• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.351-353
• /
• 2011

본 논문에서는 CCD카메라로부터 입력된 동영상에서 Random Forest를 이용하여 산불 연기를 검출하는 알고리즘을 제안한다. 산불 연기의 느린 움직임을 보완하기 위해 모든 프레임 대신에 변화가 큰 프레임들을 키 프레임으로 지정하고 지정된 키 프레임의 이전 100프레임 동안의 가 특징 값을 누적시켜 특징 백터를 추출한다. 이후, 학습 데이터들로부터 추출된 특징백터의 훈련과정을 통해 50개의 결정 트리를 갖는 Random Forest를 생성한다. Random Forest는 산불 연기의 정도에 따라 4개의 상태를 나타내는 클래스들로 분류하도록 학습되었으며 Random Forest에 의한 분류결과에 따라 해당 영역이 연기인지 아닌지를 최종 판단한다.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_2
• /
• pp.859-873
• /
• 2023

Wildfires cause a lot of environmental and economic damage to the Earth over time. Various experiments have examined the harmful effects of wildfires. Also, studies for detecting wildfires and pollutant emissions using satellite remote sensing have been conducted for many years. The wildfire product for the Geostationary Environmental Monitoring Spectrometer (GEMS), Korea's first environmental satellite sensor, has not been provided yet. In this study, a false-color composite for better expression of wildfire smoke was created from GEMS and used in a U-Net model for wildfire detection. Then, a classification model was constructed to distinguish yellow dust from the wildfire smoke candidate pixels. The proposed method can contribute to disaster monitoring using GEMS images.

• Korean Journal of Remote Sensing
• /
• v.38 no.5_3
• /
• pp.967-977
• /
• 2022

The occurrence and intensity of wildfires are increasing with climate change. Emissions from forest fire smoke are recognized as one of the major causes affecting air quality and the greenhouse effect. The use of satellite product and machine learning is essential for detection of forest fire smoke. Until now, research on forest fire smoke detection has had difficulties due to difficulties in cloud identification and vague standards of boundaries. The purpose of this study is to detect forest fire smoke using Level 1 and Level 2 data of Geostationary Environment Monitoring Spectrometer (GEMS), a Korean environmental satellite sensor, and machine learning. In March 2022, the forest fire in Gangwon-do was selected as a case. Smoke pixel classification modeling was performed by producing wildfire smoke label images and inputting GEMS Level 1 and Level 2 data to the random forest model. In the trained model, the importance of input variables is Aerosol Optical Depth (AOD), 380 nm and 340 nm radiance difference, Ultra-Violet Aerosol Index (UVAI), Visible Aerosol Index (VisAI), Single Scattering Albedo (SSA), formaldehyde (HCHO), nitrogen dioxide (NO₂), 380 nm radiance, and 340 nm radiance were shown in that order. In addition, in the estimation of the forest fire smoke probability (0 ≤ p ≤ 1) for 2,704 pixels, Mean Bias Error (MBE) is -0.002, Mean Absolute Error (MAE) is 0.026, Root Mean Square Error (RMSE) is 0.087, and Correlation Coefficient (CC) showed an accuracy of 0.981.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.5
• /
• pp.57-65
• /
• 2010

In this paper, we propose a new real-time algorithm detecting the flame and smoke in digital CCTV images. Because the forest fire causes the enormous human life and damage of property, the early management according to the early sensing is very important. The proposed algorithm for monitoring forest fire is classified into the flame sensing and detection of smoke. The flame sensing algorithm detects a flame through the conditional test at YCbCr color model from the single frame. For the detection of smoke, firstly the background range is set by using differences between current picture and the average picture among the adjacent frames in the weighted value, and the pixels which get out of this range and have a gray-scale are detected in the smoke area. Because the proposed flame sensing algorithm is stronger than the existing algorithms in the change of the illuminance according to the quantity of sunshine, and the smoke detection algorithm senses the pixel of a gray-scale with the smoke considering the amount of change for unit time, the effective early forest fire detection is possible. The experimental results indicate that the proposed algorithm provides better performance than existing algorithms.

• Korean Journal of Remote Sensing
• /
• v.38 no.5_2
• /
• pp.695-706
• /
• 2022

Medium and high-resolution optical satellites have proven their effectiveness in detecting wildfire areas. However, smoke plumes generated by wildfire scatter visible light incidents on the surface, thereby interrupting accurate monitoring of the area where wildfire occurs. Therefore, a technology to extract smoke in advance is required. Deep learning technology is expected to improve the accuracy of smoke extraction, but the lack of training datasets limits the application. However, for clouds, which have a similar property of scattering visible light, a large amount of training datasets has been accumulated. The purpose of this study is to develop a smoke extraction technique using deep learning, and the limits due to the lack of datasets were overcome by using a cloud dataset on transfer learning. To check the effectiveness of transfer learning, a small-scale smoke extraction training set was made, and the smoke extraction performance was compared before and after applying transfer learning using a public cloud dataset. As a result, not only the performance in the visible light wavelength band was enhanced but also in the near infrared (NIR) and short-wave infrared (SWIR). Through the results of this study, it is expected that the lack of datasets, which is a critical limit for using deep learning on smoke extraction, can be solved, and therefore, through the advancement of smoke extraction technology, it will be possible to present an advantage in monitoring wildfires.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.309-313
• /
• 2009

산불은 전세계적으로 발생하는 가장 주요한 재해현상 중 하나이다. 산불 감시나 산불에 의한 피해지역의 효과적인 관측은 피해 지역을 최소화하고, 효율적인 피해 복구 계획 수립에 매우 중요한 기초자료를 제공한다. 광학 위성 자료를 활용한 산불 피해지역 탐지가 널리 사용되고 있음에도 불구하고, 산불에 의한 연기 또는 구름 분포에 의해 종종 사용상에 제약이 있다. 본 연구에서는 2000년 4월 강원도 고성, 강릉, 삼척, 물진 지역에서 발생한 대규모 산불을 연구 대상지역으로 하여, 1998년-2000년 동안 획득된 RADARSAT-1 SAR 영상을 이용하여 산불 피해 지역 감시의 활용성을 연구하였다. 산불에 의한 산림 피해지역 관측을 위해 RADARSAT-1 SAR 영상의 후방산란관의 변화를 통한 변환 탐지를 수행하였다. 산불 피해지역에서 산불 전에 비해 산불 후에 획득된 RADARSAT-1 SAR 영상의 후방산란값이 증가하는 것으로 관측되었다. RADARSAT-1 SAR 영상으로부터 관측된 산불 피해 지역은 Landsat-7 ETM 자료와 현장 조사 자료에 의한 산불 피해 지역과 매우 상관성이 높은 것으로 관측되었다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.06a
• /
• pp.173-174
• /
• 2010

산불감시활동에 의한 탐지확률을 높이고, 감시자원의 효율적인 이용을 위해서는 산불 감시 우선지역에 대한 분석이 요구된다. 따라서 산불감시 우선지역을 추출하기 위해 가시권 분석과 산불발생확률 분석을 실시하였으며, 중첩을 통해 가중치를 부여하였다. 가시권 분석은 탐지확률과 관련된 감시자원의 높이, 산불연기높이, 지형의 roughness에 따른 유효가시거리 인자를 다르게 하여 실시하였다. 산불발생확률은 로지스틱 회귀분석모형과 연료, 기상, 지형인자 및 토지피복, 접근성 인자 DB를 이용하여 분석하였다. 개발된 산불감시 우선지역 분석체계는 산불감시자원의 효율성 제고를 위한 기초자료로 활용될 수 있을 것으로 예상되었다.

• Journal of the Society of Disaster Information
• /
• v.13 no.3
• /
• pp.296-304
• /
• 2017

In order to predict about forest fire behavior we constructed a database for combustion characteristic of forest fuels in Samcheok, Gangwon-do and prepared fire risk map and fire risk rating using GIS method in this study. For the mapping autoignition temperature, ignition time, flame duration time, total heat release and total smoke release are selected as the standardized parameters and the overall risk rating was made up of the ignition risk parameters(autoignition temperature, ignition time) and the spread risk parameters(flame duration time, total heat release, total smoke release). Forest fire risk was classified into 5 grades and lower grade of fire risk rating mean to correspond to more dangerous forest fire. As a result, the overall risk rating of Samcheok was classified into three grades from 1 to 3 and Nogok-myeon and Miro-myeon were turned out the most dangerous areas for forest fire. Because of the colony of pine and oak trees and the higher fire loads, the flame propagation will be carried out quickly in these areas.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.193-193
• /
• 2011

본 연구에서는 산불발생인자들에 대한 정보를 각각의 요인별로 집적화하고 체계화시킴으로써 산불예방활동의 기초자료로 활용할 뿐만 아니라 산불발생 시, 산불의 거동을 예측하기 위한 자료로 활용하고자 하였다. 발생인자는 크게 연료 및 기상조건 관련 인자와 열적특성 관련 인자로 분류하고 연료 및 기상조건 관련 인자는 수종별, 부위별, 지역별, 고도별, 월별 산림연료들의 구성 요인들에 대해서 분석하였다. 수종별로는 생강나무, 초피나무, 조록싸리, 산초, 개암, 청미래, 고추나무, 철쭉, 조릿대, 털진달래 등 관목류 10개 수종과 김의털, 방아풀, 주름조개풀, 칡, 엉겅퀴 등 초본류 5개 수종 그리고 소나무, 잣나무, 리기다소나무, 해송, 구상나무, 주목 등 6개의 침엽수 및 굴참나무, 떡갈나무, 신갈나무, 갈참나무, 졸참나무, 상수리, 산개벚나무, 고채목, 개서어나무, 굴거리나무, 서어나무, 산벚나무, 때죽나무, 당단풍나무, 단풍나무 등 15개의 활엽수로 구성된 교목류를 대상으로 분석하였다. 부위별로는 생엽, 낙엽, 가지, 수피, 솔방울 등으로 구분하여 분석을 수행했으며, 지역별 구성은 강원(삼척/태백산), 경북(응봉산), 경기(용문산), 충북(월악산), 충남(계룡산), 전북(덕유산), 전남(월출산), 부산(금정산), 제주(한라산) 등 9개 지역을 대상으로 선정하였다. 고도별로는 강원도에 소재하고 있는 태백산을 중심으로 소나무와 신갈나무 생엽을 대상으로 900m, 1000m, 1100m, 1200m, 1300m, 1400m, 1500m 고도를 선정하여 분석을 수행하였다. 월별 분석데이터는 소나무 생엽의 경우, 2008년 6월부터 2010년 11월까지 매월 분석을 수행하였으며, 굴참나무 생엽의 경우에는 2008년부터 2010년까지 매년 6월부터 10월까지 생엽을 채취할 수 있는 기간 동안 분석을 수행하였다. 또한, 열적특성 관련 인자로는 착화특성(무염착화온도, 발염착화시간, 소염시간, 화염지속시간), 발열특성(총열방출량, 평균열방출률), 발연특성(총연기방출량, 최대연기밀도, 최대밀도시간) 등을 고찰하였다. 이와 같은 결과들은 산불발생인자 DB구축으로 부터 산불발생 위험도 및 동태예측의 기본 자료로 활용할 수 있을 뿐만 아니라 지역별 연료별 산림연료의 열적특성 DB로 부터 산불발생시 산불 위험도에 대한 기술정립과 응용성을 향상시킬 수 있을 것으로 사료된다. 이외에도 산림연료 종류별 열적특성을 결과를 토대로 문화재보존지역과 같이 문화적 가치가 높은 시설이나 주유소, 가스 충전소 등의 위험 시설에 대한 효과적인 보호를 위한 대처 방안을 사전에 준비할 수 있어 산불 피해에 대한 국민의 불안감을 줄일 수 있을 것으로 생각된다.

• Fire Science and Engineering
• /
• v.24 no.5
• /
• pp.26-31
• /
• 2010

In this study, attack process and aerial control line construction type which were considered forest fire type and a case of operations were suggested using the experience of aerial fire attack of all type of forest fires. As the spread rate of forest fire is effected by terrain, slope, wind speed, forest species and etc., we needed to analyze spreading direction, behavior type and intensity before heli-team constructed a aerial control line. Especially, It is important to consider safety of attack team as a their views were obstructed. In this study, we suggested a 13 methods from type A to type M about attack and construction of aerial indirect control line.