Accuracy Assessment of LiDAR-Based Forest Resource Estimation According to Sampling Methods

본 연구는 고밀도 LiDAR 점군 데이터를 산림 분석에 그대로 활용할 경우, 과도한 연산 자원과 처리 시간이 소요되어 실질적인 분석 효율성이 크게 저하된다는 문제의식에서 출발하였다. 이에 따라, 개체목 수준에서 흉고직경 및 수고 추정을 위한 효율적이면서도 신뢰도 높은 분석을 가능하게 하는 적정 서브샘플링 기법과 샘플링 밀도 수준을 규명하고자 하였다. 본 연구에서는 무작위 샘플링과 옥트리 샘플링을 다양한 수준으로 적용하여 추정 정확도 및 오류 양상을 비교·분석하였다. 분석 결과, 원본 점군이 반드시 가장 정확한 결과를 보이지 않았으며, 오히려 지나치게 고밀한 점군에서는 수간 및 수관 분류 오류가 발생하기도 하였다. 반면, 옥트리 샘플링은 점군의 공간 분포 균형을 유지함으로써 높은 정확도와 일관성을 확보할 수 있었다. 이는 고해상도 산림 LiDAR 데이터 분석에서 적절한 서브샘플링 전략이 분석의 효율성과 정확도를 동시에 달성하는 핵심 요소임을 시사한다.