DOI QR코드

DOI QR Code

Change Detection of Damaged Area and Burn Severity due to Heat Damage from Gangwon Large Fire Area in 2019

2019년 강원도 대형산불지역의 열해 피해로 인한 피해강도 변화 탐색

  • Won, Myoungsoo (Division of Forest Ecology and Climate Change, National Institute of Forest Science) ;
  • Jang, Keunchang (Division of Forest Ecology and Climate Change, National Institute of Forest Science) ;
  • Yoon, Sukhee (Division of Forest Ecology and Climate Change, National Institute of Forest Science) ;
  • Lee, HoonTaek (Division of Forest Ecology and Climate Change, National Institute of Forest Science)
  • 원명수 (국립산림과학원 기후변화생태연구과) ;
  • 장근창 (국립산림과학원 기후변화생태연구과) ;
  • 윤석희 (국립산림과학원 기후변화생태연구과) ;
  • 이훈택 (국립산림과학원 기후변화생태연구과)
  • Received : 2019.10.30
  • Accepted : 2019.12.18
  • Published : 2019.12.31

Abstract

The purpose of this study is to detect the burned area change by direct burning of tree canopies and post-fire mortality of trees via analyzing satellite imageries from the Korea multi-purpose satellite-2 and -3 (KOMPSAT-2 and -3) for two large-fires over the Goseong-Sokcho and Gangneung-Donghae regions in April 2019. For each case, the burned area was compared between two dates: the day when the fire occurred and 15-18 days after it. As the results, within these two dates, there was no substantial difference in burned area of sites whose severities were marked as "Extreme", but sites with "High" and "Low" severities showed significant differences in burned area between the two dates. These differences were resulted from the lagged post-fire browning of canopies which was detected by images from in-situ observation,satellite, and the unmanned aerial vehicle. The post-fire browning started after 3-4 days and became apparent after 10-15 days. This study offers information about the timing to quantify the burned area by large fire and about the mechanism of post-fire mortality. Also, the findings can support policy makers in planning the restoration of the damaged areas.

1. 서론

산불피해강도(burn severity)는 지역적이고 국지적인 환경에서의 산불피해 후 장 · 단기적으로 산불에 의한 영향을 통합한 의미로 생태계가 산불로 인해 변화된 정도로 정의할 수 있다(Morgan et al., 2001; Key and Benson, 2002; National Wildfire Coordinating Group, 2005). 산불 피해강도의 평가는 산불피해 후 조사계획 수립과 모니터링은 물론 산불 전후의 피해특성 및 양상 그리고 복구 계획 수립을 위한 기초자료로 활용될 수 있다(Lentile et al., 2006). 넓은 면적의 산불피해지 구획과 강도를 효율적으로 분석하기 위해서는 Landsat, SPOT, KOMPSAT, IKONOS, RapidEye 등 중·고해상도 위성영상자료를 활용하여 피해특성을 분석하는 것이 시간, 인력 그리고 예산적 측면에서 현장조사에 의존하는 것보다 매우 효과적일 수 있다. 특히 산불피해강도의 조사 및 평가는 피해지 복구, 복원, 모니터링 등 피해 후 관리에 이용되는 중요한 기초자료이며, 다중 분광영상을 이용한 원격탐 사기법은 신속하고 비용효과가 큰 측면에서 경관변화를 모니터링하고 평가하는데 효과적으로 적용되고 있다(Lentile et al., 2006).

산불피해로 인한 분광 패턴의 변화 분석에는 산불피해 전후 영상의 정규탄화지수(NBR, Normalized Burn Ratio)와 정규식생지수(NDVI, Normalized Difference Vegetation Index)를 포함한 다양한 분광밴드들의 조합에 의한 지수의 형태로 활용할 수 있다. 특히, NBR과 dNBR(differenced NBR)은 원격탐사 자료로부터 산불 피해강도를 추정하는데 폭넓게 활용되었다(Key and Benson, 2002, 2006; van Wagtendonk et al., 2004; Cocke et al., 2005; Roy et al., 2006). 광학센서를 활용한 산림원격 탐사는 산불피해지역 탐지를 위한 효과적인 방법으로 평가되고 있으며, Landsat 영상과 NBR을 이용한 많은 연구가 수행되었다. 우리나라에서는 Landsat, SPOT, KOMPSAT, IKONOS, RapidEye 영상과 NBR, dNDVI, 다양한 분류기법 등을 활용하여 산불피해강도를 평가하였으며(Won et al., 2007, 2008, 2012, 2014a, 2014b; Lee et al., 2009), Lee et al.(2017)은 산불 전후 두 시기의 영상을 활용하는 Landsat-NBR 방법이 식물계절(phenology)에 너무 민감하게 반응하는 문제점을 극복하기 위해 2~3일 재방문 주기를 가지는 Sentinel-2 단일 시기 영상만을 이용하여 산불피해지역을 탐지할 수 있는 기법인 FBI (Fire Burn Index)를 개발한 바 있다.

하지만 산불로 인해 발생하는 직간접적인 복사열과 수분 스트레스, 열로 인한 세포조직의 괴사 등 수목의 열해 피해와 같은 산불 후 영향에 대해서는 연구가 활발히 진행되지 못 하고 있는 실정이다. 대형산불 피해 후 급격히 혹은 장기간 나타나는 수목의 고사현상을 정확히 파악하는 것은 매우 중요하며, 이것은 다양한 과학적 논거를 통해 실태를 파악한 후 산불피해지 복구계획 수립과 장기적인 생태계 관리를 위해서 필요하다. Bär et al.(2019)에 의하면 산불이 수목 생리에 미치는 영향은 크게 1차, 2차 피해로 나눌 수 있다. 1차 피해는 산불의 열에 의해 직접적으로 피해를 입는 것을 뜻하며 잎, 뿌리, 형성층, 사부 조직이 괴사하거나 수액 이동에 장애가 발생하는 것을 포함한다. 이러한 열해가 설령 직접 수목의 고사를 일으킬 정도로 심하지 않았더라도 수목이 이미 회복할 수 없는 피해를 받았거나 추가로 해충, 균의 공격을 받으면 탄수화물, 수분 기작에 장애를 일으켜 고사하는 2차 피해를 입을 수 있다.

산불의 1, 2차 피해는 두 가지 공통적인 핵심 피해 기작을 가지고 있다. 첫 번째 고사 기작은 뿌리로의 탄수화물 공급에 장애가 발생하는 것이다. 산불의 열에 의해 혹은 해충이나 균의 공격으로 괴사한 형성층, 사부 조직은 광합성 산물이 뿌리로 이동하는 것을 원활하지 못하게 하거나 완전히 차단해버린다(Midgley et al., 2011). 혹은 잎 조직이 열에 의해 괴사하면 광합성량이 줄어들 게 된다. 이러한 피해는 모두 뿌리로의 탄수화물 공급에 피해를 입히고 무기염류 및 수분 흡수 활동에 지장을 준다. 뿌리의 수분 흡수 활동이 원활하지 못하면 잎이나 목부조직의 수분포텐셜이 낮아지고, 그 결과 두 번째 핵심 피해 기작인 수액 운반 장애가 발생한다(Tyree and Zimmermann, 2002). 이를 방지하기 위해 수목은 기공을 폐쇄하는데, 이 경우 광합성에 의한 탄수화물 합성이 중단되어 뿌리는 근처에 저장돼있던 비구조 탄수화물을 사용하게 된다(Varner et al., 2009). 비구조 탄수화물을 모두 소진하고 나면 더 이상 탄수화물을 공급받지 못 해 수목은 탄소 기근으로 고사하게 된다(Sevanto et al., 2014). 산불 진화 후 이러한 기작으로 고사하는 데는 몇 달(Midgley et al., 2011) 혹은 몇 년에서 몇 십 년까지 걸리는 것으로 알려져 있다(Noel, 1970).

두 번째 고사 기작은 앞서 언급한 것처럼 수액 운반에 장애가 발생하는 것이다. 수리전도도는 첫 번째 기작에서처럼 뿌리가 탄수화물을 공급받지 못하는 것 외에도 뿌리 조직이 산불에 의해 고사되거나(Smirnova et al., 2008), 수액 운반 조직(도관, 가도관)이 산불에 의해 변성되거나(Bär et al., 2018), 혹은 균, 해충에 의해 피해를 받아 감소할 수 있다(Frank et al., 2014). 또한 산불의 열이 잎 주변 공기를 건조시키면 수증기압포차가 증가하는데 이 변화가 너무 급격하여 기공이 미처 닫히지 못 하고 수분이 증산으로 인해 손실되어 잎과 목부조직의 수분포텐셜이 감소하게 된다(Midgley et al., 2011). 이 모든 경우는 수액 기둥이 받는 장력을 증가시켜서 수액 기둥 내부로 공기가 침투하는 공동현상을 일으키고 결국 수액 기둥의 흐름이 끊어져 수목이 고사하게 된다. 수액 이동 장애로 발생하는 고사는 매우 빠르게 발생하는데, Midgley et al.(2011)은 산불이 진화된 후 10일 내에 수액 이동 장애로 인해 나무가 고사하는 것을 확인한 바 있다. 또한 이러한 고사 유형은 수간 하부로부터 수관 방향으로 진행되는 특징이 있고, 어떤 수종은 산불의 열에 의해 수액 운반 조직이 받는 피해를 방지하기 위해 두꺼운 수피를 가지도록 진화하기도 했다.

산불 직후 넓은 지역을 대상으로 수관부가 열해 피해로 인해 갈변되는 현상을 육안으로 신속하게 파악하기란 쉽지 않다. 이러한 단점을 극복하기 위해 고해상도 위성영상을 활용하여 수관열해로 인한 수관부의 갈변현상을 파악하는 연구는 전 세계적으로 전무한 실정이다. 따라서 본 연구는 대형산불 직후 산불로 인해 수목의 수관부가 완전 전소된 지역 외에 수관열해와 지표화로 인해 서서히 수관부가 갈색으로 변색되어 가는 과정을 모니터링하여 정확한 피해면적을 산정하는데 목적이 있다.

2. 자료 및 방법

1) 연구대상지

본 연구에서는 산불로 인해 수관열해 피해를 받은 산림의 피해강도별 피해면적 변화를 탐색하기 위해 2019년 4월에 발생한 강원도 대형산불피해지를 연구대상지로 선정하였다. 강원도 대형산불피해지는 2019년 4월 4일부터 4월 6일까지 고성·속초 산불, 강릉·동해 산불, 인제 산불 등 3건의 대형산불이 발생한 곳을 말한다. 이 연구에서는 산불의 영향으로 열해 피해를 받은 소나무림에서 갈변현상에 의한 피해강도별 피해면적 변화를 탐지하기 위해 고성·속초 산불과 강릉·동해 산불 피해지 두 지역에 초점을 맞추어 연구를 진행하였다. 고성·속초 산불은 2019년 4월 4일 오후 7시경에 강원 도 고성군 토성면 원암리에서 최초 발화하여 속초시까지 확산되었으며, 4월 5일 오전 8시경에 진화가 완료되었다. 강릉·동해 산불은 강원도 강릉시 옥계면 남양리에서 4월 4일 밤 11시경에 발화하여 강한 바람의 영향으로 동해시까지 빠르게 확산하였다. 고성·속초 산불과 강릉·동해 산불로 인해 각각 1,329.9 ha와 1,242.1 ha의 대규모 산림이 소실되었고, 많은 인명과 재산상 피해가 발생하여 이 지역을 대상으로 4월 6일에 특별재난지역으로 지정된 바 있다. Fig. 1은 고성·속초 산불 및 강릉· 동해 산불이 발생한 지역을 나타낸 것이고, 대형산불피 해지에 대한 개요 정보는 Table 1에 제시하였다.

Table 1. Overviewoftheforestlarge-firesoccurredinGangwon Province in 2019

Fig. 1. Map of large-fire occurrences in Gangwon Province. Red boxes indicate the locations of large-fires in 2019.

2) 분석자료

대형산불지역의 피해강도별 피해면적 분석을 위해 한국항공우주연구원(KARI, Korea Aerospace Research Institute)에서 운영하고 있는 다목적실용위성 2호 (KOMPSAT-2, 이하 K2)와 3호(KOMPSAT-3, 이하 K3)를 이용하였다. K2는 2006년 7월 28일에 발사되어 685 km 상공에서 지구를 관측하고 있으며, 후속 위성인 K3 는 2012년 5월 18일부터 같은 고도에서 임무를 수행하고 있다. 두 위성 모두 다중분광밴드 4개와 흑백 1개 밴드로 구성되어 있으며, 관측폭은 K2의 경우에는 15 km 이며, K3는 16 km이다. 분광밴드별 파장과 공간해상도 등 다목적실용위성의 상세 정보는 Table 2에 제시 하였다.

산불피해지 면적 및 강도 산출, 소나무림 수관열해 영향에 의한 피해면적 변화를 탐색하기 위해 고성·속초와 강릉·동해 산불피해지를 대상으로 K2와 K3 영상을 취득하였고, 각각의 영상정보는 정사보정 등 기본적인 전처리가 완료된 Level 1O 자료를 활용하였다. 영상을 취득함에 있어서 수관열해 영향에 따른 피해지 변화를 모니터링하기 위해 산불진화가 완료된 시점에 촬영된 영상정보와 함께 진화 완료 약 2주 후에 촬영된 영상정보를 함께 취득하여 분석하였다. 이 연구에서는 고성· 속초 산불피해지 분석에 4월 5일과 4월 20일에 촬영된 K3 영상을 활용하였고, 강릉·동해 산불피해지는 4월 5일과 8일(이상 K3), 23일(이상 K2)에 촬영된 영상을 취득하여 분석하였다.

Table 2. Specifications of KOMPSAT-2 and 3 satellites

Fig. 2. KOMPSAT-3 imagery of the post-fire in Goseong and Sokcho area in 2019.

Fig. 3. Imagery of the post-fire in Gangneung and Donghae area in 2019.

Fig. 2는 고성·속초 산불지역의 산불피해강도 분석을 위해 활용한 영상이며, Fig. 3은 강릉·동해 산불피해지 분석을 위해 활용한 영상들이다.

3) KOMPSAT 영상을 활용한 대형산불 피해지역 분석

KOMPSAT영상을 활용한 연구대상지의 산불 피해 강도별 피해면적을 분석하기 위해 NDVI와 무감독분류 기법 중 널리 사용하고 있는 ISODATA 기법을 사용하였다. 대형산불 피해지역의 피해현황과 복구계획 수립 등 시급성을 감안하여 4월 5일 촬영된 영상은 NDVI 분석을 우선 실시하였다. 진화완료 이후 열해피해로 인해 수관부가 갈색으로 변색되어가는 과정을 탐지하기 위해 4월 20일(고성·속초지역)과 4월 23일(강릉·동해지 역)에 촬영된 영상은 무감독분류기법을 이용하여 산불 피해면적과 피해강도의 변화를 분석하였다.

산불피해강도의 분류 기준은 National Institute of Forest Science(2013)에서 미피해지를 제외하고 수관전소(Extreme), 수관열해(High), 피해중(Moderate), 피해경 (Low)으로 구분한 바 있다. 이러한 분류기준은 산불피해 후 일정기간 경과 후 현장조사를 바탕으로 피해등급 별 훈련지역(training sites)을 선정한 이후 최대우도법 (maximum likelihood classification) 등 감독분류에 기반 한 것이다. 하지만 본 논문에서는 대형산불로 인해 재난지역으로 선포되어 산불진화 초기부터 피해 규모 파악과 우선 복구지역 계획 수립 등 국가차원의 긴급 대응이 필요하여 1차 시기 위성자료를 이용하여 내업을 통해 신속하게 NDVI 분석을 실시하였다. 또한 산불진화 후 열해 피해로 인한 피해강도의 변화를 탐지하기 위해 ISODATA 무감독분류기법을 통해 피해지역을 분류 하였다. 산불피해지역의 정확한 분류를 위해서는 현장 조사를 통해 피해강도별 다양한 훈련지역을 선정하는 것이 타당하나, 현장 정밀조사를 위해서는 많은 인력과 시간이 소요되어 신속한 산불피해면적 정정과 빠른 복구계획 수립을 위해 ISODATA 분류기법을 통해 2차 피해지역을 분류하였다. 또한 산불피해 후 수관층의 갈변 현상이 진행되고, 수계와 지형의 그림자효과로 인한 오분류를 최대한 막기 위해 초기 NDVI 분석보다는 다양한 패치의 특성을 분류할 수 있는 무감독분류기법을 적용하였다.

본 연구에서는 산불피해강도의 정의를 유기물 감소 등 환경요소의 변화 개념을 고려하여 산불피해 후의 효과를 모니터링하기 위해 피해강도(burn severity) 측면으로 국한시켜 접근하였다. 피해강도의 등급 분류 기준은 미피해지를 제외하고 수관전소(extreme)-수관열해 (high)-지표화(low) 지역 3등급으로 구분하여 도면화 하였다. 피해강도는 산불 후 피해평가에서 주요 영향인자이며 현장조사와 원격탐사 자료의 검증에 주로 활용되고 있다. 즉, 피해강도는 환경요소의 변화 개념으로 주로 산불피해 후 영향 모니터링에 이용되며, 산불피해 후 장기간의 생태계 변화(유기물의 감소)의 정도를 설명하는 지표이며, 산불에 의한 식생과 토양의 단기·장기효과는 피해강도로 평가할 수 있다(Key and Benson, 2006; van Wagtendonk et al., 2004).

National Institute of Forest Science(2013)에서는 수관 전소(Extreme)는 산불로 인해 수관층이 완전히 소실되어 잎이 남아 있지 않은 상태로 영상에서 검정색 톤으로 보이며, 수관열해는 산불로 인해 직간접적인 열해 피해로 인해 수관층의 생엽이 갈색으로 변한 정도로 파악하는데, 수관층의 60% 이상이 고사한 상태로 정의하고 있다. 지표화 지역은 산불로 인한 피해가 미미한 지역으로 숲바닥으로 약한 불이 지나가 유기물의 감소 정도가 적고 육안으로 판독할 경우 수관부의 61% 이상이 생존해 있는 지역으로 정의하였다. 산불 후 열해 피해로 인한 수목이 고사되는 과정의 모니터링은 산불현장 사진자료와 드론을 활용하여 산불진화 후 1차 자료와 일정시간 경과 후의 2차 자료를 상호 비교하여 산불피해지역의 변화를 탐지하였다.

3. 결과 및 고찰

1) 대형산불지역의 피해강도별 피해면적 변화

(1) 고성·속초산불

2019년 4월 4일 19시 17분에 발생한 강원 고성·속초 산불발생지역을 대상으로 촬영한 K3 위성영상을 1차(4 월 5일 13:26)와 2차(4월 20일 13:12)로 나누어 산불피해 강도 변화를 분석하였다(Fig. 4). 4월 5일 촬영한 K3 위성영상은 NationalInstitute of Forest Science(NIFoS, 2013)에서 제안한 NDVI의 평균과 표준편차를 이용하여 피해강도를 분석하였다. 고성·속초 산불피해지역의 1차 피해강도 분석 결과는 Fig. 4(a)와 같다. 산불로 인해 소나무 수관부의 생엽이 전부 연소되어 100% 고사된 ‘수관전소(extreme)’ 지역은 582.3 ha(83.2%)로 가장 큰 피해 면적을 차지했고, 직간접적으로 복사열에 의해 그을리거나 말라 죽은 ‘수관열해(high)’ 지역은 88.9 ha(12.7%)의 피해면적을 보였다. 그 밖에 산불로 인해 수관부의 피해는 없어 보이지만 숲 바닥의 낙엽층만 태우고 지나 간 ‘지표화(low)’ 지역은 28.8 ha(4.1%)로 분석되었다. 고성·속초산불의 경우, 수관전소 지역의 면적이 가장 큰 이유는 고성에서 발생한 산불이 서풍계열의 강풍을 타고 속초 시내로 빠르게 확산되어 소나무림의 수관피해가 가장 컸기 때문으로 사료된다. 산불 직후 NDVI 분석으로 산정된 고성·속초 지역의 총 피해면적은 약 700 ha 로 분석되었다(Table 3). 본 결과는 Park et al.(2019)이 산불발생 전·후의 Sentinel-2 영상을 활용하여 산림고사지수(FWI, Forest Withering Index)의 차이로 산정한 산불 피해면적(701.16 ha)과 유사한 결과를 나타냈다. 이러한 결과는 산불 직후 촬영된 4월 8일 영상을 활용한 분석 결과인 점을 감안할 때 진행 중인 수관부의 열해 피해를 반영하지는 못하였다.

산불발생 15일 후 2차로 촬영된 K3 위성영상을 활용하여 ISODATA 기법으로 무감독분류한 결과는 Fig. 4(b)와 같다. 산불피해 등급별로 ‘수관전소’ 지역은 587.8 ha(44.2%), ‘수관열해’ 지역은 505.4 ha(38.0%), ‘지표화’ 지역은 236.7 ha(17.8%)로 ‘수관전소’ 피해면적이 가장 큰 비율을 차지했다(Table 3). 1차 영상분석 대비 ‘수관 전소’ 지역의 면적은 약 5.5 ha 증가하였으나, ‘수관열해’ 지역과 ‘지표화’ 지역은 이전 영상 NDVI 분석 대비 피해면적이 각각 5.7배, 8.2배 증가하였다. ISODATA에 의해 산정된 고성·속초 지역의 총 피해면적은 1,329.9 ha로 1차 영상분석 대비 629.9ha가 증가하였고, 상대적으로 ‘수관열해’ 지역과 ‘지표화’ 지역의 면적이 산불피해 경계지역을 중심으로 확대된 것으로 나타났다(Fig. 4(b)). 강원 대형산불 피해지 공동조사단 현장조사 후 Korea Forest Service(2019)에서 발표한 피해면적은 1,266.62 ha로 본 연구를 통해 분석한 결과보다 약 63.3 ha가 작게 나타났다. 이는 고성·속초산불 피해지역 내 군사시설이 위치해 있어 위성자료의 보안처리와 산불피해를 받았지만 고사되지 않고 살아남은 활엽수림의 개엽이 진행되어 산불피해 면적에 다소 차이가 있는 것으로 사료된다.

Table 3. Damaged area and burn severity classes by NDVI analysis using KOMPSAT-3 at 13:26 (KST) on April 5th and ISODATA analysis using KOMPSAT-3 at 13:12 (KST) on April 20th, 2019 in Goseong and Sokcho large-fire area

Fig. 4. The change of spatial distribution by burn severity analysis in Goseong and Sokcho area using (a) KOMPSAT-3 at 13:26(KST) on April 5th, 2019 and (b) at 13:12(KST) on April 20th, 2019.

(2) 강릉·동해산불

2019년 4월 4일 23시 46분에 발생한 강원 강릉·동해 산불발생지역을 대상으로 촬영한 1차 K3 위성영상(4월 5일 13:25)과 K2 2차(4월 23일 10:14) 영상으로 나누어 산불피해강도 변화를 분석하였다(Fig. 5). 4월 5일 촬영한 K3 위성영상은 고성·속초 산불피해지역과 동일한 방법으로 산불피해강도를 분석하였다. 고성·속초 산불피해 지역의 1차 피해강도 분석 결과는 Fig. 5(a)와 같다. 수목이 100% 고사된 ‘수관전소(extreme)’ 지역은 602.9 ha (84.3%)로 피해면적이 가장 컸으며, ‘수관열해(high)’ 지역은 68.7 ha(9.6%)의 피해면적을 보였다. 수관부의 피해는 없어 보이지만 숲 바닥의 낙엽층만 태우고 지나간 ‘지표화(low)’ 지역은 43.2 ha(6.1%)로 분석되었다. 이 지역도 고성·속초산불과 마찬가지로 강한 서풍을 타고 단 시간 내에 동해안으로 확산되면서 소나무림의 수관피해가 매우 컸던 것으로 나타났다. 산불 직후 NDVI 분석으로 산정된 강릉·동해 지역의 총 피해면적은 약 714.8 ha로 분석되었다(Table 4). 이 지역의 피해면적은 Park et al.(2019)이 산불발생 전·후의 영상으로 산림고사지수 (FWI, Forest Withering Index)를 산정한 산불피해면적 (710.6 ha)과 유사한 결과를 보였다. 이 지역 또한 산불 직후 촬영된 4월 8일 Sentinel-2 영상을 활용하여 분석하였기 때문에 진행 중인 수관부의 열해 피해를 반영하지는 못하였다.

산불발생 18일 후 촬영된 K2 위성영상을 활용하여 ISODATA 기법으로 무감독분류한 결과는 Fig. 5(b)와 같다. 무감독분류에 의한 산불피해등급은 ‘수관전소’ 지역이 546.0 ha(45.4%), ‘수관열해’ 지역 497.8 ha(40.1%), ‘지표화’ 지역 180.3 ha(14.5%)로 나타나 ‘수관전소’ 피해 면적이 가장 큰 비율을 차지했다(Table 4). 1차 영상분석 대비 ‘수관전소’ 지역의 면적은 약 56.9 ha 감소하였고, ‘수관열해’ 지역과 ‘지표화’ 지역은 이전 영상 NDVI 분석 대비 피해면적이 각각 7.2배, 4.2배 증가한 것으로 분석되었다. ISODATA에 의해 분석된 강릉·동해 지역의 총 피해면적은 1,242.1 ha로 1차 영상분석 대비 527.3 ha가 증가하였다. 본 결과는 1차 영상 촬영시기 후에도 산불이 계속 진행되었고 잔불이 남아 있었기 때문에 피해 면적이 증가한 것으로 판단된다. 4월 5일 강릉·동해산불 피해지역을 촬영한 K3 위성영상자료에서 흰색 부분은 구름이 아닌 계속해서 진행 중인 산불로 인한 연기이다. Korea Forest Service(2019)의 공식적인 피해면적은 1,260.15 ha로 분석결과가 약 18.05 ha 과소평가되었지만 현장조사를 배제한 결과로는 매우 정확한 결과라 판단된다. 2차 영상판독 후에는 산불발화지를 기준으로 남서쪽으로 후진 산불에 의한 ‘수관열해’ 지역과 ‘지표화’ 지역의 면적이 상당히 증가하였고, 전소 지역 중심으로 ‘수관열해’ 지역이 증가한 것으로 나타났다(Fig. 5(b)).

Fig. 5. The change of spatial distribution by burn severity analysis in Gangneung and Donghae area using (a) KOMPSAT-3 at 13:25(KST) on April 5th, 2019 and (b) KOMPSAT-2 at 10:14 (KST) on April 23rd, 2019.

Table 4. Damaged area and burn severity classes by NDVI analysis usingKOMPSAT-3 at 13:25 (KST) onApril 5th and ISODATA analysis using KOMPSAT-2 at 10:14 (KST) on April 23rd, 2019 in Gangneung and Donghae large-fire area

2) 산불 후 열해 피해로 인한 수목고사 변화 탐지

앞에서 두 시기의 KOMPSAT 영상을 이용하여 강원 고성·속초와 강릉·동해지역의 대형산불로 인한 피해면 적과 피해강도의 변화를 분석하였다. 두 시기의 분석결과에서 알 수 있듯이 시간경과에 따라 수관전소 지역은 큰 변화가 없었지만 직접적인 열해 피해나 산불로 인한 조직 괴사나 수분스트레스 등으로 인해 수관층이 점차 갈색으로 변화되는 수목고사(tree mortality) 현상이 나타나는 것을 확인할 수 있었다. 이로 인해 1차 영상 분석 결과에서 지표화 지역과 미피해지로 분류되었던 지역 중 상당부분이 수관열해 지역으로 재분류되었다. 결국 산불 직후 위성영상의 촬영시기에 따라 소나무림에서 열해에 의한 갈변현상이 진행되어 산불 직후 촬영한 초기 위성영상과 시간경과 후 촬영한 위성영상의 분석결과에서 피해면적의 차이가 발생하였다. 4월 5일 촬영된 산불피해지 현장사진(강릉시 옥계면 남양리)에서 보듯 이 진화 당일에는 수관열해로 인한 피해가 육안으로 판독하기 어려웠으나, 4월 17일에 촬영한 현장사진에서는 1차 영상분석 결과에서 분류되지 않았던 미피해지와 지표화지가 수관열해 피해지역으로 변화된 모습을 확인할 수 있다(Fig. 6(a), (b)).

고성·속초산불 피해지의 경우 산불 진화완료 4일 후 (4월 9일)에 촬영한 드론영상에서는 직·간접적인 산불 복사열로 인해 이미 수관부에서 갈변현상이 나타난 것 을 확인할 수 있었다. 이후 4월 17일에 동일지역을 재촬영한 드론영상에서는 열해피해지의 증가는 없었으나, 피해지 내 피해목의 변색 정도가 더욱 짙어지는 것을 확인할 수 있었다(Fig. 6(c), (d))

결과적으로 4월 5일부터 4월 9일까지 4일 동안 소나무 수관부의 갈변현상이 빠르게 진행되었음을 유추해 볼 수 있다. 수관부 갈변현상 이후 재촬영된 드론영상(4월 17일)에서는 열해 피해지역의 면적 변화는 없고 피해목의 변색 정도의 차이만 발견되었다는 것은 지표화와 수관화 지역은 산불 진화 완료 시점에는 갈변현상이 나타나지 않았지만 이후 수일(3~4일)내에 수관부의 갈변현상이 빠르게 진행된다는 것을 확인할 수 있었다.

Fig. 6. Comparison of the changes of tree mortality by the time series in Goseong and Gangneung.

4. 결론

본 연구에서는 2019년 4월에 발생한 강원 고성·속초, 강릉·동해 대형산불 직후 산불의 영향으로 수목의 수관부가 완전 연소되거나, 직간접적인 열해 피해로 인해 고사되어 가는 과정을 KOMPSAT-2호, 3호 두 시기 영상자료를 활용하여 피해강도별 피해면적의 변화를 탐색하고자 하였다. 대형산불 피해지역에서 두 시기의 위성 영상자료를 분석한 결과, 시간경과에 따라 수관전소 지역은 큰 변화가 없었지만 직접적인 열해 피해나 산불로 인한 조직 괴사, 수분스트레스 등으로 인해 수관층이 점차 갈색으로 변화되는 수목고사(tree mortality) 현상이 나타나는 것을 확인할 수 있었다. 이로 인해 1차 영상 분석 결과에서 지표화 지역과 미피해지로 분류되었던 지역이 수관열해 지역으로 상당부근 증가하였다. 이러한 피해강도의 차이에 따른 피해면적의 변화는 산불영향 으로 인해 수관부가 서서히 갈색으로 변색되어 가는 과정에 의한 것으로 판단되며, 산불피해지역의 위성영상 분석결과와 현장사진, 드론 영상을 종합해 볼 때 산불 직후 3~4일 후부터 수관부의 갈변현상이 나타나 10~15일 경과 후엔 수관부의 갈변현상이 뚜렷해지는 것을 알 수 있었다. 본 연구결과를 통해 향후 대형산불지역의 신속한 피해면적 파악은 물론 수관열해로 인한 고사목의 기작을 파악함으로써 산불피해지 복구계획 수립을 위한 의사결정의 기초자료로 활용할 수 있을 것으로 사료 된다.

사사

본 연구는 국립산림과학원 자연재해대응 영향예보 생산기술 개발 사업(FE0500-2018-02)과 산림청(한국임 업진흥원) 산림과학기술연구개발사업(2017044C10- 1919-BB01)의 지원에 의해 수행되었습니다.

Acknowledgement

Supported by : 국립산림과학원, 한국임업진흥원

References

  1. Bar, A., A. Nardini, and S. Mayr, 2018. Post-fire effects in xylem hydraulics of Picea abies, Pinus sylvestris and Fagus sylvatica, New Phytologist, 217(4): 1484-1493. https://doi.org/10.1111/nph.14916
  2. Bar, A., S.T. Michaletz, and S. Mayr, 2019. Fire effects on tree physiology, New Phytologist, 223: 1728-1741. https://doi.org/10.1111/nph.15871
  3. Cocke, A.E., P.Z. Fule, and J.E. Crouse, 2005. Comparison of burn severity assessments using Differenced Normalized Burn Ratio and ground data, International Journal of Wildland Fire, 14(2): 189-198. https://doi.org/10.1071/WF04010
  4. Frank, J.M., W.J. Massman, B.E. Ewers, L.S. Huckaby, and J.F. Negron, 2014. Ecosystem $CO_2/H_2O$ fluxes are explained by hydraulically limited gas exchange during tree mortality from spruce bark beetles, Journal of Geophysical Research: Biogeosciences, 119(6): 1195-1215. https://doi.org/10.1002/2013JG002597
  5. Key, C.H. and N.C. Benson, 2002. Measuring and remote sensing of burn severity, Proc. of 2000 US Geological Survey(USGS) Wildland Fire Workshop, Los Alamos, NM, Oct. 31-Nov. 3, pp. 2-11.
  6. Key, C.H. and N.C. Benson, 2006. Landscape assessment: sampling and analysis methods, Rocky Mountain Research Station General Technical Report RMRS-GTR-164-CD, USDA Forest Service, Ogden, UT, USA.
  7. Korea Forest Service, 2019. Forest fire statistics in 2019, http://forest.go.kr/newkfsweb/kfi/kfs/frfr/selectFrfrStats.do?searchCnd=2010&mn=KFS_02_02_01_05_01, Accessed on Oct. 25, 2019.
  8. Lee, S.J., K.J. Kim, Y.H. Kim, J.W. Kim, and Y.W. Lee, 2017. Development of FBI (Fire Burn Index) for Sentinel-2 images and an experiment for detection of burned areas in Korea, Journal of Photo Geography, 27(4): 187-202 (in Korean with English abstract).
  9. Lee, S.W., M.B. Lee, Y.G. Lee, M.S. Won, J.J. Kim, and S.K. Hong, 2009. Relationship between landscape structure and burn severity at the landscape and class levels in Samchuck, South Korea, Forest Ecology and Management, 258(7): 1594-1604. https://doi.org/10.1016/j.foreco.2009.07.017
  10. Lentile, L.B., Z.A. Holden, A.M.S. Smith, M.J. Falkowski, A.T. Hudak, P. Morgan, S.A. Lewis, P.E. Gessler, and N.C. Benson, 2006. Remote sensing techniques to assess active fire characteristics and post-fire effects, International Journal of Wildland Fire, 15(3): 319-345. https://doi.org/10.1071/WF05097
  11. Midgley, J.J., L.M. Kruger, and R. Skelton, 2011. How do fires kill plants? The hydraulic death hypothesis and Cape Proteaceae "fire-resisters", South African Journal of Botany, 77(2): 381-386. https://doi.org/10.1016/j.sajb.2010.10.001
  12. Morgan, P., C.C. Hardy, T. Swetnam, M.G. Rollins, and L.G. Long, 2001. Mapping fire regimes across time and space: Understanding coarse and fine-scale fire patterns, International Journal of Wildland Fire, 10(3): 329-342. https://doi.org/10.1071/WF01032
  13. National Institute of Forest Science, 2013. A study on damage characteristics and development of burn severity evaluation methods, National Institute of Forest Science Research report, Seoul, Korea, pp. 13-37.
  14. National Wildfire Coordination Group, 2005. Glossary of wildland fire terminology, US National Wildfire Coordination Group Report, PMS-205, Ogden, UT, USA.
  15. Noel, A.R.A., 1970. The girdled tree, Botanical Review, 36(2): 162-195. https://doi.org/10.1007/BF02858959
  16. Park, S.W., S.J. Lee, C.Y. Chung, S.R. Chung, I.C. Shin, W.C. Jung, H.S. Mo, S.I. Kim, and Y.W. Lee, 2019. Satellite-based forest withering index for detection of fire burn area: Its development and application to 2019 Kangwon wildfires, Korea Journal of Remote Sensing, 35(2): 343-346 (in Korean with English abstract). https://doi.org/10.7780/KJRS.2019.35.2.13
  17. Roy, D. P., L. Boschetti, and S. N. Trigg, 2006. Remote sensing of fire severity: assessing the performance of the normalized burn ratio, IEEE Geoscience and Remote Sensing Letters, 3(1): 112-116. https://doi.org/10.1109/LGRS.2005.858485
  18. Sevanto, S., N.G. McDowell, L.T. Dickman, R. Pangle, and W.T. Pockman, 2014. How do trees die? A test of the hydraulic failure and carbon starvation hypotheses, Plant, Cell & Environment, 37(1): 153-161. https://doi.org/10.1111/pce.12141
  19. Smirnova, E., Y. Bergeron, S. Brais, and A. Granstrom, 2008. Postfire root distribution of Scots pine in relation to fire behaviour, Canadian Journal of Forest Research, 38(2): 353-362. https://doi.org/10.1139/X07-127
  20. Tyree, M.T. and M.H. Zimmermann, 2002. Xylem Structure and the Ascent of Sap, Springer, Berlin, Germany.
  21. van Wagtendonk, J.W., R.R. Root, and C.H. Key, 2004. Comparison of AVIRIS and Landsat ETM+ detection capabilities for burn severity, Remote Sensing of Environment, 92(3): 397-408. https://doi.org/10.1016/j.rse.2003.12.015
  22. Varner, J.M., F.E. Putz, J.J.O. Brien, J.K. Hiers, J. Robert, and D.R. Gordon, 2009. Post-fire tree stress and growth following smoldering duff fires, Forest Ecology and Management, 258(11): 2467-2474. https://doi.org/10.1016/j.foreco.2009.08.028
  23. Won, M.S., K.S. Koo, and M.B. Lee, 2007. An quantitative analysis of severity classification and burn severity for the large forest fire areas using Normalized Burn Ratio of Landsat imagery, Journal of the Korean Association of Geographic Information Studies, 10(3): 80-92 (in Korean with English abstract).
  24. Won, M.S., K.S. Koo, M.B. Lee, and Y.M. Son, 2008. Estimation of non-$CO_2$ greenhouse gases emissions from biomass burning in the Samcheok largefire area using Landsat TM imagery, Korean Journal of Agricultural and Forest Meteorology, 10(1): 17-24 (in Korean with English abstract). https://doi.org/10.5532/KJAFM.2008.10.1.017
  25. Won, M.S., K.S. Koo, M.B. Lee, W.K. Lee, and K.Y. Kang, 2012. Estimation of Non-$CO_2$ GHGs emissions by analyzing burn severity in the Samcheok Fire, South Korea, Journal of Mountain Science, 9(6): 731-741. https://doi.org/10.1007/s11629-012-2399-1
  26. Won, M.S., K.H. Kim, and S.W. Lee, 2014a. Analysis of burn severity in large-fire area using SPOT5 images and field survey data, Journal of the Korean Association of Geographic Information Studies, 16(2): 114-124 (in Korean with English abstract). https://doi.org/10.11108/kagis.2013.16.2.114
  27. Won, M.S., Y.S. Kim, and K.H. Kim, 2014b. Estimation on greenhouse gases (GHGs) emission of large forest fire area in 2013, Journal of the Korean Association of Geographic Information Studies, 17(3): 54-67 (in Korean with English abstract). https://doi.org/10.11108/kagis.2014.17.3.054