Development of Fuel Quantity Estimation Technology Using Satellite Imagery and Establishment of a Visualization System

위성영상을 이용한 산불연료 가상표출 체계 검토

산림과학원의 지원을 받아 위성영상과 딥러닝 기술을 활용한 산불 연료 분석 및 시각화 연구를 수행하였습니다.

본 연구는 Sentinel-2 위성영상 기반 식생지수와 기존 산불 연료 지도를 결합하여 대규모 학습 데이터를 구축하고, 딥러닝 기반 산불 연료 예측 모델 및 웹 시각화 시스템을 개발하는 것을 목표로 하였습니다.

기후 변화로 인해 대형 산불 발생 빈도가 증가함에 따라 산불 위험지역을 빠르게 분석하고 대응할 수 있는 기술의 필요성이 커지고 있습니다.

기존 산불 연료 지도는 현장 조사 중심으로 구축되어 최신 연료 상태를 반영하는 데 한계가 있으며, 광범위한 지역을 지속적으로 갱신하기 어렵다는 문제가 존재합니다.

본 연구에서는 Sentinel-2 위성영상으로부터 식생 상태 및 수분 정보를 나타내는 NDVI, NDRE, NDWI 식생지수를 추출하고, 이를 산불 연료 지도와 결합하여 딥러닝 학습 데이터를 구축하였습니다.

본 연구에서는 Sentinel-2 위성영상을 활용하여 식생의 건강도와 수분 상태를 반영하는 NDVI, NDRE, NDWI 식생지수를 생성하였습니다.

이후 행정구역 단위 통계값을 기반으로 시계열 데이터를 구성하고, 전국 산불 연료 지도와 결합하여 약 434만 건 규모의 학습 데이터를 구축하였습니다.

또한 CNN, BiLSTM, Attention 구조를 결합한 DeepFLARE 딥러닝 모델을 설계하여 공간적 패턴과 시계열 변동성을 동시에 학습할 수 있도록 구현하였습니다.

DeepFLARE 모델은 지역·권역·광역·전국 단위의 다양한 공간 규모에서 실험되었으며, 특히 광역 단위 실험에서 우수한 일반화 성능을 보였습니다.

예측 결과는 웹페이지를 구축하여 산불 연료량을 직관적으로 탐색할 수 있도록 구현하였으며, 기존 산불 연료 지도와 AI 기반 예측 결과를 비교할 수 있도록 구성하여 산불 위험지역 분석 및 대응 활용 가능성을 검토하였습니다.