새만금 염생식물 모니터링을 위한 AI 모델 구축 및 탄소 흡수량 산정
AI Model Development for Halophyte Monitoring and Carbon Sequestration Estimation in Saemangeum based on National Base Map
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
새만금 사업으로 인해 약 208 km²의 갯벌이 소실되었으며, 이는**대한민국 전체 갯벌의 약 8%에 해당한다. 이러한 갯벌의 소실은 약 4만 톤의 탄소 저장 능력 감소로 이어졌다. 갯벌에 서식하는 염생식물은 블루카본 생태계의 핵심 구성요소로, 그 분포 현황 및 탄소 흡수능을 정량화하는 것은 매우 중요하지만, 아직 충분히 연구되지 않은 분야이다. 본 연구에서는 드론 기반 다중센서 영상을 인공지능 (AI) 세분화 모델과 결합하여 새만금 지역의 염생식물 군집을 조사하고 블루카본 잠재력을 추정하였다. 이를 위해DJI M300 RTK 드론과 Zenmuse P1/L1 센서를 활용하여 고해상도 정사영상 (orthophoto) 및 수치표면모델 (DSM) 데이터를 수집하였다. 대상 염생식물의 종 분류 및 면적 산정에는 YOLOv11+SAM 모델과HRNet 모델을 적용하였다. 분석 결과, YOLOv11+SAM 모델은 높은 탐지 속도와 정확도를 보였으며, HRNet 모델은 경계(분할) 추출에서 우수한 성능을 보여 향후 염생식물 탐지 모델로의 활용 가능성이 확인되었다. AI 분석을 통해 갈대, 나문재, 칠면초 등의 주요 우점종이 탐지되었고 각각의 면적을 산정하였다. 조사 결과, 환경생태단지의 탄소 흡수량은 칠면초가 약 0.196 tC, 나문재가 0.012 tC으로 밝혀졌다. 해창갯벌에서의 탄소 흡수량은 갈대, 나문재, 칠면초가 각각 164.20 tC, 37.03 tC, 24.40 tC으로 밝혀졌다. 이러한 결과는 갯벌의 탄소 흡수량을 정량화하고, 염생식물 탄소 인벤토리 구축 및 탄소중립(Net-Zero) 정책 수립을 위한 과학적 근거를 제공한다. 본 연구는 또한AI 기반 염생식물 모니터링 플랫폼을 제시하여 지속 가능한 연안 생태계 관리에 기여할 가능성을 보여준다.
Abstract
The Saemangeum project resulted in the loss of approximately 208 km² of tidal flats, equivalent to about 8% of South Korea's total tidal flats. This loss has reduced carbon storage capacity by approximately 40,000 tons. Halophytes in the tidal flats play a core role as blue carbon ecosystems. Quantifying their distribution status and carbon absorption capacity is essential but remains underexplored. This study investigates halophyte communities in the Saemangeum area using drone-based multi-sensor imagery combined with an artificial intelligence (AI) segmentation model to estimate blue carbon potential. Aerial photography using the DJI M300 RTK and Zenmuse P1/L1 was conducted to collect high-resolution orthophotos and digital surface model (DSM) data. For the species classification and area estimation of target halophytes, YOLOv11-seg and HRNet models were applied. Analytical results indicate that YOLOv11-seg demonstrates high detection speed and accuracy performance. At the same time, the HRNet model exhibits strengths in segmentation boundary extraction, confirming its potential for future use as a halophyte detection model. AI detected key dominant species of Suaeda japonica, Suaeda glauca, and Phragmites communis and presented their distribution patterns. In the Eco-Environmental Complex, the carbon sequestration amounts were found to be approximately 0.196 tC for Suaeda japonica and 0.012 tC for Suaeda glauca. In the Haechang tidal flat, the carbon sequestration amounts of Phragmites communis, Suaeda glauca, and Suaeda japonica were found to be 164.20 tC, 37.03 tC, and 24.40 tC respectively. These results suggest a useful tool for quantifying carbon sequestration in tidal flats, establishing a halophyte carbon inventory, and formulating a net-zero policy. This work suggests an AI-based halophyte monitoring platform that can contribute to managing sustainable coastal ecosystems.