연구 목표.
LiDAR 원 자료를 보다 심도있게 이용하여 전통적으로 라이다 자료와 연결시키지 않았던 세부 식생 구조를 파악하는 것. 식생 구조의 정밀한 모델링을 위해 식생구조의 생물리적 정보 (빛 투과 모형, 3차원 임분구조 등) 를 이용하고, 현대적인 자료 처리 기법 (e.g., Hierarchical Bayesian, Data mining)을 통해 그 정보를 측정된 자료와 통합하는 것.
조류의 종다양성 정보를 계통발생학적, 기능적 측면에서 재구조화 하여 경관 구조, 변수와의 Higher order correlation, non-linear response를 밝히고, 예측적인 멀티플 해비탯 모형을 구축하는 것.
서식지의 적합도에 관련된 환경 변수가 항상 현상적으로
종풍부도나 종다양성과 관련되지 않기에
(Johnson 2007), 서식지 적합도와 환경 변수의 단순 상관관계를 보는 것은 이상한 결과를 나을 수 있다
Junttila, V.; Finley, A. O.; Bradford, J. B. Strategies for minimizing sample size for use in airborne LiDAR-based forest inventory.Forest Ecology and … 2013.
라이다 자료이용할 때 그라운드 샘플의 the
necessary field plots 갯수 정한 논문. Fig. 4, 5 and 6 식으로 얼마나 필드 갯수 필요한지 미리 가늠해 보는 논문인데, 필요하면 조사구 갯수를 정하기 위해 이런 사전 분석을 하겠다던지 그런 얘기 할 수도 있을 듯. 꼭 필요한 얘기는 아님.
HB 관련
1)
Clark, J. Why environmental scientists are becoming Bayesians. Ecology
Letters 2005.
클락 논문에서는 복잡한 구조를 밝혀내는 데 베이지안
분석이 유용함을 얘기하고, 그림 2번 이용할 수 있을 것 같아요. 이게 파운딩 페이퍼는 아니지만 인용하기 좋은 페이퍼임.
현장 조사 결과의 다변량 통계 분석을 계층 베이지안 모형을 통해 수행하고자 한다. 이 방법은 Hierarchical Bayes (HB) represents a modelling
structure with capacity to exploit diverse sources of information, to
accommodate influences that are unknown (or unknowable), and to draw inference
on large numbers of latent variables and parameters that describe complex
relationships.
2)
Jones, J. E.; Kroll, A. J.; Giovanini, J.; Duke, S. D.; Ellis, T.
M.; Betts, M. G. Avian Species Richness in Relation to Intensive Forest
Management Practices in Early Seral Tree Plantations. PLoS ONE 2012,
7, e43290.
이 논문에선 조류 풍부도를 베이지안 방법으로 임분 구조와 연결시켜 보았어요. 퍼센트 커버 등. 이 논문에선 퍼센트 커버 등의 효과에 가려져 있는 관리 변의 의미를 찾을 수 있었음. 산림 식생구조와 다른 환경변수등의 효과가 중첩될 때 개별 효과를 가시적으로 드러내는 연구 사례로 볼 수 있음. 그리고 그림 5번에 나오듯, 23개 종 각각의 효과를 분리해서 보는 데도 베이지안 분석이 유용하다.
3)
Meiman, S.; Civco, D.; Holsinger, K.; Elphick, C. S. Comparing
Habitat Models Using Ground-Based and Remote Sensing Data: Saltmarsh Sparrow
Presence Versus Nesting. Wetlands 2012, 32, 725–736.
이 논문은 라이다와 영상자료로 만든 서식지 모형이랑
그라운드 자료 기반 모델 비교했다고 해서 읽어보고 싶은데 접근을 못했음. 계층 베이지안 분석 했다고 함. 서식지 모형이라 흥미 갔음.
4)
Hierarchical Bayesian spatial
models for predicting multiple forest variables using waveform LiDAR,
hyperspectral imagery, and large inventory datasets.
Andrew O Finley, Sudipto
Banerjee, Bruce D Cook, and John B Bradford.
International Journal of
Applied Earth Observation and Geoinformation, 2012.
http://linkinghub.elsevier.com/retrieve/pii/S0303243412000700
이 논문은 계층 베이지안 모형으로 라이다, 다른 하이퍼스펙트럴 영상 자료 종합 (synthesize)하고 결과적으로 삼림 변수 추출해 내는 연구. PPT 받아서 봤는데, 변수를 복잡한 것 뽑아내는 건 아녔음.
Carroll, C.; Johnson, D. S. The importance of being spatial (and
reserved): assessing northern spotted owl habitat relationships with
hierarchical Bayesian models. Conserv. Biol. 2008, 22,
1026–1036.
이 논문은 서식지를 베이지안 공간 모형해서 잠재적인
서식지 지도 만든 연구. 다중 공간규모에서 분석된 모형을
가지고 산출물로 맵을 만드는 데 참고할 수 있겠어요. 결과적으로 우리도 굉장히 정교한 맵을 만들 수 있다
정도. 이건 공간적 자기상관 이용한 연구라 방법이 까다롭긴 한데 하면 다 할 수 있는 정도임.
베이지안 공간통계.
Swatantran, A.; Dubayah, R.; Roberts, D.; Hofton, M.; Blair, J. B.
Mapping biomass and stress in the Sierra Nevada using lidar and hyperspectral
data fusion. Remote Sensing of Environment 2011, 115,
2917–2930.
http://www.sciencedirect.com/science/article/pii/S0034425711001374
이 논문은 LiDAR랑 하이퍼스펙트럴 데이터의 종합에 대한 논문. 단순하게 바이오매스 추정 쪽임. 라이다 자료랑 다른 자료 종합한 예 정도 될 수 있음.