[국내논문]Landsat 영상으로부터 정규탄화지수 추출과 산불피해지역 및 피해강도의 정량적 분석 An Quantitative Analysis of Severity Classification and Burn Severity for the Large Forest Fire Areas using Normalized Burn Ratio of Landsat Imagery원문보기
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.
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.
Forest fire is the dominant large-scale disturbance mechanism in the Korean temperate forest, and it strongly influences forest structure and function. Moreover burn severity incorporates both short- and long-term post-fire effects on the local and regional environment. Burn severity is defined by t...
Forest fire is the dominant large-scale disturbance mechanism in the Korean temperate forest, and it strongly influences forest structure and function. Moreover burn severity incorporates both short- and long-term post-fire effects on the local and regional environment. Burn severity is defined by the degree to which an ecosystem has changed owing to the fire. Vegetation rehabilitation may specifically vary according to burn severity after fire. To understand burn severity and process of vegetation rehabilitation at the damaged area after large-fire is required a lot of man powers and budgets. However the analysis of burn severity in the forest area using satellite imagery can acquire rapidly information and more objective results remotely in the large-fire area. Space and airbone sensors have been used to map area burned, assess characteristics of active fires, and characterize post-fire ecological effects. For classifying fire damaged area and analyzing burn severity of Samcheok fire area occurred in 2000, Cheongyang fire in 2002, and Yangyang fire in 2005 we utilized Normalized Burn Ratio(NBR) technique. The NBR is temporally differenced between pre- and post-fire datasets to determine the extent and degree of change detected from burning. In this paper we use pre- and post-fire imagery from the Landsat TM and ETM+ imagery to compute the NBR and evaluate large-scale patterns of burn severity at 30m spatial resolution. 65% in the Samcheok fire area, 91% in the Cheongyang fire area and 65% in the Yangyang fire area were corresponded to burn severity class above 'High'. Therefore the use of a remotely sensed Differenced Normalized Burn Ratio(${\Delta}NBR$) by RS and GIS allows for the burn severity to be quantified spatially by mapping damaged domain and burn severity across large-fire area.
Forest fire is the dominant large-scale disturbance mechanism in the Korean temperate forest, and it strongly influences forest structure and function. Moreover burn severity incorporates both short- and long-term post-fire effects on the local and regional environment. Burn severity is defined by the degree to which an ecosystem has changed owing to the fire. Vegetation rehabilitation may specifically vary according to burn severity after fire. To understand burn severity and process of vegetation rehabilitation at the damaged area after large-fire is required a lot of man powers and budgets. However the analysis of burn severity in the forest area using satellite imagery can acquire rapidly information and more objective results remotely in the large-fire area. Space and airbone sensors have been used to map area burned, assess characteristics of active fires, and characterize post-fire ecological effects. For classifying fire damaged area and analyzing burn severity of Samcheok fire area occurred in 2000, Cheongyang fire in 2002, and Yangyang fire in 2005 we utilized Normalized Burn Ratio(NBR) technique. The NBR is temporally differenced between pre- and post-fire datasets to determine the extent and degree of change detected from burning. In this paper we use pre- and post-fire imagery from the Landsat TM and ETM+ imagery to compute the NBR and evaluate large-scale patterns of burn severity at 30m spatial resolution. 65% in the Samcheok fire area, 91% in the Cheongyang fire area and 65% in the Yangyang fire area were corresponded to burn severity class above 'High'. Therefore the use of a remotely sensed Differenced Normalized Burn Ratio(${\Delta}NBR$) by RS and GIS allows for the burn severity to be quantified spatially by mapping damaged domain and burn severity across large-fire area.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구의 목적은 2000년, 2002년, 2005년 4월에 발생한 삼척, 청양 . 예산 그리고 양양 대형 산불피해지를 대상으로 피해 전후 동일시기의 Landsat 위성영상 자료를 활용하여 산불발생 피해지역을 탐지한 후 피해지역을 구분하고 정규탄화지수(NBR)를 유도 평가하여 산불피해지역의 피해강도를 정량적으로 분석하는데 있다.
본 연구에서는 위성영상자료를 이용하여 산불피해지 구획과 피해강도 분석을 위해 정규탄화지수(NBR)를 고찰하였다. Landsat TM/ETM+ 영상자료에 대하여 기 기하보정된 영상을 이용하여 영상대 영상정합(image to image)을통해 TM(Transverse Mercator) 좌표체계(중부원점)에 따라 투영변환한 다음 공1차 내삽법(bilinear interpolation)에 의해 각 화소값 (DN)을 30mx30m 크기로 재배열하였으며, 이때 영상 좌표변환은 X, Y 각 방향에 대해 RMSE 0.
4월에 발생한 삼척, 청양 . 예산 그리고 양양 대형 산불피해지를 대상으로 피해 전후 동일시기의 Landsat 위성영상 자료를 활용하여 산불발생 피해지역을 탐지한 후 피해지역을 구분하고 정규탄화지수(NBR)를 유도 평가하여 산불피해지역의 피해강도를 정량적으로 분석하는데 있다.
제안 방법
고찰하였다. Landsat TM/ETM+ 영상자료에 대하여 기 기하보정된 영상을 이용하여 영상대 영상정합(image to image)을통해 TM(Transverse Mercator) 좌표체계(중부원점)에 따라 투영변환한 다음 공1차 내삽법(bilinear interpolation)에 의해 각 화소값 (DN)을 30mx30m 크기로 재배열하였으며, 이때 영상 좌표변환은 X, Y 각 방향에 대해 RMSE 0.5 픽셀 이내의 정확도로 수행하였다.
△NBR 값은 산불로 인한 피해 강도가 증가할수록 정규탄화지수(NBR) 값이 증가하는 일반적인 결과를 보였다. △ NBR 값의 추출을 위해 산불피해 전과 피해 후의 Landsat 영상에서 두 시기의 NBR(=(R4-R7)/(R4+R7)) 주제도를 작성하였으며, 피해강도 분석을 용이하게 하기 위해 0에서 255까지의 8bit 정수값을 갖도록 선형변환하였다(그림6, 7, 8).
본 연구에서는 3개의 연구대상지에 대한연도별 NBR값을 계산한 다음 시기별 NBR 변화 모델을 분석하였으며 시기별 ANBR 통계량(평균, 표준편차 등)을 산출한 후 각 구간별 임계치(threshold)를 추출하여 산불 강도별 피해등급을 구분하였다. ANBR 변화량에 대한 구간별 피해등급은 표 2, 표 3 그리고 표 4와 같다.
NBRe -1에서 +1의 범위를 가지며 ANBR 은 -2에서 +2의 범위값을 가지기 때문에 0~255 8bit 정수값을 갖도록 선형변환하였다. 산불피해지역의 구획을 위해 분석된 ANBR 주제도를 활용하여 산불피해를 입은 외곽선을 On-screen 디지타이징을 실시하여 피해 경계를 설정하였다. 자료처리를 위해서 Image Analyst 원격탐사 이미지 처리 프로그램과 ArcGIS 9.
예산, 양양지역을 대상으로 산불 전후 동일시기에 관측된 Landsat 위성영상자료를 이용하여 산불피해지 구분은 물론 Landsat TM/ETM+ 영상의 근적외선 대역(4번 밴드)과 중적외선 대역(7번 밴드)을 조합하여 정규화 할 수 있는 정규탄화지수(NBR)를 유도하여 산불피해 강도를 정량적으로 분석하였다. NBR과 ANBR< 이용하여 산불피해지 구분 및 피해강도를 분석한 결과는 다음과 같다.
정량적으로 측정할 수 있다. 이 알고리즘은 Landsat 자료를 이용하여 밴드별 분광 패턴 비율(band ratio)과 영상의 다주기 변화를 이용하여 지수를 산출한다. 정규탄화지수 (NBR)는 전자기적 분광대역인 근적외와 중적외대역(Landsat TM과 ETM+ 센서의 4번과 7 번 밴드에 해당)을 이용하여 계산한다(식 1).
35㎛)는 토양의 수분분포 등 토양 반응에 민감하다. 이러한 Landsat 영상의 밴드별 특성을 이용하여 산불피해 전과 후의 4번과 7번 밴드의 조합을 통해 산불피해지 구획은 물론 피해강도를 분석하는데 활용하였다. 즉 산불피해를 받은 식생은 피해 정도가 심할수록 식생활력도가 급격히 떨어지는 반면 수관층과 지표층이 완전 연소된지역은 토양 반사로 인해 분광값이 증가하는 특성을 이용하였다.
산불피해지역의 구획을 위해 분석된 ANBR 주제도를 활용하여 산불피해를 입은 외곽선을 On-screen 디지타이징을 실시하여 피해 경계를 설정하였다. 자료처리를 위해서 Image Analyst 원격탐사 이미지 처리 프로그램과 ArcGIS 9.1 GIS 프로그램을 이용하였으며, 위성영상 처리에서부터 산불피해지 구분 및 피해강도 분석과정은 그림 2와 같다.
이러한 Landsat 영상의 밴드별 특성을 이용하여 산불피해 전과 후의 4번과 7번 밴드의 조합을 통해 산불피해지 구획은 물론 피해강도를 분석하는데 활용하였다. 즉 산불피해를 받은 식생은 피해 정도가 심할수록 식생활력도가 급격히 떨어지는 반면 수관층과 지표층이 완전 연소된지역은 토양 반사로 인해 분광값이 증가하는 특성을 이용하였다. 따라서 정규탄화지수 (NBR)를 이용하여 추출한 결과를 시각적으로 판독하여 대상지역의 산불에 의한 영향을 정량화할 수 있다.
대상 데이터
최소화해야 한다. 따라서 본 연구에서는 산불이 발생 전과 직후의 연차별 구입가능한 동일시기의 영상자료를 활용하였다. 구름이 많거나 촬영시기가 비교적 일치하지 않은 영상은 분석에서 제외하였다.
본 연구는 2000년 들어 발생한 삼척(2000.4.7), 청양 . 예산(2002.
본 연구에서는 2000년, 2002년, 2005년 4월에 발생한 대형산불 피해지인 삼척, 청양 . 예산, 양양지역을 대상으로 산불 전후 동일시기에 관측된 Landsat 위성영상자료를 이용하여 산불피해지 구분은 물론 Landsat TM/ETM+ 영상의 근적외선 대역(4번 밴드)과 중적외선 대역(7번 밴드)을 조합하여 정규화 할 수 있는 정규탄화지수(NBR)를 유도하여 산불피해 강도를 정량적으로 분석하였다.
정규탄화지수(NBR) 차이를 이용한 산불피해지역 구분
분석에 사용된 강원도 삼척, 충남 청양 . 예산, 강원도 양양 일대의 Landsat TM, ETM+ 위성영상은 그림 3, 그림 4, 그림 5와 같다.
4) 대형산불피해 지역을 대상으로 하였다(그림 1). 산불피해지 역의 피해강도 분석을 위해 Lansat TM과 ETM+ 영상을 사용하였다. Landsat TM, ETM+는 가시광선, 근적외선, 중적외선 대역의 7개 밴드를 가지고 있는 30m 공간 해상도의 다중분광 영상이 다.
7), 청양 . 예산(2002.4.14), 양양(2005.4.4) 대형산불피해 지역을 대상으로 하였다(그림 1). 산불피해지 역의 피해강도 분석을 위해 Lansat TM과 ETM+ 영상을 사용하였다.
성능/효과
후의 △NBR(NBRprefire - NBRpostfire) 값을 추출하였다. △NBR 값은 산불로 인한 피해 강도가 증가할수록 정규탄화지수(NBR) 값이 증가하는 일반적인 결과를 보였다. △ NBR 값의 추출을 위해 산불피해 전과 피해 후의 Landsat 영상에서 두 시기의 NBR(=(R4-R7)/(R4+R7)) 주제도를 작성하였으며, 피해강도 분석을 용이하게 하기 위해 0에서 255까지의 8bit 정수값을 갖도록 선형변환하였다(그림6, 7, 8).
△NBR 분석 결과, 삼척산불피해지는 피해 강도 '중' 이상(eNBR 152 이상) 지역이 전체의 65%를 차지하였으며 청양. 예산산불피해지는 91%, 양양산불피해지는 65%로 나타나 3지역 중 청양.
산불피해전후의 NBR 값의 차이는 산불 지역 내에서 가장 큰 범위의 동적변화를 보였으며 산불피해지와 미 피해지의 식별을 최대화할 수 있을 뿐 아니라 피해강도(burn severity) 범위간 최고의 대비를 보였다. 따라서 Landsat 위성영상에서 추출한 정규탄화지수(NBR) 를활용하여 대형산불로 인한 피해강도를 정량화할 수 있을 것으로 사료된다.
이상의 분석결과를 근거로 하여 3개 지역의 대형산불로 인한 산불강도별 피해면적과 산불피해등급별 공간적 분포를 정확하게 파악할 수 있다. 2000년 삼척산불은 피해면적이 매우 넓으면서 피해강도 또한 '중’ 이상 지역이 대부분이었으며, 2002년 청양 .
표 5에서처럼 삼척 산불피해지 ANBR 분석 결과, 피해강도 ‘중(High)’에 해당하는 △ NBR 구간 152-190에서 33.5%를 차지하여 가장 많은 분포를 보였으며, 피해강도 '심(Very high~Extreme)’에 해당하는 ANBR 구간 190-255에서 약 32%의 면적분포를 보였다. △ NBR 분석 결과 삼척지역의 산불에 의한 전체피해면적은 16, 200ha로 나타났다.
후속연구
대형산불 발생 후 원격탐사를 이용한 식생 분석은 대규모 지역에서 신속하고 객관적인 분석 결과를 얻을 수 있다는 점에서 효용성이 있어 이러한 결과를 다른 분야에 제공함으로써 연구과제의 연결성과 분석의 효용성을 최대화할 수 있다.
최고의 대비를 보였다. 따라서 Landsat 위성영상에서 추출한 정규탄화지수(NBR) 를활용하여 대형산불로 인한 피해강도를 정량화할 수 있을 것으로 사료된다.
경 3단계 피해에 의한 육안적 판단 기준과 5단계에 의한 판단기준이 다르기 때문으로 판단된다. 따라서 위성영상자료에서 추출한 eNBR을 이용하여 피해강도를 분류할 경우에는 피해강도에 따른 기준을 사전에 수립하여 강도별 GPS 좌표와 종합피해지수(CBI) 와 같은 현장조사 결과를 병행하여 검증자료로 활용하여야 할 것으로 판단되며, 향후 산불피해지의 신속하고 정확한 피해지 구획, 임상별 피해강도 평가, 지형환경에 따른 피해 강도평가 등 다양한 경관평가(landscape assessment) 를 위해서는 피해강도의 기준은 물론 조사 방법 모델을 정립하여 정성 . 정량화할 필요가 있다.
따라서 향후 산불피해지의 신속하고 정확한 피해지 구획, 임상별 피해강도 평가, 지형환경에 따른 피해강도 평가 등 다양한 경관평가 (landscape assessment)를 위해서는 피해 강도의 기준은 물론 조사방법에 대한 모델을 개발할 필요가 있다. 巫亘f
경 피해에 대한 육안적 판단 및 피해 기준에 대한 불확실성이 상존하기 때문으로 판단된다. 또한 위성영상자료에서 추출한 △ NBR을 이용하여 피해강도를 분류할 경우에는 피해 강도에 따른 정의를 사전에 수립하여 강도별 GPS 좌표와 종합피해지수(CBI)와 같은 현장 조사 결과를 병행하여 검증자료로 활용하여야 할 것으로 사료된다. 아울러 무엇보다도 중요한 것은 Landsat 위성의 수명으로 인해 대형산불 발생시 이를 대체할 수 있는 위성영상의 선정과 피해강도 분석기법에 대한 연구가 진행되어야 할 것으로 보인다.
또한 위성영상자료에서 추출한 △ NBR을 이용하여 피해강도를 분류할 경우에는 피해 강도에 따른 정의를 사전에 수립하여 강도별 GPS 좌표와 종합피해지수(CBI)와 같은 현장 조사 결과를 병행하여 검증자료로 활용하여야 할 것으로 사료된다. 아울러 무엇보다도 중요한 것은 Landsat 위성의 수명으로 인해 대형산불 발생시 이를 대체할 수 있는 위성영상의 선정과 피해강도 분석기법에 대한 연구가 진행되어야 할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.