Integration of GEDI spaceborne lidar and Sentinel-2 for multi-temporal mapping of forest structure, aboveground biomass, and wildfire severity : a multi-site analysis of post- fire recovery

다국어 초록 (Multilingual Abstract)

This thesis develops, validates and applies a fusion framework that combines NASA Global Ecosystem Dynamics Investigation （GEDI） spaceborne LiDAR with European Space Agency Sentinel-2 multispectral imagery for three-dimensional analysis of post-fire forest recovery in South Korean temperate forests. The framework predicts canopy height （RH95） and aboveground biomass density （AGBD） at 10–20 m resolution across the Korean peninsula, anchored in a quality- controlled training set of 1,110,072 GEDI L2A footprints （RH95） and 1,889,379 GEDI L4A footprints （AGBD）, drawn from the April 2019 – April 2024 archive. Two LightGBM gradient-boosted regressors are trained under a strict K-Means K = 5 spatial cross-validation scheme: 740,907 training records for RH95 and 1,889,379 for AGBD. The trained models are applied across three Korean fire sites that span distinct fire regimes: the Uljin–Samcheok megafire of March 2022 （20,923 ha by Korea Forest Service official figures, 28,217 ha by dNBR perimeter）, the Goseong-Sokcho fire of April 2019 （1,267 ha; 4,841 ha dNBR）, and the Jirisan fire of March 2025 （1,557 ha; 15,988 ha dNBR）. Monthly wall-to-wall structural maps are produced over a T-offset framework spanning T−12 to T+9 months around each fire date （twenty-two analytical layers per site, with three additional layers retained for sensitivity testing）. Pixel-wise spectral recovery （RecNBR） and structural recovery （RecRH95） ratios are then contrasted through the Spectral Divergence Index （SDI = RecNBR − RecRH95） to map and quantify the Two-Dimensional Spectral Illusion: the systematic phenomenon by which optical greenness recovers while three- dimensional structure remains far below pre-fire levels. The trained models reach R² = 0.581 on independent test footprints for RH95 and R² = 0.370 for AGBD, both substantially above global benchmarks evaluated on the same Korean test set. Twelve months after fire, 14.4% of burned Pinus densiflora pixels and 18.1% of burned Quercus pixels at Uljin display SDI 〉 0.20; corresponding fractions at Goseong-Sokcho are 24.2% （Pinus） and 34.9% （Quercus）, and at Jirisan 9.0% （Pinus） and 11.8% （Quercus）. These results demonstrate that Sentinel-2 alone systematically overstates post-fire forest recovery in Korean temperate forests. The findings have direct implications for forest monitoring under the Republic of Korea's 2050 carbon-neutrality commitment, for REDD+ measurement, reporting and verification, and for the Digital Saemaul Undong policy framework.

Keywords : GEDI, Sentinel-2, post-fire recovery, Korean temperate forests, Two- Dimensional Spectral Illusion, LightGBM, Spectral Divergence Index, Pinus densiflora, Quercus, Uljin megafire, spatial cross-validation.

국문 초록 (Abstract)

본 연구는 NASA의 우주기반 라이다 시스템 GEDI（Global Ecosystem Dynamics Investigation）와 유럽우주국의 다분광 위성영상 Sentinel-2를 결합하여 한국 온대림의 산불 후 3차원 회복 과정을 분석하는 융합 프레임워크를 개발, 검증, 적용하였다. 본 프레임워크는 한반도 전역에서 2019년 4월부터 2024년 4월까지의 GEDI 아카이브에서 추출된 품질 관리 학습 데이터（RH95용 1,110,072개의 L2A 풋프린트 및 AGBD용 1,889,379개의 L4A 풋프린트）를 기반으로, 캐노피 높이（RH95）와 지상부 바이오매스 밀도（AGBD）를 10~20 m 해상도로 예측한다. 두 개의 LightGBM 그래디언트 부스팅 회귀모델이 K-Means K = 5 공간 교차검증 체계 하에서 학습되었으며, 학습 데이터는 RH95용 740,907건, AGBD용 1,889,379건으로 구성되었다. 학습된 모델은 서로 다른 산불 환경을 대표하는 한국의 세 산불 지역에 적용되었다. 2022년 3월 울진–삼척 대형산불（산림청 공식 면적 20,923 ha, dNBR 기반 면적 28,217 ha）, 2019년 4월 고성–속초 산불（1,267 ha; dNBR 4,841 ha）, 그리고 2025년 3월 지리산 산불（1,557 ha; dNBR 15,988 ha）이 분석 대상이다. 산불 발생 시점（T）을 기준으로 T−12개월부터 T+9개월까지의 T-오프셋 프레임워크 하에서 월별 광역 구조 지도가 생산되었다（사이트당 22개의 분석 층 및 민감도 검증용 추가 3개 층）. 픽셀 단위의 분광 회복（RecNBR）과 구조 회복（RecRH95） 비율은 분광 발산 지수（SDI = RecNBR − RecRH95）를 통해 대조되어, 광학 신호는 회복된 것처럼 보이지만 3차원 구조는 산불 이전 수준에 크게 못 미치는 '2차원 분광 환상（Two-Dimensional Spectral Illusion）' 현상을 정량화하였다. 학습된 모델의 독립 테스트 데이터에 대한 결정계수（R²）는 RH95에 대해 0.581, AGBD에 대해 0.370이며, 동일한 한국 테스트 데이터에서 평가된 전 지구 기준 모델들의 성능을 상당히 상회하였다. 산불 발생 12개월 후, 울진에서는 소나무（Pinus densiflora） 픽셀의 14.4%, 참나무（Quercus） 픽셀의 18.1%가 SDI 〉 0.20을 나타내었으며, 고성–속초에서는 각각 24.2%, 34.9%, 지리산에서는 각각 9.0%, 11.8%로 분석되었다. 이러한 결과는 Sentinel-2 단독 분석이 한국 온대림의 산불 후 회복 정도를 체계적으로 과대평가함을 입증한다. 본 연구의 결과는 대한민국의 2050 탄소중립 정책, REDD+ 측정·보고·검증（MRV） 체계, 그리고 디지털 새마을운동（Digital Saemaul Undong） 정책 프레임워크에 직접적인 시사점을 제공한다.

핵심어: GEDI, Sentinel-2, 산불 후 회복, 한국 온대림, 2차원 분광 환상, LightGBM, 분광 발산 지수, 소나무, 참나무, 울진 산불, 공간 교차검증.

목차 (Table of Contents)

• INTRODUCTION 1
• 1.1. Korean Forests: Saemaul Legacy and the New Fire Regime 1
• 1.2. The Two-Dimensional Limit and the Three-Dimensional Opening 3
• 1.3 Research Programme and Gaps 5
• 1.4 Research Questions, Hypotheses, Aim and Objectives 7
• 1.5 Thesis Structure 10
• LITERATURE REVIEW 12
• 2.1 Fire Vulnerability and Pinus–Quercus Dynamics in Korean Temperate Forests 12
• 2.2 Optical and Three-Dimensional Remote Sensing of Fire Impact 16
• 2.3 Explainable Machine Learning for Forest Structure Mapping 19
• MATERIALS AND METHODS 23
• 3.1 Study Area and Temporal Framework 24
• 3.2 Data Sources and Pre-processing 29
• 3.3 Predictor Engineering and Quality Control 32
• 3.4 Model Training and Spatial Cross-Validation 35
• 3.5 Wall-to-Wall Inference 39
• 3.6 Severity, Recovery and the Spectral Divergence Index 40
• 3.6.1 Validation metrics 40
• 3.6.2 Severity, recovery and the Spectral Divergence Index 40
• 3.7 Species-Level Aggregation and Hypothesis Testing 42
• 3.8 SMCDA Criterion Codes 43
• 3.9 Software, Reproducibility and Computational Cost 43
• RESULTS 45
• 4.1 Training Database and Footprint Statistics 45
• 4.2 LightGBM Model Performance under Spatial Cross-Validation 48
• 4.3 SHAP-Based Feature Attribution 52
• 4.4 Wall-to-Wall Structural Maps and Post-Fire Chronology 55
• 4.5 Species-Specific Recovery Trajectories 59
• 4.6 The Two-Dimensional Spectral Illusion: SDI Quantification 62
• 4.7 External Benchmark against Global Open-Access Products. 69
• 4.8 Cross-Site Synthesis and National-Scale Context 71
• DISCUSSION AND POLICY IMPLICATIONS 76
• 5.1 Interpretive Framework 76
• 5.2 Model Performance and the Value of Regional Calibration (RQ1) 76
• 5.3 Species-Specific Structural Recovery (RQ2) 80
• 5.4 The Two-Dimensional Spectral Illusion (RQ3) 82
• 5.5 Towards a Digital Saemaul Undong: Policy Implications 84
• 5.6 Limitations and Threats to Validity 87
• 5.7 Future Research Directions 89
• CONCLUSION 92
• 6.1 Synthesis of Empirical Findings 92
• 6.2 Theoretical Contribution: The Two-Dimensional Spectral Illusion 93
• 6.3 A Digital Saemaul Undong: From Empirical Evidence to National Programme 94
• 6.4 Limitations 96
• 6.5 Future Research Directions 97
• 6.6 Closing Statement 97
• REFERENCES 99
• APPENDIX A: Supplementary LightGBM Validation 108
• APPENDIX B: Supplementary Spectral Divergence Analytics 110