Active Fire Detection Using Landsat 8 OLI Images: A Case of 2019 Australia Fires

Landsat 8 OLI 영상을 이용한 산불탐지: 2019년 호주 산불을 사례로

Abstract

Recent global warming and anthropogenic activities have caused more frequent and massive wildfires with longer durations and more significant damages. MODIS has been monitoring global wildfires for almost 20 years, and GK2A and Himawari-8 are observing the wildfires in East Asia 144 times a day. However, the spatial resolution of 1 to 2 km is not sufficient for the detection of small and medium-size active fires, and therefore the studies on the active fire detection using high-resolution images are essential. However, there is no official product for the high-resolution active fire detection. Hence, we implemented the active fire detection algorithm of Landsat 8 and carried out a high-resolution-based detection of active fires in Australia in 2019, followed by the comparisons with the products of Himawari-8 and MODIS. Regarding the intense fires, the three satellites showed similar results, whereas the weak igniting and extinguishing fires or the fires in narrow areas were detected by only Landsat 8 with a 30m resolution. Small-sized fires, which are the majority in Korea, can be detected by the high-resolution satellites such as Landsat 8, Sentinel-2, Kompsat-3A, and the forthcoming Kompsat-7. Also, a comprehensive analysis together with the geostationary satellites in East Asia such as GK2A, Himawari-8, and Fengyun-3 will help the interoperability and the improvement of spatial and temporal resolutions.

최근 지구온난화 및 인간 활동 등에 의해 전지구적으로 산불발생이 빈번해지고 있으며, 산불의 규모가 대형화되고 지속기간이 길어지는 경향을 보이면서, 산불 피해 또한 급증하고 있다. MODIS는 20년 가까이 전지구 산불탐지 정보를 제공하고 있고, GK2A와 Himawari-8은 1일 144회의 빈도로 동아시아권의 산불감시를 수행하고 있지만, 1~2 km의 공간해상도는 중·소 규모 산불탐지에 있어서는 충분하지 않으므로 고해상도 위성영상을 이용한 산불탐지 연구가 반드시 필요하다. 그러나 타고있는 산불탐지(active fire detection)에 대한 고해상도 산출물은 현재 공식적으로 존재하지 않는다. 이에, 본연구에서는 Landsat 8 산불탐지 알고리듬을 구현하여 고해상도 산불탐지를 수행하였으며, 최근의 대표적인 산불사례인 2019년 12월 호주 대형산불에 대하여 Landsat 8 탐지 결과를 Himawari-8, MODIS 산출물과 비교하였다. 강한 산불의 경우에는 세 위성 모두 유사한 결과를 보였지만, 타기 시작하거나 진화되고 있는 약한 산불 및 좁은 지역에 발생한 산불은 30m 해상도의 Landsat 8에서만 탐지되었고, 1~2 km 해상도의 Himawari-8나 MODIS에서는 탐지되지 않는 경향이 있었다. 우리나라와 같이 소규모 산불이 대부분인 경우에는 Landsat 8, Sentinel-2, Kompsat-3A, 그리고 2021년 발사예정인 Kompsat-7과 같은 고해상도 위성을 이용한 산불탐지가 가능할 것이며, GK2A, Himawari-8, Fengyun-3 등 동아시아 정지궤도 위성의 탐지결과와 함께 종합적인 분석을 수행한다면, 시간해상도와 공간해상도를 현재보다 향상시키는 것이 가능할 것이다. 이러한 진보된 산불감시를 위해서는 우리나라의 복잡지형에 보다 적합한 한국형 고해상도 산불탐지 알고리듬의 개발이 무엇보다 선행되어야 할 것이다.

1. 서론

최근 지구온난화 및 인간 활동 등에 의해 전지구적으로 산불발생이 빈번해지고 있으며, 산불의 규모가 대형화되고 지속기간이 길어지는 경향을 보이면서, 산불 피해 또한 급증하고 있다. 최근 기후변화가 매우 극단적으로 발생하고 있는 호주에서는 극심한 폭염과 가뭄으로 인해 2019년 9월에 초대형 산불이 발생하였으며, 2020년 2월까지 약 6개월 동안 지속되었다(Steffen et al., 2019). 2020년 1월 14일 기준으로 볼 때, 한반도 면적의 85 %에 해당하는 약 18,600,000 ha (186,000 km²)가 산불로 소실되었으며, 가장 큰 규모의 산불이 발생한 뉴사우스웨일즈 주에서 가장 큰 피해를 입었다. 이와 같은 초대형 산불발생은 강수 감소, 폭염, 가뭄 등으로 인해 식생이 매우 건조해져 발화 및 연소되기 쉬운 상태가 장기간 지속되기 때문이며, 강한 바람이 동반된다면 산불이 더욱 대형화되고 진화하기 어려워진다. 대형 산불은 인명 및 재산 피해 뿐만 아니라, 온실가스 배출량을 급격히 증가시키고, 또한 경제적으로도 큰 영향을 미치기 때문에, 산불을 신속하게 탐지하고 진화하는 것은 매우 중요하다 (Youn, 2000).

산불은 사람의 접근이 쉽지 않고 진행속도가 빠르며 광범위하게 확산될 수 있다. 따라서 갑작스럽게 발생하는 산불을 광역적으로 감시하기 위해서 위성원격탐사기법이 활용되고 있으며, 매년 전지구에서 발생하는 수십만 건의 산불이 위성에 의해 탐지되고 있다 (Dwyer et al., 2000; Giglio et al., 2006; Ichoku et al., 2008). MODIS (Moderate Resolution Imaging Spectroradiometer) 센서를 탑재한 Terra, Aqua 위성이 오랫동안 전지구 산불탐지를 수행해왔으며,VIIRS (Visible Infrared Imaging Radiometer Suite) 센서를 탑재한 Suomi NPP (National Polar-Orbiting Partnership) 위성이 2011년 이후 산불탐지를 수행하고 있다. 또한 동아시아권에서는 일본의 Himawari-8 위성이 AHI (Advance Himawari Imager) 센서를 이용하여 2014년부터, 그리고 우리나라의 GK2A (Geostationary Korea Multi-Purpose Satellite 2A) 위성이 AMI (Advanced Meteorological Imager) 센서를 이용하여 2019년부터 산불탐지 산출물을 제공하고 있다. 이러한 위성들은 전지구 또는 동아시아와 같은 광역적 범위에 대하여, 많게는 하루 144회의 빈도로 1~2 km 해상도의 자료를 제공하고 있는데, 이는 우수한 시간해상도에 비해 공간해상도에 한계가 있다고 볼 수 있다. 우리나라에서는 보통 30 ha 이상의 피해규모를 대형산불로 분류하는데(http://forestfire.nifos.go.kr), 30 ha (0.3 km²)라고 하더라도 MODIS 산불탐지 산출물에서 1개 화소 면적 (1 km²)의 30%에 불과하기 때문에, 초대형 산불 이외에는 항상 아화소(sub-pixel) 문제가 존재한다.

이에 따라 고해상도 위성영상을 활용한 산불탐지의 필요성이 제기되고 있다. 하지만 고해상도 위성은 재방문주기가 길기 때문에 현재 산불의 실시간 탐지보다는, 산불 진화 후의 피해면적 추산이나 피해강도 분류에 주로 활용되어 왔으며(Won et al., 2007; Park et al., 2018; Lee and Lee, 2020), 최근 들어 미국의 Landsat 시리즈나 유럽연합의 Sentinel-2 이외에도 상용 위성을 포함하여 다수의 고해상도 위성이 운용되는 환경이 조성되면서, 고해상도 위성영상 기반의 산불탐지 알고리듬 개발이 본격적으로 수행되고 있다(Murphy et al., 2016; Schroeder et al., 2016; Kumar and Roy, 2018). 산불 화소는 중적외(midinfrared) 밴드의 방사열에너지가 매우 큰 특성을 가지기 때문에, MODIS, VIIRS, AHI, AMI의 산불탐지 알고리듬은 중적외 채널의 복사휘도를 활용하나, 대부분의 고해상도 위성센서는 중적외 채널이 없기 때문에 이를 대체할 방법이 필요하였다. 2013년 발사된 Landsat 8은 이전의 Landsat 시리즈에 비하여 OLI (Operational Land Imager) 센서의 성능이 한층 향상되어, 중적외 채널 없이도 가시, 근적외, 단파적외 채널을 이용한 알고리듬으로 산불탐지가 가능해졌으나(Murphy et al., 2016; Schroeder et al., 2016; Kumar and Roy, 2018) 현재 공식적인 고해상도 산불탐지 산출물은 존재하지 않는다. 다만, 산불피해지(burned area) 산출물이 CONUS (Continental United States) 지역에 한정하여 USGS (United States Geological Survey)에 의해 제공되고 있을 뿐이다(USGS, 2020).

본연구에서는 Landsat 8 OLI 기반의 산불탐지 알고리듬(Schroeder et al., 2016)을 실제로 구현하고, 이를 이용하여 2019년 호주에서 발생한 초대형 산불에 대한 탐지를 수행하며, 탐지 결과를 MODIS 및 Himawari-8 산출물과 함께 평가 및 분석하고자 한다. 이를 통하여 고해상도 산불탐지와 중저해상도 산불탐지의 장단점 및 상호운용성에 대해 검토하고, 나아가 우리나라에서 발생하는 다양한 규모의 산불탐지에 대한 적용 가능성을 살펴보고자 한다.

2. 자료 및 방법

1) 연구지역 및 사용자료

연구지역은 호주 뉴사우스웨일즈 주의 동부지역으로, 위도 30.5~35.8°S, 경도 148~152°E에 해당하는 범위이다(Fig. 1). 2019년 12월 15일에 발생한 산불을 대상으로 하였으며, USGS에서 제공하는 고해상도 위성영상인 Landsat 8 OLI 자료를 사용하여 산불탐지를 수행하였다. Landsat 8은 2013년 2월에 발사된 지구관측 위성으로OLI와 TIRS (Thermal Infrared Sensor)가 탑재되어 있으며, 고도 705 km 상공에서 태양동기궤도로 지구를 공전하면서 현지시각 오전 10시에 적도를 통과한다. 16일의 재방문 주기를 가지며, 약 30 m 해상도로 지구 전체를 관측한다(Irons et al., 2012; Roy et al., 2014). 산불탐지에는 Landsat 8 OLI의 L1TP (Level-1 Precision Terrain) 자료를 사용하였으며(Table 1), 1번부터 7번까지 총 7개 밴드에 대하여 FLAASH (Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes) 모듈을 이용한 대기보정을 수행하였다(FLAASH, 2009). L1TP 자료의 메타데이터 파일을 참조하여 DN(Digital Number)을 복사휘도로 변환하였고, MODTRAN (Moderate Resolution Atmospheric Transmission) 모델에는 호주의 12월에 해당하는 MLS (Mid-Latitude Summer) 옵션을 적용하였다.

Fig. 1. Landsat 8 OLI L1TP true-color images (090-082, 090-083, and 090-084) used in this study.

Table 1. Landsat 8 OLI channels for the active fire detection algorithm (Schroeder et al., 2016)

Landsat 8 영상에 알고리듬을 적용하여 탐지한 결과는 Himawari-8 Wild Fire 산출물과 MODIS의 MOD14 (ThermalAnomalies/Fire) 산출물과 비교하였다. Landsat 8 영상은 2019년 12월 15일 23:49~23:50 UTC (Coordinated Universal Time)에 촬영되었으며, 같은 날 23:50 UTC의 Himawari-8 산출물과 23:55 UTC의 MODIS 산출물을 수집하였다(Table 2).

Table 2. Summary of data used in this study

2) Landsat 8 산불탐지 알고리듬

중저해상도 위성의 산불탐지 알고리듬에는 4 µm 중적외 파장대의 복사휘도가 사용되지만(Giglio et al., 2016; Jang et al., 2019), 고해상도 위성은 대부분 중적외 채널을 가지고 있지 않기 때문에, 그 다음으로 산불에 민감하게 반응하는 2.2 µm 단파적외 파장대의 반사도를 사용한다(Giglio et al., 2008). 가시광선이나 근적외선과는 달리, 단파적외선과 중적외선은 연기를 투과하기 때문에 주간과 야간 모두 산불탐지가 가능하다. Landsat 8 산불탐지의 주간 모듈은 Table 3과 같이 7개 밴드의 반사도 조건을 활용하며(Schroeder et al., 2016), 본연구에서는 R 언어를 이용하여 영상처리 및 산불탐지 알고리듬을 구현하였다.

Table 3. Daytime module for Landsat 8 active fire detection (Schroeder et al., 2016)

주간 모듈의 식에서 ρ_i는 채널 i의 반사도이고, R_ij는 채널 i와 j의 반사도 비율이며(ρ_i/ ρ_j), \(R_{\overline{ij}}\)와 \(\sigma_{R_{ij}}\left(\sigma_{\rho_{i}}\right)\)는 각 화소의 배경윈도우(예를 들어, 61×61)에서 채널 i와 j의 반사도 비율에 대한 평균과 표준편차를 나타낸다. Test 1은 확실한 산불 화소, Test 2는 산불일 가능성이 매우 높은 화소, Test 3은 불이 나기 시작하거나 진화되고 있는 약한 산불 화소, 그리고 Test 4는 물이나 구름과 같이 제외될 (masking) 화소를 탐지하는 것이다.

3. 결과 및 토의

Fig. 2~4는 2019년 12월 15일 UTC 23시 50분 경(현지 시각 오전 10시 50분 경) 촬영된 자료를 대기보정한 천연색 영상(a) 및 산불탐지 결과(b)를 나타낸 것이며, 각 그림 (a)의 노란색 사각형을 확대한 것이 그림 (b)에 해당한다. Landsat 8 영상의 path-row는 각각 090-082 (Fig. 2), 090-083 (Fig. 3), 090-084 (Fig. 4)이며, 확실히 타고있는 산불화소(Test 1)는 빨간색, 비교적 강한 산불화소(Test 2)는 노란색, 그리고 약한 산불화소(Test 3)는 파란색으로 나타내었다. Fig. 2(b)에서는 확실히 타고있는 산불화소(빨간색)가 주로 분포해 있으며, Fig. 3(b)의 첫번째와 두번째 영상에서는 확실히 타고있는 산불화소(빨간색)가 좁은 띠 형태로 분포하고 약한 산불화소(파란색) 주변에 검게 그을린 흔적이 있는 것으로 보아 산불이 진화되고 있는 과정으로 추정된다. 또한, Fig. 3(b)의 세번째 영상에서는 산불피해지에 빨간색 화소가 밀집하여 탐지되었고 연기가 짙은 것으로 보아, 매우 강한 산불이 발생하였음을 확인할 수 있다. Fig. 4(b)의 영상에서는 연기가 얇고 넓게 퍼져있고 파란색 화소가 띠 모양으로 분포하며 그 주변이 검게 그을려 있는 것으로 보아, 산불이 진화되고 있음을 알 수 있다. 이러한 결과들을 통해 볼 때, 본연구에서 Landsat 8 알고리듬을 이용하여 수행한 산불탐지가 상당히 현실과 부합하게 이루어졌음을 확인할 수 있다.

Fig 2. The atmospherically corrected Landsat 8 true-color image (090-082) on 15 December 2019 (a), the result of active fire detection (b), and the SWIR image (c).

Fig 3. The atmospherically corrected Landsat 8 true-color image (090-083) on 15 December 2019 (a), the result of active fire detection (b), and the SWIR image (c).

Fig 4. The atmospherically corrected Landsat 8 true-color image (090-084) on 15 December 2019 (a), the result of active fire detection (b), and the SWIR image (c).

본연구의 Landsat 8 산불탐지 결과를 Himawari-8 및 MODIS 산출물과 비교하기 위하여, Landsat 8 영상에 Himawari-8 산불화소(녹색 사각형), MODIS 산불화소(보라색 사각형)을 중첩하여 나타냈다(Fig. 5). Fig. 5(a)에서 산불피해지를 확대해보면, (a)-(1) 지역에서는 Landsat 8과 Himawari-8은 산불로 탐지하였으나, MODIS는 산불로 탐지하지 못하였다. (a)-(2) 지역은 매우 강하게 타고있는 산불로서 세 위성 모두가 탐지하였으나, MODIS는 약간 비켜난 화소를 산불로 탐지한 것으로 보인다. (a)-(3) 지역의 경우, Landsat 8 영상에서는 비교적 좁은 지역에 대해 확실히 타고있는 산불화소(빨간색)가 탐지되었으나, Himawari-8과 MODIS에서는 산불이 탐지되지 않았다. Fig. 5(b)는 산불이 진화되고 있는 지역으로 보이며, (b)-(1)과 (b)-(2)에서 세 위성 모두 산불로 탐지하는 것을 확인하였다. (b)-(1)의 경우, Landsat 8 산불탐지 화소가 띠 모양으로 분포하고 있으며, 그 분포와 유사하게 Himawar-8에서 산불이 탐지되었고, MODIS에서는 강한 산불에 대해 탐지가 이루어진 것으로 보인다. (b)-(2)의 영상에서 좌측에 발생한 강한 산불은 세 위성 모두에서 탐지되었으나, 우측 산불은 Himawari-8에서만 탐지되었고, Landsat 8과 MODIS에서는 탐지되지 않았다. 우측 영역은 연기로 가려져 있어 당시에 불이 타고있는 상태였는지 육안으로 식별하기는 어려우나, Himawari-8이 오탐지했을 수도 있고, MODIS가 미탐지 했을 수도 있다. 본연구의 Landsat 8 결과가 고해상도이므로 일종의 근거가 될 수도 있겠지만, 아직은 더 많은 검증과 평가를 거쳐야 객관성이 확보되기 때문에 판단이 어려운 부분도 존재한다. Fig. 5(c)의 경우 산불이 비교적 광범위하게 타고있는 것으로 보이며, (c)-(1)에서는 Himawari-8이 탐지하지 못한 약한 산불이 MODIS에 의해 탐지되었고, (c)-(2)에서는 Landsat 8과 Himawari-8 모두 탐지하지 못한 곳에서 MODIS가 산불로 탐지하는 경우도 있었다.

Fig. 5. Subset of the Landsat 8 images for the States of New South Wales, Austrailia on 15 December 2019. The green rectangles indicate the pixels for the detected fire by Himawari-8, and the purple rectangles denote the pixels for the detected fire by MODIS. Red, yellow, and blue pixels show the results of the active fire detection algorithm of Landsat 8. The path-row is (a) 090-082, (b) 090-083, and (c) 090-084, respectively.

결과를 종합적으로 살펴보면, 강하고 확실하게 타고있는 산불은 세 위성 모두 잘 탐지한 것으로 나타났으며, 대체로 Landsat 8과 Himawari-8의 산불탐지 영역이 유사하고, Himawari-8과 MODIS 산불탐지 영역 또한 유사하지만, Landsat 8과 MODIS의 결과는 경우에 따라 다르게 나타나기도 했다. 특히 연기에 가려진 약한 산불은 위성에 따라 탐지 결과가 조금씩 상이한 경우가 있었는데, 중적외선이나 단파적외선이 연기를 투과하면서 산란에 의해 복사에너지 일부가 감쇠하였을 가능성도 있다. 연기가 짙은 지역에서는 Landsat 8은 산불로 탐지하지 않았으나, Himawari-8이나 MODIS가 산불로 탐지하는 경우도 있었는데, 2.2 µm 파장대의 단파적외선보다는 4 µm 파장대의 중적외선이 연기 투과시 발생하는 산란에 의한 복사에너지 감쇠가 상대적으로 덜하기 때문인 것으로 추정된다. 타고있는 산불은 정확한 지상 관측자료를 수집하기 어렵고, 또한 특정 위성의 탐지결과를 참값으로 설정할 수도 없기 때문에, 다중위성을 이용한 상호보완이 필요하다. 본연구에서는 고해상도 위성인 Landsat 8, 정지궤도 위성인 Himawari-8, 극궤도 위성센서인 MODIS의 결과를 비교하였는데, 이와 같이 다중위성을 활용한다면 보다 정확하고 객관적인 산불 탐지 정보를 얻을 수 있으며 다양한 측면의 해석이 가능할 것이다. 특히 우리나라의 Kompsat-3A(Korea Multipurpose Satellite 3A) 위성은 고해상도의 중적외 밴드를 가지고 있기 때문에 산불탐지에 활용 가능하며, GK2A, Himawari-8, Fengyun-3 등의 동아시아 정지궤도 위성이 가지는 시간해상도의 장점과, Landsat-8, Sentinel-2, Kompsat-3A 등의 고해상도 위성이 가지는 공간해상도의 장점을 결합한다면, 보다 종합적 형태의 산불감시로 발전할 수 있을 것이다.

4. 결론

MODIS는 20년 가까이 전지구 산불탐지 정보를 제공하고 있고, GK2A와 Himawari-8은 1일 144회의 빈도로 동아시아권의 산불감시를 수행하고 있지만, 1~2 km의 공간해상도는 산불탐지에 있어서는 충분하지 않으므로 고해상도 위성영상을 이용한 산불탐지 연구가 반드시 필요하다. 그러나 Landsat-8의 산불탐지 산출물은 CONUS 지역에 대해서만 제공되고 있기 때문에, 본연구에서는 Landsat 8 산불탐지 알고리듬을 구현하여 고해상도 산불탐지를 수행하였으며, 최근의 대표적인 산불사례인 2019년 12월 호주 대형산불에 대하여 분석하였다. 대기보정된 Landsat 8 천연색 영상으로부터 육안 식별이 가능할 정도로 대형산불이 발생한 것을 확인할 수 있었으며, Landsat 8에서 탐지한 결과는 Himawari-8, MODIS 산불산출물과 비교하였다. 강한 산불의 경우에는 세 위성 모두 유사한 결과를 보였지만, 타기 시작하거나 진화되고 있는 약한 산불 및 좁은 지역에 발생한 산불은 30 m 해상도의 Landsat 8에서만 탐지되었고, 1~2km 해상도의 Himawari-8나 MODIS에서는 탐지되지 않는 경향이 있었다. 우리나라와 같이 소규모 산불이 대부분인 경우에는 Landsat 8, Sentinel-2, Kompsat-3A, 그리고 2021년 발사예정인 Kompsat-7과 같은 고해상도 위성을 이용한 산불탐지가 가능할 것이며, GK2A, Himawari-8, Fengyun-3 등 동아시아 정지궤도 위성의 탐지결과와 함께 종합적인 분석을 수행한다면, 시간해상도와 공간해 상도를 현재보다 향상시키는 것이 가능할 것이다. 이러한 진보된 산불감시를 위해서는 우리나라의 복잡지형에 보다 적합한 한국형 고해상도 산불탐지 알고리듬의 개발이 무엇보다 선행되어야 할 것이다.