$\require{mediawiki-texvc}$

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.

[국내논문] Slope-Aspect 알고리즘을 활용한 강릉시 산불 피해지역 실표면적 산출 방법
Calculating the Actual Surface Area for Gangneung Forest Fire Area Using Slope-Aspect Algorithm 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.52 no.1, 2022년, pp.95 - 104  

정종철 (남서울대학교 드론공간정보공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 2019년 4월 4일 강릉시 옥계면에서 발생한 산불 피해지역의 정확한 면적을 구하는 것을 목적으로 한다. 우리나라의 산림은 경사도가 존재하고 있으므로 평면적이 아닌 경사를 고려한 표면적을 구해야 한다. 국토지리정보원에서 제공하고 있는 DEM과 산림청에서 제공하는 제5차 수치임상도를 사용하였다. DEM에서는 각 화소의 중심점을 생성하고 모든 점을 연결하였다. 이때 연결선의 길이는 화소의 공간해상력과 cosine값을 통해 결정되며 높이값과 함께 표면적을 구하며, 이를 Slope-Aspect 알고리즘이라 한다. 산림의 표면적과 평면적을 나무의 수종, 산림의 종류에 따라 나타냈으며 이들의 정량적인 수치 차이를 통해 본 연구의 유효성을 입증하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study aims to find the exact area of the forest fire in Okgye-myeon, Gangneung, April 4, 2019. Since there is a gradient in our country's forests, we should find a surface area that takes into account The 5th numerical clinical map provided by the DEM and the Korea Forest Service provided by th...

주제어

#Slope-Aspect 알고리즘   #산불   #표면적  

표/그림 (11)

참고문헌 (17)

  1. Kim NI, Lee YW, 2020. Active Fire Detection Using Landsat 8 OLI Images. A Case of 2019 Australia Fires. Korean Journal of Remote Sensing. 36(5): 775-784. 

  2. Kim SI, Ahn DS, Kim SC. 2021. RGB Composite Technique for Post Wildfire Vegetation Monitoring Using Sentinel-2 Satellite Data. Korean Journal of Remote Sensing. 37(5): 939~946. 

  3. Kim JS, Oh JS. 2021. Recoverability analysis of Forest Fire Area Based on Satellite Imagery: Applicationsto DMZ in the Western Imjin Estuary. Journal of Korean Geomorphological Association. 28(1): 83~99. 

  4. Kim DW, Chung WD, Lee BD. 2016. Exploring Tree Crown Spacing and Slope Interaction Effects on Fire Behavior with a Physics-based Fre Model. Forest Science and Technology. 12(4): 167-175. 

  5. Ryu JH, Kim SH, Yoo BO, Kim JC, Seo SA, Kim JS. 2011. Production of the 5th Clinical Diagram Using DB Data from Aerial Photographs. Korea Forest Research Institute. 11-1400377-000449-01 

  6. Shin Jl, Seo WW, Kim TJ, Woo CS, Park JW. 2019. Analysis of Availability of High-resolution Satellite and UAV Multispectral Images for Forest Burn Severity Classification. Korean Journal of Remote Sensing. 35(6):1095-1106. 

  7. Yun WK, Song YJ, Moon JS, Jang SJ, Yoo SJ, 2019. Deep Learning Based Temperature Sensor Data and Wildfire Propagation Prediction in Duty Cycled Wireless Seonsor Network. The Journal of Korean Institute of Communications and Information Science 44(6):1092-1104. 

  8. Youn HG, Jeong JC. 2020. Classification of Forest Fire Damage Grade Using Machine Learning and Sentinel-2. The Korea Spatial Planning Review. 106: 107-117. 

  9. Lee SM, Jeong JC. 2019. Forest Fire Severity Classification Using Probability Density Function and KOMPSAT-3A. Korean Journal of Remote Sensing. 35(6):1341-1350. 

  10. Won MS, Jang KC, Yoon SH, Lee HT. 2019. Change Detection of Damaged Area and Burn Severity due to Heat Damage from Gangwon Large Fire Area in 2019. Korean Journal of Remote Sensing. 35(6):1083-1093. 

  11. Lee JP. 2021.Quality Assessment of Digital Surface Model Vertical Position Accuracies. Journal of Cadastre & Land InformatiX. 51(1):125-136. 

  12. Jeong JC, Youn HJ. 2020. Region of Interest (ROI) Selection of Land Cover Using SVM Cross Validation. Journal of Cadastre & Land InformatiX. 50(1):75-85. 

  13. Cho KH, Jeong JC. 2018. Automatic selection method of ROI(region of interest) using land cover spatial data. Journal of Cadastre & Land InformatiX. 48(2):171-183. 

  14. Akay A. Erdogan A. 2017. GIS-BASED MultiCriteria Decision Analysis For Forest Fire Risk Mapping. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences. IV-4/W4. 25-30. 

  15. Estes B, Knapp E, Skinner C, Miller J, Preisler H. 2017. Factors influencing fire severity under moderate burning conditions in the Klamath Mountains, northern California, USA. Ecosphere. 8. 

  16. Fang L, Yang J, White M, Liu Z. 2018. Predicting Potential Fire Severity Using Vegetation, Topography and Surface Moisture Availability in a Eurasian Boreal Forest Landscape. Forests. 9. 

  17. Paula F, Holobaca I. 2013. Forest fires study using remote sensing and meteorological indicators. Case study. Geographia Technica. 8:23-37. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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