Research Article

The Journal of Engineering Geology. 31 December 2021. 549-559
https://doi.org/10.9720/kseg.2021.4.549

ABSTRACT


MAIN

  • 서 론

  • 위성영상을 활용한 캐나다 앨버타주 건설 환경 조사 및 분석

  •   조사 분석 연구지역 선정

  •   영상 분류를 활용한 토지피복도 작성

  •   위성영상을 활용한 지표 온도 조사 분석

  •   위성영상을 활용한 적설 분포 조사 분석

  • 결 론

서 론

북극권(극한지)은 낮은 온도로 인하여 인간의 거주나 건설 환경이 매우 열악하여 다른 지역에 비해 자연환경이 비교적 잘 보존되었거나 미개척지로 남아있다. 북극권은 석유와 천연가스 등이 풍부하여 전 세계에 존재하는 미 발견 자원량의 약 22%가량이 영구동토층을 포함한 극한지역에 매장되어 있는 것으로 추정된다. 하지만, 극한 기후로 인하여 석유와 천연가스 자원의 개발은 제한적이었다. 최근 들어 기술의 발전과 에너지 ‧ 자원가격의 상승에 따른 사업적 수용의 증가, 그리고 지구온난화로 인하여 극한지에 대한 접근성이 좋아지면서 북극권에 분포하는 자원 개발이 크게 확대되고 있다. 특히, 북극권 국가 중 캐나다는 2013년 말 기준으로 총 석유 매장량이 1,725억 배럴로 추정되고, 오일샌드가 1,672억 배럴이며, 일반 원유(Conventional Oil)와 해양 석유(Offshore Oil), 타이트 오일(Tight Oil)이 53억 배럴로 확인되었다. 그 중 캐나다 앨버타주의 오일샌드 매장량은 1,363억 배럴로 산출되었고 앨버타주에서 경제성을 고려하지 않을 경우, 채굴할 수 있는 오일샌드의 양은 3,150억 배럴로 추정된다(ST98-2014, 2014). 전통적인 방법으로 채굴하는 석유와 천연가스와는 달리, 캐나다 앨버타주에 널리 분포하는 오일샌드는 지표면 근처에 부존하기 때문에 접근성과 생산성도 높다. 또한, 매장량이 매우 풍부하므로 오일샌드에서 생산되는 석유와 천연가스가 크게 주목받고 있다.

최근 세계 각국은 저탄소 경제로 이행하기 위해 준비하고 있고, 재생에너지 개발이 확대됨에도 불구하고 석유와 천연가스에 대한 수요가 당분간 지속적으로 증가할 것으로 예측되기 때문에 앨버타주 오일샌드 산업의 지속적인 성장이 예상 된다(International Energy Agency, 2015). 이로 인하여 앨버타주의 석유와 천연가스 산업에 대한 투자가 급증하고 있다. 천연자원의 해외 의존도가 높은 국내의 많은 기업들은 캐나다 앨버타주의 다양한 자원개발 프로젝트에 관심을 가지고 있다.

오일샌드 자원개발 사업을 위해서는 사전 지반조사와 지질 평가 등이 필요하지만, 넓은 면적에 대한 사전조사와 기후변화에 따른 현장 답사 시기 결정 등 많은 한계가 있다. 본 논문에서는 북극권(캐나다 앨버타주) 현지답사의 시간과 비용 절약의 측면에서 위성영상을 활용하여 광범위한 영역의 자원 및 건설 환경을 분석하였다. 위성영상을 활용한 사전조사는 토지 피복 분류를 통해 에너지 자원 개발에 필요한 정보를 손쉽게 획득할 수 있고, 다양한 시기(계절)의 영상을 분석하여 지표의 시계열적 변화를 탐지하고 검토할 수 있는 장점이 있다. 또한, 인공위성은 다양한 센서를 탑재하고 있기 때문에 위성영상은 다양한 밴드를 포함한 자료로 구성되어 있다. 본 연구에서는 특정 밴드의 영상들을 조합하여 식생 지수나 지표 온도 지수 등의 정보를 파악하여 자원개발을 위해 필요한 정보들을 분석하였다.

위성영상을 활용한 캐나다 앨버타주 건설 환경 조사 및 분석

본 연구에서는 극한지 자원 개발 사업을 위한 건설 환경 조사를 위하여 캐나다 앨버타주 오일샌드 지역의 위성영상을 분석하여 공간정보 데이터베이스를 구축하였다. 획득한 인공위성의 촬영 영상을 분류하여 토지 피복도를 작성하였다. 또한 이를 shp 파일로 구축하여 지표 온도를 파악하고 지도화함으로써 연구 대상 지역의 지표 온도 정보 데이터베이스를 구축하였다. 그리고 북극권 기후대를 고려하여 영상을 이용한 적설 분포도 조사 ‧ 분석하였다.

조사 분석 연구지역 선정

캐나다 앨버타 주 내의 Athabasaca oil sands로 분류된 지역 중 30 km × 30 km로 3곳의 연구지역을 선정하였다. Alberta Environment and Parks에서 제공하는 Shapefiles for Oil Sands Project Boundaries and Centroid Points 데이터를 획득하여 Oil Sands의 위치를 파악하였으며, 이 중 2015년 기준 채굴작업이 진행 중인 영역을 대상으로 하였다. Fig. 1은 선정된 연구지역을 나타내고 있다. 계절에 따른 정확한 위성영상 분석을 위해서 구름이 없는 4계절의 Landsat 영상을 earthexplorer로부터 획득하였다(United States Geological Survey, 2021). 데이터셋은 Landsat 8 OLI/TIRS C1 L1을 선택하였고, 신뢰도와 활용성을 고려하여 위하여 2019년 이후의 영상만을 획득하여 조사 분석을 수행하였다.

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F1.jpg
Fig. 1.

Location of study area and land cover of Alberta, Canada (near the Conklin area).

연구지역 1은 알버타주 중부의 동쪽에 위치한 Conklin의 남부지역으로 알버타주와 사스캐처원주와 경계에서 멀지 않은 지역이며, 아타바스카 오일샌드지역(Athabasaca oil sands)의 남쪽 경계지역이다. 이 지역의 토양 특성은 Organic Soil과 Luvisolic Soil의 경계면에 위치하는데 Luvisolic Soil은 캐나다 삼림 지역의 산재하는 3가지의 토양중의 하나이다. 이 토양은 퇴적암과 점토질 호수 퇴적물에서 파생된 양토로 Boreal Shield Ecoregion 등 삼림지역에서 우세하게 나타나는 토양이다. 연구지역 2, 3은 앨버타주 Conklin의 중남부, 중북부에 위치한 지역으로 이곳은 아타바스카 오일샌드지역(Athabasaca oil sands)의 중심지역이며, 오일샌드로부터 오일과 천연가스 사업이 활발히 진행되는 지역으로 인근에 많은 오일샌드 개발이 활발이 진행되고 있는 지역이다. 연구지역 2, 3은 Organic Soil 지역으로 한대수림(Boreal forest) 지역으로 지표면에는 겨울철의 낮은 온도로 인하여 다수의 지의류가 산재한다.

획득한 영상 전체에 대한 분석을 수행하기 전 대기 보정을 수행하였는데 Landsat 8 영상의 경우 기하 보정이 수행된 뒤 제공된다(Lee et al., 2017). 그러나 추가로 기하학적 오차가 발생할 경우를 고려하여 캐나다 수치지형도를 캐나다 정부에서 제공한 영상과 비교하여 기하학적 오차는 없는 것을 확인하였다. 따라서 대기 보정만 수행하였고, 대기 보정의 경우 Erdas Imagine 프로그램 내의 히스토그램 조정을 활용하였다.

영상 분류를 활용한 토지피복도 작성

영상 분류를 활용한 토지 피복도 작성을 위하여 Erdas Imagine을 활용하였으며, 획득된 영상 자료의 영상이 포함할 수 있는 기하학적 오류나 반사도에 대한 값의 오차를 제거하거나 줄이기 위하여 보정을 수행하였다. 기하 보정은 영상 대 지도 보정, 영상 대 영상 보정, 혼성 보정 등의 방법을 활용하여 수행하였다. 방사 보정은 절대 방사보정과 상대 방사보정 등의 방법을 이용하여 수행하였다. 또한, 위성영상을 이용하여 토지 피복도를 작성하여 영상의 픽셀 간의 차이가 명확하게 드러나도록 전처리를 수행하였다. 전처리가 완료된 후, 감독분류 및 무감독분류를 이용하여 영상 분류를 수행하였다. 감독분류는 분류 항목 및 분류 항목별 학습 자료를 분석자가 지정하고 학습 자료의 특징을 기준으로 영상을 분류하는 기법이다. 감독분류는 영상에서 분류하고자 하는 지역의 위치 또는 분광특성을 사용자가 알거나 알 수 있을 때 사용하는 방법이다(Song et al., 2014). 주어진 자료나 지식으로 사용자는 토지 피복의 특징을 대표하는 훈련지역을 선정하며 이를 이용하여 각각의 알고리즘을 토대로 토지피복을 분류하는 기법이다. 반면, 무감독 분류는 기기를 이용하여 자동적으로 유사한 특징의 화소들을 그룹화 하는 기법이다. 감독분류는 사전 정보 없이 영상을 구성하는 화소값의 공간적, 분광적 특성만을 고려하여 알고리즘을 이용하여 분류하는 방법이다. 무감독분류에는 최소거리분류, 평행육면체분류, 최대우도분류 등이 있으며, 무감독 분류는 K-means와 ISODATA가 있다(Han and Choi, 2011). 본 연구에서는 감독분류법으로는 정확도가 가장 높은 것으로 알려진 최대우도법을 사용하였고, 무감독분류법으로는 K-means법을 사용하여 토지피복도를 작성하였다. Fig. 2, Fig. 3, Fig. 4는 선정된 연구 대상 지역의 계절별 감독, 무감독 분류로 작성한 토지피복도 변화를 보여주고 있다. 봄, 여름, 가을, 겨울 위성영상 분석을 통해 전체면적에 대한 9개의 클래스(Water, Snow/Ice, Exposed Land, Developed Land, Shrubland, Grassland, Coniferous Forest, Broadleaf Forest, Mixed Forest, Mixed Forest)의 변화를 분류하였다.

감독분류 수행 결과 연구지역 1과 2에서는 계절에 따라 가장 큰 편차를 보이는 클래스는 Water와 Snow/Ice로 나타났으며, Water의 경우 각각 봄에 5.4%, 9.86% 여름에 9.57%, 8.32% 가을에 9.68%, 16.26%, 겨울에 2.64%, 0.0%로 나타났다. 봄과 겨울에서 연구지역 내의 물이 분포하는 영역이 Snow/Ice로 바뀐 것으로 분석된다. 연구지역 1에서는 Developed Land 클래스에서 봄에 14.94%로 다른 계절에 비해 높은 비율을 차지하는 것으로 나타났는데, 이는 사용한 원 영상에서 Exposed Land와의 구별이 어려운 것이 원인으로 파악된다. 무감독 분류에서도 감독분류의 결과와 마찬가지로 계절에 따라 가장 큰 편차를 보이는 클래스는 Water와 Snow/Ice로 나타났다. Water의 경우 봄부터 겨울까지 각각 7.04%와 9.85%, 10.93%, 2.62%로 나타났고, Snow/Ice의 경우 4.87%와 0%, 0%, 8.29%로 나타났다. 감독 분류와 무감독 분류 비교 결과 오타 범위 3%로 클래스 분류된 결과를 확인할 수 있다. 연구지역 3에서는 계절에 따라 큰 폭의 편차를 보이는 클래스는 Water와 Snow/Ice, Exposed Land로 나타났으며, Water의 경우, 봄에 4.94%, 여름에 7.93%, 가을에 7.24%, 겨울에 0.0%로 나타났다. 봄과 겨울에서 연구지역 내의 물이 분포하는 영역이 Snow/Ice로 바뀐 것으로 나타났다. Snow/Ice의 경우 봄에 4.56%, 여름에 0%, 가을에 0%, 겨울에 37.12%로 나타났다. Exposed land 클래스의 경우 봄, 여름, 가을까지는 거의 유사한 비율을 차지하고 있다가 겨울에 확연하게 줄어드는 것으로 나타났는데 이는 겨울 영상에서 눈이 Exposed Land에 해당하는 영역을 덮은 것이 원인으로 분석된다. 연구지역 3의 4계절 영상에서 각 클래스별 비율을 비교해본 결과, 대체로 비슷한 비율(5% 내외)을 가지는 클래스로 분류된 것을 확인할 수 있었다.

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F2.jpg
Fig. 2.

Seasonal land cove map (supervised and unsupervised classification results for study area 1).

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F3.jpg
Fig. 3.

Seasonal land cove map (supervised and unsupervised classification results for study area 2).

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F4.jpg
Fig. 4.

Seasonal land cove map (supervised and unsupervised classification results for study area 3).

위성영상을 활용한 지표 온도 조사 분석

앨버타주가 남북으로 1,200 km 이상에 걸쳐 있기 때문에 다양한 기후대(고산, 아한대 숲, 초원, 대초원)를 가지는 특성을 가진다. 자원개발을 위한 시추, 자원 이송망 건설 등 다양한 건설 활동을 위해서는 지표 온도 분석이 필요하다. 본 연구에서는 Landsat 8 영상을 이용하여 지표 온도를 각 픽셀별로 계산했으며 그 결과를 지도로 작성하였다(Fig. 5, Fig. 6, Fig. 7). 광도 곱셈 배율 계수와 광도 첨가 계수, 해당 픽셀이 나타내는 지상 해상도 셀에 측정된 전자기 값의 강도로 정량화 및 보정된 평균 픽셀 값, 밴드 10의 보정값 등을 먼저 계산하고 이들의 조합으로 픽셀값을 지표 온도 값으로 변환했다(Kim et al., 2018). 이때 계산을 위하여 정규식생지수가 필요하기 때문에, Landsat 8영상의 밴드 조합으로 계산을 수행하였다. 각 픽셀이 해당하는 온도 값을 가지고 있으며 그 값이 클수록 붉은색을 띄고, 그 값이 작을수록 푸른색을 띄도록 작성하였다. 계절에 따른 영상 별로 최고온도와 최저온도가 각기 다르게 나타났으나 계절에 따른 지표 온도 변화를 파악하기 용이하도록 위하여 최소온도와 최고온도는 동일한 값으로 지정하여 고정하여 표현하였다. 또한, 영상 결과에서 변화 정도를 표현하기 위하여 단계구분도를 사용했으며, 다양한 기준점 제안 방법 중 이 연구는 등간격을 선택하였는데 동일한 기준에 대한 변화를 보여주기 위함이다.

연구지역 1(Fig. 5)의 봄 영상에서 지표 온도는 최저온도가 영하 2.7°C, 영상 19.6°C로 나타났다. 여름 영상에서는 최저 12.8°C, 최고 27.4°C로 나타났으며, 가을의 경우 최저는 영하 4.6°C 최고는 영상 9.5°C로 나타났고, 겨울은 영하 14.8°C에서 영하 5.8°C까지 분포하는 것으로 나타났다. 연구지역 2(Fig. 6)의 봄 영상에서 지표 온도는 최저온도가 영하 2.4°C, 최고온도는 영상 23.7°C로 나타났다. 여름 영상에서는 최저 16.5°C, 최고 30.4°C로 나타났으며, 가을의 경우 최저는 2.0°C 최고는 12.8°C로 나타났고, 겨울은 영하 7.8°C에서 영상 3.7°C까지 분포하는 것으로 나타났다. 연구지역 3(Fig. 7)의 봄 영상에서 지표 온도는 최저온도가 영하 3.4°C, 최고온도는 영상 14.8°C로 나타났다. 여름 영상에서는 최저 17.8°C, 최고 31.9°C로 나타났으며, 가을의 경우 최저는 3.7°C, 최고는 17.9°C로 나타났고, 겨울은 영하 38.8°C에서 영상 3.6°C까지 분포하는 것으로 나타났다. 앞서 작성되었던 감독분류 및 무감독 분류 결과로 작성된 토지피복도와 지표 온도의 분포를 비교하였다. 봄 영상에서는 비교적 Developed Land로 분류된 클래스에서 온도가 높은 것으로 분석되었으며 Ice/Snow로 분류된 지역은 온도가 지표 온도가 낮은 것으로 나타났다. 그 외 Forest 계열이나 Grassland 등에서는 지표 온도가 비교적 고르게 분포하는 것으로 분석됐다. 상대적으로 물이 분포하는 영역이 온도가 낮은 것으로 나타났으나 다른 영역과 유사한 온도 분포를 가지는 것으로 나타났다. 가을의 경우 봄의 결과와 유사한 결과를 보였으며, 각 클래스별로 특징적으로 온도 분포가 다르게 나타나는 것은 없는 것으로 파악됐다. 겨울 영상에서는 다른 계절의 영상에 비해 온도가 가장 낮게 분포하여 대체로 푸른색을 띄는 지도가 작성되었으며, Ice/Snow로 분류된 영역에서 온도가 더 낮게 나타나는 것으로 분석됐다.

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F5.jpg
Fig. 5.

Seasonal ground surface temperature of study area 1.

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F6.jpg
Fig. 6.

Seasonal ground surface temperature of study area 2.

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F7.jpg
Fig. 7.

Seasonal ground surface temperature of study area 3.

연구지역 1의 최저온도는 영하 14.8°C, 연구지역 2의 최저온도는 영하 7.8°C, 연구지역 3의 최저온도는 영하 38.8°C로 나타났으며, 최고온도는 각각 27.4°C와 30.4°C, 31.9°C로 나타났다. 지역에 따라 최저온도의 차이가 상대적으로 더 크게 나타나는 것으로 분석되었으며, 최고온도는 지역에 따라 급격한 차이를 보이지는 않는 것으로 확인됐다. 연구지역 1의 1년 동안의 온도 변화는 영하 14.8°C부터 영상 27.4°C까지, 연구지역 2는 영하 7.8°C부터 30.4°C까지, 연구지역 3은 영하 38.8°C부터 31.9°C까지로 나타났다. 연구지역 1부터 연구지역 3까지 전체적으로 계절에 따라 절대적인 값의 차이는 발생했으나 상대적으로 Developed Land 또는 Exposed Land 클래스에서 지표온도가 높게 나타났으며 Water 및 Ice/Snow에서는 온도가 낮게 나타나는 것을 확인할 수 있었다.

위성영상을 활용한 적설 분포 조사 분석

기존 연구논문들을 참조하여 MODIS 영상을 활용하여 앨버타 지역의 적설량 분포를 조사 분석하였다(Kim et al., 2011; Yoo et al., 2015; Choi et al., 2019). MOD10A1 영상을 선정하여 획득했으며, 좌표계가 일반적으로 사용하는 좌표계가 아니기 때문에 이를 범용 좌표계로 변환한 후 작업을 수행했다. 좌표변환 후, 앞 절에서 수행한 분석들과 마찬가지로 전처리를 수행하였다. NDSI 공식을 이용하여 픽셀이 적설인지 아닌지를 구별하였고, NDSI는 밴드 6과 밴드 4의 조합으로 계산했으며, NDSI 값이 0.4 이상인 곳을 적설로 판단하였다. MODIS 영상의 경우 공간 해상도가 500 m로 비교적 낮은 편이기 때문에 해당 결과로만 지도를 작성하는 경우 위치 파악이 어려울 것으로 판단되어 DEM을 이용한 Hillshade를 배경지도로 사용하여 Fig. 8에 표시하였다.

/media/sites/kseg/2021-031-04/N0520310408/images/kseg_31_04_08_F8.jpg
Fig. 8.

Seasonal snowfall of study area.

연구지역 1의 봄 영상에서 적설이 존재한다고 파악된 픽셀은 34개로 나타났으며 해당 면적은 4.39 km2로 분석됐으며, 주로 강이나 호수가 분포하고 있는 지역에서 발견됐다. 앞서 수행되었던 감독분류 및 무감독 분류 결과에서는 Snow/Ice로 파악된 영역의 면적이 약 13 km2로 분석된 결과와는 상이했다. 이는 Landsat 위성영상을 이용한 분류에서는 Ice도 같이 포함되어 분류된 것이 원인으로 분석하였다. 즉 눈으로 덮인 영역은 Landsat 영상에서와 MODIS 영상에서 유사하게 나타났으나 분류하는 방법의 차이로 인하여 결과에서 차이가 발생한 것을 의미한다. 여름과 가을 영상에서는 적설이 있다고 판단되는 영역은 없는 것으로 분석되었으며, 이는 Landsat을 이용한 영상 분석 결과와도 동일한 결과이다. 겨울 영상의 경우 적설이 있다고 판단되는 픽셀은 213개로 나타났으며 그에 따른 면적은 27.50 km2로 분석됐다. 앞서 수행된 감독분류 및 무감독 분류 결과에서 Snow/Ice로 분류된 면적은 약 27 km2인데 거의 유사한 결과를 나타냄을 알 수 있다. 이는 봄에 비하여 겨울 영상에서 Ice로 구성된 지역에 눈이 덮여있는 것이 원인으로 파악됐다.

Table 1에 계절별 각 연구 대상 지역의 적설 면적 분석 결과를 정리하였다, 연구지역 3에서는 연구지역 1과 연구지역 2와는 다르게 봄 영상에서 적설이 존재한다고 분석된 픽셀은 없는 것으로 나타났다. 이는 앞서 수행되었던 감독분류 및 무감독 분류 결과에서는 Snow/Ice로 파악된 영역의 면적이 약 12.74 km2로 분석된 결과와는 상이했다. 이는 Landsat 위성영상을 이용한 분류에서는 Ice도 같이 포함되어 분류된 것이 원인으로 파악됐다. 즉 눈으로 덮인 영역은 Landsat 영상에서와 MODIS 영상에서 유사하게 나타났으나 분류하는 방법의 차이로 인하여 결과에서 차이가 발생한 것을 의미한다. 봄 영상과 마찬가지로 여름과 가을 영상에서는 적설이 있다고 판단되는 영역은 없는 것으로 분석되었으며, 이는 Landsat을 이용한 영상 분석 결과와도 동일한 결과이다. 겨울 영상의 경우 적설이 있다고 판단되는 픽셀은 2,039개로 나타나 연구지역 1과 연구지역 2를 모두 포함한 연구지역 중에서 적설 분포 면적이 가장 넓은 것으로 나타났으며, 그에 따른 면적은 263.22 km2로 분석됐다. 앞서 수행된 감독분류 및 무감독 분류 결과에서 Snow/Ice로 분류된 면적은 약 103 km2로 이는 거의 2배 이상의 차이를 보이는 것으로 파악됐다. 이는 MODIS 영상을 활용하여 적설 분포를 파악하는 방법에 있어서 NDSI 값이 0.4 이상이면 적설이라고 가정하게 되는데, 원 영상에서 반사값이나 방사도 및 각 밴드가 가지는 값에 의하여 잘못 분류 되었을 가능성을 내포하고 있다고 판단된다.

Table 1.

Snowfall analysis results in each study area

Study area Season Number of snowfall cells Horizontal cell size Vertical cell size Area of snowfall
Study area 1 Spring 34 363.10 355.53 4.39
Summer 0 363.10 355.53 0.00
Fall 0 363.10 355.53 0.00
Winter 213 363.10 355.53 27.50
Study area 2 Spring 2 365.47 358.16 0.26
Summer 0 365.47 358.16 0.00
Fall 0 365.47 358.16 0.00
Winter 169 365.47 358.16 22.12
Study area 3 Spring 0 363.10 355.53 0.00
Summer 0 363.10 355.53 0.00
Fall 0 363.10 355.53 0.00
Winter 2,039 363.10 355.53 263.22

결 론

본 논문에서는 위성영상을 활용하여 북극권(극한지) 자원 개발 사업에 필요한 건설 환경을 분석하였다. 캐나다 앨버타주 내 오일샌드 자원개발이 활발히 진행 중인 지역을 대상으로 연구를 진행하였으며, 위성영상을 활용함으로 현장 조사에 비해 비용과 시간을 절감하며 광범위한 지역에 대하여 사전조사를 수행할 수 있었다. 감독분류 및 무감독분류법을 사용하여 연구지역에 대한 영상 분류를 통해 9개 클래스에 대한 토지 피복도를 작성하여 검토한 결과, 계절에 따라 가장 큰 편차를 보이는 클래스는 Water와 Snow/Ice로 나타났는데, 이는 겨울철에 물이 분포하는 영역이 Snow/Ice로 바뀐 것으로 분석된다. 또한, Landsat 8 영상을 이용하여 지표 온도를 각 픽셀별로 계산 후 토지피복도와 지표 온도의 분포를 비교 검토한 결과 유사한 변화를 관찰할 수 있었다. MODIS 영상을 활용하여 앨버타 지역의 적설량 분포 면적 검토한 결과 영상에서 반사값이나 방사도 및 각 밴드가 가지는 값에 의하여 적설량 판단 기준에 따른 다소 오차가 발생하였으나 동일한 경향성이 나타남을 확인할 수 있었다.

본 연구에서 도출한 지표 온도, 적설 분포 면적 등의 연구 결과(데이터베이스)와 함께 캐나다 앨버타주 자연지리 정보, 인구분포와 교통 등의 인문지리 정보가 추가 분석된다면 국내 기업들의 극한지 에너지 ‧ 자원 개발 활동에 필요한 유용한 정보로 제공 ‧ 활용 될 수 있을 것으로 판단된다.

Acknowledgements

본 연구는 국토교통부 국토교통과학기술진흥원 ‘북극권 자원에너지 개발 기초(선행)기술’의 “북극권 에너지자원 플랜트 계획 및 개념설계 선행기술 연구(과제번호: 21IFIP-C146546-04)” 과제에 의해 수행되었으며 이에 감사드립니다. 그리고 캐나다 현지 자료 수집과 자문을 해 주신 Western Illinois University의 최종남 교수에게도 감사드립니다.

References

1
Choi, J., Park, S., Lee, S., 2019, Analysis of Spatial Characteristics of MODIS Snowfall Distribution Data Considering Topographic Elements, The Geographical Journal of Korea, 53(3), 271-282 (in Korean with English abstract).
2
Han, S., Choi, M., 2011, Comparison between supervised and unsupervised land cover classification using satellite image, Proceedings of the Korea Water Resources Association Conference, Daegu, 355-359 (in Korean with English abstract).
3
International Energy Agency, 2015, World energy outlook.
4
Kim, K., Lee, Y., Kim, J., Choi, H., Kim, B., 2018, Analysis of the cooling effects in urban green areas using the Landsat 8 satellite data, Korean Journal of Remote Sensing, 34(2), 167-178 (in Korean with English abstract).
5
Kim, S., Shin, H., Lee, J., Yu, Y., Kim, S., 2011, Mapping technique for heavy snowfall distribution using terra MODIS images and ground measured snowfall data, Journal of the Korean Association of Geographic Information Studies, 14(4), 33-43 (in Korean with English abstract). 10.11108/kagis.2011.14.4.033
6
Lee, S., Kim, Y., Lee, M., Kim, J., 2017, Experiment on extraction of AOT using Landsat satellite images, Proceedings of the Korean Society for Geospatial Information Science, Seoul, 63-64 (in Korean with English abstract).
7
Song, A., Han, Y., Kim, Y., Kim, Y., 2014, Spectral mixture analysis using modified IEA algorithm for forest classification, Korean Journal of Remote Sensing, 30(2), 219-226 (in Korean with English abstract). 10.7780/kjrs.2014.30.2.5
8
ST98-2014, 2014, Alberta's energy reserves 2013 and supply/demand outlook 2014-2023, Retrieved from www.aer.ca.
9
United States Geological Survey, 2021, Earthexplorer, Retrieved from https://earthexplorer.usgs.gov/.
10
Yoo, S., Lee, K., Jung, H., Kim, H., Hur, W., Kim, J., Park, J., 2015, Wintering population change of the cranes according to the climatic factors in Cheorwon, Korea: Effect of the snow cover range and period by using MODIS satellite data, Korean Journal of Ecology and Environment, 48(3), 176-187 (in Korean with English abstract). 10.11614/KSL.2015.48.3.176
페이지 상단으로 이동하기