트리플 레벨 디지털 모니터링(3LDM) - 산림 경관 복원(FLR) 모니터링을 위한 원격 감지 및 IT 솔루션
전체 솔루션
마다가스카르에서의 드론 교육
© Forests4Future, GIZ
GIZ의 포레스트포퓨처(F4F) 프로젝트는 에티오피아, 마다가스카르, 토고와 같은 국가의 산림 경관 복원(FLR)과 거버넌스를 옹호합니다. 현재의 FLR 모니터링 시스템은 정확성과 완전성 문제에 직면해 있습니다. 이를 해결하기 위해 F4F는 신뢰할 수 있는 모니터링 시스템 개발과 표준 운영 절차 시범 운영에 착수했습니다. 외부 지리공간 데이터 회사의 전문 지식을 활용하여 F4F는 3단계 디지털 모니터링 시스템(3LDM)을 도입했습니다. 이 시스템은 세 가지 수준의 데이터를 통합하여 모니터링을 개선합니다:
1. 현장 기반 데이터
2. 드론 기반 데이터
3. 위성 데이터
3LDM 접근 방식은 복원된 헥타르, 지상 수목 바이오매스, 일부 FLR 부지의 수목 다양성을 추적합니다.
마지막 업데이트: 30 Sep 2025
812 조회수
사진 및 동영상 갤러리
컨텍스트
해결 과제
환경적 문제:
센티넬이나 랜드샛과 같은 위성 이미징은 해상도가 낮기 때문에 작은 나무를 놓칠 수 있으며, 특히 어린 성장이나 캐노피가 부족한 경우 정확한 산림 평가에 영향을 미칩니다. 3LDM 시스템은 고해상도 드론 데이터를 사용하여 캐노피 높이를 측정하고, 등척 방정식을 통해 바이오매스 계산을 개선합니다. 광범위한 지역을 측량하는 드론은 데이터의 정확성과 효율성을 향상시킵니다.
사회적 과제:
기존의 산림 모니터링은 수작업이 필요하기 때문에 지역 사회에 혼란을 초래합니다. 드론과 위성 기술을 활용하는 3LDM은 최소한의 침입으로 광범위한 지역을 모니터링하여 현지 관습을 보존합니다. 또한 지역 드론 관련 기술 개발과 일자리 기회도 창출합니다.
경제적 문제:
수작업 산림 인벤토리는 비용이 많이 들고 느립니다. 3LDM은 경제적인 솔루션을 제공합니다. 드론 데이터 수집은 더 빠르고 광범위하기 때문에 현장 작업 비용을 절감할 수 있습니다. 오픈 소스 이미지를 사용하면 비용을 절감할 수 있어 다양한 프로젝트에 경제적으로 적용할 수 있는 모니터링이 가능합니다.
위치
마다가스카르
에티오피아
Togo
서부 및 중앙 아프리카
동아프리카 및 남아프리카 공화국
프로세스
프로세스 요약
현장 데이터, 드론 이미지, 위성 촬영이라는 세 가지 데이터 수집 메커니즘의 복잡한 시너지 효과는 프로그램 모니터링 프레임워크의 중추적인 역할을 합니다. 현장 데이터는 지상에서 세분화된 인사이트를 제공하는 반면, 드론 이미지는 상세한 공중 관점을 제공하고, 위성 촬영은 우주에서 더 넓은 개요를 제공합니다. 이러한 데이터는 서로 결합하여 데이터의 신뢰성과 정확성을 강화하는 강력한 데이터 태피스트리를 만듭니다.
이러한 시너지 효과는 FLR 전략의 총체적인 모니터링에 매우 중요합니다. 환경 복원 노력이 점점 더 복잡해짐에 따라 다각적인 관점을 갖는 것이 필수적입니다. 바이오매스와 같은 주요 지표를 추적합니다. 또한 나무 높이, 가슴높이 지름(DBH), 산림 구성, 수종 분화와 같은 2차 지표는 복원 노력을 미묘하게 이해하는 데 매우 중요합니다. 3계층 시스템의 장점은 복원력입니다. 한 방법의 효율성을 제한하는 문제가 발생하면 다른 두 가지 방법이 원활하게 개입하여 데이터 품질이나 인사이트의 손실이 발생하지 않도록 보장합니다. 이러한 상호 의존성은 포괄적인 데이터를 보장하여 보다 정보에 입각한 전략과 성공적인 FLR 결과를 이끌어냅니다.
빌딩 블록
필드 데이터
위성 및 드론 이미지는 모니터링에 기여하는 바는 부인할 수 없지만, FLR 활동의 초기에는 한계가 있습니다. 프로젝트 초기에는 현장 수준의 데이터 수집이 매우 중요합니다.
현장 수준에서의 데이터 수집은 세 가지 참여적 접근 방식으로 나뉩니다:
- 영구 샘플링 플롯: 나무 높이, DBH, 나무 생존율을 추정할 수 있는 고정 플롯. 영구 샘플링 구획은 많은 노동력과 시간이 투입되므로 3년 간격으로 평가됩니다.
- 토지 이용 계획: 세계자연보전연맹(IUCN)의 멸종위기종 적색 목록에 따른 멸종위기종 식별과 정보 평가를 위한 토론회. 다른 토지 이용 계획 프로세스에 통합되어 있으므로 평가 주기가 정해져 있지 않습니다.
- 트랜젝트: 3개월의 평가 간격으로 식물 및 동물상 종과 산림 구조 구성을 파악합니다.
세 가지 참여적 접근 방식에 포함된 모든 관련 지표는 KOBO 툴박스를 사용하여 수집합니다. 이 소프트웨어는 프로젝트의 모니터링 목표에 맞춰 적절한 조건을 제공하고 작동하기 쉽습니다.
활성화 요인
복원된 지역에 대한 장기적인 모니터링을 보장하기 위해서는 참여적 접근 방식이 필수적입니다. 현지 직원과 지역 파트너의 현지 지식과 교육/역량 강화의 공생이 이 접근법의 핵심입니다. 지역사회의 요구를 파악하고, 토론회를 조직하고, 모니터링 시스템의 개발과 테스트에 지역 사회를 참여시킴으로써 복원된 경관에 대한 인식과 유대감을 높일 수 있습니다.
교훈
-
현장 데이터 우선순위: 초기 FLR 단계에서는 위성 및 드론 이미지에만 의존하는 것보다 현장 수준의 데이터 수집이 더 효과적입니다.
-
참여적 접근 방식: 영구적인 샘플링 플롯, 토지 이용 계획, 횡단과 같은 참여적 방법을 사용하면 지역 커뮤니티가 참여하고 모니터링을 강화할 수 있습니다.
-
적절한 기술: KOBO 툴박스 같은 사용자 친화적인 도구를 사용하면 프로젝트 목표에 잘 부합하고 데이터 수집을 간소화할 수 있습니다.
-
지역 사회 참여: 지역 커뮤니티의 참여와 교육은 장기적인 성공을 보장하고 복원된 경관에 대한 유대감을 조성합니다.
위성 데이터
위성 데이터는 코페르니쿠스 센티넬-2 및 LANDSAT 위성의 오픈 소스 이미지 기능을 활용하여 3LD 모니터링 시스템의 근간을 형성합니다. 리모트 센싱 솔루션(RSS) GmbH에서 세심하게 개발한 알고리즘이 이 프로세스를 혁신적으로 개선합니다. 사용자는 관심 있는 지역의 형상 파일을 원활하게 제출하면 알고리즘이 관련 데이터를 자동으로 가져와 분석하도록 할 수 있습니다. 식생 증가 또는 감소를 평가하기 위해 NDVI를 사용한 5년 식생 추세, NDWI를 통한 5년 식생 수분 분석, 미묘한 5년 강우량 추세 평가 등 다양하고 강력한 분석이 수행됩니다. 또한 이 알고리즘은 프로젝트 시작 이후 식생 변화의 시각화를 용이하게 하여 동적 인사이트를 통해 모니터링 프레임워크를 강화합니다. 3LDM-모니터링 시스템의 핵심 요소인 위성 데이터는 코페르니쿠스 센티넬-2 임무와 LANDSAT 위성의 오픈 소스 이미지를 활용합니다. 사전 정의된 지역의 경우, 이 데이터는 특정 매개변수에 대해 자동으로 가져와 분석됩니다. 주요 분석에는 식생 증가 또는 감소의 대용물로 NDVI를 사용한 5년 식생 추세, NDWI를 통한 5년 식생 수분 추세, 5년 강우량 추세가 포함됩니다. 또한 프로젝트 시작부터의 식생 변화도 시각화할 수 있습니다.
활성화 요인
이 빌딩 블록의 효과적인 사용은 사용자가 QGIS와 같은 GIS 플랫폼에서 영역을 그리고 저장하는 방식에 달려 있습니다. 또한 시작 날짜 및 FLR 유형과 같은 프로젝트 세부 정보로 셰이프파일을 개선하면 분석을 최적화할 수 있습니다. 이러한 기술에 대한 적절한 교육은 정확한 데이터 입력과 맞춤형 모니터링을 보장하므로, 이러한 분야에 대한 역량 강화는 필수적입니다.
교훈
위성 데이터, 특히 오픈 소스 데이터는 광범위한 인사이트를 제공하지만, 종을 식별하는 데는 불가능하지는 않더라도 매우 제한적입니다. 이러한 한계는 종의 구성과 특성을 파악하는 데 있어 현장 조사의 필수적인 역할을 강조합니다. 또한 위성 이미지의 태생적 제약을 이해하면, 특히 어린 나무 조림지의 경우 현장과 드론 데이터를 통합하여 산림 지형을 종합적으로 파악해야 할 필요성이 더욱 강조됩니다.
드론 데이터
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.
활성화 요인
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.
교훈
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.
영향
세 가지 데이터 소스(위성, 드론, 현장)가 모두 처리되고 대시보드 플랫폼에 통합되어 프로젝트 모니터링 웹사이트를 통해 액세스할 수 있습니다. 웹사이트를 통해
내부적으로:
- 프로젝트 활동의 평가
- 추가 계획의 기초가 되는 변경 사항 모니터링
- 프로젝트 활동 관리(조정 기능)
- 프로젝트 활동 보고
- FLR 개입 비교 및 요약
외부적으로
- 프로젝트 활동 추적
- 프로젝트와 파트너 간의 활동 조화
- 프로젝트 경험을 통한 학습
- 결과 보고 및 커뮤니케이션
- FLR 활동의 투명성
플랫폼 대시보드에는 두 가지 고유한 속성이 있습니다:
1. 지역별: 지난 5년간의 위성 데이터를 즉각적으로 자동 분석 및 시각화합니다.
2. 현장, 드론, 위성 데이터의 통합: 다양한 계층의 정보를 결합하여 복원 노력에 대한 전체적인 그림을 그릴 수 있습니다.
수혜자
- AFR100 초점 및 사무국
- 부처(산림/환경 및 농업부)
- 행정 공무원
- NGO
- 복원 기술자 및 애호가
- 지역 커뮤니티
- 포레스트포퓨처 프로젝트 및 기타 FLR 프로젝트 팀
지속 가능한 개발 목표
SDG 15 - 육지에서의 삶
SDG 17 - 목표를 위한 파트너십
스토리
맥심은 마다가스카르에서 3LDM 시스템 구현을 주도하고 있습니다. 마다가스카르의 산림 경관 복원을 평가하는 데 드론을 사용한다는 것은 맹그로브를 모니터링한다는 의미이기도 합니다. 이렇게 울창하고 습지가 많은 지형에서는 기존 모니터링이 어려웠지만, 3LDM의 드론 프로토콜 고해상도 이미지를 통해 보다 효율적이고 세밀하게 모니터링할 수 있게 되었습니다.
한 드론 조사에서 Maxim의 팀은 일광욕을 즐기는 악어라는 예상치 못한 주민을 발견했습니다. 선명한 이미지는 기술의 효율성을 강조했을 뿐만 아니라 도보 조사에 비해 안전한 이점을 강조했습니다.
3LDM은 예상치 못한 야생동물과의 만남 외에도 맹그로브의 성장 역학에 대한 통찰력을 제공했습니다. 드론이 바람이 많이 부는 환경에 적응하는 등 시스템에는 어려움이 있었지만, 그 결과는 장애물을 능가했습니다.
