대형산불 발생 후 원격탐사를 이용한 식생분석은 대규모 지역에서 신속하고 객관적인 분석결과를 적은 비용으로 얻을 수 있는 장점이 있다. 또한, 이러한 결과를 다른 분야에 제공함으로써 연구과제의 연결성과 분석의 효용성을 최대화 할 수 있다. 위성영상분석결과를 활용한 산불 피해강도의 도면화는 산불피해 직후, 조사계획 수립과 모니터링은 물론 산불 전후의 피해특성 및 양상 그리고 복구계획 수립을 위한 기초자료로 활용될 수 있다(Lentile, 2006). 시기에 따른 피해강도를 분석할 때 다양한 환경 요인의 변화는 변화된 정보량을 얻는데 영향을 주게 된다. 따라서 변화 탐지의 성능을 향상시키기 위해 환경적인 요소의 변화를 최대한 줄여 주어야 한다. 최근 분석의 정확도를 향상시키기 위해, RapidEye, SPOT-5, IKONOS, KOMPSAT-2와 같은 중고해상도의 영상을 이용하는 경우가 증가하고 있다. 본 연구에서는 2012넌 4월에 발생한 서산 지역의 RapidEye 위성영상을 활용하여 산불피해지의 피해강도 추출하였고 ND산불피해지 현장조사 자료를 기반으로 감독분류기법인 최대우도법(Maximum Likelihood)을 이용하여 피해등급을 구분하였다. 최적 피해강도 추출을 위한 분석기법 선정하기 위해 분류된 피해강도 결과를 비교 분석하였다. 감독분류를 위해서는 산불피해지의 현장조사로 얻어진 5개의 피해등급 지점들의 샘플을 트레이닝 지역으로 활용하였다. 분류에 대한 검증으로는 Kappa 계수를 구했으며 그 값은 0.7870로 아주 좋은 결과를 보였다. 그 이유는 현장조사자료를 훈련지역으로 반영한 결과로 볼 수 있다. 그리고 현장에서 조사한 산불피해강도 조사야장(Korea Composite Burn Index, KCBI)를 통해 나온 등급지수와 서산 지역의 위성영상에서 도출된 결과와 비교 분석하였다. KCBI는 0 ～ 13.2 로 산불피해등급과 같이 5단계로 나누었다. 각 각의 결과를 상관관계로 비교하니 R2 = 0.8981로 상당히 높은 상관관계가 있음을 알 수 있었다. 이를 토대로 향후 대형 산불을 포함한 산불 발생 시 산불피해 및 피해상태를 측정하여 보다 신속하고 정확하게 국가 보고에 활용할 수 있을 것이라 생각된다.

하천은 다양한 환경조건에 따라 변화될 수 있는 공간으로 하천복원을 설계하기 위해서는 현재 하도의 안정성 여부를 파악할 수 있는 하도평가가 필요하다. 하도평가는 대상하천의 지형 및 수리·수문 등 다양한 정보가 요구되지만 국내여건상 과거자료 미비로 인해 시·공간적으로 변화된 하천의 지형학적 정보를 파악하기에는 많은 어려움이 있다. 본 연구는 만경강의 과거에서 현재까지의 하도지형 변화를 평가하기 위한 방안으로 영상분석기법을 이용하여 구하도 형성, 하도 종·횡단 변화, 하도 내 미지형 변화 등을 분석하였다. 만경강의 경우 1920, 30년대 직강화 공사로 하도길이가 약15 km가 줄었으며, 하도가 절단되는 과정에서 6개소의 구하도 구간이 형성되었다. 이후 만경강은 하도경사 조정과 물이용을 위해 지속적인 보의 설치가 증가되었다. 보의 설치는 저수로 폭, 최심선 길이, 식생사주, 모래사주, 전체 사주 및 수역면적 등 변화의 주요원인이 되었다. 만경강 하도는 현재 하류구간에서 안정하도를 유지하는 것으로 판단되나 중류와 상류 구간 하도는 안정하도에 도달하지 못한 것으로 판단된다.

본 연구에서는 2003년 2월 1일 군산과 부안을 중심으로 한 호남 서해안 지역의 Landsat ETM+ 영상과 기상 관측 지점의 적설 자료를 이용하여 적설 면적을 지도화하는 방법을 비교ㆍ분석하였다. 기상 관측 지점의 자료를 이용한 방법은 각 관측 지점별로 적설량의 많고 적음을 잘 나타낼 수 있다. 그러나 이 방법은 해당 관측 지점에 대한 정보만 신뢰할 수 있을 뿐, 주변 지역에 대한 정보는 부정확하게 추정될 수 있다. 반면에 Landsat ETM+ 영상 자료를 이용하여 작성된 적설 분포도는 영상이 제공하는 시점의 적설의 실제적인 분포 상태를 구체적으로 표현 가능하였다. 또한 픽셀의 개수를 통해 영상 내의 대략적인 적설 면적도 계산 가능하다.

융설 모형을 이용하여 융설 기간 동안의 하천유출량을 모의하기 위해서는 융설 관련 매개변수의 정립이 반드시 필요하다. 우리나라의 경우 관측 자료의 부족으로 인하여 적설분포면적, 적설심, 적설분포면적 감소곡선과 같은 융설 관련 매개변수의 추출이 불가능하였다. 본 연구에서는 1997년부터 2003년까지의 겨울철(11월-4월) NOAA/AVHRR 위성영상을 이용하여 한반도의 적설분포도를 추출하고 기상청의 69개소 유인지상기상관측소의 기상자료 중 최심적설심 자료

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성 영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.