항공 탑재 라이다(Light Detection And Ranging, LiDAR) 데이터는 지면과 초지 범위를 구분하기 어렵고, 가시광 식생 지수는 관목과 교목 층을 분리하지 못한다. 이러한 문제를 해결하기 위해 LiDAR 점군과 RGB 식생 지수를 융합한 다중 대역 정보 영상을 구축하였다. LiDAR 점군으로 정밀한 캐노피 높이 모델(Canopy Height Model, CHM)을 생성하고, 드론 영상 데이터를 이용해 고해상도 디지털 직교 영상을 생성하였다. 다양한 식생 지수의 정밀도를 비교한 후 차이 강화 식생 지수(Differential Enhanced Vegetation Index, DEVI)를 선택하여 CHM과 융합하였다. 형태학적 재구성을 통해 CHM+DEVI 융합 영상을 재구성하여 비합리적 값을 제거하였으며, 학습 샘플을 구축하고 분류 회귀 트리 알고리즘을 활용해 지면 범위를 분할하고 자율적으로 식생을 교목, 관목, 초지로 추출하였다. 교목 영역에서는 로컬 최대값 알고리즘으로 나무 꼭대기점을 탐지하여 전경 마커로 사용하였고, 비교목 영역은 배경 마커로 지정하여 워터셰드 변환을 통해 분할 결과를 얻었다. 이 방법으로 추출한 식생 정보를 실측 데이터와 정밀도 분석한 결과, 개선된 방법은 4개의 표본지에서 전체 재현율을 3.2%, 정밀도를 3.9%, 정확도 F1 점수를 3.5% 향상시켰으며, 나무 높이 정밀도는 각각 1.7%, 6.4%, 1.8%, 0.3% 향상되었다. 개선된 방법의 유효성이 검증되었으며, 지역 내 식생 혼합 정도가 높을수록 개선된 알고리즘의 추출 효과가 더 좋았다.

라이다;드론 영상;차이 강화 식생 지수;형태학적 재구성;마커 워터셰드 알고리즘