DOI QR코드

DOI QR Code

A Study on the Environmental Application of Image Radar for Expanding the Use of Next Generation Medium Satellite 5

차세대중형위성 5호 활용 확대를 위한 영상레이더의 환경분야 활용 방안 연구

  • Han, Hyeon-gyeong (Center for Environment Assessment Monitoring, Korea Environment Institute) ;
  • Lee, Moungjin (Center for Environment Assessment Monitoring, Korea Environment Institute)
  • 한현경 (한국환경정책.평가연구원 환경평가모니터링센터) ;
  • 이명진 (한국환경정책.평가연구원 환경평가모니터링센터)
  • Received : 2019.12.05
  • Accepted : 2019.12.16
  • Published : 2019.12.31

Abstract

Existing environmental spatial information, which has been concentrated on spatial resolution, has limitations in solving realistic environmental problems that must be accompanied by physical and chemical characterization. Accordingly, there is a need for an image radar capable of identifying physical characteristics of an object regardless of weather conditions, day and night, and sunlight. Image radar is used in various fields in the United States and Europe. The next generation of medium-sized satellite No. 5 in Korea, which is under development with the aim of monitoring water disasters, is also looking for ways to expand the scope to various applications based on the existing application range. To this end, we analyzed domestic and international papers (100 works) using image radar, and reviewed KEI 2016 report, domestic papers, and foreign papers. Based on this, various environmental issues were summarized and the effects of when the image radar was used were analyzed and land cover was selected as an environmental issue. In the future, we will embody the technology to improve the accuracy of the land cover map, which is the environmental issue selected in this study, and build the foundation system for the stable use of the land cover map.

기존의 공간적 해상도 중심의 환경공간정보의 활용은 물리적, 화학적 특징파악이 동반되어야 하는 현실적인 환경 분야의 문제 해결에 한계 점이 있다. 이에 기상조건, 주야, 일조량에 관계 없이 대상의 물리적 특징 파악이 가능한 영상레이더의 환경분야 활용의 필요성이 대두되고 있다. 미국, 유럽 등 국가에서 발사한 영상레이더 위성은 고유목적 이외에도 다양한 환경 분야에 사용되고 있었다. 따라서 수자원 수재해 모니터링을 목표로 개발 중에 있는 우리나라의 차세대 중형 5호 위성도 기존 활용 목적에 충실하면서 다양한 활용 분야로 범위 확대 방안을 모색하였다. 이를 위해 영상레이더가 환경분야 활용된 국내외 논문 분석(100편)을 수행하였고 텍스트 마이닝 기법을 적용한 환경공간정보 활용 분석을 수행한 KEI 2016년 연구보고서, 국내논문, 국외논문 검토를 수행하였다. 이를 바탕으로 다양한 환경이슈를 정리하고 영상레이더가 활용됐을 때 효과 등을 분석해본 결과 토지피복을 환경이슈로 선정하였다. 향후 본 연구에서 선정된 환경이슈인 토지피복지도의 정확도 개선기술을 구체화하고 토지피복지도의 안정적 활용을 위한 기반 시스템을 구축하고자 한다.

Keywords

1. 서론

1) 연구 배경 및 목적

기존 환경 분야에서의 위성영상의 활용은 높은 공간해상도에 집중되어 발전해왔기 때문에(Oh et al., 2010; Ku, 2011) 객체의 물리적, 화학적 특징보다는 형태 특징파악에 국한되어있다. 하지만 4대강 녹조, 온실가스의 배출 및 추정량 산출을 위한 Land Use, Land-Use Change and Forestry (LULUCF) 분류 등 현실적인 환경 분야의 문제에는 광학위성의 높은 해상도 만으로 해결되기엔 많은 한계점이 있다. 이처럼 공간해상도만으로 해결하지 못하는 이슈에 대해 다중분광 영상과 드론을 활용하고 있지만 현재 연구 초기단계로 2차원 적인 분포만을 제공하고 있다. 따라서 마이크로파를 이용해 기상조건 (비, 구름, 안개)과 주야, 일조에 관계없이 대상의 물리적 특징(표적인식, 변화감지, 정밀고도) 파악이 가능한 영상레이더의 필요성이 대두되고 있다.

영상레이더는 1978년 미국 National Aeronautics and Space Administration (NASA)의 SeaSat을 시작으로 본격적인 개발이 수행되어 현재 육지, 빙하, 해양 등 다양한 분야에서 활용되고 있다. 2007년에 발사된 RADARSAT-1의 경우 농작물 모니터링, Land cover map제작, 빙하연구, 해류 이동 등에 사용되며, RADARSAT-1의 후속위성이 RADARSAT-2는 재난관리, 식생현황 분석 및 모니터링, 해양과해빙모니터링등에사용되고있다.또한 Sentinel-1의 경우 지진, 화산 모니터링, 홍수, 하천범람 및 토양 가뭄 등의 모니터링에 사용되고, 더욱 다양한 환경분야에서 활용을 위해 WaveMode, Strip Map Mode, Interferometric Wide Swath Mode, Extra Wide Swath Mode로 4가지의 촬영 모드를 제공하고 있다.

이에 2025년 수자원 수재해 모니터링을 목표로 발사 개발중인 우리나라의 차세대 중형 5호 위성의 활용 범위 (수자원 및 수재해 등)를 기본으로 하면서 다양한 활용 분야 (환경, 생태 등 환경분야)로 범위 확대를 모색할 필요가 있다. 따라서 본 연구에서는 국내외의 환경 분야에서의 영상레이더 활용사례를 분석하고 국내 환경공간 정보 분석을 통해 차세대 중형 5호 위성의 환경 분야에서의 활용방향을 제시하고자 한다.

2) 연구 방법

영상레이더의 환경분야에서의 활용 방안 제시를 위한 본 연구의 수행과정은 다음과 같다(Fig. 1). 첫째, 영상레이더의 특징을 정리하였다. 둘째, 환경 분야에서 영상레이더의 활용방안을 조사했다. 이를 위해 국내논문 36편, 국외논문 64편으로 총 100개의 논문을 검토하여 연구사례를 정리하였다. 논문 분석을 위해 각 논문의 제목, 초록과 내용을 읽고 이를 분류하는 작업을 수행했다. 또한 1996~2015년까지의 국내 논문 및 보고서1,228편을 대상으로 텍스트 마이닝을 수행한 2016년 KEI의 연구보고서와 텍스트 마이닝으로 환경 공간정보의 활용을 분석한 국외논문 1편(Oh and Lee, 2017), 국내 논문 2편(Oh et al., 2017; Park et al., 2017)을 검토하였다. 셋째, 국내에 최적화된 영상레이더의 활용 방안의 제시를 위해 국내 환경 공간정보를 분석하였다. 앞서 정리한 환경분야에서의 영상레이더의 활용 사례와 접목하여 영상레이더의 국내 활용방안을 제시하였다.

OGCSBN_2019_v35n6_3_1251_f0001.png 이미지

Fig. 1. Flow chart.

2. 영상레이더의 특징

영상레이더의 특징파악을 위해 광학위성과 영상레이더의 특징을 간단하게 비교하면 다음과 같다. 광학위성은 가시광선 파장대를 사용하는 수동형 센서로 기상조건과 태양고도에 영향을 많이 받는다. 하지만 왜곡이 적어 직관적인 영상 이해에 유용하다. 그리고 영상레이더는 마이크로파장대를 사용하며 능동형 센서로 기상조건 및 일조량에 상관없이 영상을 획득할 수 있다. 하지만 영상 왜곡이 다소 발생하여 직관적인 영상의 이해에는 어려움이 있다(Table 1). 또한 영상레이더는 Fig. 2와 같이 밴드별 투과 특성의 차이를 가진다. X-band와 C-band는 L-band에 비해 파장이 짧아 나뭇잎과 나뭇가지에 더 민감하게 반응하지만 L-band는 식물에 대한 투과성이 커서 체적 산란을 주로 일으킨다. 이를 통해 생체량이나 잎 면적 지수와 같은 변화를 자세하게 관찰할 수 있으며 산불이나 벌채가 이루어진 곳에서는 특히 전후 영상의 확연한 차이를 확인할 수 있다. C-band는 식물에 대한 투과력이 L-band 보다는 떨어지나 우리나라처럼 초목의 잎이 크지 않은 경우에 토양수분관측 및 홍수 감시 등 분야에서 유용하다(Kwater, 2018). 또한 고해상도 영상획득이 가능한 X-band는 높은 공간 분해능으로 산림 캐노피 구조의 상세한 특성화와 산림황폐화에 대한 정보 제공이 가능하다(Baldauf, 2013).

OGCSBN_2019_v35n6_3_1251_f0002.png 이미지

Fig. 2. Penetration as a Function of Wavelength (Erika, 2017).

Table 1. OpticalSensorandImageRadarImageComparison (Kim, 2016)

OGCSBN_2019_v35n6_3_1251_t0001.png 이미지

이처럼 영상레이더를 이용하면 광학영상에서 표시되지 않는 정보를 획득 할 수 있는 장점이 있다. 따라서 가시적 식별과 영상처리가 어려운 단점에도 영상레이더 자료는 높은 활용성을 가지고 있어 영상레이더의 활용은 더욱 확대될 것이다.

또한 영상레이더는 반사신호의 강도를 나타내는 진폭(Amplitude)과 상대적 거리를 나타내는 위상(Phase)정보를 제공하며(Yun et al., 2014), 이를 이용하면 대상의 물리적 특징 추출이 가능하다. Amplitude를 이용하면 표적 인식, 변화 감지 등을 모니터링 할 수 있고 Phase를 이용하면 정밀고도 추출 및 고도 값 변화에 따른 탐지와 분류가 가능하다(Kwak, 2011).

이러한 영상레이더를 탑재한 위성의 현황은 Table 2와 같이 정리할 수 있다. 1978년 미국의 SeaSat을 시작으로 1990년대 European Remote-Sensing Satellite(ERS)-1/2 (유럽), JERS-1(일본), RADARSAT-1(캐나다)이 발사되면서 영상레이더의 본격적 활용이 시작되었다. 2000년대에는 유럽, 일본, 캐나다뿐만 아니라 중국, 독일, 이탈리아 등 다양한 국가에서 영상레이더를 사용 및 개발 중이다. 우리나라도 2013년 Korea Multipurpose Satellite (KOMPSAT)-5의 발사를 성공하며 X-band SAR를 보유중이며, 2025년 발사를 목표로 C-band SAR가 탑재된 차세대 중형 5호 위성을 준비 중이다. C-band는 앞에서 설명했듯 우리나라처럼 초목의 잎이 크지 않은 경우에, 토양수분관측 및 홍수 감시 등 분야에서 유용한 장점이 있으며(K-water, 2018), Han et al.(2019)는 물과 관련된 분야외에도 C-band 영상레이더의 다양한 환경분야에서의 활용이 가능함을 시사한바 있다.

Table 2. State of Use and Development of Image Radar (Kwak, 2011; Add Author)

OGCSBN_2019_v35n6_3_1251_t0002.png 이미지

3. 환경 분야에서의 활용사례 조사

본 연구에서는 수자원 수재해 분야를 제외하고 우리나라의 차세대 중형 5호 위성의 활용 분야 확대를 위해 환경 분야에서의 영상레이더 활용사례를 조사하였다. 이를 위해 첫째, 국내논문 36편, 국외논문 64편 총 100편의 논문을 분석하였고 둘째, 텍스트 마이닝 기법을 적용해 환경공간정보와 활용 분야를 분석한 KEI 2016년 연구보고서와 국외논문 1편(Oh and Lee, 2017), 국내논문 2편(Oh et al., 2017; Park et al., 2017)을 검토하였다.

1) 국외 영상레이더의 환경 분야 활용사례

국외논문 중 영상 레이더를 환경분야에 활용한 64편의 논문을 분석해본 결과 토지피복 30편, 식생천이 8편, 해양 및 해빙연구 10편 등으로 환경 분야에서의 대표적인 활용은 크게 첫째 토지피복 분류 정확도 향상과 둘째 산림의 식생천이 분석이다.

첫째, 토지피복분류 정확도 향상연구 사례이다. 영상레이더를 이용해 토지피복 분류가 어려운 거친 지형에 대해 토지피복 지도를 생성하고(Thiel et al., 2009) 사람의 접근이 어려운 열대림 지역의 산림에 대해 벌목에 따른 영역을 구분하는 연구가 수행되었다(Antropov et al., 2016). 또한 전 지구를 영역으로 수문 모니터링에 관련성이 높은 변수에 대해 세부적 분류에도 활용되었다 (Wagner et al., 2012). 특히 곡물 생산량의 42%가 쌀인 중국의 경우 쌀의 성장을 모니터링하고 생산을 추정하는 것이 중요하여 토지피복 중 쌀에 대해 세밀하게 분석하였다. 하지만 쌀이 재배되는 지역은 흐리고 비가 많이 오기 때문에 영상레이더를 이용한 모니터링이 필수적이다. 이에 영상레이더를 이용해 중국지역에 대해 쌀 분포 지도를 생성하고(Fig. 3; Shao et al., 2001) 벼 생육에 대한 모니터링 연구가 수행되었다 (Ross et al., 2009). 이는 영상레이더를 이용해 쌀 생산 지역을 분류하고 작물 수확량 추정에 사용될 수 있음을 시사하였다.

OGCSBN_2019_v35n6_3_1251_f0003.png 이미지

Fig. 3. RADARSAT기반의 Dinghu 지역 Land cover map (Shao et al., 2001).

둘째, 산림의 식생천이 분석연구 사례이다. 산림 연구에서 영상레이더를 이용해 침엽수림에 대해 나무줄기에서 지면까지의 후방산란의 특징을 구분하는 연구 (Richards et al., 1987), 여름과 겨울에 따라 6가지 산림 유형을 구분하는 연구가 수행되었다(Touzi et al., 2004). 또한 Sarker et al. (2012)와 Laurin et al. (2018)은 복잡한 아열대 산림과 지중해 산림지역에서 바이오 매스를 추정하였다. 이는 영상레이더를 이용해 산림의 구분과 산림 바이오 매스 추정이 가능함을 시사한다.

2) 국내 영상레이더의 환경 분야 활용사례

영상레이더를 환경 분야에서 활용한 국내의 논문 36편을 분석해본 결과 토지피복 분류 13편, 식생천이구조분류 8편, 해상풍과 해안선 추출 4편 등으로 환경 분야에서 영상레이더의 대표적인 활용은 토지피복, 식생천이구조, 해양(해상풍, 해안선)으로 3가지로 정리할 수 있다.

첫째, 토지피복분류 연구사례이다. 도시의 성장과 변화가 빠른 우리나라의 경우 이를 관리하기 위해 과학적이고 효과적인 분석방법이 필요하다. 도시 관리뿐만 아니라 토지피복 변화탐지를 위해서는 주기적이고 신속한 파악이 필요하지만 현장조사와 항공사진을 이용하는 기존의 방식의 경우 시간과 비용이 많이 소요된다. 이에 Yeom et al. (2011)은 광학 영상 기반의 사전 분류수행 후 식생으로 분류된 지역에 대해 고해상도 위성 영상의 다중분광 정보와 영상레이더의 산란 정보를 통합하여 토지를 세분류 연구를 수행하였다. 또한 영상레이더의 산란 특성을 고려해 후방산란, 시간적 변이, 긴밀도를 이용해 토지피복 분류 및 정확도 향상 연구(Park et al., 2007;Yoon et al., 2009)가 수행되었으며,Yun et al. (2015)는 SAR의 후방산란과 긴밀도를 이용해 최근 폭발 가능성으로 주목 받고 있는 백두산 지역에 대해 토지피복분류를 수행했다. 이를 광학위성을 이용한 토지피복 분류와 비교했을 때 주거지와 도로망이 정확하게 분류되었으며 특히 숲과 관목의 분류가 더 정밀하게 나타났다 (Fig. 4). 뿐만 아니라 영상레이더에서 얻어진 후방 산란계수는 모니터링 과정에서 작물의 종류, 발육상태, 토양수분 및 경작지 면적 산출 등 유용한 정보를 제공한다. 이에 쌀이 주식인 우리나라에서도 영상레이더를 이용한 작물 모니터링 연구가 수행되고 있다(Na et al., 2014).

OGCSBN_2019_v35n6_3_1251_f0004.png 이미지

Fig. 4. Landcover classifications (2009. 08. 29), (a) 광학위성 (EO-ALI), (b) InSAR (ALOS PALSAR) (Yun et al., 2014).

둘째, 식생천이구조 분류 연구이다. 산림의 다양성과 환경 평가에 중요한 요인인 식생의 층위구조에 대한 정보 분류는 영상레이더 자료를 이용해 인공신경망 (Artificial Neural Network; ANN) (Lee et al., 2019)과 Digital Surface Model (DSM), Digital Elevation Model (DEM) (Kim et al., 2006)을 활용하여 연구가 수행되고 있었다. 또한 밴드 별 산란 특성을 이용해 C-band와 X-band의 차분을 통해 산림의 수고를 추정하는 연구(Kim et al., 2006), 광학위성으로는 탐지의 한계가 있는 산불 지역의 피해 정도 파악(Kim, 2009; Choi et al., 2017) 등 많은 연구가 수행 되고 있다.

셋째, 해상풍과 해안선추출 연구사례이다. 영상레이더를 이용해 해상풍, 기름유출, 선박 모니터링에 사용 가능하다. 주로 해파에 따라 변화하는 영상레이더의 밝기 값을 이용해 해상풍을 구하게 되며, 기름 유출은 기름 유출 시 해수 표면이 잔잔하게 되는 특징 때문에 적당한 밝기를 가지는 바다에서 slick은 어두운 색상으로 관측된다. 이를 이용해 해양기상예보 개선, 선박탐지, oil slick 탐지, 태풍과 같은 대기적 현상과 관련된 해양표면 연구 등에 사용될 수 있다(Yoon et al., 2006; Zhen et al., 2013). 또한 Kim et al. (2015)는 영상레이더로 획득한 이미지를 활용해 해안선 추출의 자동화 알고리즘을 제안하였다. 제안한 알고리즘은 섬 지역 영상의 해안선 추출을 가능하게 하여 해안선 추출 알고리즘의 신뢰도를 향상시킬 수 있으며, 해안선 추출 자동화로 인한 실시간 관측이 가능하였다.

3) 텍스트 마이닝을 통한 환경 공간정보 활용 분석

1996~2015년까지의 논문 및 보고서 1,228편를 대상으로 텍스트 마이닝 기법으로 환경공간정보 활용 분야를 분석한 KEI 2016년 연구보고서와 텍스트 마이닝 기법을 적용해 환경공간정보를 분석한 국외논문 1편(Oh and Lee, 2017), 국내논문 2편(Oh et al., 2017; Park et al., 2017)을 검토하였다. 해당 보고서에서는 텍스트 마이닝 기법을 적용하여 환경공간정보와 활용분야에 대한 빈도분석, 시계열 분석, 키워드 연관분석 수행을 수행하였다. 여기서 텍스트 마이닝이란 빅데이터 분석기법 중 하나로 사람이 사용하는 언어로 표현된 텍스트 데이터를 가공, 처리하여 유용한 정보를 추출하는 기술이다. 이와 같은 텍스트 마이닝은 분석 목적에 따라 빈도 분석, 연관 분석, 감성 분석, 네트워크 분석 등으로 세분화 할 수 있다. 텍스트 마이닝을 통해 국내 환경 공간정보 환경 분야 활용 현황을 분석해본 결과 조사 시점인 1996년부터 2015년까지 지속적으로 활용이 증가되고 있었다. 환경공간정보의 환경 분야 활용 현황 결과 중 키워드 빈도 분석에서는 토지피복을 중심으로 하는 환경일반이 40.85%로 가장 높았다.

키워드 시계열 분석에서는 1996년부터 2000년까지는 기후에 대한 연구 비중이 높았으나, 2001년부터는 환경 일반에 대한 연구가 증가한 것을 확인할 수 있다(Fig. 5). 이는 토지피복이 환경문제의 기본 자료로 활용도가 높기 때문으로 사료되며 최근 발생하는 환경문제가 광범위한 지역을 대상으로 확대되고 있고, 이를 해결하기 위한 공간적 관점에서의 노력이 필요함을 시사한다.

OGCSBN_2019_v35n6_3_1251_f0005.png 이미지

Fig. 5. Time-series Changes of Keywords in Environmental Fields Using Spatial Information (1996-2015) (Lee et al., 2016).

4. 영상 레이더의 활용 방안

1) 국내 환경 공간정보 분석

국내 환경공간정보의 발전은 1998년 전국단위의 대분류 토지피복지도 구축에서 시작됐다. 2000년대에는 주거지역, 공업지역, 논, 밭, 시설재배지 등으로 분류되는 중분류 지도가 작성되었고, 2010년부터는 단독주거시설, 공동주거시설, 공항 및 철도 등의 항목으로 구분되는 세분류 지도가 작성되었다. 이후 국내 환경공간정보는 환경매체(기후, 토양, 수질, 대기 해양 등)에 따라 다양한 주제도로 구축되고 있으며 자료를 제공하는 대표적인 8곳(환경부, 국립환경과학원, 국립공원관리공단, 국립생태원, 한국환경정책평가연구원, 농촌진흥청, 산림청, 한국지질자원연구원)을 선정해 국내 환경공간정보를 분석하였다(Han et al., 2019).

기존 환경공간정보는 환경에 대한 특정 주제를 바탕으로 구축하고 있으며, 기초자료로 위성영상, 항공사진 등 원격탐사로 획득된 자료를 사용한다. 예로 들면 환경공간정보 중 가장 많이 사용되는 토지피복지도의 경우 Landsat, Systeme Pour l’Observation de la Terre (SPOT), KOMPSAT 등의 위성자료를 주로 활용하였고, 최근 항공사진을 주요 활용하고 있다. 이와 같은 공간해상도 중심의 활용은 토지피복도 뿐만 아니라 임상도, 생태자연도, 현장조사 등에 다양하게 활용되고 있다. 하지만 공간해상도에 집중되어 발전되어온 기존 자료들은 형태적 특징에 집중되어 있어 물리적 화학적 특성 파악이 필요한 현실적인 문제 해결엔 한계점이 있다.

이에 기상에 거의 영향을 받지 않고 표적인식, 변화감지, 정밀고도 정보 추출 및 고도 값 변화 탐지가 가능한 영상레이더를 활용한다면 다양한 환경 분야에 활용이 가능할 것이다. 예를 들어, 환경부에서 UNFCCC(United Nations Framework Convention on Climate Change)에 제출해야 하는 국가 공인 데이터인 LULUCF의 경우 현재는 토지피복분류지도의 분류 항목 중 침엽수, 활엽수, 혼효림, 농업지역을 제출하고 있다. 여기에 영상레이더가 적용된다면, 반사도의 특징을 반영하여 보다 명확한 나무의 종류구분이 가능하게 되고 결론적으로 토지피복지도 및 LULUCF 등과 같은 주제도의 분류 정확도 향상에 도움을 줄 수 있다.

2) 영상레이더의 국내 활용 방안

영상레이더는 기상과 밤낮에 상관없이 실시간 모니터링이 가능한 장점을 이용해 먼저 기존에 구축된 토지 피복, 식생천이 등 환경공간정보의 분류 정확도 및 구축 정밀도를 높이는데 1차적인 활용이 가능하다. 특히, 영상레이더가 국내의 토지피복분류 정확도 향상에 사용된다면 대분류 7항목, 중분류 22항목, 세분류 41항목으로 구분되는(국토환경정보센터 토지피복도, http://www.neins.go.kr/gis/mnu01/doc03a.asp) 우리나라의 토지피복지도 정확도 향상 및 활용성 증진에 도움이 될 것이다. 예를 들어 논은 경지정리가 된 논, 경지 정리가 안된 논, 밭은 경지정리가 된 밭, 경지 정리가 안된 밭으로 경지정리에 따라 구분 되는 논, 밭의 경우 작물마다 상이한 후방산란의 특징을 이용해 쌀, 밀, 감자, 옥수수 등으로 구분이 가능할 것이다. 그리고 국토의 70%가 산지인 우리나라의 특성상 많은 지역에 존재하는 강기슭의 구분 정확도 향상과 내륙수 해양수로 구분되어있는 하천, 호소, 해양수의 구분 정확도 개선이 될 것이다. 이를 이용해 홍수, 가뭄 등의 집중 감시가 가능하여 피해 예방 및 복구, 관련 정책 수집에 도움이 될 것으로 사료된다. 또한 시가화 건조지역에서 도시의 성장이 빠른 곳의 토지이용도 조사, 불법 건축물 단속 등 실생활에 높은 활용이 가능 할 것이다.

5. 결론 및 제언

본 연구는 2025년 발사를 목표로 개발 중인 차세대 중형 5호 위성(한국형 수자원/수재 위성)의 환경분야에서의 다양한 활용 방안을 모색하였다. 이를 위해 국내 논문 36편, 국외논문 64편 총 100개의 논문 검토와 텍스트 마이닝을 통해 환경 공간정보 분석을 수행한 연구보고서와 논문을 검토하였다. 그 결과, 영상레이더는 토지피복 분류에 가장 많이 사용되고 있었고 그 사용이 증가하는 추세였다. 이를 바탕으로 다양한 환경이슈를 정리하고 영상레이더가 활용됐을 때 효과 등을 분석해본 결과 토지피복을 환경이슈로 선정하였다.

본 연구의 영상레이더의 환경 분야 활용은 국내 기술에 의해 발사되는 레이더 위성이 환경 분야에 활용을 제시한 첫 번째 사례이다. 국내 레이더 위성이 환경분야에 활발하게 이용된다면 RADARSAR-1, RADARSAT-2, ERS-1, ERS-2, ENVISAT 등 해외 위성영상을 활용한 기존 연구의 영상 수급, 비용, 즉시적 활용 등의 한계점을 극복할 수 있다. 또한, 기존 고해상도 광학영상 위주로 활용되고 있는 환경 분야에서 공간해상도 만으로 해결하지 못하는 환경이슈 해결에 도움이 될 것이다. 특히,  영상레이더를 이용해 토지피복의 정확도 향상이 수행되면 산림지역, 농업지역, 수역 등의 토지피복 지도 활용이 확대 될 것이며, 도시의 성장이 빠른 우리나라의 경우 도시관리(토지이용도 조사, 불법 건축물 단속 등)에 도움을 줄 수 있고, 실측이 불가능한 북한지역의 지표변화 관측에 사용 가능할 것이다.

따라서 향후 본 연구에서 선정된 환경이슈인 토지피복지도의 정확도 개선 기술을 구체화하고 토지피복지도의 안정적 활용을 위한 기반 시스템을 구축할 것이다. 이를 위해 Deep Neural Network (DNN)을 이용해 분류된 광학영상의 토지피복지도와 amplitude 영상을 이용해 수변 구역이 분류된 영상레이더 자료를 융합하고자 한다. 토양수분과 홍수감시 등 수계 구분에 효과적인 영상 레이더를 이용해 토지피복지도에서 구분 향상이 가능한 지역은 다음과 같다. 대분류에서 습지와 수역, 중분류에서 논, 내륙습지, 연안습지, 자연나지, 내륙수, 해양수, 세분류에서 경지정리가 된 논, 경지정리가 안 된 논, 내륙습지, 갯벌, 염전, 해변, 강기슭, 하천, 호소, 해양수이다. 이와 같이 본 연구와 향후 연구를 통하여 향상된 토지피복지도를 갖추게 되면 수자원 수재해 분야에서 활용뿐만 아니라 도시, 산림, 농업 등 다양한 환경분야에 활용할 수 있을 것이라 판단된다. 또한 기존 연구검토 외에 환경 분야에서 새롭게 적용할 수 있는 연구분야 모색이 수행된다면 영상레이더의 활용 확장에 도움이 될 것이다.

사사

본 논문은 한국환경정책·평가연구원이 환경부의 재원으로 한국환경산업기술원의 수요 대응형 물 공급 서비스연구사업의 지원(RE201901145)과 2019년 기본연구 ‘환경영향평가 고도화를 위한 공간 정보 활용 체계 구축(II)’ 및 한국연구재단의 이공학 개인기초연구(NRF-2018 R1D1A1B07041203)의 지원을 받아 수행되었습니다.

References

  1. Antropov, O., Y. Rauste, A. Vaananen, T. Mutanen, and T. Hame, 2016. Mapping forest disturbance using long time series of Sentinel-1 data: Case studies over boreal and tropical forests, Proc. of 2016 IEEE International Geoscience and Remote Sensing Symposium, Beijing, China, Jul. 10-15, pp. 3906-3909.
  2. Choi, J. W., H. L. Park, N. H. Park, S. H. Han, and J. H. Song, 2017. Deforestation Analysis Using Unsupervised Change Detection Based on ITPCA, Korean Journal of Remote Sensing, 33(6-3): 1233-1242 (in Korean with English abstract). https://doi.org/10.7780/KJRS.2017.33.6.3.7
  3. Erika, P., 2017. Basics of Synthetic Aperture Radar (SAR), https://arset.gsfc.nasa.gov/sites/default/files/water/Brazil_2017/Day1/S1P2.pdf, Accessed on Dec. 3, 2019.
  4. Han, H. G. and M. Lee, 2019. The Application of the Next-generation Medium Satellite C-band Radar Images in Environmental Field Works, Korean Journal of Remote Sensing, 35(4): 617-623. https://doi.org/10.7780/kjrs.2019.35.4.10
  5. K-water, 2018. Pre-planning for the Development of Satellite Mounting Technology for Water Resources, K-water, Daejeon, Korea.
  6. Kim, J. W., H. G. Sohn, J. B. Lee, and W. S. Kim, 2006. Accuracy Improvement of forest inventory data using Multi-Sensor Datasets, Korean Society of Civil Engineers, 10: 4254-4257 (in Korean with English abstract).
  7. Kim, K. R., 2016. System design and performance evaluation of synthetic aperture radar for onboard satellite, http://dspace.ajou.ac.kr:9092/handle/ 2018.oak/13270, Accessed on Dec. 3, 2019.
  8. Kim, S. W., 2009. Forest fire detection in Kangwon Province using RADARSAT-1 SAR data, http://www.koreascience.or.kr/article/CFKO200911850418432.page, Accessed on Dec. 17, 2019.
  9. Kim, W. K., M. W. Heo, H. I. Yang, and J. H. Kim, 2015. Automated Shoreline Detection Algorithm using SAR images http://winner.ajou.ac.kr/publication/data/conference/2014fall2.pdf, Accessed on Dec. 17, 2019.
  10. Ku, C. Y., 2011. A Study on managing and Processing the Images with Different Spatial Resolution for the Systemic Land Cover Classification, Journal of the Korean Association of Geographic Information Studies, 45(3): 375-386 (in Korean with English abstract).
  11. Kwak, W. G., 2011. Satellite Image Radar (SAR) Technology Trends, The Proceedings of the Korea Electromagnetic Engineering Society, 22(6): 4-16.
  12. Laurin, G. V., J. Balling, P. Corona, W. Mattioli, D. Papale, N. Puletti, and M. Urban, 2018. Aboveground biomass prediction by Sentinel-1 multi - temporal data in central Italy with integration of ALOS2 and Sentinel-2 data, Journal of Applied Remote Sensing, 12(1): 016008.
  13. Lee, M. J. and J. H. Lee, 2016. Establishment of a system for applying spatial information in addressing environment issues by considering the trend of ICT development, Korea Environment Institute, Sejong, Korea, pp. 46-85 (in Korean with English abstract).
  14. Lee, Y. S., W. K. Baek, and H. S. Jung, 2019. Forest Vertical Structure Classification in Gongju City, Korea from Optic and RADAR Satellite Images Using Artificial Neural Network, Korean Journal of Remote Sensing, 35(3): 447-455 (in Korean with English abstract). https://doi.org/10.7780/KJRS.2019.35.3.8
  15. Na, S. I., H. S. Young, Y. H. Kim, and K. D. Lee, 2014. Evaluation of the Applicability of Rice Growth Monitoring on Seosan and Pyongyang Region using RADARSAT-2 SAR -By Comparing RapidEye, Journal of the Korean Society of Agricultural Engineers, 56(5): 55-65 (in Korean with English abstract). https://doi.org/10.5389/KSAE.2014.56.5.055
  16. Oh, C. Y., S. Y. Park, H. S. Kim, Y. W. Lee, and C. U. Choi, 2010. Comparison of Land cover Map Accuracy Using High Resolution Satellite Imagery, Journal of the Korean Association of Geographic Information Studies, 13(1): 89-100 (in Korean with English abstract). https://doi.org/10.11108/KAGIS.2010.13.1.089
  17. Oh, K. Y and M. J. Lee, 2017. Research Trend Analysis of Geospatial Information in South Korea Using Text-Mining Technology, Journal of Sensor, 9: 1-15.
  18. Oh, K. Y., M. J. Lee, B. Y. Park, J. H. Lee, and J. H. Yoon, 2017. Analysis of the Research Trends by Environmental Spatial-Information Using Text-Mining Technology, Journal of the Korean Association of Geographic Information Studies, 20(1): 113-126 (in Korean with English abstract). https://doi.org/10.11108/kagis.2017.20.1.113
  19. Park, B. Y., K. Y. Oh, J. H. Lee, J. H. Yoon, S. K. Lee, and M. J. Lee, 2017. A Study on Environmental research Trends by Information and Communications Technologies using Text-mining Technology, Korean Journal of Remote Sensing, 33(2): 189-199 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.2.7
  20. Park, N. W., K. H. Chi, and H. Y. Lee, 2007. Analysis of Relationships between Features Extracted from SAR Data and Land-cover Classes, Korean Journal of Remote Sensing, 23(4): 257-272 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2007.23.4.257
  21. Richards, J. A., G. Q. Sun, and D. S. Simonett, 1987. L-band radar backscatter modeling of forest stands, IEEE Transactions on Geoscience and Remote Sensing, 4: 487-498. https://doi.org/10.1109/TGRS.1987.289861
  22. Ross, S., B. Brisco, R. J. Brown, S. Yun, and G. Staples, 1998. Paddy rice monitoring with RADARSAT-1, https://www.geospatialworld.net/article/paddy-rice-monitoring-with-radarsat-1/, Accessed on Dec. 17, 2019.
  23. Sarker, M. L. R., J. Nichol, H. B. Iz, B. B. Ahmad, and A. A. Rahman, 2012. Forest biomass estimation using texture measurements of highresolution dual-polarization C-band SAR data, IEEE Transactions on Geoscience and Remote Sensing, 51(6): 3371-3384. https://doi.org/10.1109/TGRS.2012.2219872
  24. Shao, Y., X. Fan, H. Liu, J. Xiao, S. Ross, B. Brisco, and G. Staples, 2001. Rice monitoring and production estimation using multitemporal RADARSAT, Remote sensing of Environment, 76(3): 310-325. https://doi.org/10.1016/S0034-4257(00)00212-1
  25. Thiel, C., O. Cartus, R. Eckardt, N. Richter, C. Thiel, and C. Schmullius, 2009. Analysis of multitemporal land observation at C-band, Proc. of 2009 IEEE International Geoscience and Remote Sensing Symposium, Cape Town, South Africa, Jul. 12-17, pp. 318.
  26. Touzi, R., R. Landry, and F. J. Charbonneau, 2004. Forest type discrimination using calibrated Cband polarimetric SAR data, Canadian Journal of Remote Sensing, 30(3): 543-551. https://doi.org/10.5589/m03-072
  27. Wagner, W., D. Sabel, M. Doubkova, M. Hornacek, S. Schlaffer, and A. Bartsch, 2012. Prospects of Sentinel-1 for land applications, Proc. of 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, Jul. 22-27, pp. 1741-1744.
  28. Yeom, J. H., J. H. Lee, D. J. Kim, and Y. I. Kim, 2011. Hierarchical Land Cover Classification using IKONOS and AIRSAR Images, Korean Journal of Remote Sensing, 27(4): 435-444 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2011.27.4.435
  29. Yoon, B. Y. and Y. S. Kim, 2009. Landcover classification by coherence analysis from multi-temporal SAR images, Aerospace Engineering and Technology, 8(1): 132-137 (in Korean with English abstract).
  30. Yoon, H. J., K. S. Park, and S. I. Kim, 2006. Ocean Wind Retrieval from RADAR SAR images in Korean seas, Journal of the Korea Institute of Information and Communication Engineering, 10(4): 706-711 (in Korean with English abstract).
  31. Yun, H. W., Y. S. Choi, H. S. Yoon, J. S. Ko, and S. K. Cho, 2014. The Application of InSAR Signature Time Series for Landcover Classification, Journal of Korea Spatial Information Society, 22(1): 27-33 (in Korean with English abstract). https://doi.org/10.12672/ksis.2014.22.1.027
  32. Zhen, X., D. J. Kim, and S. H. Kim, 2013. Research of Topography Changes by Artificial Structures and Scattering Mechanism in Yoobu-Do Intertidal Flat Using Remote Sensing Data, Korean Journal of Remote Sensing, 29(1): 57-68 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2013.29.1.6