Sentinel-1 SAR 영상을 이용한 주성분분석 및 K-means Clustering 기반 산불 탐지 (Detection of Forest Fire Damage from Sentinel-1 SAR Data through the Synergistic Use of Principal Component Analysis and K-means Clustering)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 37권 / 5호 / 1373 ~ 1387페이지
· 저자명 : 이재세, 김우혁, 임정호, 권춘근, 김성용

초록

산불은 지표 에너지 균형, 사회 및 환경에 중대한 위협을 미치며, 사회경제적 손실을 일으킨다. 한편, 현재까지 널리 사용되고 있는 다중분광 위성 영상 기반 산불 피해 탐지 알고리즘은 구름으로 인한 반사도 오염으로인해 시의적절한 산불 정보를 얻기 어려운 문제가 있다. 따라서 본 연구에서는 구름에 영향을 받지 않는 유럽우주국의 Sentinel-1 SAR (Synthetic Aperture Radar) 자료로부터 2019년 4월 초에 발생한 남한 강원도의 강릉·동해, 고성·속초 및 인접한 북한의 두 산불 발생 지역을 대상으로 주성분분석(Principal Component Analysis; PCA)을 포함하는 일련의 전 처리 및 K-means clustering을 이용하여 산불 피해 면적을 탐지하였다. 추정된 산불 면적은 국립산림과학원에서 남한의 두 산불에 대해 제공한 산불 피해 면적 및 강도 참조자료 및 산불 피해 탐지에 널리 사용되는 dNBR (differenced Normalized Burn Ratio)을 사용하여 검증하였다. 국립산림과학원의 참조자료 기반 검증에서 강릉·동해와 고성·속초 산불에 대해 평균 약 86%의 정확도를 보였다. dNBR을 사용한 검증에서는 남한 및북한의 지역 모두에 대해 평균 약 84%의 정확도를 보였다. 이때, 산불 강도가 강할수록 산불 면적 탐지 성능이 높고 반대로 산불 강도가 약할수록 산불 면적 탐지 성능이 낮은 것을 확인할 수 있었다. 본 연구를 통해 검증된 SAR 영상을 이용한 PCA 및 K-means clustering 기반 탐지 알고리즘이 추후 구름의 영향이 크고 작은 산불이 빈번하게발생하는 한반도에 대하여 신속한 산불 피해 면적 탐지에 활용될 수 있을 것으로 기대된다.

영어초록

Forest fire poses a significant threat to the environment and society, affecting carbon cycle and surface energy balance, and resulting in socioeconomic losses. Widely used multi-spectral satellite image-based approaches for burned area detection have a problem in that they do not work under cloudy conditions. Therefore, in this study, Sentinel-1 Synthetic Aperture Radar (SAR) data from Europe Space Agency, which can be collected in all weather conditions, were used to identify forest fire damaged area based on a series of processes including Principal Component Analysis (PCA) and K-means clustering.
Four forest fire cases, which occurred in Gangneung·Donghae and Goseong·Sokcho in Gangwon-do of South Korea and two areas in North Korea on April 4, 2019, were examined. The estimated burned areas were evaluated using fire reference data provided by the National Institute of Forest Science (NIFOS) for two forest fire cases in South Korea, and differenced normalized burn ratio (dNBR) for all four cases. The average accuracy using the NIFOS reference data was 86% for the Gangneung·Donghae and Goseong·Sokcho fires. Evaluation using dNBR showed an average accuracy of 84% for all four forest fire cases. It was also confirmed that the stronger the burned intensity, the higher detection the accuracy, and vice versa. Given the advantage of SAR remote sensing, the proposed statistical processing and K-means clustering-based approach can be used to quickly identify forest fire damaged area across the Korean Peninsula, where a cloud cover rate is high and small-scale forest fires frequently occur.

참고자료

· 없음