Journal of Cadastre & Land InformatiX (지적과 국토정보)

LX Spatial Information Research Institute (한국국토정보공사 공간정보연구원)
권호 표지
DOI QR코드

DOI QR Code

Sensitivity Analysis of Meteorology-based Wildfire Risk Indices and Satellite-based Surface Dryness Indices against Wildfire Cases in South Korea

기상기반 산불위험지수와 위성기반 지면건조지수의 우리나라 산불발생에 대한 민감도분석

  • 공인학 (부경대학교 지구환경시스템과학부 공간정보공학전공) ;
  • 김광진 (부경대학교 지구환경시스템과학부 공간정보공학전공) ;
  • 이양원 (부경대학교 지구환경시스템과학부 공간정보공학전공)
  • Received : 2017.10.10
  • Accepted : 2017.12.08
  • Published : 2017.12.10
Download PDF
⟨ Previous Next ⟩

Abstract

There are many wildfire risk indices worldwide, but objective comparisons between such various wildfire risk indices and surface dryness indices have not been conducted for the wildfire cases in Korea. This paper describes a sensitivity analysis on the wildfire risk indices and surface dryness indices for Korea using LDAPS(Local Analysis and Prediction System) meteorological dataset on a 1.5-km grid and MODIS(Moderate-resolution Imaging Spectroradiometer) satellite images on a 1-km grid. We analyzed the meteorology-based wildfire risk indices such as the Australian FFDI(forest fire danger index), the Canadian FFMC(fine fuel moisture code), the American HI(Haines index), and the academically presented MNI(modified Nesterov index). Also we examined the satellite-based surface dryness indices such as NDDI(normalized difference drought index) and TVDI(temperature vegetation dryness index). As a result of the comparisons between the six indices regarding 120 wildfire cases with the area damaged over 1ha during the period between January 2013 and May 2017, we found that the FFDI and FFMC showed a good predictability for most wildfire cases but the MNI and TVDI were not suitable for Korea. The NDDI can be used as a proxy parameter for wildfire risk because its average CDF(cumulative distribution function) scores were stably high irrespective of fire size. The indices tested in this paper should be carefully chosen and used in an integrated way so that they can contribute to wildfire forecasting in Korea.

산불은 한번 발생하면 기상, 지형 등 여러 악조건으로 인해 효과적인 진화가 어려워 넓은 면적으로 확대되는 경우가 많다. 따라서 산불의 예방이 중요하기 때문에 세계 각국에 다양한 산불위험지수와 예측시스템이 존재한다. 그러나 이러한 산불위험지수 및 지면건조지수가 우리나라의 산불발생에 적용가능한지에 대한 객관적인 평가는 이루어진 바 없다. 이에 본 연구에서는 1.5km 격자의 LDAPS(Local Analysis and Prediction System) 기상자료 및 1km 격자의 MODIS(Moderate-resolution Imaging Spectroradiometer) 위성자료를 활용하여 각종 산불위험지수와 지면건조지수의 우리나라 산불발생에 대한 민감도분석을 수행하고자 한다. 기상기반 산불위험지수로는 호주의 FFDI(forest fire danger index), 캐나다의 FFMC(fine fuel moisture code), 미국의 HI(Haines index), 그리고 학술연구에서 제시된 MNI(modified Nesterov index)를 산출하였고, 위성기반 지면건조지수인 NDDI(normalized difference drought index)와 TVDI(temperature vegetation dryness index)를 산출하여 우리나라 산불발생에 대한 적용가능성 실험을 수행하였다. 2013년 1월부터 2017년 5월까지 발생한 피해면적 1ha가 넘는 산불 120건과 6종류의 지수를 비교한 결과, FFDI는 피해면적 10ha가 넘는 모든 산불에 대하여 극도로 높은 CDF(cumulative density function) 값을 나타냈으며, FFDI와 FFMC는 피해면적 3ha가 넘는 산불에 대하여 평균 CDF 값이 0.95가 넘게 나타나는 등 매우 우수한 성능을 보였다. 반면, MNI는 이슬점온도와 기온의 차이가 크지 않은 우리나라의 계절적 특성 때문에 2월의 산불예측을 거의 하지 못하였고, TVDI는 전체적으로 산불발생에 대한 민감도가 낮은 것으로 나타났다. NDDI는 피해면적의 크기에 상관없이 평균 CDF 값이 안정적으로 높게 산출되어 위성기반 지면건조지수로서 보조적인 활용가능성이 있을 것으로 보인다. 이러한 산불위험지수와 지면건조지수를 취사선택 및 융합하여 활용한다면, 우리나라 산불예측에 일조할 수 있을 것으로 사료된다.

Keywords

References

  1. 박홍석, 이시영, 윤화영. 2009. 경북지역의 산불 발생과 캐나다 산불 기상지수와의 관계. 한국화재소방학회 2009년도 추계학술논문발표회 논문집. 210-215. Park HS, Lee SY, Yun HY. 2009. The relationship between forest fire occurrence and Canadian forest fire weather index(CFFDRS) in Keongsangbuk do. Journal of Korean Institute of Fire Science & Engineering. 210-215.
  2. 원명수, 이명보, 이우균, 윤석희. 2012. 디지털예보자료와 Daily Weather Index (DWI) 모델을 적용한 한반도의 산불발생위험 예측. 한국농림기상학회지. 14(1):1-10. Won M S, L ee M B, L ee WK, Y oon S H. 2 012. rediction of Forest Fire Danger Rating over the Korean Peninsula with the Digital Forecast Data and Daily Weather Index(DWI) Model. Korean Journal of Agricultural and Forest Meteorology. 14(1):1-10. https://doi.org/10.5532/KJAFM.2012.14.1.001
  3. 이시영, 한상열, 안상현, 오정수, 조명희, 김명수. 2001. 강원도 지역 산불발생인자의 지역별 유형화. 한국농림기상학회지. 3(3):135-142. Lee SY, Han SY, An SH, Oh JS, Jo MH, Kim MS. 2001. Regional Analysis of Forest Fire Occurrence Factors in Kangwon Province. Korean Journal of Agricultural and Forest Meteorology. 3(3): 135-142.
  4. 이시영, 한상열, 원명수, 안상현, 이명보. 2004. 기상특성을 이용한 전국 산불발생확률모형 개발. 한국농림기상학회지. 6(4): 242-249. Lee SY, Han SY, Won MS, An SH, Lee MB. 2004. Developing of Forest Fire Occurrence Probability Model by Using the Meteorological Characteristics in Korea. Korean Journal of Agricultural and Fores Meteorology. 6(4): 242-249.
  5. Bisquert M, Sanchez JM, Caselles V. 2014. Modeling fire danger in Galicia and Asturias (Spain) from MODIS images. Remote Sensing. 6(1):540-554. https://doi.org/10.3390/rs6010540
  6. Cho JI, Lee YW, Lee, HS. 2014. Assessment of the relationship between thermal-infrared-based temperature−vegetation dryness index and microwave satellite-derived soil moisture. Remote Sensing Letters. 5(7):627-636. https://doi.org/10.1080/2150704X.2014.950760
  7. Chuvieco E, Cocero D, Riano D, Martin P, Martinez- Vega J, Riva J, Perez F. 2004. Combining NDVI and surface temperature for the estimation of live fuel moisture content in forest fire danger rating. Remote Sensing of Environment. 92(3): 322-331. https://doi.org/10.1016/j.rse.2004.01.019
  8. Dowdy AJ, Mills GA, Finkele K, Groot W. 2009. Australian fire weather as represented by the McArthur Forest Fire Danger Index and the Canadian Forest Fire Weather Index. Technical Report, The Centre for Australian Weather and Climate Research, Australia. 1-84.
  9. Gao B. 1996. NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment. 58(3):257-266. https://doi.org/10.1016/S0034-4257(96)00067-3
  10. Gu Y, Brown JF, Verdin JP, Wardlow, B. 2007. A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the Central Great Plains of the United States. Geophysical Research Letters. 34(6):1-6.
  11. Lee MN, Hong SB, Park SK. 2013. Future changes of wildfire danger variability and their relationship with land and atmospheric interactions over East Asia using Haines Index. Atmosphere. 23(2):131-141. https://doi.org/10.14191/Atmos.2013.23.2.131
  12. Mantzavelas A, Apostolopoulou I, Lazaridou T, Partozis T , L ampin C , L aurent B , J appiot M , Brewer S. 2006. Method to assess with good spatial accuracy the meterological and fuel moisture components of the fire risk. Technical Report, Omikron Ltd, Greece. 1-89.
  13. NASA. 2017. MODIS Products Table[Internet]. [https://lpdaac.usgs.gov/dataset_discovery/modis/modis_products_table/]. Last accessed 24 Nov 2017.
  14. Sandholt I, Rasmussen K, Andersen J. 2002. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment. 79(2-3):213-224. https://doi.org/10.1016/S0034-4257(01)00274-7
  15. Schunk C , W astl C , L euchner M , S chuster C , Menzel A. 2013. Forest Fire danger rating in complex topography - Results from a case study in Bavarian Alps in autumn 2011. Natural Hazards and Earth System Sciences. 13(9):2157-2167. https://doi.org/10.5194/nhess-13-2157-2013
  16. Tucker CJ. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment. 8(2):127-150. https://doi.org/10.1016/0034-4257(79)90013-0
  17. Yebra M, Chuvieco E, Riano D. 2008. Estimation of live fuel moisture content from MODIS images for fire risk assessment. Agricultural and Forest Meteorology. 148(4):523-536. https://doi.org/10.1016/j.agrformet.2007.12.005