위성영상과 자기조직화 분류기법을 이용한 산림생태계교란 탐지: 우박 피해지와 매미나방 피해지의 사례연구 = Detection of Forest Ecosystem Disturbance Using Satellite Images and ISODATA

국문 초록 (Abstract)

최근 기후변화가 심각해지고 이상기상 현상이 빈번해짐에 따라 산불, 산사태 이외에도 우박, 매미나방과 같은 흔치 않은 형태의 산림생태계교란이 발생하고 있다. 이 논문에서는 RapidEye와 Sentinel-2 영상에ISODATA(Iterative Self-organizing Data Analysis Technique Algorithm)를 적용하여, 2017년 화순의 우박 피해지와 2020년 치악산의 매미나방 피해지를 분석하였다. 우박 피해지의 경우, 본연구의 6월 영상분석과 선행연구의 7월 현장조사를 종합해볼 때, 우박에 의해 수목에 외상이 생긴 후에 가뭄이 겹치면서 6월에서 7월로 갈수록피해의 심각성이 보다 더 증가한 것으로 분석되었다. 2020년 치악산의 매미나방 피해지에서는 6월 영상에서상당한 나뭇잎 피해가 발견되었으며, 원주시에 인접한 낮은 고도의 사면에서 주로 피해가 발생한 것으로 나타났다. 기후변화에 의해 유발된 다양하고 특이한 산림생태계교란을 탐지함에 있어 위성원격탐사는 매우 효과적인 방법임에 틀림없으며, 우리나라에서 2024년 발사 예정인 농림업중형위성은 이와 같은 산림생태계교란을감시하는 데 적극적으로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Recent severe climate changes and extreme weather events have caused the uncommon types of forest ecosystem disturbances such as hails and gypsy moths. This paper describes the analysis of the forest ecosystem disturbances using ISODATA (Iterative Self-organizing Data Analysis Technique Algorithm) with the RapidEye and Sentinel-2 images, regarding the cases of the hail damages in Hwasun in 2017 and the gypsy moth damages in the Chiak Mountain in 2020. In the case of hail damages, the comparison of the June image of this study and the July field survey of the previous study showed that the damage severity increased from June to July as the drought overlapped after the trees were injured by the hails. In the case of gypsy moths, significant leaf damages were found from the image of June, and the damages were mainly distributed at the low-altitude slope near Wonju City. We made sure that satellite remote sensing is a very effective method to detect various and unusual forest ecosystem disturbances caused by climate change. Also, it is expected that the Korean Medium Satellite for Agriculture and Forestry scheduled to launch in 2024 can be actively utilized to monitor such forest ecosystem disturbances.

참고문헌 (Reference)

1 남경훈, "점토광물의 분광반사율 및 ASTER 위성영상을 이용한 산사태 발생지역 분석" 대한지질공학회 24 (24): 411-421, 2014

2 박정묵, "시계열 고해상도 항공영상을 이용한 소나무재선충병 감염목 탐지 - 강원대학교 학술림 일원을 대상으로 -" 한국지리정보학회 22 (22): 36-49, 2019

3 김소라, "소나무재선충병 발생시기별 피해목 탐지를 위한 시계열 초분광 항공영상의 활용" 대한원격탐사학회 31 (31): 385-394, 2015

4 이슬기, "무인항공기(UAV) 영상을 이용한 소나무재선충병 의심목 탐지" 대한원격탐사학회 35 (35): 359-373, 2019

5 박성욱, "고해상도 위성영상과 Fully Convolutional Network를 활용한 산림재해 피해지 탐지" 한국사진지리학회 28 (28): 87-101, 2018

6 Alencar, A., "Temporal variability of forest fires in eastern Amazonia" 21 (21): 2397-2412, 2011

7 Rajyalakshmi, D., "Taxonomy of Satellite Image and Validation Using Statistical Inference" 2 : 352-361, 2016

8 Meigs G. W., "Spatiotemporal dynamics of recent mountain pine beetle and western spruce budworm outbreaks across the Pacific Northwest Region, USA" 339 : 71-86, 2015

9 이수진, "Sentinel-2 영상 기반의 FBI(Fire Burn Index) 개발 및 우리나라 산불피해지역 탐지 실험" 한국사진지리학회 27 (27): 187-202, 2017

10 ESA, "Sentinel-2"

11 원명수, "SPOT5영상과 현장조사자료를 융합한 대형산불지역의 피해강도 분석" 한국농림기상학회 16 (16): 114-124, 2014

12 Planet, "RapidEye Basic Product"

13 Miller, J. D., "Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio(dNBR)" 109 : 66-80, 2007

14 "National Institute of Forest Science"

15 Roldán-Zamarrón, A., "Minas de Riotinto (south Spain) forest fire: Burned area assessment and fire severity mapping using Landsat 5-TM, Envisat-MERIS, and Terra-MODIS postfire images" 111 : G04S11-, 2006

16 Miller, J. D., "Mapping forest postfire canopy consumption in several overstory types using multi-temporal Landsat TM and ETM data" 82 : 481-496, 2002

17 Lasaponara, R., "Identification of burned areas and severity using SAR Sentinel-1" 16 (16): 917-921, 2019

18 김민화, "Fully-Polarimetric ALOS-2 자료를 이용한 산사태 탐지 알고리즘 개발" 대한자원환경지질학회 52 (52): 313-322, 2019

19 Son, Y. H., "Forest Ecology" Hyangmunsa 2016

20 Verbesselt, J., "Forecasting tree mortality using change metrics derived from MODIS satellite data" 258 : 1166-1173, 2009

21 Escuin, S., "Fire severity assessment by using NBR(Normalized Burn Ratio)and NDVI(Normalized Difference Vegetation Index)derived from LANDSAT TM/ETM images" 29 (29): 1053-1073, 2008

22 Pérez-Sánchez, J., "Evolution of burned area in forest fires under climate change conditions in Southern Spain using ANN" 9 (9): 4155-, 2019

23 Chen, X., "Detecting post-fire burn severity and vegetation recovery using multitemporal remote sensing spectral indices and field-collected composite burn index data in a ponderosa pine forest" 32 (32): 7905-7927, 2011

24 Dhodhi, M. K., "D-ISODATA : A distributed algorithm for unsupervised classification of remotely sensed data on network of workstations" 59 (59): 280-301, 1999

25 Axel, A. C., "Burned area mapping of an escaped fire into tropical dry forest in Western Madagascar using multi-season Landsat OLI data" 10 (10): 371-, 2018

26 Filipponi, F., "BAIS2: burned area index for Sentinel-2" 2 : 364-370, 2018

27 Lee, C., "Analysis of hail characteristics in Korea" 342-343, 2005

28 Memarsadeghi, N., "A fast implementation of the ISODATA clustering algorithm" 17 (17): 71-103, 2007

29 Kontoes, C. C., "A comparative analysis of a fixed thresholding vs. a classification tree approach for operational burn scar detection and mapping" 11 : 299-316, 2009

30 원명수, "2019년 강원도 대형산불지역의 열해 피해로 인한 피해강도 변화 탐색" 대한원격탐사학회 35 (35): 1083-1093, 2019

31 임종환, "2017년 우박에 의한 산림피해의 기상, 수종 및 지형 특성 분석" 한국농림기상학회 19 (19): 280-292, 2017