• 한국항행학회논문지
• /
• 제27권3호
• /
• pp.300-305
• /
• 2023

최근 우리나라에서는 지진, 산불, 태풍, 홍수, 산사태 등의 자연재해가 빈번하게 발생하고 있다. 산불의 경우 10년 평균, 발생빈도, 피해면적, 피해금액은 2021년 기준으로 감소했지만, 2022년 3월 4일부터 13일까지 9일간 경북 울진과 강원 삼척 일대에서 발생했다. 산불은 삼림 2만ha를 불태우고 213시간 43분 만에 진화를 완료해 산림청이 관련 통계를 작성한 1986년 이후 '최장기 산불' 기록을 남겼다. 피해 규모도 커지고 있다. 본 논문에서는 Geofencing 기술을 적용한 LoRa 기반의 센서 네트워크 구축을 통해, 저렴한 비용으로 효율적인 센서 네트워크 구축이 가능함을 확인하였으며 산불 등의 재해 관리에 대한 실효성 검증을 하였다. GPS와 자이로센서, 연소탐지 센서를 통해 변화량을 감지하고, 정확한 Geofencing Cell의 유효성 크기를 정의하였다. Node와 Node, Node와 Server사이의 효율적인 데이터 통신을 위해 LoRa Payload Frame Structure를 센서정보의 크기에 맞게 유동적 크기를 갖도록 설계하여 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.689-692
• /
• 2006

사람들이 살아가는 환경에는 여러 가지 위급한 환경 이벤트가 발생하는데 이들에 대한 상황파악을 통해 효율적인 대처방안을 도출해 낼 수 있다. 그러나 험준한 산악지대, 넓은 사막지대와 같이 쉽게 사람이 접근하기 힘든 위치에서도 이벤트가 발생한다. 이러한 환경에서 이벤트 상황을 파악할 수 있는 가장 효율적인 방법으로 무선 센서 네트워크를 꼽을 수 있다. 무선 센서 네트워크를 적용 가능한 분야는 산불 감시, 지진이나 화산활동 감시, 유독 물질 확산 탐지 등을 들 수 있다. 본 논문에서는 유독 가스, 산불, 기압골 등 광범위한 걸쳐 플럼(Plume) 형태로 발생하는 이벤트의 범위를 센서를 통해 지속적으로 손쉽게 알아내기 위한 Plume 추적기법을 제안한다. 제안하는 플럼 추적 기법에서는 센서 간 통신비용을 감소시키는 새로운 에지 검출 기법을 제안해 센서의 에너지 소모를 줄여 전체 센서 네트워크의 운용시간을 크게 향상시킨다.

• 한국수자원학회논문집
• /
• 제52권11호
• /
• pp.941-946
• /
• 2019

산불은 면적과 산불 강도에 따라 지역 수문환경을 중대하게 변화시킬 수 있는 중대한 요소이며, 따라서 측정자료와 모형모의를 통한 산불의 영향과 피드백을 이해하는 것은 중요하다. 본 연구에서는 2019년 4월 4-5일에 대한민국 강원도에서 발생한 산불을 원격탐사자료(8-일 500-m MODIS 지표면 반사율 자료)를 사용하여 계산한 정규탄화지수의 차이(dNBR)를 이용하여 탐지하였다. 그 결과, 산불피해 총면적은 5개의 표준유역에 걸쳐 $29.50km^2$에 달하였고, 유역 면적의 1.00-6.19%를 차지하는 것으로 나타났다. 또한, 원격탐사자료(8-일 500-m MODIS 증발산량 추산자료)를 사용하여 분석한 결과, 산불 이전(2004-2018년)과 비교하여 2019년의 연간 증발산량이 해당 5개 유역에서 0.05-1.56% 감소할 것이라고 추산하였다. 본 연구는 산불의 지역 수문 순환에 미치는 영향을 이해하는 데 중요하다.

• 대한원격탐사학회지
• /
• 제33권6_3호
• /
• pp.1233-1242
• /
• 2017

본 연구에서는 KOMPSAT 위성영상을 활용하여 산불에 의한 산림황폐화 발생 지역을 탐지하고자 하였다. 산림황폐화 분석을 위하여 다시기 위성영상에 무감독 변화탐지 기법을 적용하고자 하였다. 산불 전후에 대한 다시기 영상으로부터 생성한 NDVI(Normalized Difference Vegetation Index)에 ITPCA(ITerative Principal Component Analysis)를 적용하여 산림황폐화에 의하여 발생한 변화지역을 추출하였다. 또한, SRTM(Shuttle Radar Topographic Mission)자료를 이용한 후처리 기법을 통하여 오탐지를 최소화하고자 하였다. KOMPSAT-2, 3 영상을 이용한 실험결과, 해당 지역 내에 존재하는 산림황폐화 지역을 효과적으로 추출할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권2_1호
• /
• pp.179-197
• /
• 2020

지형 정규화 기법은 영상 촬영 시의 광원, 센서 및 지표면 특성에 따라 발생하는 밝기값 상의 지형적인 영향을 제거하는 방법으로, 지형 조건으로 인해 동일 피복의 픽셀들이 서로 다른 밝기값을 지닐 때 그 차이를 감소시킴으로써 평면 상의 밝기값과 같아 보이도록 보정한다. 이러한 지형적인 영향은 일반적으로 산악 지형에서 크게 나타나며, 이에 따라 산불 피해 지역 추정과 같은 산악 지형에 대한 영상 활용에서는 지형 정규화 기법이 필수적으로 고려되어야 한다. 그러나 대부분의 선행연구에서는 중저해상도의 위성영상에 대한 지형 보정 성능 및 분류 정확도 영향 분석을 수행함으로써, 고해상도 다시기 영상을 이용한 지형 정규화 기법 분석은 충분히 다루어지지 않았다. 이에 본 연구에서는 PlanetScope 영상을 이용하여 신속하고 정확한 국내 산불 피해 지역 탐지를 위한 각 밴드별 최적의 지형 정규화 기법 평가 및 선별을 수행하였다. PlanetScope 영상은 3 m 공간 해상도의 전세계 일일 위성영상을 제공한다는 점에서 신속한 영상 수급 및 영상 처리가 요구되는 재난 피해 평가 분야에 높은 활용 가능성을 지닌다. 지형 정규화 기법 비교를 위해 보편적으로 이용되고 있는 7가지 기법을 구현하였으며, 토지 피복 구성이 상이한 산불 전후 영상에 모두 적용, 분석함으로써 종합적인 피해 평가에 활용될 수 있는 밴드 별 최적 기법 조합을 제안하였다. 제안된 방법을 통해 계산된 식생 지수를 이용하여 화재 피해 지역 변화 탐지를 수행하였으며, 객체 기반 및 픽셀 기반 방법 모두에서 향상된 탐지 정확도를 나타내었다. 또한, 화재 피해 심각도(burn severity) 매핑을 통해 지형 정규화 기법이 연속적인 밝기값 분포에 미치는 효과를 확인하였다.

• 한국정보통신학회논문지
• /
• 제19권6호
• /
• pp.1506-1514
• /
• 2015

본 논문에서는 상황 인식 센서를 활용한 화재 발생 예측 및 탐지 방법을 제안한다. 기존 기상 및 비전 센서 기반의 산불 방재 시스템의 경우 카메라 센서로 획득한 영상을 조명변화에 강인한 색상공간인 HSI(Hue, Saturation, Intensity) 모형으로 변환시켜 처리하여 산불영역에 대한 특징을 추출하고 있다. 그러나 이 경우 단일 카메라 센서가 넓은 범위에 화재를 감지하기 때문에 넓은 범위의 화재가 발생하기 전까지는 화재발생을 감지하는데 어려움이 있다. 따라서 본 논문에서는 센서를 활용하여 실시간으로 온도, 습도, Co2, 불꽃유무정보를 습득하여 화재를 판단하는 알고리즘과 그에 따른 화재의 확산경로와 속도예측 및 안전구역 확보 알고리즘을 제안한다. 제안된 알고리즘은 복합적 인 상황에 따라 부여된 가중치를 수집된 데이터에 부여하여 화재를 판단하고, 시간에 따른 상황인식 분석을 통해 화재 이동방향과 속도를 예측하여 안전구역을 확보하는 기법이다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.695-706
• /
• 2022

중, 고해상도 광학위성은 산불발생지역의 탐지에 대해 그 효용성이 입증되었다. 그러나 산불과 함께 발생하는 연기는 지표에 입사하는 가시광선을 산란시키므로 산불발생지역의 모니터링에 방해가 되며 따라서 연기를 사전에 추출하는 기술이 필요하다. 딥러닝 기술은 연기추출의 정확도를 향상시킬 수 있으나, 학습용 데이터셋의 부족으로 인해 적용에 한계가 있다. 반면에 연기와 유사하게 가시광선을 산란시키는 성질을 지닌 구름은 현재까지 다량의 학습용 데이터셋이 축적되었다. 본 연구는 딥러닝을 활용하여 연기추출을 고도화하는 것이 그 목적이며, 그 과정에서 데이터셋의 부족에 따른 연기추출의 한계점을 구름을 활용한 전이학습으로 해결했다. 전이학습의 효율성 확인을 위해 본 연구에서는 Landsat-8 위성영상을 기반으로 연기추출 학습용 데이터셋을 소규모로 제작한 후, 공공 구름 데이터셋을 활용하여 전이학습을 적용하기 전과 후의 연기추출 성능을 비교하였다. 그 결과 가시광선 파장대역 뿐만이 아니라 근적외선(NIR)과 단파장 적외선(SWIR) 영역에도 전이학습시 성능이 뚜렷하게 향상됨을 확인할 수 있었다. 본 연구결과를 통해서 연기추출의 데이터셋의 부족을 해결할 수 있을 것으로 보이며, 더 나아가 연기추출의 고도화를 통해서 산불발생지역의 모니터링에 이점을 제시할 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.343-346
• /
• 2019

이 연구에서는 2019년 4월 4일 발생한 고성-속초 산불과 강릉-동해 산불의 피해지를 신뢰할 만한 수준으로 신속하게 파악하기 위하여, 고해상도 영상 기반의 산림고사지수를 개발하고 이를 Sentinel-2 영상에 적용한 결과를 소개하고자 한다. 고사한 산림과 건강한 산림은 매우 다른 분광특성을 보이는데, 특히 R-NIR-G 위색조합(false color composite)에서 그 차이가 뚜렷이 나타난다. 이러한 특성에 기초하여 개발된 산림고사지수를 적용한 결과, 고성-속초 산불의 피해면적은 약 701.16 ha, 강릉-동해 산불의 피해면적은 약 710.60 ha로 추정된다. 정확한 피해면적은 현장조사 등의 과정을 거쳐 추후에 공식적으로 확정되겠지만, 이러한 위성영상 분석은 신속한 피해현황 파악을 가능하게 하는 장점이 있다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1109-1123
• /
• 2020

국토 대부분이 산림으로 구성되어 있는 대한민국은 매 년 많은 산불이 발생한다. 산불은 토양의 전단강도를 약화시켜 산사태에 취약한 토양층을 만들기도 하고, 수목의 복구가능여부에 따라 다른 계획 설립이 필요하기 때문에 산불피해면적 뿐만 아니라 피해강도에 대한 파악도 중요하다. 위성 원격탐사를 통한 산불피해강도 추정 연구가 많이 수행되어 왔으나, NDVI(Normalized Difference Vegetation Index)와 NBR(Normalized Burn Ratio) 등과 같은 단일 인자의 시계열 변화만을 이용하여 피해강도를 파악하기에는 한계가 있다. 본 연구에서는 Sentinel-1A SAR-C (Synthetic Aperture Radar-C)와 Sentinel-2A MSI(Multi Spectral Instrument)센서의 자료를 이용하여 기계학습방법을 통한 산불 피해강도 탐지 모델들을 제시하였다. 2017년 5월 삼척, 2019년 4월 강릉·동해, 2019년 4월 고성·속초 총 세개의 산불사례를 이용하여 RF(Random forest), LR(Logistic regression), SVM(Support Vector Machine)기계학습 모델을 구축하였다. 연구결과, random forest 모델이 82.3%의 총정확도로 가장 높은 성능을 보여주었다. 모델의 범용성 및 학습자료 민감도 확인을 위해 사례교차검증도 추가 시행하였는데, 그 결과 사례들의 시기적 차이에 의한 식생활력 및 재생도의 차이에 민감도가 높음을 확인하였다. 이는 추후 다양한 시공간적 사례를 추가할 시 개선이 될 것으로 보인다.