DOI QR코드

DOI QR Code

Development of Continuous Ground Deformation Monitoring System using Sentinel Satellite in the Korea

Sentinel 위성기반 한반도 연속 지반변화 관측체계 개발

  • Yu, Jung Hum (Disaster Information Research Division, National Disaster Management Research Institute) ;
  • Yun, Hye-Won (Disaster Information Research Division, National Disaster Management Research Institute)
  • 유정흠 (국립재난안전연구원 재난정보연구실) ;
  • 윤혜원 (국립재난안전연구원 재난정보연구실)
  • Received : 2019.09.05
  • Accepted : 2019.09.26
  • Published : 2019.10.31

Abstract

We developed the automatic ground deformation monitoring system using Sentinel-1 satellites which is operating by European Space Agency (ESA) for the Korea Peninsula's ground disaster monitoring. Ground deformation occurring over a long-term period are difficult to monitoring because it occurred in a wide area and required a large amount of satellite data for analysis. With the development of satellites, the methods to regularly observe large areas has been developed. These accumulated satellite data are used for time series ground displacement analysis. The National Disaster Management Research Institute (NDMI) established an automation system for all processes ranging from acquiring satellite observation data to analyzing ground displacement and expressing them. Based on the system developed in this research, ground displacement data on the Korean Peninsula can be updated periodically. In the future, more diverse ground displacement information could be provided if automated small regional analysis systems, multi-channel analysis method, and 3D analysis system techniques are developed with the existing system.

본 연구에서는 유럽에서 운영 중인 Sentinel-1 위성레이더 자료를 기반으로 하여 한반도 전역의 지반변화를 자동으로 분석하는 체계 구축을 수행하였다. 장시간에 걸려 발생하는 지반변화 자연재난은 광역적 지역에서 발생하게 되어 관측의 어려움과 분석을 위한 대용량의 자료가 요구되었다. 하지만, 인공위성의 발달로 광역지역을 주기적으로 관측할 수 있는 방법이 개발되었으며, 이렇게 축적된 다년간의 위성 관측 자료를 활용하여 시계열적인 지반의 변화를 분석할 수 있게 되었다. 이에 연구원에서는 한반도 전 지역을 대상으로 위성레이더 관측자료 취득에서 부터 지반변위 분석 및 분석 결과 표출까지 모든 과정을 자동화 하는 체계를 구축하였다. 본 연구에서 개발된 체계를 기반으로 한반도 전 지역에 대한 주기적인 지반변화 자료의 갱신이 가능하게 되었으며, 변화 우려지역에 대한 사전적 정보제공을 통하여 대형 재난에 대한 예방단계의 대응이 가능하게 될 것으로 기대된다. 향후 지역별 자동화 분석 체계와 동일대상 지역의 다 채널 분석 및 3차원 변화 분석체계에 대한 연구가 진행된다면, 보다 다양한 지반변위 정보를 제공할 수 있을 것이다.

Keywords

1. 서론

지난 30여 년간 아시아 지역에서 홍수, 지진, 지진해일, 산불, 화산과 같은 자연재난 발생 횟수는 꾸준히 증가하고 있으며, 특히 싱크홀, 산사태, 난개발 지역의 부등침하와 같은 다양한 지반변화를 동반하는 대형 재난은 해외에서뿐만 아니라 국내에서도 빈번히 발생하고 있다. 국민의 안전을 연구하는 재난안전 분야에서는 광역지역에서 발생하는 지반관련 재난현상에 대한 주기적인 관측방법 개발과 정밀한 분석체계 구축방안에 대한 문제가 지속적으로 제기되어왔다. 현재까지도 광역 지역에서 발생하는 지반의 변화를 지속적으로 관측하고 정밀하게 분석하기는 어려운 실정이었다. 하지만, 인공 위성기반의 원격탐사 기술의 발달로 광역지역에 대한 시계열 분석이 가능하게 되었으며, 위성레이더(SAR: Synthetic Aperture Radar)를 기반으로 하는 분석기법은 지반변위 분야에서 효율적인 방법으로 주목 받고 있다 (Ariyama et al., 2014; Massonnet et al., 1993; Moreira et al.,2013; Zebker et al., 2007). 능동형 센서를 사용하는 위성 레이더는 광학센서의 한계인 기상현상과 야간관측에 대한 어려움을 극복할 수 있는 기법으로 각광받고 있다. 이러한 장점 때문에 방재분야 선진국인 일본, 미국 및 유럽에서는 재난분석을 위해 위성레이더 영상분석기술을 확보하고 이를 다양한 분야에 적극적으로 활용하고 있다. 인공위성기반 원격탐사기법을 활용하여 정밀하게 지반의 변위를 관측하는 기술은 무분별한 개발로 인하여 발생되는 도시의 지반변화의 관측과 도심지의 재난안전 대비 계획수립에 활용 될 수 있다(Berardino et al., 2002; Cignetti et al., 2016; Hooper et al., 2007; Lauknes et al., 2006; Perissin et al., 2009). 본 연구에서는 위성레이더자료를기반으로한반도전역의광역적지반변화모니터링을 위한 자동화 분석기술 개발을 수행 하고자 한다. 이를 위하여 위성레이더 영상자료의 자동 수급 시스템 및 광역지역 분석을 위한 자동화 알고리즘의 최적화 실험을 실시하였다. 광역지역 대상의 위성레이더를 이용한 시계열 분석(PSInSAR: Permanent Scatterer Interferometric SAR)은 특정 지점이나 도시에 대한 세부적인 분석이 아니고 한반도 전체에 대한 일관적인 적용과 분석결과 도출을 목적으로 하고 있다. 이를 위하여 분석과정에 사용자 개입 없이 정해진 변수에 대한 신속한 수행을 위하여 자동화 프로그램을 개발하고자 한다.

2. 연구방법

1) 영상 자동수급 체계 구축

한반도 지역 지반변위 관측을 위하여 본 연구에서는 유럽우주국(ESA)에서 제공하는 Sentinel-1(C-밴드: 5.6 cm)인공위성 자료를 사용하였다. 이 지구관측 위성은 693 km의 태양동기 궤도를 가지고 있으며 한반도 지역을 6~12일주기로 관측 자료를 제공하고 있으며, 운영기간은 3년 이상으로 한반도 지역의 지반변위 관측에 유용한 관측 자료를 축적하고 있다. 본 연구를 위하여 대상 지역별 각각 30여장 이상의 위성레이더 영상자료를 활용하였으며, 한반도 전역의 지속적인 관측과 분석을 위하여 위성자료의 안정적인 수급체계를 구축하였다.

Sentinel-1위성의 촬영 모드 및 공간해상도는 Table 1 과 같으며, 안테나의 송수신 방향에 따라 Vertical TransmitVertical Receive(VV), Vertical Transmit-Horizontal Receive (VH), Horizontal Transmit-Horizontal Receive(HH), Horizontal Transmit - Vertical Receive(HV)와 같은 4가지 편파 영상이 제공되며 HH와 HV는 주로 극지방에 사용되므로 국내지역관측에는 VV, VH 영상을 활용하였다. 연구원에서는 유럽우주국의 Copernicus Open Access Hub(www.scihub.copernicus.eu)를 이용하여 무료영상을 수급하였다. 하지만, 온라인상의 영상수급을 위해서는 1회 다운로드 개수와 자료의 다운로드 속도 제한으로 인하여 수작업을 이용한 자료 확보는 어려움이 있어, 자동화 체계를 구축하여 안정적인 자료 확보 방안을 마련 하였다. Fig. 1은 한반도 시계열 분석을 위한 위성레이더 관측영상의 수급 범위를 나타내고 있다.

Table 1. Observation mode, swath and spatial resolution of Sentinel-1

OGCSBN_2019_v35n5_2_773_t0001.png 이미지

OGCSBN_2019_v35n5_2_773_f0001.png 이미지

Fig. 1. The research area for the Korea ground monitoring.

연구원에서 개발한 자동 위성자료 수급 시스템은 다운로드를 위한 설정기능과 현황에 대한 가독성을 확보하기 위하여 User Interface(UI)형식으로 구성하였다. 또한 관측된 위성레이더 자료의 검색범위를 보다 편리하게 설정하기 위하여 위성영상의 촬영 범위에 따른 좌표 및 위성 궤도 정보를 획득하여 설정이 가능하도록 기능을 구현하였다. 이를 위해 관측범위에 대한 자료구축을 위해 GeoJSON을 활용하였으며, 이를 통하여 한반도 전역을 대상으로 영상의 Path, Orbit정보를 바탕으로 검색이 가능하도록 입력 파일을 별도로 설계하여 시스템에 활용할 수 있도록 하였다. GeoJSON은 위치 정보를 기반으로 간단한 지형을 표현하기 위한 개방형 공개표준방식으로 국제 인터넷 표준화 기구(Internet Engineering Task Force, IETF)에서 관리하기 때문에 일반적은 Geographic Information System(GIS) 분야의 표준과는 다르지만 Extensible Markup Language(XML)에 서 주로 활용되는 GPS Exchange Format(GPX)와 함께 높은 활용성을 나타내고 있다. 개발된 시스템에서는 사용자가 다양하게 필요한 지역을 설정할 수 있도록 한반도 전역, 남한 전역, 북한 전역 및 지역별로 구분하여 총 23개의 파일을 구성하였다.

위성레이더 자료의 수급과정에서 가장 우선시 되는 부분은 자료의 손실 없이 안정적으로 영상자료를 확보하는 것이다. 이를 위하여 자동 수급 시스템에 로그 (Log)파일을 생성하게 하여 자료수급 이력에 대한 안전성을 확보하였으며, 이를 통하여 미확보 자료 및 오류 영상자료에 대한 제 수신 과정을 부여하였다. 시계열 분석을 위하여 Sentinel 위성영상은 Single Look Complex (SLC) 타입의 영상만을 확보하였다.

2) 한반도 시계열 분석기법 개발

위성레이더를 이용하여 지반변화를 관측하는 기법은 2장의 SAR영상을 기반으로 영상간의 Phase 차이를 분석하고 이 분석 자료를 바탕으로 지표의 높이 혹은 위성센서와 지상 물체간의 거리 변화를 통해 지표변위를 추출한다. Phase차이를 이용하여 높이를 추출하는 기법인 Interferometric SAR(InSAR)와 지표 변위를 추출하는 기법인 Differential Interferometric SAR(DInSAR)가 위성 레이더를 활용한 가장 대표적인 기법이다. 또한, 위성레이더의 다중영상분석을 통하여 동일지역의 시계열적 변위 관측을 위한 PSInSAR이 개발되어 활용 중이다. 한반도 시계열 분석을 위해 사용될 Sentinel 위성레이더의 자료 크기는 위성자료 1 Scene에 약 4 GB로 한반도 전체 영상자료 처리 속도를 증가시키고, 시계열 분석에 필요한 Permanent Scatterer(PS)을 중심으로 신속하게 분석을 위해 인공지형물이 많은 도심지를 주요 영역으로 지정하고 분석을 실시하였다. 이 경우 위성레이더 원 영상에서 주요 영역만 추출하는 것이 아니라 주요 영역을 포함하고 있는 하부 scene 전체를 추출하기 때문에 선택된 도심지의 주변 영역까지 함께 분석을 수행 하도록 하였다(Fig. 2(a)). 1장의 Sentinel-1 위성레이더 영상은 30개의 하부 scene을 가지고 있으며 Fig. 2(b)와 같이 도심지역을 주요 영역으로 설정할 경우 이를 포함한 scene이 입력되어 분석하게 개발하였다. 시계열 자동화 시스템 구축을 위하여 한반도 전역에 대하여 47개의 주요 영역을 설정하여 분석을 실시하였다.

OGCSBN_2019_v35n5_2_773_f0002.png 이미지

Fig. 2. Example of Sentinel-1 single image. (a) Sub-scenes order pattern, (b) Selected image area in sub-scenes.

각 위성레이더 영상에 따른 관측면적의 차이는 있지만 남·북한 모두에서 6~10개의 하부 scene이 한 개의 주요 영역에서 선택되었다. 기본 지반변위의 분석과정은 ENVI의 SARscape을 기반으로 개발되었으며, 지반변위 분석과정에서 사용자의 간섭 없이 자동 분석을 위하여 단계별 분석절차에 대한 자동화 연계 체계를 마련하였다. 각 분석 단계별 변수들은 한반도 전 지역을 일괄 분석 할 수 있도록 최적화 과정을 통하여 결정하였다. PS결과 산출을 위한 분석에서 북한 지역의 경우 동일면적의 한국지역보다 PS결과 산출지역이 낮은 것을 확인하였다. 평양을 포함한 황해도 및 평안남도 분석과정에서 주요 영역을 7개의 scene이 포함되도록 했을 경우와 평양만은 대상으로 하는 2개의 scene을 분석한 결과 적은 scene을 분석한 경우에서 더 조밀한 PS 자료가 산출 되었다.

3. 연구결과

한반도 전 지역에 대한 시계열 분석을 통하여 구축된 분석결과는 다양한 사용자들이 활용할 수 있으며 결과물의 표출을 위한 자료용량을 고려하여 shape file형태의 표출 방식을 채택하였다. 또한, 시스템 개발 시 비전문가 사용자의 분석결과 이해를 돕기 위하여 기본 자료에 광학영상을 사용함으로써 위성레이더 분석자료 이해의 어려움을 개선하였다. 한반도 전역에 대한 분석결과 한반도에서 발생하는 지반변위의 평균 범위는 ±10 mm/year이내를 나타내고 있으며 이를 기준으로 전체 분석결과의 스케일을 설정하였다. 하지만, 지진등 대규모 지반변위 이력을 가지고 있는 지역에서 분석된 결과 값은 다른 지역과 달리 많은 변화량을 포함하고 있어 특정지역에 한정하여 최대 ±25 mm/year의 범위를 적용하였다.

한반도 전역을 분석한 결과 중 부산지역을 대상으로 한 분석결과 도심지 부근에서의 시계열 변화는 발생하지 않았지만, Fig. 3에서와 같이 녹산 지구를 포함하는 공업단지 지역에서 약간의 지반변화가 관측되었다. 이 지역은 해안가 지역을 개발한 산업단지로 지역특성에 따른 일정량의 지반변위가 발생하는 지역이다. 분석결과를 표출시스템을 이용하여 사용자가 편리하게 사용 할 수 있게 하였으며, Fig. 4와 같이 부산 지역의 임의 두 개 지점에 대한 Vector Analyzer 분석 결과 관측기간 동안의 시계열적 변위를 확인 할 수 있었다. 시계열적 변화관측의 장점은 특정지역에서 발생하는 변화의 시기적 경향을 분석할 수 있는 것이다. Fig. 4에서와 같이 두 지점에서 발생한 2016년 하반기의 변화 속도는 유사하지만 2017년부터 지점 간 변화 속도가 달라져 A지점의 변화속도가 급격히 증가하였다. 따라서 2018년 중반부에는 두 지점 간 큰 변화량의 차이가 관측되었다.

OGCSBN_2019_v35n5_2_773_f0003.png 이미지

Fig. 3. Ground monitoring result in Pusan, Korea.

OGCSBN_2019_v35n5_2_773_f0004.png 이미지

Fig. 4. Ground movement vector analysis in Pusan, Korea

Fig. 5는 위성레이더자료 분석결과를 관련분야의 다양한 사용자들이 활용할 수 있도록 개발된 표출 시스템을 나타내고 있다. 연구원에서 운영되는 표출 시스템에서는 사용자가 원하는 지역의 분석결과 및 지점별 시계열 변화에 대한 정보를 열람 할 수 있게 개발 되었다.

OGCSBN_2019_v35n5_2_773_f0005.png 이미지

Fig. 5. long-term deformation monitoring in Ulsan, Korea

Fig. 6은 분석결과 추출된 지점에 대한 시간에 따른 변화를 그래프로 나타나고 있다. 지반변위의 시계열 분석은 관측 기간에 따른 전체적인 변화 총량의 분석도 중요하지만, 전체 관측기간에서 발생되는 변화를 구간별, 시기별로 분석하는 것 또한 중요한 의미를 가진다. 이를 위하여 변화발생 인근지역에 대한 관측지점의 중첩 분석기능과 시기별 분석기능을 구현하였다.

OGCSBN_2019_v35n5_2_773_f0006.png 이미지

Fig. 6. Time-series information at PS point

4. 결론

본 연구는 원격탐사기법을 활용하여 광역지역에서 장기간 동안 발생하는 자연재난의 한 종류인 지반변화에 대한 자동분석 체계 구축을 수행하였다. 지반변화의 시계열 자동 분석과 자동화 체계의 안정적인 운영을 위하여 유럽에서 무료로 제공되는 Sentinel 위성레이더를 기반으로 개발하였으며, 한반도 전역을 동시에 분석하기 위한 최적의 변수들을 도출하여 대상지역 전체에 대한 동일한 정확도를 확보 하도록 하였다. 동시 분석을 위한 위성자료의 자동수급 체계 개발과 자동 분석을 위한 시스템 구축을 통하여 정기적인 한반도 전역에 대한 지반변화 자료 제공이 가능하게 되었으며, 분석결과의 표출 시스템을 개발함으로써 다양한 사용자가 분석 자료를 활용할 수 있도록 하였다. 이번 연구를 통해 제공료를 활용할 수 있도록 하였다. 이번 연구를 통해 제공을 통하여 대형재난에 대한 예방단계의 대응이 가능하게 될 것으로 기대되며, 지반변화에 대한 현장 정밀조사 대상지역 선정 작업 시 과학적인 기초 자료로 활용이 가능 할 것이다. 추가적으로 대단위 분석 자료를 바탕으로 재난 발생 우려지역에 대한 소규모 지역 선별 정밀 분석과 기간단위 분석을 위한 추가적인 기술개발이 필요할 것이다.

사사

본 연구는 행정안전부 국립재난안전연구원의 주요 사업(위성자료 활용 현업지원 기술개발)으로 수행되었습니다.

References

  1. Ariyama, T. and Y. Saito, 2014. Satellite-based Disaster Management System for Asia-Pacific Region, Fujitsu Scientific and Technical Journal, 50(3): 24-29.
  2. Berardino, P., G. Fornaro, R. Lanari, and E. Sansosti, 2002. A new algorithm for surface deformation monitoring based on small baseline differential interferograms, IEEE Transactions on Geoscience and Remote Sensing, 40(11): 2375-2383. https://doi.org/10.1109/TGRS.2002.803792
  3. Cignetti, M., A. Manconi, M. Manuta, D. Giordan, C. D. Luca, P. Allasia, and F. Ardizzone, 2016. Taking Advantage of the ESA G-POD Service to Study Ground Deformation Processes in High Mountain Areas: A Valle d'Aosta Case Study, Northern Italy, Remote Sensing, 8(10): 852. https://doi.org/10.3390/rs8100852
  4. Hooper, A., P. Segall, and H. Zebker, 2007. Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis, with application to Volcan Alcedo, Galapagos, Journal of Geophysical Research: Solid Earth, 112(B7).
  5. Copernicus Europe's eyes on Earth, 2019. https://www.copernicus.eu, Accessed on Sep. 25, 2019.
  6. GeoJSON, 2019. https://en.wikipedia.org/wiki/GeoJSON, Accessed on Sep. 25, 2019.
  7. Lauknes, T. R., J. Dehls, Y. Larsen, K. A. Hogda, and D. J. Weydahl, 2006. A Comparison of SBAS and PS ERS InSAR for subsidence monitoring in Oslo, Norway, Proc. of Fringe 2005 Workshop, Frascati, Italy, Nov. 28-Dec. 2, published on CDROM, ID58.
  8. Massonnet, D., M. Rossi, C. Carmona, F. Adragna, G. Peltzer, K. Feigl, and T. Rabaute, 1993. The displacement field of the Landers earthquake mapped by radar interferometry, Nature, 364(6433): 138-142. https://doi.org/10.1038/364138a0
  9. Moreira, A., P. Prats-Iraola, M. Younis, G. Krieger, I. Hajnsek, and K. P. Papathanassiou, 2013. A Tutorial on Synthetic Aperture Radar, IEEE Geoscience and Remote Sensing Magazine, 1(1): 6-43. https://doi.org/10.1109/MGRS.2013.2248301
  10. Perissin, D., C. Prati, F. Rocca, and T. Wang, 2009. PSInSAR analysis over the Three Gorges Dam and urban areas in china, Proc. of 2009 Joint Urban Remote Sensing Event, Shanghai, China, May 20-22, pp. 1-5.
  11. Zebker, H. A., P. A. Rosen, and S. Hensley, 2007. Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps, Journal of Geophysical Research, 102(B4): 7547-7563.