Quantitative Estimation of Shoreline Changes Using Multi-sensor Datasets: A Case Study for Bangamoeri Beaches

다중센서를 이용한 해안선의 정량적 변화 추정: 방아머리 해빈을 중심으로

Abstract

Long-term coastal topographical data is critical for analyzing temporal and spatial changes in shorelines. Especially understanding the change trends is essential for future coastal management. For this research, in the data preparation, we obtained digital aerial images, terrestrial laser scanning data and UAV images in the year of 2009. 2018 and 2019 respectively. Also tidal observation data obtained by the Korea Hydrographic and Oceanographic Agency were used for Bangamoeri beach located in Ansan, Gyeonggi-do. In the process of it, we applied the photogrammetric technique to extract the coastline of 4.40 m from the stereo images of 2009 by stereoscopic viewing. In 2018, digital elevation model was generated by using the raw data obtained from the laser scanner and the corresponding shoreline was semi-automatically extracted. In 2019, a digital elevation model was generated from the drone images to extract the coastline. Finally the change rate of shorelines was calculated using Digital Shoreline Analysis System. Also qualitative analysis was presented.

해안지형의 자료는 장기간 해안선의 공간적 및 시간적 변화를 해석하는데 중요한 자료이다. 특히 누적된 자료를 분석하여 해빈지역의 해안침식 또는 퇴적의 추이를 이해하는 것은 향후 연안지역 관리의 측면에서 필수적이다. 본 논문에서는 경기도 안산시에 위치하고 있는 방아머리 해빈을 대상으로 2009년, 2018년, 2019년에 각각 취득된 디지탈 항공영상, 지상 레이져스캐닝 자료 그리고 드론촬영 영상과 국립해양조사원의 조위관측 자료를 이용하여 약 10년 동안의 해안선 변화를 정량적으로 분석하였다. 본 연구의 처리 과정에서는 사진측량학적 기법을 적용하여 2009년의 스테레오 영상으로부터 4.40 m인 해안선을 입체도화 방식으로 추출하였다. 2018년도에는 레이져스캐너로부터 취득한 원자료를 이용하여 수치표고모형을 생성하고 해당되는 해안선을 반자동으로 추출하였다. 2019년도에는 드론영상으로부터 수치표고모형을 생성하여 해안선을 추출하였고 3개년도의 해안선을 이용하여 해안선의 변화율을 산정하였고 정성적으로 분석하였다.

1. 서론

육지와 바다의 경계는역동적인 환경에 의해 형태와 위치가 지속적으로 변화한다. 해안선의 변화는 주로 파도, 조류, 바람, 주기적인 폭풍 및 해수면의 상승과 하강과 같은 자연적인 현상과 댐, 방조제를 포함한 사회기반시설 건설과 같은 인간의 활동에 의해 발생한다. 해안선 변화의 모니터링은 자연 발생적인 요인과 특정지역에 대하여 변화를 일으키는 인간 활동의 결과로서의 요인을 식별하는 해석과정뿐만 아니라 향후 연안관리 측면에서 필수불가결하다(Muttitanon and Tripathi, 2005; Shalaby and Tateishi, 2007; Taveira-Pinto et al., 2011; Goncalves and Henriques, 2015; Yun and Song, 2017).

해안역(coastal zone)을 효율적으로 관리하기 위해서 지형학적 변화를 감지하고 정량화시킬 수 있는 현지조사가 필요하다. Henriques(2006)은 연안 모니터링 프로그램은 다음과 같은 내용을 포함하여야 한다고 주장하였다. 첫 번째. 연안역 변화의 원인을 탐지, 정량화하고 이해하여야 한다. 두 번째, 해안역 변화와 관련된 변화과정의 기간을 설정할 수 있어야 한다. 세 번째, 특정변화의 영향을 공간적으로 설정할 수 있어야 한다. 네 번째, 연안역 변화의 역학과 기후 또는 기상과의 관계를 설정할 수 있어야 한다. 다섯 번째 해안역 변화의 예측과 수학적 예측모형을 향상시킬 수 있어야 한다. 여섯 번째, 지역계획과 연안관리에 대한 구체적인 방향을 제시할 수 있어야 한다. 연안역 관리로부터 발생하는 긍정적,부정적인 요인을 평가할 수 있어야 한다.

해안선을 탐지하고 추출할 수 있는 가장 일반화된 방법은 GPS측량을 이용한 현지조사이다. 이 방법은 광범위한 영역을 커버하기 어렵고 영상정보의 취득이 불가능하여 지형변화의 해석에 어려움이 따른다. 이 외에 중복된 영역을 촬영한 항공영상을 이용하여 수치표고모형을 생성하여 해안선을 추출하는 방법이 있다. 또한 최근 다양한 분야 활용되고 있는 드론을 이용하여 드론사진측량기법을 이용할 수 있으며 지상 레이져스캐닝 (Terrestrial Laser Scanning)기법을 이용하여 가장 정확한 3차원 지형자료를 취득하여 해안선 추출에 이용되기도 한다.

지상레이져스캐닝 기법은 주사된 표면의 포인트 클라우드의 3차원 좌표를 취득하기 위하여 레이져 펄스를 송수신하는 방법으로서 높은 정확도 및 점밀도(point density)로 초당 수천 포인트의 점의 3차원 좌표를 취득할 수는 장점을 지니고 있다.

지상 레이져스캐닝 기법을 이용하여 해안지형과 관련된 연구사례는 다양하다. 높은 정확도의 지상 레이져스캐닝 성과를 짧은 주기(temporal resolution)로 관심 지역을 지속적으로 관측한 자료를 이용하여 해빈단면 (beach profile)에 대한 지형학적 변화를 발표하였다 (Kazmer and Taborosi, 2012; Almeida et al., 2015). 이와 유사한 관측된 해빈단면을 이용하여 파도와 관련된 수학적 모형을 해석하는데 활용되기도 하였다(Blenkinsopp et al., 2010; Park et al., 2011). Hobbs et al.(2002)은 해안침식 현상을 모니터링 하였으며, 해안사구 등과 같은 해빈에서 관측 될 수 있는 지물의 변화관측에 대한 보고가 이뤄졌다(Vousdoukas, 2012; Montreuil et al., 2013).

드론사진측량은 최근에 급격한 기술발달을 통해 다양한 분야에서 활용되고 있다. 전통적인 항공사진측량과 달리 저비용·고효율 구조로서 10 cm 이내의 공간해상도까지 확보할 수 있으며, 특히 산사태와 같은 재난상황이 발생하였을 경우 신속하게 대상지역을 여러 번촬영하여 자료를 취득할 수 있는 높은 시간 해상도(temporal resolution)를 갖는 장점이 있다. 특히 영상정합(image matching)의 경우 컴퓨터 비젼의 기법 중 하나 인 ‘structure from motion-multi-view-stereo’를 이용하여 최종적으로 3차원 좌표를 계산한다(Snavely et al., 2008; Fonstad et al., 2013; Simone et al., 2018; Bianco et al., 2018).

일정한 시기별로 구축된 해안선 자료를 이용하여 변화율을 계산할 수 있는 통계적인 방법이 발표되고 있다. 대표적으로 많이 사용되는 방법은 EPR(End Point Rate), NSM(Net Shoreline Movement), LMS(Least Median ofSquares), WLR(Weighted Linear Regression), SCE(Shoreline Change Envelope)가 있으며 보조적으로 사용되는 통계방법으로 LCI(Confidence Interval of Linear Regression), LSE(Standard Error of Linear Regression), ECI(Confidence of End Point Rate) 등이 있다(Thieler et al., 2009; Yun and Song, 2017).

본 연구에서는 모래의 유실로 인하여 자갈이 노출되는 현상이 여러 차례 언론 등을 통하여 보고된 바가 있는 경기도 안산에 위치하고 있는 방아머리해빈을 대상으로 연구를 수행하였다. 2009년부터 2019년까지의 해안선 변화 양상을 2009년에는 아카이브화 되어 있는 디지털 항공영상, 2018년도에는 지상 레이져스캐닝 자료, 2019년도에는 드론영상을 각각 이용하였다. 해당년도 별로 해안선을 탐지 추출하였으며 추출된 해안선 자료를 기반으로 Thieler et al.(2009)이 제시한 디지털 해안선 분석시스템(DSAS, Digital Shoreline Analysis System)을이용하여 변화율과 퇴적된 거리를 산정하였다.

2. 연구 대상지역 및 자료

연구대상 지역인 방어머리 해빈은 경기도 안산시에 위치하며 국토지리정보원에서 촬영한 연도별 항공영상 중 1985년부터 2017년까지 다양한 축척 및 공간 해상도를 갖는 원영상을 검색 할 수 있었으나, 면밀히 검토해 본 결과 시화방조제 건설 및 간척사업으로 인하여 해빈 인근 지형의 변화가 극심하게 발생하여 지상 기준점 취득이 거의 불가능한 1985년을 제외하고 2009년에 촬영된 공간해상도 0.25 m 급 원영상을 이용하였다. 일반적으로 항공영상의 지리적 범위가 바다를 포함하지 않는 경우 연구지역을 완전히 포함하는 스테레오영상으로 충분히 수치표고모형(Digital Elevation Model)의 생성이 가능하다. 하지만 해안선 추출의 경우 스테레오 영상중 적어도 한 개의 영상은 상당 부분 바다의 면적이 포함되는 경우가 많다. 그러므로 지상기준점의 취득 시 그 분포가 편중되므로서 표정 정확도의 저하에 영향을 미치기도 한다(Mills et al., 2003; Zhang et al., 2012; Kim et al., 2014). 이에 따라 높은 정확도의 확보를 위하여 자동화된 수치표고모형 생성도 시도하였지만 최종적으로 수치도화에 의해 해안선을 추출하였다. 연구지역인 해빈의 경우 계절에 따라서 지형의 변화양상이 달라질 수 있다. 그러므로 계절에 따른 영향을 최소화하기 위하여겨울철에 취득한 자료를 이용하였다(Table 1).

Table 1. Brief description of multi-source data sets

Fig. 1. Coverage of Study Area for Shoreline Changes

(Source: https://map.kakao.com).

3. 항공영상을 이용한 해안선 추출

해안선은 사용 목적에 따라 여러 가지의 해면이 존재한다. 우리나라의 경우 해안선은 측량·수로조사 및 지적에 관한 법률에 따라 약최고고조면(AHHWL: Approximate Highest High Water Level)으로 정의하며, 이는 평균해수면(Mean Sea Level)에 4개 분조(M2, S2,K1, O1)의 합만큼 위로 올린 높이의 해면이다(Yun and Song, 2017). 정확한 약최고고조면을 관측하는 것은 상시적으로 변하는 조류의 특ㅋ상 거의 불가능하다. 본 연구에서는 방아머리 해빈지역이 국립해양조사원 해양선조사측량 자료에 의하면 약최고고조면 4.4 m로 규정된다. 그러므로 해안선은 항공사진의 입체모형 (Stereoscopic Model)에서 표고 4.4 m인 등고선으로 도화하였다.

지상 기준점의 취득은 Network GPS방식을 사용하였으며 선점시 과거에도 지형의 변화가 없는 특징점들을 지상 기준점 및 검사점으로 활용하고자 총 23점을 취득하였다. 실제 연구지역의 분석기간 동안 지형의 변화, 항공영상의 촬영 시간, 위치와 수목 등의 폐색 및 그림자 효과로 인하여 스테레오 영상 구성 시 10점을 사용하였다. 최종적으로 항공삼각측량의 결과는 다음 Table 2와 같다. Fig. 2는 자동화된 기법으로 수치표고모형을 생성한 결과이며 Fig. 3은 입체도화에 의해 추출된 정밀한 해안선 자료로서 정사영상과 중첩시킨 결과이다.

Table 2. Accuracy of aerial triangulation

Fig. 2. Generated DEM in the year 2009. 

Fig. 3. Extractedshorelinederivedfrom stereoscopic imaging in the year 2009.

4. 지상 레이져스캐닝 자료 처리

해빈을 대상으로 지상 레이져 스캐너를 이용하여 3차원 포인트 클라우드 자료를 취득할 경우 가장 주의해야 할 점은 조수 간만의 차이를 고려해야 한다. 보통 하루 두 번의 간조와 만조가 반복되는데 최대한 많은 면적의 해빈 지형자료를 취득하기 위해서 간조 시각 전후 약 6시간 동안 해빈을 스캐닝 할 수 있다. 본 연구에서는 2018년 2월에 자료를 취득하였다. 취득할 대상의 대략적인 면적은 대상지역인 방아머리 해빈을 따라 약 850m의 거리이며 해빈단면 방향으로 약 90 m로서 Leica ScanStation C10 모델을 이용하여 자료를 취득하였다. 스캐닝의 범위는 최대 300 m 까지로 되어 있으나 해빈지형과 주변의 인공구조물 등으로 인하여 촬영의 사각지대가 발생하지 않도록 양방향으로 약 70~80 m의 자료를 취득할 수 있도록 총 14개의 스캔 촬영점을 설치하였다. Leica ScanStation C10은 시야각(Filed of view)은 수평 방향으로 360°, 수직 방향으로는 270°이다. 스캐닝속도(Scanning rate)는 초당 최대 50,000 포인트까지 가능하며 정확도는 위치 기준으로 약 6 mm, 거리 기준으로 약 4 mm이다. Fig. 4는 연구지역을 스캐닝한 원자료를도시한 모습이다. Fig. 5는 스캔 촬영점 No. 11에서 취득한 자료의 모습이며 Fig. 6과 같이 실제 해안의 모습은연구 기간 동안에 작은 계단형 해안 제방이 건설되었다. 하얀색으로 표시된 영역은 계단형 방조제의 기하학적 구조로 인하여 자료가 취득되지 못한 영역이며, 검은색영역은 자료취득이 된 지역으로서 폐색영역이 발생하기도 하였다.

Fig. 4. Coverage of Terrestrial laser scanning raw data. The color does not indicate elevation.

Fig. 5. Raw point clouds in the no. 11 scan station.

Fig. 6. Constructed small embankment on the beach during the study.

스캐닝자료 취득 후 저리과정으로서 각 촬영점에서 취득한 포인트 클라우드 간에 정합이 필요하다. 방어머리 해빈에는 Fig. 6과 Fig. 7과 같이 정합을 위한 특징점으로 사용될 수 있는 자갈 등이 존재하였으나 정확한 정합을 위하여 스캔 타겟(HDS scan targets)을 사용하였다. 타겟은 촬영점간의 양방향에서 정확하게 대상물을 인식할 수 있는 위치에 설치하였으며 Network GPS방식으로 3차원 절대좌표를 취득하였다. 두 번째 처리 과정으로서 포인트 클라이드 자료로부터 수치표고모형(Digital Elevation Models)을 생성하고 해안선의 높이에 해당되는 4.4 m의 등고선을 추출하였으며 정량적인 추가 분석을 위하여 표고 0 m, 1 m, 2 m, 3 m, 4 m의 등고선을 추가로 추출하였다. 본 연구에서는 오픈소스 소프트웨어인 CloudCompare Ver 2.6.3을 활용하여 자료를 처리하였다. Fig. 8은 지상 레이져스캐너로부터 최종적으로 취득한 등고선을 나타내고 있다.

Fig. 7. A detailed look of pebbly and sandy shore.

Fig. 8. Contour lines derived from terrestrial laser scanning data in the year 2018.

5. 드론영상을 이용한 해안선 추출

UAV를 이용한 영상촬영은 2019년 2월 기상예보에 의해 바람의 영향이 가장 적은 날을 선택하여 수행되었으며 같은 시기에 Network GPS를 이용한 기준점 측량도 같이 수행하였다. 본 연구에서는 특수 제작된 회전익 M200 모델의 UAV를 이용하여 촬영하였다. 촬영 시 약 75% 이상의 종중복을 유지하고 촬영할 수 있도록 하였으며 평균 지상표본거리(GSD: Ground Sample Distance)는 약 2.88 cm가 되도록 설계·비행하였다. Fig. 9는 촬영 대상지역에서 카메라 노출 위치를 보여주고있다.

Fig. 9. Top view of the initial image position. Red points indicate the position of the images in time starting from the large blue dot.

본 연구에서는 총 311장의 영상을 이용하여 조정된 초점거리와 방사방향의 왜곡요소와 접선방향의 왜곡요소를 계산하였으며(Table 3), PIX4D사의 Camera Calibration기능을 사용하였다(Pix4Dcapture User Manuals Version 4.3.31).

Table 3. Calibrated parameters of camera lens

무인항공기 촬영과 Network GPS 측량 이후 처리 과정은 사진측량학적 처리과정으로서 번들블록조정법 (Bundle block adjustments)을 이용하여 3차원의 위치를 산정한다. 번들블록조정 이전 단계로서 2장 또는 그 이상의 영상으로부터 지상의 동일점을 찾는 과정이 필요하다. 전통적인 항공삼각측량에서는 이 과정을 상관계수법 또는 최소제곱법 등을 주로 사용하여 공액점을 찾는다. 촬영 대상지역에서 특징점을 찾기 어려운 특징을 갖는 지형은 실패할 가능성이 높다(Yun and Song, 2017). 최근 컴퓨터 비전의 한 기법으로서 SfM(Structure from Motion)이 드론영상 처리에서 주로 사용되고 있다. SfM기법은 촬영된 중복영상을 에피폴라 기하(epipolar geometry)를 이용한 영상정합(image matching)을 통해 3차원 포인트 클라우드로부터 피사체를 재구성할 수 있다. SfM 기법은 사진에 저장된 태그로부터 초점거리, 카메라 종류, 영상 크기 등의 정보를 취득하여 초기값으로 이용, 접합을 위한 영상의 특징점을 추출한다. 이 기법은 수많은 영상을 신속하게 처리할 수 있으며 비측량용 카메라를 사용할 수 있는 장점이 있다. Fig. 10은 최종적으로 생성된 정사영상과 수치표면모형(Digital surface model)이다.

Fig. 10. Top view of the Orthomosaic and the corresponding Digital Surface Model.

정확도 분석의 과정에서는 검사점을 별도로 취득하여 생성된 정상영상과 수치표고모형의 표고값을 이용하여 오차를 분석하였다. 본 처리과정에서는 11점의 지상기준점을 역계산으로 산출된 값과 비교하여 간접적인 오차분석을 수행하였다(Table 4). 오차분석 결과 평균 평면위치의 오차는 X, Y방향으로 각각 약 0.002 m로 나타났으며 RMSE는 0.023 m, 0.024 m로 나타났다. 표고의 오차는 평균 약 0.003 m로 나타났으며 RMSE는 0.025m로 나타났다. 또한 수치표고모형 자료로부터 해안선변화 분석을 위하여 4.4 m에 해당되는 해안선을 추출하였다.

Table 4. Error Analysis of using GCP

6. 해안선 추출 및 변화율 산정

정확한 약최고고조면을 간접적으로 관측하는 것은 상시적으로 변하는 조류의 특성상 비효율적일 뿐만 아니라 거의 불가능하다. 본 연구에서 제안된 기법에 따라 2009년의 항공영상자료에서 2 m, 3 m, 4.4 m의 등고선을 추출하였고, 2018년도에는 지상 레이져스캐닝 자료로부터 3 m, 4.4 m의 등고선 자료를 추출하였다. 또한 2019년도에는 드론영상으로부터 약최고고조면에 해당되는 4.4 m의 등고선을 추출하여 변화율을 산정하였다. 약최고고조면 이하의 표고의 변화 분석을 통하여 해빈지형에 대한 변화를 고찰하려고 하였으나 자료 취득 시 파도에 의해 폐색된 지역에 발생되어 등고선이 끊기는 영역이 존재하여 분석에서는 제외하였다.

해안선 변화율 산정을 위하여 해안선에 평행한 기준선을 설정한 후 기준선에 수직한 방향으로 해안선을 가로지르는 41개의 횡단선(transect line)을 이용하는 방법을 사용하였으며 횡단선 간의 간격은 30 m로 설정하였다(Fig. 11). 또한 해안침식 가능성의 방향이 서로 다른점을 고려하여 방아머리 해빈 영역과 방아머리 선착장영역으로 분리하여 변화율을 산정하고자 하였으나 지형 특성상 지상 레이져스캐너의 설치가 불가능하여 선착장 부근은 제외하였다. Table 5에서는 해안선의 표고 4,4 m에 대한 3개 년도를 포함한 2009년부터 2019년까지의 약 10년 동안의 변화율을 보여주고 있다. 방아머리 해빈지역의 변화율은 최대 -2.15 m 수평으로 이동하여 침식되었음을 보여주는 자료이며, 특정 구간은 퇴적을 의미할 수는 양의 값을 나타내었다. 해안선 평균 변화율은 -0.095 m/yr 이다. 실제 해안선의 수평방향으로 최대 20 m까지 후퇴한 지역이 발생하였다. 이 지역은 방아머리 해빈의 끝부분으로서 방아머리 선착장의 시작점과 거의 일치하는 지점으로 곡선형태의 지형으로 나타났다. 특히 주목할 만한 부분은 수치상 해안선이 바다방향으로 전진한 형태가 발생한 지역이 존재한다는 것이다. 이에 대한 원인은 연구기간 동안 즉, 2018년 2월 이전에 계단형 방조제의 건설이 이뤄진 것으로 판단되며 실제 드론 영상에서 판독한 결과 방조제 건설로 인하여 지형이 상승하였고, 이로 인하여 인공해안선이 형성되고 전진한 결과로 나타났다. 이 지역은 최대 약 14m까지 해안선이 전진한 것으로 판독되었다. Fig. 12는 약 10년 동안의 해안선 변화율을 보여주고 있다.

Table 5. Change rates of shorelines

Fig. 11. Distribution of transect line with 30 m interval.

Fig. 12. Generated shorelines in the year of 2009, 2018 and 2019.

Fig. 13은 2009부터 2019년까지 해안선 변화율을 EPR방법으로 계산한 결과를 표현한 것이다. EPR은 변화율 분석 방법 중에서 대표적으로 사용되는 방법으로 시계열 자료 중 시작년도와 최종년도 두 가지의 자료를 이용하며 연단위의 해안선 변화율을 계산한다. EPR에서 수평거리의 차이가 음수이면 해안선의 후퇴(침식), 양수이면 전진(퇴적)을 의미한다. 2019년에 촬영된 드론영상을 판독한 결과 과거에는 자연 해안선만이 존재하였지만, 계단형 방조제의 건설이 지면 상승의 결과를 초래하여 인공해안선이 생성된 것으로 나타났다. 방아머리 해빈 남부의 수평거리 약 100 m와 북부지역의 약 95m 거리의 자연 해안선이 대체로 후퇴하는 경향이 나타났으며, 중간지역에서는 거리가 약 630 m의 인공해안선이 전진한 형태를 보여주고 있다. 또한 북부해빈에서 2019년의 드론영상과 2009년의 항공영상의 특징변화를 고찰해보면 현재까지도 모래의 분포가 우세한 중간 지역 및 남부지역과 다르게 자갈의 분포가 더욱 확대된 것으로 나타났다.

Fig. 13. Shoreline change rates using end point rate method.

Fig. 14는 해안선의 수직적인 변화를 분석하기 위하여 자연 해안선(황단선 1번~7번)의 단면, profile-1, 인공해안선(황단선 8번~28번)의 단면, profile-2, 그리고 북부지역의 자연 해안선(황단선 29번~41번)의 profile-3, 총 3개의 단면(수평거리 약 62 m) 설정을 보여주고 있다. Fig. 15(a)는 2009년부터 2019년까지 profile-1에 해당되는해안선의 수직적인 변화를 보여주고 있다. 해안선의 표고 4.4 m~7.0 m의 범위에서는 퇴적된 형태를 보여주고있다. 표고 약 3.8 m 이하의 구간에서는 퇴적과 침식이동시에 발생된 복잡한 양상을 보여주고 있다. 표고 3 m의 이하의 구간에서는 침식이 발생한 것으로 나타났고, 표고 약 3.0 m~ 3.8 m의 구간에서는 퇴적 현상이 우세한 것으로 나타났다. 다만 표고 3 m 이하의 경우 2009년도에는 항공영상기반 수치표고모형 생성의 결과로서 바다방향으로 갈수록 표고오차가 커지는 것을 고려해야한다. 이격거리가 40 m 이상인 지점에서는 아스팔트 도로가 위치한 곳으로서 연구기간 동안 변화가 없는 것으로 나타났으며 수치표고모형의 정확도를 신뢰할 수 있었다. Fig. 15(b)는 profile-2에 해당되는 해안선의 수직변화를 보여주고 있다. 이 지역은 인공해안선이 발생한 대표적인 단면으로서 표고 2 m~6 m까지 해안선이 전진된 모습을 잘 보여주고 있다. 이격거리 45 m 이상의 지점부터는 인공구조물 등이 존재하며, 표고의 오차가 다소 발생한 것으로 판단한다. Fig. 15(c)는 profile-3에 해당되는 해안선의 수직변화를 보여주고 있다. 이 구간은 인공구조물 등이 존재하지 않고 모래와 자갈 등으로 구성된 지역이다. 표고 1.5 m~ 6 m의 전 영역에서 침식이 발생한 것으로 나타났다. 특히 이격거리가 40 m이상인 지점부터 침식이 두드러진 경향을 보여주고 있으며, 모래의 손실 등으로 자갈의 형태가 두드러진 곳으로서 수직변화 분석에서도 확인할 수 있었다.

Fig. 14. Three profiles for the analysis of shoreline vertical change.

Fig. 15. Shoreline vertical change in the profile-1~3 between 2009 to 2019.

7. 결론

해안선을 탐지하고 추출하는 방법은 전통적으로 현지조사를 통하여 많이 진행되어왔다. 국립해양조사원에서는 조위조사를 이용하여 장기적인 해안선의 정보를 제공해오고 있다. 하지만 현재 제공되는 해안선은 2차원의 자료 형태이며 조위관측소로부터 멀리 위치한 곳의경우 정밀한 정보를 제공하기 어렵고 영상정보가 존재하지 않아 정성적인 분석이 불가능한 경우가 많다.

본 연구에서는 최근 기후 온난화 등으로 인한 해수면 상승으로 모래의 침식 등이 발생되는 곳으로 알려진 경기도 안산시의 방아머리해빈을 대상으로 2009년부터 2019년까지의 해수면의 변화를 통한 침식여부 등을 정량적 정성적으로 분석하였다. 연구결과로서 약 10년의 기간에 일부 모래의 침식이 발생한 것으로 추정되는 영역이 존재하였다. 특히 방아머리해빈 북동쪽과 선착장이 시작되는 곡선 지역에서 약 20 m에 가까운 해안선의 후퇴하였음을 알 수 있었다. 2018년과 2019년의 짧은 기간에는 유의미한 해안선의 변화가 없는 것으로 확인되었고 특이점은 연구기간에 해당되는 약 2017년과 2018년 2월 이전의 시기에 계단형 방조제가 건설되므로서 지표면의 상승효과가 나타났으며 그로 인하여 약 580m에 해당되는 인공해안선이 바다방향으로 진진한 결과가 도출되었다.

국토지리정보원의 플랫폼에서는 1960년도 이후의 항공영상을 제공하고 있어 이를 활용할 경우 약 40년 동안의 장기간의 해안선 변화 분석이 가능하나 인근 지역인 시화호방조제 건설 사업 등으로 인한 지형의 변화로 인해 지상 기준점의 취득이 거의 불가능하였다. 다양한 공간정보자료를 활용하여 장기간의 해안선 분석이 가능하다면, 해안침식 등과 같은 문제의 예측이 가능하고, 이를 통해 체계적인 연안관리에 도움이 될 것으로 기대한다.