드론 데이터
드론 데이터에서 캐노피 높이 모델까지
© Forests4Future, GIZ
드론은 3LD 모니터링 시스템에서 중추적인 역할을 하며 다른 데이터 수집 방법을 보완합니다. 드론은 파트너 국가에서 현지 직원의 기술 역량을 강화하는 데 필수적인 도구입니다. 이러한 기술에는 비행 계획, 내비게이션 및 이미지 평가가 포함됩니다. 드론 모니터링은 프로젝트 직원이 사진 측량 분석에 적합한 데이터를 캡처하여 중요한 지리 정보를 얻을 수 있도록 지원하는 것을 목표로 합니다.
드론 매핑 방법론은 5단계로 구성되며, 처음 두 단계는 드론 운영에 중점을 둡니다:
- 매핑 임무 준비(데스크톱 작업)
- 매핑 임무 실행(현장 작업)
- 디지털 표면 모델(DSM) 개발 및 정사영상 생성(데스크톱 작업)
- 데이터 분석 및 개선(데스크톱 작업)
- 기존 데이터 시스템에 통합(데스크톱 작업)
드론 데이터는 사망률, 산림 유형 등 탄소/바이오매스와 관련된 지표를 평가하는 데 도움이 됩니다. 특히, 등각 방정식을 적용하고 토지 유형을 적절히 특성화하면 나무의 지상 바이오매스 추정치를 결정할 수 있습니다.
사전 설정된 비행 계획 기능을 갖춘 드론은 개별 이미지에서 정사 사진을 원활하게 생성합니다. 이를 통해 개별 스냅샷을 정사 사진(왜곡을 보정하여 정확한 측정을 가능하게 하는 항공 사진)으로 매끄럽게 병합할 수 있습니다. 또한 파트너 국가의 현지 시장에서 이러한 드론을 사용할 수 있는지도 고려해야 합니다. 이 과정에서 현지 학계의 참여를 통해 현지 지식을 활용하는 것이 무엇보다 중요합니다. 학계는 나무 높이에 기반한 필수적인 등각 방정식을 제공하여 정확한 바이오매스 계산을 용이하게 할 수 있습니다.
드론은 고해상도 이미지를 생성하여 토지 피복 변화, 나무의 생존율, 침식률 등을 자세히 파악할 수 있습니다. 현장 데이터와 결합하면 드론 기반 모니터링이 강화되어 제대로 된 모니터링을 보장할 수 있습니다.
나무와 식생 밀도의 이질성은 종종 높이와 기타 지표를 추정하는 데 필요한 이미지 간의 공통된 핵심 지점을 제대로 추출하는 데 방해가 됩니다. 이와 관련하여 이미지 간의 정면 및 측면 겹침을 최소 85%까지 늘리면 키 포인트 추출을 개선할 수 있습니다. 또한 드론의 비행 고도를 높이면 원근 왜곡이 줄어들어 겹치는 이미지 간의 시각적 유사성을 쉽게 감지할 수 있습니다. 그러나 겹치는 부분이 너무 많으면, 즉 겹치는 비율이 높으면 데이터의 양이 많아져 데이터 처리에 더 많은 시간이 소요됩니다.
이미 언급한 또 다른 측면은 파트너 국가에서 적합한 드론을 사용할 수 있는지 여부입니다. 각 국가에 드론을 수입하는 것은 어렵고 관료적 장벽이 여전히 존재합니다.
