[논문]확률밀도함수와 KOMPSAT-3A를 활용한 산불피해강도 분류

이승민; 정종철

doi:10.7780/kjrs.2019.35.6.4.4

초록
AI-Helper

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.

Abstract ▼ AI-Helper

This research deals with algorithm for forest fire severity classification using multi-temporal KOMPSAT-3A image to mapping forest fire areas. The recent satellite of the KOMPSAT series, KOMPSAT-3A, demonstrates high resolution and multi-spectral imagery with infrared and high resolution electro-opt...

This research deals with algorithm for forest fire severity classification using multi-temporal KOMPSAT-3A image to mapping forest fire areas. The recent satellite of the KOMPSAT series, KOMPSAT-3A, demonstrates high resolution and multi-spectral imagery with infrared and high resolution electro-optical bands. However, there is a lack of research to classify forest fire severity using KOMPSAT-3A. Therefore, the purpose of this study is to analyze forest fire severity using KOMPSAT-3A images. In addition, this research used pre-fire and post-fire Sentinel-2 with differenced Normalized Burn Ratio (dNBR) to taking for burn severity distribution map. To test the effectiveness of the proposed procedure on April 4, 2019, Gangneung wildfires were considered as a case study. This research used the probability density function for the classification of forest fire damage severity based on R software, a free software environment of statistical computing and graphics. The burn severities were estimated by changing NDVI before and after forest fire. Furthermore, standard deviation of probability density function was used to calculate the size of each class interval. A total of five distribution of forest fire severity were effectively classified.

주제어

표/그림 (11)

그림 Fig. 1. Geographical location and false color image of KOMPSAT-3A, Sentinel-2 in study site - Gangneung city, Gangwon province, South Korea.
표 Table 1. Data source and list of spatial information
표 Table 2. Spectral indices evaluated in this study
그림 Fig. 2. Flowchart showing the methodology of the study.
그림 Fig. 3. Definitions of five burn severity levels in study area.
그림 Fig. 4. Delta-Normalized Difference Vegetation Index with KOMPSAT-3A image (a) NDVI March 8, 2019 (b) NDVI April 12, 2019 (c) dNDVI between March 8 and April 12, 2019.
그림 Fig. 5. Map showing the forest fire severity distribution generated with KOMPSAT-3A and Sentinel-2 images of forest areas. The histogram is representation of the dNDVI according to the dNBR burn severity distribution area.
그림 Fig. 6. NDVI probability density function of forest species.
그림 Fig. 7. Probability density function and kernel density plots of NDVI according to tree species. In density plots, the x-axis is KOMPSAT-3A NDVI, March 8th, and y-axis is KOMPSAT-3A NDVI, April 12th.
그림 Fig. 8. Probability density function according to three patterns of forest fire areas.
그림 Fig. 9. Reclassified dNDVI map with KOPMSAT-3A in forest fire area.

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 국내에서 개발한 위성 중 KOMPSAT-3A를 활용 하여 VHR 위성영상을 활용한 산불 피해 강도를 분석하는 데 연구 목적이 있다. 또한, KOMPSAT-3A의 공간해 상력과 분광해상력을 활용하여 정밀한 산불피해지도를 제작하는데 본 연구의 성과가 기여할 수 있는 기초 연구를 수행하였다.
본 연구는 KOMPSAT-3A를 활용하여 산불피해강도를 재분류 하는 것을 목적으로 하며 전체적인 흐름은 Fig. 2에 따른다.
, 2017), 이러한 분석 결과는 참고하는 수준에 머무르고 있는 실정이다. 본 연구는 국내에서 개발한 위성 중 KOMPSAT-3A를 활용 하여 VHR 위성영상을 활용한 산불 피해 강도를 분석하는 데 연구 목적이 있다. 또한, KOMPSAT-3A의 공간해 상력과 분광해상력을 활용하여 정밀한 산불피해지도를 제작하는데 본 연구의 성과가 기여할 수 있는 기초 연구를 수행하였다.

제안 방법

3의 false color 영상은 산불피 해가 나타나지 않았지만, dNBR에서는 산불피해가 발생한 지역이 있어 오탐지 되는 영역이 존재한다. 또한, 국내기술로 제작한 VHR 위성영상 중에는 SWIR 밴드를 가진 위성이 없어 NBR을 생성하기 힘들기 때문에 KOMPSAT-3A 영상의 NDVI를 통해 산불피해 구간을 산정하였다. 본 연구에서는 NDVI에 따른 산불 피해 구간을 나타내기 위해 R software의 확률밀도함수를 활용하였다.
식 (1)은 확률밀도함수의 수식을 나타낸 것이며 확률 변수 X의 특정 구간인 a, b에서 넓이를 구하는 것이다. 본 연구에서는 산불 발생 시기가 4월이기 때문에 활엽 수림의 식생이 증가하는 것을 고려하기 위해 중분류 토지피복지도를 사용하였다. 산림 수종이 산불 전후에 NDVI가 변화하는 구간을 확률밀도함수를 통해 나타내고 산불 피해가 발생한 영역과 산불 피해가 발생하지 않은 영역으로 구분하였다.
산림 수종이 산불 전후에 NDVI가 변화하는 구간을 확률밀도함수를 통해 나타내고 산불 피해가 발생한 영역과 산불 피해가 발생하지 않은 영역으로 구분하였다. 본 연구에서는 산불 피해가 발생한 영역에 대해 육안 검사에 의한 3가지 패턴으로 나누어 피해 구간을 산정하였다. 산불 피해지역은 완전 연소된 지역, 일부 피해가 받은 식생이 남아 있는 지역, 온전한 식생과 연소된 식생이 공존하는 지역으로 나누어 각각의 지역에서 확률밀도함수를 나타내고 표준편차를 산정하였다.
본 연구에서는 산불 발생 시기가 4월이기 때문에 활엽 수림의 식생이 증가하는 것을 고려하기 위해 중분류 토지피복지도를 사용하였다. 산림 수종이 산불 전후에 NDVI가 변화하는 구간을 확률밀도함수를 통해 나타내고 산불 피해가 발생한 영역과 산불 피해가 발생하지 않은 영역으로 구분하였다. 본 연구에서는 산불 피해가 발생한 영역에 대해 육안 검사에 의한 3가지 패턴으로 나누어 피해 구간을 산정하였다.
본 연구에서는 2019년 강릉 옥계면에서 발생한 산불의 피해 강도를 분류하기 위해 KOMPSAT-3A를 사용 하였다. 산불 피해지역에 대한 참조자료는 Sentinel-2에서 생성한 dNBR을 사용하였고, dNBR 등급에 따른 5개벡터 영역에 포함된 KOMPSAT-3A의 dNDVI를 확률 밀도함수로 나타냈다. dNDVI의 계급 구간은 산불 피해 지역에서 육안 판독을 통해 다른 형태를 보인 3개 영역을 추출하고, 각 영역의 확률밀도함수가 중첩되는 지점을 통해 계급 구간을 산정하였다.
첫째, 위성영상을 이용하여 산불 피해도를 산정하는 방법은 SWIR 밴드를 활용한 dNBR을 활용하는 것이 일반적이지만, 본 연구에서는 R, G, B, NIR 4개 밴드만을 가진 고해상도 위성영상으로 dNDVI를 통해 산불 피해 지수를 나타냈으며, 효과적으로 산불 피해도 분류를 수행하였다.

대상 데이터

본 연구에서는 KOMPSAT-3A의 위성영상을 바탕으로 산불피해강도를 나타내기 위해 2019년 4월 4일 산불이 발생한 강원도 강릉시 일대를 연구대상지로 선정하였다(Fig. 1).

데이터처리

본 연구에서는 산불 피해가 발생한 영역에 대해 육안 검사에 의한 3가지 패턴으로 나누어 피해 구간을 산정하였다. 산불 피해지역은 완전 연소된 지역, 일부 피해가 받은 식생이 남아 있는 지역, 온전한 식생과 연소된 식생이 공존하는 지역으로 나누어 각각의 지역에서 확률밀도함수를 나타내고 표준편차를 산정하였다. 표준편차 결과들은 모두 합산하여 평균치를 구하고 산불 피해 구간의 계급 크기로 사용하여 최종적으로 dNDVI에 따른 산불 피해도를 작성하였다.
산불 피해지역은 완전 연소된 지역, 일부 피해가 받은 식생이 남아 있는 지역, 온전한 식생과 연소된 식생이 공존하는 지역으로 나누어 각각의 지역에서 확률밀도함수를 나타내고 표준편차를 산정하였다. 표준편차 결과들은 모두 합산하여 평균치를 구하고 산불 피해 구간의 계급 크기로 사용하여 최종적으로 dNDVI에 따른 산불 피해도를 작성하였다.

이론/모형

본 연구에서는 2019년 강릉 옥계면에서 발생한 산불의 피해 강도를 분류하기 위해 KOMPSAT-3A를 사용 하였다. 산불 피해지역에 대한 참조자료는 Sentinel-2에서 생성한 dNBR을 사용하였고, dNBR 등급에 따른 5개벡터 영역에 포함된 KOMPSAT-3A의 dNDVI를 확률 밀도함수로 나타냈다.
또한, 국내기술로 제작한 VHR 위성영상 중에는 SWIR 밴드를 가진 위성이 없어 NBR을 생성하기 힘들기 때문에 KOMPSAT-3A 영상의 NDVI를 통해 산불피해 구간을 산정하였다. 본 연구에서는 NDVI에 따른 산불 피해 구간을 나타내기 위해 R software의 확률밀도함수를 활용하였다. 확률밀도함수는 확률론에서 확률 변수의 분포를 나타내는 함수로 특정 구간에서 입력된 변수의 크기를 나타내는 데 활용된다.
이때 각 피해영역에 대해 산불 이후 KOMPSAT-3A 영상도 함께 나타내었다. 본 연구에서는 dNBR을 통한 산불피해지역과 비교하기 위해 정규식생지수(Normalized Difference Vegetation Index: NDVI)와 dNDVI(Differenced NDVI)를 사용하였다. NDVI는 녹색 식물의 특성상 높은 반사율을 나타내는 NIR 밴드와 낮은 반사율을 나타내는 Red 밴드의 조합으로 만든 전통적인 식생지수이다.

성능/효과

둘째, KOMPSAT-3A 영상의 산불 전후 dNDVI를 활용하여 산불 영역을 dNBR로 나타냈을 때 산불이 발생 하지 않은 지역에서 산불이 발생했다고 나타난 오류를 개선하였다.
또한, dNDVI는 산불발생 이전 시점의 NDVI값과 산불 발생 이후 시점의 NDVI값의 차를 의미하기 때문에 산불 피해영역을 나타내는 데 유용하다고 판단하였다. 일반적으로 NBR이 NDVI보다 산불피해지의 공간적 이질성과 복잡성을 더 효과적으로 표현할 수 있으며, 가을철에 촬영된 영상보다 봄철 생장기에 촬영된 영상이 피해 강도를 더 효과적으로 평가할 수 있다(Key and Bensen, 2006).
7(a)는 산불 전후 산림 수종에 따른 NDVI 확률밀 도함수를 표현한 것이다. 확률밀도함수에서 활엽수림은 일부 식생이 감소한 지역이 있으나, 식생이 증가한 지역도 있다는 것을 확인할 수 있다. 이는 본 연구의 연구지역에서 활엽수림의 산불 피해가 다른 수종에 비해 크지 않고, 봄철 시기상 1개월이 경과함에 따라 식생이 증가하게 됐다는 것을 나타낸다.
Area 3은 온전한 식생이 있는 산림과 연소된 산림이 공존하는 지역이다. 확률밀도함수에서도 dNDVI 산불 이후 상승한 영역과 감소한 영역이 모두 있다는 것을 확인할 수 있다. 산불 피해 구간은 Fig.

후속연구

하지만 연구 지역의 산림 특성상 음영지역이 존재하여 사면에 따라 다른 분광값을 가질 수 있고, 강릉시 지역만을 대상으로 하였기에 일반화하기에 한계점이 존재한다. 따라서 향후 추가 연구를 통해 다른 연구 지역을 대상으로 지형,임상도를 적용한 산불피해의 정량화, 위성촬영시점, 경사면 등을 고려하여 KOMPSAT-3A 영상에서의 정규화된 산불 지수를 나타내고 범용적으로 활용할 수 있는 표준 모델을 제시하는 것을 향후 연구 목표로 삼고자 한다.
하지만 본 연구에서는 산불 피해 강도를 분류하기 위해 SWIR이 없는 VHR 위성인 KOMPSAT-3A 위성을 이용 했다는 데에 의의가 있다. 하지만 연구 지역의 산림 특성상 음영지역이 존재하여 사면에 따라 다른 분광값을 가질 수 있고, 강릉시 지역만을 대상으로 하였기에 일반화하기에 한계점이 존재한다. 따라서 향후 추가 연구를 통해 다른 연구 지역을 대상으로 지형,임상도를 적용한 산불피해의 정량화, 위성촬영시점, 경사면 등을 고려하여 KOMPSAT-3A 영상에서의 정규화된 산불 지수를 나타내고 범용적으로 활용할 수 있는 표준 모델을 제시하는 것을 향후 연구 목표로 삼고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	NDVI란 무엇인가?	본 연구에서는 dNBR을 통한 산불피해지역과 비교하기 위해 정규식생지수(Normalized Difference Vegetation Index: NDVI)와 dNDVI(Differenced NDVI)를 사용하였다. NDVI는 녹색 식물의 특성상 높은 반사율을 나타내는 NIR 밴드와 낮은 반사율을 나타내는 Red 밴드의 조합으로 만든 전통적인 식생지수이다.
	아리랑 3A호는 원격탐사 분야 전반에 걸쳐서 활용되고 있는데, 그 이유는 무엇인가?	2 m급으로 2015년 3월에 발사된 고해상도 위성영상 아리랑 3A호(KOMPSAT-3A)를 보유하고 있다. 특히, 가시광선 밴드를 비롯하여 적외선(Near-infrared)밴드를 제공하고 있어 원격탐사 분야 전반에 걸쳐서 활용되고 있다 (Yong et al., 2016).
	미국 지질조사국(USGS)에서 제공하는 dNBR 수치에 따른 산불 피해 기준 5단계는 무엇인가?	3은 Sentinel-2 위성영상의 NIR 및 SWIR 밴드를 사용하여 정규탄화지수(Normalized Burn Ratio: NBR)를 생성하였고, 산불 피해 전후 영상에서dNBR(Differenced NBR)을 통해 산불피해 규모를 나타냈다(Table 2). 미국 지질조사국(USGS)에서 제공하는 dNBR 수치에 따른 산불 피해 기준은 High, Moderate-high, Moderate-low, Low, Unburned까지 총 5단계로 나뉜다. 이때 각 피해영역에 대해 산불 이후 KOMPSAT-3A 영상도 함께 나타내었다.

이 논문을 인용한 문헌

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

확률밀도함수와 KOMPSAT-3A를 활용한 산불피해강도 분류
Forest Fire Severity Classification Using Probability Density Function and KOMPSAT-3A 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

확률밀도함수와 KOMPSAT-3A를 활용한 산불피해강도 분류 Forest Fire Severity Classification Using Probability Density Function and KOMPSAT-3A 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (11) 모든 표/그림 보기

표/그림 (11) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

확률밀도함수와 KOMPSAT-3A를 활용한 산불피해강도 분류
Forest Fire Severity Classification Using Probability Density Function and KOMPSAT-3A 원문보기

초록
AI-Helper

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper