석탄 화재는 전 세계적인 환경 재해로서 지속 시간이 길고 관리가 어려운 특징을 가지며 생태 환경, 생물 건강 및 에너지 안전에 큰 위협을 초래합니다. 석탄 화재의 진화는 시공간적으로 연속적인 과정이며, 지표면 온도(LST, Land Surface Temperature)는 그 진화 규칙을 반영하는 핵심 지표입니다. 다중 원격 탐사 데이터가 계속 축적됨에 따라 시계열 방법은 석탄 화재 탐지의 중요한 수단이 되고 있습니다. 지표면 열 이상을 통해 석탄 화재 위치를 확인하는 것은 탄광 화재 진압 공사에 중요한 실질적 의미가 있습니다. 지표면 온도 데이터는 확률적인 복잡한 시계열로서 장기간 시계열 석탄 화재 모니터링에 도전을 줍니다. 본 연구는 신장 산다오바 탄광 화재 지역을 대상으로 STL(Seasonal-Trend decomposition procedure based on Loess) 시계열 분해 기반 석탄 화재 모니터링 방법을 구축하였습니다. 우선 Landsat 위성 영상과 구글 어스 엔진(Google Earth Engine, GEE) 클라우드 플랫폼을 기반으로 1998년부터 2023년까지 연구 지역의 장기 지표면 온도 시계열을 구축하였고, 지표면 온도 시계열에 대해 STL 시계열 분해를 수행하여 시공간 변화 추세를 분석하였으며, 추세 성분과 랜덤 샘플 합의(RANSAC) 알고리즘을 이용해 석탄 화재 지역과 진화 주기를 판단하였습니다. 결과는 STL 시계열 분해가 지표면 온도의 장기 시계열 데이터 내 계절성 및 랜덤 변동 영향을 효과적으로 분리할 수 있음을 보여주며, 분해된 추세 항은 장기간 척도에서 지표면 온도의 진화를 더 정확히 반영합니다; 2016년 현장 측정된 20개 발화점 중 16개가 추세 항 성분의 평균값 및 범위값이 높은 영역에 위치하였으며; 1998년부터 2023년까지 석탄 화재 진화 과정을 RANSAC 알고리즘으로 분석한 결과 현장 조사와 대체로 일치하여 본 연구에서 구축한 STL 시계열 분해 방법의 석탄 화재 모니터링에서의 유효성과 신뢰성을 검증하였습니다. 종합하면 본 연구가 구축한 방법은 석탄 화재 모니터링 정확도를 향상시키고 복잡한 시공간 변화에 대한 적응성을 강화하여 후속 석탄 화재 모니터링 및 관리에 참고가 될 수 있습니다.

석탄 화재 인식; STL 분해; Landsat; LST 시계열; 열 적외선 원격 탐사