DOI QR코드

DOI QR Code

Coastal Erosion Time-series Analysis of the Littoral Cell GW36 in Gangwon Using Seahawk Airborne Bathymetric LiDAR Data

씨호크 항공수심라이다 데이터를 활용한 연안침식 시계열 분석 - 강원도 표사계 GW36을 중심으로 -

  • 이재빈 (국립목포대학교 토목공학과) ;
  • 김지영 (건국대학교 소셜에코텍 연구소) ;
  • 김가현 ((주)지오스토리 국토해양정보신기술부) ;
  • 허현수 ((주)지오스토리) ;
  • 위광재 ((주)지오스토리)
  • Received : 2022.12.02
  • Accepted : 2022.12.22
  • Published : 2022.12.31

Abstract

As coastal erosion of the east coast is accelerating, the need for scientific and quantitative coastal erosion monitoring technology for a wide area increases. The traditional method for observing changes in the coast was precision monitoring based on field surveys, but it can only be applied to a small area. The airborne bathymetric Light Detection And Ranging (LiDAR) system is a technology that enables economical surveying of coastal and seabed topography in a wide area. In particular, it has the advantage of constructing topographical data for the intertidal zone, which is a major area of interest for coastal erosion monitoring. In this study, time series analysis of coastal seabed topography acquired in Aug, 2021 and Mar. 2022 on the littoral cell GW36 in Gangwon was performed using the Seahawk Airborne Bathymetric LiDAR (ABL) system. We quantitatively monitored the topographical changes by measuring the baseline length, shoreline and Digital Terrain Model (DTM) changes. Through this, the effectiveness of the ABL surveying technique was confirmed in coastal erosion monitoring.

최근 동해안의 연안 침식이 가속화되면서 광역의 지역에 대한 과학적이며 정량적인 연안침식 모니터링 기술의 필요성이 증가하고 있다. 기존의 연안의 변화를 관측하는 주요 기술은 현장 측량에 의존한 정밀모니터링이 주로 수행되었지만 소규모 지역에 대해서만 적용이 가능하였다. 항공수심라이다(Airborne Bathymetric LiDAR, ABL) 시스템은 광역의 해변 및 해저 지형에 대한 경제적인 측량이 가능한 기술이다. 특히 해수의 유동이 심하고 파랑에너지가 높아 연안침식 모니터링에서 주요 관심 대상 지역인 조간대에 대해 해저 지형자료의 구축이 가능하다는 장점을 가진다. 본 연구에서는 씨호크(Seahawk) ABL 시스템을 활용하여 2021년 8월과 2022년 3월에 표사계 GW36 연안에 대해 측량 데이터를 취득하고 연안침식에 의한 기선 길이 및 종단 변화, 해안선 변화, Digital Terrain Model 변화를 정량적으로 관측하였다. 연구결과 항공수심라이다 데이터를 연안침식 모니터링에 효과적으로 활용이 가능함을 확인할 수 있었다.

Keywords

1. 서론

우리나라는 삼면이 바다로 둘러 싸여 있으며 국토면적에 비해 긴 해안선과 연안을 가지고 있다. 해안은 국토의 경계이며 아름다운 자연경관을 제공함으로써 친수활동을 즐길 수 있는 공간을 제공해주고 있다. 하지만 최근 들어 기후변화에 의한 해수면상승, 파랑에너지의 증가 등의 자연적 영향과 인위적 개발행위로 인해 연안침식의 위험성은 더욱 심각해지고 있다(Yoon et al., 2017).

이에 해양수산부(Ministry of Oceans and Fisheries, MOF)에서는 2003년부터 국가 차원에서 연안침식 실태조사를 매년 수행하고 있으며, 연안침식지역이 확대됨에 따라 실태조사 대상 지역도 2003년에 62개소에서 2020년에 250개소로 지속적으로 확대하여 수행하고 있다(Fig. 1). 연안침식 실태조사는 전국 주요 연안에 대하여 침식 현황 파악, 연안정비사업 추진, 침식에 대한 대응 등 여러 가지 정책에 필요한 기초자료를 확보하기 위하여 수행된다. 대상지역의 특성 및 연안침식 정도에 따라 기본, 비디오, 정밀 모니터링의 단계로 나누어 수행하고 있다(MOF, 2021). Table 1에 제시된 바와 같이 기본 모니터링은 과거 자료나 탐문조사나 사진 촬영 등을 통해 침식 이력을 파악하고, 기선들의 종점에서 표층 퇴적물을 채취하여 분석한다. 또한 Network Real Time Kinematic (RTK) – Global Positioning System (GPS) 장비를 활용한 현장 측량을 통해 간이해빈 단면이나 해안선을 측정하고, 고해상도 위성영상이나 항공사진을 이용하여 해변의 변화를 탐지한다. 실태조사를 결과는 연안침식의 정도에 따라 점수로 환산되며, 총점 100점을 기준으로 90점 이상은 A등급(양호), 70–90점 미만은 B등급(보통), 50–70점 미만은 C등급(우려), 50점 미만은 D등급(심각)의 4단계로 대상지역의 침식등급을 구분하고 있다(Park et al., 2021). 실시간 모니터링이 필요한 해변의 경우 비디오 모니터링을 실시하며 해변에 설치된 Closed Circuit Television (CCTV)에서 촬영된 영상을 분석하여 파랑에 의해 변화하는 해안선 경계를 추출한다. 영상정보로부터 추출된 해빈 폭은 조석에 따라 달라지므로 대상 해역의 조석 조건을 파악한 후, 해안선 변화와 면적 변화를 분석한다.정밀 모니터링은 기본 모니터링 지역 중 사업비가 20억 이상의 연안정비사업을 진행할 계획이 수립된 지역을 대상으로 수행되며 대상 지역의 침식원인을 규명하고 실시설계에 필요한 다양한 해양자료를 제공하기 위하여 실시한다. 기본 모니터링 조사항목 이외에 정밀측량, 수심측량, 조석, 조류, 파랑 등의 해양조사, 수치모형실험 등을 추가로 수행한다.

OGCSBN_2022_v38n6_1_1527_f0001.png 이미지

Fig. 1. Coastal erosion monitoring sites (250 locations).

Table 1. Types of coastal erosion monitoring

OGCSBN_2022_v38n6_1_1527_t0001.png 이미지

현재 연안침식 실태조사는 대부분 현장 측량과 비디오 영상을 활용하여 연안침식에 의한 해변 기선의 길이 변화나 면적 등의 변화를 관측하고 있다. 하지만 연안침식 기본 모니터링을 통해서는 해저의 지형정보를 획득하기 어렵다. 또한 일부 지역에 수행되는 정밀 모니터링은 다중음향측심기(Multibeam Echosounder, MBES)를 활용한 선박측량에 의존하고 있기 때문에 선박의 운행이 가능한 수심이 확보된 소규모 지역에만 적용이 가능하고 고비용이라는 한계가 있다. 특히 파랑에너지가 가장 크며 연안침식 현상이 가장 활발이 발생하는 조간대에 대한 고정밀의 지형 모니터링이 어렵다는 단점을 지닌다. 이와 같은 한계점을 극복하고 연안침식, 해수면 상승, 재해평가 등의 분야에서 증가하는 연안측량 수요에 대응하기 위해, 해양수산부는 2014년부터 한국형 항공수심라이다(Airborne Bathymetric LiDAR,ABL) 시스템인 씨호크(Seahawk) 개발 사업을 추진하였으며 2018년 8월에 첫 비행을 성공적으로 마친 후 연안의 고정밀 지형 및 수심 측량에 활용하고 있다(Kim et al., 2019). 이에 본 연구에서는 씨호크 항공수심라이다 데이터를 이용한 연안침식 모니터링의 활용성을 평가하고자 하였다. 이를 위하여 2020년과 2021년에 취득된 씨호크 항공수심라이다 데이터로부터 해변에서 해저까지 연속적인 Digital Terrain Model (DTM)을 제작하고, 연안침식에 의한 기선의 길이 및 종단면, 해안선, DTM의 변화를 분석하였다. 전체 연구의 흐름도는 Fig. 2에 제시되어 있다.

OGCSBN_2022_v38n6_1_1527_f0002.png 이미지

Fig. 2. Flowchart of the study.

2. 관련 연구동향

기존 연안침식 실태조사에서 주로 활용되는 Global Navigation Satellite System (GNSS) 기반 지상 측량이나 비디오 모니터링(video monitoring)은 광역의 해안에서 발생하는 변화를 탐지하는데 한계점을 지닌다. 이에 광범위한 연안의 변화를 효율적으로 관측하기 위해 항공기, 위성, 드론(drone) 등의 원격탐사 플랫폼에서 촬영된 고해상도 정사영상을 활용한 연구들이 보고되었다. Kim et al. (2013)은 Landsat TM/ETM+ 영상을 이용하여 수분지수(Normalized Difference Water Index, NDWI) 영상을 생성하고, Otus’s thresholding 기법을 적용하여 해안선을 자동으로 추출하는 연구를 수행하였다. 미국 알래스카주(State of Alaska) 북쪽에 위치하는 Beaufort Sea 연안 지역에 적용한 결과, 1985년부터 2001년까지의 약 16년 동안 연간 5.3 m의 속도로 후퇴한 것으로 추정되었고, 2001년부터 2011년까지의 10년 간 해안선의 연간 후퇴율은 8.1 m, 2010년부터 2011년까지 1년 동안 대상지역의 해안선은 약 13 m 후퇴한 것으로 보고하였다. Lee et al. (2015)은 소형 무인항공기를 이용하여 바람아래 해수욕장 지역을 촬영하고, 영상정합을 통해 생성된 일곱 장의 정사영상에서 소벨 필터(sobel filter)를 적용하여 조차에 따라 변화하는 해안선을 추정하였다. 바람아래 해수욕장에 적용한 결과 실제 지형에서 나타나는 해안선 변화를 추출할 수 있었으나, 국토지리정보원의 수치지도 해안선과 비교한 결과 제방으로 둘러싸여 있는 주차장 지역이 해안선 바깥 부분에 있는 등 맞지 않는 부분을 확인하였다. Yun and Song (2017)은 경기도 방아머리 해빈 인근 지역을 대상으로 약 9년 동안의 시간적 간격이 존재하는 항공영상을 활용하여 장기간의 해안선을 관측하는 방법론을 제안하였다. GNSS 측량으로 정확한 지상기준점을 취득하고 2차원 디지털 해안선 지도를 활용하여 해안선 변화율을 산정하였다. 그 결과, 표고 2 m의 경우 최대 수평위치가 약 0.31 m 후퇴한 것을 관측하였으며 대상지역에 지속적으로 해안침식이 발생하였음을 보고하였다. Gu (2018)는 KOMSAT-3 영상에 Artificial Neural Network (ANN)을 적용하여 클러스터링을 통한 해안선 매핑 시스템(shoreline mapping system)을 개발하였다. 이를 동해안을 촬영한 2013년과 2016년 KOMSAT-3 영상에 적용한 결과, 해안선 평균이동거리가 5.98 m라는 사실을 확인하였다. Kim (2019)은 무인항공기를 이용하여 강원도 삼척시 근덕면 궁촌-초곡 일대 해빈을 주기적으로 측량하여 변화양상을 분석하였다. 각 시기 Digital Elevation Model (DEM) 간의 차분 연산 및 구역별 해빈 체적 분석 결과, 200–250 m 간격으로 침식과 퇴적이 교대로 일어나는 것으로 보고하였다. Cho et al. (2020)은 시계열 무인항공기 영상에서 제작한 Digital Surface Model (DSM)을 이용하여 격포해수욕장에 대한 침식·퇴적 변화를 모니터링하였다. 무인항공기 위치정확도 평가를 위하여 GNSS 측량성과와 비교한 결과 ±11 cm (X), ±10 cm (Y), ±15 cm (Z)의 표준편차를 얻을 수 있었으며, 모니터링을 수행한 결과, 2018년 6월부터 2019년 6월 사이에 0.02 m의 침식이 발생하였음을 보고하였다. Ahn et al. (2020)은 국토지리정보원에서 제공하는 1945년 해방 이후 항공사진을 기하보정하고, 강원도 동해안의 속초 청호해변에서 양양 오산해변까지 해안선을 벡터라이징(vectorizing)을 통해 추출하고 연속수치지형도의 해안선과 비교하였다. 항구나 방파제와 같은 인공구조물 건설 이후 하천을 통해 유입되는 토사가 인공구조물 아래쪽인 해변에 퇴적되고, 이에 따라 주변 해변에 퇴적되는 토사의 양이 감소함으로써 해안침식이 발생하는 것으로 분석하였다. Lee et al. (2021)은 Geostationary Ocean Color Satellite-II (GOCI-II) 영상과 경기만 일대 관측된 조위자료를 이용하여 조석 단계별 광역적 조간대의 면적을 파악하고, 조간대 지형지도를 제작하고 단기 조간대의 지형변화 등의 가능성을 성공적으로 파악하였다. 하지만 GOCI-II의 공간해상도가 낮아 정밀한 해안선을 추출하는데 한계가 있음을 보고하였다.

이러한 연구사례에도 불구하고 영상정보를 활용하여 연안 지역에 대해 지형정보를 구축할 경우 해수로부터 반사되는 햇빛에 의한 영상매칭(image matching)의 문제, 지상기준점 확보의 어려움, 광역의 지역에 대한 정확도 확보 등이 여전히 해결해야 될 문제로 지적된다. 이에 레이저 기술을 기반으로 한 원격탐사 기술인 항공라이다(airborne LiDAR) 시스템을 이용하여 연안의 변화를 모니터링하는 연구들이 수행되었다. Wie and Jeong (2006)은 항공라이다로부터 구축된 연안지역에 대한 점군 데이터로부터 해안선을 자동으로 추출하기 위한 알고리즘을 개발하였다. 추출된 해안선과 현장측량을 통해 얻은 20개의 기준점들을 활용하여 정확도 평가를 수행하였으며 0.75±0.48 m의 결과를 보고하고 개발된 알고리즘의 효용성을 증명하였다. 하지만 여전히 복잡한 형태의 해안선에 대해서는 알고리즘의 개선이 필요하다고 언급하였다. Lee et al. (2009)은 해운대 해수욕장에 대해서 2005년부터 2008년까지 4년에 걸쳐 RTK-GPS 측량자료와 2006년과 2009년의 항공라이다 자료를 상호 비교 분석하여 시기별 해안선 길이, 해빈 폭, 해안 면적, 경사도 분석, 그리고 조위와의 상관관계를 분석하였다. Lie et al. (2009)은 항공라이다 자료와 정사영상을 융합하여 미국 이리호(Lake Erie)에 대하여 해안절벽을 추출하는 연구를 진행하였다. 기존의 절벽 상단자료를 기준 해안선으로 하여 30 m 간격으로 기준 해안선에 수직인 횡단면을 생성한 후 LiDAR DSM에서 해안절벽의 상단과 하단을 추출하고, 이를 정사영상에서 생성된 에지(edge)를 이용하여 보완하였다. 항공라이다 자료와 정사 영상의 장점을 융합하여 해안절벽을 추출하는 프로세스를 제안하였으며, 하나의 자료에서 생성된 정보보다 실세계를 더 잘 묘사함을 확인하였다. Choung et al. (2013)도 미국 이리호의 해안지역에 위치한 절벽해안선을 항공라이다 자료를 이용하여 해안선 추출 알고리즘을 개발하고, 영상에서 추출된 해안선과 비교하였다. 항공라이다 기반 해안선의 수평 및 수직 정확도는 각각 1.16 m (위)/1.35 m (아래) 및 0.30 m (위)/0.29 m (아래)였고, 영상 기반 해안선의 수평 및 수직 정확도는 각각 1.49 m (위)/1.51 m (아래) 및 0.24 m (위)/0.18 m (아래)였다. 또한 다양한 유형의 해안지역에서 정확도를 분석할 결과, 경사가 가파른 절벽 해안지역에서는 항공라이다에서 추출된 해안선의 정확도가 상대적으로 높았고, 경사가 완만한 언덕 해안지역에서는 영상에서 추출된 해안선의 정확도가 더 높게 나타났다. Yun (2014)는 항공라이다 및 Korean Multi-Purpose Satellite-2 (KOMPSAT-2) 위성영상을 이용하여 태안반도 서북 해안의 해안선을 추출하고, 수치 해안선 분석 시스템을 통해 해안선 변화량을 산정하였다. 산정된 변화량을 통계적으로 분석하고 장기간의 해안선 변화 경향을 보고하였다. Choung (2015)은 항공라이다 자료 및 KOMPSAT-2 영상을 이용하여 울진지역의 해안선을 매핑 연구를 진행하였다. 항공라이다 자료를 이용하여 DSM을 생성하고 KOMPSAT-2 영상을 이용하여 NDWI 영상을 생성한 뒤, 영상분류 방법을 적용하여 NDWI 영상으로부터 물과 육지 클러스터를 분할하고 이들의 경계선을 추출하여, 2차원 해안선으로 정의하였다. 마지막으로 DSM으로부터 획득한 고도정보를 2차원 해안선에 입력하여 3차원 해안선을 구축하였다. 구축된 3차원 해안선은 0.90 m의 수평정확도 및 0.10 m의 수직정확도를 가지고 있었으며, 육지와 물 클러스터(cluster)가 선명하게 분류되지 않은 지역에서는 상대적으로 낮은 정확도를 보였다.

항공라이다 자료는 해안선 추출을 위한 기본 자료로 활용되고 있지만 근적외선 레이저를 활용하므로 해저 지형정보의 구축이 불가능하기 때문에 연안에서 육상과 해저를 연속적으로 관측하는 데 한계점을 가진다. 따라서 최근 항공수심라이다 시스템을 활용하여 대규모 해안 지역에 대한 지형변화를 관측하는 연구들이 수행되고 있다. 항공수심라이다 시스템은 그린레이저(512 nm)를 사용하여 해수면과 해저를 동시에 측량하는 시스템으로 물과 육지가 공존하는 광역의 연안 지역에 대한 측량을 효율적으로 수행할 수 있다. 이러한 장점에 따라 국내에서도 연안의 변화 모니터링에 항공수심라이다 자료의 활용이 증가하고 있다. Lee et al. (2019)은 조간대에서 항공수심라이다 자료와 MBES 자료 간의 통합 시 발생하는 상대 오차를 검증하고 통합된 자료의 활용 가능성을 분석하였다. 특히 자료 취득 시의 환경적 요인과 수직기준면 변환과정으로부터 발생하는 오차의 영향을 최소화하기 위해 타원체고 기반으로 MBES 자료를 취득하여 정확도 평가를 수행하였다. 정확도 평가 결과 Root Mean Square Error (RMSE) 값이 ±0.136 m로 International Hydrographic Organization (IHO)에서 규정한 특등급 수심별 허용 오차범위를 만족하였고, 항공수심라이다 데이터를 활용하여 조간대 지역에 대해 연속성 있는 고해상도 지형정보의 구축이 가능함을 보고하였다. Lee et al. (2020)은 RIEGL VQ880G 항공수심라이다 센서로 취득된 미국 플로리다(State of Florida) 연안 데이터로부터 해저 점군들을 추출하기 위해 Cloth Simulation Filtering (CSF) 알고리즘을 적용하고 활용 가능성을 분석하는 연구를 발표하였다. 하지만 해안선 근처 및 하천 지역과 같은 저수심 영역에 개발된 알고리즘을 적용하기 위해서는 추가적인 방법론의 개선이 필요함을 보고하였다. 저수심 영역에서 취득된 항공수심라이다 자료의 하천 수면과 하상 점군을 분리하기 위한 연구로 Lee et al. (2021)은 지면필터링(ground filtering) 기법인 Adaptive Triangular Irregular Network (ATIN) 알고리즘을 적용하였다. 이를 위해 충청남도 곡교천 일대에서 Leica Chiroptera 4X 센서로부터 취득된 데이터를 이용하여 실험을 수행하였다. 연구결과 수면과 하상에 대한 분류 정확도는 88.8%, Kappa 계수는 0.825를 얻을 수 있었으며, 항공수심라이다 자료를 하천측량에 효과적으로 활용할 수 있음을 확인하였다. 또한 Kim et al. (2021)은 항공수심라이다 원시 자료로부터의 유효점군 추출 성능을 향상시키기 위해 웨이브폼(waveform)의 분해 시 잠재적인 피크 후보들을 추정하여 추가함으로써, 분해 모델의 근사 정확도를 향상시켰다. 국내 개발된 씨호크 센서로부터 동해안 일대에서 취득된 데이터를 이용한 실험 결과, 기존 가우시안(gaussian) 분해 방법 대비 제안한 방법의 모델 근사 적합도(RMSE 기준)가 약 37% 향상된 결과를 보고하였다.

항공수심라이다를 이용한 여러 연구 사례에도 불구하고 국내 항공수심라이다 시스템관련 연구는 신호처리, 점군분류, 정확도 검증 등과 같은 원천기술 개발에 관해 주로 수행되었으며 항공수심라이다 자료를 이용한 연안 침식 모니터링에 관한 연구는 아직까지 보고되지 않고 있다. 이에 본 연구에서는 씨호크에서 취득된 항공수심라이다 자료를 이용하여 연안침식 기본 모니터링을 수행하고 활용 가능성을 평가하였다.

3. 실험 및 평가

1) 연구 대상지역

본 연구는 강원도 삼척항~덕산항 구간(표사계 GW36)에 대해 수행하였다. 표사계 GW36은 한재밑해변, 상맹방해변, 하맹방해변, 맹방해변, 덕산해변으로 구성되어 있으며 6.37 km의 연장을 가진다(Fig. 3). 계절별 해수면의 변동이 심하며 일반적으로 겨울과 봄에 비해 여름과 가을에 해수면의 높이가 높게 관측된다. 연구 대상지역은 강원도의 대표적인 해수욕장 관광지로서 매년 수십만의 관광객이 방문하고 있으나 최근 해수면상승, 태풍내습, 파랑에너지 증가로 인한 연안침식의 영향으로 지속적으로 해변이 손실되고 있다. 이에 따라 삼척시는 2019년부터 연안정비사업을 통해 잠제, 돌제, 이안제, 방사제 등의 인공구조물을 설치하고 대규모 양빈을 실시하는 등 해변을 복원하기 위해 노력하고 있다. Table 2는 2010년부터 2021년까지 연구 대상지역의 연안침식 등급표를 보여준다(GESH, 2021). 해당 표사계는 다양한 외부적 요인에 의해 지속적으로 연안침식과 복원이 반복되어 지형의 변화가 크게 발생하는 지역임을 확인할 수 있다. 2021년 기준 연구대상 지역 해변은 주로 C등급(우려)과 D등급(심각)으로 평가되었다.

OGCSBN_2022_v38n6_1_1527_f0003.png 이미지

Fig. 3. Study area.

Table 2. Coastal erosion grade records of beaches in littoral cell GW36

OGCSBN_2022_v38n6_1_1527_t0002.png 이미지

2) 실험결과 및 분석

항공수심라이다 자료는 2021년 8월 28일과 2022년 3월 27일에 씨호크 센서를 사용하여 취득하였다(Table 3). 항공수심라이다의 웨이브폼은 해수면, 해저, 수중에서 반환되는 반사파들의 중첩으로 나타나며 수집된 레이저 펄스(laser plus)의 웨이브폼 자료를 해석하여 3차원 점군 데이터를 생성한다. 본 연구에서는 씨호크 레이저 반사파의 웨이브폼을 해석하여 해수면 및 해저에 대한 점군의 3차원 위치를 결정하고 American Society for Photogrammetry and Remote Sensing (ASPRS) LAS 파일 형식에 따른 3차원 위치 좌표와 초기 분류 정보를 갖는 자료를 획득하였다(Fig. 4).

Table 3. Specification of Seahawk ABL sensor

OGCSBN_2022_v38n6_1_1527_t0003.png 이미지

OGCSBN_2022_v38n6_1_1527_f0004.png 이미지

Fig. 4. ABL data processing (Kim et al., 2021b).

취득된 항공수심라이다 자료의 정확도 평가는 GNSS 측량을 통해 취득된 GCP 70개를 활용하여 수행하였다 (Table 4). 씨호크 자료의 웨이브폼으로부터 추출된 초기 점군 데이터는 해수면, 해저, 수중, 노이즈 등의 모든 정보를 포함하며 낮은 분류정확도를 가진다.

Table 4. ABL data description

OGCSBN_2022_v38n6_1_1527_t0004.png 이미지

따라서 본 연구에서 목적으로 하는 해안침식 변화 모니터링에 사용되는 해변과 해저에 대한 DTM을 제작하기 위해서는 추가 분류가 필요하다. 이를 위해 해양 영역에 대해서는 Terrascan (ver. 021.001) 소프트웨어를 활용하여 수동으로 해저 점군에 대한 분류작업을 수행하였으며 해변 영역에 대해서는 연안침식 기본 모니터링에서 활용되는 해변 기선들의 기점 정보를 활용하여 해변에 대한 마스킹(masking) 작업을 수행하고 식생과 인공구조물들로부터 취득된 점들을 제거하였다. 마지막으로 분류된 항공수심라이다 점군 자료를 이용하여 해변과 해저에 대해 연속적인 DTM을 제작하고 연안침식 모니터링에 활용하였다. 이때 DTM 제작 및 연안침식 현상의 분석을 위해 Global Mapper (ver. 21.1)와 CloudCompare (ver. 2.11.3) 상용소프트웨어를 활용하였다.

그 결과 2021년 및 2022년 씨호크 자료에 대해 0.41 pts/m2, 0.49 pts/m2의 점밀도를 가지는 데이터를 최종적으로 획득할 수 있었으며 이를 이용하여 1.0 m 공간 해상도를 가진 DTM을 각각 생성하였다. Fig. 5는 대상지역에 대해 생성된 DTM을 보여주며 대상지역의 경우 탁도의 영향이 크지 않아 기준 수준면 (Datum Level, DL) 기준 약 –25.0 m~10.0 m의 높이 값의 분포를 보이는 데이터의 획득이 가능하였다.

OGCSBN_2022_v38n6_1_1527_f0005.png 이미지

Fig. 5. DTMs generated from Seahawk ABL data: (a) 2021.08. and (b) 2022.03.

대상지역은 MOF에서 매년 연안침식 기본 모니터링을 사전에 설정된 기선을 중심으로 수행하고 있다(GESH, 2021). 기선은 연안침식 모니터링을 위해 해변에 설치된 기준정보로써 기준점과 방위각으로 결정된다. 기선을 따라 해안의 길이를 현장 측량하여 해변의 길이를 관측하고 기선에 대한 종단분석을 수행함으로써 연안침식에 의한 해변의 변화를 관찰한다. 현재 표사계 GW36에는 17개의 기선이 설정되어 있다(Fig. 6).

OGCSBN_2022_v38n6_1_1527_f0006.png 이미지

Fig. 6. Baselines in littoral cell GW36.

연안침식 기본 모니터링에서 기선길이는 현장 관측 시점의 해수면 높이를 기준으로 기록된다. 해수면 높이는 관측되는 시점에 따라 시시각각 변화하므로 본 연구에서는 연구 대상지역 인근의 동해항 조위관측소 평균 해수면 고시 값을 활용하여 0.384 m (2021년 8월)와 0.158 m (2022년 3월)를 각각 DTM에 적용하여 기선길이를 관측하였다(KHOA, 2022). 그 결과 Table 5와 같이 표사계 GW36에 설정된 기선길이의 관측값을 보였으며, 이때 1번 기선의 경우 인공구조물의 설치에 따라 기선길이의 측정은 이루어지지 않았다.

Table 5. Baseline length measurements (unit: m)

OGCSBN_2022_v38n6_1_1527_t0005.png 이미지

기선길이 관측결과 2021년 기선길이는 30.41 m~61.90 m, 2022년 28.60 m~70.82 m의 분포를 보이며 평균 기선 길이는 2021년 47.26 m에서 2022년 50.18 m로 증가하였다. 또한 각 기선별 차이 값의 분포는 –13.44 m~24.38 m까지 분포함을 확인할 수 있다. 이는 강원도 연안침식 실태조사에서 수행한 현장측위 결과인 기선길이 평균값 47.66 m (2021년 4월 관측자료), 51.56 m (2021년 11월 관측자료)와 유사함을 확인할 수 있다. 해안선의 높이는 측량 시기에 따라 변화하므로 연안침식 실태조사 보고서의 현장관측을 통해 측량한 기선길이와 본 연구에서 적용한 평균수심을 활용한 기선길이 결과는 적용 해수면 높이가 상이하여 직접적인 비교평가를 수행하기는 어렵지만 연구 대상지역에 나타나고 있는 해변의 변화 양상을 비슷하게 설명하고 있음을 확인할 수 있다. 또한 해당 해변의 경우 지속적인 양빈, 해변보호 시설물의 설치에 따라 해변의 기선 길이가 증가하는 반면 동해안 이안류에 의한 지속적인 연안침식에 의해 일부 구간의 경우 해변의 길이가 감소하여 기선의 위치별로 서로 다른 다양한 변화 양상을 보이고 있음을 확인할 수 있다.

기선별 변화의 양상을 자세히 살펴보기 위해 기점의 위치정보와 방위각을 사용하여 기선에 대한 종단면도를 취득하고 종단의 변화에 대한 시계열 분석을 실시하였다. 연구대상지역의 최대 기선길이가 70 m 이하임을 고려하여 최대 80 m까지 종단면도를 추출하였으며, 본 연구에서는 항공수심라이다로부터 구축된 DTM으로부터 종단면도를 추출하였기 때문에 해변에서 해저까지 기선 종단면의 변화를 연속적으로 관찰할 수 있었다. Fig. 7–9은 기선 종단면도의 예를 보여주며 기존 연안침식 기본조사에서 확인하기 어려웠던 조간대 구간(–1 m < Z < 1 m, DL 기준)에서 발생하는 침식과 퇴적 현상을 관측할 수 있다. 특히, Fig. 8과 Fig. 9의 경우 조간대 구간에서 연안침식에 의해 2022년 지형의 고도가 2021년에 비해 낮아지는 현상, 즉 해안절벽 양상을 관측할 수 있었다.

OGCSBN_2022_v38n6_1_1527_f0007.png 이미지

Fig. 7. Comparison of transect of baseline No. 6 (Red: 2022, Blue: 2021).

OGCSBN_2022_v38n6_1_1527_f0008.png 이미지

Fig. 8. Comparison of transect of baseline No. 13 (Red: 2022, Blue: 2021).

OGCSBN_2022_v38n6_1_1527_f0009.png 이미지

Fig. 9. Comparison of transect of baseline No. 15 (Red: 2022, Blue: 2021).

2022년 3월과 2021년 8월 자료로부터 작성된 DTM을 서로 차분하여 시간 경과에 따른 해안 지역의 지형 변화를 관찰하였다. 표사계 GW36의 경우 전체 면적 5,465,600에 대해 –0.31±0.76 m의 변화량이 관찰되었으며 차분된 DTM을 이용하여 해안 지형변화의 공간적 분포와 변화량을 정량적으로 관찰할 수 있다. Fig. 10에서 빨간색과 파란색은 두 DTM의 차분값의 평균값을 기준으로 ±2 (–1.83 m ≤ ΔZ ≤ 1.21 m) 이상 변화한 위치를 보여준다. 기존의 연안침식 실태조사에서는 확인하기 어려웠던 광역의 해안에 대한 3차원 지형의 공간적이 변화 양상을 확인할 수 있다. 조간대 영역에서 지형의 변화가 큰 것을 관측할 수 있으며 동해안 해안에서 많이 관측되는 이안류 현상에 의한 지형의 변화가 관측됨을 추정할 수 있으나(Kim, 2019), 이안류 현상과 해안의 변화에 대한 보다 과학적인 상관성의 증명을 위해서는 수치 모의 실험을 통한 정확한 검증이 요구된다.

OGCSBN_2022_v38n6_1_1527_f0010.png 이미지

Fig. 10. Differences in DTMs (2022.08. vs 2021.03.).

4. 결론

본 연구는 서로 다른 시기에 수집된 씨호크 항공수심라이다 자료로부터 DTM을 제작하고 연안침식 기본조사에 이용되는 기선정보를 바탕으로 표사계 GW36의 시계열 변화를 관측하였다. 연구결과 촬영 시기별 평균 해수면 정보를 활용하여 해안선을 추출하고 기선길이의 관측이 가능하였다. 특히 해변에서 해저까지 연속적인 지형에 대한 종단분석을 통해 파랑에너지가 높은 조간대에서의 지형 변화를 효과적으로 관측할 수 있었다. 또한 서로 다른 시기에 구축된 DTM 간의 차분을 통해 연안침식에 의해 발생하는 표사계 GW36의 지형적 변화를 정량적으로 확인하고 공간적인 형태를 확인할 수 있었다. 마지막으로 씨호크 항공수심라이다 자료를 광역의 연안침식 모니터링에 효과적으로 활용이 가능하다는 것을 확인할 수 있었다. 향후 씨호크 센서를 활용하여 동해안 전 연안에 대해 고정밀의 연안 공간정보를 취득하고, 연안침식에 대한 체계적인 모니터링이 수행될 것으로 기대된다. 향후 항공수심라이다 자료를 이용하여 해변의 파랑에너지, 조수간만의 차, 이안류 등과 같은 연안침식의 요인에 의한 지형 변화를 수치적으로 분석하기 위한 연구가 필요하다. 또한 항공수심라이다(ABL)로부터 DTM을 추출하는 과정을 자동화하고 정확도를 개선하기 위해 점군 분류에 관한 다양한 기술개발이 필요하다고 판단된다.

사사

이 논문은 2022년도 해양수산부 재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구(No. 20200623, 안전한 항만 구축 및 관리기술개발사업)이며, 2022년도 교육부의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2021R1I1A3059263).

References

  1. Ahn, S.H., H. Choi, and G.H. Kim, 2020. Analysis of Gangwon-do coastline changes using aerial photograph immediately after the liberation, Journal of The Korean Society of Industry Convergence, 23(5): 717-726 (in Korean with English abstract). https://doi.org/10.21289/KSIC.2020.23.5.717
  2. Cho, G.S., J.H. Hyun, and G.S. Lee, 2020. Erosion and sedimentation monitoring of coastal region using time series UAV image, Journal of the Korean Association of Geographic Information Studies, 23(2): 95-105 (in Korean with English abstract). https://doi.org/10.11108/kagis.2020.23.2.095
  3. Choung, Y.J., 2015. Mapping 3D shorelines using KOMPSAT-2 imagery and airborne LiDAR data, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 33(1): 23-30 (in Korean with English abstract). https://doi.org/10.1080/01490419.2013.813878
  4. Choung, Y., R. Li, and M. Jo, 2013. Development of a vector-based method for coastal bluffline mapping using LiDAR data and a comparison study in the Area of Lake Erie, Marine Geodesy, 36(3): 285-302. https://doi.org/10.1080/01490419.2013.813878
  5. GESH (Gangwon-do East Sea Headquarters), 2021. Final Report of Coastal Erosion Survey Service in 2021, Gangwon-do East Sea Headquarters, Gangwon-do, Korea.
  6. Gu, B.Y., 2018. A Study on the Development of Coastline Extraction and Monitoring System Using KOMPSAT-3 Imagery Based on Machine Learning, Korea Maritime University, Busan, Korea.
  7. Kim, C.S. and S.J. Kim, 2020. Application example of river water depth field survey using airborne bathymetric LiDAR and multi-beam echo sounder, Water for Future, 53(12): 58-63 (in Korean with English abstract). https://doi.org/10.7848/ksgpc.2021.39.4.235
  8. Kim, J., H. Heo, G. Wei, and D. Lee, 2021a. Utilization analysis for 3D river-bed data observation using airborne bathymetry LiDAR, Journal of Korean Society for Geospatial Information Science, 29(4): 139-146 (in Korean with English abstract). https://doi.org/10.7319/kogsis.2021.29.4.139
  9. Kim, H., J. Lee, Y. Kim, and G. Wie, 2021b. Waveform decomposition of airborne bathymetric LiDAR by estimating potential peaks, Korean Journal of Remote Sensing, 37(6-1): 1709-1718 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.6.1.18
  10. Kim, H., G.H. Tuell, J.Y. Park, E. Brown, and G. Wie, 2019. Overview of SEAHAWK: a bathymetric LiDAR airborne mapping system for localization in Korea, Journal of Coastal Research, 91(sp1): 376-380. https://doi.org/10.2112/SI91-076.1
  11. Kim, M.K., H.G. Son, S.P. Kim, and H.S. Jang, 2013. Automatic coastline extraction and change detection monitoring using LANDSAT imagery, Journal of the Korean Society for Geospatial Information System, 21(4): 45-53 (in Korean with English abstract). https://doi.org/10.7319/kogsis.2013.21.4.045
  12. Kim, Y.J., 2019. Analysis of Shoreline Changes in Gungchon-Chogok Area, Samcheok-si, Gangwondo using Unmanned Aerial System, Kyung Hee University, Seoul, Korea.
  13. KHOA (Korea Hydrographic and Oceanographic Agency), 2022. Ocean Data in Grid Framework, Korea Hydrographic and Oceanographic Agency, Sejong, Korea.
  14. Lee, K.S., J.M. Choi, and C.H. Joh, 2015. Method to extract coastline changes using unmanned aerial vehicle, Journal of the Korean Geographical Society, 50(5): 473-483 (in Korean with English abstract).
  15. Lee, J., H. Kim, J. Kim, and G. Wie, 2021. Water depth and riverbed surveying using airborne bathymetric LiDAR system - a case study at the Gokgyo River, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 39(4): 235-243 (in Korean with English abstract). https://doi.org/10.7848/ksgpc.2021.39.4.235
  16. Lee, J., H. Kim, H. Hur, and G. Wie, 2019. Integration of airborne bathymetric LiDAR and multi-beam echo-sounder data for construction of high resolution terrain data in Intertidal Zone, Journal of Korean Society for Geospatial Information Science, 27(2): 23-30 (in Korean with English abstract). https://doi.org/10.7319/kogsis.2019.27.2.023
  17. Lee, J., K. Kim, and J.-H. Rye, 2021. A study on the possibility of short-term monitoring of coastal topography changes using GOCI-II, Korean Journal of Remote Sensing, 37(5-2): 1329-1340 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.5.2.10
  18. Lee, J.B., J.H. Jung, and H.J. Kim, 2020. Segmentation of seabed points from airborne bathymetric LiDAR point clouds using cloth simulation filtering algorithm, Journal of the Korean Society for Geospatial Information System, 38(1): 1-9 (in Korean with English abstract). https://doi.org/10.7848/ksgpc.2020.38.1.1
  19. Lee, J.O., Y.S. Kim, and I.S. Lee, 2009. Time series coastline change analysis of Haeundae Beach, Journal of the Korean Society of Civil Engineers, 29(5D): 655-662 (in Korean with English abstract).
  20. Liu, J.-K., R. Li, S. Deshpande, X. Niu, and T.-Y. Shih, 2009. Estimation of blufflines using topographic lidar data and orthoimages, Photogrammetric Engineering & Remote Sensing, 75(1): 69-79.
  21. MOF (Ministry of Oceans and Fisheries), 2021. Coastal Erosion Survey White Paper (comprehensive version), Ministry of Oceans and Fisheries, Sejong, Korea.
  22. Park, S.J., H.J. Seo, S.M. Park, I.J. Ahn, and G.S. Seo, 2021. The analysis of coastal erosion and erosion impact assessment in the East Coast, Journal of Korean Society of Coastal and Ocean Engineers, 33(6): 246-256 (in Korean with English abstract). https://doi.org/10.9765/KSCOE.2021.33.6.246
  23. Wie, G.J. and J.W. Jeong, 2006. Development of shoreline extracting algorithm using airborne Lidar data, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 24(2): 209-215 (in Korean with English abstract).
  24. Yun, K.H. and Y.S. Song, 2017. Observation on the shoreline changes using digital aerial imagery for Bangamoeri Beaches, Korean Journal of Remote Sensing, 33(6-1): 971-980 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.6.1.6
  25. Yun, M.H., 2014. A Study on Coastline Change Using Aerial LiDAR and Satellite Images - Northwest Coast of the Taean Peninsula -, Pukyoung National University, Busan, Korea.
  26. Yun, S.S., J.H. Jeong, S.M. Choi, and H.M. Park, 2017. A Study on Improvement Plans for Coastal Erosion Response Policy, Korea Maritime Institute, Busan, Korea.