Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Spatial Analysis of Carbon Storage in Satellite Radar Imagery Utilizing Sentinel-1: A Case Study of the Ungok Wetlands

위성 레이더 영상 중 Sentinel-1을 활용한 탄소 흡수원 공간분석 - 운곡습지를 대상으로 -

  • Ha-Eun Yu (Division for Environmental Planning, Water and Land Research Group, Korea Environment Institute) ;
  • Young-Il Cho (Division for Environmental Planning, Water and Land Research Group, Korea Environment Institute) ;
  • Shin-Woo Lee (Department of Geology Sciences, Chungnam National University) ;
  • Moung-Jin Lee (Division for Environmental Planning, Water and Land Research Group, Korea Environment Institute)
  • 유하은 (한국환경연구원 물국토연구본부 환경계획연구실) ;
  • 조영일 (한국환경연구원 물국토연구본부 환경계획연구실) ;
  • 이신우 (충남대학교 지질환경과학과) ;
  • 이명진 (한국환경연구원 물국토연구본부 환경계획연구실)
  • Received : 2023.11.01
  • Accepted : 2023.11.24
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Within the framework of the post-2020 climate regime, the Paris Agreement's emphasis on Nationally Determined Contributions and Biennial Transparency Reporting is paramount in addressing its long-term temperature goal. A salient issue is the treatment of wetland ecosystems within the context of Land Use, Land-Use Change, and Forestry, as defined by the Intergovernmental Panel on Climate Change. In the 2019 National Inventory Report, wetlands were recategorized as emission sources due to their designation as inundated areas. This study employs C-band radar imagery to discriminate between inundated and non-inundated regions of wetlands, enabling the quantification of their spatial dynamics. The research capitalizes on 24-period Sentinel-1 satellite data to cover both the inundation and desiccation phases while centering its attention on Ungok Wetland, a Ramsar-designated inland wetland conservation area in Korea. The inundated area is quantitatively assessed through the integration of multi-temporal Sentinel-1 Single-Look Complex (SLC) data, aerial orthophotography, and inland wetland spatial information. Furthermore, the study scrutinizes fluctuations in the maximum and minimum inundated areas, with substantial changes corroborated via drone aerial reconnaissance. The outcomes of this investigation hold the potential to make substantive contributions to the refinement of national greenhouse gas absorption and emission factors, thereby informing the development of comprehensive greenhouse gas inventories. These efforts align directly with the overarching objectives of the Paris Agreement.

2020년부터 시작된 신기후체제와 관련하여 파리협정 장기온도 목표를 위해 국가결정기여와 격년투명 보고서 제출이 요구된다. 기후변화에 관한 정부간 협의체에서 정의하는 토지이용·토지이용변화 및 임업에서 습지생태계는 탄소흡수원이나 국내 온실가스 인벤토리(Inventory) 산정에서 침수지로 지목 통계하여 배출원으로 보고되었다. 본 연구는 C-band 레이더 영상을 활용한 내륙 습지 토지이용 유형 세분화 및 변화량 산정을 진행하여 온실가스 인벤토리 산정 고도화에 기여하고자 한다. 연구지역은 국내 내륙습지 보전지역과 람사르(Ramsar) 습지로 지정된 운곡 습지이다. 활용 자료는 풍수기와 갈수기를 포함하는 24시기 Sentinel-1 위성 영상, 항공정사영상, 내륙습지 공간정보, 드론 촬영 영상이다. 이를 활용하여 침수지역과 비침수지역 구분, 침수지의 시계열적 공간 변화 정량화, 침수 지역의 최대·최소 면적을 차분한 변화 면적을 확인하였다. 변화 면적이 크게 산정된 지역을 대상으로 풍수기와 갈수기 두 시기 드론 촬영을 실시하였다. 습지의 침수지역 면적산출 및 시계열적 정량화는 국가 온실가스 인벤토리 고도화의 기초자료로 활용이 가능하다.

Keywords

1. 서론

1.1. 연구 배경: 국제 기후위기 대응 전략과 습지의 중요성

범지구적 기후위기에 따른 온실가스 배출을 규제하기 위해 1992년 6월 UN기후변화협약(United Nations Framework Convention on Climate Change, UNFCCC)이 채택되었다. 그리고 2015년 12월, 신 기후체제인 파리협정(Paris Agreement)과 그 이행규칙(Paris Rulebook)이 채택되었고 ‘2°C/1.5℃’를 전 지구적 장기온도목표로 설정하였다. 장기온도목표는 지구 평균온도를 산업화 이전 대비 2℃보다 낮은 수준으로 유지하고, 1.5°C 상승 억제 노력을 추구한다. 기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change, IPCC)는 2018년 지구온난화 1.5도 특별 보고서에서 파리협정 장기온도목표 달성을 위해 온실가스 배출량에 흡수량을 반영한 순배출량 Net-zero 달성을 제언하였다.

파리협정과 그 이행규칙은 각 국의 국가결정기여 (Nationally Determined Contributions, NDC) 5년 주기 제출과 격년투명성보고서(Biennial Transparency Report, BTR)의 2년 주기 제출을 규정한다. BTR의 구성 내용 중국가 온실가스 인벤토리(Inventory) 보고서는 온실가스 배출원과 흡수원을 규명하고 배출량과 흡수량을 산정한다. IPCC 지침과 Good practice guidance 2000에서 정의하는 온실가스 인벤토리 5개 대분류는 에너지, 산업공정, 농업, 토지이용·토지이용 변화 및 임업(Land Use, Land-Use Change, and Forestry, LULUCF), 폐기물이다. 이중 LULUCF는 유일하게 온실가스를 흡수 및 저장하는 분야로 2006 IPCC 가이드라인(Eggleston et al., 2006)에서 정의한 6가지 토지이용범주는 산림지, 농경지, 초지, 습지, 정주지, 기타 토지이다.

국제 사회에서 기후위기 대응 및 탄소중립 이행을 위해 효과적이고 지속가능한 자연기반 해법(NatureBased Solution, NBS)이 대두된다. 세계자연보전연맹(International Union for Conservation of Nature, IUCN)은 NBS의 대상 유형 중 습지의 보호 및 복원을 제시하였다(International Union for Conservation of Nature, 2020). 이와 관련하여 제4차 람사르전략계획(Ramsar Convention Secretariat, 2016)에서 습지의 기능 및 가치를 고려한 보전과 복원, 이용 활성화가 강조되었다. 본 연구는 국내 습지보전지역 및 람사르(Ramsar) 습지로 선정된 운곡습지를 대상으로 시계열적 공간분석을 진행하였다.

1.2. 연구 목적: 국내 습지 온실가스 인벤토리 구축 고도화 방안 제시

국내 기후위기 대응을 위한 탄소중립·녹색성장 기본법은 온실가스 감축 및 기후위기 적응대책 강화, 탄소중립 사회로의 이행 과정에 대한 법이다. 동법제33조 1항에 탄소흡수원으로 산림지, 농경지, 초지, 습지, 정주지가 기술되어 있다. 국내 탄소흡수원 중 습지는 습지보전법 제2조에 의거하여 자연적이든 인공적이든 관계없이 담수·기수 또는 염수가 영구적 또는 일시적으로 그 표면을 덮고 있는 지역으로서 내륙습지와 연안습지, 인공습지를 말한다. 우리나라 내륙습지의 경우 2020년 기준 1,153.6 km2, 연안습지의 경우 2018년 기준 총 2,482km2 면적으로 국토 면적의 약 1%에 해당한다(Ministry of Environment and Ministry of Oceans and Fisheries, 2022).

Ministry of Environment and Ministry of Oceans and Fisheries (2022)는 습지보전법 제5조에 근거한 제4차 습지보전기본계획(2023~2027)을 수립하며 기후위기에 대응하는 지속가능한 습지생태계 조성을 목표한다. 습지는 IPCC 가이드라인(Eggleston et al., 2006)과 국내 탄소중립·녹색성장 기본법에서 탄소흡수원으로 정의된다. 그러나 국내 온실가스 인벤토리에서 침수지만을 지목통계 산정하여 습지를 탄소 배출원으로 보고하였기 때문에(’19년 기준 배출량 0.3백만톤 CO2eq) 내륙습지 온실가스 산정 정확도를 위한 국가고유 배출계수 개발 및 활동자료 구축이 필요하다(Ministry of Environment and Ministry of Oceans and Fisheries, 2022).

LULUCF 부문 온실가스 인벤토리 분석은 활동자료인 토지피복도와 온실가스 배출·흡수 계수를 통해 산정한다. 활동자료인 토지이용변화 면적 산출에 있어 토지이용 변화파악 산출 수준(Approach)은 2006 IPCC 가이드라인에 따라 3단계로 구분된다(Eggleston et al., 2006). IPCC 가이드라인에 따른 토지이용 형태별 토지 면적의 총합계 활용(Approach 1), 자국의 현황을 반영한 토지이용 형태 하위 범주인 토지이용 변화 행렬 도출과 토지이용 형태 전환에 따른 면적 변화 파악(Approach 2), 공간 분석을 통한 토지이용변화 행렬 및 이력 산출을 근거한 연속적인 면적 변화 파악(Approach 3)이다. 온실가스 배출량 산정방법은 활용데이터와 분류기준에 따라서 Tier 1, Tier 2, Tier 3으로 구분되며, 산정방법이 고도화될수록 산정된 배출량의 정확도와 신뢰도가 향상되어 세계 각국은 Tier 3을 지향한다.

2022년 국가 온실가스 인벤토리 보고서에 따르면 내륙습지는 국토교통부 지적통계 기준으로 구거, 유지, 양어장 면적을 합산하여 산정한 Approch 1 수준이다. 또한 내륙습지의 온실가스 배출·흡수량을 2006 IPCC 가이드라인 Vol. 4 Appendix 3에 따라 산정하였다(Tier 1). 이는 인공적인 침수 후 토양 탄소의 분해 및 확산에 의한 CH4 배출량으로 인공 침수지에서 공기 계면 분자확산 및 기표 발생에 의한 온실가스 배출량이다. 2022년 국가 온실가스 인벤토리 산정에서 LULUCF 습지 부문 토지이용변화 통계 부재로 타토지에 적용된 습지의 CH4 배출량을 습지로 유지된 습지(내륙습지, 연안습지)에 포함하여 탄소 배출원으로 보고하였다.

IPCC 기준 활동자료 및 배출·흡수계수가 국내 습지 지적통계와 상이하고 실제 토지이용 현황과 차이점이 있어 국내 현황을 반영한 Approach 2, Tier 2 수준의 온실가스 인벤토리 기준이 필요하다. 본 연구는 내륙습지 온실가스 인벤토리 구축 고도화를 위한 토지이용 유형 세분화(침수지역, 비식생(토양), 식생) 목록 중 침수지역의 시계열적 면적 변화량 산정에 C-band 위성 영상을 활용하였다. 이를 통해 첫째, 위성영상 자료를 근거하여 연구지역의 침수 지역과 비침수 지역을 구분하였다. 둘째, 다중시기 위성 영상의 침수 지역 시계열 변화탐지를 실시하였다. 셋째, 면적 변화가 두드러지는 지역에 드론촬영을 통한 현장검증을 진행하였다.

2. 연구지역 및 자료

2.1. 연구지역

Fig. 1의 고창 운곡 습지는 전북 고창군 아산면 운곡리에 있는 내륙 산지형 저층습지다. 2011년 습지보호지역과 람사르 습지로 등록되었고, 2013년에는 유네스코생물권보전지역으로 선정되었다. 인천강하구 습지와 가까워 고창 운곡습지-인천강하구-고창갯벌에 이르는 내륙-하천-연안을 연계한 습지보호지역으로 지정되었다(Ministry of Environment and Ministry of Oceans and Fisheries, 2022). 저층습지와 운곡 저수지의 호소성 습지주변으로 해발고도 30 m 이하 지역이 대부분이며, 습지지역이 사면 곡률이 완만한 낮은 산지로 둘러싸여 하천수계는 미약하나 지하수가 유출되는 지형이다(Kim et al., 2018).

OGCSBN_2023_v39n6_3_1731_f0001.png 이미지

Fig. 1. Study area. (a) Geological map. (b) Aerial orthophotography. (c) Sentinel-1 Single-Look Complex VH polarization 2023.03.30 data preprocessing result. (d) Sentinel-1 Single-Look Complex VV polarization 2023.03.30 data preprocessing result.

연구지역 지질분포(Fig. 1a)는 선운사화산암체로 중기 내지 후기 백악기 화산분출에 의해 하부 장석반암(Ksfp: Cretaceous Seonunsa Feldspar Porphyry)부터 응회암(Kst: Cretaceous Seonunsa Tuff),유문암(Ksrh: Cretaceous Seonunsa Rhyolite),응결응회암(Kswt: Cretaceous Seonunsa Welded Tuff)의 층서를 보인다(Lee and Lee, 2001). 운곡습지 침수지는 선운산 화산암체의 취성변성작용에 의한 북북서, 북동 및 동서 방향 단층 방향과 상통한 경계를 보인다. 운곡습지를 중심으로 분포하는 용결응회암은 선운사 화산암체 동부 향사모양으로 분포하고 유문암 상부에 위치한다. 침수지의 용결응회암은 수문지질단위 비다공질 화산암에 속하며, 공극단열로 공극률 3~35, 투수계수 1~100 m/day, 투수량계수 5~50 m2/day, 저류계수 10-4~10-6, 지하수 산출량 10~1000 m3/day이다(Moon and Yu, 2006). 운곡저수지는 지하수 유출에 따른 침수구역 수위변동 지역으로 근처 하천 수위에 비해 변화량이 작다. 강우에 따른 지하수 함양으로 지하수면이 변동될 수 있으나 하천 수위 변동보다 미비하다. 내륙습지 습지토양의 투수계수는 (1.915 × 10-2 cm)/sec~(1.53 × 10-2 cm)/sec이고, 공극률은 19~36%, 습지 토양의 수분 함량은 12.9~47.6%이며, 습지 중요지역 토양수분함량은 45.4~47.3%로 높은 편이다(Kim et al., 2018).

2.2. 연구자료

2.2.1. 위성 영상

일반적으로 광학 위성영상을 통한 정규수분지수(Normalized Difference Water Index, NDWI)로 침수지역을 구분할 수 있다(McFeeters, 1996; Frazier and Page, 2000; Zhao et al., 2019; Kye et al., 2021; Kim and Kang, 2021). 그러나 광학 위성은 운량이 전체 위성성사진의 50% 이상을 초과하면 영상 판독이 어렵고, 기상 및 태양광에 따라 영상품질이 좌우되어 시간과 기상조건에 영향을 받지 않는 synthetic aperture radar (SAR) 위성을 활용한 침수지역 판별 연구가 다수 진행되었다(Latini et al., 2012; Nunziata et al., 2016; Rahman et al., 2018; Han and Lee, 2020; Jeong, 2021). SAR 위성은 투과율이 높은 마이크로파를 직접 투사해 지구를 관측하여 역광 등 일조량, 주야간 날씨에 영향을 받지 않는 능동형 위성으로 광범위한 지역의 영상 획득이 가능하다(Curlander et al., 1991; Schumann et al., 2012; Kwak et al., 2012; Han and Lee, 2019). 그 중 C-band SAR Sentinel-1 위성은 물 반사율이 높아 침수지역과 비침수지역을 쉽게 구분할 수 있다(Latini et al., 2012; Nunziata et al., 2016). 본 연구는 유럽우주국(European Space Agency, ESA)의 C-band SAR 위성인 Sentinel-1의 갈수기와 풍수기를 포함하는 10개월(2021년 12월~2022년 9월)기간의 24시기 Single-Look Complex (SLC) 영상을 활용하였다(Table 1).

Table 1. The data used in this study: Sentinel-1 SLC

OGCSBN_2023_v39n6_3_1731_t0001.png 이미지

2.2.2. 항공정사 영상

항공정사영상은 항공사진의 기하학적 왜곡을 보정하여 모든 지형 지물을 수직으로 내려다보았을 때의 모습으로 변환된 영상이다. 국토지리정보원은 종중복 60% 이상, 횡중복 30% 이상의 해상도 12 cm (도시지역) 혹은 25 cm (일반 지역)인 항공사진으로 정사영상을 제공한다. 연구에 활용한 운곡습지의 항공영상은 도엽명 고창016(도엽변호: 35611017), 고창017 (도엽변호: 35611016)의 2021년 촬영된 25 cm 해상도 영상이다(Table 2).

Table 2. The data used in this study: Aerial Ortho-Images

OGCSBN_2023_v39n6_3_1731_t0002.png 이미지

2.2.3. 드론 촬영 영상

연구지역의 정밀한 습지 경계 파악을 위해 드론 항공촬영 영상을 활용하였다. 촬영 일자는 2023년 7월 20일(풍수기)과 2023년 10월 20일(갈수기)이다. 활용된 기체(Payload)는 Da-Jiang Innovations(DJI)의 Matrice 300 RealTime Kinematic (RTK)이며, H20T1/2.3″ CMOS, 12 MP 가시광선(Visible) 영역 센서를 장착하여 촬영했다(Table 3). 촬영 영상의 위치 정확도를 높이기 위해 D-RTK 2 mobile GNSS station의 위치 정보를 반영하였다. 촬영한 영상의 정사영사 작업은 Agisoft사의 Metashape 1. 8.1을 이용하였다. 해당소프트웨어는Scale-Invariant Feature Transform(SIFT) 알고리즘을 기반으로 촬영한 영상의 접합을 하게 된다(Fig. 2). 최종 구축된 정사영상의 공간해상도는 약 7 cm이다.

Table 3. Detailed specifications of equipment

OGCSBN_2023_v39n6_3_1731_t0003.png 이미지

OGCSBN_2023_v39n6_3_1731_f0002.png 이미지

Fig. 2. Orthophotography work process using Metashape 1. 8.1 by Agisoft.

2.2.4. 내륙습지 공간정보

국립생태원에서 공공데이터포털을 통해 제공하는 내륙습지 공간데이터 및 속성정보를 활용하였다. 내륙습지 2,704개소에 대한 위치 및 경계, 습지명, 습지코드, 중심점좌표, 행정구역명, 람사르습지 및 국내습지 유형분류 정보를 제공한다. 자료는 2022년 7월 22일 기준으로 습지보전법 제8조(습지보호지역 지정)를 법적근거로 환경부와 시도지정한 내륙습지보호지역 35개소가 포함된다(Fig. 3). 2023년 6월 5일자로 환경부에서 지정한 대전 갑천 내륙습지와 해양수산부가 지정한 14개소 연안습지, 시도지사 지정 습지 중 연안습지인 송도갯벌은 포함되어 있지 않은 자료이다(Fig. 3).

OGCSBN_2023_v39n6_3_1731_f0003.png 이미지

Fig. 3. Inlands Wetlands on the Korean Peninsula. Blue polygon is Inlands Wetlands.

3. 연구방법

본 연구는 레이더 영상을 활용해 운곡습지 침수 지역을 산정하고, 시계열적 공간변화와 변화 면적을 확인하고자 한다. Sentinel-1 SLC의 전처리를 ESA에서 공개한 Sentinel Application Platform (SNAP) 프로그램으로 진행하였다(Fig. 4). 위성의 궤도 정보 업데이트(Apply orbit file) 후 Wide swath (IW)1의 8–20 버스트(Bursts)와 IW28–20 Bursts 지역을 선발하여(Split) 후방산란 값을 계산하였다(Calibration) (Fig. 5). 이후 버스트 라인(Burst lines)을 지운(Deburst) 후 필터링을 진행했다. 필터링 과정에서 이미지 흐림, 디테일 및 해상도 저하가 발생한다(Kupidura, 2016; Argenti et al., 2013). 산란체의 반사 특성은 저해하지 않으면서 스펙클 노이즈를 효과적으로 제거하고자 필터링 과정을 진행하였다. 국가 온실가스 인벤토리의 및 내륙습지 통계 산정을 위해 내륙습지의 시계열적 면적 변화를 안정적으로 분석하고자 Median, Lee, Refined Lee, Frost 필터를 통한 결과를 정량적으로 비교하였다(Lee, 1980; Lee, 1981; Lee, 1996; Lee and Pottier, 2009; Lee et al., 2009; Lee et al., 2014; Frost et al., 1982). 방사보정후 수치표고모델(Digital Elevation Models, DEM)을 통한 시뮬레이션 강도영상을 계산하였다(Fig. 5).

OGCSBN_2023_v39n6_3_1731_f0004.png 이미지

Fig. 4. Preprocessing of the Sentinel-1 SLC with SNAP and MATLAB.

OGCSBN_2023_v39n6_3_1731_f0005.png 이미지

Fig. 5. Preprocessing of the Sentinel-1 with SANP: (a) Calibration, (b) Deburst, (c) Merge, and (d) Filter.

이후 Matrix Laboratory (MATLAB) 프로그램을 통한 지형보정을 진행하였다. 레이더 강도 영상에서 DEM으로 모사한 강도 영상을 차분하여 기하 왜곡과 지형 방사왜곡을 저감할 수 있다(Ajadi et al., 2016). 모사 강도 영상은 특정 피복에 대한 후방산란 값은 나타내지 못하나, 지형에 의한 후방산란 값을 실제 레이더 강도 영상과 유사하게 나타냈다. 강도교차상관기법을 적용한 2차 다항식 모델로 모사 강도영상을 보정한 후 실제 강도 영상과 모사 강도 영상을 차분하였다(Fig. 6).

OGCSBN_2023_v39n6_3_1731_f0006.png 이미지

Fig. 6. Topographic distortion correction with MATLAB: (a) Sigma0_VV and (b) Corrected Sigma0_VV.

전처리 후 자료는 침수 지역과 비침수 지역의 후방산란계수 통계량이 상이하여 쌍봉형(bimodal) 히스토그램이 나타난다. Otsu (1979)의 이진화 알고리즘은 쌍봉형히스토그램에서 두 분포의 사이의 분산차가 최대인 임계값(threshold)을 설정하는 것이다. 이를 통해 상대적으로 낮은 강도 분포를 보이는 침수 지역을 구분할 수 있다(Fan and Lei, 2012; Mason et al., 2007; Mason et al., 2012; Pulvirenti et al., 2011).

4. 연구결과 및 토의

4.1. 위성영상을 통한 침수 지역 구분

Sentinel-1 영상 전처리 후 VV와 VH 편파를 모두 고려하기 위해 Root Sum Square (RSS)의 히스토그램에서 임계값을 산정하였다. 각 필터별로 계산된 RSS 값에 대해 8.3399 (Frost), 8.0780 (Lee), 7.9898 (Refined Lee), 8.0697(Median)을 임계값으로 산정하였다(Fig. 7). 운곡습지의 침수지역은 24시기 RSS의 스택(stack) 영상을 필터별 임계값을 기준으로 이분화하였다. 계산 결과와 항공정사 영상, 내륙습지 공간정보와의 비교를 통해 C-band SAR 위성자료를 근거한 침수 지역의 구분을 진행하였다(Fig. 8). 계산된 면적을 Table 4에 도시하였다.

OGCSBN_2023_v39n6_3_1731_f0008.png 이미지

Fig. 7. Histograms by filter: Detection water bodies with SAR data.

OGCSBN_2023_v39n6_3_1731_f0007.png 이미지

Fig. 8. Flooded area calculation by filter.

Table 4. The data used in this study: Aerial Ortho-Images

OGCSBN_2023_v39n6_3_1731_t0004.png 이미지

4.2. 시계열 침수구역 변화탐지

24시기 RSS 값에 근거하여 침수구역의 시계열 면적(km2) 변화를 확인하였다(Table 5). 이중 필터별 최대 침수 면적과 최소 침수 면적을 차분하였다(Table 6, Fig. 9). 최대 침수 면적 시기는 각 필터별로 2022년 7월 28일(1.011 km2, Median), 2022년 3월 30일(0.971 km2, Lee), 2022년 3월 30일(1.026 km2, Refined Lee), 2022년 4월 11일(1.014 km2, Frost)이다(Table 6). Median 필터 최대 침수 면적 시기가 다른 필터들과 상이하다. 그러나 침수 면적이 두 번째로 큰 시기는 Lee 필터, Refined Lee 필터와 동일하다. 모든 필터의 최소 침수 면적 시기는 2021년 12월 12일이며, 각 필터별로 0.930 km2 (Median), 0.917 km2 (Lee), 0.969 km2 (Refined Lee), 0.924 km2 (Frost) 면적이 계산되었다(Table 6). 운곡습지의 침수지역은 내륙습지 중 호소 습지로 수위변화에 따른 침수 지역 면적 변화가 크게 산출되기 어렵다. 완만한 사면 곡률의 낮은 산지로 둘러싸여 일부 경계 지역에서 변화가 두드러지게 계산된다. 그러나 대부분의 침수 지역 경계에서 식생이 관찰되어 계절에 따른 식생 분포로 여름철 침수지역 경계가 다른 계절에 비해 불분명하다. 수위 변화에 비해 위성영상으로 산출한 수체면적이 과소 평가되어 통상적인 홍수 시기가 최대면적 시기로 산출되지 않았다.

OGCSBN_2023_v39n6_3_1731_f0009.png 이미지

Fig. 9. Maximum flooded area, minimum flooded area, and change area by filter.

Table 5. Time series spatial variation of flooded area for each filter

OGCSBN_2023_v39n6_3_1731_t0005.png 이미지

Table 6. Maximum flooded area, minimum flooded area, and change area by filter

OGCSBN_2023_v39n6_3_1731_t0006.png 이미지

4.3. 드론을 통한 현장 점검

다중시기 위성 영상을 통한 침수 지역 중 최대 침수면적과 최소 침수 면적의 차이가 습지 경계지역에서 확인되었다. 시계열 공간변화가 두드러지게 관찰되는 연구지역 서쪽(site 1)과 동쪽(site 2) 지역에 대해 2023년 7월 20일(풍수기)과 2023년 10월 20일(갈수기)에 드론 촬영을 진행하였다(Fig. 10). Figs. 11, 12에서 운곡습지 2021 항공정사영상, 두 시기 촬영한 드론 영상 및 Refined Lee 필터의 최대 침수면적, 최소 침수면적을 비교하였다.

OGCSBN_2023_v39n6_3_1731_f0010.png 이미지

Fig. 10. Location of drone shots: (a) study area, (b) Site 1, and (c) Site 2.

OGCSBN_2023_v39n6_3_1731_f0011.png 이미지

Fig. 11. Zoom in on Site 1 of the study area to overlay aerial orthophotography, drone orthophoto, and calculated flooded areas. (a) Aerial orthophotograph. (b) 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (c) Maximum flooded area calculated with REL filter, 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (d) Aerial orthophotograph and Wetland boundary. (e) 2023.10.20. Drone orthophotograph and Aerial orthophotograph. (f) Minimum flooded area calculated with REL filter, 2023.10.20. Drone orthophotograph and Aerial orthophotograph.

OGCSBN_2023_v39n6_3_1731_f0012.png 이미지

Fig. 12. Zoom in on Site 2 of the study area to overlay aerial orthophotography, drone orthophoto, and calculated flooded areas. (a) Aerial orthophotograph. (b) 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (c) Maximum flooded area calculated with REL filter, 2023.07.20. Drone orthophotograph and Aerial orthophotograph. (d) Aerial orthophotograph and Wetland boundary. (e) 2023.10.20. Drone orthophotograph and Aerial orthophotograph. (f) Minimum flooded area calculated with REL filter, 2023.10.20. Drone orthophotograph and Aerial orthophotograph.

2023년 7월 20일과 2023년 10월 20일 드론 촬영본을 비교하여 침수지역 면적변화를 산정하였다. Site 1의 경우 약 0.0015 km2의 면적변화가 산출되었고, Site 2에서는 약 0.0053 km2의 면적변화를 계산하였다. 면적 변화는 주로 침수 지역 경계에서 발생하였는데, 해당지역은 식생의 분포로 여름철 촬영 정사영상에서 침수 지역 경계가 불분명하여 정사영상에서 침수 지역이 과소평가 된 것을 확인할 수 있었다. 본 연구에서 드론을 활용한 영상레이더의 습지 면적 분석은 풍수기와 갈수리를 고려하더라도 공간 및 방사 해상도의 차이에 의하여 직접적인 비교, 검증은 어렵다. 그러나 풍수기과 갈수기의 수위의 변화를 정성적으로 분석하는 근거를 마련하였으며, 지속적인 습지 침수 지역 경계를 레이더영상을 통하여 분석하고 현장 검증의 체계를 마련하였다는 의의가 있다.

4.4. 정책 활용

습지보전법 제5조에 근거하여 환경부가 발표한 제4차 습지보전기본계획은 2023년부터 2027년까지 습지의 효율적인 보전 및 관리를 위한 국가 기본계획이다. Ministry of Environment and Ministry of Oceans and Fisheries(2022)는 습지보전 정책의 추진 방향 및 목표를 기후위기에 대응하는 지속가능한 습지 생태계 조성이라 밝혔다. 이를 위한 전략 중 하나로 과학 기반의 습지조사 및 평가를 제시하였다. 전략의 추진과제로 생태계서비스·탄소흡수를 고려한 습지의 조사·연구와 습지조사의 기법 고도화 등이 거론되었다. 습지의 조사·연구는 습지의 온실가스 인벤토리 고도화를 위한 전략이다. 습지의 활동자료 구축을 위한 습지조사, 습지지도 구축, 국가 공식 통계 자료 지정과 이를 근거한 온실가스 배출·흡수 계수를 개발하여 온실가스 산정·보고·검증 체계를 확립하고자 한다. 습지조사 기법의 고도화는 원격탐사의 정밀성, 효율성 증진을 위해 위성영상과 드론을 함께 활용하는 다종센서 기술개발을 제시한다(Ministry of Environment and Ministry of Oceans and Fisheries, 2022). 이와 관련하여 본 연구는 인공위성, 항공정사영상, 내륙습지정보, 드론영상을 통해 습지의 토지이용 유형 세분화 및 시공간적 면적변화 산출을 제공한다. 습지의 침수 지역 구분 및 시계열적 면적 산출은 습지조사, 습지지도 구축, 국가 공식 통계 자료, 토지이용 세분화 및 시계열적 변화량에 해당하는 기초자료 활용이 가능하다.

5. 결론

본 연구는 향후 습지의 탄소흡수량을 보다 과학적 근거 기반으로 계산하는 Tier 2와 Tier 3 수준으로 발전하는 기본데이터로서 활용이 가능하다. 연구결과인 습지 토지이용 유형 세분화(침수지역. 비식생(토양), 식생) 목록 중 침수지역 구분과 시계열적 공간 변화의 정량적인 산출 및 드론을 통한 현장검증은 LULUCF 활동자료와 온실가스 배출·흡수계수 산정의 정확도 및 신뢰도를 향상시킬 수 있다. 또한 국내 온실 가스 인벤토리의 토지 이용변화 접근수준(Approach) 및 온실가스 산정 방법(Tire)의 고도화를 위한 근거자료로 활용이 가능하다.

더불어 C-band SAR Sentinel-1 위성 영상, 항공정사영상, 내륙습지 공간정보, 드론 영상을 활용한 연구는 제4차 습지보전기본계획의 습지조사 기법 고도화 내용인 원격탐사의 정밀성, 효율성 증진을 위한 다종센서 기술개발과 상통하다. 본 연구를 통해 탄소흡수원 중습지에 대한 여러 원격탐사 자료의 활용과 구축된 습지공간자료를 이용한 정량적 가치평가를 기대할 수 있다. 더불어 위성 레이더 영상은 항공정사영상보다 관측주기가 짧고, 현장 조사보다 공간 자료 획득이 용이하여 내륙습지의 시계열적 면적 변화 산정의 유의미한 결과를 확인할 수 있었다. 다만 Sentinel-1 위성의 경우 10개월 동안 24시기 영상을 활용할 수 있기에 향후 한반도 재방문 주기가 짧은 위성을 활용한다면 습지의 시계열적 공간변화의 모니터링 주기가 짧아질 수 있을 것이라기대된다.

사사

본 논문은 환경부의 수탁과제로 한국환경연구원이 수행한 「국가온실가스 통계 산정을 위한 습지 경계지도 구축(2022-123)」의 연구결과를 기초로 작성되었습니다. 또한 행정안전부의 자연재난 정책연계형 기술개발사업(2020-MOIS35-001(RS-2020-ND629021))의 지원을 받아 한국환경연구원이 수행한 “도심환경을 고려한 폭염 저감 기술 최적화 개발(2023-014(R))” 사업의 연구결과로 작성되었습니다.

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

References

  1. Ajadi, O. A., Meyer, F. J., and Webley, P. W., 2016. Change detection in synthetic aperture radar images using a multiscale-driven approach. Remote Sensing, 8(6), 482. https://doi.org/10.3390/rs806048
  2. Argenti, F., Lapini, A., Bianchi, T., and Alparone, L., 2013. A tutorial on speckle reduction in synthetic aperture radar images. IEEE Geoscience and Remote Sensing Magazine, 1(3), 6-35. https://doi.org/10.1109/MGRS.2013.2277512
  3. Curlander J. C., and McDonough, R. N., 1991. Synthetic Aperture Radar: Systems and signal processing. Wiley.
  4. Eggleston, H. S., Buendia, L., Miwa, K., Ngara, T., and Tanabe, K., 2006. 2006 IPCC guidelines for National Greenhouse Gas Inventories. Intergovernmental Panel on Climate Change. https://www.osti.gov/etdeweb/biblio/20880391
  5. Fan, J. L., and Lei, B., 2012. A modified valley-emphasis method for automatic thresholding. Pattern Recognition Letters, 33(6), 703-708. https://doi.org/10.1016/j.patrec.2011.12.009
  6. Frazier, P. S., and Page, K. J., 2000. Water body detection and delineation with Landsat TM data. Photogrammetric Engineering and Remote Sensing, 66(12), 1461-1468.
  7. Frost, V. S., Stiles, J. A., Shanmugan, K. S., and Holtzman, J. C., 1982. A model for radar images and its application to adaptive digital filtering of multiplicative noise. IEEE Transactions on Pattern Analysis and Machine Intelligence, (2), 157-166. https://doi.org/10.1109/TPAMI.1982.4767223
  8. Han, H. G., and Lee, M. J., 2020. A method for classifying land and ocean area by removing Sentinel-1 speckle noise. Journal of Coastal Research, 102(SI), 33-38. https://doi.org/10.2112/SI102-004.1
  9. International Union for Conservation of Nature, 2020. IUCN global standard for nature-based solutions (1st ed.). International Union for Conservation of Nature. https://doi.org/10.2305/IUCN.CH.2020.08.en
  10. Jeong, J. H., Oh, S. C., Lee, S. C., Kim, J. Y., and Choi, M. H., 2021. Sentinel-1 SAR image-based waterbody detection technique for estimating the water storage in agricultural reservoirs. Journal of Korea Water Resources Association, 54(7), 535-544. https://doi.org/10.3741/JKWRA.2021.54.7.535
  11. Kim, T. S., Kwon, H. G., Lim, J. C., Kim, S. H., Baek, C. Y., Jeong, A. C. et al., 2018. The 3rd Intensive survey on the wetland protected areas ('18) (No. TRKO201900003795). Ministry of Environment, National Wetlands Center. https://doi.org/10.23000/TRKO201900003795
  12. Kim, Y. J., and Kang, K. M., 2021. A study on the utilization of SAR microsatellite constellation for ship detection. Korean Journal of Remote Sensing 37(3), 627-636. https://doi.org/10.7780/kjrs.2021.37.3.21
  13. Kupidura, P., 2016. Comparison of filters dedicated to speckle suppression in SAR images. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 41, 269-276. https://doi.org/10.5194/isprs-archives-XLI-B7-269-2016
  14. Kwak, J. Y., and Jeong, D. G., 2012. A study on the image formation system variable and performance analysis for optimum design of high resolution SAR. The Korean Society for Aeronautical & Space Sciences, 40(1), 49-60. https://doi.org/10.5139/JKSAS.2012.40.1.49
  15. Kye, C. W., Shin, D. K., Yi, J. H., and Kim, J. G., 2021. Waterbody detection from Sentinel-2 images using NDWI: A case of Hwanggang Dam in North Korea. Korean Journal of Remote Sensing 37(5), 1207-1214. http://doi.org/10.7780/kjrs.2021.37.5.1.30
  16. Latini, D., Del Frate, F., Palazzo, F., and Minchella, A., 2012. Coastline extraction from SAR COSMO-SkyMed data using a new neural network algorithm. In Proceedings of the 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, July 22-27, pp. 5975-5977. https://doi.org/10.1109/IGARSS.2012.6352247
  17. Lee, B. J., and Lee., S., R., 2001. Geological surveying and mapping (1:50,000 scale) of the Gochang. Korea Institute of Geoscience and Mineral Resources. https://doi.org/10.22747/data.20231116.5318
  18. Lee, J. S., 1980. Digital image enhancement and noise filtering by use of local statistics. IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-2(2), 165-168. https://doi.org/10.1109/TPAMI.1980.4766994
  19. Lee, J. S., 1981. Speckle analysis and smoothing of synthetic aperture radar images. Computer Graphics and Image Processing, 17(1), 24-32. https://doi.org/10.1016/S0146-664X(81)80005-6
  20. Lee, J. S., Ainsworth, T. L., Wang, Y., and Chen, K. S., 2014. Polarimetric SAR speckle filtering and the extended sigma filter. IEEE Transactions on Geoscience and Remote Sensing, 53(3), 1150-1160. https://doi.org/10.1109/TGRS.2014.2335114
  21. Lee J. S., and Pottier, E., 2009. Polarimetric radar imaging from basics to applications (1st ed.). CRC Press.
  22. Lee, J. S., Wen, J. H., Ainsworth, T. L., Chen, K. S., and Chen, A. J., 2009. Improved sigma filter for speckle filtering of SAR imagery. IEEE Transactions on Geoscience and Remote Sensing, 47(1), 202-213. https://doi.org/10.1109/TGRS.2008.2002881
  23. Lee, K. S., 1996. Effects of speckle filtering on Synthetic Aperture Radar (SAR) imagery. Korean Journal of Remote Sensing, 12(2), 155-168. https://doi.org/10.7780/kjrs.1996.12.2.155
  24. Mason, D. C., Davenport, I. J., Neal, J. C., Schumann, G. J. P., and Bates, P. D., 2012. Near real-time flood detection in urban and rural areas using high-resolution synthetic aperture radar images. IEEE Transaction on Geoscience and Remote Sensing, 50(8), 3041-3052. https://doi.org/10.1109/TGRS.2011.2178030
  25. Mason, D. C., Horritt, M. S., Dall'Amico, J. T., Scott, T. R., and Bates, P. D., 2007. Improving river flood extent delineation from synthetic aperture radar using airborne laser altimetry. IEEE Transaction on Geoscience and Remote Sensing, 45(12), 3932-3943. https://doi.org/10.1109/TGRS.2007.901032
  26. McFeeters, S. K., 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425-1432. https://doi.org/10.1080/01431169608948714
  27. Ministry of Environment and Ministry of Oceans and Fisheries, 2022. The 4th master plan on wetland conservation (2023~2027). Ministry of Environment. https://library.me.go.kr/#/search/detail/5879302
  28. Moon, Y. R., and Yu, E. H., 2006. Comparative study for the ground water management based on geological condition (Report No. 2006-06). Korea Environment Institute. https://repository.kei.re.kr/handle/2017.oak/19267
  29. Nunziata, F., Buono, A., Migliaccio, M., and Benassai, G., 2016. Dual-polarimetric C-and X-band SAR data for coastline extraction. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(11), 4921-4928. https://doi.org/10.1109/JSTARS.2016.2560342
  30. Otsu, N., 1979. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9(1), 62-66. https://doi.org/10.1109/TSMC.1979.4310076
  31. Pulvirenti, L., Pierdicca, N., Chini, M., and Guerriero, L., 2011. An algorithm for operational flood mapping from Synthetic Aperture Radar (SAR) data using fuzzy logic. Natural Hazards and Earth System Sciences, 11(2), 529-540. https://doi.org/10.5194/nhess-11-529-2011
  32. Rahman, M. R., and Thakur, P. K., 2018. Detecting, mapping and analysing of flood water propagation using synthetic aperture radar (SAR) satellite data and GIS: A case study from the Kendrapara District of Orissa State of India. The Egyptian Journal of Remote Sensing and Space Science, 21, S37-S41. https://doi.org/10.1016/j.ejrs.2017.10.002
  33. Ramsar Convention Secretariat, 2016. The fourth Ramsar strategic plan 2016-2024. Ramsar handbooks for the wise use of wetlands (5th ed.). Ramsar convention secretariat. https://www.ramsar.org/sites/default/files/hb2_5ed_strategic_plan_2016_24_e.pdf
  34. Schumann, G. J. P., Neal, J. C., Mason, D. C., and Bates, P. D., 2011. The accuracy of sequential aerial photography and SAR data for observing urban flood dynamics a case study of the UK summer 2007 floods. Remote Sensing of Environment, 115(10), 2536-2546. https://doi.org/10.1016/j.rse.2011.04.039
  35. Zhao, D., Aili, A., Zhai, Y., Xu, S., Tan, G., Yin, X., and Yang, R., 2019. Radiative sky cooling: Fundamental principles, materials, and applications. Applied Physics Reviews, 6, 021306. https://doi.org/10.1063/1.5087281