무인항공기 영상과 머신러닝 방법을 활용한 갯벌 표층 퇴적상 분류

Abstract

갯벌은 내륙과 수생태계 사이의 전이지대로서 다양한 생태학적 과정을 통해 연안생태계의 생산성과 생물종 다양성을 유지하는 역할뿐만 아니라 블루카본 저장소로서의 기능까지 보고됨으로써 경제적 가치가 증대되고 있다. 최근 한국 갯벌은 유네스코 세계 자연유산 등록 및 기후변화에 따른 탄소배출 저감이라는 세계 공통 이슈와 함께 갯벌 보존 및 복원에 대한 관심이 높아지면서, 갯벌의 면적 및 지형 변화 등 시공간적인 정보에 대한 수요가 증가하고 있다. 따라서 퇴적환경 요인들의 공간정보화는 필수적이며, 특히 갯벌 퇴적물 특성은 면적 및 지형 변화에 영향을 미치는 매우 중요한 요인으로 원격탐사 기반의 갯벌 표층 퇴적물 분포도 작성이 필요하다. 이 연구에서는 천수만 황도 갯벌 지역을 대상으로 초고해상도 무인항공기 영상과 머신러닝방법을 사용하여 갯벌 표층 퇴적물 분류하고, 최적화된 알고리즘을 제시하려고 한다. 첫 번째 단계로 황도 갯벌의 일부 영역에서 무인항공기 관측을 통해 공간해상도 0.5m의 RGB 정사영상과 수치표고모델(DEM)을 생성하고, 무인항공기 영상으로부터 GLCM 텍스처 자료와 조류로 분포도 등 표층 퇴적물 분류에 사용하는 입력 자료를 추출하였다. 두 번째 단계는 추출한 영상자료와 현장관측을 통해 획득한 folk(1978) 분류 기준 기반의 표층 퇴적상 자료를 머신러닝 모델에 적용하여 표층 퇴적물 분포도를 작성하였고, 마지막으로 분류성능평가지표 분석을 통해 정확도를 분석하였다. 그 결과 RGB 정사영상과 DEM 자료를 입력 자료로 사용하고 서포트 벡터 머신(SVM) 모델에 적용하였을 경우 정확도가 가장 높게 나타났다. 이 연구를 통해 무인항공기 자료와 머신러닝 방법을 활용한 갯벌 표층 퇴적물 분류의 최적화 알고리즘을 분석함으로써 효율적인 표층 퇴적물 분류방법을 제시하고, 추출한 표층 퇴적물 분류도는 갯벌의 시공간적 변화 분석을 위한 기초자료로 활용될 것으로 기대한다.