우리나라 지역 산사태 탐지 및 위험지도 작성을 위한 적정 위성영상 식생지수 선정에 관한 연구

이준희; 이상욱; 유영재; 김경민; 전성우

doi:10.15531/KSCCR.2024.15.4.477

추천

검색

질문

자료유형: 학술저널

저자정보: 이준희 (국립산림과학원) 이상욱 (고려대학교) 유영재 (고려대학교) 김경민 (국립산림과학원) 전성우 (고려대학교)

저널정보: 한국기후변화학회 한국기후변화학회지 Journal of Climate Change Research Vol.15 No.4

발행연도: 2024.8

수록면: 477 - 488 (12page)

DOI: 10.15531/KSCCR.2024.15.4.477

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Landslides are becoming more frequent and severe due to increasing summer heavy rainfall and typhoons caused by climate change. As a result, the importance of research to predict and detect landslides is also growing. In this study, suitable vegetation indices for detecting and predicting landslides in South Korea were identified based on 1,500 landslides, provided by the National Disaster Safety Institute from 2011 to 2017. Various vegetation indices listed in the Index Data Base (IDB) of the Institute for Crop Science and Resource Conservation (INRES) in Germany were reviewed and selected for construction. Five vegetation indices were constructed using Landsat-7 imagery: Normalized Differential Vegetation Index (NDVI), Simple Ratio (SR), Soil Adjusted Vegetation Index (SAVI), Atmospherically Resistant Vegetation Index (ARVI), and Renormalized Differenced Vegetation Index (RDVI). Additionally, the Maxent model was applied to predict landslides using each vegetation index, and the accuracy was measured by comparing the ROC-AUC values. The results showed that the SR vegetation index detected landslides most effectively. Furthermore, the accuracy comparison of the Maxent model revealed that the model using vegetation indices had higher ROC-AUC values compared to the model without vegetation indices, with the SR-based Maxent model yielding the most accurate results. This study provides remote sensing data necessary for creating landslide prediction maps. However, future research should consider factors influencing vegetation indices other than landslides and reflect the extent and magnitude of landslide damage.

#Landslide #Landslide Prediction #Prediction Model #Satellite Image #Vegetation Index #Maximum Entropy Model

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

컴퓨터 비전을 활용한 분체 안식각 측정 기술 개발

손권중 한국정보기술학회논문지 2023 .02

뿌리점착력과 수관밀도를 적용한 토사재해 위험지역 예측

최원일 , 최은화 , 서진원 외 1명 한국지반환경공학회 논문집 2016 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090674538

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)