Development of a Storage Level and Capacity Monitoring and Forecasting Techniques in Yongdam Dam Basin Using High Resolution Satellite Image

고해상도 위성자료를 이용한 용담댐 유역 저수위/저수량 모니터링 및 예측 기술 개발

Abstract

In this study, a real-time storage level and capacity monitoring and forecasting system for Yongdam Dam watershed was developed using high resolution satellite image. The drought indices such as Standardized Precipitation Index (SPI) from satellite data were used for storage level monitoring in case of drought. Moreover, to predict storage volume we used a statistical method based on Principle Component Analysis (PCA) of Singular Spectrum Analysis (SSA). According to this study, correlation coefficient between storage level and SPI (3) was highly calculated with CC=0.78, and the monitoring and predictability of storage level was diagnosed using the drought index calculated from satellite data. As a result of analysis of principal component analysis by SSA, correlation between SPI (3) and each Reconstructed Components (RCs) data were highly correlated with CC=0.87 to 0.99. And also, the correlations of RC data with Normalized Water Surface Level (N-W.S.L.) were confirmed that has highly correlated with CC=0.83 to 0.97. In terms of high resolution satellite image we developed a water detection algorithm by applying an exponential method to monitor the change of storage level by using Multi-Spectral Instrument (MSI) sensor of Sentinel-2 satellite. The materials of satellite image for water surface area detection in Yongdam dam watershed was considered from 2016 to 2018, respectively. Based on this, we proposed the possibility of real-time drought monitoring system using high resolution water surface area detection by Sentinel-2 satellite image. The results of this study can be applied to estimate of the reservoir volume calculated from various satellite observations, which can be used for monitoring and estimating hydrological droughts in an unmeasured area.

본 연구에서는 용담댐 유역을 대상으로 저수위/저수량 모니터링 및 예측을 위하여 고해상도 위성관측 자료를 이용하는 방법과 위성으로부터 추출한 강수량 자료로부터 가뭄지수를 이용한 저수위를 모니터링하고 SSA를 이용한 PCA방법으로 예측모델을 구축하여 가뭄을 예측하는 방법을 개발하였다. 용담댐 저수위와 SPI(3)와의 상관계수가 0.78로 매우 높은 상관성을 보였으며, 위성자료를 통하여 산정한 가뭄지수를 활용하여 댐 저수위/저수량 모니터링 및 예측 가능성을 진단하였다. SSA에 의한 주성분 분석결과 SPI(3)과 각 RC자료의 상관관계를 분석한 결과 CC=0.87~0.99의 높은 상관성을 보였으며, 표준화된 댐 저수위(N-W.S.L.)와 RC자료의 상관관계를 분석한 결과 CC=0.83~0.97의 비교적 높은 상관성을 보임을 확인하였다. 또한, Sentinel-2 위성의 MSI (Multi-Spectral Instrument) 센서로 댐수위의 변화를 모니터링하기 위해 지수 기법을 적용하여 수체 탐지 알고리즘을 개발하였으며, 용담댐유역에 대해 2016년부터 2018년까지의 수계 면적 변화를 분석하였다. 이를 기반으로 Sentinel-2 위성영상으로 추출한 수계 면적 변화를 이용하여 가뭄 감시 분야에 대한 활용 가능성을 제시하였다. 본 연구의 결과는 다양한 위성관측자료로부터 미계측 지역의 저수량 모니터링과 수문학적 가뭄 모니터링/예측에 활용이 가능할 것이다.

1. 서론

가뭄은 태풍, 홍수, 산사태 등의 다른 재난과는 다르게 시작과 끝을 정확하게 알 수 없고, 또한 상대적으로 장기간 동안 사회 전반에 걸쳐 영향을 미치는 특성 때문에 가장 큰 피해를 주는 자연재해 중의 하나로 인식되고 있다. 국내에서도 2014년에 이어 2015년에는 평년의 절반 수준의 강우량으로 인해 강원·영서를 비롯한 경기북부 지방을 중심으로 43년 만에 극심한 가뭄이 발생하여 큰 피해를 유발하였으며, 2017년 6월에는 보령댐의 수위가 역대 최저로 낮아지는 등 가뭄이 심화되는 현상이 관측되었다(Son et al., 2015; Baek et al., 2016; Gwak et al., 2018).

지금까지의 가뭄과 관련된 연구는 가뭄기간 산정을 위해 가뭄을 정량화하여 지수로 나타내는 가뭄지수 연구와 가뭄을 정의하기 위한 기준을 제시하거나 가뭄 진행 단계를 파악하기 위한 연구들이 이루어졌다(Kwon, 2006; Kwon et al., 2007; Park et al., 2011; Shin et al., 2015). 가뭄은 관점과 대상에 따라 기상학적 가뭄, 수문학적 가뭄, 농업적 가뭄, 사회경제적 가뭄으로 분류되며, 이러한 구분에 따라 적합한 가뭄 모니터링을 위해 PDSI(Palmer Drought Severity Index), SPI(Standard Precipitation Index), EDI(Effective Drought Index), SMI(Soil Moisture Index), CMI(Crop Moisture Index) 등 다양한 가뭄지수를 개발하여 활용하고 있다. 역사적으로는 PDSI가 가장 많이 사용되었으나, 계산의 복잡성, 부정확한 경험식 등의 문제로 점차 사용빈도가 줄어드는 추세이며, 그 대체적인 지수로써 특정기간 동안 평균 강수량의 표차를 표준화시켜 만든 SPI가 많이 사용되고 있다. 현재 국내 가뭄 유관기관에서는 지점자료 기반의 PDSI와 SPI를 추정하여 가뭄지도를 제공하고 있다. 이러한 지점자료 기반의 가뭄지수는 공간해상도가 낮고 산출된 수치의 시간적 변동성을 고려하기 어려우므로 연속적인 가뭄모니터링에 대한 한계가 존재한다(Jeong et al., 2017).

최근 기상 및 수자원 분야에서 인공위성 자료의 활용성이 증대되면서, 지점자료의 시·공간적인 한계점을 보완하기 위해서 인공위성 자료를 활용한 가뭄 분석 연구가 활발하게 이루어지고 있다(Jeong and Shin, 2006; Ghulam et al., 2007; Gu et al., 2007; Wang and Qu, 2007; Karnieli et al., 2010; Shin et al., 2015). 위성영상을 기반으로 한 가뭄 분석 연구는 이미지에서 물 특성을 추출하는 것에서부터 시작되며, 이를 위해서 일반적으로 단일대역의 위성영상을 이용할 경우 특정 임계값을 적용한 방법과 분류 및 패턴 인식기법이 많이 이용되며, 또한 다양한 대역의 자료를 결합하여 산출된 지수 기반 방법 주로 이용된다(Moradi et al., 2017). 이 중, 특정 임계값을 적용하는 방법은 물 픽셀과 다른 표지 유형의 물 픽셀을 혼합하기 때문에 오류가 발생할 가능성이 높고, 분류 방법은 임계값을 적용하는 방법보다 성능은 좋으나 산 그림자, 도로 및 도심지와 같은 복잡한 토폴로지로 구성되면 수체 탐지 과정에서 오류가 발생할 가능성이 높으며(Ko et al., 2015), 이에 반해 지수 기반의 수체 탐지 방법은 분류 방법보다 더 성능이 우수하고, 저해상도 이미지와 단일 대역 수체탐지 연구에 대한 사전 지식이 없이도 쉽게 수체를 탐지할 수 있는 장점이 있다(Li et al., 2013). 이러한 위성기반 수체 탐지 또는 지표수 변화 탐지 연구에는 Landsat-8, SPOT 위성의 이미지가 주로 많이 이용되어 왔으나, 안테나를 통한 직접수신이나 영상구입을 통해서만 영상처리가 가능한 단점으로 인하여 최근에는 2015년 6월과 2017년 3월에 발사된 유럽항공우주국(ESA, European Space Agency)의 Sentinel-2A와 2B 위성자료가 open 자료로 제공되고 있기 때문에 Sentinel-2위성을 이용한 연구가 활발히 수행되고 있다.

따라서 본 연구에서는 Sentinel-2 위성의 MSI(Multi-Spectral Instrument) 센서로 댐수위의 변화를 모니터링하기 위해 지수 기법을 적용하여 수체 탐지 알고리즘을 개발하고, 용담댐 유역에 대해 2016년부터 2018년까지의 수계 면적 변화를 분석하였다. 또한 추출한 수계 면적의 검증을 위해 국가수자원관리종합정보시스템(Water Management Information System)에서 제공하는 용담댐의 댐수위 자료와 비교하여 정확도를 파악하였으며, 이를 기반으로 Sentinel-2 위성영상으로 추출한 수계 면적변화를 이용하여 가뭄 감시 분야에 대한 활용 가능성을 제시하고자 한다.

2. 대상유역 및 방법

1) 대상유역

본 연구에서는 위성관측 자료를 이용한 수문학적 가뭄모니터링 및 댐 유역 저수량/저수위 분석을 위하여, 댐 유입량 자료와 저수위 관측자료, 그리고 저수위–저수량 곡선이 존재하는 계측지역을 대상으로 고해상도 위성자료의 보정(Calibration)과 검정(Validation)이 용이한 지역을 선정하고자 하였다. 최종적으로 인위적인 유량조절이 이루어지지 않으며, 관측자료를 비교적 많이 확보하고 있는 금강 최상류의 용담댐 유역을 선정하였다.

용담댐 유역은 전라북도 진안군 용담면 월계리에 위치해있으며, 한국수자원공사에서 관리하는 다목적 댐이다. 댐 유역면적은 930 km²이며, 저수지 면적은 36.2km²에 해당하는 우리나라의 중규모 다목적 댐에 해당한다. 유역평균 강우량은 1,259.7 mm이며, 계획홍수위는 265.50 EL.m, 평균 저수위는 228.50 EL.m이다. 또한, 댐의 평균 저수위 용량은 69.00백만 m³이며^, 총저수용량은 81.00백만 m³에 해당한다. 다음 Fig. 1은 용담댐의 대상유역 위치도 및 유역 분할도를 나타내었다.

Fig. 1. Location of Yongdam Dam basin and its sub-watershed.

2) 연구자료

본 연구에서는 Sentinel-2 광학관측위성을 이용하여 수 체를탐지하는알고리즘을개발하고이용하고자하였다.주로 광학 관측위성을 이용한 수체탐지에는 NDWI(Normalized Difference Water Index)(McFeeters, 2013), NDMI(Normalized Difference Moisture Index)(Wilson and Sader, 2002), MNDWI(Modified Normalized Difference Water Index)(Xu, 2006), WRI(Water Ratio Index)(Shen and Li, 2010), NDVI(Normalized Difference Vegetation index)(Rouse et al., 1973), AWEI(Automated Water Extraction Index)(Feyisa et al., 2014) 등 Landsat 위성을 이용하여 개발된 수분지수 산출기법들이 주로 이용 된다(Rokni et al., 2014). Fig. 2와 같이 Landsat 7, Landsat 8의 밴드와 유사한 파장대(wavelength)를 관측하는 Sentinel-2의 밴드 특성을 이용하면 수분지수를 이용한 수체탐지가 가능하다.

Fig. 2. Comparison of Landsat 7 and 8 bands with Sentinel-2 (Source: https://landsat.gsfc.nasa.gov/sentinel2a-launches-our-compliments-our-complements).

본 연구에서는 Copernicus Open Access Hub 사이트(https://scihub.copernicus.eu/)에서 받은 2016년에서 2018년까지 관측된 Sentinel-2A와 Sentinel-2B 위성자료 중 연구지역이 포함된 52SCE 타일을 이용하였다(Fig. 3).

Fig. 3. Sentinel-2 52SCE tile map with the study area.

2016년부터 2018년까지의 Sentinel-2A와 Sentinel-2B 위성영상 중 구름 등으로 인해 사용이 불가능한 자료를 제외한 총 28장을 이용하여 수계 면적을 추출하였다. 연구에 사용된 위성영상과 촬영 시기는 Table 1과 같다. Sentinel-2B 위성이 2017년 3월 7일에 발사되기 전에는 Sentinel-2A 위성 단독으로 운영되어 재방문 시간(revisit time)이 약 10일이었으며, 그 이후에는 약 5일 간격으로 관측된 료 획득이 가능하다.

Table 1. Materials used in this study

3) 위성기반 댐 저수위/저수량 모니터링 기법

본 연구에서는 미계측지역 고해상도 위성자료를 이용하여 댐 유역 저수위/저수량 모니터링/예측을 실시하였다. TRMM(Tropical Rainfall Measuring Mission)과 GPM(Global Precipitation Measurement) 위성관측으로부터 추출한 강수량 자료를 통하여 표준강수지수(Standardized Precipitation Index, SPI)와 유효가뭄지수(EffectiveDroughtIndex,EDI) 가뭄지수를 산정하고, 댐 유입량자료를 통하여 용담댐 유역의 표준 유출량 지수(Standardized Runoff Index, SRI)를 산정하여 위성기반 수문학적 가뭄을 분석하고자 하였다. 각 지수는 Gamma, Log pearson Type-3, Wakeby 분포 함수에 적합시켜 지수화하며, 댐 저수위와의 상관관계 분석을 통한 저수량 예측 인자로 활용한다. 또한 다목적 실용위성 영상 자료를 이용하여 저수위를 모니터링하고 댐 수위–저수량관계곡선식과 검·보정을 활용하여 저수량을 모니터링을 실시한다. 다음 Fig. 4는 본 연구에서 실시한 실시간 위성관측 자료와 댐 수문관측 자료를 이용한 저수위/저수량 모니터링/예측기법의 연구 흐름도이다.

Fig. 4. Flow chart of the teal-time storage level and volume monitoring and forecasting system based on satellite image.

4) Sentinel-2 위성 MSI 센서를 이용한 수체탐지 및 저수위/저수량 모니터링 기법 개발

본 연구에서는 Landsat과 유사한 밴드를 가진 Sentinel-2 광학관측위성을 이용한 수체 탐지 알고리즘 개발을 위해 팬샤프닝, 관심지역(ROI, Region Of Interest) 추출, 수분지수 계산, 임계값 계산, 영상 이진화, 수체 추출, 영상 벡터화, 면적 필터링 등의 기법을 이용하였다(Fig. 5).

Fig. 5. Flow chart of water body detection algorithm using Sentinel-2 satellite image.

공간해상도가 다른 밴드를 이용하여 수체탐지에 필요한 수분지수를 계산하기 위해 오픈소스 소프트웨어인 Orfeo ToolBox(https://www.orfeo-toolbox.org/)에서 제공하는 otbcli_Pansharpening 프로그램을 이용하여 위성의 밴드를 공간해상도 10 m로 변환하였다.Sentinel-2위성영상은 Universal Transverse Mercator/World Geodetic System(UTM/WGS84)좌표계로 작성된 100×100 km² 정사영상을 타일형로 제공된다(https://sentinel.esa.int/web/sentinel/missions/sentinel-2/data-products). 연구지역에 따라서는 몇 개의 타일맵(tilemap)을 하나로 모자이크(mosaic)하고 연구에 활용해야 된다. 본 연구의 연구지역인 용담댐의 경우 타일맵 1장에 모두 포함이 되어 별도의 모자이크를 수행하지 않았지만, 계산 속도를 고려하여 용담댐을 포함하는 관심지역(ROI, Region Of Interest)을 지정하고 자료를 추출하여 이용하였다. 수분지수 계산은 Landsat을 이용하여 개발된 수분지수 계산식을 이용하였다. Landsat 기반으로 개발된 수분지수를 Sentinel-2 위성의 밴드로 변환한 수식은 Table 2와 같다. 수체탐지에 사용된 Red, Green, NIR, MIR, SWIR밴드는 Landsat-8 OLI(Operational Land Imager) 기준으로 모두 동일한 30 m 해상도를 가진다. 그러나 이에 해당하는 밴드의 공간해상도는 Red(밴드 4), Green(밴드3), NIR(밴드 8)이 10 m 그리고 MIR(밴드 11), SWIR(밴드 12)이 20 m로 Sentinel-2 위성을 이용하여 수분지수를 계산하기 위해서는 리샘플링 기법을 이용하여 동일한 공간해상도로 변환이 필요하다. 그래서 첫 단계로 위성영상에서 흑백(panchromatic) 영상을 이용하여 저해상도 밴드를 고해상도로 변환하는 팬샤프닝(pan-sharpening) 알고리즘을 이용하여 전체 밴드를 동일한 공간해상도로 변화하는 작업을 수행하였다.

Table 2. Water indices using Landsat and Sentinel-2 satellites for extracting a water body

그리고 수분지수 자료를 이용하여 물과 물이 아닌 지역을 구분하는데 영상 이진화 방법을 이용하였으며, 이진화 알고리즘의 임계값은 Otsu(1979)가 제안한 흑백영상을 이용한 임계값 선택 알고리즘을 이용하였다. 다음이진 영상을 이용하여 사전에 작성된 대상지역의 버퍼 자료를 이용하여 수체를 추출한다. 버퍼 자료는 이진화 방법으로 분류된 데이터에서 오탐지 등으로 인한 노이즈를 제거하기 위해 사용된다. 그러나 위성에서 관측된 영상의 특성상 버퍼 자료를 이용한 노이즈 제거 방법으로 제거가 되지 않는 영역들이 있다. 이 영역들의 제거는 벡터화(vectorization) 기법으로 래스터 영상을 다각형(polygon)인 벡터 데이터로 변환하고 일정 면적 이하의 데이터를 삭제하는 필터링 기법이 이용된다. 면적 산출에 사용된 최종 데이터는 벡터 데이터이다.

5) 시계열 자료의 주성분 추출

본 연구에서는 저수위 및 저수량 모니터링/예측을 위하여 실시간 위성관측자료를 활용하였으며, 단변량 스펙트럼 분석(Singular Spectrum Analyss, SSA)과 주성분 분석(Principle Component Analysis, PCA)을 통하여 추한 위성관측기반 시계열자료의 재구성성분(Reconstructed Component, RC)을 구축하여 활용하였다. 단변량 스펙트럼 분석은 주성분 분석에서 파생된 기법으로 시계열 자료의 좌표를 변환시켜 분산을 줄여주는 방법이다. 이 방법은 공간적으로 떨어져 있는 지점간의 시간과 공간영역에서 죄표를 변환시킴으로써 목적이 되는 변량들 사이의 공통된 주기 성분과 경향성을 추정하는 스펙트럼 방식으로, 부여된 차원(Embedding Dimension, M^th)에 대하여 정보를 제공한다. SSA는 경험적 직교함수(Empirical Orthogonal Function, EOF) 방법을 응용한 것으로, 시계열 자료 X_i(1 < i < N)에 대하여 자료의 경향과 주기를 쉽게 표현할 수 있게 축을 경험적 직교함수를 이용하여 구성한 후, 원자료를 직교함수 EOF 1과 EOF 2에 정투영(Orthogonal) 시킨다.

EOF 1과 EOF 2를 새로운 좌표축으로 사용하면, 자료가 가지고 있는 전체 분산 성향을 더욱 잘 표현할 수 있으며, 정투영 과정에서 고유치(eigenvalue)의 크기에 따라 자료의 비조화성분을 분리하고 조화성분에 해당하는 성분인 \(a_{i}^{1}\)과 \(a_{i}^{2}\)만 직교함수에 정투영한 후, 원좌표축인 X와 Y에 대응시켜 재구성요소(reconstructed component, RC)인 \(R_{i}^{1}\)과 \(R_{i}^{2}\)로 전환하여 원자료가 가지고 있는 고유특성(주기성과 경향성)을 반영한 추계예측모형을 구성할 수 있다. 이를 Eq. (1)으로 다시 재구성하여 원자료를 대체할 수 있으며, 이렇게 구성된 자료는 잡음이 제거된 일정한 주기와 경향을 가진 시계열 자료로 구성되어진다(Moon and Lall, 1996; Hwang, 2001).

\(\begin{aligned} &\left(R_{A} X\right)_{i}=\frac{1}{i} \sum_{j=1}^{i} \sum_{k \in A}^{i} a_{i j}^{k} E_{j}^{k} \quad, 1 \leq i \leq M-1\\ &\left(R_{A} X\right)_{i}=\frac{1}{M} \sum_{j=1}^{M} \sum_{k \in A} d_{i j}^{k} E_{j}^{k} \quad, M \leq i \leq N-M+1\\ &\left(R_{A} X\right)_{i}=\frac{1}{N-i+1} \sum_{j=1-N+M}^{i} \sum_{k \in A} a_{i j}^{k} E_{j}^{k}, N-M+2 \leq i \leq N \end{aligned}\)       (1)

\(a_{i}^{k}\) : 투영계수

\(E_{j}^{k}\) : 경험적 직각함수(1 ≤ k ≤ M)

M : M차의 공간(smoothing window의 역할)

Т : 추출비(sampling rate)

3. 분석 결과

1) 댐 저수위/저수량 모니터링 결과

용담댐 유역을 대상으로 댐 유역평균강수량, 댐 유입량, 댐 저수위 관측 자료를 수집하여 댐 수위/저수량 변화 모니터링을 실시하였으며, 각 자료는 국가수자원종합정보시스템(www.wamis.go.kr)에서 수집하여 활용하였다. 용담댐 유역은 2001년 1월부터 2018년 10월까지의 월별 관측자료를 사용하였다. 다만 댐 건설 이후 물을 채우기 시작한 2001년과 2002년의 자료는 분석에서 제외하였다.

용담댐 유역의 댐 유입량자료를 살펴보면, 2014년 말부터 2016년까지 약 2년에 걸친 한반도 중부지방 강수량 감소에 따른 저수위 감소 추세를 확인할 수 있다. 용담댐 유역 월 강수량과 유입량과의 선형상관관계를 살펴보면, 상관계수 CC=0.76(R²=0.59)로 나타나 두 변수 간에는 강한 상관성이 있음을 확인하였다.

Fig. 7(a)는 2003년부터 2018년까지의 용담댐 저수위 관측 결과를 나타내고 있으며, Fig. 7(b)는 용담댐 저수량 및 저수위 곡선을 작성한 결과이다. 또한 Table 3은 한국수자원공사의 댐운영실무편람(2013)에서 제공하는 기준 수위별 저수량 산정 관계곡선식을 나타내고 있다.

Fig. 6. Scatter plot between monthly rainfall and dam inflow in Yongdam Dam basin.

Fig. 7. Monthly inflow and storage level-volume curve in Yongdam Dam basin.

Table 3. Storage level-volume relation curve equations in Yongdam Dam (Unit: Million tons)

용담댐의 월평균 저수위는 251.0 EL.m로 분석되었으며, 최근 우리나라 중부지방의 장기간 가뭄이 발생하였던 2014년~2016년의 월평균 저수위를 살펴보면, 2014년에는 251.9 EL.m로 나타나 평년 저수위를 유지하였으나, 2015년과 2016년에는 각각 246.2 EL.m와 245.9 EL.m로 평년에 비하여 4.8 m와 5.1 m 낮은 것로 나타났다. 특히 2016년 2월의 용담댐의 월평균 저수위는 239.8 EL.m로, 댐 수문 관측 이래 두 번째로 낮게 기록되었다.

본 연구에서는 용담댐의 저수위 범위에 따른 수위-저수용량 곡선식을 사용하고, 고해상도 위성자료를 이용하여 댐 저수위 실시간 모니터링을 통한 저수량 산정에 활용하였다. 또한, 다양한 위성관측으로부터 산정한 강수량 자료를 바탕으로 가뭄지수를 산정하여 저수위 곡선과 비교·분석하였으며, 이는 미계측 지역의 저수량 모니터링과 수문학적 가뭄 모니터링/예측에 활용이 가능할 것이다.

2) Sentinel-2 위성영상으로 추출한 수계 면적 변화 분석결과

본 연구에서 제안한 수체탐지 알고리즘에 의해 추출된 수체는 WRI에 의해 산출된 물지수를 otsu 알고리듬으로 이진화한다. 그리고 래스터 데이터를 벡터 데이로 변환 후 최소 면적값을 이용하여 노이즈를 제거하고 최종 벡터 데이터를 산출하고 면적을 계산하였다(Fig. 8).

Fig. 8. Stepwise results of water body extraction algorithm: (a) clipped study area, (b) binary image separated by water and non-water by otsu’s algorithm, (c) water body vector data, (d) final water body vector data filtered by area.

Sentinel-2 위성이 용담댐 지역을 관측할 당시의 날짜와 시간에 해당하는 댐수위 정보를 국가수자원종합정보시스템에서 수집하여 분석하였다. 상관관계를 분석한 결과 R²=0.5358로 두 변수 간에는 강한 상관성이 있음을 확인하였다.

Fig. 9. Comparison of water body area extracted by our algorithm and dam waterlevel obtained from WAMIS.

3) 댐 저수위/저수량 모니터링 및 예측

용담댐 유역 수문자료 수집을 통하여 가뭄지수를 산정한 뒤 댐 저수위와 상관분석과 주성분분석을 통해 저수위 모니터링 및 예측 가능성을 진단하였다. 본 연구에서 사용한 가뭄지수는 SPI(3-Month)이며, 용담댐 유역의 월평균강수량자료를 수집하여 기상학적 가뭄을 판단하였다.

Fig. 10은 용담댐 유역의 표준화된 저수위(Normalized Water Surface Level) 자료와 SPI(3)의 시계열을 도시한 결과이다. 분석결과 용담댐 저수위와 SPI(3)와의 상관계수가 0.78로 높은 상관성을 보임을 확인하였으며, SPI와 댐 저수위와의 상관성을 바탕으로 다양한 통계기법을 이용하여 댐 저수위/저수량 모니터링 및 예측에 활용이 가능할 것이다. 또한, 위성으로부터 추출한 일(Daily) 단위와 월(Mothly) 단위 강수량 자료와 토양수분(Soil Moisture) 자료 등을 활용하여 SRI, SSI, EDI 등 가뭄관련 지수들을 추가적인 분석을 통하여 위성기반가뭄 모니터링 시스템으로 활용이 가능할 것으로 사료된다.

Fig. 10. Comparison of the time series analysis between normalized water surface level and SPI (3-Month).

다음으로 용담댐 유역의 유역평균 강수량 자료로부터 추출한 SPI(3) 가뭄지수와 월평균 유입량 자료로 부터 단변량 스펙트럼 분석을 실시하여 시계열 자료의 주성분을 추출하였다. 단변량 스텍트럼 분석은 PCA(Principle Component Analysis) 분석을 수행하여 주성분을 추출한 후 각 PC Time Series의 조합을 통한 RC 1-, RC 1-8, RC 1-12, RC 1-16의 시계열 재구성성분(Reconstructed Components)을 추출한 결과 실제 가뭄지수의 장주기 특성과 경년변동 특성을 잘 모의하고 있음을 확인하였다. 실제 SPI(3)와 각 RC자료의 상관관계를 분석한 결과 CC=0.87~0.99의 높은 상관성을 보였으며, 표준화된 댐 저수위(N-W.S.L.)와 RC자료의 상관관계를 분석한 결과 CC=0.83~0.97의 비교적 높은 상관성을 보임을 확인하였다(Table 4). 따라서 주성분으로 추출된 RC 자료를 다양한 시계열 예측 모형에 적용하여 예측인자로 활용이 가능할 것으로 사료된다. 다음 Fig. 11은 SPI(3) 가뭄지수 그리고 표준화된 용담댐 저수위(N-W.S.L.)와 각 RC Time Series를 도시한 결과이다.

Table 4. Correlation Coefficients among hydro-meteorological indices (such as SPI and dam inflow) and reconstructed components

Fig. 11. Extraction of reconstructed components from SPI (3-Month) and normalized water surface level in Yongdam Dam basin.

4. 결론 및 토의

본 연구에서는 댐 유역 저수위/저수량 모니터링 및 예측을 위하여 고해상도 위성관측 자료를 이용하는 방법과 위성으로부터 추출한 강수량 자료로부터 가뭄지수를 이용한 저수위를 모니터링하고 SSA를 이용한 PCA 방법으로 예측모델을 구축하여 가뭄을 예측하는 방법을 개발하였다. 본 연구의 결과를 정리하면 다음과 같다.

(1) 용담댐 저수위와 SPI(3)와의 상관계수가 0.78로 매우 높은 상관성을 보였으며, 위성자료를 통하여 산정한 가뭄지수를 활용하여 댐 저수위/저수량 모니터링 및 예측 가능성을 진단하였다.

(2) 위성상을 통하여 촬영한 용담댐 유역의 시기별 고해상도 위성영상자료를 통하여 가뭄발생에 따른 저수량변화를 확인할 수 있었으며, 실제 용담댐 저수위–저수량 관측 자료와 연계하여 미계측지역의 실시간 가뭄 상황 파악에 활용이 가능할 것으로 분석되었다.

(3) SSA에 의한 주성분 분석결과 SPI(3)와 각 RC자료의 상관관계를 분석한 결과 CC=0.87~0.99의 높은 상관성을 보였으며, 표준화된 댐 저수위(N-W.S.L.)와 RC자료의 상관관계를 분석한 결과 CC=0.83~0.97의 비교적 높은 상관성을 보임을 확인하였다. 따라서 SSA를 통한 용담댐 유역의 저수량과 저수위 모니터링/예측 결과, 실제 가뭄지수의 장주기 특성과 경년변동 특성을 잘 모의하고 있음을 확인하였으며, 시계열 예측 모형을 통한 예측인자로 활용 및 댐 수위–저수량 관계곡선식에 적용이 가능한 것으로 분석되었다.

본 연구를 통하여 개발된 방법론과 연구결과를 바탕으로 추후 다양한 위성자료를 통한 강수량, 토양수분 자료 수집 및 가뭄지수 산정, 그리고 고해상도 위성영상자료와 헬리켐 자료를 활용한 저수위 모니터링, 댐 수위–저수량 관계곡선식을 통한 저수량 모니터링 및 검증, 그리고 다양한 통계예측 모형을 활용하여 위성정보와 연계한 실시간 댐 저수량/저수위 예측을 실시하여, 우리나라의 소규모 저수지와 북한, 동남아시아 등 미계측 지역에 적용이 가능할 것으로 사료된다.