드론 기반 수관높이모델을 활용한 마을숲 개별 수목 추출 정확도 평가 - 천연기념물 영덕 도천리 도천숲을 대상으로 - = Accuracy Assessment of Individual Tree Extraction in a Village Forest Using a Drone-Based Canopy Height Model - A Case Study of Docheon Forest, a Natural Monument in Yeongdeok -

국문 초록 (Abstract)

본 연구는 복잡한 수관 구조를 지닌 천연기념물 영덕 도천리 도천숲을 대상으로, 드론 정사영상 기반의 수관높이모델(Canopy Height Model, CHM)을 활용하여 개별 수목 추출(Individual Tree Crown, ITC) 알고리즘의 탐지 정확도를 정량적으로 비교⋅평가하였다. 분석에는통계적 상대성장 가정에 기반한 가변윈도우 필터(Variable Window Filter, VWF)와 수관 표면의 기하학적 돌출도를 활용하는 형태학적 접근법인 h-maxima 변환 알고리즘을 적용하였다. RTK-GNSS 전수조사로 구축한 224주의 실측 좌표를 정답지로 설정하고 포인트-인-폴리곤(Point-in-Polygon) 공간 매칭을 수행한 결과, VWF 알고리즘은 단일 수관 내 불규칙한 가지를 독립 객체로 오인하는 과대분할 오류에 취약하여 종합 성능 지표(F1-Score) 0.4734를 기록하였다. 반면 엘보우 기법(Elbow Method)으로 최적 임계치(h=1.7m)를 도출한 h-maxima 알고리즘은 일부 과소분할의 한계에도 불구하고 과대탐지를 효과적으로 억제하여 0.7726의 우수한 F1-Score를 달성하였다. 한편 두 알고리즘 모두미탐지(FN)가 0으로 산출되어, 본 연구의 도전 과제가 ‘수목의 탐지’가 아닌 ‘개별 수목으로의 정확한 분리’에 있음을 정량적으로 확인하였다.
본 연구는 전통 마을숲 환경에서 통계적 전제를 배제한 위상학적 탐지 기법의 유효성을 입증하였으며, 절대좌표 기반의 데이터 정규화공정을 통해 향후 디지털 트윈 및 AI 모델 연계를 위한 고신뢰도 기초 데이터 구축 방안을 제시하였다는 데 의의가 있다.

다국어 초록 (Multilingual Abstract)

This study quantitatively compared the detection accuracy of individual tree crown (ITC) extraction algorithms using a drone orthophoto-based Canopy Height Model (CHM) in Docheon Forest, Docheon-ri, Yeongdeok, a natural monument characterized by a complex canopy structure. The Variable Window Filter (VWF), based on statistical allometric assumptions, and the h-maxima transform algorithm, a morphological approach utilizing the geometric prominence of the canopy surface, were applied for comparison. Using 224 ground-truth coordinates acquired via RTK-GNSS surveys, Point-in-Polygon spatial matching was conducted to evaluate detection performance. The results showed that the VWF algorithm was vulnerable to over-segmentation errors, misidentifying irregular branches within a single canopy as independent objects, yielding an F1-Score of 0.4734 with 416 false positives. In contrast, the h-maxima algorithm, optimized via the Elbow Method to determine the optimal threshold (h=1.7m), effectively suppressed false positives despite some under-segmentation limitations, achieving a superior F1-Score of 0.7726.
Notably, both algorithms recorded zero false negatives (FN), indicating that the algorithmic challenge in village forest environments lies not in tree detection but in accurate individual tree segmentation. This study demonstrates the validity of topological detection techniques that exclude statistical assumptions in traditional village forest environments. In addition, it presents a high-reliability reference dataset construction methodology based on absolute-coordinate data normalization for future digital twin and AI model integration.