제18회 기술사 영상공모전 대회에서 차수영 환경영향평가사(자연환경관리기술사, 조경기술사)가 “QGIS를 활용한 자연환경 모니터링과 디지털 기술”이라는 주제로 과학기술정보통신부 대상을 수상하였습니다. 수상작은 한국기술사회 e-러닝센터에서 총 5강으로 구성된 동영상 강의로 업로드 됩니다. 1강과 5강은 AI 기술을 활용한 동식물 자동 탐지 및 분류 알고리즘과 드론 라이다 데이터 기반 3차원 지형 모델링 등에 관한 내용이고, 2강~4강은 지리정보자료의 좌표계 등록과 위상관계 설정, 공간해상도에 따른 경사도 면적의 차이 등에 대한 내용으로 구성되어 있습니다. 본 강의를 통하여 실무현장에서 QGIS 프로그램을 운용할 때 필요한 GIS 기초를 이해할 수 있고, 최근 자연환경 모니터링 분야에서 활용되고 있는 디지털 신기술 융합에 대한 방법을 소개합니다.

[제1강] 

3D 자료 수집(3D LiDAR Point Cloud Data - 다중반사레이저빔, LiDAR vs. Photogrammetry, Drone LiDAR를 이용한 3차원(xyz) 정보수집 방법, 3D 정밀 지도와 모델 생성, DSM vs. DTM, 라이다 자료를 이용한 하천 토지피복 profile 생성), 사물인식 AI 자연환경 모니터링(북극곰 개체수 드론 조사, 카메라 트랩 이미지 통한 동물 종 분류 고도화, 생태적으로 특화된 기계학습 알고리즘 통한 식물 종 식별 분류), 원격탐측자료 라이브러리 구축(현장 field data 수집, 원격탐측 & 지상관측, 라이브러리 축적, 산림 모니터링 시스템 구축 – 드론 라이다, 인공위성 자료, 산림수종 자동분류 – 침엽수와 활엽수 파장 특징 이용한 자동분류 알고리즘) 

[제2강] 

GIS의 기초 개념(실세계를 GIS 데이터로: 단순화 및 일반화, GIS 데이터 유형, 벡터 & 래스터 모형, 도형 & 속성 정보, 이산 & 연속 자료, XY좌표계를 이용한 점, 선, 면의 위치표시, 위상구조에 경위도 좌표계 설정, GIS와 CAD의 차이점, QGIS에서 사용되는 파일 형식, 원시자료를 활용한 주제도 제작), 헷갈리는 좌표계(좌표계가 서로 다른 자료들, 좌표계의 설정 및 서로 다른 좌표계의 일치, .prj 파일에 변환 정보 저장, TMS for Korea 플러그인 설치로 배경지도 불러오기, 네이버/다음 지도에 분석 대상지 중첩하기)  

[제3강] 

벡터 자료 개요(shape 파일 구조, 웹GIS에서 수치지형도 다운로드, shape files set: .shp, .dbf, .shx, .prj 업로드 하기, CSV 파일 -> SHP 변환), 래스터 자료 개요(픽셀기반 파일 형식의 종류, 원자료: 항공사진이나 위성영상 등, 분석결과자료: 생태자연도 및 국토환경성평가지도 등), GIS 분석의 종류(공간분석 - 지형분석, 공간분석의 기법 – 중첩분석, 공간분석을 위한 연산, 공간통계분석) 

[제4강] 

중첩 분석(국토환경성 평가지도를 통한 래스터 자료의 중첩분석과정 이해), 지형 분석(DEM과 TIN 제작, 지형 모델: Surface modeling, DEM 기반 부가적 래스터 자료 생성: 표고, 경사, 향 등, 라이다 포인트 클라우드 DEM 기반 지형 분석, 3D Terrain Map), 경사도 분석과 공간해상도(골프장 경사도 분석을 용한 공간해상도 이해, 격자크기 25m vs. 5m, 등고선으로 TIN 제작, TIN을 이용한 경사도 분석, TIN을 DEM으로 변환 후 경사도 분석, 격자의 크기가 커짐에 따라 지형 왜곡 발생) 

[제5강] 

인공지능을 이용한 동식물 자동 탐지 및 분류(사물인식 머신러닝 딥러닝, 기계학습: Machine Learning, 감독분류: Decision Tree Identification, 무감독 학습: Unsupervised Learning, 분류: Classification, 탐지: Detection, Ecology-Trained Machine Learning Technology, Semantic Segmentation), 서식지 예측 모델링(변수의 종류 및 선택, 생물 종 출현 데이터를 활용한 다양한 서식지 예측 모델,  MaxEnt 모형 프로세스, 프로그램 실행방법, 모형 정확도 평가, 사례: 소나무 잠재 분포 예측 및 산양 서식지 분포 예측 등), 생물다양성 빅데이터 시스템 구축(시민과학자 및 전문가 실시간 현장 데이터 확보 및 공유, 공유를 통한 활용 확대, 모형에 기반한 다양한 생물 자원에 대한 시공간 예측, 시공간 융합 데이터 구축, 시민참여 한국 생물다양성 관측 네트워크: K-Bon Data, 디지털 기술: AI + Big Data + ICT 활용한 동식물 식별 어플리케이션, Leafsnap, Picture This, Merlin Bird ID)