SPOT-VGT NDVI 시계열을 이용한 국립공원 내 연 평균 식생변화 분석
Yearly mean vegetation change analysis in Korean national parks using SPOT-VGT NDVI time series
유병혁
과학기술연합대학원대학교 지리정보시스템공학부
국립공원관리공단 정보서비스부
Department of Geoinformatic Engineering, University of Science & Technology, Korea
IT Service Team, Korea National Park Service
E-mail: bhyu@knps.or.kr
요약 (Abstract)
최근 생물종의 서식환경에 직접적인 영향을 미치는 기후변화가 전세계적으로 나타남에 따라, 각국의 보호지역 관리기관들은 그에 대한 대응 전략과 관련 프로그램을 수행하고 있다. 본 연구에서는 생태적 가치가 매우 높은 한국의 국립공원 지역을 대상으로 1999년부터 2011년까지 취득된 SPOT-VGT NDVI S10 시계열을 이용하여 연 평균 식생 변화를 탐지하고 그 결과를 분석하였다. 10일 단위로 합성되는 S10 자료는 MVC 기법을 통해 다시 월 단위로 취합되었고, 연 평균 NDVI 영상으로 결합되었다. 이렇게 취득된 13년 간 연 평균 NDVI 자료는 녹색변화율(GRC)과 변동계수(CV)로 변환되었으며, 이것은 국립공원 지역의 연 평균 NDVI 변화 통계를 계산하는데 사용되었다.
통계 결과는, 한국 국립공원 지역 내 식생 변화는 지난 13년 간 미약하게 상승되었으며, 변화 수준은 변동계수를 기준으로 2~5%였음을 보여주었다. 계절별 식생지수 변동 폭을 관측하기 위해서, 향후 연구에서는 월별 NDVI 추세 분석이 수행될 것이다. 본 연구의 최종 결과는 국립공원 내 생물 보전을 위한 위성 모니터링 체계를 정립하는데 도움이 될 것으로 기대된다.
1. 서론 (Introduction)
기후변화에 관한 정부간 협의체인 IPCC(Intergovernmental Panel on Climate Change) 보고서에 따르면, 기온 상승은 북반구 고위도로 갈수록 우세하며 지구 전체에 광범위하게 나타나고 있다(Solomon et al, 2007). 이러한 기온 상승은 생물 서식환경에 뚜렷하고 직접적인 영향을 미치게 되므로, 생태적 가치가 높은 국립공원을 관리하는 각국의 기관들은 기후변화에 관련된 전략과 프로그램을 운영하고 있다. 예를 들면, 미국 국립공원청은 기후변화 대응 전략을 수립하고 이에 대한 프로그램을 운영 중(National Park Service, 2010)이며, 캐나다 공원청의 경우에는 북부 위성 모니터링 시스템 운영을 통하여 생태지구의 식생, 기후, 강수량의 상관성을 추적하고 있다(He et al, 2012).
한국 국립공원 내에는 총 15,876종의 생물종이 있으며, 환경부가 지정한 멸종위기종의 59%에 해당되는 145종이 서식하고 있어 그 생태적 가치가 매우 높게 평가된다(Korea National Park Service, 2013). 또한 한국의 기온도 지난 50년 간 전체적으로 상승(Kim et al., 2011)된 것으로 분석되고 있어, 이로 인한 식생 변화를 포함한 생물종의 서식환경 변화에 대한 체계적이고 과학적인 모니터링이 필요한 시점이다. 식생의 분포량과 활성도를 지시하는 정규식생지수(NDVI)는 식생 변화를 정량적으로 탐지할 수 있어 최근에는 국립공원과 같이 넓은 지역의 식생 변화도를 탐지하는데 폭넓게 활용되고 있다(Li et al, 2012, He et al, 2012).
본 연구의 목적은 이러한 위성 NDVI 시계열을 이용하여 국립공원 내 다년간 식생변화를 탐지하는데 있다. 이를 통해 위성자료에 기초한 국립공원 내 기후변화 관측 기법을 정립하여, 향후에 공원 관리자가 위성기반 모니터링 업무를 개발하는데 도움이 될 수 있는 연구 결과를 제공하고자 한다.
2. 연구지역 및 자료 (Study area and data)
한국에는 총 21개의 국립공원이 지정되어 있으며, 16개 산악형, 4개 해상형, 그리고 1개 사적형으로 구분된다(Fig. 1). 본 연구에서는 식생 변화와 연관된 16개 산악형 국립공원을 연구지역으로 선정하였다.
Fig. 1. 한국의 국립공원 위치 및 분포 현황.
NDVI 는 원격탐사 자료의 근적외선과 적색 밴드 영상의 차를 두 영상의 합으로 나눈 식으로 계산된다. NDVI 값은 상대값으로 –1에서 +1 범위를 가지며, +1에 가까울수록 식생의 분포량과 활성도가 크다는 것을 의미한다.
SPOT 위성은 4호부터 VEGETATION 센서가 탑재되어 1998년 4월부터 현재까지 연속적으로 NDVI 영상을 취득하고 있다. 본 연구에서는 SPOT VEGETATION(SPOT-VGT) 센서의 10-day synthesis(S10) NDVI 자료를 사용하였다. 여기서 S10 자료는 10일 주기로 최대값 결합(Maximum Value Compositing, MVC) 기법을 이용하여 취득 자료들을 합성한 결과이다. MVC 기법은 영상을 중첩한 상태에서 가장 값이 큰 화소값만을 추출하는 기법으로 구름이나 그림자 영역은 상대적으로 화소값이 낮기 때문에 비교적 간단한 방식으로 오류 화소들을 제거할 수 있다. 본 연구에서는 장기적인 식생변화탐지를 위해 1999년부터 2011년까지 총 13년 간의 SPOT-VGT NDVI S10 자료가 사용되었다.
3. 연구 방법 (Methods)
국립공원 내 식생변화 추세를 탐지하기 위해서 SPOT-VGT S10 자료는 아래 절차에 따라 분석되었다(Fig. 2).
Fig. 2. 장기식생변화 분석을 위한 SPOT-VGT S10 자료 처리 절차
다운로드 | 
FIG.pptx
먼저 S10 자료의 DN값은 아래 식에 따라 실제 NDVI (Real NDVI)로 변환된다(SPOT vegetation FAQ).
다운로드 |
EQ.docx
실제 NDVI는 월 최대 NDVI (Monthly Maximum NDVI, MNDVI)에서 연 평균 NDVI (Yearly Mean NDVI, YMNDVI)로 1차 변환되었으며, 다시 녹색변화율(Greeness Rate of Change)과 변동계수(Coefficient of Variation) 변화 영상으로 2차 변환 되었다(Huang et al., 2008; Zhang et al., 2012).
먼저, MNDVI는 월 단위로 3장의 S10 자료를 MVC 기법으로 결합하여 생성되며 식은 아래와 같다.
YMNDVI는 년 단위 평균치로 아래와 같이 MDNVI의 합계를 12로 나눈 결과와 같다.
이렇게 계산된 13년 간의 YMNDVI 자료를 이용하여 GRC와 CV가 변화 탐지를 위해 재 계산되었다.
GRC는 YMNDVI 값들의 최소 제곱법 적합(least squares fitting)을 이용한 선형회귀 기울기(slope of the linear regression)로 정의된다. 따라서 GRC가 0보다 크면 분석 기간동안 식생변화율(vegetation change rate)이 증가하였고, 0보다 작으면 감소했음을 지시한다. GRC 계산은 아래와 같으며, 여기서 n은 분석된 기간을 년 단위로 정의한 것이다. 예를 들면 본 연구에서는 13년 간 분석이므로 n = 13이 된다.
계산된 GRC는 다시 분류 기법을 적용하여 육안판독이 용이한 형태로 재분류(Reclassified GRC, RGRC)되었다. 영상 재분류를 위해서는 Jenks Natural Breaks 기법이 사용되었다. 총 분류 클래스는 7개이며 0보다 큰 값들은 미약(light), 중간(moderate), 강함(strong), 매우 강함(very strong) 순으로 분류되었다.
CV는 변동계수로써, 분석 기간 중 변화율(%)로 정의된다. 아래 식으로 계산되며, 여기서 S는 YMNDVI의 표준편차, bar X는 YMNDVI의 평균 자료를 뜻한다.
이렇게 계산된 연도별 YMNDVI, 13년 간 YMNDVI 평균과 표준편차, GRC(RGRC), CV를 각 국립공원 별 통계치로 산출하였다.
4. 결과(Results)
1999년부터 2011년까지 취득된 자료를 종합하여 제작된 13년 간 평균 YMNDVI는 Fig. 3.와 같다.
Fig. 3. 1999년부터 2011년까지 13년 간 YMNDVI의 평균 자료
1999년부터 2011년까지 년도별로 합성된 YMNDVI 자료는 아래 그림과 같다(Fig. 4.).
Fig. 4. 1999년부터 2011년까지 년도별 YMNDVI 자료
GRC 측정치는 Fig. 5.과 같으며, 여기서 지도 범례는 Jenks Natural Breaks 분류법에 따라 RGRC로 재정의된 것이다.
Fig. 5. 1999년부터 2011년까지 13년 간 GRC(RGRC) 자료.
SPOT-VGT S10 자료를 국립공원 별로 분석한 결과는 Table 1과 같다. 분석 결과, 13년 간 한국 지역과 산악형 국립공원 지역의 평균 NDVI는 각각 0.5548, 0.6228로 탐지되었다. 두 지역의 GRC는 모두 0.0004로 집계되었으며, RGRC를 기준으로 식생변화가 약간 상승(light improvement)된 것으로 평가되었다. RGRC를 기준으로 중간 정도의 변화(moderate improvement)로 분류되는 GRC > 0.0005인 국립공원은 가야산, 북한산, 속리산, 월출산, 주왕산, 지리산으로 집계되었으며 그 외 국립공원은 0.0001 < GRC < 0.0004인 것으로 집계되었다.
두 지역의 CV는 각각 3.7086과 3.4659로 도시화의 영향을 포함한 한국 지역이 산악형 국립공원 지역에 비해 변화율이 더 높게 평가되었다. CV는 전체 국립공원이 2 ~ 5 %로 계산되었으며, 이 중 한라산과 북한산이 각각 4.4190, 4.4025로 가장 큰 것으로 분석되었다.
Table 1. 국립공원 별 SPOT-VGT NDVI 자료 분석 결과
국립공원 별 YMNDVI 값을 연도별로 도시한 결과는 Fig. 6.와 같다.
Fig. 6. 1999년부터 2011년까지 13년 간 국립공원 별 YMNDVI 변화 추세
그리고 RGRC 자료를 국립공원 별로 확대한 결과는 Fig. 7.과 같다.
Fig. 7. 국립공원 별 RGRC 분포 현황
5. 토의 및 결론(Discussion and Conclusion)
NDVI 시계열을 이용하여 13년 간 국립공원 내 식생 변화를 탐지한 결과, 본 연구는 다음과 같은 실험 결과를 확인하였다.
국립공원 지역의 13년 간 평균 NDVI는 한국 전체 지역 평균보다 0.068 높은 0.6228로 탐지되었다. 국립공원 내 GRC는 0.004로 집계되어 미세한 식생변화 상승을 지지하고 있으나, 13년 간 NDVI 변동의 상관계수 자승(R²)은 평균 0.56으로, 연도별 식생변화 추이가 뚜렷하지는 않았다. 이것은 한국의 기후가 봄, 가을이 축소되고 여름이 연장되고 있어 월별 NDVI의 변화가 연 평균보다 뚜렷할 것으로 예측된다. 실제로 최근 연구에 따르면, 한국의 평균기온은 지난 50년간 겨울철인 1~2월은 높아지고, 여름철인 7~8월은 오히려 낮아진 것으로 평가되었다(Kim et al., 2011). 국립공원 지역의 CV는 3.4659%로 한국 전체 지역보다 약간 높게 평가되었으며, 전체 국립공원에서 2 ~ 5 % 범위로 분석되었다.
변화영상인 GRC와 CV를 기준으로 국립공원 별 식생 변화를 비교해 본 결과, GRC에서는 가야산, 북한산, 속리산, 월출산, 주왕산, 지리산이 식생변화 상승을 지지하였으며 CV에서는 한라산과 북한산이 높은 것으로 분석되었다. NDVI 변화는 기온, 강수량, 도시화 등 인자들의 영향을 받으므로, 공원별 식생변화 편차는 지역적 요인이 클 것으로 예측된다.
차기 연구는 월 단위의 NDVI 변화 탐지를 통해서 계절별 식생변화 추이를 분석하는데 있다. 이를 통해 연 단위에서는 다소 약한 식생 변화가, 월 단위에서는 보다 뚜렷한 변화를 보일 것으로 예측된다. 본 연구의 최종 결과는 앞으로 기후변화와 관련하여 국립공원 내 자연자원의 위성기반 조사기법을 정립하는데 도움이 될 것으로 기대된다.
참고문헌
He, Y., Guo, X., Dixon, P., Wilmshurst, J.F., 2012. NDVI variation and its relation to climate in Canadian ecozones. The Canadian Geographer, 56(4): 492-507.
Huang, F., Wang, P., Liu, X.N., 2008. Monitoring vegetation dynamic in Horqin Sandy Land from SPOT VEGETATION time series imagery. Proceedings of the 21st ISPRS Congress Technical Commission VII, Beijing, China, July 3-11, 2008. Vol. 37, pp.915-920.
Kim, H.C., Choi, S.K., Yun, B.R., 2011. A Statistical Analysis on Temperature Change and Climate Variability in Korea. Communications for statistical applications and methods, 18(1): 1-12.
Korea National Park Service, 2013. Korean National Park Basic Statistics 2013.
Li, Z., Guo, X., 2012. Detecting Climate Effects on Vegetation in Northern Mixed Prairie Using NOAA AVHRR 1-km Time-Series NDVI Data. Remote Sensing, 4: 120-134.
National Park Service, 2010. Climate Change Response Strategy Report 2010.
Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K. B., ... & Miller, H. L., 2007. IPCC Fourth Assessment Report: Climate Change 2007.
SPOT vegetation FAQ (frequently asked questions). http://www.vgt.vito.be/faqnew/index.html.
Zhang, G., Dong, J., Xiao, X., Hu, Z., Sheldon, S., 2012. Effectiveness of ecological restoration projects in Horqin Sandy Land, China based on SPOT-VGT NDVI data. Ecological Modeling, 38: 20-29.