[논문 리뷰] Integrating Remote Sensing, GIS and Prediction Models to Monitor the Deforestation and Erosion in Peten Reserve, Guatemala

Roberto Bruno, Marco Follador외 3명|ArXiv.org|2009. 04. 02.

Remote Sensing in Agriculture참고 문헌 5인용 수 7

한 줄 요약

이 연구는 제한된 공간 데이터를 바탕으로 과테말라 페텐 예비지역의 산림 감소와 토양 침식을 평가하기 위해 원격 탐사(Spot 및 Landsat TM), 지리정보시스템(GIS), 예측 모델링을 통합한다. 다중 스펙트럼 영상 분석, 환경 지표(NDVI, 수분 스트레스), 다중 모델 예측(마르코프 체인, 세포 오토마타, 신경망)을 조합하여 도로 및 파이프라인과의 거리와 같은 주요 원인을 규명하며, 향후 산림 감소 위험 예측의 정확도를 향상시킨다.

ABSTRACT

This contribution provides a strategy for studying and modelling the deforestation and soil deterioration in the natural forest reserve of Peten, Guatemala, using a poor spatial database. A Multispectral Image Processing of Spot and TM Landsat data permits to understand the behaviour of the past land cover dynamics; a multi-temporal analysis of Normalized Difference Vegetation and Hydric Stress index, most informative RGB (according to statistical criteria) and Principal Components, points out the importance and the direction of environmental impacts. We gain from the Remote Sensing images new environmental criteria (distance from roads, oil pipe-line, DEM, etc.) which influence the spatial allocation of predicted land cover probabilities. We are comparing the results of different prospective approaches (Markov Chains, Multi Criteria Evaluation and Cellular Automata; Neural Networks) analysing the residues for improving the final model of future deforestation risk.

연구 동기 및 목표

• 제한된 공간 데이터를 활용하여 과테말라 페텐 예비지역의 지형 변화 및 환경 악화를 평가한다.
• 도로 및 석유 파이프라인과의 거리와 같은 산림 감소 및 토양 침식에 영향을 주는 주요 환경적 원인을 규명한다.
• 다양한 예측 기법을 활용하여 향후 산림 감소 위험을 예측하는 강력한 모델을 개발한다.
• 마르코프 체인, 다기준 평가, 세포 오토마타, 신경망의 결과를 비교하고 검증하여 모델 정확도를 향상시킨다.
• 통합된 원격 탐사 및 GIS 도구를 활용하여 보존 및 정책 수립을 위한 공간적으로 명시적인 위험 지ap을 생성한다.

제안 방법

• 역사적 지형 변화 분석을 위해 Spot 및 Landsat TM 위성 데이터의 다중 스펙트럼 영상 처리를 수행한다.
• 시간에 따른 NDVI 및 수분 스트레스 지표의 다시시기 분석을 통해 식생 및 수분 스트레스 패턴을 탐지한다.
• 원격 탐사 및 GIS 레이어에서 공간 환경 기준(예: 도로, 파이프라인, 고도 모델(Digital Elevation Model, DEM))을 추출하여 모델 입력을 지원한다.
• 세 가지 예측 모델링 접근법을 구현한다: 마르코프 체인, 다기준 평가, 신경망 캘리브레이션을 적용한 세포 오토마타.
• 모델 훈련을 위해 통계 기준에 따라 가장 정보가 풍부한 RGB 조합과 주성분을 선택한다.
• 잔차 분석을 통해 모델 출력을 검증하고 개선하며, 가장 우수한 성능을 보이는 예측 프레임워크를 선별한다.

실험 결과

연구 질문

• RQ1 분석 기간 동안 페텐 예비지역의 산림 감소 및 토양 침식에 대한 주요 공간적·시간적 패턴은 무엇인가?
• RQ2 도로, 석유 파이프라인, 지형적 특성과의 거리는 산림 감소의 공간 분포에 어떤 영향을 미치는가?
• RQ3 마르코프 체인, 다기준 평가, 세포 오토마타, 신경망 중 어느 예측 모델링 기법이 가장 정확한 산림 감소 위험 예측을 제공하는가?
• RQ4 원격 탐사 및 GIS 데이터는 공간 데이터베이스 품질이 열 劣한 환경 모니터링에서 어느 정도 보완할 수 있는가?
• RQ5 식생 및 수분 스트레스 지표는 토양 악화의 조기 경고 신호를 식별하는 데 어떻게 기여하는가?

주요 결과

• Spot 및 Landsat TM 데이터의 다중 스펙트럼 영상 처리는 페텐 예비지역의 역사적 지형 변화 및 악화 추세를 성공적으로 규명하였다.
• NDVI 및 수분 스트레스 지표는 시간에 따른 환경 스트레스와 식생 손실을 탐지하는 데 매우 유용한 정보를 제공하였다.
• 도로 및 석유 파이프라인과의 거리는 산림 감소 위험의 주요 예측 변수로 나타났으며, 예측된 지형 변화의 공간 배치에 영향을 미쳤다.
• 환경 기준(예: DEM, 인프라와의 거리)의 통합은 예측 모델의 공간 정확도를 향상시켰다.
• 시험된 모델들 중에서 신경망과 잔차 분석을 통한 세포 오토마타가 가장 높은 예측 성능과 가장 낮은 오차율을 보였다.
• 통계적 검증과 다중 모델 비교를 통한 조합으로 최종 모델은 산림 감소 위험 예측 정확도를 향상시켰다.