The Method of Linking Fire Survey Data with Satellite Image-based Fire Data

산불피해대장 정보와 위성영상 기반 산불발생데이터의 연계 방안

Abstract

This study aimed to propose the method of linking satellite image-based forest fire data to supplement the limitation of forest fire survey data that records only the ignition location and area of forest fire. For this purpose, a method was derived to link the fire survey data provided by the Korea Forest Service between January 2012 and December 2019 with MODIS and VIIRS image-based forest fire data. As a result, MODIS and VIIRS-based forest fire data out of 191 wildfires in the forest fire survey data were able to identify 11% and 44% of fire damage area, respectively. An average of 56% of forest damage area was extracted from VIIRS-based forest fire data compared to forest fire areas identified by high-resolution Sentinel-2A satellites. Therefore, for large-scale forest fires, VIIRS wildfire data can be used to compensate for the limitations of forest fire survey data that records only the ignition location and area.

본 연구에서는 산불 발생 위치와 면적만 기록하는 산불피해대장 정보의 한계점을 보완하기 위해 위성 영상 기반의 산불발생데이터의 연계 방법을 제시하고자 하였다. 이를 위해 2012년 1월 ~ 2019년 12월 사이 산림청에서 제공하는 산불피해대장 자료와 MODIS 및 VIIRS 기반 산불발생데이터를 연계하는 방안을 도출하였다. 연구 결과 191건의 산불피해대장 산불 중 MODIS와 VIIRS 기반 산불발생데이터는 각각 약 11%와 44%의 산불에 대해 발생지역 확인이 가능하였다. VIIRS 기반 산불발생데이토로 추출한 피해지역에 대해 고해상도의 Sentinel-2A 위성으로 확인한 산불 영역과 비교한 결과 평균 56% 정도의 산림지역 피해가 추출되었다. 따라서 대규모 산불에 대해서는 VIIRS 산불발생데이터를 이용하면 면적과 발화점 위치만 기록하는 산불피해대장 정보의 한계점을 보완할 수 있을 것이다.

요약

본 연구에서는 산불 발생 위치와 면적만 기록하는 산불피해대장 정보의 한계점을 보완하기 위해 위성 영상 기반의 산불발생데이터의 연계 방법을 제시하고자 하였다. 이를 위해 2012년 1월 ~ 2019년 12월 사이 산림청에서 제공하는 산불피해대장 자료와 MODIS 및 VIIRS 기반 산불발생데이터를 연계하는 방안을 도출하였다. 연구 결과 191건의 산불피해대장 산불 중 MODIS와 VIIRS 기반 산불발생데이터는 각각 약 11%와 44%의 산불에 대해 발생지역 확인이 가능하였다. VIIRS 기반 산불발생데이토로 추출한 피해지역에 대해 고해상도의 Sentinel-2A 위성으로 확인한 산불 영역과 비교한 결과 평균 56% 정도의 산림지역 피해가 추출되었다. 따라서 대규모 산불에 대해서는 VIIRS 산불발생데이터를 이용하면 면적과 발화점 위치만 기록하는 산불피해대장 정보의 한계점을 보완할 수 있을 것이다.

1. 서론

2020년 4월 경상북도 안동에서 발생한 산불은 이틀간 800 ha나 되는 산림을 태운 뒤, 진화되었다. 이처럼 산불은 산림자원과 재산에 상당한 피해를 주기 때문에 산불이 자주 발생하는 곳에 대해 철저한 예방과 대비책이 필요하다. 이를 위해 산림청에서는 산불 발생에 대해 산불피해대장을 작성하여 관리하고 있다. 하지만 산불피해대장에는 발화지점의 주소만이 제시되어 있어 산불 피해지역의 공간적 범위를 특정할 수 없다. 따라서 많은 연구에서는 산불피해대장의 발화 지점을 자료를 이용하여 점 밀도 분석 방식으로 연구를 수행하였다(Ahn et al., 2017; Lee et al., 2002; Lee and Song, 2016; Kwak et al., 2008; Kwak et al., 2010). 대규모 산불은 여러 행정구역에 걸쳐 피해를 주게 되므로 발화 지점을 기반으로 공간분석을 수행하면 결과에 상당한 오류를 포함하게 된다. 따라서 산불 피해 지역의 공간분석을 위해서는 산불 발생 범위를 공간적으로 확인할 수 있는 방법이 제시되어야 한다.

이러한 한계점을 극복하기 위해 원격탐사를 활용하여 산불을 탐지하고, 이를 산불 발생 자료로 활용하는 연구가 이루어져왔다. 특히 시간해상도가 높다는 장점 때문에 Aqua와 Terra 위성에 장착된 MODIS 영상을 활용하는 연구가 주로 수행되었다(Kim, 2009; Kaufman et al., 1998). Kaufman et al. (1988)은 MODIS 화재 탐지 알고리즘을 개발하였는데, 대상 픽셀의 통계값과 인근 픽셀의 통계값을 비교하여 유의하게 다른 값을 갖는다면 이를 산불로 정의하였다. Giglio et al. (2003)은 Kaufman et al. (1998)의 화재 탐지 알고리즘 가운데 인근 픽셀에 대한 통계값을 개선 및 추가하여 MODIS 화재 탐지 알고리즘을 개선하였으며, 이는 기존에 비해 약 1/2 크기의 소형 산불을 탐지하고 오탐지율을 10배 ~ 100배 감소시켰다. Kim (2009)는 MODIS 영상자료에 혼합화소분석기법을 적용하여 소규모의 진행 산불(Active Fire)과 연소지역(Burned Area)을 탐지하는 알고리즘을 제안하였다. Lee et al. (2016)는 MODIS 영상자료로부터 산불 발생 자료를 추출하여 한반도의 산불 발생 현황을 데이터베이스로 구축하기도 하였다. 그러나 MODIS 센서는 공간해상도가 1 km로 낮기 때문에 100 ha 이상의 대규모 산불만 탐지가 가능하다(Waring and Coops, 2016; Zhu et al., 2017).

2012년부터 공간해상도 375 m의 VIIRS 영상을 활용한 산불 탐지 알고리즘이 개발되었으며(Schroeder et al., 2014) 많은 연구에서 VIIRS 영상이 MOIDS 영상에 비해 중·소규모 및 대규모 산불 탐지 성능이 향상되었음을 보여주었다(Briones-Herrera et al., 2020; Hua and Shao, 2017; Olivia et al., 2015; Waigl et al., 2017). 이와 같이 MODIS 및 VIIRS 영상을 활용한 산불 연구가 다수 수행되었다. 이처럼 위성영상을 통해 수집된 산불 발생 자료는 산불의 공간적 분포는 파악할 수 있지만, 산불의 원인이나 피해 규모에 대한 정보를 확인하는 것은 어렵다는 한계가 있다.

따라서 본 연구에서는 산림청에서 제공하는 산불피해대장 자료에 MODIS 및 VIIRS 영상 기반의 산불발생데이터를 각각 결합하여 국내에서 발생한 산불의 속성정보와 공간범위를 결합하는 방법을 모색하고자 하였다. 이때, 영상 기반 산불발생데이터에는 픽셀별 산불 발생 정보의 신뢰도를 선정하여야 산불 피해의 공간 범위를 도출할 수 있다. 많은 연구에서는 MODIS 및 VIIRS 영상 기반의 산불발생데이터를 사용할 때, 보통 30 이상 혹은 ‘nominal’ 이상의 신뢰도를 가진 자료를 사용하였다. 그러나 신뢰도 선정 기준이 명확히 정해지지 않아 경험적으로 정하는 경우가 대부분이다(Aissa et al., 2019; Barrett et al., 2016; Cristofanelli et al., 2014; Lim et al., 2019; Park et al., 2020; Waigl et al., 2017). 따라서 본 연구에서는 신뢰도 선정을 위해 산불피해대장의 산불피해면적과 가장 유사한 결과를 도출할 수 있는 신뢰도를 선정하였다. 그리고 저해상도 기반으로 추출된 산불 발생 분포에 대해 보다 고해상도의 Sentinel-2A 영상으로 탐지 가능한 산불 자료와 비교하여 본 연구에서 제시한 산불 발생 정보 결합 결과에 대해 검증하였다.

2. 연구 방법

1) 데이터 수집 및 전처리

본 연구는 2012년 1월 20일부터 2019년 12월 31일 사이에 남한 지역에서 발생한 산불을 대상으로 진행하였다. 연구의 시간적 범위는 산불 피해지역을 탐지하는 데 사용된 VIIRS 영상 기반 산불발생데이터의 최초 탐지일을 기준으로 설정하였다. 산불발생데이터는 EARTHDATA의 FIRMS (Fire Information for Resource Management System)를 통해 수집하였으며, 산불피해대장은 산림청에서 제공하는 자료를 활용하였다.

FIRMS를 통해 수집한 MODIS 영상 기반 산불발생 데이터(MCD14DL)에는 Terra 및 Aqua 위성이 촬영한 영상을 결합하여 Giglio et al. (2003)의 알고리즘에 의해 산불로 분류된 픽셀의 중심점 좌표와 촬영 정보가 제공된다. 또한 VIIRS 영상 기반 산불발생데이터(VNP14 IMGTDL_NRT)는 Suomi-NPP 위성이 촬영한 영상 가운데 Schroeder et al. (2014)의 알고리즘을 이용해 산불로 분류된 픽셀의 중심점 좌표와 촬영 정보를 담고 있다. MODIS 및 VIIRS 영상 기반 산불발생데이터의 공간 해상도는 각각 1 km, 375 m이므로 약 100 ha, 14.06 ha 정도의 피해 면적을 갖는 산불을 탐지할 수 있다. 물론 열파장의 강도에 따라 이보다 작은 크기의 산불도 탐지할 가능성이 있다.

산림청에서 제공하는 산불피해대장은 산불 발생 이후에 현장 조사를 통해 수집된 정보를 바탕으로 제작된 것으로 2003년 1월 1일부터 현재까지의 산불 발생 자료를 제공하고 있다. 산불피해대장은 산불 발생 및 진화 종료 일시와 발생 장소, 발생 원인, 피해면적 등으로 이루어져 있다. 이때, 발생 장소는 지번 주소로 제공하고 있어 해당 주소를 정제하여 지오코딩한 뒤 분석에 사용하였다. 한편, MODIS 센서는 상대적으로 균일한 지표면이거나 연기가 거의 없고, 구름이 없는 등 주변촬영 조건이 좋은 경우, 탐지 가능 면적의 1/10 정도의 산불도 탐지할 수 있다. 촬영 조건이 좋으면 산불이 발생한 대상 픽셀의 분광 특성이 분명하게 기록되어 인근 픽셀의 통계값과 유의하게 달라 산불로 분류될 가능성이 높기 때문이다(Giglio et al., 2003). 따라서 본 연구에서는 MODIS 영상 기반 산불발생데이터에 결합할 후보가 되는 산불피해대장의 산불 피해면적 조건을 10 ha 이상으로 설정하였다. 또, 연구의 통일성을 위해 VIIRS 영상 기반 산불발생데이터 또한 마찬가지로 1.406 ha 이상의 피해면적을 갖는 산불피해대장 자료를 후보로 설정하였다. 기준 피해면적에 해당하는 산불피해대장에서의 산불 발생 정보로는 2012년부터 2019년까지 각 38건(MODIS 기반 산불발생데이터), 191건(VIIRS 기반 산불발생데이터)으로 Fig. 1과 같다. 또한 앞선 38건의 산불이 규모가 크므로 모두 191건의 산불에 포함되었다. 따라서 산불피해대장의 산불 정보와 영상 기반 산불발생데이터를 연계를 위해 191건의 산불을 대상으로 분석을 수행하였다.

Fig. 1. (a) KFS fire survey data that can be joined the MCD14DL and (b) KFS fire survey data that can be joined the VNP14IMGTDL_NRT.

2) 분석 과정

분석은 다음과 같이 진행하였다. 먼저, 산불피해대장의 산불 발생 시작 시간 및 종료 시간 기준으로 위성영상 기반 산불발생데이터의 취득일시와 비교하여 일치하는 지점에 대해 공간적 탐색을 수행하였다. 탐색 영역은 법정동 행정구역에서 대상 구역으로부터 경계선과 경계점을 공유하는 구역을 이웃으로 설정하여 진행하였다. 산불피해대장에는 산불 발화지점의 필지가 점으로 나타나 필지 경계를 파악할 수 없다. 이때, 필지 경계는 법정동 경계를 초과할 수 없기 때문에 필지 경계가 포함될 수 있도록 법정동 행정경계구역을 화재 발생 가능성을 갖는 범위로 설정한 것이다.

이를 바탕으로 산불피해대장과 위성영상 기반 산불발생데이터를 결합시키는 분석의 흐름은 다음 Fig. 2와 같다. 먼저, Fig. 2(a)와 같이 산불피해대장의 발화점을 하나 선택한다. (a)의 ‘X’는 해당 산불피해대장 발화점의 산불 발생 일시가 일치하는 위성영상 기반 산불발생데이터의 산불발생 지점이다. 그럼 Fig. 2(b)와 같이 산불피해대장 지점이 속한 법정동과 경계선을 공유하는 이웃 법정동을 탐색하여 해당 범위에 반영되는 위성영상 기반 산불발생데이터를 검색한다. 검색된 데이터가 있다면, Fig. 2(b)의 검은 점과 같이 이를 산불피해대장의 속성정보와 결합한다. 이후, Fig. 2(c)와 같이 결합된 위성영상 기반 산불발생데이터에 속하는 법정동을 기준으로 경계선 공유 법정동들을 2차 탐색한다. 2차 탐색에서 검색된 지점이 있다면 이를 동일한 산불의 연속으로 판단하고 산불피해대장의 속성정보와 결합한다. 이렇게 추가 결합된 위성영상 기반 산불발생데이터를 기준으로 점차 탐색 영역을 확장하다가 Fig. 2(d)처럼 더 이상 검색되는 지점이 없다면, 분석을 멈춘다.

Fig. 2. Process of join with KFS fire survey data and RS active fire products: (a) ignition point of the KFS fire survey data and corresponding VIIRS active fire products, (b) VIIRS active fire products combined with ignition point of fire survey data by exploring adjacent administrative divisions, (c) Second search for adjacent divisions from combined VIIRS active fire products, and (d) stopped search if no more active fire products are combined with previous combination.

위의 분석 방법을 사용하여 MODIS 및 VIIRS 영상 기반 산불발생데이터에 대하여 각각 산불피해대장과의 결합 분석을 수행하였다. 이때 Table 1과 같이 각 자료의 신뢰도별로 그룹을 지어 분석을 반복함으로써 가장 많은 수의 산불에 대해 산불피해대장과 결합할 수 있는 신뢰도 선택 지표를 제시하고자 하였다.

Table. 1. Group by Confidence in RS active fire products

3. 분석 결과

1) 결합 분석 결과

Table 2는 MODIS 영상 기반 산불발생데이터와 산불피해대장, VIIRS 영상 기반 산불발생데이터와 산불피해대장 간에 결합된 산불 발생 지점을 정리한 것이다. 이때 Table 1과 같이 신뢰도별로 그룹을 지어 결합 결과를 정리하였다. Table 2에서 결합 비율은 결합 대상이 되는 산불피해대장의 산불 191개 가운데 위성영상 산불발생데이터가 결합된 정보의 비율을 의미한다. 예를 들어, Table 2의 V-b그룹은 VIIRS 기반 산불발생데이터 중 신뢰도가 nominal 및 high 인 산불발생 지점의 개수가 609개인데 이들이 산불피해대장의 피해면적 약 1.4 ha 이상인 191개 산불 중 84개의 산불과 연계(43.98%)되어 산불의 공간 범위를 확인할 수 있었다.

Table. 2. Results of the of join with KFS’s fire-damaged records and RS Active Fire Products

VIIRS 영상 기반 산불발생데이터는 V-a와 V-b 그룹에서 가장 높은 결합비율을 보였다. 두 그룹은 매칭된 산불발생데이터 지점의 수가 다른데, 산불발생데이터의 신뢰도가 ‘low’인 자료를 포함하였음에도 결합된 산불피해대장은 동일하다. 그래서 V-a 그룹과 V-b 그룹의 공간적인 분포를 확인한 결과, Fig. 3처럼 ‘low’ 자료가 추가됨으로써 산불 발생의 공간적 분포가 조금 더 확장됨을 확인할 수 있었다. 따라서 VIIRS 기반 산불발생데이터를 활용해 국내의 산불 발생 분포를 파악할 때는 ‘nominal’ 이상의 자료를 활용하면 된다. 다만 ‘low’ 자료를 확인하여 ‘nominal’ 이상의 분포와 연속한 분포를 나타낸다면 해당 산불 영역의 일부를 확장하는 데 활용할 수 있을 것이다.

Fig. 3. Examples of spatial distribution of low confidence level point and V-b group among VIIRS active fire products combined with KFS fire survey data.

MODIS 영상 기반 산불발생데이터에 대해 결합한 결과를 살펴보면 M-a ~ M-d까지는 산불피해대장 데이터 중 21건이 연결되었다. M-a 그룹 ~ M-d 그룹은 신뢰도가 높아지더라도 연결되는 산불의 숫자에는 변함이 없으므로 신뢰도를 그룹별 산불 분포의 차이를 확인하였다. 그 결과 Fig. 4와 같이 신뢰도가 30보다 낮더라도 산불피해대장에 결합되는 산불의 공간 분포 주위에 지점이 추가되는 것을 확인할 수 있었다. 따라서 MODIS 기반 산불발생데이터를 활용해 국내 산불 발생 분포를 파악할 때는 30%이상의 신뢰도 자료를 활용하면 되며, 그 이하의 신뢰도 자료도 Fig. 4와 같이 높은 신뢰도의 산불과 연속해서 발생한다면 해당 산불 영역의 일부를 확장하는 데 활용할 수 있을 것이다.

Fig. 4. Examples of spatial distribution of lower than 30% confidence level points and M-d group among MODIS active fire products combined with KFS fire survey data.

한편, MODIS 영상 기반 산불발생데이터에 매칭된 산불피해대장 정보를 별도로 검토한 결과 MODIS 기반 산불발생데이터에 매칭된 산불피해대장 가운데 단 한 개를 제외하고는 VIIRS 영상 기반 산불발생데이터에서도 결합된 정보에 포함되었다. 이처럼 매칭된 산불피해대장 결과 분석을 통해 국내 산불 발생의 공간적 분포를 확인하기 위해서는 MODIS 기반 산불발생데이터보다 VIIRS 기반 산불발생데이터를 사용하는 것이 효과적이라고 판단된다. 요컨대, ‘nominal’ 이상의 신뢰도를 가진 VIIRS 기반 산불발생데이터(Table 2의 V-b 그룹)를 사용하는 것이 국내 산불 발생 분포를 확인하는 데 가장 적합한 자료라고 말할 수 있다. 또한 ‘low’ 신뢰도 데이터는 그 분포를 확인하여 ‘nominal’ 이상 신뢰도의 산불발생데이터를 보완하여 사용할 수 있다. VIIRS 기반 산불발생데이터를 모두 포함하는 V-a 그룹의 결과는 Fig. 5와 같다.

Fig. 5. VIIRS active fire products that joined with KFS fire survey data.

원격탐사로 생성된 자료는 시간해상도의 문제로 인해 산불이 발생했을 때 그 지역을 관측하지 않는다면 자료를 취득할 수 없다. VIIRS 영상 기반 산불발생데이터에도 이러한 문제가 반영되어 있어 실제로 산불이 발생한 지역임에도 자료를 취득하지 못해 빈 영역으로 나타나는 지역이 존재한다. 이에 본 연구에서는 매칭된 89건의 산불 중 VIIRS 기반 산불발생데이터의 세 지점 이상 연결되어 면 자료를 생성할 수 있는 45건 산불에 대하여 지점의 가장자리를 연결해 산불 피해 범위 자료를 구축하였다(Briones-Herrera, C. I. et al., 2020).

2) 결합 분석 결과의 평가

본 연구에서는 구축한 산불 피해 범위 자료를 참조자료와 비교하여 결합 분석의 결과를 평가하였다. 참조자료로는 Sentinel-2A 위성 영상을 사용하여 산불 발생 이전과 이후의 정규탄화지수(NBR,Nominalized BurnRatio) 차이를 이용해 산불 발생 지역을 추출하였다. 산불 발생지역의 피해 면적을 계산할 때, 발생 지역의 가장자리를 바탕으로 내부 면적을 계산하였으며, 내부 면적을 토지 피복 유형을 모두 포함하는 면적과 산림지역 면적만 고려한 두 가지 경우를 구분하여 비교하였다. 산림지역은 산림청에서 제공하는 임상도를 활용하였다. Table 3은 참조자료로 활용된 위성영상의 목록이고, Fig. 6은 수집한 영상의 공간 범위를 나타내고 있다. 이때, Fig. 6에 나타난 구역번호는 Table 3의 영상 구분 번호이다.

Fig. 6. The Extend of the ten Sentinel-2A granules.

Table. 3. List collected Sentinel-2A and burned area coverage data

본 연구에 의해 도출된 산불 발생 범위와 Sentinel-2A에서 산불 발생 면적을 비교하는 과정은 Fig. 7과 같다. 먼저, 영상을 수집하여 산불발생 이전 시기와 이후 시기의 NBR의 차이를 이용해 산불 발생 지역을 산출한다(Fig. 7의 Sentinel-2A 산불 발생 지역). 이 데이터를 앞서 v-a의 각 지점 가장자리를 연결하여 생성한 산불 피해 범위(Fig. 7의 결합 자료 산불 발생 범위)와 비교하여 그 결과를 도출한다(Fig. 7의 비교 분석 결과). 이는 토지 피복을 고려하지 않은 전체 영역과 임상도를 활용해 추출한 산림지역에 대해 각각 수행된다.

Fig. 7. Process between Sentinel-2A and VIIRS active fire products coverage (top: all land cover, bottom: forest cover).

Sentinal-2A 자료(이하 참조자료)와 VIIRS 영상 기반 산불 발생 범위를 비교한 결과는 Table 4와 같다. 참조자료의 산불 발생 면적 가운데 VIIRS 기반 산불 발생 범위에 포함되지 않는 비율은 ‘참조자료 불일치율’로 나타난다. VIIRS 기반 산불 발생 범위 가운데 참조자료의 발생 면적이 포함되는 비율은 ‘산불 발생 범위 추정률’에 나타난다. VIIRS 산불 발생 범위 가운데 참조자료에서 산불 피해 지역이 아닌 곳의 비율 즉, 산불 발생 범위 과추정률은 ‘1 – 산불 발생 범위 추정률’로 확인할 수 있다. 참조자료의 불일치율이 낮고, 산불 피해 범위 추정률은 높을수록 결합 분석으로 도출한 산불 발생 범위가 산불의 공간 분포를 잘 설명한다고 말할 수 있다. Table 4에서 산불 피해 범위 추정률은 토지 피복을 구분하지 않을 경우 평균 46%이고, 산림만 고려할 경우 평균 56%로 전체 영역을 대상으로 산정한 것에 비해 산림 지역만을 고려할 때 추정률이 상승하였다.

Table. 4. The result of comparative analysis

분석 결과, 산불 발생 범위는 전체 영역에 비해 산림지역에서 공간적 분포를 더욱 잘 설명하고 있었다. 참조자료와의 불일치율을 살펴보면 강원도 강릉시 옥계면, 강원도 고성군 토성면, 강원도 삼척시 도계읍에서 발생한 산불은 불일치율이 낮게 나타났다. 이는 VIIRS 센서가 산불 피해 지역을 전체적으로 잘 관측하였다는 의미로 해석할 수 있다. 실제로 Fig. 8을 통해 강원도 고성군 토성면 산불에 대한 비교 결과를 확인해보면 VIIRS 기반 산불발생데이터로 구축한 산불 피해 범위가 실제 산불 피해 지역을 대부분 포함하고 있는 것을 확인할 수 있다.

Fig. 8. The result of comparative analysis: Toseong-myeon, Goseong-gun, Gangwon-do (left: all land cover, right: forest cover).

반면, 경상북도 상주시는 참조자료와의 불일치율이 약 43% 정도로 높게 나타났는데, 이는 VIIRS 센서가 실제 산불이 발생한 지역의 일부를 관측하지 못했기 때문이다. 그러나 감지된 지점에 대한 정확도는 높게 나타나 VIIRS 기반 산불발생데이터로 도출한 산불 범위 자체는 공간적 분포를 어느 정도 설명하고 있다고 볼 수 있다. 한편, Fig. 9에서 볼 수 있듯이, 강원도 강릉시 성산면에서 발생한 산불은 전체 지역에서는 불일치율이 약 11%로 나타났다. 이는 경상북도 상주시 사례와 마찬가지로 VIIRS 센서가 산불 발생 지역의 일부를 관측하지 못했기 때문으로 보인다. 또 추정률이 낮은 점에서 미루어 보아 강릉시 성산면 산불은 도시 지역 근처의 산림 지역에서 분산하여 발생한 산불이었음을 알 수 있다. 실제로 분포를 지도 상으로 확인해보면, VIIRS 기반 산불발생데이터로 구축한 산불 발생 범위가 실제 공간적 분포를 설명하고 있다는 것을 알 수 있다.

Fig. 9. The result of comparative analysis: Seongsan-myeon, Gangneung-si, Gangwon-do (left: all land cover, right: forest cover).

4. 결론 및 시사점

본 연구에서는 2012년 ~ 2019년 사이의 산불피해대장 정보 중 확인이 불가능한 산불 발생의 공간 분포에 대해 위성영상 기반 산불발생데이터를 이용하여 보완하는 방법을 제시하고자 하였다. 사용한 위성영상 기반 산불발생데이터는 두 종류로 산불 발생 분포 확인을 위해 많이 사용되는 MODIS 및 VIIRS 영상 기반 산불발생데이터이다. 특히 본 연구에서는 신뢰도별로 분석을 수행하여 산불피해대장에 기록된 산불 발생 정보를 공간 분포 측면에서 보완할 때 사용하기에 가장 효율적인 신뢰수준을 파악하여 제시하고자 하였다.

연구 결과, MODIS 영상 기반 산불발생데이터는 30 이상, VIIRS 영상 기반 산불발생데이터는 ‘nominal’ 이상의 신뢰도를 가진 자료에서 산불피해대장 자료와 매칭률이 가장 높게 나타났다. 또 VIIRS 기반 산불발생데이터는 MODIS 기반 산불발생데이터에 비해 더 낮은 발생면적을 가진 산불을 결합시킬 수 있었으며, 그 매칭률도 nominal 수준의 데이터에서 높게 나타났다. 더욱이 MODIS 기반 산불발생데이터에서 매칭된 산불피해대장 자료는 거의 VIIRS 기반 산불발생데이터를 통해서도 결합 가능함을 확인하였다. 따라서 국내 산불피해대장 정보를 바탕으로 개별 산불의 공간적 분포를 확인하기 위해서는 MODIS 보다 공간해상도가 높은 VIIRS 기반 산불발생데이터가 더 효과적이며, 모든 신뢰도 자료를 사용하는 것이 바람직하다는 결론을 내릴 수 있었다.

결합한 산불 발생 범위 자료를 Sentinel-2A 영상과 비교한 결과, 탐지 지점의 가장자리를 연결한 지역을 산불 발생 지역으로 고려할 때, 산불 발생 면적이 과대 추정되는 모습을 보였지만, 발생지역 내 산림 지역만 고려하면 발생 면적이 유사하고 그 분포도 유사함을 확인할 수 있었다.

본 연구는 산불피해대장 정보의 한계점을 위성영상 기반 산불발생데이터로 보완하여 국내 산불 발생의 공간 분포를 보다 정확하게 확인할 수 있는 방법을 제시하였다는 데 의의가 있다. 또한 위성영상 기반 산불발생데이터를 산불피해대장과 결합할 때, 적합한 신뢰도 임계치를 제안함으로써 향후 두 데이터를 결합하는 기준을 제시할 수 있었다. 따라서 이 연구에서 제시한 방법을 이용하면 발화점 위치만 기록하는 산불피해대장에 산불 분포에 대한 정보를 결합하여 그 활용성을 확대할 수 있을 것이다.

향후 보다 높은 공간해상도의 위성영상에서 산불발생정보를 탐지한 데이터가 제공되기를 기대하며, 이 경우에도 본 연구에서 제안한 방법을 통해 산불피해대장 정보와 결합하여 보다 소규모의 산불에 대한 공간 분포파악과 분석이 가능할 것으로 기대한다.