Convergence of Remote Sensing and Digital Geospatial Information for Monitoring Unmeasured Reservoirs

미계측 저수지 수체 모니터링을 위한 원격탐사 및 디지털 공간정보 융합

Abstract

Many agricultural reservoirs in South Korea, constructed before 1970, have become aging facilities. The majority of small-scale reservoirs lack measurement systems to ascertain basic specifications and water levels, classifying them as unmeasured reservoirs. Furthermore, continuous sedimentation within the reservoirs and industrial development-induced water quality deterioration lead to reduced water supply capacity and changes in reservoir morphology. This study utilized Light Detection And Ranging (LiDAR) sensors, which provide elevation information and allow for the characterization of surface features, to construct high-resolution Digital Surface Model (DSM) and Digital Elevation Model (DEM) data of reservoir facilities. Additionally, bathymetric measurements based on multibeam echosounders were conducted to propose an updated approach for determining reservoir capacity. Drone-based LiDAR was employed to generate DSM and DEM data with a spatial resolution of 50 cm, enabling the display of elevations of hydraulic structures, such as embankments, spillways, and intake channels. Furthermore, using drone-based hyperspectral imagery, Normalized Difference Vegetation Index (NDVI) and Normalized Difference Water Index (NDWI) were calculated to detect water bodies and verify differences from existing reservoir boundaries. The constructed high-resolution DEM data were integrated with bathymetric measurements to create underwater contour maps, which were used to generate a Triangulated Irregular Network (TIN). The TIN was utilized to calculate the inundation area and volume of the reservoir, yielding results highly consistent with basic specifications. Considering areas that were not surveyed due to underwater vegetation, it is anticipated that this data will be valuable for future updates of reservoir capacity information.

국내 농업용 저수지는 1970년 이전에 축조되어 준공 년도가 50년 이상 된 노후화된 시설이 대다수이며, 소규모 저수지는 기본 제원 및 수위 등을 파악할 수 있는 계측시스템이 없는 미계측 저수지이다. 준공 이후 호우발생 시 퇴적된 토사 유입, 퇴사량 증가에 따른 저수지 용량 감소 및 산업 고도화에 따른 수질악화 등은 저수지의 용수공급능력을 저하시키고 형상 변화를 야기한다. 따라서, 디지털 정보 및 원격탐사 정보를 결합한 계측 기술을 활용하여 미계측 저수지 수체 모니터링을 위한 공간정보 구축 방안이 필요하다. 본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model (DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향 측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다. 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여, 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보를 구축하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 정규식생지수(Normalized Difference Vegetation Index, NDVI), 정규수분지수(Normalized Difference Water Index, NDWI)를 산정하여, 저수지의 수표면을 산정하였다. 또한, 고해상도 DEM 자료는 수심측량 자료와 융합하여 수심도를 작성하였으며, Triangulated Irregular Network (TIN)로부터 저수지 만수면적 및 체적을 산정하였다. LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.

1. 서론

농업용 저수지는 농업용수의 주요한 용수공급시설로 전국에 약 17,106개가 있으며, 가뭄 및 홍수와 같은 자연재해에 대하여 이·치수 기능을 담당하고 있는 농업기반시설이다 (Nam and Choi, 2014). 국내 농업용 저수지는 한국농어촌공사와 지자체에서 관리하는 이원적 체계로 구성되어 있으며, 이 중에서 10만 톤 이상의 공사관리 저수지 약 1,800개소에서 저수지 수위 계측이 이루어지고 있다(Nam et al., 2022). 하지만 시군관리 저수지의 경우 대부분 미계측 저수지로 기본 제원 및 수위 등을 파악할 수 있는 계측시스템이 없는 상황이다. 국내 농업용 저수지는 1970년 이전에 축조되어 노후화된 시설이 다수이며, 호우발생으로 인한 토사유입, 퇴사량 증가에 따른 저수지 용량 감소 등의 문제가 발생하고 있다. 또한, 준공 이후 지속적인 저수지 내 퇴적과 산업 고도화에 따른 수질악화 등은 용수공급능력을 저하시키고 저수지 형상 변화를 야기한다. 따라서, 공간정보를 활용한 저수지의 가용용수공급량 추정 및 미계측 저수지 수체 모니터링을 위한 공간정보 구축 방안이 필요하다.

최근 원격탐사 자료를 활용한 저수지 수체면적 및 수량 산정에 관한 연구가 국내외에서 활발히 수행되고 있다(Yoon et al., 2018; Jang et al., 2020; Lee et al., 2022). Lee et al. (2005)은 Real Time Kinematic-Global Positioning System (RTK-GPS) 및 음향측심기를 이용하여 취득된 데이터를 통해 3D 모델링 기반 저수지 내용적을 확인하였다. Yun and Cho (2011)는 저수지 수심측량 및 지층 탐사를 위하여 음향측심기 및 고주파 지층탐사 장비를 활용하였으며, 저수지 수심, 지형, 저수량, 침전물 등에 대한 결과를 산정하였다. Lee et al. (2019)은 위성영상을 활용하여 저수지 수표면적 영상 이진화를 통해 산출하였으며, 중소규모 저수지의 수표면적 모니터링 가능성을 나타내었다. Roh (2020)는 음향측심기 및 무인항공기를 이용하여 방류전·후 저수지 수심측량을 수행하였으며, 다양한 공간보간 기법 중 Kriging 보간이 약 97%의 저수지 내용적 정확도를 보여준 것으로 나타내었다. 최근에는 지표면, 수표면에 대한 전천후 관측이 가능한 Synthetic Aperture Radar (SAR) 영상을 활용한 연구 및 고해상도의 광학위성과 초고해상도 드론 (Drone) 영상이 가용하여 수체와 지표면 간의 경계를 더욱 정확하게 구분하기 위한 연구가 수행되고 있다(Park, 2016; Park et al., 2021; Choi et al., 2022; Kim et al., 2022; Lee et al., 2022). 드론을 활용한 고해상도 영상자료 기반의 농업용수 수혜면적 및 용배수로 공간정보의 최신화 연구(Yoon et al., 2021)가 수행되었으며, Jeong et al. (2022)은 저수량 파악을 위하여 Sentinel-1 SAR 영상 기반 임계치 산정법에 근거하여 수표면적을 탐지하였다.

토사의 퇴적으로 인한 저수지 설계당시의 유효저수량의 변화가 발생하면 용수를 공급할 수 있는 가용용수량의 변화로 인하여, 수자원관리와 공급가능량 산정에 직접적인 영향을 미친다. 저수지의 노후화로 인한 형상변화는 유효저수량의 변화를 야기할 수 있으며, 이러한 측면에서 최신화 된 공간자료로부터 저수지의 수량을 파악하고, 내용적 재산정을 통해 유효저수량의 현행화가 필요하다.

본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model(DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다.

2. 연구자료 및 방법

2.1. 연구 대상지역 및 데이터

2.1.1. 대상지역 및 데이터

연구 대상지역은 Table 1과 같이 저수지 제원, 수위-내용적 자료, 저수율 자료 취득이 가능한 농업용 저수지를 중심으로 선정하였다. 충청남도 홍성군 장곡면 행정리에 위치한 천태 저수지를 대상지역으로 선정하였으며, Fig. 1은 (a) 충남 천태 저수지의 위치, (b) 드론의 비행경로 및 (c) 다중분광 드론영상으로 표출된 저수지 형상이다.

Table 1. Available data specifications of agricultural reservoirs

Fig. 1. Location maps of the study area. (a) Site description and distribution of landcover in Cheontae reservoir. (b) Drone flight path (white lines) and transects flown (highlighted in green and labelled). (c) Drone multispectral mapping.

2.1.2. 대상저수지 제원 및 물관리 특성

천태 저수지는 한국농어촌공사 홍성지사에서 관리하는 주수원공으로 2005년에 준공되었으며, 유효저수량 약 130만 톤의 중규모 저수지로 관련 제원은 Table 2와 같다(Ministry of Agriculture, Food and Rural Affairs and Korea Rural Community Corporation, 2022). Fig. 2는 천태저수지의 최근 저수율 변화를 나타낸 그래프이며, 여름철 관개기의 저수율이 감소하는 것과 겨울철 저수율이 회복하는 양상을 뚜렷하게 보여준다. 또한, 전국적으로 극심한 가뭄 상황이 발생했던 2015년에는 저수율이 100%까지 회복되지 못하면서 2016년 말에는 저수율이 평년에 크게 못 미치는 수준으로 회복하였으며, 2017년 봄·여름철 낮은 저수율을 보였다.

Table 2. The desigh specifications of the Cheontae reservoir

Fig. 2. Temporal changes of water storage rate in Cheontae reservoir during 2015–2017.

2.2. 측량 장비

본 연구에서 사용한 드론은 DJI Technology Co.의 Matrice 300 RTK로 크기와 무게 때문에 이동 및 설정이 어렵다는 단점이 있지만, 안정적인 고성능 비행 및 다양한 센서와의 호환성을 통해 활용성이 높다. 드론용 LiDAR의 경우 YellowScan Mapper+를 활용하였으며, 높은 정확도와 빠른 비행속도로 지형측정에 적합하다는 특징을 갖고 있다. 다분광 영상의 경우 Quantum Trinity F90+을 활용하였으며, 대상지역 기준 약 90 ha 면적을 촬영하였다. 수심측량을 위하여 실시간 통신이 가능한 무인수상선 GEOSONAR-S2를 활용하였으며, Norbit iWBMS 멀티빔 음향측심기를 통한 정밀 수심자료를 취득하였다(Table 3).

Table 3. Detail of survey equipment

2.3. 저수지 수체 탐지

일반적으로 저수지 수체 탐지를 위하여 원격탐사기술을 활용하는 경우 정규식생지수(Normalized Difference Vegetation Index, NDVI)와 정규수분지수(Normalized Difference Water Index, NDWI)를 활용한다. NDVI와 NDWI는 분광특성을 이용하여 지표 수분함량을 파악할 수 있으며, 다분광 영상을 통해 취득할 수 있는 Red, Green, Blue, Near Infrared (NIR) 대역을 활용한다(Kye et al., 2021).

NDVI는 일반적으로 식생의 유무 및 지표의 녹색도를 정량화 하기 위하여 사용되는 식생지수이며, 분광 조합을 통해 산정된 NDVI가 음의 값을 갖는 경우 수체를 나타낸다(Fan et al., 2019). 가시광선 영역인 Red와 근적외선 영역인 NIR의 반사도를 활용하여 식(1)과 같이 산정하며, –1에서 1사이의 무차원 값으로 나타낸다(Yoon et al., 2018). 본 연구에서는 NDVI 산정을 위하여 드론다분광 영상의 Band-1-Red, Band-4-NIR을 활용하였다.

\(\begin{aligned}N D V I=\frac{N I R-\operatorname{Red}}{N I R+\operatorname{Red}}(-1 \leq N D V I \leq 1)\end{aligned}\)       (1)

NDWI는 Green, NIR 영역의 반사도를 활용하여 산정할 수 있으며, 지표면의 수분 함유량에 대한 관계를 나타낸다(McFeeters, 1996). Green 대역은 반사된 녹색빛을 포함하는 대역으로 물의 일반적인 반사율을 최대화하며, NIR 대역은 반사된 근적외선으로 지표면 식생 및 토양 특성에 대한 반사율을 최소화하여 높은 수분함유량을 표출할 수 있다(Lee et al., 2020). McFeeters 식은 NDWI가 양의 값을 갖는 경우 수체를 나타내며, 0 또는 음의 값을 갖는 경우 식생 및 토양으로 판단한다. 본 연구에서는 NDWI 산정을 위하여 드론 다분광 영상의 Band-2-Green, Band-4-NIR을 활용하여 식(2)와 같이 적용하였다.

\(\begin{aligned}N D W I=\frac{\text { Green }- \text { NIR }}{\text { Green }+ \text { NIR }}(\text {McFeeters})\end{aligned}\)       (2)

3. 결과 및 고찰

3.1. LiDAR 기반 수리시설물 고도 추출

드론용 LiDAR를 활용하여 LAS 포맷의 원시데이터를 취득하였으며, 50 cm 공간해상도의 DSM, DEM으로 각각 변환하였다. DSM 및 DEM 기반 저수지 제방, 여수로, 용수로 등 수리시설물에 대한 제원을 Fig. 3과 같이 나타내었다. 저수지 제방의 경우 표고 56 m 수준으로 저수지 제방의 사면 방향의 높이 차이는 약 10 m 높이차를 보였다. 수문을 제외한 자연월류식 물넘이 높이는 제방보다 약 3 m 낮은 52 m이며, 천태 저수지의 만수위 기준에 해당한다. 여수로의 경우 표고 47 m에서 37 m 수준의 하천까지 높이가 감소하며, 용수로는 표고 45 m에서 46 m까지의 1 m 높이를 나타낸다.

Fig. 3. Infrastructure elevation information in Cheontae reservoir based on DSM.

3.2. 다중분광 드론영상을 활용한 수체 구분 및 수표면 산정

3.2.1. NDVI 및 NDWI 산정

다중분광 드론영상을 활용하여 천태 저수지에 대한 NDVI, NDWI를 Fig. 4와 같이 나타내었다. NDVI의 경우 수체와 함께 비수체에 대한 표출이 높게 나타났으며, NDVI 기준 수체로 나타난 부분 중 일부는 일반 주거지역 또는 시설물로 조사되었다. NDWI의 경우 수표면 위식생 및 부유물 등에 대한 구분이 가능하였다. 저수지 인근 물이 고여 있는 곳과 저수지 내 수체를 표출하였으며, 저수지 내 비수체로 나타난 부분은 조류로 인한 부유물이 나타난 것으로 조사되었다.

Fig. 4. Multi-spectral image-based reservoir water body classification: (a) NDVI and (b) NDWI.

3.2.2. 수체 구분 및 수표면 비교

한국농어촌공사의농업기반시설관리(RuralInfrastructure Management System, RIMS)의 공간자료를 기준으로 천태 저수지의 수표면 경계를 비교하여 Fig. 5와 같이 나타내었다. 저수지 좌측 상단 부분은 RIMS 기준으로 저수지 경계 안쪽으로 포함되어 있지만, 위성지도 및 실제 현장조사를 통해 대부분 식생 지역으로 확인되었다. 이 지역의 경우 다분광 드론 영상 기반 NDWI는 위성지도와 마찬가지로 비수체로 표현하였다.

Fig. 5. Water body boundary differences: (a) RIMS (red line), (b) Naver map, (c) NDWI, and (d) on-site.​​​​​​​

3.3. LiDAR 기반 DEM 및 멀티빔 수심측량 자료 융합

3.3.1. 수중지형도 및 수심도 표출

2023년 9월 천태 저수지를 대상으로 수심측량을 수행하였으며, 수초 및 기타 식생 등으로 인해 저수지 외곽지역에 대한 측량에 한계가 있었다. LiDAR 기반 DEM 자료를 융합하여 저수지 경계 및 수심측량 자료를 보완하여 Fig. 6과 같이 수중지형도 및 수심도를 표출하였다. 저수지 좌측 상단 부분에 저수지를 가로지르는 도로의 표고는 약 54 m이며, 저수지 수체는 이보다 낮은 표고를 나타내었다. 저수지 수심은 중앙 부근에서 제방으로 갈수록 깊어졌으며, 좌측 도로와 인접한 부분은 높은 수심이 나타났다.

Fig. 6. Integration results of LiDAR-based DEM and bathymetric survey data. (a) Underwater topography map. (b) Underwater contour map.​​​​​​​

3.3.2. Triangulated Irregular Network 결과

수심도를 기준으로 Triangulated Irregular Network(TIN)를 생성하였으며, TIN을 활용하여 임의의 저수지 종단선을 Fig. 7과 같이 도시하였다. 저수지 최장거리의 방향을 중심으로 임의로 종단선을 설정하였으며, 본 연구에서는 저수지 좌측 상단을 시점부로 하여 종점부인 제방까지 약 1 km 직선거리를 적용하였다. 시점부에서 약 100 m 지점의 저수지를 가로지르는 도로를 제외하고 표고 46.5 m 수준의 지반고가 나타났으며, 300 m가 지나는 부분에는 실제 현장조사를 통해 구조물이 있는 것으로 확인하였다. 종단선 기준 최저 지반고는 표고 43 m이며, 사수위인 45 m보다 낮게 나타났다.

Fig. 7. Depth variation along an arbitrary line based on underwater contour map.​​​​​​​

3.3.3. 저수지 만수면적 및 체적 비교

Table 4는 TIN을 활용한 저수지 만수면적 및 체적을 기본 제원과 비교한 것이다. 설계 당시 총 저수량은 약 147만 톤으로 TIN 기준 체적보다 10만 톤 미만의 차이가 나타났다. 또한, 만수면적은 설계 당시 35.5 ha, TIN 기준 31.7 ha로 약 4 ha의 차이가 나타났다.

Table 4. Comparing the specifications of the statistical yearbook and TIN​​​​​​​

4. 결론

본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 드론용 LiDAR 센서와 멀티빔 음향측심기 기반 수심측량을 통해 저수지 수체탐지 및 저수량 자료를 산정하였으며, 원격탐사 정보를 활용한 미계측 저수지의 디지털 공간정보 융합 방안을 제시하였다.

고해상도 다중분광 드론영상을 통해 농업용 저수지 관련 수리시설물의 위치 및 저수지 형상을 파악할 수 있었으며, 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보 및 각 시설물의 표고를 확인하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 NDVI, NDWI를 산정하여 저수지의 수표면을 산정하였다.

LiDAR 센서 기반 DSM, DEM와 수심측량 자료를 융합하여 저수지 수중지형도 및 수심도,종단선을 표출하였다. 본 연구의 결과물로 구축된 수심도를 활용하여 별도의 측량없이 종단면도 및 횡단면도를 추출할 수 있으며, 이를 활용하여 저수지 수표면 아래 형상을 표현할 수 있다. 또한 통계연보의 기본 제원과 TIN 기준 만수면적 및 체적에 대한 결과, 만수면적 및 체적이 적게 산정되었으며, 저수지 준공 이후 저수량의 변화가 발생했을 것으로 판단된다. 또한, 수초로 인해 측량하지 못한 누락지역이 존재하기 때문에 향후 이러한 부분을 보완한다면 저수지 제원 자료의 최신화에 활용할 수 있을 것으로 판단된다.

LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.