Investigation of spectral variability due to sediment material for water depth monitoring in sewer and stormwater pipes

Gwangmin Ok; Hosoo Lee; Yeonghwa Gwon; Dongsu Kim; Young Do Kim

doi:10.3741/JKWRA.2025.58.9.805

Preview

Special Issue: Blue-Green-Grey 도시홍수

Journal of Korea Water Resources Association. 30 September 2025. 805-813
https://doi.org/10.3741/JKWRA.2025.58.9.805

Investigation of spectral variability due to sediment material for water depth monitoring in sewer and stormwater pipes

하수/우수관 수심 모니터링을 위한 퇴적물 매질에 따른 분광 정보 변동성 검토

Gwangmin Ok^a

Hosoo Lee^b

Yeonghwa Gwon^c

Dongsu Kim^d

Young Do Kim^e^*

옥 광민^a

이 호수^b

권 영화^c

김 동수^d

김 영도^e^*

^aPh.D Course, Department of Civil and Environmental Engineering, Myongji University, Yongin, Korea

^bPh.D Course, Department of Civil and Environmental Engineering, Myongji University, Yongin, Korea

^cPostdoctoral Researcher, River Experiment Center, Korea Institute of Civil Engineering and Building Technology, Andong, Korea

^dProfessor, Department of Civil and Environmental Engineering, Dankook University, Yongin, Korea

^eProfessor, Department of Civil and Environmental Engineering, College of Smart Systems Engineering, MyongJi University, Yongin, Korea

^a명지대학교 토목환경공학과 박사과정

^b명지대학교 토목환경공학과 박사과정

^c한국건설기술연구원 하천실험센터 박사후연구원

^d단국대학교 토목환경공학과 교수

^e명지대학교 스마트시스템공과대학 스마트인프라공학부 건설환경공학전공 교수

^{*Corresponding Author}

License (open-access, https://creativecommons.org/licenses/by/4.0):

©It is identical to the Creative Commons Attribution Non-commercial License (https://creativecommons.org/licenses/by/4.0)

ABSTRACT

This study examined the variability of spectral data according to sediment material for water depth monitoring in sewer and stormwater pipes. While spectral data-based depth monitoring has been consistently researched for many years, studies targeting enclosed environments such as sewers and stormwater pipes without a specific light source remain limited. During rainfall, various foreign substances present on road surfaces flow into sewers and stormwater pipes, leading to the formation of sediment deposits within the pipelines. The particle size of sediments influences reflectance intensity, with the visible, blue, and green wavelength bands responding sensitively to changes in particle size. Therefore, this study conducted indoor experiments to investigate the variability of spectral data according to actual sediment material entering sewers and stormwater pipes, aiming to achieve accurate depth monitoring. A halogen light source was used with an illuminance of 720 lx, and experiments were conducted under darkroom conditions with various particle sizes and sediment heights corresponding to different water depths. Spectral data were collected using a multispectral camera, and the collected multispectral images were processed using the Optimal Band Ratio Analysis (OBRA) method to estimate water depth. The results showed that the optimal band ratio and depth estimation accuracy varied depending on particle size. Furthermore, the optimal band ratio combination differed across sediment materials, indicating that a combination effective for one material may perform poorly for another. This study experimentally evaluated and analyzed these variations to improve the accuracy and applicability of sewer and stormwater pipe depth monitoring using spectral data, contributing to enhanced monitoring performance in such environments.

Keywords

Sediment material

Spectral data

Sewer and stormwater pipes

Water depth

OBRA

본 연구는 분광 정보를 활용한 하수/우수관 수심 모니터링에 있어서 매질에 따른 분광 정보 변동성 검토를 진행하였다. 분광 정보를 활용한 수심 모니터링은 오래전부터 꾸준히 연구되어 왔으나, 특정 광원이 없는 하수/우수관 같은 폐쇄 환경을 대상으로 한 연구는 여전히 미비하다. 강우 시 노면에 존재하는 다양한 이물질들이 관망으로 유입되어 관로에 퇴적되면서 퇴적물을 형성하는 문제점이 발생한다. 입자 크기에 따라 반사 강도가 달라지며, 가시광, 청색, 녹색 영역 파장이 입자 크기에 민감하게 반응한다. 따라서 본 연구는 실내 실험을 통해 정확한 수심 모니터링을 위한 실제 하수/우수관에 유입되는 퇴적물 매질에 따른 분광 정보 변동성을 확인하였다. 광원은 Halogen을 사용하였으며, 광도는 720lx로 진행하였다. 정확한 실험을 위해 암실 조건에서 다양한 입경별 퇴적물과 퇴적물 높이를 통한 수심에 따른 실험 case로 진행하였다. 다분광 카메라를 통해서 분광 정보를 수집하였으며, 수집된 다분광 이미지는 최적 밴드 탐색 기법(Optimal Band Ratio Analysis, OBRA)을 활용하여 수심을 산정하였다. 입경 조건에 따라 최적 밴드비와 수심 산정 정확도가 변화하는 것을 확인하였다. 매질별 최적 밴드비 조합이 다르게 나타나, 특정 매질에서 효과적인 밴드비 조합이 다른 매질에서는 성능이 저하될 수 있음을 확인하였다. 본 연구는 분광 정보를 활용한 관망 수심 모니터링 정확도 개선과 적용성을 향상시키기 위해 실험을 통해 평가하고 분석하였으며, 이를 통해서 관망 모니터링 정확도 향상에 기여할 수 있을 것으로 사료된다.

키워드

퇴적물 매질

분광 정보

관망

수심

OBRA

MAIN

1. 서 론
2. 연구방법
2.1 실내 실험 구축
2.2 실험 case 선정
2.3 수심 산정 방법
3. 연구결과
4. 결 론

1. 서 론

최근 기후변화로 인해 국지성 폭우와 같은 극단적 강우 현상의 빈도가 증가함에 따라 도시 지역에서의 침수 피해 사례가 증가하고 있다. 또한 불투수층 확대를 초래한 도로ˑ건물의 증가로 홍수 도달 시간은 짧아지고 유출량은 늘어나 인명ˑ재산 피해가 더욱 커지고 있는 상황이다(Sim and Choe, 2012). 도시홍수는 기후변화, 도시화에 따른 유출량 증가, 배수시설 용량 부족, 하천 수위 상승에 따른 배수 불량이 복합적으로 작용한 결과이다. 특히 기존 하수관거ˑ배수펌프 등 내수 배제시설은 우수 유입 불량, 관망 체계 한계, 통수능 부족 등 구조적 제약으로 제 기능을 다하지 못한다(Bae and Kim, 2022).

도시홍수 피해를 막기 위해 대심도, 배수펌프장, 저류지, 홍수조절지, 하수관등의 다양한 홍수방어 인프라가 구축되어있다. 홍수방어 인프라의 정확한 성능 평가를 위해서는 실제 운영 상황에 따른 정확한 모니터링 기술이 필요한 실정이다. 본 연구에서는 다른 홍수방어 인프라 시설을 연결 시켜주는 시설로 중요성이 크다고 판단하였다. 현재 하수관 유량 모니터링은 주로 수위 측정을 기반으로 이론식을 적용해 유량을 추정하고 있으며, 접촉식 센서는 퇴적물이나 비정상 유동 조건에서 정확도가 급격히 저하되거나 센서 자체가 파손되는 문제가 발생하고 있다. 또한 역류, 만관, 자유낙하, 퇴적물 발생, 저유량 등의 조건은 대부분 불량 데이터로 분류된다(KECO, 2018). 따라서 퇴적물의 영향을 받지 않는 비접촉식 수심 모니터링 기술이 필요하다.

강변이나 하천 등에서 분광 정보를 활용한 수심 측정 방법에 대한 연구는 많이 진행되고 있으며, 분광 정보를 수집하여 OBRA (Optimal Band Ratio Analysis)기법을 통해 수심을 산정한다(Gwon et al., 2023a; Kwon, 2022; You et al., 2020; Kim et al., 2023a; Legleiter and Fosness, 2019, Legleiter et al., 2018). 우수관거 및 하수관에 대한 연구는 미비한 실정이지만, 최근 하수관 내 수위계 기반 모니터링의 한계를 극복하기 위해, Lee (2024)는 하수관에서 수위계를 활용한 모니터링 방식의 한계를 극복하고자, 제한된 광원·광도 조건에서 분광 정보를 활용한 수심 측정 시스템을 설계·제안하였다. Ok et al. (2024)는 관망(하수/우수관)은 암실 조건으로 분광 정보를 활용한 수심 산정 시 인공조명을 설치하여 측정하는 점을 고려하여, 최적의 광원, 광도 및 광원의 각도에 대해서 제시하였다.

관망에서의 유량 또는 퇴적물에 대한 모니터링에 대한 연구는 과거에서부터 지속적으로 이루어졌다. Kim and Kong (2003)은 하수관거의 유량 자료의 오차를 효과적으로 제거하고, 실측 유량 자료의 신뢰도를 향상시키는 보정기법을 제시하였다. Won et al. (2009)은 토지이용별 하수관거 퇴적토의 특성 차이 분석 및 재활용 가능성을 검토하고 제시하였다. Park et al. (2021)은 하수관거 내 퇴적물이 통수능 저하 및 도시침수의 주요 원인임을 고려하여, 초음파 기반 퇴적 센서 개발 및 현장 적용성을 검토하였다.

강우 시 노면에 존재하는 다양한 이물질들이 관망으로 유입되어 하천으로 바로 유출되거나 관로에 퇴적되어 퇴적물을 형성하는 문제점이 발생한다. 하수관에서 발생하는 퇴적물의 경우 대부분이 퇴적토로 형성되어 있으며, 토지이용별 퇴적토의 입도분포가 상이하게 나타난다. 하수관 퇴적토 입도 분석 결과 전반적으로 세립 모래와 실트로 구성 되어 있으며, 분포 구간은 0.215 mm~0.550 mm로 나타났다. 전체적인 입경 분포는 0.045 mm 미세입자부터 2 mm 자갈 크기까지 존재한다(Won et al., 2009). 분광 정보를 활용한 분석은 수심 측정뿐만 아니라 부유사 농도를 측정하는 연구도 많이 진행되었다(Kwon et al., 2022; Jung et al., 2024). 입자 크기에 따라 반사 강도가 달리지며, 짧은 파장(가시광, 청색, 녹색 영역)이 입자 크기에 더 민감하게 반응한다(Kwon et al., 2023). 본 연구에서는 분광 정보를 활용한 분석에 있어서 입자의 입경에 따라서 수심 산정 분석 시 변동성이 발생할 것으로 판단하였다.

본 연구에서는 관망에서 분광 정보를 활용한 수심 모니터링 방안에 있어서 퇴적물의 매질에 따른 변동성을 검토하였다. 실제 하수관에는 다양한 입경을 가지는 유사들이 유입되어 퇴적되어 퇴적물을 형성한다. 실제 하수관에서 유입되는 입자들을 활용하여 다양한 퇴적물 불록을 제작하여 실내 수로 실험을 통해서 평가하였다.

2. 연구방법

2.1 실내 실험 구축

본 연구는 관망 내 수심 모니터링을 위한 실험을 목적으로, 실내 수로에 전용 챔버를 구축하여 실험을 수행하였다. 사용된 수로는 폭 0.8 m, 높이 0.8 m, 총 길이 16 m 규모이며, 실험에 사용된 챔버는 길이 1.5 m의 정육면체 형태로 제작되었다(Lee et al., 2024). 챔버 내부에는 측정을 위한 장비(Fig. 1)로 다분광 카메라, 레이더 수위계, 광원(Halogen)이 설치되었으며, 다분광 카메라와 레이더 수위계(Fig. 1(a))는 동일 지점에 배치하여 수위 데이터를 확보하였다. 본 연구에서 활용된 다분광 카메라는 DJI사의 P4 multispectral 모델(Fig. 1(b))로, 1개의 RGB 센서(가시광 촬영용)와 5개의 모노크롬 센서(스펙트럼 촬영용)로 구성되어 있다. 스펙트럼 센서의 관측 파장 범위는 B (청색) 450±16 nm, G (녹색) 560±16 nm, R (적색) 650± 16 nm, RE (적변) 730±16 nm, NIR (근적외선) 840±26 nm이다(DJI, 2020). 해당 카메라는 챔버 상단에 고정되어 실험마다 RGB 및 B, G, R, RE, NIR 밴드에 대한 이미지를 모두 수집하였다. 광원은 두 가지 종류를 활용하였다. Halogen 광원(Fig. 1(c))은 300~3,000 nm 범위의 넓은 스펙트럼을 가지며, 안정적인 빛을 제공하는 특징이 있다. 또한, 퇴적물의 영향을 고려하기 위해 수로 바닥에는 계단 형식의 퇴적물(Fig. 2)을 설치하였다. 퇴적물의 높이는 총 8단으로 구성되었으며, 각 높이는 5.6, 11.2, 16.8, 16.8, 22.2, 27.6, 33.6, 39.4 cm로 설계하였다. 퇴적물의 위치에 따른 영향을 고려하기 위해 동일한 높이(16.8 cm)의 퇴적물을 설계하였다. 관망과 유사한 조건을 재현하기 위해, 챔버(Fig. 2)의 5면에는 암막 커튼을 설치하여 외부 광원이 유입되지 않도록 조건을 조성하였다. 수로 상⋅하류와 벽면에도 암막 커튼 및 시트를 부착하여 외부와 내부 반사로 인한 영향을 최소화하였다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F1.jpg

Fig. 1.

Experimental equipment

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F2.jpg

Fig. 2.

Experiment schematic diagram

2.2 실험 case 선정

강우 시 관망 내에는 다양한 입경을 가지는 유사들이 유입되어 쌓여서 퇴적물을 형성하게 된다. 실제 하수관 퇴적토 입도 분석 결과 전반적으로 세립 모래와 실트 수준이며 주요 분포 구간은 0.215~0.550 mm로 나타났으며, 전체적인 입경 분포는 0.045 mm 미세입자부터 2 mm 자갈 크기까지 존재한다(Won et al., 2009). 문헌의 입도 분석 결과를 기반으로 크기별 퇴적물 블록을 제작하였으며, 퇴적물 블록은 시멘트 벽돌에 유사를 붙여 제작하였다(Fig. 3). 유사의 입경은 Table 1과 같이 0.001~0.01 mm, 0.045 mm, 0.125~0.18 mm, 0.18~0.25 mm, 0.18~0.30 mm, 0.5~0.75 mm로 구성하였다. Case 1은 선행 연구(Ok et al., 2024)에서 확보된 데이터를 기반으로 설정하였으며, 입경별 비교 분석의 기준 자료로 활용하였다. 광원 및 광도 조건은 Ok et al. (2024)가 제시한 최적의 광원, 광도 조건으로 설정하였으며, 고정된 유량 공급으로 수위 50 cm를 유지하여 실험을 진행하였다. 본 연구는 다분광 카메라를 활용하였으며, 다분광 카메라의 경우 순간의 이미지를 촬영하기 때문에 연속적인 변동성을 확인하는데 한계점이 있습니다. 따라서 동일 조건 실험을 통해 비교 분석하기 위해 고정된 수위 조건에서 실험을 진행하였습니다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F3.jpg

Fig. 3.

Sediment block (0.18~0.25 mm, 0.5~0.75 mm)

Table 1.

Experimental case

Case	Grain Size (mm)	Water Level (cm)	Light Source Power (W)	Light Intensity (lx)	Angle (°)
1	0.001~0.01	50	halogen 700	720	45
2	0.045
3	0.125~0.18
4	0.18~0.25
5	0.18~0.30
6	0.5~0.75

2.3 수심 산정 방법

본 연구에서는 수집된 다분광 이미지를 기반으로 OBRA (Optimal Band Ratio Analysis)기법을 적용하여 수심을 산정하였다(Gwon et al., 2023b; Kim et al., 2023a). 이 기법은 하수관 내 수위계의 점 단위 측정 방식과 달리, 면 단위 해석이 가능하고 퇴적물에 의한 영향까지 반영할 수 있는 방법이다. OBRA는 서로 다른 두 파장에서 측정된 반사율의 비를 독립 변수 x로 정의하며 Eq. (1)로 표현된다. 이때의 수심 d와의 관계는 Eq. (2)로 표현한다. 여기서 $R (λ_{1})$ , $R (λ_{2})$ 는 각기 다른 파장 $λ_{1}$ , $λ_{2}$ 에서 측정된 반사율 또는 복사율로 수심 변화에 매우 민감하게 반응한다. 이 기법은 가능한 모든 밴드 조합에 대해 x값을 구한 뒤, 해당 x와 실제 수심 d 사이의 회귀 분석을 수행하여 가장 높은 결졍계수 $R^{2}$ 를 가지는 밴드 쌍( $λ_{1}$ , $λ_{2}$ )을 최적 조합으로 선정한다(Legleiter and Fosness, 2019). 본 연구에서는 Eq. (2)와 같이 선형 회귀식을 활용하여 수심을 산정하였다. 이때 회귀식의 기울기 a는 gain, 절편 b는 offset을 의미하며, 해당 모델은 OBRA 기반 수심 추정의 대표적 형태를 따른다. 이와 같은 과정을 Fig. 4와 같이 표현할 수 있다. 본 연구의 수심 산정식 Eqs. (1) and (2)에 사용된 $R (λ_{1})$ , $R (λ_{2})$ 값은 반사율이 아닌 센서에서 직접 측정된 복사휘도이다. 본 실험은 인공 광원을 이용하여 동일 조건에서 진행하여, 방사보정을 진행하지 않고 보정되지 않은 복사휘도를 그대로 활용 하였다. 모델의 성능을 검증하기 위해, RMSE (Root Mean Squared Error)와 같은 결정계수 $R^{2}$ 를 평가지표로 활용하였다(Kim et al., 2023b). RMSE는 Eq. (3)과 같이 각 오차 제곱의 평균에 대한 제곱근을 계산하는 방식으로, 큰 오차에 민감하게 반응하며 값이 작을수록 예측 정밀도가 높음을 의미한다. 반면, 결정계수 $R^{2}$ 는 Eq. (4)를 통해 산출되며, 일반적으로 0~1 사이의 값을 가지며 1에 가까울수록 모델의 설명력이 우수함을 나타낸다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F4.jpg

Fig. 4.

Coefficient of Determination map for optimal band ratio analysis

(1)

x = \ln [\frac{R (λ_{1})}{R (λ_{2})}]

(2)

d (D e p t h) = a (g a i n) x + b (o f f s e t)

(3)

RMSE = \sqrt{\frac{1}{n} \sum_{i = 1}^{n} {(y_{i} - {\hat{y}}_{i})}^{2}}

(4)

R^{2} = 1 - \frac{\sum_{i = 1}^{n} {(y_{i} - {\hat{y}}_{i})}^{2}}{\sum_{i = 1}^{n} {(y_{i} - \bar{y})}^{2}}

3. 연구결과

광원 조건은 Halogen 700W에서 진행하였으며, 다양한 입경 조건에서 실험을 진행하였다. 입경 0.001~0.01 mm, 0.045 mm, 0.125~0.18 mm, 0.18~0.25 mm, 0.18~0.30 mm, 0.5~ 0.75 mm에 해당하는 6가지 case에 대해서 실험을 진행하였으며, 모든 case에 대해서 분광 이미지를 수집하여 OBRA를 통해 분석하였다.

Case 1은 선행연구 결과로 입경에 따른 case들의 OBRA 수행 결과 중 가장 높은 정확도의 수심식이 도출되었다. OBRA 수행 결과 5개 밴드로 조합 가능한 10개의 순서쌍 중 840 nm, 650 nm가 최적 밴드로 도출되었으며, 이때 R²는 0.9794로 나타났다(Fig. 5(a)). 도출된 최적 밴드비와 수심의 선형회귀 결과 수심식은 $d$ = 34.6190 $x$ +7.3823으로 도출되었다(Fig. 5(b)). 측정된 수심과 수심식을 통해 산정된 수심의 관계는 Fig. 5(c)와 같으며, 이때, RMSE는 1.6800 cm로 나타났다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F5.jpg

Fig. 5.

OBRA Results for 0.001–0.01mm Grain Size

Case 2는 입경에 따른 case들의 OBRA 수행 결과 높은 정확도의 수심식이 도출되었다. OBRA 수행 결과 5개 밴드로 조합 가능한 10개의 순서쌍 중 840 nm, 650 nm가 최적 밴드로 도출되었으며, 이때 R²는 0.9299로 나타났다(Fig. 6(a)). 도출된 최적 밴드비와 수심의 선형회귀 결과 수심식은 $d$ = -47.1199 $x$ + 40.4147로 도출되었다(Fig. 6(b)). 측정된 수심과 수심식을 통해 산정된 수심의 관계는 Fig. 6(c)와 같으며, 이때, RMSE는 2.8192 cm로 나타났다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F6.jpg

Fig. 6.

OBRA results for 0.04 5mm grain size

Case 3은 입경에 따른 case들의 OBRA 수행 결과 높은 정확도의 수심식이 도출되었다. OBRA 수행 결과 5개 밴드로 조합 가능한 10개의 순서쌍 중 840 nm, 450 nm가 최적 밴드로 도출되었으며, 이때 R²는 0.9466으로 나타났다(Fig. 7(a)). 도출된 최적 밴드비와 수심의 선형회귀 결과 수심식은 $d$ = -29.9680 $x$ -7.6646로 도출되었다(Fig. 7(b)). 측정된 수심과 수심식을 통해 산정된 수심의 관계는 Fig. 7(c)와 같으며, 이때, RMSE는 2.4620cm로 나타났다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F7.jpg

Fig. 7.

OBRA results for 0.125~0.18 mm grain size

Case 4는 입경에 따른 case들의 OBRA 수행 결과 높은 정확도의 수심식이 도출되었다. OBRA 수행 결과 5개 밴드로 조합 가능한 10개의 순서쌍 중 730 nm, 650 nm가 최적 밴드로 도출되었으며, 이때 R²는 0.9315로 나타났다(Fig. 8(a)). 도출된 최적 밴드비와 수심의 선형회귀 결과 수심식은 $d$ = -53.8181 $x$ +21.9580로 도출되었다(Fig. 8(b)). 측정된 수심과 수심식을 통해 산정된 수심의 관계는 Fig. 8(c)와 같으며, 이때, RMSE는 2.7874 cm로 나타났다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F8.jpg

Fig. 8.

OBRA results for 0.18–0.25 mm grain size

Case 5는 입경에 따른 case들의 OBRA 수행 결과 높은 정확도의 수심식이 도출되었다. OBRA 수행 결과 5개 밴드로 조합 가능한 10개의 순서쌍 중 840 nm, 450 nm가 최적 밴드로 도출되었으며, 이때 R²는 0.8926으로 나타났다(Fig. 9(a)). 도출된 최적 밴드비와 수심의 선형회귀 결과 수심식은 $d$ = -25.6894 $x$ -7.2390로 도출되었다(Fig. 9(b)). 측정된 수심과 수심식을 통해 산정된 수심의 관계는 Fig. 9(c)와 같으며, 이때, RMSE는 3.4901 cm로 나타났다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F9.jpg

Fig. 9.

OBRA results for 0.18~0.30 mm grain size

Case 6은 입경에 따른 case들의 OBRA 수행 결과 상대적으로 가장 낮은 정확도의 수심식이 도출되었다. OBRA 수행 결과 5개 밴드로 조합 가능한 10개의 순서쌍 중 730 nm, 650 nm가 최적 밴드로 도출되었으며, 이때 R²는 0.8844으로 나타났다(Fig. 10(a)). 도출된 최적 밴드비와 수심의 선형회귀 결과 수심식은 $d$ = -56.9010 $x$ +22.2629로 도출되었다(Fig. 10(b)). 측정된 수심과 수심식을 통해 산정된 수심의 관계는 Fig. 10 (c)와 같으며, 이때, RMSE는 3.5708 cm로 나타났다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-09/N0200580908/images/kwra_58_09_08_F10.jpg

Fig. 10.

OBRA results for 0.5–0.75 mm grain size

Table 1 전체 case의 OBRA 결과는 다음 Table 2와 같다. case 전체적으로 R²값이 0.8이상으로 높은 정확도를 보여주었으며, 입경이 증가할수록 정확도가 전반적으로 감소하는 경향이 나타났다. 이는 조립질 매질에서 전방 산란 및 표면 거칠기에 따른 반사 강도의 변동성이 커지는 현상과 관련된 것으로 판단된다(Dierssen et al., 2003; Legleiter et al., 2009).

Table 2.

OBRA Results Based on Sediment Medium

Case	Light Intensity (lx)	Wavelength (nm)		Depth Eq.	$R^{2}$	RMSE (cm)
Case	Light Intensity (lx)	$λ_{1}$	$λ_{2}$	Depth Eq.	$R^{2}$	RMSE (cm)
1	720	840	650	$d$ = 34.6190 $x$ +7.3823	0.9794	1.6800
2		840	650	$d$ = -47.1199 $x$ +40.4147	0.9299	2.8192
3		840	450	$d$ = -29.9680 $x$ -7.6646	0.9466	2.4620
4		730	650	$d$ = -53.8181 $x$ +21.9580	0.9315	2.7874
5		840	450	$d$ = -25.6894 $x$ -7.2390	0.8926	3.4901
6		730	650	$d$ = -56.9010 $x$ +22.2629	0.8844	3.5708

4. 결 론

본 연구는 분광 정보를 활용한 관망 수심 모니터링 정확도 개선과 실제 적용성을 향상시키기 위해 퇴적물 매질에 따른 변동성을 분석하였다. 실제 관망 내에는 강우 시 다양한 입경을 가지는 유사들이 유입되어 퇴적되어 퇴적물을 형성한다. 분광 정보를 활용한 분석은 수심 모니터링뿐만 아니라 부유사 농도를 측정하는 연구도 많이 진행되어 왔으며, 입자의 크기에 따라서 반사율이 변화하여 수심 산정 분석 시 변동성이 발생할 것으로 판단하였다. 실제 하수관 퇴적토 입도 분석 결과를 기반으로 유사와 시멘트 벽돌을 활용하여 퇴적물 블록을 제작하여 실내 수로 실험을 진행하였다. 본 연구는 다양한 입경 범위를 갖는 퇴적물 매질 조건에서 OBRA 기법을 적용하여, 수심 산정 정확도의 변동성을 실험적으로 분석하였다. 이를 위해 0.001 mm에서 0.75 mm까지의 입경 구간을 세분화하고, 각 매질별 분광 이미지를 취득한 후 최적 밴드비를 선정 및 수심을 산정하였다. 분석은 결정계수 R²와 RMSE를 활용하여 정확도를 평가하였다. 실험 결과 입경 조건에 따라 최적 밴드비와 수심 산정 정확도가 변화하는 것을 확인하였다. 0.001~0.01 mm 조건에서 가장 높은 정확도를 보여주었으며, 이는 미세한 입경을 가지는 환경에서 높은 정확도를 보여주는 것을 의미한다. 0.5~0.75 mm 조건에서 가장 낮은 정확도를 보여주었으며, 이는 입경이 커질수록 분광 정보의 변동성이 크게 상승하는 경향이 나타났다. 입경이 작은 매질에서는 깊이–반사도 관계가 안정적으로 유지되며 높은 정확도를 보였고, 반대로 입경이 커질수록 광산란 분포 확대와 표면 거칠기 효과로 인해 분광 신호의 변동성이 커져 정확도가 저하되는 경향을 나타냈다. 이러한 결과는 현장 적용 시 기질 조건에 따라 성능 차이가 발생할 수 있음을 시사한다(Legleiter et al., 2011). 또한, 매질별 최적 밴드비 조합이 서로 상이하게 도출되었으며, 특정 매질에서 효과적인 밴드비가 다른 매질에서는 성능 저하를 유발할 수 있음이 확인되었다. 따라서 실제 관망 현장 적용 시 단일 밴드비를 모든 조건에서 일괄 적용하기보다는 매질 특성을 반영한 밴드비 선정이 필요하다. 이러한 결과는 관망 내에서 퇴적물 분포가 균일하지 않는 경우 수심 산정 시 매질 특성을 반영한 밴드비 선택이 필요함을 시사하며, 매질에 따른 변동성을 정량적으로 제시하였다. 본 연구는 단일 입경 매질 조건에서 수행되어 실제 하수관과 같이 모래, 실트, 유기물, 폐기물 등이 혼합된 이질적인 환경을 직접적으로 반영하지 못한다는 한계가 있다. 그러나 이러한 단일 매질 분석은 매질 조건별 분광 특성을 정량적으로 규명하는 기초 연구로서 의의를 가지며, 향후 혼합 매질에 대한 체계적인 평가를 통해 현장 적용성을 한층 개선할 수 있을 것으로 판단된다.

본 연구는 분광 정보를 활용한 관망 수심 모니터링 정확도 개선과 실제 적용성을 향상시키기 위해 퇴적물 매질에 따른 변동성을 실험을 통해 평가하고 분석하였으며, 이를 통해서 관망 수심 모니터링 정확도 향상에 기여할 수 있을 것으로 기대된다.

Acknowledgements

본 연구는 환경부의 재원으로 한국환경산업기술원의 기후위기대응 홍수방어능력 혁신기술개발사업의 지원을 받아 연구되었습니다(RS-2023-00218973).

Conflicts of Interest

The authors declare no conflict of interest.

References

Bae, J.-H., and Kim, J.-S. (2022). Prevention and response strategies for urban heavy rainfall damage. NARS Current Issues and Analysis, No. 261. National Assembly Research Service, pp. 1-3.

Dierssen, H.M., Zimmerman, R.C., Leathers, R.A., Downes, T.V., and Davis, C.O. (2003). “Ocean color remote sensing of seagrass and bathymetry in the Bahamas Banks by high-resolution airborne imagery.” Limnology and Oceanography, Vol. 48, No. 1 part2, pp. 444-455.

10.4319/lo.2003.48.1_part_2.0444

Gwon, Y., Kim, D., and Kwon, S. (2023a). “Riverine bathymetry survey using unmanned aerial vehicle-based multispectral image.” Geo Data, Vol. 5, No. 3, pp. 195-206.

10.22761/GD.2023.0033

Gwon, Y., Kim, D., and You, H. (2023b). “Evaluation for applicability of river depth measurement method depending on vegetation effect using drone-based spatial-temporal hyperspectral image.” Journal of Korea Water Resources Association, Vol. 56, No. 4, pp. 235-243.

10.3741/JKWRA.2023.56.4.235

Jung, S.H., Kwon, S., Seo, I.W., and Kim, J.S. (2024). “Comparison between hyperspectral and multispectral retrievals of suspended sediment concentration in rivers.” Water, Vol. 16, No. 9, 1275.

10.3390/w16091275

Kim, D., Seo, Y., You, H., and Gwon, Y. (2023a). “Performance evaluation of hyperspectral bathymetry method for morphological mapping in a large river confluence.” Journal of Korea Water Resources Association, Vol. 56, No. 3, pp. 195-210.

10.3741/JKWRA.2023.56.3.195

Kim, D.G., and Kong, M.G. (2003). “A study on the modification method of flow data in the sewage system.” Journal of Korean Society of Water and Wastewater, Vol. 17, No. 4, pp. 495-502.

Kim, Y.I., Lee, K.H., and Park, S.H. (2023b). “Application and evaluation of machine learning techniques for real-time short-term prediction of air pollutants.” Journal of Korean Society for Atmospheric Environment, Vol. 39, No. 1, pp. 107-127.

10.5572/KOSAE.2023.39.1.107

Korea Environment Corporation (KECO) (2018). Guidelines for monitoring and modeling sewer systems during rainfall events. report. Ministry of Environment, pp. 40-67.

Kwon, S. (2022). Measurement method for suspended sediment concentration in rivers using high-resolution hyperspectral imagery. Ph.D. dissertation, Seoul National University, pp. 74-82.

Kwon, S., Noh, H., Seo, I.W., and Park, Y.S. (2023). “Effects of spectral variability due to sediment and bottom characteristics on remote sensing for suspended sediment in shallow rivers.” Science of The Total Environment, Vol. 878, 163125.

10.1016/j.scitotenv.2023.163125

Kwon, S., Seo, I.W., Noh, H., and Kim, B. (2022). “Hyperspectral retrievals of suspended sediment using cluster-based machine learning regression in shallow waters.” Science of The Total Environment, Vol. 833, 155168.

10.1016/j.scitotenv.2022.155168

Lee, H., Ok, G., Gwon, Y., Kim, D., and Do Kim, Y. (2024). “Water depth monitoring method for stormwater and sewer pipes using spectral data.” Journal of Korea Water Resources Association, Vol. 57, No. 12, pp. 1177-1185.

10.3741/JKWRA.2024.57.S-1.1177

Legleiter, C., and Fosness, R.L. (2019). “Defining the limits of spectrally based bathymetric mapping on a large river.” Remote Sensing, Vol. 11, No. 6, 665.

10.3390/rs11060665

Legleiter, C.J., Kinzel, P.J., and Overstreet, B.T. (2011). “Evaluating the potential for remote bathymetric mapping of a turbid, sand- bed river: 1. Field spectroscopy and radiative transfer modeling.” Water Resources Research, AGU, Vol. 47, No. 9, pp. 1-20.

10.1029/2011WR010591

Legleiter, C.J., Overstreet, B.T., and Kinzel, P.J. (2018). “Sampling strategies to improve passive optical remote sensing of river bathymetry.” Remote Sensing, Vol. 10, 935.

10.3390/rs10060935

Legleiter, C.J., Roberts, D.A., and Lawrence, R.L. (2009). “Spectrally based remote sensing of river bathymetry.” Earth Surface Processes and Landforms, Vol. 34, No. 8, pp. 1039-1059.

10.1002/esp.1787

Ok, G., Lee, H., Gwon, Y., Kim, D., and Kim, Y.D. (2024). “Analysis of spectral data variability due to light source and intensity for sewer depth monitoring.” KSCE Journal of Civil and Environmental Engineering Research, Vol. 44, No. 6, pp. 781-791.

Park, B.K., Shin, J.H., Paik, J.H., and Lee, Y.J. (2021). “Development of ultrasonic sediment-level sensor for sewage pipe application.” Journal of Sensor Science and Technology, Vol. 30, No. 1, pp. 25-29.

10.46670/JSST.2021.30.1.25

Sim, J.H., and Choe, S.Y. (2012). “Urban flood damage analysis and future city flood response strategies.” Water for Future, Vol. 45, No. 7, pp. 16-22.

Song, Y.S. (2023). “Analyzing preprocessing for correcting lighting effects in hyperspectral images.” Journal of Korean Society of Industry Convergence, Vol. 26, No. 5, pp. 785-792.

Won, C.H., Lee, B.W., Choi, J.D., and Rim, J.M. (2009). “Characteristics and recycling of sewer sediments from land use.” Journal of Korean Society on Water Quality, Vol. 25, No. 3, pp. 404-410.

You, H., Kim, D., and Shin, H. (2020). “Evaluation of depth measurement method based on spectral characteristics using hyperspectrometer.” Korean Journal of Remote Sensing, Vol. 36, No. 2_1, pp. 103-119.

Z DJI Technology Co., Ltd. (DJI). (2020). Phantom 4 multispectral specifications. Accessed 31 August 2023, <https://www.dji.com/kr/p4-multispectral/specs>.

Journal of Korea Water Resources Association ISSN:2799-8746(Print) 2799-8754(Online) 한국수자원학회 논문집

Preview

Investigation of spectral variability due to sediment material for water depth monitoring in sewer and stormwater pipes

ABSTRACT

MAIN

Fig. 1.

Experimental equipment

Fig. 2.

Experiment schematic diagram

Fig. 3.

Sediment block (0.18~0.25 mm, 0.5~0.75 mm)

Table 1.

Experimental case

Fig. 4.

Coefficient of Determination map for optimal band ratio analysis

(1)

(2)

(3)

(4)

Fig. 5.

OBRA Results for 0.001–0.01mm Grain Size

Fig. 6.

OBRA results for 0.04 5mm grain size

Fig. 7.

OBRA results for 0.125~0.18 mm grain size

Fig. 8.

OBRA results for 0.18–0.25 mm grain size

Fig. 9.

OBRA results for 0.18~0.30 mm grain size

Fig. 10.

OBRA results for 0.5–0.75 mm grain size

Table 2.

OBRA Results Based on Sediment Medium

Acknowledgements

Conflicts of Interest

References