$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Landsat TM 영상자료를 활용한 삼척 대형산불 피해지의 비이산화탄소 온실가스 배출량 추정
Estimation of non-CO2 Greenhouse Gases Emissions from Biomass Burning in the Samcheok Large-Fire Area Using Landsat TM Imagery 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.10 no.1, 2008년, pp.17 - 24  

원명수 (국립산림과학원) ,  구교상 (국립산림과학원) ,  이명보 (국립산림과학원) ,  손영모 (국립산림과학원)

초록
AI-Helper 아이콘AI-Helper

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.

Abstract AI-Helper 아이콘AI-Helper

This study was performed to estimate non-$CO_2$ greenhouse gases (i.e., GHGs) emission from biomass burning at a local scale. Estimation of non-$CO_2$ GHGs emission was conducted using Landsat TM satellite imagery in order to assess the damage degree in burnt area and its effec...

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 그러나, 우리나라에서는 산불로 인해 배출되는 비이산화탄소를 정량적/과학적으로 측정 및 평가할 수 있는 기초적 연구가 이루어지지 못하고 있는 실정이다. 따라서 본 연구에서는 바이오매스 연소 시 배출되는 비이산화탄소의 배출량을 정량적으로 추정하기 위한 방법론을 제시하고자 하였다. 이를 위하여 위성영상 자료를 활용, Tier 2와 3* 수준으로 가기 위한 활동자료 구축 방안을 모색하고자 하였다.
  • 따라서 본 연구에서는 바이오매스 연소 시 배출되는 비이산화탄소의 배출량을 정량적으로 추정하기 위한 방법론을 제시하고자 하였다. 이를 위하여 위성영상 자료를 활용, Tier 2와 3* 수준으로 가기 위한 활동자료 구축 방안을 모색하고자 하였다.

가설 설정

  • 그리고 다른 임상구조에 비해 산불에 강한 활엽수림은 대부분 지표화지(surface fire area)로 피해강도 ‘경’지역으로 가정하였다.
  • 단, 피해강도별로 연소효율을 적용할 때, 비이산화탄소 배출량 추정시 산불에 취약한 침엽수림은 피해강도 ‘심’ 지역으로 가정하였고 상대적으로 덜 취약한 혼효림은 피해강도 ‘중’ 지역으로 가정하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
산불피해로 인한 분광 패턴의 변화 분석은 무엇을 이용해 수행이 가능한가? 산불피해로 인한 분광 패턴의 변화 분석은 산불피해 전후 영상의 정규탄화지수(normalized burn ratio; NBR)와 정규식생지수(normalized difference vegetation index; NDVI)와 같은 분광밴드들의 조합을 이용하여 수행될 수 있다. 특히, NBR과 delta normalized burn ratio(dNBR)은 원격탐사 자료에서 산불 피해강도를 추정하는데 유용하다(Key and Benson, 2002, 2006; van Wagtendonk et al.
NBR과 delta normalized burn ratio(dNBR)은 무엇에 유용한가? 산불피해로 인한 분광 패턴의 변화 분석은 산불피해 전후 영상의 정규탄화지수(normalized burn ratio; NBR)와 정규식생지수(normalized difference vegetation index; NDVI)와 같은 분광밴드들의 조합을 이용하여 수행될 수 있다. 특히, NBR과 delta normalized burn ratio(dNBR)은 원격탐사 자료에서 산불 피해강도를 추정하는데 유용하다(Key and Benson, 2002, 2006; van Wagtendonk et al., 2004; Cocke et al.
교토의정서 발효 이후, 이산화탄소 및 비이산화탄소(non-CO2) 흡수 및 배출량을 정량화하여 경제적으로 불이익을 받지 않기 위한 연구 개발을 활발히 진행하고 있는 세계 각국과 달리 우리나라는 어떠한 실정인가? 교토의정서 발효 이후 세계 각국은 산불, 산림전용 등 산림교란에 의해 발생되는 이산화탄소 및 비이산화탄소(non-CO2) 흡수 및 배출량을 정량화하여 경제적으로 불이익을 받지 않기 위한 연구 개발을 활발히 진행하고 있다. 그러나, 우리나라에서는 산불로 인해 배출되는 비이산화탄소를 정량적/과학적으로 측정 및 평가할 수 있는 기초적 연구가 이루어지지 못하고 있는 실정이다. 따라서 본 연구에서는 바이오매스 연소 시 배출되는 비이산화탄소의 배출량을 정량적으로 추정하기 위한 방법론을 제시하고자 하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Cocke, A. E., P. Z. Fule, and J. E. Crouse, 2005: Comparison of burn severity assessments using differenced normalized burn ratio and ground data. International Journal of Wildland Fire 14(2), 189-198 

  2. Crutzen, P. J., and M. O. Andreae, 1990: Biomass burning in the Tropics: Impact on atmospheric chemistry and biogeochemical cycles. Science 250(4988), 1669-1678 

  3. Delmas, R., J. P. Lacaux, and D. Brocard, 1995: Determination of Biomass Burning Emission factors: Methods and Results. Environmental Monitoring and Assessment 38, Kluwer Academic Publishers, 181-204 

  4. IPCC, 1994: Climate Change 1994: Radiative Forcing of Climate Change and an Evaluation of the IPCC IS92 Emission Scenarios 

  5. IPCC, 2003: Good Practice Guidance for Land Use, Land-Use Change and Forestry, National Greenhouse Gas Inventories Programme, the Institute for Global Environmental Strategies (IGES) for the IPCC 

  6. Jensen, J. R., 2000: Remote Sensing of the Environment: An Earth Resources Perspective, Prentice Hall, 204pp 

  7. Key, C. H., and N. C. Benson, 2002: Measuring and remote sensing of burn severity. US Geological Survey Wildland Fire Workshop, 31 October to 3 November 2000, Los Alamos, NM. USGS Open-File Report 02-11 

  8. Kauffman, J. B., D. L. Cummings, D. E. Ward, and R. Babbitt, 1995: Fire in the Brazilian Amazon: 1. Biomass, nutrient pools, and losses in slashed primary forests. Oecologia 104(4), 397-408 

  9. Key, C. H., and N. C. Benson, 2006: Landscape assessment: sampling and analysis methods. USDA Forest Service, Rocky Mountain Research Station General Technical Report RMRS-GTR-164-CD. Ogden, UT 

  10. Korea Forest Service, 2005: Statistical yearbook of forestry 2005(35), 38-39. (in Korean) 

  11. Korea Forest Service, 2006: Forest fire statistics: 2006 annual report, 26-27. (in Korean) 

  12. Lentile, L. B., Z. A. Holden, A. M. S. Smith, M. J. Falkowski, A. T. Hudak, P. Morgan, S. A. Lewis, P. E. Gessler, and N. C. Benson, 2006: Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire 15(3), 319-345 

  13. Roy, D. P., L. Boschetti, and S. N. Trigg, 2006: Remote sensing of fire severity: assessing the performance of the normalized burn ratio. IEEE Geoscience and Remote Sensing Letters 3(1), 112-116 

  14. Son, Y. M., J. C. Kim, K. H. Lee, and R. H. Kim, 2007: Forest biomass assessment in Korea. Korea Forest Research Institute, Research Paper 07-22. (in Korean) 

  15. van Wagtendonk, J. W., R. R. Root, and C. H. Key, 2004: Comparison of AVIRIS and Landsat ETM+ detection capabilities for burn severity. Remote Sensing of Environment 92(3), 397-408 

  16. Ward, D. E., 1990: Factors influencing the emissions of gases and particulate matter from biomass burning. Fire in the Tropical Biota, J. G. Goldammer (Eds,), Springer, 418-436 

  17. Won, M. S., K. S. Koo, and M. B. Lee, 2006: An analysis of forest fire occurrence hazards by changing temperature and humidity of ten-day intervals for 30 years in spring. Korean Journal of Agricultural and Forest Meteorology 8(4), 250-259. (in Korean with English abstract) 

  18. Won, M. S., K. S. Koo, and M. B. Lee, 2007: A quantitative analysis of severity classification and burn severity for the large forest fire areas using normalized burn ratio of landsat imagery. The Korean Association of Geographic Information Studies 10(3), 80-92. (in Korean with English abstract) 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로