Estimating Above-Ground Blue Carbon in a Tropical Mangrove Using Multispectral Unmanned Aerial Vehicle Imagery

기술 요약: 다중분광 무인 항공기(UAV) 영상을 이용한 열대 망그로브의 지상부 블루 카본 추정

문제 제식
망그로브 숲은 상당한 양의 탄소를 저장하는 중요한 블루 카본 생태계이다. 그러나 망그로브 환경의 까다로운 지형(미고결 진흙, 조밀한 기근 등)과 전통적인 현장 조사의 한계(시간 소모가 크고 조사 면적이 좁음)로 인해 탄소량을 정확하게 정량화하는 것은 물류적으로 매우 어렵다. 위성 영상과 LiDAR 장착 드론이 대안을 제시할 수 있지만, 복잡하고 이질적인 망그로브 숲에서 바이오매스 추정을 위한 구조적 매개변수(수관 치수 및 높이 등)를 도출하기 위해 다중분광 드론 영상을 활용하는 방법론은 부족한 실정이다. 또한, 기존의 글로벌 탄소 추정치는 특히 브라질 수아페(Suape) 하구와 같이 퇴화되었거나 인위적 압력을 받는 시스템의 국지적 변동성을 포착할 수 있는 해상도가 결여되어 있다.

방법론
본 연구는 다중분광 무인 항공기(UAV) 영상과 객체 기반 이미지 분석(OBIA)을 사용하여 지상부 바이오매스(AGB) 및 탄소 저장을 추정하는 재현 가능한 워크플로우를 개발하였다.

• 데이터 획득: DJI P4 Multispectral 드론을 사용하여 브라질 수아페 만(Suape Bay)의 31 헥타르 구역에 대해 고해 resolution 영상(RGB, Blue, Green, Red, Red Edge, Near-Infrared)을 촬영하였다. 구조 복원(Structure from Motion, SfM) 사진측량을 통해 디지털 고도 모델(DEM)에서 디지털 지형 모델(DTM)을 차감하여 수관 높이 모델(CHM)을 도출하였다.
• 세그멘테이션 워크플로우: 개별 나무 형태의 객체(TLO)를 획정하기 위해 4단계의 OBIA 워크플로우를 구현하였다.
  1. 시드 생성: CHM의 로컬 맥시마(local maxima) 알고리즘을 사용하여 "VegITD" 시드(잠재적 수관 상단)를 생성하고, 이를 NDVI로 필터링하였다. "NVeg" 시드(비식생 지역)는 수동으로 디지털화하였다.
  2. 픽셀 클러스터링: 리전 그로잉(region-growing) 알고리즘을 사용하여 식생(NDVI 기반) 및 수체/퇴적물(NDWI 기반) 임계값을 바탕으로 시드를 분광학적으로 일관된 객체로 확장하였다.
  3. 수관 식별: Red Edge 및 Near-Infrared 밴드의 분광 임계값을 사용하여 수관 상단(treetops)과 수관 간극(canopy gaps)을 식별하는 다해상도 세그멘테이션을 수행하였다.
  4. 수관 형태 획정: 두 번째 세그멘테이션 단계에서 기하학적 기준(형태 지수 < 2)과 면적 제한을 적용하여 확인된 수관 상단을 전체 수관 경계로 확장함으로써 인접한 수관들이 병합되는 것을 방지하였다.
• 바이오매스 추정: 5가지 알로메트릭(allometric) 방정식을 평가하였다. 3개 방정식은 UAV 데이터에서 도출 가능한 매개변수(수관 직경, 수관 면적, 높이 및 식생 지수: GNDVI, SAVI, SR)에 의존한다. 나머지 2개는 현장에서 측정된 높이와 흉고직경(DBH) 사이의 선형 회귀를 통해 추정된 DBH에 의존한다.
• 검증: 58개 개체(대부분 Rhizophora mangle)를 포함하는 225 m² 식생 구역(P1)에서 지상 검증 데이터를 수집하였다. UAV로 도출된 TLO를 현장 측정된 나무 수 및 높이와 비교하였다.

주요 기여

• 새로운 세그멘테이션 전략: 본 논문은 구조적 시드(CHM 로컬 맥시마로부터 추출)와 분광학적 제약 조건(다중분광 반사율)을 통합하여 밀집된 망그로브 내의 개별 나무 수관을 획정하는 하이브리드 OBIA 접근법을 소개한다. 이 방법은 구조적 피크가 감지되지 않은 곳에서도 분광 반사율(VegDN)을 기반으로 추가적인 수관 상단을 식별함으로써 표준적인 수관 상단 탐지 알고리즘의 "거짓 음성(false negative)" 문제를 해결한다.
• 방정식 선택: 본 연구는 5가지 알로메트릭 방정식을 체계적으로 평가하였다. DBH(회귀를 통해 추정됨)나 식생 지수만을 사용하는 방정식은 이 특정 응용 분야에 적합하지 않음을 확인하였다. 대신, 수관 면적과 높이에 직접 기반한 방정식(AGB2)이 중간 회귀 단계 없이 UAV에 의해 직접 관찰 가능한 매개변수를 사용하므로 광역 적용에 가장 타당한 추정치를 제공한다는 것을 밝혀냈다.
• 고해상도 기준선: 본 연구는 항만 및 산업 활동으로 인해 강한 인위적 압력을 받는 망그로브 시스템에 대한 고해상도 탄소 저장량 기준선을 제공하며, 퇴화된 시스템조차 상당한 탄소량을 보유하고 있음을 입증하였다.

결과

• 세그멘테이션 성능: 워크플로우는 7.5 헥타르의 식생 구역에서 5,363개의 TLO를 성공적으로 획정하였다. 식생 구역에서의 검증 결과, UAV는 구역 내 13개의 TLO를 탐지하였으며, 이는 구역 내 가장 큰 나무 13개와 밀접하게 일치하였고(평균 높이 차이 약 0.17 m), 이 방법이 우점 수관 나무를 매핑하는 능력을 확인시켜 주었다.
• 탄소 저장량 추정: 선택된 AGB2 방정식을 사용하여 수아페 망그로브의 지상부 탄소 저장량을 79.8 MgC.ha⁻¹로 추정하였다.
• 공간적 분포: 탄소 저장은 균일하지 않았다. 높은 값은 하구 채널 인접 나무들에 집중되었으며, 상부 망그로브 및 고염도 조간대로 갈수록 감소하는 층상 구조를 보였다.
• 비교: 추정치인 79.8 MgC.ha⁻¹는 북쪽으로 64km 떨어진 곳에서 발견된 일부 지역 추정치(예: 50 MgC.ha⁻¹)보다는 높았으나, 글로벌 평균(109.3 MgC.ha⁻¹)보다는 낮았다. 본 연구는 글로벌 데이터셋이 지역적 저장량을 약 절반 정도로 과소평가하고 있음을 언급하며, 국지적 고해상도 평가의 필요성을 강조하였다.
• 한계점: 본 방법론은 상부에서 내려다보는 방식(top-down view)이므로 하부 수관의 작은 나무들을 놓치게 되어 전체 바이오매스를 본질적으로 과소평가한다. DBH 기반 방정식(AGB4, AGB5)은 현장 비교 시 작은 나무들의 과소 추정과 높이-DBH 회귀의 불확실성으로 인해 더 낮은 추정치(33.5–44.7 MgC.ha⁻¹)를 나타냈다.

의의 및 주장
저자들은 본 연구가 열대 망그로브의 블루 카본 저량을 추정하기 위한 비용 효율적이고, 물류적으로 실행 가능하며, 재현 가능한 방법론을 성공적으로 입증했다고 주장한다. 본 연구의 의의는 다음과 같다:

1. 확장성: UAV 방식은 단일 225 m² 구역을 조사하는 시간 동안 31 헥타르를 조사할 수 있어, 대규모 인벤토리 구축에 있어 엄청난 이점을 제공한다.
2. 퇴화된 시스템에서의 정확성: 고도로 변형되고 인위적 압력을 받는 환경에서 정확한 기준선을 생성하는 능력은 복원 계획 및 탄소 시장 적격성(예: REDD+, NDC) 확보에 매우 중요하다.
3. 방법론적 표준화: 매개변수가 정의되면 이 워크플로우는 이론적으로 다른 하구 시스템에도 재현 가능하며, 표준화된 블루 카본 인벤토리를 위한 후보 프로토콜 역할을 할 수 있다.
4. 상호 보완성: 본 연구는 IPCC의 Tier 3 평가 수준을 달기 위해 국지적인 고해상도 평가가 광범위한 글로벌 추정치를 보완하고 교정하는 데 필수적임을 강조한다.

본 논문은 방법론이 하부 수관 탐지에 한계가 있음에도 불구하고, 환경 피해 평가 및 생태계 관리에 필수적인 국지적 탄소 기준선을 생성하기 위한 강력한 도구를 제공한다고 결론짓는다. 향후 연구에서는 다중 센서 데이터의 통합과 종 특이적 방정식의 정교화가 제안되지만, 현재의 연구는 UAV 기반 블루 카본 모니터링을 위한 실행 가능한 토대를 마련하였다.