인공영상을 활용한 산림의 변화 모니터링
2019-09-30
org.kosen.entty.User@2f71585b
김영일(a337yi)
1. 개요
산림은 전 지구 육상생태계 가운데 약 1/3을 차지하는 주된 생태계 형태로 전체 면적은 약 4000만 km2에 달한다. 산림은 인류뿐 아니라 다른 동식물들의 생명 유지를 위해 꼭 필요한 기능을 제공해 준다. 산림은 질소, 인 등의 영양분 순환, 토양의 보전, 이산화탄소 등의 온실가스 배출 조절에 중요한 작용을 한다. 또한 목재를 공급하고 물의 정화, 저장하는 하는 등의 생태적, 경제적 기여를 한다[1].
18세기 중반부터 시작된 산업혁명의 여파로 도시와 농경지의 확장이 이루어졌으며, 이를 위해 지속해서 산림은 파괴되어 전 세계 산림 면적은 많이 축소되었다. 20세기 후반과 근세기에 이르러서야 산림생태계의 가치를 인정하고 보전의 노력을 기울여 가고 있다. 산림 피복의 현황과 이들의 시간에 따른 변화 경향을 알아가는 것은 산림생태계 보전을 위한 가장 기본적인 자료가 된다. 하지만, 현장 자료에 의지해서 광대한 지역의 산림의 면적, 상태와 산림피복 변화를 확인하기란 매우 어렵기 때문에 원격탐사(RS, Remote Sensing) 자료의 활용이 필요하다. 특히, 국가나 대륙의 산림을 대상으로 할 땐 보다 큰 공간적인 영역을 가지고 있는 인공위성 원격탐사 자료가 도움을 준다[2].
인공위성 원격탐사 자료를 연구자들이 이용할 수 있음에 따라 광역, 전 지구적 산림 변화의 연구에 큰 발전이 있었다. 인공위성 원격탐사 자료의 분석과 이 자료를 토대로 모형 작업을 통해 산림 피복의 변화 속도와 변화 경향, 그리고 산림 개발과 파괴가 가져올 수 있는 영향에 대한 기술이 가능하게 되었다[2]. 이들 원격탐사 자료는 인터넷상에서 무료로 내려받거나, 저렴한 비용으로 구매하여 연구자들이 사용할 수 있다. 전 지구적 규모의 산림피복 변화에 대한 접근을 가능하게 한 대표적인 인공위성 원격탐사 자료는 Landsat, MODIS, ASTER, SPOT 등의 인공위성에 탑재된 센서로부터 얻을 수 있다. 수년 혹은 수십 년간 축적될 이들 원격탐사 자료를 이용하여 장기간 산림 변화에 대한 모니터링이 가능하다.
본 보고서에서는 인공위성 원격탐사를 통해 가능한 전 지구 산림변화 모니터링 연구 중 산림피복 변화에 대해서 집중적으로 다루었다. 산림의 영역은 생지화학적 과정과 생태계 기능에 영향을 줄 수 있음으로, 산림피복에 대한 명확한 이해가 산림 생태계 연구를 위해 우선적으로 다루어져야 할 것이다. 이후 본론에서는 산림피복 연구에 이용되는 인공위성 원격탐사 자료의 종류, 인공위성 원격탐사 자료의 보정법, 산림피복 연구에 이용되는 식생지수에 대해 기술하고, 그동안 이루어진 산림피복 변화에 대한 연구 결과에 대해 간략히 소개할 예정이다.
2. 주요 내용
2.1. 원격탐사 자료의 종류
인공위성 원격탐사 자료는 지상부 관측을 위해 탑재된 센서의 기능에 따라 다른 시공간 해상도를 갖게 된다. 그러므로, 인공위성 센서를 이해하여야 원격탐사 자료의 특징을 알 수 있다[3]. 현재까지 광학 센서를 통해 얻은 인공위성 원격탐사 자료가 산림피복 모니터링에 주로 사용되었다. 광학 센서는 지상부의 태양복사에너지 부분을 탐지하여 정보화하는 것이다. 광학 센서 이외에도 마이크로파를 탐지하는 마이크로파 센서를 통한 원격탐사 방법이 있는데, 작은 시공간적 영역과 고비용 등의 이유로 광학 센서 원격탐사에 비해 활용이 제한적이다.
인공위성 원격탐사 자료를 인공위성 센서들의 공간해상도의 차이로 나뉠 수 있다. 첫째, 공간해상력이 큰 센서의 경우, AVHRR (공간해상도: 1 km; 시간해상도: 매일; 미국 운용)와 MODIS (공간해상도: 250, 500, 1000 m;시간해상도: 매일; 미국 운용)를 들 수 있다. 둘째, 100 m 이하의 중간 공간해상도을 가진 센서의 경우, Landsat-4 TM과 Landsat-7 ETM+ (공간해상도: 30 m; 시간해상도: 16일; 미국 운용), ASTER (공간해상도: 15, 30, 90 m; 시간해상도: 16일; 미국 운용), SPOT 시리즈 (1에서 4) (공간해상도 5-20일; 시간해상도 3-5일; 프랑스 운용) 등이 대표적인 것들이다. 셋째, 고해상도의 센서가 있는데, 이들 센서에는 IKONOS (공간해상도: 1-4 m; 시간해상도: 5일; 미국 운용), QUICKBIRD (공간해상도: 0.61-2.44 m; 시간해상도: 5일; 미국 운용), FORMOSAT-2 (공간해상도: 2-8 m; 시간해상도: 매일; 대만 운용), KOMPSAT-2 (공간해상도: 1-4 m; 시간해상도: 3-28일; 한국 운용) 등이 포함되어 있다.
다양한 시공간 해상력과 방사 에너지의 주파대에 따라 다양한 원격탐사 자료가 존재하기 때문에 연구자들은 각 인공위성 자료의 장단점을 확인한 후 자료를 선택, 연구에 이용해야 한다. 하나의 예로써 MODIS와 AVHRR 원격탐사 자료는 국가/대륙, 전 지구 범위를 대상으로 매일의 산림 변화를 모니터링하는 데 도움을 줄 수는 있지만, 작은 지역에서 일어날 수 있는 생태계 교란에 대한 세밀한 관측은 불가능하다. 작은 지역에서의 연구는 IKONOS, QUICKBIRD와 같은 고해상도의 인공위성 자료를 사용함이 적합할 것이다[4].
마이크로파 원격탐사 방법은 높은 신뢰성 수준에서 산림 모니터링이 가능하게 해 준다. 광학 센서 이용시엔 구름에 의해 가려지는 면적을 판단하기 어려우나, 마이크로파 센서는 구름에 대한 영향이 없다. 마이크로파 원격탐사 자료 가운데 대표적인 한 종류인 SAR (Synthetic Aperture Radar) 자료는 구름의 존재로 인해 탐사가 어려웠던 지역의 산림 파괴/황폐화에 관한 연구에 사용될 수 있다[5].
2.2. 원격탐사 자료의 보정
인공위성으로부터 획득한 원격탐사 자료는 여러 가지 오차를 가지고 있기 때문에 이들 오차를 보정, 가공하여야만 한다. 특히 시간상으로 연속적인 영상의 비교를 통한 산림변화 모니터링 연구에선 정확한 오차 보정이 필요하다. 인공위성 원격탐사 자료의 네 가지 보정법에 대해 아래와 같이 정의할 수 있다[6].
1) 방사 보정(Radiometric correction) : 지표면에서 방사되는 에너지가 대기를 통과하면서 수증기, 가스 등의 입자에 의해 산란, 흡수, 반사 등이 일어나는데, 이에 대한 결과로 오차가 발생하게 된다. 이를 제거하는 것을 방사 보정이라 한다.
2) 대기 보정(Atmospheric correction): 원격탐사 센서와 지상 관측물 사이에 존재하는 대기의 영향이 존재하는데, 이는 빛의 산란, 흡수, 반사에 의해 나타나게 된다. 이를 제거하는 것을 대기 보정이라 한다.
3) 지형 보정(Topographic correction): 지상 관측물의 지형에 따라 밝기의 변이가 생겨, 같은 토지피복의 같은 이미지상이라도 불규칙한 변화가 생길 수 있다. 이와 같은 현상은 산지의 경우에 심하게 나타나며, 지형에 대한 영향을 제거해 주는 것을 지형 보정이라 한다.
4) 기하 보정(Geometric correction): 지구의 상대적인 운동, 원격탐사 센서의 위치 및 자세의 변화, 지구 표면의 기복 등으로 영상에 기하학적 불일치성이 생길 수 있다. 이와 같은 불일치성을 수정해 주는 것을 기하 보정이라 한다.
2.3. 식생지수
인공위성 원격탐사 자료를 이용하여 식생지수(Vegetation index)를 계산하여, 이 지수를 광대한 산림의 변화를 평가하는 사용할 수 있다[2]. 식생지수는 식생을 나타내는 초록 부분과 그 외 비식생 부분에 대한 원격탐사 값의 차이를 정량화하기 위해 개발된 것이다. 지금까지 산림피복 모니터링에 가장 많이 활용된 식생지수는 NDVI (Normalized Difference Vegetation Index)이다. NDVI는 식생의 밀도와 활성도, 잎의 면적에 민감히 반응하며, 또한 대기 환경과 비생색 부분인 토양에도 영향을 받는 것으로 나타났다. NDVI는 +1에서 -1까지 범위내의 값을 갖게 되는데, 비식생의 표면일 경우 0.1과 같은 낮은 값을 갖게 되고, 식생이 밀집할수록 0.5 이상의 높은 값을 갖게 된다[7]. NDVI의 계산식은 아래와 같다(NIR은 근적외선 밴드, Red는 적색 밴드를 의미한다).
NDVI = (NIR – Red) / (NIR + Red)
시간의 변화에 따른 NDVI 자료는 생태계 교란에 의해 영향을 받는 산림 지역의 토지피복 연구에 사용할 수 있다. 이와 같은 연구의 예로 7년 동안 MODIS 자료를 사용하여 추출한 NDVI 값으로 미국 아팔란치 산맥지역의 식생지도를 만들어 분석한 것을 들 수 있다[7]. 이외에도 다양한 원격탐사 자료의 혼합 분석을 통해 계산할 수 있는 산림 임관층 부분(Fraction of canopy cover)은 산림에서 발생하는 생태계 교란을 모니터링하고, 산불에 의한 산림의 피해 면적을 확인하는데 유용하게 쓰일 수 있는 식생지수로 알려져 있다[8].
2.4. 산림피복 변화 모니터링
인공위성 원격탐사는 산림피복 변화를 모니터링하는 데 쓰일 수 있는 중요한 연구 도구가 된다. 인공위성 원격탐사 자료를 이용한 산림변화 분석 시, 산림의 구조와 경계를 지도화하는 일이 우선되어야 할 것이다. 이와 같은 지도화 작업에 식생지수를 이용할 수 있다. GIS (Geographic Information System: 지리정보시스템)는 지리 정보를 가공, 저장, 관리하고 이를 화면상에 보여주는 도구로 사용된다. GIS를 이용하여 다양한 공간 해상력을 갖춘 원격탐사 자료의 통계 분석이 가능하며, 이의 분석 결과는 산림피복 변화 연구에 중요한 역할을 할 수 있다[2].
인공위성 원격탐사 자료를 이용해 장기간의 산림피복 변화를 모니터링한 후 이에 관한 결과를 보여준 많은 사례가 있다. 1990년부터 2000년 사이, 매년 감소된 전 세계 산림 면적은 매년 940만 헥타르에 이르며, 이 기간에 사라진 자연 산림은 1,250만 헥타르에 이르는 것으로 보고되었다[9]. 1980년대부터 Landsat 인공위성에서 얻은 30 m와 60 m 공간 해상력을 가진 원격탐사 자료를 통해, 남미 아마존 열대지역의 산림파괴가 빠른 속도로 일어나고 있음을 알 수 있었다[10]. 인공위성 원격탐사 자료를 활용한 각 대륙의 산림피복 변화에 대한 연구 결과를 간략히 소개하면 다음과 같다.
1) 아시아: 지난 100년 동안 아시아 열대지역의 산림피복 변화가 급격하게 이루어졌다. 아시아 열대 지역은 800만 km2에 이르며 총 13개 나라에 포함되어 있다. 지난 100년 동안 이 지역의 전체 산림 가운데 40%가 파괴되었다고 하며, 파괴된 면적은 1.3억 헥타르에 달한다고 한다[11].
2) 유럽: 역사적으로 유럽의 산림지역은 농경지의 확대와 맞물려 50-80% 감소하였다고 한다. 러시아의 동부 산림지대 또한 러시아의 개발 정책의 결과로 많이 감소하였다. 그러나 지난 100년 동안은 이 지역의 농지 확대가 거의 이루어지지 않은 까닭에, 산림피복 변화는 미미한 수준이었다[12].
3) 북미: 미국의 총 산림지역은 1997년 당시 전 미국 국토의 33%에 해당하는 광대한 지역이다. 벌목 이후 파괴된 산림 지역엔 복원이 미국 전역에서 대대적으로 이루어졌다. 이의 결과로 현재 약 절반에 해당하는 벌목 산림지역은 50년생 이하의 나무들이 서식하고, 6% 가량은 벌목 산림지역은 약 170년생 이상의 나무들이 서식하는 변화를 겪었다. 캐나다의 경우, 현재 34%의 국토인 9.1억 헥타르 지역이 산림으로 분류되었는데, 이 중 2.9억 헥타르의 산림이 상업적인 벌목이 시행되는 지역으로 이곳의 산림피복 변화가 빠르게 나타났다[2].
4) 남미: 19세기 커피 농장의 개발에 의한 남미지역 산림의 대대적인 파괴가 이루어졌으며 특히 브라질의 대서양 산림지역의 파괴가 켰다. 이후 1990년 대부터 아열대/열대 지역 산림의 대한 파괴가 다시 가속화 되고 있는 것으로 연구가 되었는데, 이것은 농경지 개발과 벌목에 의한 결과라고 한다[13].
5) 아프리카: 사하라사막 이남의 아프리카 지역은 농업 활동으로 넓은 산림이 사라지게 되었고, 이런 산림 변화 속도는 지난 40년 동안 더욱 빨았음을 알 수 있었다. 1961년까지 산림의 파괴로 개발된 농지가 1.2억 헥타르로 추산되었으나 2000년에는 1.6억 헥타르로 추산되었다[9].
6) 호주: 다른 지역과 마찬가지로, 농경지 개발로 인해 대대적인 산림피복의 변화가 있었고, 최근에는 산불로 파괴되는 산림이 늘고 있는 것이 특징이다. 호주 빅토리아 지역의 약 70%의 산림과 뉴사우스웨일스 지역의 약 50%의 산림이 유럽인의 정착 후 파괴되었다고 보고되었다[12].
3. 결론
인공위성 원격탐사 자료를 활용하여 넓은 산림지역의 시공간적 변화에 대한 지속적인 모니터링이 가능하다. 모니터링을 통한 연구 결과는 산림 관리, 보전을 위한 정책 개발과 시행에 큰 도움을 줄 것이다. 인공위성 산업과 원격탐사 기술의 발전으로 앞으로 산림피복 변화에 대한 연구는 큰 발전이 있을 것으로 기대된다. 현재 IKONOS의 경우 1 m의 공간해상력과 11 km 주사폭을 가지고 있고, Landsat의 경우 30-60 m의 공간해상력과 185 km의 주사폭을 가지고 있으나, 시공간 해상도와 광학 스펙트럼에 대한 분석력은 미래에 계속해서 증가할 것이다. 한 예로 하이퍼스펙트럴(Hyperspectral: 다중분광)의 고해상력 인공위성 자료가 산림 연구에 폭넓게 사용될 수 있을 것이란 예상이다[14].
전 세계 산림피복 변화는 온실가스 배출과 이로 인한 지구온난화에 적지 않은 영향을 줌이 분명하다. 과거 1997년부터 2006년까지, 10년 동안 일어난 전 지구적 산림파괴에 의한 이산화탄소 배출량은 인위적 이산화탄소 총배출량의 15%에 해당한다는 보고가 있다[15]. 보다 정확한 산림변화에 대한 모니터링은 탄소순환의 역동성에 대한 이해를 높이고, 기후변화에 대한 연구에 기여할 수 있을 것이다. 그러므로 인공위성 원격탐사에 의한 산림피복 모니터링은 더 향상된 온실가스 배출에 대한 평가를 가능하게 해 주기에 큰 의의를 찾을 수 있다.
References
1. Syer, J. et al. The restoration of forest biodiversity and ecological values. Forest Ecol Manage 201: 3-11. 2004.
2. Kumar, D. Monitoring forest cover changes using remote sensing and GIS: a global prospective. Res J Environ Sci 5: 105-123. 2011.
3. Melissa, A. M. et al. Remote sensing sensors and applications in environmental resources mapping and modeling. Sensors 7: 3209-3241. 2007.
4. Walker, J. J. et al. Evaluation of Landsat and MODIS data fusion products for analysis of drylands forest phenology. Remote Sens Environ 117: 381-393. 2012.
5. Mitchell, A. L. et al. Current remote sensing approaches to monitoring forest degradation in support of countries measurements, reporting and verification (MRV) systems for REDD+. Carbon Balance Manage 12: 9. 2017.
6. Schowengerdt, R. A. Remote sensing: models and methods for image processing. 3rd Ed. Academic Press. Oxford, UK. 2007.
7. Spruce, J. P. et al. Assessment of MODIS NDVI time series day products for detecting forests defoliation by gypsy moth outbreaks. Remote Sens Environ 115: 427-437. 2011.
8. Alencar, A. et al. Temporal variability of forest fires in eastern Amazonia. Ecol Appl 21: 2397-2412. 2011.
9. FAO, FAOSTAT database results. FAO. Rome, Italy. 2004.
10. Skole, D. L. and Tucker, C. J. Tropical deforestation and habitat fragmentation in the Amazon: satellite data from 1978 to 1988. Science 260: 1905-1910. 1993.
11. Flint, E. P. and Richards, J. F. Historical-analysis of changes in lands and carbon stock of vegetation in South and Southeast Asia. Can J Forest Res 21: 91-110. 1991.
12. Ramankutty, N. et al. Global land-cover change: recent progress, remaining challenges. In: Land-use and land-cover change: local process and global impacts, Lambin, E. F. and Geist, H. J (Eds). Springer-Verlag. Berlin, Heidelberg, Germany. 2006.
13. Zak, M. R. and Cabido, M. Spatial patterns of the Casco vegetation of central Argentina: integration of remote sensing and phytosociology. Applied Veg Sci 5: 213-226. 2002.
14. Franklin, S. E. Change detection and landscape structure mapping using remote sensing. The Forestry Chronicle 78: 618-625. 2002.
15. Van der Werf, G. R. CO2 emissions from forest loss. Nature Geosci 2: 737-738. 2009.
산림은 전 지구 육상생태계 가운데 약 1/3을 차지하는 주된 생태계 형태로 전체 면적은 약 4000만 km2에 달한다. 산림은 인류뿐 아니라 다른 동식물들의 생명 유지를 위해 꼭 필요한 기능을 제공해 준다. 산림은 질소, 인 등의 영양분 순환, 토양의 보전, 이산화탄소 등의 온실가스 배출 조절에 중요한 작용을 한다. 또한 목재를 공급하고 물의 정화, 저장하는 하는 등의 생태적, 경제적 기여를 한다[1].
18세기 중반부터 시작된 산업혁명의 여파로 도시와 농경지의 확장이 이루어졌으며, 이를 위해 지속해서 산림은 파괴되어 전 세계 산림 면적은 많이 축소되었다. 20세기 후반과 근세기에 이르러서야 산림생태계의 가치를 인정하고 보전의 노력을 기울여 가고 있다. 산림 피복의 현황과 이들의 시간에 따른 변화 경향을 알아가는 것은 산림생태계 보전을 위한 가장 기본적인 자료가 된다. 하지만, 현장 자료에 의지해서 광대한 지역의 산림의 면적, 상태와 산림피복 변화를 확인하기란 매우 어렵기 때문에 원격탐사(RS, Remote Sensing) 자료의 활용이 필요하다. 특히, 국가나 대륙의 산림을 대상으로 할 땐 보다 큰 공간적인 영역을 가지고 있는 인공위성 원격탐사 자료가 도움을 준다[2].
인공위성 원격탐사 자료를 연구자들이 이용할 수 있음에 따라 광역, 전 지구적 산림 변화의 연구에 큰 발전이 있었다. 인공위성 원격탐사 자료의 분석과 이 자료를 토대로 모형 작업을 통해 산림 피복의 변화 속도와 변화 경향, 그리고 산림 개발과 파괴가 가져올 수 있는 영향에 대한 기술이 가능하게 되었다[2]. 이들 원격탐사 자료는 인터넷상에서 무료로 내려받거나, 저렴한 비용으로 구매하여 연구자들이 사용할 수 있다. 전 지구적 규모의 산림피복 변화에 대한 접근을 가능하게 한 대표적인 인공위성 원격탐사 자료는 Landsat, MODIS, ASTER, SPOT 등의 인공위성에 탑재된 센서로부터 얻을 수 있다. 수년 혹은 수십 년간 축적될 이들 원격탐사 자료를 이용하여 장기간 산림 변화에 대한 모니터링이 가능하다.
본 보고서에서는 인공위성 원격탐사를 통해 가능한 전 지구 산림변화 모니터링 연구 중 산림피복 변화에 대해서 집중적으로 다루었다. 산림의 영역은 생지화학적 과정과 생태계 기능에 영향을 줄 수 있음으로, 산림피복에 대한 명확한 이해가 산림 생태계 연구를 위해 우선적으로 다루어져야 할 것이다. 이후 본론에서는 산림피복 연구에 이용되는 인공위성 원격탐사 자료의 종류, 인공위성 원격탐사 자료의 보정법, 산림피복 연구에 이용되는 식생지수에 대해 기술하고, 그동안 이루어진 산림피복 변화에 대한 연구 결과에 대해 간략히 소개할 예정이다.
2. 주요 내용
2.1. 원격탐사 자료의 종류
인공위성 원격탐사 자료는 지상부 관측을 위해 탑재된 센서의 기능에 따라 다른 시공간 해상도를 갖게 된다. 그러므로, 인공위성 센서를 이해하여야 원격탐사 자료의 특징을 알 수 있다[3]. 현재까지 광학 센서를 통해 얻은 인공위성 원격탐사 자료가 산림피복 모니터링에 주로 사용되었다. 광학 센서는 지상부의 태양복사에너지 부분을 탐지하여 정보화하는 것이다. 광학 센서 이외에도 마이크로파를 탐지하는 마이크로파 센서를 통한 원격탐사 방법이 있는데, 작은 시공간적 영역과 고비용 등의 이유로 광학 센서 원격탐사에 비해 활용이 제한적이다.
인공위성 원격탐사 자료를 인공위성 센서들의 공간해상도의 차이로 나뉠 수 있다. 첫째, 공간해상력이 큰 센서의 경우, AVHRR (공간해상도: 1 km; 시간해상도: 매일; 미국 운용)와 MODIS (공간해상도: 250, 500, 1000 m;시간해상도: 매일; 미국 운용)를 들 수 있다. 둘째, 100 m 이하의 중간 공간해상도을 가진 센서의 경우, Landsat-4 TM과 Landsat-7 ETM+ (공간해상도: 30 m; 시간해상도: 16일; 미국 운용), ASTER (공간해상도: 15, 30, 90 m; 시간해상도: 16일; 미국 운용), SPOT 시리즈 (1에서 4) (공간해상도 5-20일; 시간해상도 3-5일; 프랑스 운용) 등이 대표적인 것들이다. 셋째, 고해상도의 센서가 있는데, 이들 센서에는 IKONOS (공간해상도: 1-4 m; 시간해상도: 5일; 미국 운용), QUICKBIRD (공간해상도: 0.61-2.44 m; 시간해상도: 5일; 미국 운용), FORMOSAT-2 (공간해상도: 2-8 m; 시간해상도: 매일; 대만 운용), KOMPSAT-2 (공간해상도: 1-4 m; 시간해상도: 3-28일; 한국 운용) 등이 포함되어 있다.
다양한 시공간 해상력과 방사 에너지의 주파대에 따라 다양한 원격탐사 자료가 존재하기 때문에 연구자들은 각 인공위성 자료의 장단점을 확인한 후 자료를 선택, 연구에 이용해야 한다. 하나의 예로써 MODIS와 AVHRR 원격탐사 자료는 국가/대륙, 전 지구 범위를 대상으로 매일의 산림 변화를 모니터링하는 데 도움을 줄 수는 있지만, 작은 지역에서 일어날 수 있는 생태계 교란에 대한 세밀한 관측은 불가능하다. 작은 지역에서의 연구는 IKONOS, QUICKBIRD와 같은 고해상도의 인공위성 자료를 사용함이 적합할 것이다[4].
마이크로파 원격탐사 방법은 높은 신뢰성 수준에서 산림 모니터링이 가능하게 해 준다. 광학 센서 이용시엔 구름에 의해 가려지는 면적을 판단하기 어려우나, 마이크로파 센서는 구름에 대한 영향이 없다. 마이크로파 원격탐사 자료 가운데 대표적인 한 종류인 SAR (Synthetic Aperture Radar) 자료는 구름의 존재로 인해 탐사가 어려웠던 지역의 산림 파괴/황폐화에 관한 연구에 사용될 수 있다[5].
2.2. 원격탐사 자료의 보정
인공위성으로부터 획득한 원격탐사 자료는 여러 가지 오차를 가지고 있기 때문에 이들 오차를 보정, 가공하여야만 한다. 특히 시간상으로 연속적인 영상의 비교를 통한 산림변화 모니터링 연구에선 정확한 오차 보정이 필요하다. 인공위성 원격탐사 자료의 네 가지 보정법에 대해 아래와 같이 정의할 수 있다[6].
1) 방사 보정(Radiometric correction) : 지표면에서 방사되는 에너지가 대기를 통과하면서 수증기, 가스 등의 입자에 의해 산란, 흡수, 반사 등이 일어나는데, 이에 대한 결과로 오차가 발생하게 된다. 이를 제거하는 것을 방사 보정이라 한다.
2) 대기 보정(Atmospheric correction): 원격탐사 센서와 지상 관측물 사이에 존재하는 대기의 영향이 존재하는데, 이는 빛의 산란, 흡수, 반사에 의해 나타나게 된다. 이를 제거하는 것을 대기 보정이라 한다.
3) 지형 보정(Topographic correction): 지상 관측물의 지형에 따라 밝기의 변이가 생겨, 같은 토지피복의 같은 이미지상이라도 불규칙한 변화가 생길 수 있다. 이와 같은 현상은 산지의 경우에 심하게 나타나며, 지형에 대한 영향을 제거해 주는 것을 지형 보정이라 한다.
4) 기하 보정(Geometric correction): 지구의 상대적인 운동, 원격탐사 센서의 위치 및 자세의 변화, 지구 표면의 기복 등으로 영상에 기하학적 불일치성이 생길 수 있다. 이와 같은 불일치성을 수정해 주는 것을 기하 보정이라 한다.
2.3. 식생지수
인공위성 원격탐사 자료를 이용하여 식생지수(Vegetation index)를 계산하여, 이 지수를 광대한 산림의 변화를 평가하는 사용할 수 있다[2]. 식생지수는 식생을 나타내는 초록 부분과 그 외 비식생 부분에 대한 원격탐사 값의 차이를 정량화하기 위해 개발된 것이다. 지금까지 산림피복 모니터링에 가장 많이 활용된 식생지수는 NDVI (Normalized Difference Vegetation Index)이다. NDVI는 식생의 밀도와 활성도, 잎의 면적에 민감히 반응하며, 또한 대기 환경과 비생색 부분인 토양에도 영향을 받는 것으로 나타났다. NDVI는 +1에서 -1까지 범위내의 값을 갖게 되는데, 비식생의 표면일 경우 0.1과 같은 낮은 값을 갖게 되고, 식생이 밀집할수록 0.5 이상의 높은 값을 갖게 된다[7]. NDVI의 계산식은 아래와 같다(NIR은 근적외선 밴드, Red는 적색 밴드를 의미한다).
NDVI = (NIR – Red) / (NIR + Red)
시간의 변화에 따른 NDVI 자료는 생태계 교란에 의해 영향을 받는 산림 지역의 토지피복 연구에 사용할 수 있다. 이와 같은 연구의 예로 7년 동안 MODIS 자료를 사용하여 추출한 NDVI 값으로 미국 아팔란치 산맥지역의 식생지도를 만들어 분석한 것을 들 수 있다[7]. 이외에도 다양한 원격탐사 자료의 혼합 분석을 통해 계산할 수 있는 산림 임관층 부분(Fraction of canopy cover)은 산림에서 발생하는 생태계 교란을 모니터링하고, 산불에 의한 산림의 피해 면적을 확인하는데 유용하게 쓰일 수 있는 식생지수로 알려져 있다[8].
2.4. 산림피복 변화 모니터링
인공위성 원격탐사는 산림피복 변화를 모니터링하는 데 쓰일 수 있는 중요한 연구 도구가 된다. 인공위성 원격탐사 자료를 이용한 산림변화 분석 시, 산림의 구조와 경계를 지도화하는 일이 우선되어야 할 것이다. 이와 같은 지도화 작업에 식생지수를 이용할 수 있다. GIS (Geographic Information System: 지리정보시스템)는 지리 정보를 가공, 저장, 관리하고 이를 화면상에 보여주는 도구로 사용된다. GIS를 이용하여 다양한 공간 해상력을 갖춘 원격탐사 자료의 통계 분석이 가능하며, 이의 분석 결과는 산림피복 변화 연구에 중요한 역할을 할 수 있다[2].
인공위성 원격탐사 자료를 이용해 장기간의 산림피복 변화를 모니터링한 후 이에 관한 결과를 보여준 많은 사례가 있다. 1990년부터 2000년 사이, 매년 감소된 전 세계 산림 면적은 매년 940만 헥타르에 이르며, 이 기간에 사라진 자연 산림은 1,250만 헥타르에 이르는 것으로 보고되었다[9]. 1980년대부터 Landsat 인공위성에서 얻은 30 m와 60 m 공간 해상력을 가진 원격탐사 자료를 통해, 남미 아마존 열대지역의 산림파괴가 빠른 속도로 일어나고 있음을 알 수 있었다[10]. 인공위성 원격탐사 자료를 활용한 각 대륙의 산림피복 변화에 대한 연구 결과를 간략히 소개하면 다음과 같다.
1) 아시아: 지난 100년 동안 아시아 열대지역의 산림피복 변화가 급격하게 이루어졌다. 아시아 열대 지역은 800만 km2에 이르며 총 13개 나라에 포함되어 있다. 지난 100년 동안 이 지역의 전체 산림 가운데 40%가 파괴되었다고 하며, 파괴된 면적은 1.3억 헥타르에 달한다고 한다[11].
2) 유럽: 역사적으로 유럽의 산림지역은 농경지의 확대와 맞물려 50-80% 감소하였다고 한다. 러시아의 동부 산림지대 또한 러시아의 개발 정책의 결과로 많이 감소하였다. 그러나 지난 100년 동안은 이 지역의 농지 확대가 거의 이루어지지 않은 까닭에, 산림피복 변화는 미미한 수준이었다[12].
3) 북미: 미국의 총 산림지역은 1997년 당시 전 미국 국토의 33%에 해당하는 광대한 지역이다. 벌목 이후 파괴된 산림 지역엔 복원이 미국 전역에서 대대적으로 이루어졌다. 이의 결과로 현재 약 절반에 해당하는 벌목 산림지역은 50년생 이하의 나무들이 서식하고, 6% 가량은 벌목 산림지역은 약 170년생 이상의 나무들이 서식하는 변화를 겪었다. 캐나다의 경우, 현재 34%의 국토인 9.1억 헥타르 지역이 산림으로 분류되었는데, 이 중 2.9억 헥타르의 산림이 상업적인 벌목이 시행되는 지역으로 이곳의 산림피복 변화가 빠르게 나타났다[2].
4) 남미: 19세기 커피 농장의 개발에 의한 남미지역 산림의 대대적인 파괴가 이루어졌으며 특히 브라질의 대서양 산림지역의 파괴가 켰다. 이후 1990년 대부터 아열대/열대 지역 산림의 대한 파괴가 다시 가속화 되고 있는 것으로 연구가 되었는데, 이것은 농경지 개발과 벌목에 의한 결과라고 한다[13].
5) 아프리카: 사하라사막 이남의 아프리카 지역은 농업 활동으로 넓은 산림이 사라지게 되었고, 이런 산림 변화 속도는 지난 40년 동안 더욱 빨았음을 알 수 있었다. 1961년까지 산림의 파괴로 개발된 농지가 1.2억 헥타르로 추산되었으나 2000년에는 1.6억 헥타르로 추산되었다[9].
6) 호주: 다른 지역과 마찬가지로, 농경지 개발로 인해 대대적인 산림피복의 변화가 있었고, 최근에는 산불로 파괴되는 산림이 늘고 있는 것이 특징이다. 호주 빅토리아 지역의 약 70%의 산림과 뉴사우스웨일스 지역의 약 50%의 산림이 유럽인의 정착 후 파괴되었다고 보고되었다[12].
3. 결론
인공위성 원격탐사 자료를 활용하여 넓은 산림지역의 시공간적 변화에 대한 지속적인 모니터링이 가능하다. 모니터링을 통한 연구 결과는 산림 관리, 보전을 위한 정책 개발과 시행에 큰 도움을 줄 것이다. 인공위성 산업과 원격탐사 기술의 발전으로 앞으로 산림피복 변화에 대한 연구는 큰 발전이 있을 것으로 기대된다. 현재 IKONOS의 경우 1 m의 공간해상력과 11 km 주사폭을 가지고 있고, Landsat의 경우 30-60 m의 공간해상력과 185 km의 주사폭을 가지고 있으나, 시공간 해상도와 광학 스펙트럼에 대한 분석력은 미래에 계속해서 증가할 것이다. 한 예로 하이퍼스펙트럴(Hyperspectral: 다중분광)의 고해상력 인공위성 자료가 산림 연구에 폭넓게 사용될 수 있을 것이란 예상이다[14].
전 세계 산림피복 변화는 온실가스 배출과 이로 인한 지구온난화에 적지 않은 영향을 줌이 분명하다. 과거 1997년부터 2006년까지, 10년 동안 일어난 전 지구적 산림파괴에 의한 이산화탄소 배출량은 인위적 이산화탄소 총배출량의 15%에 해당한다는 보고가 있다[15]. 보다 정확한 산림변화에 대한 모니터링은 탄소순환의 역동성에 대한 이해를 높이고, 기후변화에 대한 연구에 기여할 수 있을 것이다. 그러므로 인공위성 원격탐사에 의한 산림피복 모니터링은 더 향상된 온실가스 배출에 대한 평가를 가능하게 해 주기에 큰 의의를 찾을 수 있다.
References
1. Syer, J. et al. The restoration of forest biodiversity and ecological values. Forest Ecol Manage 201: 3-11. 2004.
2. Kumar, D. Monitoring forest cover changes using remote sensing and GIS: a global prospective. Res J Environ Sci 5: 105-123. 2011.
3. Melissa, A. M. et al. Remote sensing sensors and applications in environmental resources mapping and modeling. Sensors 7: 3209-3241. 2007.
4. Walker, J. J. et al. Evaluation of Landsat and MODIS data fusion products for analysis of drylands forest phenology. Remote Sens Environ 117: 381-393. 2012.
5. Mitchell, A. L. et al. Current remote sensing approaches to monitoring forest degradation in support of countries measurements, reporting and verification (MRV) systems for REDD+. Carbon Balance Manage 12: 9. 2017.
6. Schowengerdt, R. A. Remote sensing: models and methods for image processing. 3rd Ed. Academic Press. Oxford, UK. 2007.
7. Spruce, J. P. et al. Assessment of MODIS NDVI time series day products for detecting forests defoliation by gypsy moth outbreaks. Remote Sens Environ 115: 427-437. 2011.
8. Alencar, A. et al. Temporal variability of forest fires in eastern Amazonia. Ecol Appl 21: 2397-2412. 2011.
9. FAO, FAOSTAT database results. FAO. Rome, Italy. 2004.
10. Skole, D. L. and Tucker, C. J. Tropical deforestation and habitat fragmentation in the Amazon: satellite data from 1978 to 1988. Science 260: 1905-1910. 1993.
11. Flint, E. P. and Richards, J. F. Historical-analysis of changes in lands and carbon stock of vegetation in South and Southeast Asia. Can J Forest Res 21: 91-110. 1991.
12. Ramankutty, N. et al. Global land-cover change: recent progress, remaining challenges. In: Land-use and land-cover change: local process and global impacts, Lambin, E. F. and Geist, H. J (Eds). Springer-Verlag. Berlin, Heidelberg, Germany. 2006.
13. Zak, M. R. and Cabido, M. Spatial patterns of the Casco vegetation of central Argentina: integration of remote sensing and phytosociology. Applied Veg Sci 5: 213-226. 2002.
14. Franklin, S. E. Change detection and landscape structure mapping using remote sensing. The Forestry Chronicle 78: 618-625. 2002.
15. Van der Werf, G. R. CO2 emissions from forest loss. Nature Geosci 2: 737-738. 2009.