• 대한원격탐사학회지
• /
• 제38권2호
• /
• pp.139-151
• /
• 2022

오일샌드 채굴에 널리 이용되고 있는 증기 주입식 중력 배수(Steam-Assisted Gravity Drainage, SAGD) 공법은 지표의 변형을 야기하며, 이는 오일샌드 플랜트의 안정성에 영향을 미칠 뿐만 아니라 다양한 지질 재해의 원인이 되므로 지속적인 모니터링이 필요하다. 이 연구에서는 캐나다 앨버타의 Athabasca 오일샌드 지역에 대해 2016년부터 2021년까지 획득된 Sentinel-1 시계열 영상레이더(synthetic aperture radar, SAR) 자료에 고정산란체 간섭기법(Permanent Scatterer Interferometric SAR, PSInSAR)을 적용하여 SAGD 운용에 의한 지표변위를 관측하였다. 그리고 SAGD의 건설 및 확장을 Landsat-7/8 시계열 영상으로부터 파악하고, 이를 통해 SAGD의 원유 생산성에 따른 지표변위의 특성을 분석하였다. Athabasca 오일샌드 지역의 SAGD 및 그 주변에서는 레이더 관측방향으로 0.3-2.5 cm/yr의 지반융기가 관측된 반면, SAGD에서 수 km 이상 떨어져 있고 오일샌드 채굴의 영향이 없는 지역에서는 -0.3--0.6 cm/yr의 침하가 관측되었다. Landsat-7/8 시계열 영상 분석을 통해 2012년 이후에 건설되어 높은 생산성을 보이는 SAGD는 증기의 주입으로 인해 1.6 cm/yr 이상의 지반융기를 야기하는 반면에 더 오랜 기간 동안 운용되어 생산성이 상대적으로 낮은 SAGD에서는 증기 주입에도 불구하고 지속적인 원유 회수에 따른 사암의 압축 때문에 연간 수 mm의 매우 작은 융기가 발생함을 추정할 수 있었다. SAGD 및 그 주변을 제외한 대부분의 지역에서 관측된 침하는 동토층의 융해에 의한 점진적 지반침하로 추정되었다. 동토층의 침하를 고려할 때 SAGD 운용에 기인하는 지반의 융기는 관측된 것보다 더 클 것이라고 예상되었다. 이 연구의 결과를 통해 PSInSAR 기법이 극한지 오일샌드 SAGD의 생산성과 안정성 평가에 유용한 수단으로 활용될 수 있음을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.