지형적인 이질성이 심한 강원도, 경상북도에 집중되고 있는 대형 산불을 관리하기 위해서는 위성 영상을 활용하여 효율적이고 신속한 피해 평가를 통한 의사 결정 과정이 필수적이다. 이에 본 연구는 2022년 3월 5일에 강원도 강릉 및 동해에서 발화하여 3월 8일 19시경 진화된 대형 산불을 대상으로, dNBR을 활용한 산불 심각도 산정과 등급에 영향을 미치는 환경요인을 도출하고자 하였다. 환경요인으로는 식생 또는 연료 유형을 대표하는 정규식생지수, 수종을 구분한 임상도, 수분함양을 나타내는 정규수분지수, 지형과 관련해서는 DEM 등을 수치화한 후 산불 심각도와의 상관 관계를 분석하였다. 산불 심각도는 산불 피해 없음(Unbured)이 52.4%로 가장 넓었고, 심각도 낮음 42.9%, 심각도 보통-낮음 4.3%, 심각도 보통-높음 0.4% 순이었다. 환경요인의 경우 dNDVI, dNDWI와는 음의 상관관계를, 경사도와 는 양의 상관관계를 나타내었다. 식생과 관련해서는 산불 심각도에 영향을 미치는 것으로 분석된 dNDVI, dNDWI, 경사도 모두에서 침엽수, 활엽수, 기타의 집단간 차이가 p-value < 2.2e-16로 유의미한 것으로 분석되었다. 특히, 침엽수 와 활엽수의 차이가 명확하였는데, 강원도 지역에서 우점종인 소나무를 비롯하여 잣나무, 리기다소나무, 곰솔 등의 산불 심각도가 높아 침엽수가 활엽수에 비해 피해를 받는 것이 확인되었다.

산불이 발생하면 수목은 산불의 직접 영향을 받는 1차 피해와 시간이 경과하면서 다양한 원인으로 고사하는 2차 피해를 입는다. 산불 발생 후 피해지 조사 시점에 따라서 산불 피해지의 분포 패턴이 달라지고 2차 피해 현상이 진행하는 과정도 지역마다 다르게 나타난다. 이 연구는 산불발생 후 산불피해지의 변화를 분석하는 방법을 제안하는 것이 목적이다. 이 연구에서 제안하는 방법은 시계열 군집 분석을 통해서 비슷한 피해 변화 양상을 보이는 산불 피해지를 구분할 수 있다. 2022년 3월 4일부터 3월 13일까지 산불이 진행한 울진･삼척 지역을 대상으로 산불 피해지를 분석하였다. 9개의 군집으로 분류한 결과를 보면, 세 개의 군집이 다양한 산불 피해지 변화 양상을 보여주고 있다. 이 연구에서는 각 군집의 지도화로 공간 분포 특성을 보여준다. 산불 피해지가 집중되어 있는 지역, 시기적으로 특정 시기에 산불이 발생한 지역 등에서 각 군집이 분포하는 것을 확인할 수 있다.

최근 기후에 대한 관심이 증가하면서 전국단위 뿐만 아니라 지역 단위에서도 기후 지도가 필요하게 되었다. 본 연구에서는 기상청에서 제공하고 있는 무인자동 기상관측장비(AWS) 자료와 LANDSAT 8호 열적외선 영상을 이용하여 지상 기온 분포도를 제작하는 과정을 제시하였다. 지상 기온 분포도 제작을 위하여 기존에 사용되었던 AWS 자료의 공간 보간 기법, 열적외선 영상으로 부터 지표 온도 추출 기법, AWS 자료와 위성영상을 이용한 지상 기온 추출 기법을 비교하고, 지상 기온 분포도에 적합한 지도 제작 기법을 파악하였다. 본 연구의 결과 지상 기온 분포도 제작을 위해 AWS 자료와 위성영상을 이용한 지상 기온 추출 기법이 가장 적합한 것으로 나타났다. 본 연구에서 제시한 과정을 통하여 다양한 지역단위의 기후 지도를 제작할 수 있을 것으로 예상된다.

2013년 3월에 발사된 Landsat 8 인공위성의 이미지데이터를 이용하여 금강유역을 대상으로 수질인자에 대한 평가를 수행하였다. 본 연구의 목적은 다양한 수질인자 중 녹조에 직접적인 영향을 미치는 총질소와 총인의 농도를 추정함으로써 궁극적으로 수생태계에 악영향을 미치는 녹조의 발생을 모니터링 하는 것이다. 현장실측데이터와 인공위성 데이터간의 상관관계를 규명하기 위하여 Pearson' 상관계수를 이용하여 그 관계를 파악하였다. Landsat 8이 촬영되는 시기를 포함하는 총 20개의 현장실측 데이터가 수집되었으며 Landsat 8의 11개의 밴드 중, 밴드2, 3, 4의 반사도 값이 총인과 총질소를 탐지하는데 있어서 가장 상관성 높은 것으로 나타났다. 총질소는 유의수준 0.05에서 밴드2(0.48), 3(0.62), 4(0.57)과 높은 양의 상관관계를 보였으며, 총인의 경우, 유의수준 0.01에서 밴드2(0.59), 3(0.59), 4(0.58)로 높은 양의 상관관계를 나타냈다. 5번 밴드는 유의수준을 벗어남으로써 두 수질인자를 탐지하는데 상관성이 떨어지는 것으로 나타났다. 상관성이 높았던 밴드간의 조합을 통해서 총질소와 총인에 대한 각각의 최적 회귀식이 다중 회귀식을 근거로 구축되었다. 유도된 회귀식으 로 계산된 총질소와 총인의 농도값은 통계기법인 Bias와 RMSE를 이용하여 현장실측데이터들과 비교·검증되었다. 최종적으로, 2014년 4월 21과 2013년 11월 12일에 대한 맵핑을 수행함으로써 총질소와 총인의 공간적인 분포를 시각적으로 확인할 수 있었다.