• 대한원격탐사학회지
• /
• 제24권2호
• /
• pp.195-203
• /
• 2008

본 연구는 KOMFSAT-2호 및 3호의 화상활용의 일환으로 고해상도 위성화상을 이용한 산불피해비율(NBR) 기반의 산불피해등급도 작성 개발이다. 무엇보다 중적외선 밴드가 없는 IKONOS 화상에서 NBR 산법개발과 NBR 기초한 삼척과 청양 예산 산불피해지의 산불피해등급도를 기존의 다른 기법과 평가한 결과 우수성이 입증되었다. 향후 고해상도 KOMPSAT 화상을 이용한 NBR 기반의 산불피해등급도는 산불 후 피해복원에 중요한 정보를 제공할 것이다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1551-1565
• /
• 2020

On April 4, 2019, a forest fire started in Goseong County and lasted for three days, burning the neighboring areas of Sokcho. The strong winds moved the blaze from one region to another region and declared the worst wildfire in South Korea in years. More than 1,880 facilities, including 400 homes, were burnt down. The fire burned a total area of 529 hectares (1,307 acres), which involved 13,000 rescuers and 16,500 military troops to control the fire occurrence. Thousands of people were evacuated, and two people are dead. This study generated post-wildfire maps to provide necessary data for evacuation and mitigation planning to respond to this destructive wildfire, also prevent further damage and restore the area affected by the wildfire. This study used KOMPSAT-3A and Sentinel-2 imagery to map the post-wildfire condition. The SVM showed higher accuracy (overall accuracy 95.29%) compared with ANN (overall accuracy of 94.61%) for the KOMPSAT-3A. Moreover, for Sentinel-2, the SVM attained a higher accuracy (overall accuracy of 91.52%) than the ANN algorithm (overall accuracy 90.11%). In total, four post-wildfire burned area maps were generated; these results can be used to assess the area affected by the Sokcho wildfire and wildfire mitigation planning in the future.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.274-274
• /
• 2002

Damage to forest trees, caused by wildfire, changes their spectral reflectance signature. This factor led to the initiation of a research project at the Remote Sensing & GIS Laboratory, Kookmin University, to determine if multispectral data acquired by IKONOS could provide fire scar and bum severity mapping. This paper will present detail mapping of burned areas in the eastern coast of Korea with IKONOS imagery. In addition, a single post-burn Landsat-7 ETM＋ data was used to compare with IKONOS, the study area. Burn severity map based on IKONOS image was found to be affected by strong topographic illumination effects in the mountain forest. But it has better the delineation of the bum-scarred area. In this study the NDVI was analyzed for geometric illumination conditions influenced by topography(slop, aspect and elevation) and shadow(solar elevation and azimuth angle).

• 대한원격탐사학회지
• /
• 제25권1호
• /
• pp.85-94
• /
• 2009

본 논문은 중적외선 밴드가 없는 고해상도 QuickBird 화상을 이용하여 옥계 산불피해지의 삼림교란 지도화에 관한 연구이다. Landsat ETM+ ${\Delta}NBR$에 기초한 QuickBird NBR을 통해 산불피해등급도 보다 발전된 산불후 삼림교란도를 작성하였다. 무엇보다 QuickBird 수분지수와 Landsat ETM+ 7(중적외선)밴드 간의 상관계수에 QuickBird 수분지수를 곱한 치환수치로 생성되는 MIR모의밴드를 통해 산불피해 등급도와 산불후 삼림교란도가 제작된다. QuickBird NBR기반의 산불후 삼림교란도는 Landsat ETM+ ${\Delta}NBR$기반의 산불피해등급도와의 비교 정확도 평가에서 본질적 확실의 높은 일치성(KHAT값=0.7886)을 갖고 있어, 산불피해지의 자연복원 나아가 삼림벌채로 야기된 삼림교란에 유용하게 사용될 것이다.

• 한국산림과학회지
• /
• 제89권4호
• /
• pp.470-479
• /
• 2000

광주광역시(光州廣域市)의 대표적인 도시림(都市林)인 무등산(無等山)에 발달하고 있는 산림식생(山林植生)의 보전(保全)과 관리(管理)를 목적으로 식물사회학적(植物社會學的)인 방법에 의해 그 관리단위(管理單位)가 구분되고 그것의 공간적(空間的) 분포(分布)가 정밀(精密)하게 지도화(地圖化)되었다. 이 지역의 산림식생관리단위(山林植生管理單位)는 상위(上位) 21개(個) 단위(單位), 하위(下位) 10개(個) 단위(單位) 그리고 최종하위(最終下位) 9개(個) 단위(單位)로 구분되었으며, 총(總) 31개의 관리구성(管理區城)이 결정되었다. 정밀식생도(情密植生圖) 작성면적은 2,779.5ha이며, 그 중 자연식생(自然植生)이 78.9%인 2,192.0ha로 대부분을 차지하고 있었으며, 인공식생(人工植生)과 무립목지(無立木地)가 각각 5.7%인 159.1ha, 15.5%인 428.4ha로 나타났다. 자연림요소율(自然林要素率)은 타 지역의 도시림에 비교하여 볼 때 아주 높은 93.2%로 나타났다.

• 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.

• 한국지리정보학회지
• /
• 제10권3호
• /
• pp.80-92
• /
• 2007

산불은 우리나라 산림의 주요 교란요소중의 하나로써 산림 구조와 기능에 매우 큰 영향을 미치며, 산불피해강도에 따라 피해 후 식생회복 과정이 달라질 수 있다. 대형산불 피해지의 피해강도와 식생회복 과정을 파악하기 위해서는 많은 인력과 예산이 필요하지만 위성영상자료를 이용한 산불피해지의 피해강도 분석은 신속한 정보는 물론 대규모 피해지의 객관적인 결과를 원격적으로 취득할 수 있다. 위성과 항공기 탑재 센서들은 피해규모를 맵핑하고 진행산불 특성을 평가하며 산불피해후의 생태적 영향 특성을 규명하는데 활용되고 있다. 본 연구에서는 2000년 삼척산불, 2002년 청양산불 그리고 2005년 양양 대형산불 피해지를 구분하고 피해강도를 정량적으로 분석하기 위해 정규탄화지수(Normalized Burn Ratio: NBR)를 활용하였다. 본 연구를 위해 산불피해 전후 동일시기의 Landsat 위성영상 자료를 활용하여 정규탄화지수(NBR)를 산출하고 30m 해상도의 피해강도 패턴을 평가하였다. 산불피해강도 평가결과, 삼척산불 피해지는 피해강도 '중' 이상(${\Delta}NBR$ 152 이상) 지역이 전체의 65%를 차지하였으며 청양 예산산불피해지는 91%, 양양산불피해지는 65%로 나타나 3지역 중 청양 예산지역이 피해강도 측면에서만 보면 가장 큰 피해를 입은 것으로 분석되었다. 따라서 RS와 GIS를 이용하여 원격 탐지된 ${\Delta}NBR$은 대규모 산불피해지의 구분은 물론 산불피해강도를 공간적으로 정량화할 수 있다.

• 대한토목학회논문집
• /
• 제43권6호
• /
• pp.883-896
• /
• 2023

인간 활동 영역이 산지 곳곳에 퍼져 있는 한국에서는 산불이 주거지역이나 각종 시설물을 위협하는 경우가 잦다. 따라서 산불 이후 대책 마련과 피해 복구를 위해 피해 범위를 빠르게 파악할 필요가 있으며, 이러한 경우 원격탐사가 유용한 도구가 될 수 있다. 본 연구에서는 2019년 4월에 발생한 고성·속초 산불 피해지역에 k-nearest neighbor (kNN) 알고리즘을 적용하여 피해 범위를 탐지하는 실험을 수행하였다. 다양한 인공지물을 포함하는 지표와 숲이 혼재된 지역 특성을 고려하여 적절한 공간 해상도와 시간 해상도를 제공하는 Sentinel-2 multispectral instrument (MSI) 자료를 사용하였다. Sentinel-2 MSI의 여섯 밴드와 정규식생지수(NDVI), 정규탄화지수(NBR)를 분류 특성으로 사용하였다. 산불 피해지역과 비피해 지역에서 무작위로 추출된 2,000개 지점 정보를 이용하여 kNN 분류기를 훈련시켰다. 분류 성능을 높이기 위해 데이터에서 특이값을 제거하고 임상도를 병용하였다. 다양한 이웃(neighbor) 수와 분류 특성 조합을 적용하여 산불 후 데이터를 이용한 실험과 산불 전후 데이터 차이를 이용한 실험을 수행하였다. 산불 전후 데이터 차이를 이용하였을 때 더 우수한 분류 성과를 얻을 수 있었지만, 산불 후 데이터만을 이용한 경우에도 피해지역의 범위를 파악할 수 있었다.

• 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.