BROWSE

Related Researcher

Author's Photo

Im, Jungho
Intelligent Remote sensing and geospatial Information Science (IRIS) Lab
Research Interests
  • Remote sensing, Geospatial modeling, Disaster monitoring and management, Climate change

ITEM VIEW & DOWNLOAD

Sentinel 위성영상과 기계학습을 이용한 국내산불 피해강도 탐지

DC Field Value Language
dc.contributor.author 심성문 ko
dc.contributor.author 김우혁 ko
dc.contributor.author 이재세 ko
dc.contributor.author 강유진 ko
dc.contributor.author 임정호 ko
dc.contributor.author 권춘근 ko
dc.contributor.author 김성용 ko
dc.date.available 2021-01-14T17:01:22Z -
dc.date.created 2021-01-08 ko
dc.date.issued 2020-10 ko
dc.identifier.citation 대한원격탐사학회지, v.36, no.5, pp.1109 - 1123 ko
dc.identifier.issn 1225-6161 ko
dc.identifier.uri https://scholarworks.unist.ac.kr/handle/201301/49501 -
dc.description.abstract 국토 대부분이 산림으로 구성되어 있는 대한민국은 매 년 많은 산불이 발생한다. 산불은 토양의 전단강도를 약화시켜 산사태에 취약한 토양층을 만들기도 하고, 수목의 복구가능여부에 따라 다른 계획 설립이 필요하기 때문에 산불피해면적 뿐만 아니라 피해강도에 대한 파악도 중요하다. 위성 원격탐사를 통한 산불피해강도 추정 연구가 많이 수행되어 왔으나, NDVI(Normalized Difference Vegetation Index)와 NBR(Normalized Burn Ratio) 등과 같은 단일 인자의 시계열 변화만을 이용하여 피해강도를 파악하기에는 한계가 있다. 본 연구에서는 Sentinel-1A SAR-C (Synthetic Aperture Radar-C)와 Sentinel-2A MSI(Multi Spectral Instrument)센서의 자료를 이용하여 기계학습방법을 통한 산불 피해강도 탐지 모델들을 제시하였다. 2017년 5월 삼척, 2019년 4월 강릉·동해, 2019년 4월 고성·속초 총 세개의 산불사례를 이용하여 RF(Random forest), LR(Logistic regression), SVM(Support Vector Machine)기계학습 모델을 구축하였다. 연구결과, random forest 모델이 82.3%의 총정확도로 가장 높은 성능을 보여주었다. 모델의 범용성 및 학습자료 민감도 확인을 위해 사례교차검증도 추가 시행하였는데, 그 결과 사례들의 시기적 차이에 의한 식생활력 및 재생도의 차이에 민감도가 높음을 확인하였다. 이는 추후 다양한 시공간적 사례를 추가할 시 개선이 될 것으로 보인다. ko
dc.language 영어 ko
dc.publisher 대한원격탐사학회 ko
dc.title Sentinel 위성영상과 기계학습을 이용한 국내산불 피해강도 탐지 ko
dc.title.alternative Wildfire Severity Mapping Using Sentinel Satellite Data Based on Machine Learning Approaches ko
dc.type ARTICLE ko
dc.type.rims ART ko
dc.identifier.doi 10.7780/kjrs.2020.36.5.3.9 ko
Appears in Collections:
UEE_Journal Papers

find_unist can give you direct access to the published full text of this article. (UNISTARs only)

Show simple item record

qrcode

  • mendeley

    citeulike

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

MENU