[논문]위성기반 산불피해지수를 이용한 북한지역 산불피해지 분석

김서연; 윤유정; 정예민; 권춘근; 서경원; 이양원

doi:10.7780/kjrs.2022.38.6.3.10

초록
AI-Helper

최근 기후변화에 따라 세계적으로 산불이 빈번해지고 피해 규모가 커지면서, 이에 따른 산림 생태계 파괴, 인명 및 재산 피해가 증가하고 있다. 위성기반 산불피해지수는 객관적이고 신속한 산불피해지 파악을 가능하게 하고, 북한과 같이 접근이 불가능한 지역에 대한 분석에 유용하다. 이 단보에서는 전통적으로 사용되어 온 Normalized Burn Ratio (NBR)를 비롯하여, 식생활력도를 나타내는 Normalized Difference Vegetation Index (NDVI), 그리고 최근에 개발된 Fire Burn Index (FBI)와 Forest Withering Index (FWI)를 이용하여 북한지역 산불피해지 탐지를 수행하고, 4가지 지수의 비교 평가를 통해 한반도 적용 방안을 모색하였다. 향후 중소형 산불에 대한 적용가능성 검토와 딥러닝 영상인식의 활용 등이 추가적으로 연구되어야 할 것이다.

Abstract ▼ AI-Helper

Recent climate change can increase the frequency and damage of wildfires worldwide. It can also lead to the deterioration of the forest ecosystem and increase casualties and economic loss. Satellite-based indices for forest damage can facilitate an objective and rapid examination of burned areas and...

Recent climate change can increase the frequency and damage of wildfires worldwide. It can also lead to the deterioration of the forest ecosystem and increase casualties and economic loss. Satellite-based indices for forest damage can facilitate an objective and rapid examination of burned areas and help analyze inaccessible places like North Korea. In this letter, we conducted a detection of burned areas in North Korea using the traditional Normalized Burn Ratio (NBR), the Normalized Difference Vegetation Index (NDVI) to represent vegetation vitality, and the Fire Burn Index (FBI) and Forest Withering Index (FWI) that were recently developed. Also, we suggested a strategy for the satellite-based detection of burned areas in the Korean Peninsula as a result of comparing the four indices. Future work requires the examination of small-size wildfires and the applicability of deep learning technologies.

주제어

표/그림 (9)

표 Table 1. Spectral bands of Sentinel-2 MSI
표 Table 2. Sentinel-2 images before and after wildfires
표 Table 3. dNBR level (United Nations, 2022)
그림 Fig. 1. Tongcheon-gun wildfire case 1 (April 4, 2019): (a) R-G-B composite (Apr. 3), (b) R-G-B composite (Apr. 8), (c) RNIR- G composite (Apr. 3), (d) R-NIR-G composite (Apr. 8), (e) FBI, (f) dFWI (g) dNDVI, and (h) dNBR.
그림 Fig. 2. Tongcheon-gun wildfire case 2 (April 4, 2019): (a) R-G-B composite (Apr. 3), (b) R-G-B composite (Apr. 8), (c) R-NIR-G composite (Apr. 3), (d) R-NIR-G composite (Apr. 8), (e) FBI, (f) dFWI (g) dNDVI, and (h) dNBR.
그림 Fig. 3. Goseong-gun wildfire (April 9, 2022): (a) R-G-B composite (Apr. 7), (b) R-G-B composite (Apr. 17), (c) R-NIR-G composite (Apr. 7), (d) R-NIR-G composite (Apr. 17), (e) FBI, (f) dFWI, (g) dNDVI, and (h) dNBR.
그림 Fig. 4. Cheorwon-gun wildfire (April 28, 2022): (a) R-G-B composite (Apr. 27), (b) R-G-B composite (May. 17), (c) R-NIRG composite (Apr. 27), (d) R-NIR-G composite (May. 17), (e) FBI, (f) dFWI, (g) dNDVI, and (h) dNBR.
그림 Fig. 5. dNBR-based wildfire damage maps: (a) April 4, 2019 (case 1), (b) April 4, 2019 (case 2), (c) April 9, 2022, and (d) April 28, 2022.
표 Table 4. Summary of the fire-burned areas according to different indices

AI 본문요약
AI-Helper

대상 데이터

북한지역 Sentinel-2 영상은 대기보정 처리가 완료된 Level-2A를 사용하였으며, Table 2와 같이 산불 발생일에 가장 가까운 전·후 시기 청천(clear sky) 영상을 확보하였다.
이 단보에서 산불피해지 탐지를 위해 사용한 위성영상은 European Space Agency (ESA)에서 제공하는 Sentinel-2 Multispectral Instrument (MSI) 자료이다. Sentinel-2는 쌍둥이 극궤도 위성 2A와 2B로 구성되며, 각각 2015년 6월과 2017년 3월에 발사되어 서로 180° 차이로 동일한 태양동기 궤도를 비행한다.

성능/효과

1 이상인 화소를 산불피해지로 분류한 것이다. 오츠 임계치법을 적용한 FBI, dFWI, dNDVI 세 가지 지수의 결과는 크게 다르지 않았으며, 대체로 dNBR보다는 적은 피해지역이 산출되었는데, USGS 기준의 dNBR은 한반도에서 피해지역이 다소 많이 산정되는 경향이 있었다. Fig.

후속연구

위성기반 산불피해지수는 객관적이고 신속한 산불 피해지 파악을 가능하게 하고, 북한과 같이 접근이 불가능한 지역에 대한 분석에 유용하다. 그러나 전통적으로 사용되어 온 dNBR을 USGS 기준으로 우리나라 산림에 적용하는 것은 적절하지 않으며, FBI, dFWI, dNDVI, 그리고 dNBR 등의 산불피해지수에 대해 유동적인(adaptive) 임계치를 적용하는 것이 필요하다. 최근 북한 지역의 산불 4건에 대한 분석을 통해, 단일 시기 영상에는 FBI를 전후 시기 영상에는 dFWI를 적용할 수 있음을 확인하였으며, 향후 다양한 산불피해지수를 비교분석 함으로써 현장조사가 불가한 북한지역의 산불피해지 탐지에 활용될 수 있을 것이다.
최근 북한 지역의 산불 4건에 대한 분석을 통해, 단일 시기 영상에는 FBI를 전후 시기 영상에는 dFWI를 적용할 수 있음을 확인하였으며, 향후 다양한 산불피해지수를 비교분석 함으로써 현장조사가 불가한 북한지역의 산불피해지 탐지에 활용될 수 있을 것이다. 또한 중소형 산불에 대한 적용가능성 검토와 딥러닝 영상인식의 활용 등이 추가적으로 연구되어야 할 것이다.
그러나 전통적으로 사용되어 온 dNBR을 USGS 기준으로 우리나라 산림에 적용하는 것은 적절하지 않으며, FBI, dFWI, dNDVI, 그리고 dNBR 등의 산불피해지수에 대해 유동적인(adaptive) 임계치를 적용하는 것이 필요하다. 최근 북한 지역의 산불 4건에 대한 분석을 통해, 단일 시기 영상에는 FBI를 전후 시기 영상에는 dFWI를 적용할 수 있음을 확인하였으며, 향후 다양한 산불피해지수를 비교분석 함으로써 현장조사가 불가한 북한지역의 산불피해지 탐지에 활용될 수 있을 것이다. 또한 중소형 산불에 대한 적용가능성 검토와 딥러닝 영상인식의 활용 등이 추가적으로 연구되어야 할 것이다.

참고문헌 (7)

Key, C.H. and N.C. Benson, 2005. Landscape assessment: remote sensing of severity, the normalized burn ratio and ground measure of severity, the composite burn index, FIREMON: Fire effects monitoring and inventory system, U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station, Ogden, UT, USA.
Lee, S.J., K.J. Kim, Y.H. Kim, J.W. Kim, and Y.W. Lee, 2017. Development of FBI (Fire Burn Index) for Sentinel-2 images and an experiment for detection of burned areas in Korea, Journal of the Association of Korean Photo-Geographers, 27(4): 187-202 (in Korean with English abstract).

상세보기
Otsu, N., 1979. A threshold selection method from gray-level histograms, IEEE Transactions on Systems, Man, and Cybernetics, 9(1): 62-66. https://doi.org/10.1109/TSMC.1979.4310076

상세보기
Park, S.W., S.J. Lee, C.Y. Chung, S.R. Chung, I. Shin, W.C. Jung, H.S. Mo, S.I. Kim, and Y.W. Lee, 2019. Satellite-based forest withering index for detection of fire burn area: Its development and application to 2019 Kangwon wildfires, Korean Journal of Remote Sensing, 35(2): 343-346 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.2.13

원문보기 상세보기
Roy, D.P., H. Huang, L. Boschetti, L. Giglio, L. Yan, H.H. Zhang, and Z. Li, 2019. Landsat-8 and Sentinel-2 burned area mapping-A combined sensor multi-temporal change detection approach, Remote Sensing of Environment, 231: 111254. https://doi.org/10.1016/j.rse.2019.111254

상세보기
United Nations, 2022. Normalized Burn Ratio (NBR), https://un-spider.org/advisory-support/recommendedpractices/recommended-practice-burn-severity/in-detail/normalized-burn-ratio, Accessed on Dec. 1, 2022.
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, Journal of the Korean Association of Geographic Information Studies, 10(3): 80-92 (in Korean with English abstract).

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

위성기반 산불피해지수를 이용한 북한지역 산불피해지 분석
Analysis of Burned Areas in North Korea Using Satellite-based Wildfire Damage Indices 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9)

표/그림 (9)

AI 본문요약
AI-Helper

대상 데이터

성능/효과

후속연구

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

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

위성기반 산불피해지수를 이용한 북한지역 산불피해지 분석 Analysis of Burned Areas in North Korea Using Satellite-based Wildfire Damage Indices 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (9) 모든 표/그림 보기

표/그림 (9) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

대상 데이터

성능/효과

후속연구

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

이양원 (63)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

위성기반 산불피해지수를 이용한 북한지역 산불피해지 분석
Analysis of Burned Areas in North Korea Using Satellite-based Wildfire Damage Indices 원문보기

초록
AI-Helper

표/그림 (9)

표/그림 (9)

AI 본문요약
AI-Helper