DOI QR코드

DOI QR Code

Estimates on the Long-term Landform Changes Near Sinduri Beaches

신두리 해빈 장기해안지형변화 탐지 및 추정

  • Yun, Konghyun (Institute of Engineering Research, Yonsei University) ;
  • Lee, Chang Kyung (Department of Civil Engineering, Kunsan National University) ;
  • Kim, Gyung Soo (Department of Civil Engineering, Kunsan National University)
  • Received : 2022.11.14
  • Accepted : 2022.12.06
  • Published : 2022.12.31

Abstract

Sinduri beach is a typical sedimentary landform that forms sand dunes due to the influence of the northwest wind in winter. Due to the its large scale and well-developed nature, it has been recognized for conservation value and is currently designated as Natural Monument No. 431, and continuous monitoring is required in terms of the preservation of topographical values. In this study, aerial images, drone images, and drone-based LiDAR data during 36 years were used for long-term topographical change observation of the Sinduri coastal sand dunes located in Taean-gun, Chungcheongnam-do. To implement this, the amount of change in elevation and volume for each period was calculated by applying the difference of Digital Elevation Model (DEM) based on raster calculation using the numerical elevation model generated from the raw data. Also, the amount of change in volume based on probability was calculated using the error propagation law for the intrinsic error of each data source. As a result, it can be seen that from 1986 to 2022, deposition of 35,119 m3 occurred in region of interest A (area: 17,960 m2) and 54,954 m3 of deposition occurred in region of interest B (area: 17,686 m2).

신두리해빈 인근지역은 겨울철 북서풍의 영향으로 인하여 모래언덕을 이룬 전형적인 퇴적지형이다. 그 규모가 방대하고 잘 발달되어 있어 보존가치를 인정받아 현재 천연기념물 제431호로 지정되어 있으며 지형학적 가치 보존 측면에서 꾸준한 모니터링이 필요하다. 본 연구에서는 충청남도 태안군에 위치한 신두리 해안사구의 장기간 지형변화 관측을 위해 약 36년 동안의 항공영상, 드론영상 그리고 드론기반 LiDAR 자료를 사용하여 분석하였다. 이를 위해서 원 자료로부터 생성된 Digital Elevation Model (DEM)을 사용하여 래스터 연산기반의 DEM 차분 기법을 적용하여 각 기간별 표고 및 부피의 변화량을 산정하였다. 또한 각 자료원의 고유오차를 오차전파법칙을 이용하여 확률기반의 부피의 변화량도 산정하였다. 그 결과, 1986년부터 2022년까지 관심영역 A (면적: 17,960 m2)에서는 35,119 m3의 퇴적이 발생하였으며, 관심영역 B (면적: 17,686 m2)에서는 54,954 m3의 퇴적이 발생하였음을 알 수 있었다.

Keywords

1. 서론

사구(sand dune)는 바람에 의하여 모래가 이동하면서 퇴적된 언덕이나 둑 모양의 모래 언덕이다. 형성과정에 따라 사막과 같은 내륙사구와 해안사구로 나뉜다. 내륙 사구는 사하라 사막과 같은 경우이며 우리나라에는 존재하지 않는다. 우리나라에 존재하는 사구는 해안사구라 할 수 있다. 해안사구(coastal dune)는 파랑과 연안류에 의해 운반된 해빈으로 모래가 바람에 의해 내륙으로 운반되고 해안선을 따라서 평행하게 쌓은 모래언덕이다. 일차적으로 해안선 가까이 형성되는 일차사구(전사구)와 퇴적된 모래가 후방으로 지속적으로 오랜 시간동안 침식, 운반, 퇴적되면서 형성되는 이차사구로 구분할 수 있다. 전사구는 해빈과 퇴적물을 활발하게 교환하며 역동적인 행태변화를 보이는 반면 이차사구는 해빈과 직접적인 상호작용을 하지 않는다는 점에서 구별된다(Kong et al., 2018; Choi et al., 2012).

충청남도 태안군 원북면 신두리에 위치한 해안사구는 길이 약 3.4 km, 폭 약 0.5–1.3 km의 모래언덕으로 내륙과 해안의 완충공간 역할을 하며 바람자국 등 사막지역에서 볼 수 있는 경관이 나타나는 곳이다. 신두리 해안사구는 신두리 해안 만입부의 사빈 배후를 따라 분포하고 겨울철에 우세한 북서풍의 영향을 받는 위치에 있으며, 인접해역이 대체로 모래로 구성되어 있어 간조 시 노출된 넓은 모래 갯벌과 해빈의 모래가 바람에 의하여 해빈에서 육지로 이동되어 사구가 형성되기에 좋은 조건을 가진 지역이다. 또한 전사구, 사구습지, 초승달 모양의 사구인 바르한(barchan) 등 다양한 지형들이 잘 발달되어 있다. 특히 사막 지역이 아니고서는 볼 수 없는 독특한 경관과 조류의 산란 장소로 생태적 가치와 경관적 가치가 뛰어난 해안의 퇴적지형으로 특징지을 수 있으며 사구의 원형이 잘 보존되어 있고, 사구의 형성과 고환경을 밝히는데 학술적 가치가 크다.

해빈의 지형학적 변화에 관한 국내의 연구는 지속적으로 진행되어왔으나 전국적으로 산발되어 있는 사구의 수(133개)를 고려한다면 개별적인 사구의 변화 상황을 자세하게 모니터링하는 것은 고가의 비용을 필요로 하고 또한 상업적 가치를 획득하기 어렵기 때문에 국립해양조사원에서 실시하는 전국 단위의 해안선 조사가 주를 이루고 있다. 해빈과 해안사구에 대한 변화를 관측하여 분석하는 방법은 다양하다. 광파측거의와 Global Navigation Satellite System (GNSS)를 이용한 현장 직접 취득의 방식이 있으며, 항공영상 및 위성영상을 이용한 영상기반의 접근방법이 존재한다. 또한 Light Detection and Ranging (LiDAR)도 이용한 지형자료 취득의 한 수단으로 사용될 수 있다. Seo (2002)는 항공사진을 이용하여 신두리 해안사구의 피복을 분석한 결과 삼림의 면적증가와 피복사구의 면적감소가 지속적으로 발생한 것으로 보고하였다. Kim (2005)은 다년도의 항공영상에 사진측량기법을 적용하여 해안선을 추출하고 낙동강하구역의 삼각주 연안사주에서 발생하는 변화형태를 분석하기도 하였다.

연안지역의 지형변화 분석 방법 중 현장측량 방법은 가장 정확할 수 있으나 사구의 접촉에 의한 훼손 및 영상정보의 부재 등과 더불어 장기적이며 지속적인 관측을 위해 비용과 시간을 고려한다면 최선의 방법이 아니다. 이러한 이유로 최근 저비용 고해상도의 자료를 취득할 수 있는 드론을 많이 사용하기도 한다. 드론기반 측량은 강한 바람, 강수, 눈 등 날씨 제약이 있지 않는 한 원하는 시기의 영상을 획득할 수 있으며 이륙 준비 시간이 매우 짧다. 또한 사용할 수 있는 배터리 등이 충분하다면 언제든지 비행이 가능하기에 시간해상도가 매우 높다. Jung et al. (2010)은 무인항공기를 활용하여 3차원 공간정보 제작에 활용한 사례를 발표하였다. 특히 도시지역의 3차원 공간정보를 신속하게 취득하는 기법과 처리공정을 개발하여 제시하였다. Yun et al. (2021)은 안면도 천리포 해빈에서 항공영상을 이용하여 25년에 걸친 해안선 변화율을 산정하여 제시하였다. 또한 Song (2021)은 신두리 해빈지역을 대상으로 드론 매핑시스템을 이용하여 2020년과 2021년의 단기간의 변화를 분석하고 일부 모래의 퇴적이 발생했음을 제시하였다.

본 연구에서는 1986년부터 2022년까지 총 36년에 걸친 해안사구의 지형 변화를 항공영상, 드론영상, 드론기반 LiDAR 자료를 이용하여 단면분석 및 해빈 모래의 침식, 퇴적의 변화를 모니터링 하였다. 이를 위하여 고해상도의 영상이 필수적이며 공간해상도 25 cm부터 3 cm까지 고정밀 정사영상으로부터 3~15 cm의 Digital Elevation Model (DEM)을 생성하여 정량적인 분석결과를 제시하였다.

2. 연구대상지역 및 자료

신두리 해빈은 충청남도 태안군 원북면 신두리에 위치하고 있으며 남북방향 길이 3.4 km, 폭 0.5~1.3 km에 이르는 지역이다(Fig. 1). 본 연구에서는 지형변화 분석을 위하여 항공영상과 드론기반 LiDAR 자료를 사용하였다. 항공영상은 국토지리정보원의 국토정보플랫폼에서 항공영상 검색서비스를 통하여 과거의 자료를 다운받을 수 있다. 1960년대부터 스캐닝 된 항공영상이 존재하지만 항공측량용이 아니거나 저품질 및 저해상도로서 영상판독이 불가능한 자료는 제외하고 1:10,000 축척의 프레임방식의 촬영영상을 대상으로 수집하였다. 그 결과 1986년, 2016년, 2021년의 컬러항공영상을 사용하였으며, 2022년도에는 현장에서 드론을 이용하여 직접 영상을 취득하였다. 그리고 2022년에는 드론기반의 고해상도 LiDAR 자료를 촬영하여 영상과 점자료군을 취득하였다. 1986년 항공영상은 RC10 카메라로 촬영한 필름을 해상도 1,200 dpi로 스캐닝 한 영상이다(Table 1). Ground Sampling Distance (GSD)는 스캐닝으로 스캐닝 해상도와 축척에 근거하여 계산하면 GSD는 0.21 cm 이다(Table 1). 2016년, 2021년 디지털카메라로 촬영한 영상의 GSD가 0.25 cm를 고려한다면 적어도 이론적으로는 훨씬 더 상세한 지형을 관측할 수 있다. 하지만 필름을 스캐닝한 영상이므로 더스트(dust), 스크래치(scratch), 플릭(flick) 등의 요인이 상당히 발생한 것으로 판단되 항공삼각측량의 성과의 품질 저하에 영향을 미칠 것으로 판단되었다. 또한 연구지역은 1990년대 초까지 군사보호지역으로 지정되었으나 1995년경부터 해빈의 남쪽지역에 별장, 펜션 등의 휴양지로 개발이 시작되었다. 이로 인하여 1986년 영상과 가장 최근 영상에서는 자연 현상에 의한 지형변화뿐만 아니라 개발로 인한 변화가 혼재된 것으로 나타났다. 항공삼각측량을 수행하기 위해서는 지상기준점의 측량이 필수적인데 1986년 영상에서는 현재와 변하지 않는 동일한 점을 고른 분포로 찾기 어려웠다. 내륙지역의 변화 뿐만 아니라 연안지역 항공영상을 이용하여 항공삼각측량을 수행할 경우, 지상기준점과 접합점의 육상편중 분포로 인하여 항공사진 표정성과에 오차가 크게 나타날 수 있음을 고려해야한다(Yun et al., 2021; Kim et al., 2014; Zhang et al., 2012; Mills et al., 2003). 지상기준점측량은 Network GPS 측위 방식으로 연구지역 전역에 걸쳐 총 28점의 3차원 좌표를 취득하였다(Fig. 2). 사용된 좌표계는 Korea2000, 중부좌표계(EPSG:5186)이다. 지오이드(geoid)는 국토지리정보원에서 제공하는 가장 최신 모델인 KNGeoid18을 사용하였다. 2016년 이후의 지형은 적어도 북서풍의 영향으로 인하여 신두리 사구의 퇴적을 제외하고 인위적인 큰 변화가 없는 것으로 판단하고 Fig. 2에서 제시하듯 고르게 분포된 지상기준점을 사용하여 균등한 항공삼각측량 성과를 도출하려고 시도하였다. 각각 디지털카메라로 촬영된 영상이며 공간해상도 0.25 m이며 1986년도 항공영상보다 인공구조물 뿐만 아니라 자연의 형상 식별이 훨씬 수월하다(Fig. 2). 드론에 탑재된 광학카메라로 고도 80 m에서 225장의 디지털영상을 촬영하여, 이로 부터 약 0.03 cm의 공간해상도의 정사영상과 고해상도의 DEM을 생성하였다.

Table 1. The selected information of aerial images used in this study

OGCSBN_2022_v38n6_1_1315_t0001.png 이미지

OGCSBN_2022_v38n6_1_1315_f0001.png 이미지

Fig. 1. Study area for monitoring landform changes near Sinduri beach.

OGCSBN_2022_v38n6_1_1315_f0002.png 이미지

Fig. 2. Study area for monitoring landform changes near Sinduri beach.

2022년 드론기반 자료의 경우 DJI Matrice 300 RTK 프레임과 Zenmuse L1의 LiDAR를 탑재한 장비를 사용하였다. 기체 자체에는 매핑용 카메라가 장착되어 정사 영상이 생성 가능하다. 하지만 본 연구에서는 정사영상의 생성보다는 정밀한 DEM자료의 생성이 가장 중요하므로 영상기반의 항공삼각측량보다는 LiDAR자료를 이용하여 정밀한 DEM을 생성하였다. 비행고도는 약 110 m (상대고도)이며 점밀도는 86 pts/m2로서 점 간의 간격이 약 2~5 cm로서 정밀한 DEM을 생성하였다(Table 2). 촬영 시 제 3 반사펄스까지 취득하였다. 해당 연구지역은 사구의 잡목을 포함한 수목들이 상당히 존재하므로 엄밀한 지형의 표고를 산정하는 것은 쉽지 않다. 특히 항공삼각측량에 의해 DEM을 생성하는 경우 수목의 끝부분과 지형(bare earth)의 중간값을 갖을 가능성이 높다. 이러한 경우 DEM 생성시 오차요인이 되므로 후술할 정밀한 기간별 DEM 차분에 좋지 않은 영향을 미치게 된다. 이러한 요소를 고려하여 촬영시 단일 펄스가 아니라 제 3 반사펄스까지 취득할 수 있도록 설정하였다. 이와 같이 취득한 자료는 수목의 높이를 제거한 엄밀한 DEM 생성을 가능하게 해준다(Fig. 4).

Table 2. Drone-based LiDAR scanning systems and flight parameters

OGCSBN_2022_v38n6_1_1315_t0002.png 이미지

OGCSBN_2022_v38n6_1_1315_f0003.png 이미지

Fig. 3. Geomorphic changes in the year between 1986 and 2021: (a) and (b) images were captured in 1986 and 2021, respectively.

OGCSBN_2022_v38n6_1_1315_f0004.png 이미지

Fig. 4. Conceptual diagram of LiDAR: Interaction between the laser pulse and tree crowns (Wang and Fang, 2020).

Fig. 5는 실제 촬영한 LiDAR 점밀군 자료를 Global Mapper를 이용하여 도시한 것이다. 연안 지역이므로 파란색으로 표시된 영역은 주로 바다를 나타내며 일부는 산란, 흡수 등으로 인하여 취득되지 못한 영역을 보여주고 있다.

OGCSBN_2022_v38n6_1_1315_f0005.png 이미지

Fig. 5. Original raw LiDAR point clouds with 3 return pulses in the Sinduri beach. In the East sea side, laser pulses are scattered, absorbed, and reflected in the interaction with water body.

3. 영상정합과 DEM 생성

사진측량의 핵심적인 과정으로서 영상정합(image matching)은 중복지역을 갖는 한 개 혹은 그 이상의 영상에서 한 영상의 특정한 점에 대응되는 점을 다른 영상에서 찾아 3차원의 위치정보를 취득하는 과정으로 DEM의 품질에 크게 영향을 미친다. 항공영상 또는 위성영상에서 DEM을 생성하기 위한 대표적인 영상접합법은 상관계수 또는 최소제곱법을 이용한 영역기준정합이 대표적으로 사용되어 왔다.

Lowe (2004)는 Scale Invariant Feature Transform(SIFT) 알고리즘을 개발하였으며 현재 드론영상을 처리할 수 있는 각종 상용소프트웨어에 그 기능이 포함되어 있다. SIFT는 영상 회전, 스케일 변화, 유사성을 가진 변형(affine deformation), 관점 변화(viewpoint change), 잡음(noise), 조명 변화(illumination change)에 매우 강인성을 가진 특징 추출 알고리즘이다. SIFT의 핵심 알고리즘은 크게 4단계로 진행된다. 1) 축척-공간 극값 검출(scale-space extrema detection), 2) 주요 점 지역화(key point localization), 3) 방향성 할당(orientation assignment), 4) 기술 내용 생성(description generation)이다. 첫 번째 단계로, 서로 다른 σ 값을 갖는 가우시안 차이(Difference of Gaussian, DoG) 함수에서 축척-공간 극값을 사용하여 주요 점들의 위치와 축척을 식별한다. DoG 함수는 상수 계수인 k로 분리되는 축척 공간에서 영상을 convolution 연산을 수행한다. 두 번째 과정에서는 테일러급수를 사용하여 더 정확한 극점(extrema)을 찾은 후 테일러 급수로 보간(interpolation)하여 점의 값을 구하여 특징점 후보군중에서 정확하지 않는 특정점을 제거한다. 세 번째 과정에서는 추출된 특징점마다 주 방향(orientation)을 할당하는 단계이다. Gaussian 블러링을 적용하면 특징점 주변의 영역에 대한 기울기(Gradient)의 방향과 크기를 결정할 수 있다. 이 결과를 이용하여 방향 히스토그램(orientation histogram)을 형성한 후 가장 값이 큰 것을 해당 방향으로 결정한다. 이 단계에서 회전에 대한 정보가 포함되어 있기 때문에 대상물이 회전되어 있어도 인식할 수 있는 장점을 가지고 있다. 마지막 네 번째 과정에서는 각 특징점들에 대해 서술자(descriptor)를 생성한다. 이 과정에서 Gaussian 비중함수(weight function)를 이용한다.

OGCSBN_2022_v38n6_1_1315_f0006.png 이미지

Fig. 6. Key points descriptor in SIFT algorithm.

Fig. 7은 영상정합 결과의 한 예시이다. 1986년에는 총 4장의 항공영상을 사용하였다. 신두리 해안사구의 경우 순수한 모래만 존재하는 것이 아니라 큰 수목, 잡목, 풀 그리고 바닷가의 일부 작은 돌 및 폐기물 등이 특징점으로 인식되어 추출된다. 바닷가의 경우 조수의 간만의 차로 인하여 계속 움직이는 상태이므로 대부분 정합되지 않으며 정합되더라도 오정합의 경우가 많이 발생하고 정합결과를 신뢰하기 어렵다. 2016년, 2021년 항공영상은 20022년도 드론영상보다 커버리지가 굉장히 크므로 신두리 해안사구내의 특징점 뿐만 아니라 펜션 등의 인공구조물이 특징점으로 추출되었다.

OGCSBN_2022_v38n6_1_1315_f0007.png 이미지

Fig. 7. Key blue lines are connecting valid (used) matching points between the selected pair of images, and red lines are connecting invalid (unused) matching points: (a) and (b) image pairs were captured in 1986 and 2020 respectively.

항공삼각측량에 의한 DEM의 정확도를 계산하기 위해서는 충분한 검사점(check points)이 필요하다. 즉 표정에 사용된 지상기준점을 제외하고 별도의 고른 분포의 검사점이 필요하다. 하지만 가장 최근 자료인 2022년 드론기반 LiDAR 자료를 제외하고는 지형의 높낮이가 많이 변한 상황이라 정확한 검사점의 취득이 거의 불가능하다. 또한 신두리 해안사구는 사구의 보호라는 측면에서도 검사점 측량을 위한 접근이 쉽지 않다. 본 연구에서는 간접적인 DEM 정확도를 평가할 수 있는 재투영 오차(reprojection error)의 개념을 사용하였다. 재투영오차는 재투영된 점과 관측된 점간의 거리를 나타내는 기하학적 오차이다. 즉, 생성된 3D 위치정보를 갖는 점들이 실제 투영된 위치와 근접하게 추정되었는지를 보여준다(Fig. 8).

OGCSBN_2022_v38n6_1_1315_f0008.png 이미지

Fig. 8. The relationship between calculated 3D point and reprojected point. The distance between the marked and the reprojected point on each image is the reprojection error.

Table 3은 1986년부터 2021년까지 촬영영상으로 부터 생성된 DEM의 정확도를 보여주고 있다. 그 결과 1986년 영상에서 지상기준점에 대해 복원된 X, Y 지상좌표와 비교하여 평균제곱근오차(Root Mean Square Error, RMSE)는 0.146 m, 최대오차는 0.512 m로 나타났다. 2016년과 2021년은 0.6~0.8 cm급의 RMSE를 보여주었다. 1986년도의 성과가 상대적으로 큰 오차를 보여주는 가장 큰 이유는 정확하고 균등하게 분포된 지상기준점의 수가 충분하지 않다라는 점이다. 사용된 지상기준점의 수는 6개로서 남부지역에 밀집 분포되어 있다. 신두리 해안사구 영역에서는 변화가 특히 극심하기에 지상기준점을 취득할 수 없었다. 또한 2020년 드론영상의 처리 결과의 경우 상대적으로 적은 커버리지를 갖고 있으며 다른 년도의 항공영상 커버리지와 상당히 차이가 있고 지상기준점의 분포도가 많이 다른 점을 주목해야 한다. 2020년과 2021년 결과의 RMSE는 비슷하지만 2020년의 드론영상의 GSD가 약 3 cm이므로 지형의 묘사가 더 자세하고 실제 DEM의 해상력은 4~5배의 차이가 존재한다. Fig. 9는 해당 년도별 DEM을 보여주고 있다. 각 DEM에서 최저 표고점의 값이 음의 값을 갖는다. 이 표고는 실제 표고일 가능성보다는 영역상 바다에 속하는 영역이 대부분이므로 오정합된 점들로 인한 DEM의 큰 오차 영역이라고 판단한다. Fig. 10은 2022년 DJI Matrix300-RTK Zenmuse L1시스템에 의해 촬영된 LiDAR 자료를 이용하여 생성한 결과이다. 원 자료의 점밀도가 대략 3 pts/m 정도이므로 격자간격을 3 cm로 설정하여 생성하였다. 이전 년도 자료와 달리 영상기반의 DEM이 아닌 range 방향의 직접적인 거리를 관측하여 표고를 생성하였다. 원 자료로부터 LiDAR 자료의 표준 포맷인 LAS로 변환은DJI Terra Pro에서만 가능하다. 단, 처리 소프트웨어에는 GNSS 측위성과 도출시 사용한 지오이드모델(KNGeoid18)을 적용할 수 없어 EGM2008을 사용하였으며 일차 DEM 성과와 GNSS의 측위 성과 8점의 표고를 비교하여 지오이드모델간 표고를 보정하였다. EGM2008모델과 KNGeoid18 모델 간의 표고차는 약 0.28 m를 보였다. 촬영조건 등 환경에 따라 정확도가 다소 다를 수 있지만 대략 ±3~4 cm임을 고려한다면 두 지오이드모델 간의 차이를 보정함으로써 표고의 오차는 ±3 cm 이내로 추정된다.

Table 3. Statistical analysis of aerial triangulation

OGCSBN_2022_v38n6_1_1315_t0003.png 이미지

OGCSBN_2022_v38n6_1_1315_f0009.png 이미지

OGCSBN_2022_v38n6_1_1315_f0010.png 이미지

Fig. 9. The generated DEM in the year of 1986, 2016, 2000, and 2021 respectively.

OGCSBN_2022_v38n6_1_1315_f0011.png 이미지

Fig. 10. The generated DEM in the year of 2022. This output is generated from drone-based LiDAR system.

4. 사구 지형변화 분석

약 36년간의 지형변화 분석을 위하여 4개년도 광학영상과 1개년도 LiDAR 영상으로 부터 자료로부터 DEM을 각 해당 년도별로 생성하였다. 이 DEM을 이용하여 크게 두가지로 나누어 표고변화를 분석하였다 첫 번째 사구의 단면변화 분석이다. Fig. 11은 사구의 영역 중에서 전사구 영역과 이차사구인 후사구의 변화를 분석하고자 하였으며 남동방향으로 3개의 단면의 표고와 북동방향의 단면을 기간별 변화를 계산하였다. 두 번째, 사구의 영역에 대해서 모래의 부피변화를 계산하고 분석하였다. 사구 영역 전체를 분석하는 것이 가장 이상적이나 사구내에 서식하는 수목 등으로 인하여 영상기반의 DEM의 경우 오차가 포함될 수 있으므로 식생 미피복 지역으로서 모래가 많이 직접 노출된 2곳(region A, B)을 선정하였다.

OGCSBN_2022_v38n6_1_1315_f0012.png 이미지

Fig. 11. Location map of profiles and AOI (Area of Interest) for elevation changes in sand dune.

1) 사구 단면 변화분석

단면 1은 사구 입구 부근에 위치한 단면으로서 바닷가 지역의 해빈, 일차사구, 사구지대, 이차사구 그리고 사구후면으로 구성되어 있다. Fig. 12는 1986년부터 2022년까지의 표고의 변화를 가장 잘 보여주는 전형적인 단면도이다. 바닷가로부터 수평거리 약 120 m까지는 표고가 현재에 비해 낮았으며 현재 일차사구 이전까지 해당되는 영역의 모래가 오랜 시간이 경과함에 따라 퇴적되었으며 120~250 m의 지역에 일차사구가 형성되었다. 또한 겨울철 강한 북서풍의 영향으로 모래의 이동성이 높아져 250~300 m까지 현재의 이차사구의 모래가 형성된 것으로 보인다. 전면부에서는 표고가 최대 약 2 m까지 퇴적되었으며 이차사구 부근에서는 최대 높이 10 m까지 모래가 퇴적된 것으로 나타났다. 특히 이차사구의 단면은 2016년 이후로 점차 경사가 가팔라지는 모습을 보여주고 있으며 그 흐름은 2022년까지도 유지되는 것으로 나타났다. 단면 2는 전사구 지역에서 가장 높은 표고를 지나는 단면이다(Fig. 13). 단면 1과 마찬가지로 수평거리 150 m까지 점차 퇴적된 모습을 보여주고 있으며 2016년까지 약 3 m까지 모래가 퇴적되었다가 2022년 현재 일차사구가 약간 내륙방향으로 이동된 것을 알 수 있다. 150~300 m까지 즉, 이차사구의 바로 전면부까지 점진적인 퇴적이 발생한 것으로 드러났다. 1986년도에 200 m 지점에서 표고의 피크가 발생한 것으로 나타났는데 이는 수목의 영향인 것으로 파악되었다. 이차사구 후면부에서도 크진 않지만 퇴적이 꾸준히 진행된 것으로 보인다.

OGCSBN_2022_v38n6_1_1315_f0013.png 이미지

Fig. 12. Profile-1 representing the elevation changes in sand dune during 36 years.

OGCSBN_2022_v38n6_1_1315_f0014.png 이미지

Fig. 13. Profile-2 representing the elevation changes in sand dune for 36 years.

단면 3의 경우 식생피복이 많은 영역이므로 다른 단면과 달리 전체적인 지형변화의 경향은 일치할 수 있지만 정확한 모래의 퇴적과 침식은 분석이 어려운 영역이다. 그럼에도 불구하고 단면 3의 바닷가 쪽에서 약 150 m까지는 일정하게 퇴적된 것으로 나타났으며 170 m 이상의 단면에서는 이차사구의 형성이 더디거나 수목등의 영향으로 침퇴적의 흔적이 불확실하였다(Fig. 14).

OGCSBN_2022_v38n6_1_1315_f0015.png 이미지

Fig. 14. Profile-3 representing the elevation changes in sand dune for 36 years.

이러한 현상은 일차사구 전후면 부의 식생으로 인한 모래의 이동성이 상당히 저하된 것으로 추정할 수 있다. 단면 4의 경우 단면 1~3과 다른 현재 이차사구 영역의 북동방향의 단면이다. 이 단면의 경우 이차사구의 영역이 어느 정도까지 북동방향으로 형성되고 있는지 확인할 수 있는 자료이다. 북동방향에서 약 250 m까지 퇴적이 진행된 것으로 파악되었다. 단 2016~2022년 구간까지 일부 모래의 소실구간으로 해석할 수도 있지만 실제 2016년 원자료에서 그 구간은 식생이 상당히 활발할 지역임을 감안하면 침식으로 판단하긴 어렵다. 또한 280 m 이상의 구간에서는 전형적인 이차사구의 형태가 진행된 것으로 나타났다(Fig.15).

OGCSBN_2022_v38n6_1_1315_f0016.png 이미지

Fig. 15. Profile-4 representing the elevation changes in sand dune for 36 years.

2) 사구 부피 변화분석

해안사구의 모래 부피의 변화를 산정하기 위해서는 DEM의 이용이 필수적이다. 1986년부터 2022년까지의 DEM의 격자간격이 서로 상이하다. 이는 원자료의 공간해상력과 관계가 있다. 실제 정확한 계산을 위해서는 각 자료 간의 동일한 좌표 및 격자간격이어야 계통오차(systemic error)를 최소화하여 정확한 분석이 가능하다. 이를 위해서 항공영상기반의 DEM 자료는 10 cm로 재변환 하였으며 공간해상도가 평균 3 cm인 2022년 자료도 역시 10 cm로 리샘플링(resampling)하였다. 1986~2021년 자료는 실제 해상력의 변화는 없으며 단순히 동시성을 위해 격자간격을 축소한 것이다. 격자 간의 래스터 연산을 위해서는 각 년도별로 생성된 DEM의 오차가 원자료마다 서로 다르므로 고유의 오차를 고려해야 한다. Brasington et al. (2003)은 오차전파의 법칙을 DEM 차분(Difference of DEM)의 연산에 적용하여 다음 식(1)을 유도하였다.

\(\begin{aligned}\delta_{h}=\sqrt{\delta_{h_{\text {new }}}+\delta_{h_{\text {old }}}}\\\end{aligned}\)       (1)

식(1)에서 δhnew과 δhold는 특정 기간의 시작과 종료 년도의 DEM 오차이며 δh는 특정기간 동안 차분에 의해 계산된 최확값의 오차이다. 특정기간 동안 격자형 DEM 차분을 이용하여 변화량을 산정하는 것이 가장 일반적이지만(Wheaton et al., 2010), 등고선 기반 모형의 경우 영역기반의 변화를 산정하는 방법도 존재한다(Lane et al., 2003; Westaway et al., 2003).

본 연구에서는 연구 기간 동안의 모래 부피 변화를 산정하기 위해 식생피복에 따른 오차를 최소화하고자 촬영된 영상자료들을 면밀히 판독하여 관심영역을 2곳(Region A, B)으로 한정하였다(Fig. 11). 관심영역 A (면적: 17,960 m2)는 일차사구 영역을 주로 포함하고 있으며 관심영역 B (면적: 17,686 m2)는 이차사구 영역을 포함하고 있다. Fig. 16~19는 촬영 년도별로 표고의 차이를 계산하여 도시한 결과이며 이 과정에서는 오차전파를 고려하지 않고 DEM 차분의 값을 표현한 것이다. 변화가 가장 큰 기간은 1986~2016년의 변화 자료이다. 관심영역 B의 북동쪽에서 가장 큰 침식이 발생하였으며 이는 단면 A의 변화분석에서 기술하였듯이 이차사구의 형성으로 인한 모래의 이동성에 기인한 것으로 추정한다. Fig. 18의 관심영역 A에서 침식이 많이 발생한 것으로 보이는 이유는 피복의 식생에 따른 오차가 일부 포함되었을 것으로 판단하고 있다. Fig. 20은 총 연구기간 동안의 표고의 변화를 나타낸 결과이며 단면 A의 변화분석과 동일하다. Fig. 21은 오차전파의 법칙을 적용하여 DEM 차분을 계산하여 표현된 결과이다. 전체적인 퇴적 침식의 경향은 Fig. 20과 유사하지만 최대값과 최소값이 약 ±5 cm까지 커지는 것을 알 수 있었다.

OGCSBN_2022_v38n6_1_1315_f0017.png 이미지

Fig. 16. Changes from 1986 to 2016.

OGCSBN_2022_v38n6_1_1315_f0018.png 이미지

Fig. 17. Changes from 2016 to 2020.

OGCSBN_2022_v38n6_1_1315_f0019.png 이미지

Fig. 18. Changes from 2020 to 2021.

OGCSBN_2022_v38n6_1_1315_f0021.png 이미지

Fig. 19. Changes from 2021 to 2022.

OGCSBN_2022_v38n6_1_1315_f0020.png 이미지

Fig. 20. Changes from 1986 to 2020.

OGCSBN_2022_v38n6_1_1315_f0022.png 이미지

Fig. 21. Changes from 1986 to 2020 with propagated error modeling.

Table 4~5는 관심영역 A, B의 부피의 변화를 보여주고 있다. 전반적으로 각 기간마다 퇴적량이 많은 것을 알 수 있으나 관심영역 A에서 2020~2021년의 기간에는 침식이 더 많이 발생한 것으로 나타났는데 이것은 피복 식생의 유무에 따른 결과라고 판단한다. 또한 생성된 자료원의 오차가 다른 점도 배제할 수는 없다. 관심영역 B에서는 2020~2022년 기간의 변화를 제외하고는 퇴적량이 많았음을 보여주고 있다.

Table 4. Volumes of erosion, deposition, and volume changes within ROI A estimated using DEM data obtained from multiple period

OGCSBN_2022_v38n6_1_1315_t0004.png 이미지

Table 5. Volumes of erosion, deposition, and volume changes within ROI B estimated using DEM data obtained from multiple period

OGCSBN_2022_v38n6_1_1315_t0005.png 이미지

5. 결론

해안사구에 대한 인식부족 및 시설위주의 관광지 개발방식 등으로 인해 사구 파괴가 가속화되고 있는 실정에서 최근 기후 변화 등으로 인한 환경에 대한 관심의 고조와 더불어 해안사구가 생태적, 지형적 가치를 지닌 중요한 자연환경자산이라는 인식이 확산되고 있다.

현재까지 여러 측면에서 간헐적으로 신두리 해안사구에 대한 연구가 수행되었지만 대부분 단기간내의 변화에 초점을 둔 연구 결과였다. 본 연구에서는 충청남도 태안군에 위치한 신두리 해안사구에 대해 1986~2022년간 촬영한 항공사진과 LiDAR 자료를 이용하여 세밀한 지형학적 변화분석 결과를 제시하였다.

사구의 단면 분석을 통하여 1986년부터 2020년 자료까지 2차사구의 생성 과정을 확인할 수 있었으며 그 높이의 변화가 최대 10 m에 이르는 것으로 파악되었다. 또한 산출된 연도별 DEM 차분 개념을 이용하여 원자료별 특성에 따른 오차를 감안하여 표고의 변화를 제시하였다. 사구내에서도 관심영역 A의 경우 전 지역에 침식은 발생하지 않은 것으로 나타났으며 총 35,119 m3의 퇴적이 발생한 것으로 나타났다. 관심영역 B의 경우 북서풍의 영향으로 인하여 일부지역은 침식이 발생하였으나 전체적으로 모래의 이동으로 54,994 m3의 순퇴적이 발생하였음을 밝혀냈다.

본 연구의 성과는 향후 해안사구의 침퇴적 경향을 장기적으로 파악할 수 있는 기초자료로 사용될 수 있으며 연안지역 환경보전의 정책적 측면에서 피복 식생의 제거 유무에 따른 모래 이동성의 영향분석에도 활용될 수 있을 것으로 기대한다.

사사

본 연구는 2020년도 군산대학교 학술연구 지원과 2021년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업(No. 2021R1I1A3044049)의 성과입니다. 또한 드론촬영에 협조해 주신 태안군청 관계자분께 감사드립니다.

References

  1. Brasington, J., J. Langham, and R. Barbara, 2003. Methodological sensitivity of morphometric estimates of coarse fluvial sediment transport, Geomorphology, 53(3-4): 299-316. https://doi.org/10.1016/S0169-555X(02)00320-3
  2. Choi, J.H. and Y.K. Cho, 2012. Study on Erosion Cause Analysis and Implication, KCID Journal, 19(1): 3-18 (in Korean with English abstract).
  3. Jung, S.H., H.M. Lim, and J.K. Lee, 2010. Acquisition of 3D Spatial Information using UAV Photogrammetric Method, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography, 28(1): 161-167 (in Korean with English abstract).
  4. Kim, B., K. Yun, and C. Lee, 2014. The Use of Elevation Adjusted Ground Control Points for Aerial Triangulation in Coastal Areas, KSCE Journal of Civil Engineering, 18(6): 1825-1830. https://doi.org/10.1007/s12205-014-0390-9
  5. Kim, S.H., 2005. The morphological changes of Nakdong river deltaic barrier lslands after the construction of river barrage, Seoul National University, Seoul, Korea (in Korean with English abstract).
  6. Kong, H., S. Park, Y.K. Shin, and K.H. Choi, 2018. The Mitigating Effects of Seaward Dune Reinforcement Against Coastal Erosion in Dasa-ri, Chungcheong nam-do, South Korea, Journal of the Korean Geomorphological Association, 25(4): 37-47 (in Korean with English abstract). https://doi.org/10.16968/JKGA.25.4.37
  7. Lane, S.N., R.M. Westaway, and D.M. Hicks, 2003. Estimation of erosion and deposition volumes in a large, gravel-bed, braided river using synoptic remote sensing, Earth Surface Processes and Landforms, 28(3): 249-271. https://doi.org/10.1002/esp.483
  8. Li, C., S. Zhao, Q. Wang, and W. Shi, 2018. Uncertainty modeling and analysis of surface area calculation based on a regular grid digital elevation model (DEM), International Journal of Geographical Information Science, 32(9): 1837-1859. https://doi.org/10.1080/13658816.2018.1469136
  9. Lowe, D.G., 2004. Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60: 91-110. https://doi.org/10.1023/B:VISI.0000029664.99615.94
  10. Mills, J.P., S.J. Buckley, and H.L. Mitchell, 2003. Synergistic fusion of GPS and photogrammetrically generated elevation models, Photogrammetric Engineering and Remote Sensing, 69(4): 341-349. https://doi.org/10.14358/PERS.69.4.341
  11. Seo, J., 2002. Analysis of Geomorphological Changes using RS and GIS techniques in Shinduri coastal dunefield, Journal of the Korean Association of Regional Geographers, 8(1): 98-109 (in Korean with English abstract).
  12. Song, Y.S., 2021. Utilization of Drone Mapping System for Monitoring of Natural Tourism Resources: Focused on the Sinduri Coastal Dunes, Journal of Tourism and Leisure Research, 33(9): 67-82 (in Korean with English abstract). https://doi.org/10.31336/JTLR.2021.9.33.9.67
  13. Wang, Y. and H. Fang, 2020. Estimation of LAI with the LiDAR Technology: A Review, Remote Sensing, 12(20): 3457. https://doi.org/10.3390/rs12203457
  14. Wheaton, J.M., J. Brasington, S. E. Darby, and D.A. Sear, 2010. Accounting for Uncertainty in DEMs from Repeat Topographic Surveys: Improved Sediment Budgets, Earth Surface Processes and Landforms, 35(2): 136-156. https://doi.org/10.1002/esp.1886
  15. Yun, K., C.K. Lee, G. He, and B.W. Park, 2021. Monitoring of Shoreline Change at Cholipo Beach in South Korea, Journal of Coastal Research, SI(114): 469-473. https://doi.org/10.2112/JCR-SI114-095.1