Comparative Analysis of NDWI and Soil Moisture Map Using Sentinel-1 SAR and KOMPSAT-3 Images

KOMPSAT-3와 Sentinel-1 SAR 영상을 적용한 토양 수분도와 NDWI 결과 비교 분석

Abstract

The development and application of a high-resolution soil moisture mapping method using satellite imagery has been considered one of the major research themes in remote sensing. In this study, soil moisture mapping in the test area of Jeju Island was performed. The soil moisture was calculated with optical images using linearly adjusted Synthetic Aperture Radar (SAR) polarization images and incident angle. SAR Backscatter data, Analysis Ready Data (ARD) provided by Google Earth Engine (GEE), was used. In the soil moisture processing process, the optical image was applied to normalized difference vegetation index (NDVI) by surface reflectance of KOMPSAT-3 satellite images and the land cover map of Environmental Systems Research Institute (ESRI). When the SAR image and the optical images are fused, the reliability of the soil moisture product can be improved. To validate the soil moisture mapping product, a comparative analysis was conducted with normalized difference water index (NDWI) products by the KOMPSAT-3 image and those of the Landsat-8 satellite. As a result, it was shown that the soil moisture map and NDWI of the study area were slightly negative correlated, whereas NDWI using the KOMPSAT-3 images and the Landsat-8 satellite showed a highly correlated trend. Finally, it will be possible to produce precise soil moisture using KOMPSAT optical images and KOMPSAT SAR images without other external remotely sensed images, if the soil moisture calculation algorithm used in this study is further developed for the KOMPSAT-5 image.

위성 영상을 활용하여 대규모 또는 정밀 토양 수분도를 제작하는 방법의 개발과 이를 적용한 사례 연구는 원격탐사 응용 분야에서 중요한 연구 주제 중 하나이다. 이 연구는 제주도 연구 지역을 대상으로 토양 수분도를 제작하였다. 이를 위하여 선형으로 조정된 Synthetic Aperture Radar (SAR) 편광 영상과 입사각 정보를 이용하여 광학 영상과 함께 토양 수분도를 산출하였다. SAR 영상은 Google Earth Engine (GEE)에서 제공하는 후반 산란 계수 Analysis Ready Data (ARD) 자료를 사용하였다. 또한 Environmental Systems Research Institute (ESRI)의 토지 피복도(land cover map)와 KOMPSAT-3 고해상도 위성 영상의 지표 반사도로부터 산출한 식생 지수 정보(normalized difference vegetation index, NDVI)를 토양 수분도 처리 과정에 적용하였다. 이처럼 SAR 영상과 광학영상 정보를 융합하여 처리하는 경우는 토양 수분 산출물의 신뢰도를 향상할 수 있는 것으로 알려져 있다. 산출물의 과학적 분석을 위하여 KOMPSAT-3 영상으로 제작한 정규 수분 지수(normalized difference water index, NDWI)와 비교 분석을 실시하였다. 그리고 KOMPSAT-3 처리 결과의 검증을 위하여 Landsat-8 위성의 NDWI 처리 결과와 비교하였다. 이 연구를 통하여 산출한 토양 수분도 결과는 KOMPSAT-3 영상과 Landsat-8 위성으로 각각 처리한 NDWI 처리 결과와 높은 상관도를 나타냈다. 마지막으로 이 연구에 사용한 토양 수분 산출 알고리즘을 우리나라 고해상도 위성인 KOMPSAT-5 영상에 맞게 추가 개발하면 다른 외부 영상 없이 KOMPSAT 광학 위성정보와 KOMPSAT SAR 영상정보를 이용한 정밀 토양 수분도 제작이 가능할 것이라고 생각한다.

1. 서론

토양 수분도는 토양의 농경학적, 지질학적, 수문학적, 생태학적 및 생태유기학적 특징을 결정하는 필수적인 수문 인자이다. 이로 인해 토양 수분도의 관측 자료는 가뭄 모니터링과 같은 기상, 자연재해 예측 및 농사 관개 계획 등을 위한 기초 자료로 널리 활용이 되고 있다. 반면 우리나라에서는 토양 수분도를 산출하기 위한 체계적인 측정 기술이 미흡하여 제한된 지점에서 소극적인 자료 수집이 이루어지고 있는 실정이다(Lee et al., 2020b). 또한 제한된 측정값으로 넓은 지역을 대표하는 자료로 하는 경우에는 해당 지역에 다양한 토양이 존재 할 때 대푯값으로의 정확성이 떨어지게 되므로 토양 수분도 제작을 위하여 다양한 해상도의 위성 영상을 활용하는 방법의 개발 필요성이 강조되고 있다(Chung et al., 2020). 한편 토양 수분도를 측정하기 위한 Soil Moisture Active/Passive (SMAP) 위성의 경우도 광역적인 토양 수분도 제작에 적합하여 Ground Sample Distance (GSD)가 3 km이므로 정밀한 토양 수분도 제작에는 직접 사용하기에 어렵다. 또한 위성 영상정보를 활용하는 토양 수분도 제작 방법의 경우 대부분은 Landsat이나 Sentinel 등 중·저해상도 위성을 대상으로 한다. 위성 영상정보를 이용한 토양 수분도 제작 방법도 SAR 영상과 광학 영상을 같이 적용하는 방법이 보다 정확한 결과를 산출하는 것으로 알려져 있다(Hajj et al., 2017; Bousbih et al., 2018; Marden and Ahmadi, 2021). Tao et al. (2022)는 토양 수분 산정에 있어서 KOMPSAT-5 SAR 영상과 Sentinel-2 영상을 사용한 바 있지만, 이 외에 국내 고해상도 위성인 KOMPSAT 영상을 적용하여 정밀한 토양 수분도를 산출하는 기술 개발과 연구의 사례는 많지 않다.

이 연구에서 2017년 5월 1일에 촬영된 Sentinel-1 SAR 위성의 후방 산란 계수 정보와 2017년 4월 29일에 촬영된 KOMPSAT-3 광학 위성의 NDVI 자료를 융합하여 제주도의 연구 지역에 대한 정밀 토양 수분도를 제작하였다. 또한, 이 연구에서 산출한 정밀 토양 수분도 결과의 부분 검증을 위하여 KOMPSAT-3, Landsat-8 위성 영상에서 산출한 NDWI 정보와 상관도 분석을 수행하였다.

2. 연구 방법 및 연구 자료

1) 연구 방법

Fig. 1은 이 연구에서 적용한 토양 수분도 제작 절차와 산출물 적용 실험 과정을 정리한 것이다. 이 연구에서 필요한 자료는 GEE에서 제공하는 Sentinel-1 SAR 영상 정보에 기반한 후반 산란 계수 ARD 영상, KOMPSAT-3 광학 영상 정보의 지표 반사도 영상과 ESRI에서 제공하는 토지 피복 분류도이다. KOMPSAT-3 영상을 이용하여 지표 반사도 처리 후 NDVI 산출하였으며 ESRI의 토지 피복 자료와 함께 분할 과정을 거쳐 벡터 레이어를 산출하였다. Sentinel-1 SAR ARD로 제공되는 후반 산란 계수 자료를 선형 스케일로 변환하였다. 이 자료는 토지 피복 레이어를 활용하여 구역 통계 과정을 거친 뒤 토양 수분 알고리즘 처리했으며 산출한 토양 수분도의 검증 및 과학적 분석을 위하여 KOMPSAT-3, Landsat-8 위성에서 산출한 정규 수분 지수 정보와 상관도 분석을 수행하였다.

Fig. 1. The study workflow.

이 연구에 적용한 지표 반사도 자료는 Lee and Kim (2019)와 Kim and Lee (2021a, 2021b)가개발한오픈소스소프트웨어 Orfeo Toolbox (OTB) extension for KOMPSAT3/3Aand Landsat-8을사용하였다.지표반사도 생성 알고리즘은 식(1)–(3)에 따른다. 이 알고리즘에 의하여 계산된 KOMPSAT-3/3A 영상정보의 지표 반사도의 정확도는 Radiometric Calibration Network (RadCalNet) 포털에서 제공하는 측정값을 기준으로 평균적으로 95% 이상인 것으로 나타났다(Kim and Lee, 2020a; 2020b; Lee and Kim, 2020; Lee et al., 2020a).

L_λ = Gain × (DN) + Offest (1)

\(\begin{aligned}\rho_{\lambda T O A}=\frac{\pi L_{\lambda} d^{2}}{\left(E S U N_{\lambda}\right) \cos \theta_{s}}\\\end{aligned}\) (2)

\(\begin{aligned}\rho_{T O C}=\frac{\rho_{T O A}-\rho_{a t m}}{T\left(\mu_{s}\right) T\left(\mu_{\gamma}\right) t_{g}\left(1+S \frac{\rho_{T O A}-\rho_{a t m}}{T\left(\mu_{s}\right) T\left(\mu_{\gamma}\right) t_{g}}\right)}\\\end{aligned}\)(3)

여기서 L_λ는 파장 λ에 대한 센서 복사, Gain과 Offset은 센서의 이득과 편이이다. ESUN_λ는 외기권에서의 평균 태양 복사 조도, θ_s는 태양 천정각, d는 영상 촬영 일자의 지구와 태양 간 거리이다. 지표 반사도 처리 값(ρ_TOC)은 대기 반사도 ρ_atm, 대기 보정 계수인 S, 하향 및 상향 투과도(T(μ_s)와 T(μ_γ)), 대기 구면 반사율 t_g 값으로 처리한다.

한편토양수분도를생성하기위한Vegetation Scattering Model로 Semi-empirical Water Cloud Model 방법을 적용하였다(Baghdadi and Zribi, 2016; Zribi et al., 2019). 선형으로 조정된 SAR 영상의 후반 산란 계수는 식(4)–(6)과 같이 식생에 대한 후반 산란 계수와 식생에 의하여 감쇄된 토양의 후반 산란 계수의 합으로 나타낼 수 있다.

σ⁰_veg = AV₁ cosθ(1 - T² )       (4)

T² = e^{-2Bv₂ secθ}       (5)

σ⁰_tot = σ⁰_veg + T² σ⁰_soil       (6)

여기서 σ⁰_veg와 σ⁰_soil는 각각 식생의 기여도와 토양의 기여 성분을 나타낸다. 한편 θ는 입사각 정보, A와 B는 선택된 식생 변수와 레이더 구성에 따라 달라지는 모델의 적합 매개 변수이며, V₁과 V₂는 이 식에서 NDVI를 의미한다. 또한, T²는 식생에 의한 이중 감쇄를 의미한다. 위성 영상 정보를 활용하여 식생의 수분 함유량을 파악하는 것은 식생의 건강 상태를 나타내는 척도 중 하나이다. 이를 정량적으로 관측하는 것은 산림 및 녹지 관리 등에 있어서 매우 중요하다. 주로 식생 활성도를 나타내는 NDVI를 사용하지만 Xu (2006)과 Seong et al. (2015)은 NDVI 보다 식생의 수분량에 따른 분광 특성을 이용한 NDWI가 수분 스트레스 지수를 반영하는 데 적합하다고 하였다. NDWI 처리는 식(7)을 사용하였고 각 밴드 자료는 밴드에 대한 지표 반사도 자료를 이용하였다. 일반적으로 수분 함유량이 높을수록 값이 증가하고, 양의 값인 경우 물이 있는 것으로, 0 또는 음의 값을 갖는 경우 식생 및 토양으로 판단한다.

\(\begin{aligned}N D W I=\frac{\text { Green }-N I R}{\text { Green }+N I R}\\\end{aligned}\)       (7)

2) 연구 자료

이 연구에서는 2017년 4월 29일에 촬영된 KOMPSAT-3 위성의 지표 반사도를 이용한 NDVI 자료와 2017년 5월 1일에 촬영된 Sentinel-1 SAR 위성의 후방 산란 계수 자료를 융합하여 제주도 시범 연구 지역에 대한 정밀 토양 수분도를 제작하였다.

이 연구는 광학 영상, SAR 영상 후방 산란 계수, 토지피복 분류도 등 거의 동일한 시기에 얻어진 여러 가지 자료를 필요로 하기 때문에 가능한 가용 자료가 충분한 지역을 조사하여 조건에 만족하는 지역을 시범 연구 지역으로 하였다. 서로 다른 일시에 얻어진 SAR 영상과 광학영상을 융합하는 경우에는 영상 촬영 일시의 기상 자료를 고려할 필요가 있다. 연구 지역에 대하여 2017년 4월29일의 최저 기온, 최고 기온, 평균 기온은 각각 15.5℃, 24.1℃, 19.6℃이며, 평균 운량은 0.0%이다. 2017년 5월 1일의 최저, 최고, 평균 기온은 각각 15.1℃, 23.1℃, 18.2℃이며, 평균 운량은 4.4%이다. 이와 같이 이 연구에서 사용된 자료는 기상 조건이 거의 동일하여 기상에 의한 영향은 크지 않은 것으로 알 수 있다. 이 연구에서 Fig. 2와같이 후방 산란 계수 자료와 토지 피복 분류도를 따로제작하지 않고 GEE와 ESRI 자료를 바로 적용한 것은특정한 조건이나 제한된 경우에만 적용되는 방법의 한계나 처리 과정의 주관성을 가능한 최소화하여, 이 적용 방법의 보편적 활용이 가능하다는 것을 제시하기 위함이다.

Fig. 2. Applied data: (a) SAR backscatter data from Google Earth Engine (source: https://code.earthengine.google.com/?accept_repo=users/adugnagirma/gee_s1_ard)and (b) Land cover map from ESRI (source: https://env1.arcgis.com/arcgis/rest/services/Sentinel2_10m_LandCover/ImageServer).

GEE는 전 세계 규모로 Sentinel-1 SAR Level-1 Ground Range Detected (GRD) 자료를 이용하여 제작한 후방 산란 계수 ARD 자료를 제공하고 있다. 이 ARD 자료는 Javascript 언어와 Python 언어를 이용하여 Application Programming Interface (API)를 통하여 사용할 수 있다 (Mullissa et al., 2021). 이러한 GEE의 Sensenti-1 SAR ARD 자료 프레임워크(framework)는 사용자가 선택적으로 경계선 잡음 보정(border noise correction), speckle filtering, radiometric terrain normalization 등의 작업을 수행할 수 있는 API를 제공하고 있다.

ESRI에서 제공하는 토지 피복도는 2017년부터 2021년까지 매년 제작되고 있으며 Sentinel-2 영상을 이용하여 10m간격의 해상도로 Water,Trees, FloodedVegetation,Crops, Built Area, Snow/Ice, Clouds, Rangeland 등과 같은 9개 이상의 클래스로 분류한 결과를 제공하고 있다 (Venter et al., 2022).

이 연구는 GEE에서 획득한 2017년 5월 1일에 촬영된 Sentinel-1 SAR 위성의 VV, VH 편광의 후방 산란 계수 값을 선형 스케일(dB값)로 변환하였고 입사각 정보를 토양 수분도 처리에 사용하였다. 또한, 토지 피복도 정보와 NDVI 영상 정보를 활용하여 정밀 토양 수분도 처리 과정에서 사용하였다. 또한 Fig. 3과 같이 토지 피복도는 ESRI에서 제공하는 자료를 사용하였다. 토지 피복도는 앞서 처리한 영상들과 동일한 연도인 2017년에 촬영한 Sentinel-2 위성의 토지 피복도 영상을 처리에 사용하였다.

Fig. 3. Land cover map of ESRI.

3. 연구 결과 및 분석

1) 정밀 토양 수분도 시험 제작

정밀 토양 수분도 처리를 위해 사용한 NDVI 영상 정보는 KOMPSAT-3 고해상도 위성영상지표 반사도를이용하여 산출하였다. 이와 같은 NDVI 영상과 연구 지역의 ESRI 토지 피복도를 이용하여 분할 과정을 거친후 벡터 자료를 생성하였다. 이를 이용하여 선형으로 조정된 Sentinel-1 SAR 영상의 VV, VH 편광 영상 및 입사각 정보, NDVI 영상을 대상으로 구역 통계 기법을 통해 토양 수분 추정 알고리즘에 사용하였다. 산출한 제주 지역의 최종 토양 수분도는 Fig. 4와 같다. 최종 토양 수분도 처리 결과, 오름이나 산림 및 방목장에서는 토양 수분도가 높게 산출되는 결과가 나왔으며 도시, 비행장 등 개발이 진행된 지역에서는 토양 수분도가 낮게 산출되는 결과가 나타났다.

Fig. 4. Soil moisture map in the study area by the proposed scheme.

2) 연구 지역 토양 수분도와 NDWI 결과 비교 분석

Fig. 5(a)와 Fig. 5(b)는 각각 2017년 4월 29일에 촬영한 KOMPSAT-3 위성 영상과 동일한 날짜에 촬영한 Landsat-8 위성 영상 정보를 적용한 결과이다. 이 두 경우에 모두 위성 영상의 지표 반사도를 적용하였다.

Fig. 5. NDWI computed in the study: (a) KOMPSAT-3 case and (b) Landsat-8 case. Profile a and b mean lines for result comparison and validation.

KOMPSAT-3 처리 결과의 검증을 위하여 LANDSAT8 처리 결과와의 상호 검증(cross validation)을 통해 정확성을 높였다. NDWI 처리 결과 -0.2 이하의 지수가 대부분이므로 -1.0부터 0.0까지의 범위로 나타났다. 분석 방법으로는 측선 레이어를 사용하였다. 측선 레이어는 산출한 영상 정보를 각각 가로, 세로로 지나는 형태로 생성하였으며 이를 3 m당 포인트 1개를 생성하는 방식으로 변환하였다.

Fig. 6은 측선 별 연구 지역의 토양 수분도와 NDWI 상관관계를 나타낸 것이다. NDWI는 NDVI와 높은 상관도를 보이며 이러한 지수는 토양수분 자료와도 상관도가 높은 것으로 알려져 있다(Qi et al., 2012; Serrano etal., 2019). 이 연구에서는 NDVI 자료가 이미 토양 수분도 제작에 사용되기 때문에 별도로 NDVI와의 결과 비교는 하지 않고 NDWI 와의 비교를 수행하였다. 처리 결과는 토양 수분 지수와 NDWI는 일부 지역에서 토양수분도 지수가 낮아질 때 NDWI는 올라가는 경향을 보이는 것으로 나타났다. 이 결과는 Acharya et al. (2022)가 제시한 식생이 우세한 지역에서도 NDWI가 음수를 보일 수 있다는 내용과 부합되는 결과라고 할 수 있다. 또한 KOMPSAT-3의 결과와 비교하기 위하여 추가적으로 처리한 Landsat-8 NDWI 결과도 역시 이러한 추세를 보이고 있다. 이와 같이 정밀 토양 수분도를 제작하는 경우에는 다양한 토양 특성에 따른 토양 수분 자료의 현장 조사 자료를 포함하는 데이터베이스가 구축되고, 이를 이용하면 더욱더 정확한 자료 제작이 가능할 것이다.

Fig. 6. Comparative results among soil moisture map (SM), NWDI of KOMPSAT-3 (K3-NDWI), and NWDI of Landsat-8 (L8-NDWI): (a) profile a and (b) profile b.

4. 결론

토양 수분도 자료는 가뭄, 농업, 생태 분석 등에 사용되는 중요한 자료로 위성으로 이를 생산하기 위한 많은 방법이 개발되고 있다. 그러나 KOMPSAT-3와 KOMPSAT-5 위성 영상을 함께 적용하는 방법은 사례가 많지 않은 실정이다. 토양 수분 산출물과 NDWI의 결과 비교 연구 결과로 이 지역에서는 일반적인 예상과 달리 토양 수분 지수와 NDWI는 높은 상관도로 나타나지 않고 토양 수분 지수가 낮아질 때 NDWI는 올라가는 경향을 보이는 것으로 나타났다. 이는 식생 분포와 관련이 있는 것으로 판단된다. 이 연구에서 적용한 토양 수분도 산출 Vegetation Scattering Model은 Sentinel-1 영상에 적합한 다중 편광 자료와 기타 입력 자료에 맞추어 개발된 알고리즘이다. 따라서 이 알고리즘을 KOMPSAT-5 위성에 맞게 개발하고 결과에 현장 측정 자료를 사용하는 정확도 검증 실험을 하게 되면 이후에는 KOMPSAT-5와 KOMPSAT-3 위성 영상정보만을 이용하는 독자적인 정밀 토양 수분도 제작 시스템 개발이 가능할 것으로 생각한다. 또한 위성영상정보의 활용 분야 확대는 분석 기법 개발도 중요하지만 ARD와 같은 검증된 분석 자료의 제공이 더 중요한 역할을 한다고 생각하며 현재 지표 반사도 ARD 외에도 향후 토양수분도 ARD 개발도 필요할 것이라고 생각한다.