• 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.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1107-1115
• /
• 2019

산불 피해와 관련하여 위성영상을 활용한 분석은 넓은 면적을 빠르게 분석하는 장점이 있다. 본 연구에서는 2019년 4월 4일 속초에서 발생한 산불 피해에 따른 산림의 변화 탐지를 위해 7장의 Sentinel-2A영상을 활용하였다. 산불피해지역 분류 과정은 NBR(normalized burn ratio) 값의 전후 시기 차이를 나타낸 dNBR(difference normalized burn ratio)을 통해 산불피해 정도를 7가지 단계로 분류하였다. 분류과정에서 본 연구는 식생의 재성장지수가 높은 3지역을 선정하여 해당 지역에 대한 세밀한 공간 분석을 실시하였다. dNBR 분석 결과는 활엽수림보다 침엽수림의 식생 재성장 분류가 큰 폭으로 나타났으나, NDVI를 통한 결과에서 가장 낮은 평균값을 보여주었다. 이는 침엽수림의 dNBR 오차범위로 나타난다. 시계열 결과로는 4월 20일과 5월 3일 사이를 기준으로 산불피해 면적이 큰 폭으로 감소하였다. 이는 경과한 시기의 활엽수림에서 하층 식생의 발달 및 식생 증가에 따른 피해 완화로 예를 들 수 있다. 본 연구 결과는 발생하는 산불 피해에 대하여 산림 분류 별 면적 변화를 통해 변화 탐지를 실시하였으며, NDVI와 dNBR 비교를 통해 침엽수림이 가장 높은 분류 오차가 발생한다는 결론을 도출하였다. 따라서 dNBR을 통한 영상분류과정에서 현장조사를 동반한 정밀한 국내 산불피해 등급표를 개선해야 할 필요성을 제시하였다.

• 한국환경복원기술학회지
• /
• 제25권5호
• /
• pp.43-57
• /
• 2022

This study aims to classify forest fire-affected areas, identify forest types by the intensity of forest fire damage using multi-time Landsat-satellite images before and after forest fires and to analyze the effects of artificial restoration sites and natural restoration sites. The difference in the values of the Normalized Burned Ratio(NBR) before and after forest fire damage not only maximized the identification of forest fire affected and unaffected areas, but also quantified the intensity of forest fire damage. The index was also used to confirm that the higher the intensity of forest fire damage in all forest fire-affected areas, the higher the proportion of coniferous forests, relatively. Monitoring was conducted after forest fires through Normalized Difference Vegetation Index(NDVI), an index suitable for the analysis of effects by restoration type and the NDVI values for artificial restoration sites were found to no longer be higher after recovering the average NDVI prior to the forest fire. On the other hand, the natural restoration site witnessed that the average NDVI value gradually became higher than before the forest fires. The study result confirms the natural resilience of forests and these results can serve as a basis for decision-making for future restoration plans for the forest fire affected areas. Further analysis with various conditions is required to improve accuracy and utilization for the policies, in particular, spatial analysis through forest maps as well as review through site checks before and immediately after forest fires. More precise analysis on the effects of restoration will be available based on a long term monitoring.

• 대한원격탐사학회지
• /
• 제35권6_4호
• /
• pp.1341-1350
• /
• 2019

본 연구는 산불 전후 KOMPSAT-3A 영상을 사용하여 산불피해지역을 분석하는 것을 목적으로 한다. KOMPSAT 시리즈 중 KOMPSAT-3A는 적외선 및 고해상도의 멀티 스펙트럼 밴드를 가진 VHR위성이다. 하지만, KOMPSAT-3A를 활용하여 산불피해강도를 분류하는 연구는 부족한 실정이다. 따라서 본 연구에서는 KOMPSAT-3A의 산불 피해강도를 분류하기 위한 새로운 알고리즘을 제시하는 것을 목표로 한다. 또한, 본 연구에서는 산불 피해지역에 대한 참조자료로 Sentinel-2로 생성한 dNBR을 사용하였다. 본 연구의 연구 지역은 2019년 4월 4일 강릉에서 발생한 산불 피해지역으로 선정하였다. 본 연구에서는 산불피해구간을 산정하기 위한 알고리즘으로 오픈 소스 통계 프로그램인 R software의 확률분포함수를 사용하였다. KOMPSAT-3A에서 산불 피해지역은 산불 전, 후 NDVI의 변화에 따라 생성되었다. 산불피해강도는 분포 함수의 표준 편차를 사용하여 각 등급 크기를 산정하였다. 총 5개 구간에 따른 산불 피해 강도가 효과적으로 분류되었다.

• 한국추진공학회지
• /
• 제8권2호
• /
• pp.95-101
• /
• 2004

보론 카바이드를 함유한 고체연료 그레인을 사용하여 당량비와 공기 질량 유속에 따라 연소 효율이 어떻게 변하는가를 조사하였다. 연소 효율은 당량비의 증가 방향과 질량유속 감소 방향에 따라서 증가하였다. 높은 흡입온도가 높은 연소 효율을 보이는데 이는 확산 영역에서 큰 보론 입자들의 연소 증진 결과이다. 재순환 영역으로 주로 이루어진 짧은 그레인에서는 큰 보론 입자의 형성으로 연소 효율은 감소하고 있다. 흡입 온도에 따라 증가하는 연소 효율은 흡입온도 증가에 따라 일반적으로 열역학적 사이클의 효율이 감소하는 것과는 상반되는 방향이나 실험적 결과를 해석할 때 합당한 결과로 나타나고 있다.

• 한국자원식물학회지
• /
• 제35권2호
• /
• pp.169-182
• /
• 2022

본 연구는 산불피해가 발생한 접경지역 산림 내 희귀특산식물(개느삼) 분포를 예측하고 피해를 정량화하고자 수행되었다. 이를 위해 산불피해강도에 따른 산림면적 피해(NBR), 임상도를 통한 수종별 피해(Vegetation map), MaxEnt 모델 분석을 수행, 보다 정밀한 결과를 도출하고자 하였다. 우선, 산불피해강도 분석은 위성영상(Landsat-8)을 활용하여, 산불피해강도(ΔNBR_2016-2015)를 분석하고 피해범위를 도출하였다. 임상도 작성은 환경부의 토지피복도, 산림청의 임상도, 자체적으로 식생조사를 진행하여, 산불 전·후의 임상도를 작성하고, 수종 피해 및 변화를 확인하였다. 마지막으로 MaxEnt 모델 분석은 관련문헌과 자체조사 자료를 기준으로 작성된 개느삼 실제서식지 좌표를 활용하여, AUC(Area Under Curve) 값을 도출하였다. 분석된 결과의 정밀도를 높이고자, 임상도와 결합하여, 개느삼이 주로 분포하는 소나무 군락 및 소나무-참나무림 군락을 대상으로 재분석한 결과, 대상지 내 개느삼 실제출현 좌표 325개소 중 299개 지점에서 개느삼 출현가능성이 92.0%로 예측되어 유의미한 결과를 얻을 수 있었다. 해당 자료를 산불피해강도(ΔNBR_2016-2015) 자료와 중첩한 결과, 산불피해지 내 개느삼 서식가능지(예측) 면적 44,760 m²의 45.9%인 20,552 m²가 훼손된 것을 확인할 수 있었다. 따라서 본 연구는 산불로 인해 훼손된 희귀식물 서식지 면적을 정량화하고 희귀식물 보전·관리를 위한 사례가 될 것으로 기대된다.

• 한국농림기상학회지
• /
• 제10권1호
• /
• pp.17-24
• /
• 2008

지구온난화 문제는 국지적, 국내적 환경문제가 아닌 범지구적 차원에서 해결하여야 할 문제로 온실가스 규제와 지구환경의 조화를 위한 국제적 노력이 요구된다. 따라서 본 연구에서는 바이오매스 연소시 배출되는 비이산화탄소의 배출량을 정량적으로 추정하기 위한 방법론을 제시하고자 하였고, 산불피해지 구분은 물론 피해강도에 따라 배출되는 비이산화탄소 온실가스를 정량적으로 추정하기 위해 위성영상 자료를 활용하였으며, IPCC 기준인 Tier 2 수준으로 비이산화탄소 온실가스 배출량을 추정하였다. 본 연구에서는 2000년 4월에 발생한 우리나라 최대 산불인 삼척피해지를 대상으로 산불 전후 동일시기에 관측된 Landsat 위성영상으로부터 정규탄화지수(NBR)를 추출하여 산불피해지역과 피해강도를 정량적으로 분석하였다. 위성영상에서 추출된 피해면적과 피해강도별 분석자료는 바이오매스 연소로 인해 직접 배출되는 비이산화탄소 배출량 추정을 위한 활동자료로 활용하였다. 비이산화탄소 배출량 추정을 위해 IPCC의 추정식을 이용하였다. 산불피해강도별 연소효율은 피해강도가 '심'(burn severity: high)인 수관화 지역의 경우 0.43, 피해강도 '중'(burn severity: moderate) 0.40, 그리고 피해강도가 '경'인 지표화지(burn severity: low)의 경우는 0.15를 적용하였다. 바이오매스 연소시 배출되는 비이산화탄소 온실가스별 배출계수는 CO 130, $CH_4$ 9, $NO_x$ 0.7, $N_2O$ 0.11 값을 적용하였다. 삼척 산불피해지의 dNBR에 의한 피해강도 분석 결과, 전체 피해면적은 16,200ha로 나타났으며, 피해강도는 '경(Low: dNBR 152 이하)' 35%, '중(Moderate: dNBR 153-190)' 33%, '심(High: dNBR 191-255)' 32%의 면적분포를 보였다. 임상별 피해면적은 침엽수림 11,506ha(77%), 활엽수림 453ha(3%) 그리고 혼효림에서 2,978ha(20%)의 피해를 입은 것으로 평가되었다. 삼척 산불피해지의 바이오매스 연소로 인해 직접 배출된 비이산화탄소 배출량 추정 결과, CO 93%, CH4 6.4%, $NO_x$ 0.5%, $N_2O$ 0.1%의 순으로 배출량이 많았다. 삼척 산불피해지의 강도별 피해면적은 32%$\sim$35%의 분포로 고른 양상을 보이고 있지만 피해강도 '중' 지역에서 배출된 비이산화탄소의 양이 전체의 47%를 차지하여 배출율이 가장 높은 것으로 나타났다. 삼척산불 피해지의 총 비이산화탄소 온실가스 배출량은 CO 44.100Gg, CH4 3.053Gg, $NO_x$ 0.238Gg 그리고 $N_2O$는 0.038Gg이 배출된 것으로 추정되었다.

• 현장농수산연구지
• /
• 제24권3호
• /
• pp.33-43
• /
• 2022

This study was conducted to monitor the vegetation recovery in the areas damaged by the forest fires on the east coast that occurred in April 2000. The study site was a forest fire-damaged area in Samcheok-si, Gangwon-do, and 21 monitoring areas (12 natural restoration sites, 9 artificial restoration sites) were selected to analyze the vegetation recovery trend since 1998. The vegetation recovery trend was compared by calculating the values according to the year using the difference Normalized Burn Ratio (dNBR) and Normalized Difference Vegetation Index (NDVI) based on satellite images (Landsat TM/ETM+ and Sentinel-2A). As the result of this study, all 21 sites, vegetation was recovered, and both groups showed the greatest recovery in summer. In the case of the dNBR, the artificial restored sites showed higher values than the natural restored sites, and in the case of the NDVI, the natural restored sites were higher than the artificially restored sites in summer and autumn. However, the difference between the two groups of natural and artificial restoration sites was not significant. Therefore, the direction of forest restoration after forest fire damage can be effectively restored if properly implemented for the purpose of restoration of the target site.

• 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.

• 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.