라이다 데이터를 이용하여 산림 밀도 지도를 만드는 방법
2024년 6월 25일산림 밀도는 산림의 건강과 성장을 측정하는 지표로 사용될 수 있습니다. 라이다와 같은 원격 감지 데이터를 활용하면 시간과 인력을 절약하면서 산림 밀도를 분석할 수 있습니다. Global Mapper Pro는 사진측량 데이터와 기존 라이다 데이터로 생성된 포인트 클라우드를 모두 지원하지만, 이 워크플로는 특히 산림 캐노피를 투과할 수 있는 기존 라이다 데이터를 활용합니다. 이를 통해 캐노피뿐만 아니라 그 아래 지면까지 모델링하여 산림 밀도 지도를 생성할 수 있습니다.
Global Mapper Pro에서 생성된 수목 밀도 래스터 레이어입니다.
밀도 지도는 지점 밀도가 높거나 낮은 영역을 강조 표시합니다. 가장 일반적인 산림 밀도 측정 방법은 개별 나무와 나무들 사이의 근접성을 평가하는 것입니다. Global Mapper Pro 에서는 수관 너비, 나무 높이 등과 같은 공통 속성을 가진 나무 군집을 식별하는 추가 밀도 지도를 생성할 수 있습니다. 또는 ' 지점 밀도로 라이다 그리기' 설정을 사용하여 식생 라이다 지점의 밀도를 시각화할 수도 있습니다. 이 방법은 개별 나무를 살펴보지는 않지만 전반적인 식생 밀도와 지표면 피복에 대한 통찰력을 제공할 수 있습니다.
간단한 3 단계 :
- 포인트 클라우드를 분류합니다
- 자동 추출 도구를 사용하여 각 나무에 대한 포인트 피처를 생성합니다.
- 밀도 격자 도구를 사용하여 밀도 측정값을 평가하십시오.
실제 사례를 보려면 2023년 글로벌 매퍼 마스터 대회 우승자인 드웨인 태넌트 박사가 2024년 사용자 컨퍼런스에서 발표한 프레젠테이션을 참조하십시오.
지오토크: 라이다 데이터를 활용한 수목 밀도 지도 작성 – 산불 위험 평가 도구
1. 포인트 클라우드를 분류합니다.
포인트 클라우드 분류는 시각화 및 분석을 위해 포인트 특징에 컨텍스트를 적용합니다. 사람은 나무 꼭대기의 포인트와 지면의 포인트를 명확하게 구분할 수 있습니다. 하지만 컴퓨터는 포인트 클라우드에서 객체를 식별할 때 속성과 구조를 기반으로 해야 합니다. Global Mapper의 자동 식생 분류 도구는 데이터에서 나무 유형의 구조를 식별하도록 설계되었습니다.
미국 메인주 중부 지역의 희소한 USGS 포인트 클라우드는 Global Mapper Pro를 사용하여 지면 및 식생 높이로 분류되었습니다.
높이 등급을 자동으로 식별하여 측정하고자 하는 나무에 집중할 수 있습니다. 이러한 분류는 나중에 포인트 클라우드를 필터링하여 서로 다른 높이 등급의 나무 밀도를 비교하는 데 사용할 수 있습니다.
Global Mapper Pro에서 적절한 자동 수목 분류 설정을 위한 자세한 안내는 " 항공 LiDAR를 이용한 수목 재고 계산"을 참조하십시오.
2. 나무를 벡터 특징으로 추출
특징 추출 도구는 분류된 점들로부터 벡터 특징을 생성합니다. 이 도구를 사용하면 수목 목록을 쉽게 확인하고 내보낼 수 있습니다. 다양한 출력 옵션 중에서 각 세그먼트의 중심에는 벡터 수목 점이 생성됩니다. 이러한 수목 모양의 점 특징에는 높이, 수관 폭, 분류 등 수목의 측정된 속성이 포함됩니다.
포인트 클라우드에서 감지된 각 나무에는 나무의 측정된 속성을 포함하는 벡터 포인트 특징이 할당됩니다.
*팁: 나무 개수는 이 포인트 레이어에 있는 피처의 개수로 해석할 수 있습니다.
3. 밀도 격자(히트맵) 생성
분석 도구 모음 또는 벡터 분석 드롭다운 메뉴 에서 '밀도 격자(히트맵) 생성' 도구를 열고 ' 추출된 나무' 레이어를 선택합니다. 그러면 각 셀 값의 색상이 나무의 상대적 밀도를 나타내는 격자 레이어가 생성됩니다.
산림 유형과 기대치에 가장 적합하도록 도구 설정을 조정하십시오.
- 인구 분야 - 밀도를 측정할 속성을 선택하세요. 포인트 카운트 숲의 나무 밀도를 측정할 수 있지만, 높이와 같이 유사한 특성을 가진 나무들의 군집을 찾기 위해 다른 속성을 선택할 수도 있습니다.
- 검색 반경 - 인접한 나무가 어느 정도 떨어져 있어야도 가깝다고 간주되는지 지정하는 데 사용됩니다. 원하는 산림 밀도에 맞게 이 값을 조정하십시오. 나무 사이의 거리가 10m라면 이상적인 거리로 간주됩니까?
- 반경당 세포 수 – 검색 반경과 함께 사용하면, 이 값은 생성되는 밀도 격자의 픽셀 크기를 제어합니다. 예를 들어, 검색 반경이 90미터이고 '반경당 셀 개수'가 3인 경우, 각 픽셀의 크기는 30미터가 됩니다.
이러한 유형의 래스터 분석은 일반적으로 사용되는 색상 때문에 히트맵이라고도 합니다. 빨간색 셀은 더 높은 값을 가지며, 이 경우 밀도가 높은 영역을 나타내고, 파란색 셀은 밀도가 가장 낮은 영역을 나타냅니다.

이 데이터를 확대해 보면, 관리 필요성을 조사하기 위해 현장 방문이 필요할 수 있는 빽빽한 숲이 밀집되어 있는 것을 확인할 수 있습니다.
밀도 격자는 간벌이나 기타 관리 작업이 필요한 임분 구역을 빠르고 쉽게 파악하는 데 유용한 도구입니다. 라이다 데이터와 Global Mapper Pro를 활용하면 동일 지역에 대한 임목 조사 및 처리 작업에 소요되는 시간보다 훨씬 짧은 시간 안에 전체 임분에 대한 분석을 적용할 수 있습니다.
지금 바로 Global Mapper Pro를 14일 무료 체험 해 보세요 ! 궁금한 점이 있으면 언제든지 문의해 주세요!


