Analysis of Forest Fire Damage Using LiDAR Data and SPOT-4 Satellite Images

大 韓 土 木 學 會 論 文 集 第26卷 第3D 號·2006年 5月 pp. 527~534

測量 및 地形空間情報工學

LiDAR 자료 및 SPOT-4 위성영상을 활용한 산불피해 분석

Analysis of Forest Fire Damage Using LiDAR Data and SPOT-4 Satellite Images

송영선*·손홍규**·이석우***

Song, Yeong Sun·Sohn, Hong Gyoo·Lee, Seok Woo

···

Abstract

This study estimated the forest damage of Kangwon-Do fire disaster occurred April 2005. For the estimation, the delineation of fire damaged area was performed using SPOT-4 satellite image and DSM (Digital surface model)/DTM (Digital Terrain Model) was generated by airborne and ground LiDAR data to calculate forests height. The damaged amount of money was cal- culated in forest area using stand volume formula, combining the canopy height from forest height model and digital stock map. The total forest damage amounted to 3.9 billion won.

Keywords : forest fire, forest damage, SPOT-4 Satellite image, LiDAR, digital stock map

···

요 지

본 연구에서는 2005년 4월 강원도지역의 대규모 산불로 인해 발생한 산림피해면적과 그에 따른 피해액 산정을 목적으로 하였다. 정확한 산림피해액의 산정을 위해서는 정확한 피해지역의 분류, 수고 의 결정이 중요하며, 이를 위해 SPOT-4 위성 영상을 이용하여 산불피해가 발생한 지역의 면적을 계산하고, 항공 및 지상 LiDAR 자료를 활용하여 수고모델을 생성하였 다. 수고모델로부터 나무의 높이값을 결정하고, 임상도로부터 피해지역내 수종, 밀도를 추출함으로서 임분재적을 계산하였으 며, 2005년 4월 고시된 입목가격을 기준으로 산림피해액을 산정하였다.

핵심용어 : 산불, 산림피해, SPOT-4 위성영상, LiDAR, 임상도

···

1. 서 론

최근 들어 , 기상이변으로 인한 자연재해가 급속하게 증가 하고 있다 . ^{대표적인 자연재해로는 태풍} , ^홍수 , ^설해 , ^지진 ,

산불 , 화산 , 쯔나미 등이 있으며 , 이중에서 특히 우리나라의 경우는 홍수와 산불이 중요한 자연재해라고 할 수 있다 . 산 불에 의한 재해의 경우 그 대상지가 대부분 산악지역이므로 사람의 접근이 곤란하고 , ^{또한 그 피해면적이 상당히 광범위}

하기 때문에 정확하고 빠른 피해의 분석에 상당한 어려움이 존재한다 . 이러한 문제점들로 인해 산림과 관련해서 수행되 는 많은 연구들은 원격탐측을 주체로 하는 해석방법이 도입 되고 있다 . ^{우리나라의 경우 전국토의} 70% ^{가 산악지역으로}

구성되어 있어 효과적인 산림관리의 측면에서 원격탐측자료 를 기반으로 하여 산불피해를 정확하게 분석하는 기법의 확 립이 필요한 실정이다 .

그러나 위성영상이나 항공사진 등과 같이 영상자료만을 이 용한 피해지 분석은 피해지역의 면적 산정만으로 국한될 수 밖에 없고 , 산불로 인한 산림의 소실로 인한 피해액 산정은 불가능하다 . 대상지역을 촬영한 영상이나 사진을 기반으로 한

피해지역의 면적산정과 같은 연구는 지금까지 많이 진행되어 왔다 (Leblon et al., 2001; Kelha et al., 2003; Koutsias and Karteris, 2003). 국내에서는 Landsat TM 및 ETM+

위성영상을 이용하여 산불피해지역을 분석한 바 있다 ( ^최철순

등 , 1997; 원강영 등 , 2001; 최승필 등 , 2004). 본 연구에

서는 SPOT-4 위성영상을 이용하여 산불피해지역의 면적의

산정뿐만 아니라 부가적으로 LiDAR 자료와 임상도 정보를 활용하여 산불로 인해 소실된 산림의 피해액까지 추정하는 것을 목적으로 하였다 .

2. 산림피해액 산정방법

산불로 인한 산림피해액의 산정을 위해서는 먼저 산불피해 지역을 추출하고 산불지역 내 정확한 임분재적을 결정해야 한다 . 정확한 임분재적을 산정하기 위해서는 대상지역내 수 고 ( 樹高 ) 와 나무의 밀도가 중요한 인자이며 , 임분재적식을 활 용하여 계산할 수 있다 . 임분재적식은 수고와 밀도를 변수로 하여 현지에서 자료를 수집하거나 측정하지 않고도 실내에 서 간편하게 임분재적을 추정하도록 한 것이다 .

*연세대학교건설공학연구소연구원

(E-mail : [email protected])

**정회원ㆍ연세대학교사회환경시스템공학부부교수

(E-mail : [email protected])

***정회원ㆍ연세대학교사회환경시스템공학부석사

(E-mail : [email protected])

임분재적 산정을 위한 변수인 나무의 높이 , 즉 수고의 결 정을 위해서 본 연구에서는 지상 및 항공 LiDAR 장비를 활용하였다 . LiDAR 는 레이저를 이용하여 3 차원 좌표를 취 득할 수 있는 장비로서 정확도와 정밀도가 우수한 최신의 측량 기법이다 . 이를 항공기에 장착하면 3 차원 지형복원이 가능하며 , 지형은 크게 지표면과 지면 위에 존재하는 객체들

로 구분할 수 있는데 LiDAR 측량은 이러한 정보들을 동시

에 측량할 수 있는 장점이 있다 . 이를 각기 3 차원 모델로 생성할 경우 DTM(Digital Terran Model) 과 DSM(Digital Surface Model) 을 얻을 수 있다 . DTM 과 DSM 을 사용하면 지표면 위에 존재하는 수목의 높이를 관측할 수 있으며 , 3

차원 홍수 모니터링을 위해 사용된 바도 있다 ( 손홍규 등 ,

2004). 산림지역에 적용할 경우 산림의 높이 정보를 추출할

수 있으며 수목만을 제거하면 항공사진에서는 보이지 않는

임도의 추출도 가능하다 ( 구지희 등 , 2004).

임분재적을 산정하기 위한 나무의 밀도 및 입목가격의 결 정을 위한 수종의 정보는 임상도를 활용하였다 . 우리나라의 경우 임상도는 항공사진을 판독하여 1:25000 지형도를 기본 도로 하여 작성한 도면으로 임업 분야에서 산림사업의 계획 수립 , 임업 경영 , 연구의 목적 , 기타 임업관련 업무로 들 수 있으며 , 그밖에 국토이용계획 , 환경영향평가 , 각종 확인업무 ,

군사목적 등에 활용되고 있다 . 수치임상도는 산림청 국립산 림과학원에서 1994 년부터 산림자원 정보화사업의 하나로 제

3 차 전국 산림자원조사에 의하여 제작된 임상도를 전산화하 여 속성 자료와 함께 수치지도를 제작하였다 . 수치임상도는

각 1:25000 축척의 도엽 단위로 제작되며 모든 임분의 위치

를 벡터형의 도형으로 입력하였고 , ^임상 , ^경급 , ^영급 , ^밀도와

같은 속성이 각 임분에 대해 연결되어 입력되어진 GIS 공 간자료이다 .

본 연구에서는 그림 1 에서 보는 바와 같이 산불 전·후의

SPOT-4 ^{위성영상으로부터 식생지수차를 이용하여 산불피해}

지역의 면적 및 경계선을 추출하고 , 지상 및 항공 LiDAR

자료와 임상도자료를 활용하여 피해지역내 임분재적량을 산 정한 후 이 당시의 입목가격을 고려하여 산불로 인해 소실 된 산림의 가격을 산정하였다 .

3. 대상지역 및 원격탐측자료

2005 년 4 월 4 일 강원 영동지역에 건조주의보와 강풍주의 보가 내려진 가운데 23 시 53 분 양양군 양양읍 화일리 도로 변 야산에서 대규모의 산불이 발생하여 4 월 6 일 5 시 40 분 에 진화되었다 . 본 연구에서는 2005 년 4 월 강원도 지역의 산불피해를 대상으로 연구를 수행하였으며 , 대상지역은 강원 도 양양군 양양읍과 강현면 일대로서 그림 2 에서 보는 바와 같다 .

산불로 인한 피해지역을 추출하기 위해서 산불발생 후 약

4 일 경과한 SPOT-4 다중분광대 위성영상과 산불발생 4 개월

전 SPOT-4 다중분광대 위성영상을 활용하였으며 , 표 1 은

사용한 위성영상의 기본정보를 나타내고 있다 . 두 영상 모두 처리수준이 1A 로써 방사보정만이 수행된 가장 처리수준이 낮은 제품으로서 그림 3 은 본 연구에 사용된 SPOT-4 다중 분광대 위성영상이다 . 정확한 산불피해지역의 추출을 위해서 계절적 차이가 없는 영상을 이용해야 하지만 , 영상취득여건 상 계절적 차이가 있는 영상을 사용하였고 , 대상지역의 식생 분포가 대부분 소나무와 같은 침엽수이기 때문에 계절적 차 이로 인한 식생의 영향은 적을 것으로 판단되었다 .

피해지역내 수고모델 생성을 통한 수고관측을 위해서 사용 한 항공 LiDAR 자료는 Optech 사의 ALTM 30/70 장비로 부터 취득하였으며 , 제원은 표 2 에서 보는 바와 같다 . 항공

그림 1. 전체 연구 흐름도

그림 2. 대상지역

LiDAR 지역의 범위및 자료는 그림 4 에서 보는 바와 같고 총 46 개의 지역으로 나누어 취득하였다 .

항공 LiDAR 로 생성된 수고모델의 정확도 평가 및 보정을

위해서 사용된 지상 LiDAR 장비는 Cyrax 2500 이며 제원

은 표 3 에서 보는 바와 같고 , 그림 5 는 낙산사 인근 산림

을 관측하여 취득된 지상 LiDAR 자료이다 .

그림 3. 산불 전·후 SPOT-4 위성영상 표 1. 사용한 영상의 제원

산불 전 영상 산불 후 영상 취득일 2004.11.30. 11:11 2005.04.08. 11:30

해상도 20m 20m

입사각 (incidence angle) 20.3

^o

-11

^o

태양고도각 28.6

^o

56.6

^o

지상관측 범위 60km × 60km 60km × 60km

영상크기 3000 × 3000 3000 × 3000

중심좌표 위도 : 37.99

^o

경도 : 128.84

^o

^위도 : 38.08

^o

경도 : 128.82

^o

처리 수준 1A 1A

표 2. 항공 LiDAR 의 제원 (Optech ALTM 30/70)

비행고도 200~3000m

스캔 주사각 0

^o

~ ± 25

^o

평면 정확도 1/2000 ×고도

높이 정확도 < 15cm @1.2km

< 25cm @2km

< 35cm @3km

레이저 주사율 최대 70kHz

그림 4. 항공 LiDAR 자료

표 3. 지상 LiDAR 의 제원 (Cyrax 2500)

스캔 주사각 40

^o

× 40

^o

위치정확도 2mm~6mm(1~150m)

반사점 크기 ≤ 6mm from 0~50m

스캐닝 최대거리 100m

스캐닝 추천거리 1.5m~50m

레이저 주사율 1 column/sec @1000 pts/column @full FOV 2 column/sec @ 200 pts/column @full FOV

그림 5. 지상 LiDAR 자료

4. 자료처리 및 결과

4.1 위성영상을 활용한 산불피해지역 면적 산정

산불로 인한 피해면적을 산정하기 위해서 먼저 SPOT-4

위성영상의 기하보정을 수행하였다 . 기준점 , 검사점 취득 및 수치고도모형의 생성을 위해서 1/5,000 수치지도를 이용하였 으며 , 위성궤도모델링을 위해서 6 점의 기준점을 사용하고 , 5

점의 검사점에 대해 정확도를 평가한 결과 행 방향 및 열 방향으로 약 1.5 영상소로 나타났다 . 수치고도모델의 해상도

는 20m 로서 벳셀 TM 127

^o

기준으로 생성하였으며 , 따라서

생성된 위성영상의 해상도 및 좌표계도 수치고도모델과 동 일하다 .

기하보정된 위성영상으로부터 정확한 산불피해경계를 결정

하기 위해서 산불 전·후의 SPOT-4 위성영상으로부터 식생

지수를 산정하고 , 식생지수차가 큰 지역을 산불피해지역으로 산정하였다 . 식생지수의 원리는 가시광선 ( 특히 적색영역 ) 과 근적외선 영역에서 녹색 식물의 반사율 차이가 크게 나는 것을 이용하여 두 영역에서 관측되어진 영상에 일정한 수식 을 적용하여 식생의 상태를 나타내는 영상을 얻어내는 것이 다 . 가시광선과 근적외선대의 두 영상으로부터 차이를 구하 여 식생의 반사 특성을 강조하고 , 이를 두 영상의 합으로 나누어 정규화 한 것이다 . 일반적으로 식생에 의한 파장대별 반사율은 태양광선의 입사각과 위성의 촬영 각도에 의해 변 하고 , 대기 상태에 따라서도 관측되는 값이 다르므로 정규화 에 의해서 이들의 영향을 어느 정도 감소시킬 수 있다 . 본 연구에서는 정규식생지수 (NDVI) 를 이용하였으며 , 정규식생 지수는 여러 식생지수 중에 하나지만 가장 많이 사용되어 일반적으로 식생지수를 대표하는 값이며 , Rouse 등 (1973) 이 처음으로 활용사례를 제안하였다 . 그림 6 은 산불 전·후의

SPOT 위성영상으로부터 계산된 식생지수 및 식생지수 차 영

상이다 . ^{식생지수 차 영상에서 볼 때 산불로 인해 피해가 발}

생한 지역은 주변지역에 비해 높은 값 ( 밝은 지역 ) 을 가진다 .

그림 6 에서 계산된 식생지수 차 영상에서 산불피해지역을 추출하기 위해서 임계값을 적용한 영상분할기법을 적용하였 다 . ^{위성영상을 활용하여 산불지역을 추출하는 선행 연구들}

에서는 시각적 해석을 통해 임계값을 결정하거나 직접 대상

지역 방문을 통한 실측자료 (ground truth) 를 활용하여 임계

값을 결정하였다 (Turker and San, 2003). 본 연구에서는 정 확한 임계값의 설정을 위해서 실측 자료가 있는 낙산사 맞 은편의 산림이 정확하게 포함되도록 임계값을 조정하고 이

때의 임계값인 0.15 를 전체 지역에 적용하여 피해지역을 추

출하였다 ( 그림 7). 최종적으로 식생지수 차 영상에서 실측자

료를 근거로 하여 임계값 0.15 이상을 산불 피해지역으로

추출하였으며 , 임계값 0.15 이상의 지역 ( 그림 7 에서 흰색지 역 ) 만을 추출한 결과 산불지역의 피해 면적은 898ha 로 나타 났다 . 본 연구의 결과로서 산출된 피해면적을 강원대학교 산 림과학연구소 (2005) 에서 발표한 피해면적 973ha 와 비교한 결

과 74ha 의 차이를 보였으며 , 이는 사용된 위성영상의 해상도

및 사용된 위성영상들의 계절적 차이로 인해 오차를 인해 발생한 것으로 판단된다 .

4.2 수고모델 생성 및 보정

피해지역내 수고관측을 위한 수고모델의 생성을 위해서 먼 저 점 자료로 구성된 대상지역의 항공 LiDAR 자료로부터 오류점들을 제거하고 모든 점자료를 이용하여 DSM 을 생성

하였다 ( 그림 8(a)). DTM 의 생성은 지면 점자료와 비지면

점자료로 분류한 후 지면 점자료만을 이용하여 생성하였으 며 , 생성된 DTM 은 그림 8(b) 와 같다 . 그림 8(c) 는 생성된

DSM 과 DTM 의 높이값 차이를 이용하여 생성한 수고모델로 서 지면의 높이가 제거되고 오직 수목의 높이 값만을 가지

그림 6. 식생지수 영상 ( 산불 전 , 후 , 차 )

그림 7. 산불 피해지역

는 모델이다 .

항공 LiDAR 자료만을 이용하여 결정한 수고모델의 정확

도를 평가하기 위해서 지상 LiDAR ^{장비를 이용하여 수고의}

높이를 관측하였다 . 정확도 평가를 통한 수고모델의 오차 보 정을 위해서 강원도 양양군 강현면에 낙산사 입구의 반대편

에 위치한 산림에 대해서 지상 LiDAR 자료를 취득하였다 .

그림 9 는 지상 LiDAR 자료를 활용하여 생성한 대상지역의

단면도이다 .

그림 9 에서 대상지역의 수고는 개체목의 시작점과 끝점을 수동으로 직접 추출하여 결정하였다 . 개체목의 높이는 대상 지역의 개체목 수고에 대해 평균을 계산하여 최종 산출하였 으며 평균높이는 10.34m 로 나타났다 . 동일 지역 ( 강원도 양양 군 강현면에 낙산사 입구의 반대편에 위치한 산림 ) 에 대해서

항공 LiDAR 자료로부터 산정된 수고는 9.69m 로서 지상

LiDAR 자료로부터 산정된 수고 10.34m 와 비교할 때

0.65m 만큼의 차이를 보였다 . 항공 LiDAR 자료만을 이용

하여 생성된 수고모델은 산불로 인한 나무의 소실 , 자료처리 과정에서의 보간 및 해상도로 인해 오차가 발생하는 것으로 추측된다 . 본 연구에서는 하나의 샘플지역에 대해서만 평가 하였으나 보다 신뢰성 있는 결과의 도출을 위해서 보다 많

은 샘플지역을 선정하여 검증하는 과정이 추가되어야 할 것

으로 판단된다 . 정확도 평가 결과 0.65cm 의 오차는 최종 결

과로서 산정되는 산림피해액의 개략적 산정에 큰 영향은 없

으나 전체 지역에 대해서 항공 LiDAR 자료로부터 결정된

수고모델에 0.65m 만큼 보정하여 적용하였다 .

4.3 산림피해액 산정

SPOT-4 위성영상으로부터 추출된 피해지역 경계자료 ,

LiDAR 자료로부터의 수고모델 및 임상도 자료를 활용하여

최종적으로 양양군 산불피해지내의 임분재적량을 산정하였 다 . 수치임상도는 각 1:25000 축척의 도엽 단위로 제작되어 있으며 , 임황 ( 수종구성 ), 영급 ( 나무의 수령 ), 경급 ( 나무의 크 기 ), 소밀도와 같은 속성자료를 가지고 있다 . 위성영상으로부 터 추출된 피해지역과 임상도를 중첩하여 피해지역과 일치 하는 임상도만을 추출하였으며 추출된 임상도내의 수종현 황 , 경급현황 , 밀도현황은 각각 그림 10, 그림 11, 그림 12

와 같다 .

피해지역 임상도내 임상현황을 분석한 결과 잣나무림이 경 급 0, 대부분의 소나무림이 경급 1, 일부 소나무림과 기타 수종이 경급 2 로 나타났다 . 경급 0 인 지역은 잣나무에만 해 당되고 전체 피해지면적의 0.6% 의 극히 낮은 비율을 차지하 그림 8. 지표면 모델

그림 9. 지상 LiDAR 자료

그림 10. 수종현황

그림 11. 경급현황과 샘플지역

고 있어 잣나무 지역과 산림의 피해로 볼 수 없는 경작지는 임분재적량 산정에서 제외하였다 . 나무의 흉고직경은 나무의 높이와 매우 밀접한 관련이 있으므로 경급 1, ^경급 2 ^{의 지}

역에 각기 두 개씩의 샘플지역을 선정하여 수고를 관측하였

다 . 수고의 관측은 항공 및 지상 LiDAR 자료를 활용하였으

며 샘플지역은 그림 11 에서 a, b, c, d 로 표시한 지역이다 .

그림 13 은 샘플지역으로서 선택된 지역의 항공사진으로 대 상지역의 현황을 보여주고 있다 .

지상 LiDAR 측량의 결과를 기준자료로 하여 항공

LiDAR 자료로부터 계산된 수고에 0.65m 만큼의 보정을 수

행하여 대상지 전체에 대한 최종 수고를 결정하였다 . 그 결 과 경급 1 지역의 평균 수고는 a 지역과 b 지역의 수고의 평 균을 계산한 9.695m, 경급 2 지역의 평균 수고는 c 지역과 d

지역의 수고의 평균을 계산한 11.655m 로 산정되었다 .

표 5 의 경급별로 계산된 수고를 이용하여 임분재적을 산 출하였다 . 임분재적을 추정하기 위한 식으로는 표 6 와 같이

수고와 수관밀도를 변수로 하는 2 변수 임분재적 추정식을 활용하였다 ( 김규헌 외 , 1993). 이 식에서 H 는 수고이고

CD(Canopy Density) ^{는 나무의 수관밀도이다} .

임상도에서 나타내고 있는 밀도는 교목의 수관점유 면적에

대해서 각기 50% 이상은 소 , 50~71% 는 중 , 71% 이상은

밀로서 나타낸다 . 따라서 표 4 의 임분재적식에 표 3 의 수고

(H) 와 임상도로부터 추출된 수관밀도 (CD) 를 입력하여 임분 재적을 계산하였다 . 이 때 활엽수 혼효림은 낙엽송림의 임분 재적식을 사용하였고 , 침활혼효림은 소나무림에 비하여 상대 적으로 면적이 작고 임분재적식이 없으므로 대략 침엽수와 활엽수가 동일 비율로 분포한다고 가정하고 강원지방소나무 와 낙엽송의 임분재적식을 각각 사용하여 평균값을 사용하 였다 .

표 6 에서 구한 임분재적과 피해지역 임상도에서의 수종·

경급별 면적을 곱하여 산불피해지역내 수종·경급별 총 임 분재적량을 산정하였으며 그 결과는 표 7 에서 보는 바와 같다 .

표 8 은 임산물 유통정보시스템에서 제공하는 2005 년 4 월

1 일자 국산원목가격으로서 임산물 유통정보시스템에서 구분 하는 규격은 수고와 근원직경이므로 경급 1 의 평균값인 흉고 그림 12. 밀도현황

그림 13. 샘플 지역의 항공사진

표 5. 임분재적식

수종 임분 재적식 식번호

강원지방 소나무 lnV = − 7.7049 + 1.7509lnH + 1.8275lnCD ①식

참나무 lnV = − 7.0524 + 1.5828lnH + 1.7481lnCD ②식

리기다 소나무 lnV = − 10.1462 + 0.8763lnH + 2.8639lnCD ③식

낙엽송 lnV = − 6.3278 + 0.7801lnH + 2.0761lnCD ④식

잣나무 lnV = − 8.2210 + 0.9359lnH + 2.4305lnCD ⑤식

표 4. LiDAR 자료로부터 계산된 샘플지역의 수고

항공 LiDAR

산출한 자료로 수고 (m)

지상 LiDAR

보정된 자료로 수고 (m) ^{최종 수고}

a 지역 9.69 10.34

경급 1 9.695

b 지역 8.40 9.05

c 지역 10.22 10.87

경급 2 11.655

d 지역 11.79 12.44

표 6. 임분재적의 계산

사용식 H(m) CD(%) 임분재적 임분재적 (m

³

/ha)

소나무림 ①

9.695 50 30.621 30.621

9.695 85 80.754 80.754

11.655 85 111.474 111.474

활엽수 혼효림 ④ 9.695 85 106.425 106.425

침활혼효림

① 11.655 85 111.474 117.168

④ 11.655 85 122.862

① 9.695 50 30.621 32.995

④ 9.695 50 35.368

① 9.695 85 80.754 93.590

④ 9.695 85 106.425

직경 12cm 는 근원직경 12-18cm 에 해당되고 , 경급 2 의 평균

값인 흉고직경 23cm 는 근원 직경 15-30cm 에 해당된다 . 그

러므로 표 7 로부터 소나무의 경급 1 의 원목가격은 침엽수의 경우 150,000 원이며 , 소나무의 경급 2 의 원목가격은 200,250

원으로 산정하였다 . 침활혼효림의 경우에는 소나무와 낙엽송 의 가격을 평균하여 산출하였다 .

산림조합중앙회 임산물유통정보시스템에서 제시한 표 7 의 가격은 원목가격이고 입목가격으로 환산하기 위해서는 벌채 및 집재비 , 운반비 및 기타 비용을 제하여야 한다 . 국내목재 의 가격형성에 관하여 최민휴와 조응혁 (1974) 은 산주수취가

는 원목가의 35% 정도라고 밝혔고 , 권영헌 (1992) 은 목재집하

장에 대한 현지조사에서 집하장의 경우 원목가에서 입목가 의 점유율은 벌채지의 위치 , 가까운 시장까지의 거리 등에

따라 크게 변하나 , 평균적으로 볼 때 낙엽송의 경우 입목가

는 원목가의 26%, 소나무는 30% 정도라고 발표하였다 . 따라

서 본 연구에서는 낙엽송의 입목가격은 원목가격의 26%, 소 나무의 입목가격은 원목가격의 30% 의 비율로 입목가격을 산 정하였다 .

총 임분재적량과 입목가격을 곱하여 수종별로 최종 피해액

을 계산한 결과 약 38.8 억으로 최종 산출되었다 ( 표 9). 이는

강원대학교 산림과학연구소 (2005) 에서 수동으로 피해를 조사

한 42.6 억과 흡사한 결과를 보였다 .

5. 결 론

본 연구에서는 2005 년 4 월 강원도 지방에 발생에 산불재

해에 대해서 SPOT-4 위성영상 , 항공 및 지상 LiDAR 자료

및 수치임상도를 활용하여 산불로 인해 소실된 산림의 피해 액을 산정하였다 .

위성영상으로부터 추출된 피해면적 , 항공 및 지상 LiDAR

자료로부터 계산된 수고 , 수치임상도로부터의 수종 및 나무 의 밀도 등을 상호 연계하여 피해지역내 총 임분재적량을 산출하고 , 입목가를 고려하여 산불로 소실된 산림피해액을

계산한 결과 약 38.8 억으로 산정되었으며 , 국립산림과학원에

서 발표한 42.6 억과 유사한 결과를 보였다 . 본 연구의 수행

을 통해 위성영상 , LiDAR 자료 및 임상도를 활용할 경우

산불로 인한 신속한 피해면적의 계산뿐만 아니라 산림피해 액까지 산정 가능함을 확인할 수 있었다 .

그러나 피해지역의 추출을 위해서 사용한 두 장의 위성영 상은 계절적 차이가 있는 영상으로서 동일한 시기에 촬영된 위성영상을 활용할 경우 보다 정밀한 피해지역 분석이 가능 할 것으로 사료된다 . 또한 본 연구에서는 항공 LiDAR 자료 로부터 결정된 수고의 정확도 평가 및 보정을 위해서 지상

LiDAR ^{자료를 활용하였으며} , ^{수고를 비교한 결과 약}

0.65m 의 차이를 보였다 . 따라서 수고의 보정절차는 시간적·

비용적 측면을 고려할 때 반드시 수행되어야 할 과정은 아

닌 것으로 판단되며 , 항공 LiDAR 자료로부터 생성된 수고

모델의 정확도의 평가 및 보정을 위해서는 보다 많은 샘플 지역에 대해서 추가적인 연구가 진행해야 할 것이다 .

감사의 글

본 연구는 국립방재연구소 “ 공간영상정보를 통한 피해조사 기술개발 ” 연구사업의 지원으로 수행되었습니다 .

표 7. 수종·경급별 임분재적량 산출 수종 경급 밀도 임분재적

(m

³

/ha) ^면적 (ha) ^총 _적량 ^임분재 (m

³

)

소나무림 1 ^소 30.621 3.23 98.91

밀 80.754 843.43 68110.32

2 밀 111.474 113.13 12611.05

활엽수 혼효림 1 밀 106.425 2.07 220.30

혼효림 침활

2 밀 117.168 4.20 492.11

1 ^소 32.995 5.23 172.56

밀 93.590 5.55 519.42

표 8. 국산원목가격 ( 출처 : 산림조합중앙회 임산물유통정보시스템 )

단위 ( 원 /m

³

)

수종 규격 유통구분 원목가격

소나무

12-18cm ^× 1.8m ^{이상 생산지} 150,000 15-30cm × 1.8m 이상 생산지 119,200 15-30cm ^× 2.7m ^{이상 생산지} 200,250 15-30cm × 3.6m 이상 생산지 187,000

30cm ^× 1.8m ^{이상 생산지} 210,000

30cm × 2.7m 이상 생산지 375,000

30cm ^× 3.6m ^{이상 생산지} 412,500

낙엽송

15-30cm × 1.8m 이상 생산지 88,330 15-30cm ^× 2.7m ^{이상 생산지} 106,400 15-30cm × 3.6m 이상 생산지 110,500

30cm ^× 2.7m ^{이상 생산지} 139,000

30cm × 3.6m 이상 생산지 133,500

표 9. 임목재적당 가격산출

수종 경급 밀도 총 임분재적량 (m

³

) 입목가격 ( 원 /m

³

) 피해액 ( 천원 ) 수종별 피해액 ( 천원 )

소나무림 1 ^소 98.91 45,000 4,451

3,827,024

밀 68110.32 45,000 3,064,964

2 밀 12611.05 60,075 757,609

활엽수혼효림 1 밀 220.30 22,966 5,059 5,059

침활혼효림

2 밀 492.11 44,402.5 21,851

45,366

1 ^소 172.56 33,983 5,864

밀 519.42 33,983 17,651

총 계 3,878,229

참고문헌

강원대학교 산림과학연구소 (2005) 양양산불피해 특별재난지역 산 림종합 복구계획수립 용역보고서(일반지구) .

구지희 , ^오윤석 , ^홍창희 , ^김태훈 (2004) LiDAR ^{데이터를 이용한}

임도추출 가능성 연구 , 대한토목학회 정기학술대회 논문집 .

김규헌 , 김철민 , 이승호 (1993) 강원지방 소나무 외 5수종의 항공 사진 임분재적표 조제, 산림청 임업연구원 연구보고 No. 48.

권영현 (1992) 국내 목재수급 및 유통실태에 관한 연구 - ^{목재집하장}

을 중심으로 , ^{석사학위논문} , ^{서울대학교} .

손홍규 , 윤공현 , 김기태 . 김기홍 (2004) LiDAR 시스템을 이용한 근 실시간 3D 매핑 , ^{한국방재학회논문집} , 한국방재학회 , 제 4

권 제 4 ^호 , pp. 55-61.

원강영 , ^임정호 , ^{단일 시기의} Landsat 7 ETM+ ^{영상을 이용한}

산불피해지도 작성 , Korean Journal of Remote Sensing , Vol. 17, No. 1, pp. 85-97.

전성우 , 정휘철 (1999) 생태 자연도 작성 및 활용을 위한 원격탐 사기법 연구 , ^환경부 .

최민휴 , 조응혁 (1974) 목재시장 유통조사 , ^임시연보 21 호 . pp.

157-170.

최승필 , 박종선 (2004) 산불피해지역에서 정규산화율지수와 정규식 생지수의 비교분석 , ^{한국측량학회지} , ^{한국측량학회} , ^제 22 ^{권 제} 3 호 , pp. 261-268.

최철순 , 최승필 (1997) 인공위성 TM 영상을 이용한 고성 산불 피해지역의 추적조사 , 한국측지학회지 , 한국측지학회 , 제 15 권 제 2 ^호 , pp. 215-219.

http://www.forestinfo.or.kr, ^{임산물 유통정보 시스템} .

Leblon, B., Alexander, M., Chen, J., and White, S. (2001) Monitor- ing fire danger of northern boreal forests with NOAA-AVHRR NDVI images, International Journal of Remote Sensing , Vol.

22, No. 14, pp. 2839-2846.

Kelha, V., Rauste, Y., Hame, T., Sephton, T., Boungiorno, A., Frauenberger, O., Soini, K., Venalainen, A., San miguel-ayanz, J., and Vaino, T. (2003) Combining AVHRR and ATSR satel- lite sensor data for operational boreal frest fire detection, Inter- national Journal of Remote Sensing , Vol. 24, No. 8, pp. 1691- 1708.

Koutsias. N. and KARTERIS, M. (2003) Classification analysis of vegetation for delineating forest fire fuel complexes in a Medi- terranean test site using satellite remote sensing and GIS, Inter- national Journal of Remote Sensing , Vol. 24, No. 15, pp. 3093- 3104.

Rouse, J. W., Haas, R. H., Schell, J. A., and Deering, D. W. (1973) Monitoring vegetation systems in the great plains with ERTS, Third ERTS Symposium, NASA SP-351, Vol. 1, 309-317.

Turker, M. and San, B. T. (2003) SPOT HRV data analysis for detecting earthquake-induced changes in Izmit, Turkey, Inter- national Journal of Remote Sensing , Vol. 24, No. 12, pp. 2439- 2450.

( ^접수일 : 2006.2.3/ ^심사일 : 2006.3.14/ ^{심사완료일} : 2006.3.14)