1. 서 론
현재 우리나라에서는 기후변화로 인해 강우강도가 증가하고 강우일수는 감소하는 현상이 나타나고 있으며, 1991년에서 2020년 까지의 30년의 연평균 강우량과 1961년에서 1990년의 총 30년 연평균 강우량 비교 시 135.4 mm 증가를 보였지만 강우일수는 21.2일 감소한 것으로 나타났다(KMA, 2020). 이와 같이 강우강도는 증가하고 강우일수가 줄어드는 현상은 다양한 형태의 홍수를 발생 시킨다. 홍수의 경우 호우의 강도, 지속시간 및 지역적 특성에 따라 하천홍수(River Flood), 도시홍수(Urban Flood), 돌발홍수(Flash Flood), 해안홍수(Coastal Flood) 등의 4가지 유형으로 구분할 수 있으며, 그 중 도시홍수(Urban Flood)는 강우강도의 증가로 인해 도시의 내수배제의 불가로 발생하는 경우가 많으며, 주택지, 상가 공장지 등의 침수에 의한 피해가 크게 나타난다(K-water, 2024). 도시지역인 서울 강남역 주변은 2000년 이후 총 5번의 침수가 발생했으며, 2010년 이후에는 매년 반복적인 침수가 발생하였다(Han et al., 2014). 국내에서는 위와 같은 도시홍수 피해를 막기 위해 ｢하수도법｣(ME, 2018)의 제 4조의 2 그리고 제 4조의 3과 같이 ‘하수의 범람으로 인하여 침수 피해가 발생하거나 발생할 우려가 있는 지역, 공공수역의 수질을 악화시킬 우려가 있는 지역에 대하여는 관할 시·도지사와 협의하여 하수도정비중점관리지역으로 지정할수 있다.’ 와 ‘유역하수도정비계획의 수립’ 과 같은 내용으로 내수 범람에 대해 대응하고 있으며, ｢수자원법｣(MOLIT, 2015)의 경우 제 20조에 따라 침수피해 예방 및 침수피해 최소화를 위해 특정하천유역치수계획을 수립·시행하고 있다. ｢하수도법 시행규칙｣(ME, 2020)에서는 2013년부터 하수도 용량 부족으로 인한 하수의 범람 및 침수지역을 대상으로 하수도정비 중점관리지역으로 지정하여 관리하고 있다. 허나 이러한 관리에도 하수관로 통수능 부족으로 인해 도시 홍수가 지속적으로 발생하고 있어 하수관로의 관리가 강조됨에 따라 하수관로의 통수능을 평가하기 위한 정확한 유량 모니터링 방안이 중요하다.
Lee et al. (2001)에 따르면 현재 대부분의 하수관 유량 모니터링은 수위-유량 관계식을 기반으로 이루어지고 있다. 그러나 이러한 방식은 하수관 내 퇴적물의 영향을 충분히 반영하지 못해 유량 산정의 정확성에 한계를 가지며, 수위 측정시 K-eco (2018, 2021)에서는 퇴적물로 인한 수위 데이터를 불량 데이터로 취급하고 있다. 기존의 초음파 수위계 또는 라이다 수위계를 사용한 수위 측정 방식은 수위계에서 음파를 발사하여 수표면에서 반사되어 돌아오는 거리를 측정하고 있기에 수표면의 높이만을 감지하기 때문에 수로 바닥에 퇴적물이 쌓여도 이를 반영하지 못한다. 퇴적물로 인해 유체가 이동하는 유효 단면적이 줄어들면 실제 유량은 감소하지만, 기존 방식으로는 이러한 변화를 감지할 수 없어 기존의 수위-유량 관계식을 이용할 시 큰 오차가 발생하게 된다. 또한 홍수 시 하수관로 및 우수관로로 많은 양의 유송잡물이 유입되어 접촉식 센서로 모니터링 진행 시 장비의 파손과 부정확한 측정이 이루어질 수 있다. 따라서 위와 같은 부정확한 유량 산정 및 접촉식 모니터링 장비의 파손 등 유지관리에 대한 문제를 해결하기 위해 수위 중심이 아닌 수심 중심의 비접촉식 하수관 모니터링 방안 연구가 필요한 실정이다.
이에 본 연구에서는 분광 정보를 활용한 비접촉식 수심 모니터링 방안을 연구하였다. 다분광 센서를 활용하여 하수관에서의 암실 조건에서 분광 데이터를 수집하고, Python 기반의 OpenCV 알고리즘을 사용해 분광 데이터 간 발생할 수 있는 이격 오차를 보정하여 정밀한 분석을 진행함으로서 분광 정보를 통한 하수관에서의 수심 모니터링에 대한 적합성을 평가하였다. 수심 모니터링 정확도 평가 이후 본 연구에서 개발된 분광정보를 활용하여 산정한 수심을 통해 유량을 계산하고 이를 수로로 공급되는 유량과 비교·분석하였다.
2. 연구 방법
2.1 모니터링 챔버 설계
모니터링 챔버의 설계는 기존의 수위 중심 측정 방식과 본 연구에서 제안하는 분광 정보를 활용한 수심 및 퇴적물 높이 측정 방식을 비교 분석하는 데 중점을 두었다(Fig. 1). 이를 위해, 기존 하수관로 모니터링에 사용되는 수위계와 분광 정보를 통한 수심 모니터링에 필요한 데이터를 동시에 취득할 수 있도록 모니터링 챔버를 설계하였다. 기존 하수관의 암거의 크기 및 실험 수로의 재원을 고려하여 챔버의 경우 가로 1.5 m, 세로 1.5 m, 높이 1.5 m로 제작하였으며(Fig. 2), 기존의 하수관 모니터링에 이용되는 RADAR 수위계를 포함하여 840 nm, 730 nm, 650 nm, 560 nm, 450 nm의 파장대를 취득할 수 있는 다중 분광 카메라와 어두운 조건에서 필요한 광원을 같이 설치하였다(Fig. 3). 광원으로는 할로겐 광원과 LED 광원을 이용하였다. 하수관과 같이 자연광이 들어오지 않는 조건을 맞추기 위해 모니터링 챔버의 5면을 암막 시공하여 어두운 조건을 반영하였다.
2.2 분광 정보 취득
분광 정보 취득에 활용한 카메라의 경우 5개의 밴드를 가지는 다분광 카메라를 이용하였으며, 5개의 밴드가 가지는 파장대는 Table 1과 같다. 본 연구에 이용된 다분광 카메라의 경우 각각의 밴드별 렌즈가 상이하여 5개의 분광 이미지로 촬영되며, 렌즈의 위치가 동일하지 않아 이미지별 이격이 발생한다. 이격 발생으로 인해 분광 정보 취득 시 동일한 지점에서의 분광 정보를 취득하기 어려움이 있어 이미지 내에 추적점을 활용하여 이미지 이격보정을 실시 하였다(Fig. 4). 이격보정 이후 분석 지점 선정 후 레디언스 값을 추출하여 분석을 진행하였다.
Table 1.
Wavelength bands of the multispectral sensor
| band | Wavelength (nm) |
| Blue | 450 |
| Green | 560 |
| Red | 650 |
| Red Edge | 730 |
| Near-infrared (NIR) | 840 |
2.3 분광 정보 분석
분광 정보를 통한 수심산정에 있어 최적밴드비탐색 기법(Optimal Band Ratio Analysis, OBRA)을 활용하였다(Fig. 5). OBRA은 Legleiter and Fosness (2019)가 제안한 알고리즘으로서 수심에 가장 관련성 있는 분광 밴드를 선정하여 회귀식을 통해 수심을 추정하는 방식이다. 국내에서는 You and Kim (2019)가 초분광 센서 활용에 대한 필요성에 대해 이야기 하였으며, Gwon et al. (2023a)은 OBRA 기법을 통해 하천의 수심을 평가하는 연구를 진행하였고 식생유무에 따른 하천 수심산정 기법 적용성 검토에 대한 연구도 진행한 바 있다(Gwon et al., 2023b). Kim et al. (2023)은 초분광 영상을 통해 대하천 합류부의 하상측정 성능 평가를 연구하였다. 분광 정보의 경우 광원과 광도에 따른 변화가 데이터의 정확도에 영향을 미치며, 특히 하천에서의 분광 정보 취득 시 운량의 변화 및 태양광의 위치 변화를 고려한 방사보정 및 기하보정을 진행한다. 허나, 하수관에서의 분광 정보 취득은 고정된 광원과 강도를 가지고 있어 광원의 종류과 강도에 따라 수심산정의 정확도가 달라짐으로 광원의 선정이 중요하다. 본 연구에서는 할로겐과 LED 광원에 대한 분광 정보를 분석하였으며, 아래의 Eq. (1)을 통해 최적밴드비별 상관성 분석을 진행 후 최적의 밴드비를 통해 실측된 수심값과 선형 회귀식을 이용하여 수심을 산정하였다.
(는 파장(𝜆)에 대한 빛의 세기, : 깊이, : 수심과 Band Ratio의 값을 보정하는 기울기, : 2개의 밴드의 지수형태의 비, : 절편값)
Eq. (1a)에서 Band Ratio는 두 파장에서 측정된 빛의 세기를 비교하는 값으로 정의된다.
는 파장(𝜆) 에서의 빛의 세기이며, Band Ratio는 이러한 두 세기의 비율을 로그로 계산한 값이다. 이 값은 두 파장의 상대적 에너지 분포를 나타내며, 수심이나 퇴적물의 특성을 간접적으로 반영한다.
Eq. (1b)는 Depth (수심)를 Band Ratio를 기반으로 계산하는 방식이다. Gain은 수심과 Band Ratio 간의 관계를 조정하는 기울기 값이며, Offset은 수심 계산에서 일정한 보정 값을 의미한다. 이 식은 Band Ratio 값을 통해 얻어진 정보를 Gain과 결합하여 수심을 추정하며, Offset을 더해 보정된 최종 값을 제공한다.
2.4 하수관 실험
본 연구에서는 실내 수로를 활용하여 실험을 진행하였다. 실내 수로의 경우 고수조에서부터 유량 공급을 조절할 수 있는 개수로로 수로 상류부에 설치된 위어를 통해 유입유량을 측정할 수 있으며, 길이 10 m, 폭 0.8 m, 높이 0.8 m의 제원을 가진다. 수로의 벽면의 재질을 고려하여 암막 시트지를 활용하여 조명의 재반사의 영향을 고려하였다. 1.5 m의 길이를 가지는 모니터링 챔버를 수로의 안정화 구간인 8 m 지점의 실험구간에 설치하였다. 암실 조건을 갖추기 위해 개수로 측면에 암막 처리 후 야간 실험을 진행하였다. 실험 조건으로는 50 cm로 고정된 수위에서 0.049CMS의 공급유량을 유지하였다. 다양한 수심 조건을 가지도록 각각의 높이를 가지는 인공 퇴적물을 설치하였으며, 인공 퇴적물의 수심 별 레디언스를 추출하여 분석 진행하였다(Fig. 6). 광원 조건으로는 할로겐과 LED를 이용하였으며, 500 W의 전력을 가지는 할로겐 조명을 이용하여 500 W와 1,000 W 두 조건에서 실험을 진행하였고 LED의 경우 150 W의 전력을 가지는 조명을 이용하여 150 W와 300 W 두 조건에서 실험을 진행하였다(Table 2).
3. 연구 결과
할로겐 500 W, 할로겐 1,000 W, LED 150 W, LED 300 W에 해당하는 4개의 케이스에 대해 실험을 진행하여 분광 정보를 취득 후 OBRA를 통한 분석을 진행하였다. 밴드비에 따른 수심의 정확도를 결정계수 산정을 통해 평가하였으며, 산정된 회귀식에 동일 수심에서의 다른 지점의 레디언스 값을 통해 검증을 진행하였다. Fig. 7과 Fig. 8은 할로겐 500 W과 할로겐 1,000 W 실험 조건에서의 결과이며, 할로겐 500 W에서는 가장 상관성이 높은 밴드는 840 nm와 450 nm로 나타났으며, 할로겐 1,000 W는 840 nm와 650 nm로 나타났다. 결정계수의 경우 할로겐 500 W는 0.845로 나타났으며 할로겐 1,000 W는 0.923으로 더 높게 나타났다. 검증의 경우 두가지의 방법으로 진행하였으며, Figs. 7(c) and 7(d)와 Figs. 8(c) and 8(d)로 나타내었다. Fig. 7(c)와 Fig. 8(c)의 경우 Fig. 6과 같은 지점에서의 실측 수심과 예측 수심을 검증한 결과이며, Fig. 7(d)와 Fig. 8(d)의 경우 Fig. 7(c)와 Fig. 8(c)의 지점에서 좌측으로 10픽셀 이동한 지점에서의 실측 수심과 예측 수심을 검증한 결과이다. 검증에서는 할로겐 500 W는 0.700로 나타났으며 할로겐 1,000 W는 0.816으로 더 높게 나타났다. Fig. 9와 Fig. 10은 LED 150 W과 LED 300 W 실험 조건에서의 결과이며, LED 150 W에서는 가장 상관성이 높은 밴드는 560 nm와 650 nm로 나타났으며, LED 300 W는 560 nm와 730 nm로 나타났다. 결정계수의 경우 할로겐 LED 150 W는 0.543로 나타났으며 할로겐 LED 300W는 0.688으로 더 높게 나타났다. 검증의 경우 두가지의 방법으로 진행하였으며, Figs. 9(c) and 9(d)와 Figs. 10(c) and 10(d)로 나타내었다. Fig. 9(c)와 Fig. 10(c)의 경우 Fig. 6과 같은 지점에서의 실측 수심과 예측 수심을 검증한 결과이며, Fig. 9(d)와 Fig. 10(d)의 경우 Fig. 9(c)와 Fig. 10(c)의 지점에서 좌측으로 10픽셀 이동한 지점에서의 실측 수심과 예측 수심을 검증한 결과이다. 검증에서는 할로겐 LED 150 W는 0.193로 나타났으며 할로겐 LED 300 W는 0.083으로 낮게 나타났다. 검증에서 정확도가 가장 높은 할로겐 1,000 W에서의 예측 수심을 통해 유량을 산정하여 공급 유량과 비교하였을 때 측정된 유량은 0.054CMS로 공급 유량인 0.049CMS와 8.67%의 오차가 발생하였으며, 정확도가 가장 낮은 LED 150 W의 경우 예측 수심을 통해 유량을 산정 시 5.335CMS로 공급 유량인 0.049CMS와 매우 큰 오차가 나타났다. 퇴적물 탈거 이후 측정한 유량은 공급 유량과 0.71% 오차가 발생하는 0.049CMS로 나타났다(Table 3).
Table 3.
Calculated flow rate results
4. 결 론
본 연구는 분광 정보를 활용한 하수관 및 우수관의 수심 모니터링 기법을 제안하고, 실험을 통해 그 타당성을 검증하였다. 기존의 물리적 접촉 방식으로는 하수관 내부의 퇴적물 퇴적 시 수심 측정에 있어 정확한 데이터 확보가 어려운 상황에서, 본 연구는 다분광 이미지를 기반으로 비접촉식 모니터링 기법을 활용하여 이러한 한계를 극복하였다. 여러 광원 조건에서 수심 측정에 대한 분석을 진행하였으며, 실험 결과 할로겐과 LED의 광원에 대한 조건과 광도에 대한 조건에 따라 최적의 밴드비와 수심 측정의 정확도가 달라짐을 확인하였다. 특히, 할로겐 1,000 W의 조건에서 가장 높은 상관성을 나타냈으며, 이는 할로겐의 경우 1,000 W의 전력을 가진 광원이 수심 측정에서 보다 신뢰성 있는 데이터를 제공한다는 점을 시사한다. LED 150 W의 경우 예측 수심의 오차율이 평균 32.08%로 매우 높은 것으로 나타났으며, 그에 비해 할로겐 1,000 W의 경우 5.49%로 매우 낮게 나타났다. 이를 보아 광원이 가지는 파장대 범위가 수심 예측의 정확도에 영향을 미친다고 볼 수 있다. 또한 할로겐의 경우 860 nm에서 다른 파장대와 상관성이 높은 것으로 보아 퇴적물 높이와 수심을 모니터링할 시 860 nm의 파장대를 이용하는 것이 용이하다. 이렇게 예측된 수심을 통해 퇴적물이 존재할 때 수위가 아닌 수심을 측정함으로써 정확한 수심을 산정할 수 있었으며, 공급유량과 예측 수심으로 산정한 유량 비교 시 낮은 오차율을 보였다. 이로 보아 분광정보를 활용한 수심 산정 기법은 퇴적물에 의한 단면적 축소를 고려하여 정확한 수심 및 유량 산정이 가능한 것로 판단된다. 기존의 수위 중심의 측정 방법의 활용은 본 연구에서 제시한 기법과 비용적 측면에서는 30배 이상의 차이를 나타내지만 퇴적물로 인한 수심 변화를 측정하지 못해 강우 시 퇴적물이 발생하게 되면 정확도가 크게 떨어질 수 있다. 또한 분광정보를 통한 수심 예측을 통해 퇴적물의 유무도 판단하여 관로의 유지 관리 측면에서도 유리하다. 이후 광학센서를 통한 유속 측정 방안이 함께 연구 될 시 하나의 센서를 통한 다양한 정보를 얻을 수 있는 이점을 가질 수 있다. 이와 같은 결과는 고정된 조명 환경에서의 분광 이미지 분석이 실제 하수관 및 우수관 모니터링에 적용할 수 있음을 보여준다. 또한, 추적점을 활용한 이격 보정 기법을 통해 다중 밴드 이미지 간의 정합도를 높였고, 이를 통해 신뢰성 있는 데이터를 도출할 수 있었다.
본 연구는 하수관 및 우수관 내의 수심을 정확하게 모니터링할 수 있는 새로운 방법론을 제시하였으며, 이는 도시 홍수 방어 시스템의 실시간 모니터링 기술 향상에 중요한 기여를 할 수 있을 것으로 기대된다.
