SlideShare a Scribd company logo
1 of 18
Download to read offline
도시숲 관리를 위한 원격탐사 기술
Remote Sensing for Urban Forest
LiDAR, Hyperspectural Image, Satellite Image
도시숲 관리와 원격탐사(Remote Sensing)기술
도시내 식생 관리의 문제점
관리해야 할 수목의 개체수가 많음
도시 전체에 분포되어 있음
접근하기 힘든 지역이 있음
수목은 살아있는 생물로 계속 변화됨
자연재해, 병해충, 물리적 피해를 받을 수
있음
토양, 기후 등 자연환경에 영향을 받음
도시 내 식생(가로수, 공원 내 식생 등)은
시민들의 삶의 질을 향상시키는데 많은
기여를 하는 Green Infrastructure
신속 정확한 데이터 수집
수집한 데이터의 분석
도시 내 식생 관리 시스템 개발
적용 가능한 원격탐사기술
기술 개념 및 취득방법 적용분야
라이다 (LiDAR)
광선을 대상물에 조사한 후 반사되어 돌아오는 광선을 취
득하여 대상을 조사
LiDAR 센서를 통해 취득 (지상, 항공)
개체목 3차원 정보 취득
위성영상
(Satellite Image)
지구관측위성을 통해 촬영된 영상
Landsat, Sentinel (무료) 위성영상
Kompsat(아리랑위성), Worldview 등 고해상도 영상
(유료)
전체적인 산림 정보 취득
초분광영상
(Hyper Spectural
Image)
수백 개의 분광채널을 통해 연속적인 분광정보를 수집하
여, 다양한 종류의 지표물의 완전한 분광특성을 취득
초분광카메라를 통해 취득 (지상, 항공)
개체목 광학 정보 취득
라이다 (LiDAR란?)
라이다 (LiDAR ; Light Detect And Ranging)
센서를 이용하여 Pulse라고 불리는 광선을 대상물에
조사하여 거기에서 반사된 광선을 통해 멀리 떨어진
물체에 대한 정보를 얻는 것
위성영상 취득 방법 LiDAR, 분광영상 취득 방법
수동형 원격탐사기법 능동형 원격탐사기법
라이다 적용분야
 개체목 측정
 개체목 3D Model화
 가상현실 구현
 변화 감지
 지형 분석
 위험물 탐지
LiDAR를 통해 취득된 영상의 예
라이다 측량 방법
라이다 측량 나무 추출 개별목 추출
항공측량 지상측량
항공기 측량 드론 측량 Mobile 측량 Handheld 측량
초분광영상 (Hyperspectual Image)
다양한 파장대역을 촬영할 수 있는 카메라를 통해
수 백 개의 분광정보를 취득하여 분석
 수종분석
 토양분석 (토양수분, 유기물함량 등)
 바이오매스 검정
 식물활력도 검정
 산림병해충 탐지
초분광영상을 이용한 수종분석
위성영상 (Satellite Image)
지구관측위성을 통해 촬영된 영상
 산림현황분석 (토지이용분류)
 식생정보
 산림훼손지 분석
 산림재해 분석
 시계열분석 (변화 과정 탐지)
 실시간 감시
현재 무료로 얻을 수 있는 Landsat(미국), Sentinel(유럽)을
비롯하여, 우리나라의 Kompsat, RapidEye, WorldView 등
다양한 상업위성을 통해 고해상도 영상 취득 가능
우리나라는 2023년 농림전용위성 발사예정
- 시간해상도 1일 공간해상도 5m 영상촬영 가능
우리나라위성이 촬영한 2019년 시베리아 산불
원격탐사 기술의 융합
빠르고 정확한 데이터
취득
도시가로수 및 도시공원
관리시스템의 구축
체계화된 도시 내 산림 및
공원, 가로수의 관리 가능
LiDAR 초분광영상 위성영상
인구, 산업, 보건, 교통, 기상,
사회 등 공공 데이터와 결합
가로수 관리 분야 활용 방안
분야 활용방안
개체목 조사 수종, 수고, 근원직경, 흉고직경, 수관폭, 수령
가로수 분포 조사 가로수 지리좌표 획득, 전반적인 가로수 분포 상황, 가로수 맵 구축
가로수 생육 상황 조사 활력도 검사, 고사여부, 병해충 발생 상황 조사, 지장물과 충돌 여부
가로수 관리 최적 식재지, 가지치기 및 벌채 모델링, 가로수 관리 작업, 재해 위험 관리
가로수 관리 시스템 구성 (예시)
검색항목
•도로명 검색
•행정구역별 검색
(시,구,동 별 검색)
•지번 검색
•관심지역 검색
•공원이름 검색
개체목 정보
•수종 / DBH / 수관폭 / 재적 / 근원직경 / 활력도 / 병해충
여부 / 시계열분석 / Biomass 양
•개체목 위치정보 (위경도 좌표)
• 가지치기 등 관리작업의 필요성 검토
구역 정보
•수목개체수 / 수관울폐도 / 녹지율 / 군집활력도 / 병해충
발생율
•구역별 가로수 대장 작성
•고사목 / 신규식재 지역 검토 (식재 최적지 검토)
3D 모델링 및 디지털 트윈
•개체목, 관심지역 3D모델 구현
•디지털 트윈 구축 – 가상세계에서 관리 작업 수행
•재해위험 평가/분석
공익적 기능 평가
•온실가스 흡수, 오염물질 흡수, 미세먼지 제거 기능 평가
•지장물/ 위험물 분석
도구
•파일관련 (읽기 / 저장), Import/Export
•인쇄 / 출력
•환경설정
가로수 관리 시스템 구성 (예시)
시각화
수목 관리 데이터 (수종, DBH, 수고, 위치 등)
수목분포도
개체목
단면도
원격탐사기술을 통한 신기술
수목 생장 모델
개체목자료에 수목생장모델을 적용
수목의 생장과정을 모델링화 하여 미
래 예측
수목을 통한 탄소흡수량 계산
기후변화에 대응하기 위한 산림의 탄
소흡수능력의 측정
산림의 공익적 기능 측정
디지털 트윈
가상의 공간에 현실의 산림과 동일한
산림을 만들어, 가상세계에서 다양한
실험과 시업 가능
원격탐사기술을 통한 신기술
기상 예측 모델
구축된 자료에 기상예측 데이터 추가
폭우, 한파, 가뭄 등 자연재해 예방
및 대책마련에 도움
임산물 재배 정보 제공
다양한 임산물을 생산하기 위한 입지
정보, 생산정보, 유통정보 등을 제공
머신러닝 기법을 활용한 수목
관리
머신러닝, 빅데이터, 데이터 분석 등
최신기술을 이용한 산림, 수목 관리
+
국내사례 – 농경지 전자지도 팜맵
농가
소득안정
농촌 공간
계획 수립
안전한
먹거리 제공
ICT
융복합
미래농업
재해예방
해외사례 – i-Trees (미국의 도시림관리 프로그램)
https://www.itreetools.org/
인구대비 도시림비율 측정
산림 훼손 우려지 및 조림지
i-Tree
Landsacpe
항공사진을 통한 수관울폐도 조사
i-Tree
Canopy
군집단위로 도시숲의 현재와 미래의
편익 계산
i-Tree
Design
세계적인 범위에서 산림의 구조, 위협 그리
고 편익 등을 정량화 하여주는 도구
i-Tree Eco
해외사례 – LandViewer
https://eos.com/landviewer/ 한번의 클릭으로 대상지에 대한 다양한 정보 취득 가능
Any Question?
우드케어 / 노 윤석이사 / 010-3220-9635 / forroh@naver.com

More Related Content

What's hot

Orthorectification and triangulation
Orthorectification and triangulationOrthorectification and triangulation
Orthorectification and triangulationMesfin Yeshitla
 
Basics of remote sensing, pk mani
Basics of remote sensing, pk maniBasics of remote sensing, pk mani
Basics of remote sensing, pk maniP.K. Mani
 
공간정보 최근 동향과 디지털트윈, 메타버스
공간정보 최근 동향과 디지털트윈, 메타버스공간정보 최근 동향과 디지털트윈, 메타버스
공간정보 최근 동향과 디지털트윈, 메타버스SANGHEE SHIN
 
Reflections on XR & AI in Education - iLRN Opening Keynote Kent Bye
Reflections on XR & AI in Education - iLRN Opening Keynote Kent ByeReflections on XR & AI in Education - iLRN Opening Keynote Kent Bye
Reflections on XR & AI in Education - iLRN Opening Keynote Kent ByeKent Bye
 
Introduction to object detection
Introduction to object detectionIntroduction to object detection
Introduction to object detectionBrodmann17
 
UNIT - III GIS DATA STRUCTURES (2).ppt
UNIT - III GIS DATA STRUCTURES (2).pptUNIT - III GIS DATA STRUCTURES (2).ppt
UNIT - III GIS DATA STRUCTURES (2).pptRamMishra65
 
Image Classification Techniques in GIS
Image Classification Techniques in GISImage Classification Techniques in GIS
Image Classification Techniques in GISSadia Rahat
 
YOLOv4: optimal speed and accuracy of object detection review
YOLOv4: optimal speed and accuracy of object detection reviewYOLOv4: optimal speed and accuracy of object detection review
YOLOv4: optimal speed and accuracy of object detection reviewLEE HOSEONG
 
Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015)
Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015) Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015)
Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015) Konrad Wenzel
 
LiDAR Technology and Geospatial Services
LiDAR Technology and Geospatial Services LiDAR Technology and Geospatial Services
LiDAR Technology and Geospatial Services MattBethel1
 
Satellite image Processing Seminar Report
Satellite image Processing Seminar ReportSatellite image Processing Seminar Report
Satellite image Processing Seminar Reportalok ray
 
Digital image processing 1
Digital  image processing 1Digital  image processing 1
Digital image processing 1Dhaval Jalalpara
 
NDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GIS
NDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GISNDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GIS
NDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GISNorth Dakota GIS Hub
 
Image enhancement technique digital image analysis, in remote sensing ,P K MANI
Image enhancement technique  digital image analysis, in remote sensing ,P K MANIImage enhancement technique  digital image analysis, in remote sensing ,P K MANI
Image enhancement technique digital image analysis, in remote sensing ,P K MANIP.K. Mani
 
DEM generation, Image Matching in Aerial Photogrammetry.pptx
DEM generation, Image Matching in  Aerial Photogrammetry.pptxDEM generation, Image Matching in  Aerial Photogrammetry.pptx
DEM generation, Image Matching in Aerial Photogrammetry.pptxIndraSubedi7
 
Automatic Building detection for satellite Images using IGV and DSM
Automatic Building detection for satellite Images using IGV and DSMAutomatic Building detection for satellite Images using IGV and DSM
Automatic Building detection for satellite Images using IGV and DSMAmit Raikar
 
Super Resolution
Super ResolutionSuper Resolution
Super Resolutionalokahuti
 
Multi spectral imaging
Multi spectral imagingMulti spectral imaging
Multi spectral imagingAalaa Khattab
 

What's hot (20)

Orthorectification and triangulation
Orthorectification and triangulationOrthorectification and triangulation
Orthorectification and triangulation
 
Digital image processing
Digital image processingDigital image processing
Digital image processing
 
Basics of remote sensing, pk mani
Basics of remote sensing, pk maniBasics of remote sensing, pk mani
Basics of remote sensing, pk mani
 
공간정보 최근 동향과 디지털트윈, 메타버스
공간정보 최근 동향과 디지털트윈, 메타버스공간정보 최근 동향과 디지털트윈, 메타버스
공간정보 최근 동향과 디지털트윈, 메타버스
 
Reflections on XR & AI in Education - iLRN Opening Keynote Kent Bye
Reflections on XR & AI in Education - iLRN Opening Keynote Kent ByeReflections on XR & AI in Education - iLRN Opening Keynote Kent Bye
Reflections on XR & AI in Education - iLRN Opening Keynote Kent Bye
 
Introduction to object detection
Introduction to object detectionIntroduction to object detection
Introduction to object detection
 
UNIT - III GIS DATA STRUCTURES (2).ppt
UNIT - III GIS DATA STRUCTURES (2).pptUNIT - III GIS DATA STRUCTURES (2).ppt
UNIT - III GIS DATA STRUCTURES (2).ppt
 
Image Classification Techniques in GIS
Image Classification Techniques in GISImage Classification Techniques in GIS
Image Classification Techniques in GIS
 
YOLOv4: optimal speed and accuracy of object detection review
YOLOv4: optimal speed and accuracy of object detection reviewYOLOv4: optimal speed and accuracy of object detection review
YOLOv4: optimal speed and accuracy of object detection review
 
Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015)
Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015) Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015)
Dense Image Matching - Challenges and Potentials (Keynote 3D-ARCH 2015)
 
LiDAR Technology and Geospatial Services
LiDAR Technology and Geospatial Services LiDAR Technology and Geospatial Services
LiDAR Technology and Geospatial Services
 
Satellite image Processing Seminar Report
Satellite image Processing Seminar ReportSatellite image Processing Seminar Report
Satellite image Processing Seminar Report
 
Digital image processing 1
Digital  image processing 1Digital  image processing 1
Digital image processing 1
 
NDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GIS
NDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GISNDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GIS
NDGeospatialSummit2019 - Drone Based Lidar and the Future of Survey/GIS
 
Image enhancement technique digital image analysis, in remote sensing ,P K MANI
Image enhancement technique  digital image analysis, in remote sensing ,P K MANIImage enhancement technique  digital image analysis, in remote sensing ,P K MANI
Image enhancement technique digital image analysis, in remote sensing ,P K MANI
 
DEM generation, Image Matching in Aerial Photogrammetry.pptx
DEM generation, Image Matching in  Aerial Photogrammetry.pptxDEM generation, Image Matching in  Aerial Photogrammetry.pptx
DEM generation, Image Matching in Aerial Photogrammetry.pptx
 
Image processing Presentation
Image processing PresentationImage processing Presentation
Image processing Presentation
 
Automatic Building detection for satellite Images using IGV and DSM
Automatic Building detection for satellite Images using IGV and DSMAutomatic Building detection for satellite Images using IGV and DSM
Automatic Building detection for satellite Images using IGV and DSM
 
Super Resolution
Super ResolutionSuper Resolution
Super Resolution
 
Multi spectral imaging
Multi spectral imagingMulti spectral imaging
Multi spectral imaging
 

Similar to 도시숲 관리를 위한 원격탐사 기술

재난안전위험 사회와 정보소통10
재난안전위험 사회와 정보소통10재난안전위험 사회와 정보소통10
재난안전위험 사회와 정보소통10Han Woo PARK
 
종 분포 모형 활용방안
종 분포 모형 활용방안종 분포 모형 활용방안
종 분포 모형 활용방안Sanghyuk Lee
 
서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션
서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션
서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션Impyeong Lee
 
고해상도 위성영상을 이용한 smart주제도 생성
고해상도 위성영상을 이용한 smart주제도 생성고해상도 위성영상을 이용한 smart주제도 생성
고해상도 위성영상을 이용한 smart주제도 생성Hyun Jik LEE
 
농작물지킴이 랩터 사업계획서
농작물지킴이 랩터 사업계획서농작물지킴이 랩터 사업계획서
농작물지킴이 랩터 사업계획서Wi SeongGyu
 
웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향
웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향
웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향atelier t*h
 
Sensors candidated dkim_v2
Sensors candidated dkim_v2Sensors candidated dkim_v2
Sensors candidated dkim_v2David Yushin KIM
 
농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)
농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)
농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)agdatalab
 
종 분포 모형 실습 서울대학교
종 분포 모형 실습 서울대학교종 분포 모형 실습 서울대학교
종 분포 모형 실습 서울대학교cheongokjeon
 

Similar to 도시숲 관리를 위한 원격탐사 기술 (10)

재난안전위험 사회와 정보소통10
재난안전위험 사회와 정보소통10재난안전위험 사회와 정보소통10
재난안전위험 사회와 정보소통10
 
종 분포 모형 활용방안
종 분포 모형 활용방안종 분포 모형 활용방안
종 분포 모형 활용방안
 
서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션
서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션
서울혁신챌린지 라이브 드론맵 기반 스마트 모니터링 솔루션
 
고해상도 위성영상을 이용한 smart주제도 생성
고해상도 위성영상을 이용한 smart주제도 생성고해상도 위성영상을 이용한 smart주제도 생성
고해상도 위성영상을 이용한 smart주제도 생성
 
농작물지킴이 랩터 사업계획서
농작물지킴이 랩터 사업계획서농작물지킴이 랩터 사업계획서
농작물지킴이 랩터 사업계획서
 
웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향
웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향
웨어러블 컴퓨팅 환경에서의 센서 역할 및 활용방향
 
Sensors candidated dkim_v2
Sensors candidated dkim_v2Sensors candidated dkim_v2
Sensors candidated dkim_v2
 
농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)
농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)
농식품 분야 ICT 융합 해외 최신 기술 동향 (2014.5.15)
 
Gis개론
Gis개론Gis개론
Gis개론
 
종 분포 모형 실습 서울대학교
종 분포 모형 실습 서울대학교종 분포 모형 실습 서울대학교
종 분포 모형 실습 서울대학교
 

도시숲 관리를 위한 원격탐사 기술

  • 1. 도시숲 관리를 위한 원격탐사 기술 Remote Sensing for Urban Forest LiDAR, Hyperspectural Image, Satellite Image
  • 2. 도시숲 관리와 원격탐사(Remote Sensing)기술 도시내 식생 관리의 문제점 관리해야 할 수목의 개체수가 많음 도시 전체에 분포되어 있음 접근하기 힘든 지역이 있음 수목은 살아있는 생물로 계속 변화됨 자연재해, 병해충, 물리적 피해를 받을 수 있음 토양, 기후 등 자연환경에 영향을 받음 도시 내 식생(가로수, 공원 내 식생 등)은 시민들의 삶의 질을 향상시키는데 많은 기여를 하는 Green Infrastructure 신속 정확한 데이터 수집 수집한 데이터의 분석 도시 내 식생 관리 시스템 개발
  • 3. 적용 가능한 원격탐사기술 기술 개념 및 취득방법 적용분야 라이다 (LiDAR) 광선을 대상물에 조사한 후 반사되어 돌아오는 광선을 취 득하여 대상을 조사 LiDAR 센서를 통해 취득 (지상, 항공) 개체목 3차원 정보 취득 위성영상 (Satellite Image) 지구관측위성을 통해 촬영된 영상 Landsat, Sentinel (무료) 위성영상 Kompsat(아리랑위성), Worldview 등 고해상도 영상 (유료) 전체적인 산림 정보 취득 초분광영상 (Hyper Spectural Image) 수백 개의 분광채널을 통해 연속적인 분광정보를 수집하 여, 다양한 종류의 지표물의 완전한 분광특성을 취득 초분광카메라를 통해 취득 (지상, 항공) 개체목 광학 정보 취득
  • 4. 라이다 (LiDAR란?) 라이다 (LiDAR ; Light Detect And Ranging) 센서를 이용하여 Pulse라고 불리는 광선을 대상물에 조사하여 거기에서 반사된 광선을 통해 멀리 떨어진 물체에 대한 정보를 얻는 것 위성영상 취득 방법 LiDAR, 분광영상 취득 방법 수동형 원격탐사기법 능동형 원격탐사기법
  • 5. 라이다 적용분야  개체목 측정  개체목 3D Model화  가상현실 구현  변화 감지  지형 분석  위험물 탐지 LiDAR를 통해 취득된 영상의 예
  • 6. 라이다 측량 방법 라이다 측량 나무 추출 개별목 추출 항공측량 지상측량 항공기 측량 드론 측량 Mobile 측량 Handheld 측량
  • 7. 초분광영상 (Hyperspectual Image) 다양한 파장대역을 촬영할 수 있는 카메라를 통해 수 백 개의 분광정보를 취득하여 분석  수종분석  토양분석 (토양수분, 유기물함량 등)  바이오매스 검정  식물활력도 검정  산림병해충 탐지 초분광영상을 이용한 수종분석
  • 8. 위성영상 (Satellite Image) 지구관측위성을 통해 촬영된 영상  산림현황분석 (토지이용분류)  식생정보  산림훼손지 분석  산림재해 분석  시계열분석 (변화 과정 탐지)  실시간 감시 현재 무료로 얻을 수 있는 Landsat(미국), Sentinel(유럽)을 비롯하여, 우리나라의 Kompsat, RapidEye, WorldView 등 다양한 상업위성을 통해 고해상도 영상 취득 가능 우리나라는 2023년 농림전용위성 발사예정 - 시간해상도 1일 공간해상도 5m 영상촬영 가능 우리나라위성이 촬영한 2019년 시베리아 산불
  • 9. 원격탐사 기술의 융합 빠르고 정확한 데이터 취득 도시가로수 및 도시공원 관리시스템의 구축 체계화된 도시 내 산림 및 공원, 가로수의 관리 가능 LiDAR 초분광영상 위성영상 인구, 산업, 보건, 교통, 기상, 사회 등 공공 데이터와 결합
  • 10. 가로수 관리 분야 활용 방안 분야 활용방안 개체목 조사 수종, 수고, 근원직경, 흉고직경, 수관폭, 수령 가로수 분포 조사 가로수 지리좌표 획득, 전반적인 가로수 분포 상황, 가로수 맵 구축 가로수 생육 상황 조사 활력도 검사, 고사여부, 병해충 발생 상황 조사, 지장물과 충돌 여부 가로수 관리 최적 식재지, 가지치기 및 벌채 모델링, 가로수 관리 작업, 재해 위험 관리
  • 11. 가로수 관리 시스템 구성 (예시) 검색항목 •도로명 검색 •행정구역별 검색 (시,구,동 별 검색) •지번 검색 •관심지역 검색 •공원이름 검색 개체목 정보 •수종 / DBH / 수관폭 / 재적 / 근원직경 / 활력도 / 병해충 여부 / 시계열분석 / Biomass 양 •개체목 위치정보 (위경도 좌표) • 가지치기 등 관리작업의 필요성 검토 구역 정보 •수목개체수 / 수관울폐도 / 녹지율 / 군집활력도 / 병해충 발생율 •구역별 가로수 대장 작성 •고사목 / 신규식재 지역 검토 (식재 최적지 검토) 3D 모델링 및 디지털 트윈 •개체목, 관심지역 3D모델 구현 •디지털 트윈 구축 – 가상세계에서 관리 작업 수행 •재해위험 평가/분석 공익적 기능 평가 •온실가스 흡수, 오염물질 흡수, 미세먼지 제거 기능 평가 •지장물/ 위험물 분석 도구 •파일관련 (읽기 / 저장), Import/Export •인쇄 / 출력 •환경설정
  • 12. 가로수 관리 시스템 구성 (예시) 시각화 수목 관리 데이터 (수종, DBH, 수고, 위치 등) 수목분포도 개체목 단면도
  • 13. 원격탐사기술을 통한 신기술 수목 생장 모델 개체목자료에 수목생장모델을 적용 수목의 생장과정을 모델링화 하여 미 래 예측 수목을 통한 탄소흡수량 계산 기후변화에 대응하기 위한 산림의 탄 소흡수능력의 측정 산림의 공익적 기능 측정 디지털 트윈 가상의 공간에 현실의 산림과 동일한 산림을 만들어, 가상세계에서 다양한 실험과 시업 가능
  • 14. 원격탐사기술을 통한 신기술 기상 예측 모델 구축된 자료에 기상예측 데이터 추가 폭우, 한파, 가뭄 등 자연재해 예방 및 대책마련에 도움 임산물 재배 정보 제공 다양한 임산물을 생산하기 위한 입지 정보, 생산정보, 유통정보 등을 제공 머신러닝 기법을 활용한 수목 관리 머신러닝, 빅데이터, 데이터 분석 등 최신기술을 이용한 산림, 수목 관리 +
  • 15. 국내사례 – 농경지 전자지도 팜맵 농가 소득안정 농촌 공간 계획 수립 안전한 먹거리 제공 ICT 융복합 미래농업 재해예방
  • 16. 해외사례 – i-Trees (미국의 도시림관리 프로그램) https://www.itreetools.org/ 인구대비 도시림비율 측정 산림 훼손 우려지 및 조림지 i-Tree Landsacpe 항공사진을 통한 수관울폐도 조사 i-Tree Canopy 군집단위로 도시숲의 현재와 미래의 편익 계산 i-Tree Design 세계적인 범위에서 산림의 구조, 위협 그리 고 편익 등을 정량화 하여주는 도구 i-Tree Eco
  • 17. 해외사례 – LandViewer https://eos.com/landviewer/ 한번의 클릭으로 대상지에 대한 다양한 정보 취득 가능
  • 18. Any Question? 우드케어 / 노 윤석이사 / 010-3220-9635 / forroh@naver.com