RGB Composite Technique for Post Wildfire Vegetation Monitoring Using Sentinel-2 Satellite Data

산불 후 식생 회복 모니터링을 위한 Sentinel-2 위성영상의 RGB 합성기술

Abstract

Monitoring of post wildfire provides important information for vegetation restoration. In particular, remote sensing data are known to provide useful information necessary for monitoring. However, there are insufficient research results which is monitoring the vegetation recovery using remote sensing data. This study is directed to monitoring post-wildfire vegetation restoration. It proposes a method for monitoring vegetation restoration using Sentinel-2 satellite data by compositing Tasseled Cap linear regression trend in a post wildfire study sites. Although it is a simple visualization technique using satellite images, it was able to confirm the possibility of effective monitoring.

산불로 인한 피해지역의 산림 변화를 모니터링하는 것은 식생복원에 중요한 정보를 제공하며, 자연 재해를 완화하고 복구하기 위해 공간정보를 가지는 원격탐사 자료는 모니터링에 필요한 유용한 정보를 제공하는 것으로 알려져 있다. 하지만 원격탐사자료를 활용한 복구 측면에 초점 두어 연구된 사례가 미비한 상황이다. 본 연구는 화재 후 식생회복을 모니터링하기 위한 것으로, Sentinel-2 위성 데이터를 사용하여 산불 피해 지역을 모니터링하는 방법을 제시하는 것을 목적으로 한다. 산불피해지역의 식생회복 모니터링을 위해 Tasseled Cap 선형회귀 추세를 기반으로 RGB 합성기술을 제안하였다. 이러한 위성영상을 활용한 원격탐사 시각화 기법을 통해 효과적인 모니터링 가능성을 확인할 수 있었다.

1. 서론

오늘날 다양한 인공위성과 원격탐사 데이터가 다양한 분야에 폭넓게 사용되고 있다. 특히 광역적인 영역에서 발생한 재난지역의 모니터링을 위해서는 현장관측보다는 공간적으로 포괄적인 정보를 갖는 원격탐사 기술이 지속적인 모니터링을 위해 시간과 비용면에서도 효율적이다(Kerle, 2016; Storey et al., 2016). 특히 산불로 인한 피해지역의 산림 재성장 및 변화를 모니터링하는 것은 산림 및 화재 관리자에게 중요한 정보이며, 자연 재해를 완화하고 복구하기 위해 공간정보를 가지는 원격탐사 데이터는 유용한 정보를 제공할 수 있다.

우리나라는 전 국토의 65%가 산지이며 이 중 97%가 산불 위험에 노출되어 있고, 43%가 대형산불에 취약한 침엽수림으로 구성되어 있다 (Lee and Sang, 2012). 국내에서 대형 산불이라 함은 산림의 피해면적이 100 ha 이상 또는 24시간 이상 지속된 산불을 말하며, 강원도는 지역적인 특성으로 인해 대형산불이 빈번히 발생하는 지역으로 주로 4~5월 봄철에 발생된다.

국내 산불과 관련된 연구는 주로 산불탐지(Jang et al., 2019; Park, 2019), 산불피해면적이나 피해 강도 탐지 (Choi et al., 2016; Lee and Jung, 2019; Won et al., 2019; Shin et al., 2019; Youn and Jeong, 2019; Park et al., 2019; Sim et al., 2020)와 산불 발생 위험도(Kong et al., 2017; Park et al., 2019; Kim et al., 2019; Kang et al., 2019) 측면에 집중된다. 이처럼 원격탐사 자료를 활용한 산불피해 연구는 활발히 진행해오고 있으나, 국내산불 발생 후 식생의 회복성에 관한 원격탐사 기반의 연구는 미비한 실정이고 (Kim and Oh, 2021), 장기간 모니터링을 위한 복구 측면에 초점을 맞추어 연구된 사례가 많지 않다. 원격탐사 기술은 산불피해 탐지와 피해강도를 매핑하는 것뿐만 아니라 산불 이후 식생의 재생과 관련한 복구 모니터링 에도 유용하게 사용이 된다(Díaz-Delgado and Pons, 2001; Riano et al., 2002). Ryu et al. (2018)은 MODIS 영상을 이용하여 우리나라 동해안 산불 후 18년 동안의 식생 변화를 모니터링 하였으며, 산불의 피해 정도에 따라 식생의 회복되는 시기가 다른 것을 확인하였다. 하지만 MODIS 영상의 공간해상도를 고려했을 때 우리나라에서 발생하는 대형 산불 발생 후 식생의 회복력을 모니터링하기 위해서는 보다 고해상도 위성영상의 활용이 요구된다.

산불의 강도나 발생 형태에 따라 생태계에 다양한 영향을 미치며, 생태계의 변화는 다시 산불에 미치는 영향을 주는 인자로 작용하기 때문에, 산불 이후 식생의 변화를 모니터링하는 것은 산불발생을 예측하는 중요 한 요인 중 하나이다(Cui and Perera, 2008). 또한 산불 이후 발생되는 식생의 재생은 식생복원을 위한 우선순위를 정하는 것에도 중요한 정보를 제공함으로 화재 후 식생의 회복성을 지속적으로 모니터링하는 연구가 필요하다. 따라서, 본 연구는 다년간의 위성관측자료를 활용한 광역적인 지역에서 발생한 대형산불 피해 지역의 식생회복 모니터링을 위한 직관적 판독이 가능한 합성기법에 관한 연구를 수행하였다.

2. 자료 및 방법

1) 연구지역

연구지역인 강원도는 한반도 북동쪽에 위치하고, 영동지방과 영서지방으로 태백산맥을 중심으로 나뉜다. 영동지방의 산불은 주로 봄철(4~5월)에 발생하며 산맥에서 해안방향으로 발생하는 국지성 강풍(양간지풍)의 영향으로 대형산불로 이어지는 경우가 많다. 따라서 본 연구에서는 대형산불이 빈번하게 발생하는 강원도 영동지역 중 북쪽에 위치한 고성지역 주변 산불을 대상으로 연구지역을 선정하여 산불 후 식생 회복을 모니터링 하기 위해 대상지역을 선정하였다. 대형산불이 발생한 시기는 2018년 3월 28일, 2019년 4월 4일부터 6일, 그리고 2020년 5월 1일부터 2일이며, Fig. 1은 해당 산불의 위치와 개요가 포함되어 있다.

Fig. 1. Study area of the Gosung-gun, Sokcho-si and Yangyang-gun. Sample Sentinel-2 image used in the study, and Red dots are forest fire information.

2) 분석자료

본 연구를 수행하기 위해 사용된 위성자료는 지구관측 프로그램의 일환으로 개발된 유럽우주국(ESA)의 Sentinel-2 위성 영상으로 농림과 산림 정보를 제공하기 위해 개발된 위성이다. Sentinel-2 위성은 총 13개의 분광 정보를 가지고 있으며, 고도 약 786 km 궤도상에서 290 km 촬영폭으로 지구를 촬영한다. 10일을 주기로 전 지구를 촬영하고 잦은 주기로 촬영하기 위해 2대(2A, 2B) 위성을 동시에 운영하며, 2대의 위성을 고려했을 경우 적도 4~5일, 중위도 2~3일 주기로 촬영이 가능하다.

국내 대형산불이 상대적으로 빈번한 강원도 영동지방 중 고성지역을 중심으로 취득이 가능한 Sentinel-2 52SDH타일 데이터를 활용하여 연구를 수행하였다. Sentinel-2 위성영상 자료가 수급이 가능한 2015년부터 2021년까지 구름이 없는 맑은 날을 대상으로 식생의 성장이 활발한 6월~9월 자료를 이용하여 연구를 진행하였다. 언급된 조건 하에 획득 가능한 총 8장의 이미지는 2016년부터 2021년까지 자료이며, 2016년 8월 6일, 2017년 9월 20일, 2018년 6월 2일, 7월 22일, 2019년 6월 2일, 9월 30일, 2020년 7월 31일 그리고 2021년 6월 6일 자료이다. Table 1은 본 연구에 사용된 Sentinel-2의 제원과 영상리스트를 나타낸다.

Table 1. A description of Sentinel-2 images used in this study

3) 연구방법

산불 발생 후 식생의 회복성을 분석하기 위한 연구 흐름도는 Fig. 2와 같고, 2016년부터 2020년까지 총 8장의 영상에 대한 전처리를 수행하였다.

Fig. 2. Flow chart of Tasseled Cap Linear Trend Map using Sentinel-2 satellite data.

전처리는 과정은 TCT(Tasseled Cap Transformation) 에 활용 가능한 밴드(band2, band3, band4, band8, band10, band11, band12)를 활용하여 연구를 수행하였다. 또한, 해당 밴드들의 공간해상도를 일치시키기 위해 최근린 내삽법(Nearest Neighbor Method)을 이용하여 10 m 해상 도로 재배열(Re-sample)을 수행하고, 해당 관심영역을 추출하였다.

TCT 지수 산출을 위해 TOA(Top-of-Atmosphere) 반사도를 기반으로 계수를 적용하였고(Baig et al., 2014; Li et al., 2016), TCT 계수는 Index Data Base (IDB) portal에 제시된 계수 값을 활용하였다(Table 2). TCT는 Kauth and Thomas (1976)에 의해 도입된 개념으로 다양한 위성센 서를 통해 장단기 기간동안 지표 및 환경 변화를 감지하고 비교, 분석하는데 주로 사용되어진다. TCT의 주요특징은 3차원 공간을 구성하는 토양의 밝기(brightness), 식생의 활력(Greenness), 수분함량(Wetness)의 3가지 축으로 구성되어 다중밴드 위성영상이 포함하고 있는 광학 정보를 의미 있는 다른 정보로 변환이 가능하다.

Table 2. TCT coefficients for Sentinel-2 at-satellite reflectance (www.indexdatabase.de)

\(Tasseled Cap Transformation Brightness (TCTB) = \sum_{i=1}^{6}\left(T O A_{i} *\right. Brightness Coefficient \left._{i}\right)\)       (1)

\(Tasseled Cap Transformation Greenness (TCTG) = \sum_{i=1}^{6}\left(\right. TOA _{i} * Greenness Coefficient \left._{i}\right)\)       (2)

\(Tasseled Cap Transformation Wetness (TCTW) = \sum_{i=1}^{6}\left(\right. TOA _{i} * Wetness Coefficient \left._{i}\right)\)       (3)

TCTB (Tasseled Cap Transformation Brightness), TCTG (Tasseled Cap Transformation Greenness), TCTW (Tasseled Cap Transformation Wetness)는 사용된 6개밴드 TOA 반사도의 가중치 합으로 계산되며, 위 식 (1), (2), (3)을 적용하여 산출된 3개의 지수들(TCTB, TCTG, TCTW)은 2016년부터 2021년까지 8장의 시계열 자료로부터 선형 회귀분석을 통해 TC 추세분석을 수행하였다. 마지막으로 산출된 TC 선형 추세분석을 바탕으로 최종적인 RGB 합성 영상인 Tasseled Cap Linear Trend Map (TCLT Map)을 산출하였다.

3. 결과

Fig. 3의 P1 (2018년), P2 (2019년), P3 (2020년)는 산불이 발생한 지역을 나타내며, TCBT (TC Brightness Trend), TCGT (TC Greenness Trend), TCWT (TC Wetness Trend)는 2016년부터 2021년의 각지수들의 TC 선형 추세를 나타내는 이미지이다(Red=감소, Blue=증가).

Fig. 3. Left image: Individual TC trend (slope) images from linear regression analysis (Red=decrease, Blue=increase). Right image: TCT profiles of Forest Fire location (P1, P2, P3).

전반적으로 TC 선형 추세 이미지는 산불피해 지역의 위치가 명확히 나타났으며, TCWT의 경우 피해지역 값의 차이가 뚜렷하게 보였고 TCGT는 이와는 대조적으로 나타났다. 또한 Fig. 3 오른쪽 그래프는 해당 산불 지역의 평균 TCT 지수 값들(TCB, TCG, TCW)의 시계열 그래프를 나타내며, 산불 발생 전에는 일정한 값의 패턴을 보이지만 산불 발생 후 시점부터 값의 변동성이 크게 나타나는 경향을 보였다. 특히, P1 지역의 시계열 자료가 산불이 발생한 18년부터 21년까지의 식생회복성을 가장 잘 나타낸다. 식생 활력을 나타내는 TCG 지수의 변화가 산불발생 후 지속적으로 상승하여 식생의 회복이 이뤄지고 있는 것을 확인할 수 있었고, 토양이나 캐노피의 수분함량과 관련된 TCW의 경우 지속적으로 낮은 값의 분포를 보이는 것을 확인하였다. 또한 지표의 밝기와 관련된 TCB의 경우 발생 전보다 더 높은 값을 가지는 경향을 가진다. 이는 산불이후 식생의 재성장을 시작하는 단계에 산불 발생 전과 차이를 가지는 밝은 녹색을 띄는 어린 식생들의 성장, 식생 종구성이나 군집 밀도, 재생속도의 차이와 관련이 있을 가능성이 높다(Kasischke et al., 2000; Hollingsworth et al., 2013).

Fig. 4는 본 연구의 결과물인 각지수들의 TC 선형 추세를 RGB 합성한 TCLT MAP(Red: TCBT, Green: TCGT, Blue: TCWT)으로 Sentinel-2의 True color composite 영상을 P1, P2, P3 지역에 대해 시간순으로 비교한 이미지이다. TCLT MAP에서 보듯이 산불이 일어난 지역의 구분이 명확하게 구분되며, 최근 산불부터 과거 산불까지 붉은 색계열에서 옅은 색으로 변화하는 것을 알 수 있다. 장기간의 자료를 활용한 사례가 아니기에 색의 변화를 통한 산림모니터링을 위한 색상을 정의할 수는 없지만 산림의 회복이 지속적으로 이뤄지고 있고, 산불지역의 산림 모니터링을 효과적으로 표현 가능하다는 점을 단적으로 보여준다.

Fig. 4. Left image: Tasseled Cap Linear Trend Map (RGB = R: TCBT, G: TCGT, B: TCWT) and Detailed view of Forest Fire locations (P1, P2, P3), Right image: True Color RGB image of Forest Fire locations (P1, P2, P3).

제안된 합성기법을 통해 분석된 산불 후 식생회복을 분석한 결과는 정성적이고 시각적인 산출물이기에 기존의 통계적인 검증이 불가능하다. 대신 우리는 본 연구에서 활용한 Sentinel-2 True color RGB를 통해 식생의 성장과 관련된 정성적이고 시각적인 검증을 위해 True color composite 영상을 비교하였고, 산불 발생 순서대로 식생 재생이 일어나는 것을 확인하였다. 이는 광역적인 산불피해지역에 대한 모니터링이 가능하고, 더불어 산림의 회복성을 파악하는 합성기법을 통해 색의 차이로 식생의 재성장 속도를 확인할 수 있다는 것을 시사한다.

4. 결론

시간 경과에 따른 산림 재성장 및 화재지역의 변화를 모니터링하는 것은 산림 및 화재 관리자에게 중요한 정보이다. 이처럼 자연 재해를 완화하고 복구하기 위해 공간정보는 유용한 정보를 제공한다. 이러한 측면에서 본 연구에서는 TC 선형 추세 분석을 통해 산림의 회복성을 모니터링 할 수 있는 합성기법에 관한 연구를 수행하였고, TC선형 추세 RGB 합성을 기반으로 산불 후 식생회복 모니터링을 시각화하는 간단하지만 효과적인 기술을 설명하고 있다.

비록 장기간의 데이터를 활용할 수는 없었지만 식생의 회복을 파악할 수 있는 가능성을 볼 수 있는 연구이며, 향후 산불뿐만 아니라 국내 산림의 건강도를 체크하고 산림보전에 관한 다양한 연구에 반영할 수 있을 것이라 판단된다.

우리나라는 현재에도 재난분야에서 위성영상을 이용한 다양한 분석을 수행하고 있지만, 사례분석 측면의 연구가 대다수이며, 장기간의 복구 측면에 초점을 맞춘 국내 산불에 관한 연구는 미비한 실정이다. 재난/재해 예방을 위한 사회적, 경제적 비용보다 복구를 위해 소비되는 비용이 더 큰 만큼 복구단계에 초점을 맞춰진 연구도 활발히 수행될 필요성이 있다고 사료된다.