선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 중간 정도의 해상도를 갖는 Landsat TM 위성영상이 산불 발생지역을 탐지하는데 얼마나 유용하게 쓰일 수 있는지를 분석 검토하였다. 동일지역의 산불 발생 전과 산불 발생 이후의 두 가지 위성영상을 이용하고 변화탐지 기법을 적용하여 산불 발생지역에 관한 피해 정보를 획득하는데 연구의 목적을 두었다. 이러한 방법을 통해 얻은 연속적인 정보는 차후 이 지역의 식생 회복이나 생태적 변화상태를 평가하는데 유용하게 사용될 수 있을 것으로 생각한다.
- 인공위성 센서를 통해 각 밴드별로 획득한 지표면에 대한 반사특성값이 산불 발생과 이후의 현상을 특징적으로 나타내어 주기 때문이다. 본 연구에서는 중간 정도의 해상도를 갖는 Landsat TM 위성영상이 산불 발생지역을 탐지하는데 얼마나 유용하게 쓰일 수 있는지를 분석 검토하였다. 동일지역의 산불 발생 전과 산불 발생 이후의 두 가지 위성영상을 이용하고 변화탐지 기법을 적용하여 산불 발생지역에 관한 피해 정보를 획득하는데 연구의 목적을 두었다.
제안 방법
- 대기효과 보정을 위해서 1998년에 관측된 영상 데이터를 기준영상(reference image)으로 하고 2000년도의 영상 데이터를 보정 대상 영상(subject image)으로 하여 회귀식에 의한 보정방법 중의 하나인 Automated Scattergram- Controlled Regression 방식을 택해 두 시기 영상을 정규화하였다. 이것은 Elvidge 등(1995)이 제안한 상대적 방사보정의한 방법으로써, 대응하는 밴드에서 이상치들을 제외시키고 회귀분석을 적용시켜 기준영상에 대해 보정대상 영상의 값을 변환시킨다.
- 화상간 차이법을 이용하여 변화지역을 탐지하는 방법은 직접 화소값의 변화를 확인할 수 있는 반면, 변화지역과 그렇지 않은 지역을 판단하는 경계인 임계값을 결정하기 어려운 점이 있다. 따라서 화상간 비교법에서 산불 발생지역 탐지에 가장 유효하다고 퍈단되는 NDVI에 대해서 임계값을 표준편차 1.0을 중심으로 0.1씩 증감시켜 분류 결과를 평가하였다(표 4).
- 지표면의 어떤 대상물이 반사 또는 복사하는 전자기파에너지는 물리적으로 항상 일정하지 않고 태양의 위치, 대기의 상태 등에 따라 왜곡이 포함되는데 이러한 왜곡을 제거하는 것을 방사보정 혹은 복사량 보정 (radiometric correction)이라 한다. 방사보정에는 센서의 감도 특성에 기인하는 보정, 태양고도나 지형의 영향을 제거하는 보정, 그리고 대기효과의 보정 등이 있는데, 본 연구에서는 대기의 조건이나 대상물의 상태에 따라 태양광이 홉수, 산란되어 변동된 방사량의 값을 보정하는 대기보정(atmospheric correction)을 실시하였다.
- 기하보정은 데이터 수신시 관측위성의 궤도나 자세의 변동, 지구의 자전 등에 기인해 생기는 영상의 왜곡을 실제 지표의 위치와 일치시키는 처리과정을 말한다. 본 연구에서 기하보정은 지상기준점(GCP; Ground Control Points)을 선정하고 이를 이용하여 인공위성 영상자료를 지도좌표계에 일치시켰다. 좌표변환은 우리 나라에서 사용하고 있는 평면직각좌표체계에 맞추었고, 동부원점을 적용하였다.
- Landsat TM 데이터의 경우 이론적으로 7개의 밴드 쌍마다 모두 차이를 계산할 수 있으며, 경우에 따라서 식생지수를 유도하거나 주성분 분석을 실시하고 그 결과로 생겨난 새로운 성분특성끼리의 차이를 비교하는 것이 효과적이기도 하다. 본 연구에서는 열적외선 밴드를 제외한 Landsat TM의 6개의 밴드와 각각의 영상에서 유도해낸 식생지수를 비교하여 그 차이를 변화탐지에 이용하였다.
- 산불 발생지역의 탐지를 위해서 두 시기 화상 간의 비교에 외한 변화탐지 기법을 사용하였다. Landsat TM 데이터의 경우 이론적으로 7개의 밴드 쌍마다 모두 차이를 계산할 수 있으며, 경우에 따라서 식생지수를 유도하거나 주성분 분석을 실시하고 그 결과로 생겨난 새로운 성분특성끼리의 차이를 비교하는 것이 효과적이기도 하다.
- 여기에서 참조자료(reference data)는 현지조사에 의해 작성된 이 지역의 산불피해지 도면(동해 안산불피해지 공동조사단, 2000)을 수치화하여 산불피해지역과 무피해지역으로 구분하였으며 , 분류 결과는 화상간 차이법에 의해 얻어진 결과 이미지에서 임계값으로 설정한 표준편차량을 초과하는 화소가 위치한 지점을 산불피해지역으로 판정 하였다.
- 본 연구에서 기하보정은 지상기준점(GCP; Ground Control Points)을 선정하고 이를 이용하여 인공위성 영상자료를 지도좌표계에 일치시켰다. 좌표변환은 우리 나라에서 사용하고 있는 평면직각좌표체계에 맞추었고, 동부원점을 적용하였다.
- 지상기준점에 대한 정확한 좌표값을 지도에서 읽어내기 위해서는 연구지역의 1:25,000 축척 지형도를 칼라 스캐너를 이용해서 이미지 파일로 만든 후 이것에 좌표값을 부여한 수치영상지형도를 사용하여 정확도를 높였다. 위성영상의 좌표변환식은 2차다항식을 사용하였으며, 재배열은 화소의 크기를 30mX30m로 하고, 재배열 방법은 공1차 내삽법에 의하였다.
- 이것은 통계적인 작업에 의해 분류결과를 정량적으로 평가하는 방법 중에서 대표적인 것들이다. 화상간 차이법을 적용하면서 대옹하는 화소간에 변화의 여부를 판정하는 임계값(threshold)은 표준편차량으로 하였다.
대상 데이터
- 본 연구를 위한 대상 지역은 강원도 삼척시 근덕면과 원덕읍 및 그 주변 지역으로서 2000년 4월 대규모의 산불이 발생한 지역이다. 한반도 생태계를 자연지리적 특성과 기후인자에 따라 16개의 생태지역으로 구분한 결과에 따르면(Shin 등, 1999; 오, 2000) 이 지역은 “강원해안” 생태지역으 로 구분된다.
- 분석에 사용한 위성 영상은 1998년 5월 20일과 2000년 5월 25일에 각각 수신된 Landsat TM 영상이다. 산불 발생 이후에 수신한 2000년 5월 25일의 영상에서는 육안으로도 산불 피해지역의 범위가 어느 정도 구분된다.
- 사용된 식생지수는 정규식생지수(NDVI)로써, 근적외선 파장대에서의 반사량과 적색 파장대에서의 반사량과의 차이를 그 합으로 나누어서 산출한 지수값이다. 이 식생지수는 녹색 식물체가 적색파장대와 빛은 홉수하고 근적외선 영역의 빛은 반사하는 특성을 이용하여 식물체의 광합성 활동과 밀접히 관련된 정보를 제공한다.
- 산불 발생 이후에 수신한 2000년 5월 25일의 영상에서는 육안으로도 산불 피해지역의 범위가 어느 정도 구분된다. 연구대상 영역은 산불이 집단으로 발생한 지역이 포함되도록 하고, 기하보정과 재배열이 끝난 각각의 영상에서 970X865 픽셀의 크기로 잘라내어 분석에 사용하였다.
데이터처리
- 밴드별 분류정확도는 전체정확도와 카파계수를 구해 평가하였다. 이것은 통계적인 작업에 의해 분류결과를 정량적으로 평가하는 방법 중에서 대표적인 것들이다.
이론/모형
- 지상기준점에 대한 정확한 좌표값을 지도에서 읽어내기 위해서는 연구지역의 1:25,000 축척 지형도를 칼라 스캐너를 이용해서 이미지 파일로 만든 후 이것에 좌표값을 부여한 수치영상지형도를 사용하여 정확도를 높였다. 위성영상의 좌표변환식은 2차다항식을 사용하였으며, 재배열은 화소의 크기를 30mX30m로 하고, 재배열 방법은 공1차 내삽법에 의하였다.
성능/효과
- 본 연구에서는 산불이 발생하여 산림이 소실된 지역을 탐지하는 것이기 때문에 임계값을 증가시켰을 때보다 0.1씩 감소시켰을 때, 즉 허용오차를 크게 하였을 때 산불에 의해 변화된 산림지역을 정확히 분류하는 비율이 높아질 가능성이 크다. 그러나 전체정확도가 높아질수록, 변화지역이 아니면서 변화된 것으로 잘못 분류되는 비율이 따라서 커지기 때문에 이런 오류로 인하여 임계값 수준에 따라 분류정확도가 다소 변화한다.
- 연구 대상지역이 된 삼척시 근덕면과 원덕읍 일대의 산불 발생지역의 경우 4개 밴드의 전체정 확도는 대략 80%를 상회하고 있다. 산불 발생지역에서 반사값의 증대 현상을 보이는 band 3과 7 에서 상대적으로 낮고 band 4와 NDVI에서는 90% 이상의 매우 높은 값을 보였다. 그러나 일반적으로 전체정확도는 잘못 분류된 부분에 대한 고려가 없어서 분류정확도를 판정하는 기준으로 다소 미흡한 점이 있다.
- 산불발생 후에 수신한 Landsat TM 영상과 산 불발생 전에 수신한 영상에서 대응하는 각각의 밴드 및 NDVI의 차이를 계산하고 그 결과를 영상으로 나타내었을 때, 밴드 3, 4, 7, 및 NDVI에서는 육안으로 산불피해 지역의 범위가 어느 정도 구분되었으나, 밴드 1, 2, 및 5에서는 두 영상 간의 차이에 별다른 유의성이 나타나지 않았다. 다만 밴드 3과 밴드 7에서는 산불피해 지역의 반사값이 산불발생 이후에 더 높아져 양(+) 방향의 변화를 보이는 반면, 밴드 4와 NDVI에서는 두 영 상간의 차이가 음(-) 방향의 변화를 보이고 있어 산불피해 지역의 반사값이 크게 감소하였음을 나타내고 있다.
- 그러나 전체정확도가 높아질수록, 변화지역이 아니면서 변화된 것으로 잘못 분류되는 비율이 따라서 커지기 때문에 이런 오류로 인하여 임계값 수준에 따라 분류정확도가 다소 변화한다. 이렇게 하였을 때 표에서 보는 바와 같이 전체정확도와 카파계수는 표준편차x0.9 수준에서 가장 높은 분류정확도를 보였다.
- 산불은 산림자원의 경영적 측면에서 그 역할과 기능이 매우 크고 중요하다. 첫째로 꼽을 수 있는 산불의 기능은 파괴 기능이다. 위에서 본 것 처럼 산불은 임목을 포함하여 많은 재산상의 손실과 피해를 야기한다.
- 카파계수에서는 0.2에서 0.8까지 매우 큰 차이를 보였는데 근적외선 영역인 band 4에서 좋은 결과를 보였으며, 여기에 가시광선의 적색 영역인 band 3의 영향을 가미한 NDVI에서 가장 높은 값을 나타냈다. 변화탐지에 관한 유사한 연구에서임(2000)은 도시화 및 산업화에 따른 농경지의 감소 현황을 화상간 차이법에 의해 분석했을 때 밴드 1이 농경지의 변화탐지에 가장 유효하다고 했으며, Choung(1992)은 습지의 변화탐지에서 밴드 7이 가장 좋았다고 했는데 본 연구 결과와 모두 상이하다.
후속연구
- 동일지역의 산불 발생 전과 산불 발생 이후의 두 가지 위성영상을 이용하고 변화탐지 기법을 적용하여 산불 발생지역에 관한 피해 정보를 획득하는데 연구의 목적을 두었다. 이러한 방법을 통해 얻은 연속적인 정보는 차후 이 지역의 식생 회복이나 생태적 변화상태를 평가하는데 유용하게 사용될 수 있을 것으로 생각한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.