nambu Forest and then built seven models for evaluation. Each model identified sample points with similar vegetation attributes (class, height, and diameter) across the study area. We trained the models using a reference dataset of vegetation and environmental variables and then assigned sample points throughout the study area based on target datasets including a forest-type map and environmental data on climate, topography, and location to generate a raster map at a 100 m × 100 m resolution. When applied to a single-institution dataset, the models tended to over- or under-estimate certain vegetation attributes likely due to survey biases. Integrating all three datasets resulted in a more balanced view of overall forest patterns and yielded the highest reproduction accuracy. The developed framework generates raster maps with unique plot identifiers to enable users to access plot details and create thematic maps for the species distribution, forest structure, and carbon storage. However, uneven distribution of the survey points may cause local losses of accuracy. Balanced forest surveys are crucial for capturing details about rare or specialized ecosystems. Standardizing survey protocols across institutions and carefully examining the differences in each dataset will be crucial to enhancing both the data quality and modeling applications of the framework.

지역 특성을 반영한 시·군 산림계획의 수립 방향과 개선 방안

성호진,손은희,하의린,김형호 경상국립대학교 농업생명과학연구원 2025 농업생명과학연구 Vol.59 No.5

이 연구는 사유림을 포함한 시·군 단위 계획의 부재를 배경으로 한다. 이에 산림청이 2019년부터 시범 도입한 국·공·사유림 통합 시·군 산림계획의 추진실태와 성과를 분석하고 개선 방향을 도출하는 것을 목적으로 하였다. 기 수립된 25개 지역의 시·군 산림계획을 분석하고, 향후 계획 수립의 실효성 및 완성도 제고를 위한 가이드라인을 제시하였다. 분석 결과, 현행 계획은 산림자원 현황 반영, 주민 참여 기반 마련, 지역 맞춤형 정책 기반 마련 등의 성과를 보였다. 반면, 비법정계획으로서의 법적 근거 부재, 계획 수립 및 이행의 지역 간 편차, 제도적 기반 부족, 거버넌스 구축의 미비 등의 한계도 확인되었다. 분석 결과를 바탕으로 시·군 산림계획 수립의 목표와 8가지 기본원칙을 제안하고, 단계별 가이드라인을 제시하였다. 이 연구는 시·군 산림계획이 상·하위계획 간 연계성을 강화하고, 국·공·사유림을 포괄하는 지역 기반 통합 산림관리체계 정착을 위한 제도 개선 방향을 제시한다는 점에서 의의가 있다. This study addresses the absence of county-level forest planning that includes private forests. In response, the Korea Forest Service has implemented a pilot project since 2019 to establish integrated county-level forest plans encompassing national, public, and private forests. This study aims to analyze the implementation status and outcomes of these plans and to propose directions for improvement. Twenty-five county-level forest plans that have been established were analyzed to present guidelines for enhancing the effectiveness and completeness of future plans. The analysis revealed positive outcomes such as the reflection of current forest resource conditions, establishment of a foundation for public participation, and development of region-specific forest policies. However, several limitations were also identified, including the absence of a legal basis as a non-statutory plan, regional disparities in plan formulation and implementation, insufficient institutional foundations, and lack of governance structures. Based on these findings, this study proposes the objectives and eight fundamental principles for county-level forest planning, along with a stepwise guideline for plan formulation. The significance of this study lies in presenting institutional improvement directions for establishing an integrated regional forest management system that encompasses all forest ownership types while strengthening the linkage between higher- and lower-level plans.