A Study on Estimation of Forest Burn Severity Using Kompsat-3A Images

Kompsat-3A호 영상을 활용한 산불피해 강도 산정에 관한 연구

Abstract

Forest fires are becoming more frequent and larger around the world due to climate change. Remote sensing such as satellite images can be used as an alternative or assistance data because it reduces various difficulties of field survey. Forest burn severity (differenced normalized burn ratio, dNBR) is calculated through the difference in normalized burn ratio (NBR) before and after a forest fire. The images used in the NBR formula are based on Landsat's near-infrared (NIR) and short-wavelength infrared (SWIR) bands. South Korea's satellite images don't have a SWIR band. So domestic studies related to forest burn severity calculated dNBR using overseas images or indirectly using the normalized difference vegetation index (NDVI) using South Korea's satellite images. Therefore, in this study, dNBR was calculated by substituting the mid-wavelength infrared (MWIR) band of Kompsat-3A (K3A) instead of the SWIR band in the NBR formula. The results were compared with the dNBR results obtained through Landsat which is the standard for dNBR formula. As a result, it was shown that dNBR using K3A's MWIR band has a wider range of values and can be expressed in more detail than dNBR using Landsat's SWIR band. Therefore, it is considered that K3A images will be highly useful in surveying burn areas and severity affected by forest fires. In addition, this study used the K3A's MWIR band images degraded to 30 m. It is considered that much better results will be obtained if a higher-resolution MWIR band is used.

기후변화 등으로 인해 전 세계적으로 산불이 점점 잦아지고 대형화되는 추세다. 위성영상 등의 원격탐사를 통한 산불피해 면적 및 피해강도를 산정하는 것은 현장조사에 따른 여러 가지 어려움을 줄일 수 있어 대안 및 보조자료로 활용이 가능하다. 산불피해강도(differenced normalized burn ratio, dNBR)는 산불 전후의 정규탄화지수(normalized burn ratio, NBR) 차이를 통해 산정하며, NBR 수식에 사용되는 영상은 Landsat의 근적외선(near infrared, NIR)과 단적외선(short-wavelength infrared, SWIR) 밴드를 기본으로 한다. 우리나라 위성영상의 경우, SWIR 밴드를 가지고 있지 않기 때문에 산불피해와 관련한 국내 연구들은 해외영상을 사용하거나 우리나라 위성영상을 사용한 경우, 정규식생지수(normalized difference vegetation index, NDVI)를 이용하여 간접적인 방법으로 dNBR을 산출하였다. 따라서 본 연구에서는 Kompsat-3A호(K3A)의 중적외선(mid-wavelength infrared, MWIR) 밴드를 NBR 수식의 SWIR 밴드 대신 대입하여 dNBR을 산정하고, dNBR의 기준이 되는 Landsat을 이용한 dNBR 결과 값과 비교하였다. 그 결과 K3A MWIR을 이용한 dNBR이 Landsat SWIR을 이용한 dNBR에 비해 나타낼 수 있는 값의 범위가 더 넓고 세분화하여 표현이 가능하였다. 따라서 산불피해 지역을 조사하는데 있어 K3A의 활용도가 높을 것이라 사료된다. 뿐만 아니라 본 연구에서는 30m로 열화된 K3A MWIR 밴드를 사용했으나 그보다 높은 해상도의 MWIR 밴드를 사용한다면 본 연구보다 훨씬 더 나은 결과를 얻을 수 있을 것이라 사료된다.

1. 서론

기후변화 등으로 인해 최근 세계 곳곳에 초대형 산불이 자주 발생하고 있다. Korea Forest Service (2023)에 따르면 우리나라는 지난 10년간 연평균 537건의 산불이 발생하여 매해 평균 3,560 ha의 산림이 소실되는 것으로 나타났다. 산불 건수 및 피해 면적은 점차 증가하는 추세이며, 2022년에는 산불 756건, 피해 면적 24,797 ha로 연평균 건수 및 피해 면적을 크게 넘어선 것으로 나타났다. 산불은 특히 건조한 3월~5월 사이에 집중하여 발생하는 경향을 보이는데, 이 시기는 다른 시기에 비해 기온이 따뜻하고 바람이 강하며 상대습도가 낮아 발화에 있어 최적의 조건을 갖추고 있기 때문이다(Park et al., 2020).

산불 발생 이후 산림청은 「산림보호법」에 따라 산불 전문조사반을 구성하여 산불의 발화원인, 발화지점, 확산경로에 대한 현장조사를 비롯하여 산불로 인한 사상자 및 재산피해 등을 조사한다. 산불피해 면적은 지상 입목, 관목, 시초 등을 연소시키면서 실제로 산불이 지나간 면적만을 산정하며, 조사 방법은 현장에서 목측, 실측에 의해 이루어진다. 항공사진 또는 1/25,000 지형도에 피해 지역 경계를 표시하여 면적을 산정하며, 피해면적이 10 ha 이상인 경우 GPS 측량장비를 이용하여 피해면적을 산정한다(Korea Forest Service, 2022). 이러한 산정 방법은 현장조사에 따른 다수의 인력 및 시간과 비용이 소모된다는 단점이 있으며(Youn and Jeong, 2020), 산불로 인한 2차 피해로 수목이 고사하는 경우(Won et al., 2019)를 포함하지 못한다.

위성영상 등의 원격탐사 방법은 현장에 방문하지 않고도 산불피해 지역 확인이 가능하기 때문에 산불피해 면적 산정 시에 보조자료로서 유용하게 활용될 수 있다. 위성영상의 분광특성에 따른 특정대역의 밴드를 이용하여 산불피해 지역을 파악할 수 있으며, 주로 활용되는 지표는 정규식생지수(normalized difference vegetation index, NDVI)와 정규탄화지수(normalized burn ratio, NBR) 그리고 산불 전후의 NBR 차이를 이용한 산불피해 강도(differenced normalized burn ratio, dNBR) 등이 있다. NDVI는 건강한 녹색식물이 적색광(Red)을 많이 흡수하고, 근적외선(near infrared, NIR)을 많이 반사하는 특징을 기반으로 만들어진 지수로서 식생활력도를 나타내기 때문에 산불피해로 인한 피해수목과 주변의 건강한 식생과의 차이를 통해 피해지역 면적을 산출할 수 있다. NBR은 건강한 식생이 NIR에서 매우 높은 반사율을 나타내고, 단적외선(short-wavelength infrared, SWIR)에서 낮은 반사율을 보이는데 반해 산불이 난 지역에서는 반대 경향을 나타낸다는 점에 착안하여 개발된 지수로 건강한 식생과 산불피해 지역을 수치로 구분하여 나타낸다(Yu, 2022).

Key and Benson (2000)은 산불 전후의 NBR 차이를 통해 급격한 식생변화를 탐지할 수 있음을 확인하고 현장 조사 자료 등과 접목을 통해 dNBR을 개발하였다. NBR과 dNBR 산정에 있어서 국내 많은 연구들은 주로 Landsat과 Sentinel, Kompsat 영상을 이용하였다. Landsat과 Sentinel은 NIR과 SWIR 밴드를 가지고 있고, 촬영면적이 넓고 방문주기가 짧으며 영상을 무상으로 제공하기 때문에 사용자가 원하는 시기와 지역에 대한 영상을 비교적 쉽게 취득할 수 있다. Kompsat의 경우, 2호(K2)와 3호(K3)는 적외선 영역 중 NIR 밴드만 가지고 있기 때문에 지수 식을 활용한 NBR 산출에는 어려움이 있다.

Won et al. (2019)은 K2와 K3 영상을 이용하여 NDVI의 평균과 표준편차를 구함으로써 dNBR을 산정하였다. Lee and Jeong (2019)의 연구에서는 Sentinel-2 영상의 dNBR 값을 구한 후 등급에 따른 벡터 영역에 포함된 K3A dNDVI를 확률밀도함수로 나타내어 dNBR을 산정하였다. 이렇듯 Kompsat을 이용한 연구에서는 NDVI를 이용하여 간접적으로 dNBR을 산정하였다. Kompsat-3A호(K3A)는 K2, K3와는 달리 중적외선(mid-wavelength infrared, MWIR) 밴드를 가지고 있다. 그러나 보안상의 문제 등으로 인해 많이 활용되지 못하는 실정이다. K3A MWIR 밴드의 파장대는 NBR 수식에 사용되는 SWIR 밴드의 파장대와 차이가 있으나 SWIR 파장대 경계와 가까이 위치하고 있어 지수 식을 사용한 dNBR 산정이 가능할 것이라 판단되었다. 따라서 본 연구에서는 K3A의 NIR과 MWIR 밴드를 이용하여 dNBR을 산정하고, dNBR 수식의 base 영상인 Landsat의 NIR과 SWIR 밴드를 이용한 dNBR을 산정하여 비교함으로써 산불피해지역의 피해강도에 있어 K3A 영상의 활용 가능성을 검토하고자 한다.

2. 이론적 고찰

NBR은 1994년 미국의 Glacier 국립공원에서 발생한 대형 산불을 분석하기 위해 Key와 Benson에 의해 처음 고안되었으며, 이후 현장조사 자료를 접목하는 등 여러 연구를 거쳐 dNBR이 개발되었다. NBR은 식(1)과 같이 NIR과 SWIR 밴드의 합과 차의 비율로 산정하며, dNBR은 산불 전후 NBR의 차이를 나타낸 값으로 식(2)와 같이 계산된다. Key와 Benson (2006)은 NBR이 NDVI보다 산불피해지역의 공간적 이질성과 복잡성을 더 효과적으로 표현할 수 있다고 하였다(Won et al., 2014).

\(\begin{aligned}N B R=\frac{N I R-S W I R}{N I R+S W I R}\end{aligned}\)       (1)

dNBR = NBR_prefire – NBR_postfire       (2)

Fig. 1과 같이 건강한 식생은 NIR에서 매우 높은 반사율을 보이고, SWIR에서 낮은 반사율을 보인다. 이와 반대로 산불피해를 입은 황폐화된 지역은 NIR에서 SWIR로 가면서 점차 높은 반사율을 보이기 때문에 이들의 정규화 비율을 통해 산불피해 지역의 피해 강도를 알 수 있다. 다만, Fig. 1은 미국 산림청(United States Department of Agriculture Forest Service, USDA Forest Service)에서 제공한 파일로 Landsat TM의 파장대를 기반으로 작성되었기 때문에 본 연구에서 활용한 Landsat-8 OLI 파장대와 차이가 있을 수 있다.

Fig. 1. Comparison of the spectral response of healthy vegetation and burned areas (Source: USDAForest Service).

미국지질조사국(United States Geological Survey, USGS)은 dNBR과 현장조사 결과를 접목하여 산불피해 등급표를 제시하였으며, 세부내용은 Table 1과 같다. dNBR 값이 0에 가까울수록 타지 않은 지역을 의미한다. 음수 영역은 산불 이후 재성장을 나타내며, 양수영역은 값이 높아질수록 산불로 인한 심각한 손상을 입었음을 나타낸다.

Table 1. Burn severity levels obtained by calculating dNBR, proposed by USGS

3. 연구자료 및 방법

3.1. 연구자료

대상지역을 선정하기 위해 최근 발생한 산불피해 지역 가운데 산불이 난 시점 전후의 K3A 및 Landsat 영상이 존재하는 지역을 선정하였으며 특히, 촬영된 영상의 계절적인 영향을 최소화하기 위해 산불 전후 영상의 계절적인 차이가 크지 않은 지역을 우선시하였다. 최종 선정된 지역은 전라남도 함평군으로 2023년 4월 3일 12시경 양봉장 쓰레기 소각 불씨로 인해 발화하였으며, 그로 인해 일대 475 ha(산림 150 ha)가 소실된 것으로 보고 되었다. 따라서 본 연구의 공간적 범위는 산불피해를 직접적으로 입은 지역에 한정하여 전라남도 함평군 대동면 연암리와 신광면 월암리, 삼덕리로 선정하였다.

연구의 시간적 범위는 산불이 난 시점을 전후로 영상이 촬영된 날짜인 2019년 4월 18일과 5월 5일, 2023년 5월 15, 16일로 한다. K3A는 저궤도 위성으로 시간해상도가 비교적 낮은데다가 산불 전후로 촬영된 영상의 계절이 비슷한 시점일 것, 이전에 산불이 나지 않은 지역일 것, 구름이 없는 맑은 날씨에 촬영된 영상일 것 등 여러 조건에 부합하는 영상을 취득하기 위해 불가피하게 산불 전후의 시간 차이가 큰 영상을 취득하였다. 다만, 산림청의 연도별 산불통계 정보를 확인하여 대상지역의 시간적 범위 내에 산불이 나지 않았음을 확인하였다. 취득한 두 위성의 영상 모두 구름이 없는 맑은 날씨에 촬영된 영상으로 대기보정 및 방사보정, 기하보정이 완료된 영상을 취득하였다. 본 연구에서 사용한 위성영상의 세부내용은 Table 2와 같다. 또한 산림지역만 추출하기 위해 산림청에서 제공하는 2022년에 제작된 1:5,000 임상도를 활용하였다.

Fig. 2. Study area (Yeonam-ri, Wolam-ri, and Samdeok-ri, Hampyeong-gun, Jeollanam-do, South Korea).

Table 2. Specification of used remote sensing images in this study

3.2. 연구방법

본 연구의 목적은 NBR 지수 식의 NIR, SWIR 밴드를 대신하여 K3A NIR, MWIR 밴드를 대입함으로써 dNBR 산정에 있어 K3A의 활용 가능성을 검토하고자 하는 것이다. 따라서 K3A의 NIR과 MWIR 밴드를 이용한 dNBR을 산정하고, dNBR 수식의 base 영상인 Landsat TM의 SWIR 밴드에 해당하는 Landsat-8 SWIR2 밴드를 이용한 dNBR 결과값과 비교하였다. 또한, 파장대가 짧은 SWIR을 대입했을 때의 결과를 확인하기 위해 Landsat-8 SWIR1 밴드를 이용한 dNBR을 추가 산정하였다. Fig. 3과 같이 dNBR의 기준이 되는 Landsat-8 SWIR2의 파장대는 2.11–2.29 μm에 해당한다. Landsat-8의 SWIR1 밴드의 파장대는 1.57–1.65 μm로 SWIR2 밴드보다 짧은 파장대에 속하며, K3A의 MWIR 밴드는 3.30–5.20 μm로 SWIR2 밴드보다 긴 파장대에 속한다.

Fig. 3. Wavelength range and spatial resolution for each band of K3A and Landsat-8 satellite.

본 연구에서는 K3A의 2019년과 2023년 NIR, MWIR 각 1장씩 총 4장의 영상을 사용하였으며, Landsat-8은 2019년과 2023년 NIR, SWIR1, SWIR2 각 1장씩 총 6장의 영상을 사용하였다. K3A의 NIR은 공간해상도가 2.2 m이며, MWIR은 5.5 m에 해당한다. 그러나 보안상의 문제로 인해 MWIR은 30 m로 열화된 영상을 취득하였다. 따라서 2.2 m와 30 m 영상 간의 지수계산을 위해서 30 m MWIR 영상을 2.2 m로 Downscaling 하였다. Landsat-8은 NIR, SWIR1, SWIR2의 공간해상도가 30 m로 동일하여 따로 전처리하지 않고 그대로 사용하였다. 산불피해 지역의 명확한 결과 비교를 위해서 각 영상에서 대상지역 내 산림지역만 추출하였다. 산림지역 추출을 위해 산림청에서 제공하는 2022년에 제작된 1:5000 임상도를 활용하였으며, 지리정보시스템(geographic information system, GIS) 프로그램을 활용하여 대상지역 내 임상도만 추출하고, 임상별 모든 폴리곤(polygon)을 하나로 합쳐 산림 경계를 생성한 후 영상을 잘라내기 하였다. 이러한 전처리 작업을 수행한 결과 영상들을 대상으로 GIS 프로그램의 Calculator를 이용하여 NBR과 dNBR을 최종 산출하였다. 본 연구의 전체흐름도는 Fig. 4와 같다.

Fig. 4. Flow chart of this study.

4. 연구결과 및 토의

산불이 난 지역은 대상지역의 서쪽에 위치하며, 적외선 파장대별로 분석한 산불피해 결과는 각각 Fig. 5~7과 같다. 지도상으로 보았을 때 3개의 결과 모두 산불이 난 전체 면적과 위치는 크게 다르지 않은 것으로 보인다. 다만, K3A MWIR의 dNBR과 Landsat-8 SWIR2의 dNBR 등급이 노란색부터 붉은색까지 3단계로 구분된 반면, Landsat-8 SWIR1의 dNBR은 노란색과 주황색 2단계만 구분된 것으로 나타났다.

Fig. 5. This is a dNBR result using K3A’s NIR and MWIR bands. (a) Map of K3A’s dNBR. (b) Histogram of K3A’s dNBR.

Fig. 6. This is a dNBRresult using Landsat-8’s NIRand SWIR1 bands.(a) Map of Landsat-8 SWIR1’s dNBR.(b) Histogram of Landsat-8 SWIR1’s dNBR.

Fig. 7. This is a dNBRresult using Landsat-8’s NIRand SWIR2 bands.(a) Map of Landsat-8 SWIR2’s dNBR.(b) Histogram of Landsat-8 SWIR2’s dNBR

Fig. 5~7의 (b)에 dNBR 통계 값을 보면, K3A MWIR의 최소값~최대값 범위가 가장 넓은 것으로 나타났다. dNBR의 최소값~최대값 범위는 K3A MWIR (-0.77~0.64)>Landsat-8 SWIR2 (-0.23~0.50)>Landsat-8 SWIR1 (-0.21~0.37) 순으로 나타났으며, 산불피해를 나타내는 0.1 이상 지역의 경우 역시 K3A MWIR이 가장 넓은 범위까지 탐지하는 것으로 확인되었다. 그것은 K3A MWIR 밴드의 파장대가 Landsat-8 SWIR1 밴드는 물론 dNBR의 기준이 되는 Landsat-8 SWIR2 밴드의 파장대보다 산불피해 감지를 더 잘하는 것으로 생각할 수 있다. 히스토그램(Histogram)에서 K3A MWIR의 dNBR Cell 개수가 많은 것은 K3A NIR의 공간해상도인 2.2 m를 기준으로 dNBR을 산출했기 때문에 30 m를 기준으로 산출한 Landsat-8 SWIR1, SWIR2에 비해 많은 것이며, 그 외에 다른 차이는 없다. dNBR의 평균값(Mean)이 0.1보다 낮은 것은 산불피해를 입지 않은 지역의 면적이 피해를 입은 지역보다 넓다는 것을 의미하며, Landsat-8 SWIR1과 SWIR2의 dNBR 평균값이 양수인데 반해 K3A MWIR의 dNBR 평균값이 음수인 것은 K3A MWIR의 dNBR 최소값이 다른 파장대 결과에 비해 가장 넓게 나타나고, 불에 타지않은 면적이 넓기 때문인 것으로 판단된다.

Table 3의 산불피해 강도별 면적을 살펴보면, K3A MWIR은 낮음이 산림 전체 면적의 13.1%, 낮음~보통이 10.9%, 보통~높음이 1.5%로 나타났으며, 낮음과 낮음~보통이 많은 비율을 차지하는 것으로 나타났다. Landsat-8 SWIR1은 낮음이 19.7%, 낮음~보통이 7.0%로 낮음이 가장 많은 비율을 차지하는 것으로 나타났으며, 보통 이상은 감지하지 못한 것으로 나타났다. Landsat-8 SWIR2는 낮음 12.2%, 낮음~보통 15.4%, 보통~높음 0.8%로 K3A MWIR 및 Landsat-8 SWIR1과 달리 낮음~보통 단계가 낮음보다 더 많은 비율을 차지하는 것으로 나타났다. 이러한 결과로 미루어보아 Landsat-8 SWIR1의 감지 폭이 가장 좁다는 것을 추측할 수 있다.

Table 3. Area comparison by burn severity level in this study

또한 K3A MWIR과 Landsat-8 SWIR2의 dNBR을 비교했을 때 K3A MWIR은 낮음 비율이 높고, Landsat-8 SWIR2는 낮음~보통의 비율이 더 높게 나타났는데 이는 공간해상도의 차이 때문으로 추측된다. K3A NIR의 공간해상도는 2.2 m인데 반해 Landsat-8 NIR과 SWIR1, SWIR2의 공간해상도는 30 m에 해당한다. 따라서 Landsat-8의 NIR과 SWIR2의 각 밴드가 한 픽셀마다 감지한 대표 값이 dNBR 범위의 결과에 영향을 미친 것으로 판단된다. K3A MWIR은 실제로 5.5 m의 해상도를 가지고 있으나, 보안 등의 문제로 인해 본 연구에서는 30 m로 열화 된 영상을 활용하였기에 Landsat-8 영상과 크게 다르지 않다. 다만, NIR은 2.2 m의 공간해상도를 가지고 있기 때문에 Landsat-8 영상의 한 개 픽셀이 나타내는 값을 185개 정도로 나누어 감지할 수 있다. 따라서 K3A의 NIR과 MWIR을 이용한 dNBR이 dNBR의 기준이 되는 Landsat-8 SWIR2에 비해 훨씬 세분화하여 표현이 가능하다고 판단된다.

위성영상을 활용하여 산정한 산불피해 지역 면적이 실제 보고된 산불면적과 차이가 나는 것은 외관상 산불에 직접적인 영향을 받지 않은 수목들이 시간이 지남에 따라 수관부의 갈변현상 등으로 인한 2차 피해가 나타났으며(Won et al., 2019), 이러한 2차 피해 현상이 위성 영상에 반영되었기 때문으로 사료된다.

5. 결론

본 연구에서는 우리나라의 다목적 영상인 K3A의 NIR과 MWIR 밴드를 활용하여 dNBR을 산정하고, dNBR의 기준이 되는 Landsat-8의 NIR, SWIR2 밴드를 활용한 dNBR 및 다른 파장대를 가진 Landsat-8의 SWIR1 밴드를 활용한 dNBR을 각각 산정하여 이들 간의 결과 비교를 통해 산불피해 지역 및 피해 강도를 나타내는데 있어서 K3A의 활용 가능성을 살펴보았다.

K3A MWIR과 Landsat-8 SWIR1, SWIR2를 이용한 dNBR을 분석 비교해본 결과, K3A MWIR > Landsat-8 SWIR2 > Landsat-8 SWIR1 순으로 산불피해 지역 및 피해 강도를 나타내기에 적합하다고 판단하였다. K3A MWIR이 가장 적합하다고 판단한 이유는 2가지로 정리된다. 하나는 K3A MWIR의 dNBR 최대값이 가장 높게 나타났다. dNBR의 최대값이 높다는 것은 K3A MWIR 밴드가 다른 파장대에 비해 산불피해에 대한 감지를 더 잘한다는 것을 의미한다. 또 다른 하나는 공간해상도의 차이를 들 수 있다. Landsat-8의 NIR, SWIR1, SWIR2는 모두 30 m의 공간해상도를 가지고 있으며, K3A MWIR 역시 30m의 공간해상도를 가진 영상으로 분석했으나 NIR의 공간해상도는 2.2 m로 Landsat-8 영상에 비해 감지할 수 있는 픽셀의 개수가 월등히 많아 더 세분화하여 값을 얻을 수 있었다.

따라서 K3A MWIR 밴드는 dNBR의 기준이 되는 Landsat SWIR2 밴드에 비해 산불피해 지역을 더 잘 감지하고, 더 세분화하여 나타낼 수 있어 산불피해 지역을 조사하는데 활용도가 높을 것이라고 판단된다. 뿐만아니라 본 연구에서는 30 m로 열화 된 MWIR 밴드의 영상을 활용하였으나, K3A 영상 제공기관인 한국항공우주연구원에서는 보안문제로 인해 제공받는 기관에 따라 10 m와 30 m 해상도로 열화 된 영상을 구분하여 제공하고 있음에 따라 10 m 해상도의 MWIR 영상을 사용한다면, 본 연구결과보다 훨씬 더 나은 결과를 얻을 수 있을 것이라 사료된다.

본 연구에서는 dNBR 산정에 있어서 K3A MWIR 밴드의 적용이 가능할 뿐 아니라 활용도가 높을 것이라는 결과를 얻어냈다. 그러나 이는 단순히 USGS의 산불피해 등급표를 기준으로 Landsat 위성영상의 dNBR과 비교하였기 때문에 실제 우리나라 산불피해지역에 바로 적용하기에는 한계가 있다. 따라서 K3A MWIR 밴드를 적용한 dNBR을 기반으로 현장조사를 통한 분석 결과가 수반되어야만 그 활용 가치를 인정받을 수 있을 것이다. National Institute of Forest Science (2013)에서는 Satellite Pour I’Observation de la Terre (SPOT) 영상을 이용하여 한국형 산불피해강도지수(Korean composite burn index, KCBI)를 개발하였으나, KCBI 평가치의 등급분류 방법, 전소와 열해의 상대적 가중치, 위성영상을 이용한 산불피해강도 측정치와 낮은 상관도 등의 문제가 발생하여 향후 보완 및 더 많은 현장 적용 연구가 필요하다고 제시하였다.

Baek et al. (2022)의 연구에서도 Sentinel-2 영상의 dNBR 값과 현장조사를 통한 종합피해지수(composite burn index) 값을 비교하여 산불피해 강도 등급을 3개로 구분한 바 있다. 그러나 아직까지 일반적으로 사용되는 우리나라의 산불피해 등급기준은 없는 실정이다. K3A의 NIR과 MWIR 밴드를 적용한 dNBR의 결과값이 Landsat에 비해 더 넓은 범위를 나타냈기 때문에 MWIR 밴드의 공간해상도가 30 m가 아닌 10 m 또는 5.5 m인 영상을 사용하였을 경우, USGS에서 제시한 기준보다 더 넓은 범위의 감지가 가능할 수도 있을 것이라 판단된다.

따라서 향후 K3A MWIR 밴드의 공간해상도를 다르게 적용한 추가 연구가 이루어져야 하며, 그에 따른 현장조사를 통해 dNBR 결과를 검증하고, 나아가 우리나라 산림 실정에 맞는 산불피해 등급 기준 산정 연구가 이루어져야 한다. 또한, 지역별 다양한 사례 연구를 통해 정확도를 높인다면 보편적으로 사용 가능한 우리나라만의 산불피해 등급 기준이 정립될 수 있을 것이라 사료된다.