1. 서 론
2. 연구지역 및 데이터
2.1 연구지역
2.2 Sentinel-1 Ground Range Detected (GRD)
3. 연구 방법
3.1 GEE 기반 SAR 자료 처리
3.2 임계값 산정
3.3 Modified Kling-Gupta Efficiency (KGE’)
4. 연구 결과 및 토의
4.1 임계값 비교
4.2 저수면적과 저수량의 관계 분석
4.3 저수량의 추정을 위한 SAR 영상의 활용성 평가
5. 결 론
1. 서 론
농업용수는 우리나라 전체 용수수요의 약 48%로 막대한 양을 차지하고 있으며, 국내 물 관리를 위한 정책 수립에 있어 중요한 수자원의 하나이다(Choi and Choi, 2002; Yoo et al., 2006; Kim et al., 2021). 농업용수의 주수원공인 농업용 저수지는 상류의 유출량을 관개 지구에 공급하거나, 하류하천으로 방류되어 유출량에 영향을 준다(Song et al., 2019). 또한 관개 지구에 공급된 농업용수 중 작물에 의해 소비되지 않은 유량은 하천으로 회귀한다(Song et al., 2015). 이러한 농업 유역의 관개 및 상, 하류의 유량 관리를 위해서는 농업저수지의 역할이 중요하다. 농업저수지는 수위 상황 및 관리자의 조작에 따라 농업용수 공급의 기능과 홍수예방의 역할을 수행하므로, 농업저수지의 적절한 운영을 위해 저수위 및 저수량의 자료를 확보와 분석은 필수적이다.
농업용수 이용은 기후변화로 인한 가뭄 증가(Sung et al., 2021), 유입량의 불확실성(Kim et al., 2004), 수리시설의 노후(Kim et al., 2011)와 같은 문제를 겪고 있으며, 이를 개선하기 위해 한국농어촌공사 등 다양한 유관기관의 노력이 이루어지고 있다. 하지만, 자동 저수위관측기의 설치가 이루어지지 않은 경우도 있으며, 유역 내 수위계측 지점이 충분하지 않는 경우도 있어 합리적인 수자원 이용 및 관리에 어려움을 겪고 있다. 최근에는 지점 관측의 시·공간적인 한계를 보완하기 위해 SAR 영상 등 인공위성 기반의 원격탐사 기술을 활용하여 저수위와 저수량을 관측하는 연구들이 활발하게 이루어지고 있다(Jang et al., 2011; Lee et al., 2020). Lee et al. (2020)은 광학관측위성인 Sentinel-2 영상 기반의 수분지수를 활용하여 수표면을 탐지하고 국내 농업용 저수지의 저수율을 추정하였다. Yoon et al. (2018)은 용담댐 유역에서 Sentinel-2 광학관측위성을 이용하여 수체를 탐지하여 저수위/저수량을 모니터링 하였으며, 가뭄 분석에 대한 활용성을 진단하기도 하였다. 하지만, 광학 위성영상의 경우 몬순기후대에 속한 한반도에서는 구름에 의한 영향으로 인해 연속적인 자료를 확보하는 데 한계가 있다. 반면 C-band 위성영상의 경우 기상상황에 따른 제약은 없으나, 촬영주기가 길어 모니터링 활용성이 부족하다는 단점이 있다.
현재 환경부를 중심으로 ‘수자원위성 개발 및 운영 기본계획’에 따라, 기후변화 대응과 홍수, 가뭄, 수리시설물 등의 감시를 위한 ‘차세대 중형위성 5호’를 개발하고 있다. 2021년 3월 18일 환경부 보도자료(ME, 2021)에 따르면, “홍수대응을 위한 댐·하천 영상감시, 365일 무중단 수문정보(수위·우량) 수집을 위해 수자원통신위성인 정지궤도 공공복합통신위성(천리안 3호)을 2021년부터 2027년까지 과학기술정보통신부, 국토교통부, 해양경찰청과 공동으로 4,118억 원을 들여 개발한다.”고 하여 기존의 SAR 위성에 비해 높은 시간해상도를 통한 높은 활용도가 기대된다. 따라서 본 연구에서는 농업 저수지의 저수량 감시를 위한 SAR 센서의 활용 방안을 제시하고, 그 활용성을 평가하고자 한다. 수체탐지를 위해 Sentinel-1 위성영상을 활용하였으며 3가지의 임계값 산정 방법을 비교하였다. 최종적으로 수체탐지 기법을 바탕으로 저수면적을 산정하여 저수량과의 관계를 파악하여 저수량 모니터링을 위한 SAR 영상의 활용도를 평가하였다.
2. 연구지역 및 데이터
2.1 연구지역
본 연구에서는 수체 탐지를 위한 시험유역으로 경기 3대 저수지인 이동(Edong), 고삼(Gosam), 그리고 기흥(Giheung) 저수지를 선정하였다(Fig. 1). 저수면적 검증을 위한 저수지 수위 자료는 농촌용수종합정보시스템(RAWRIS; https://rawris.ekr.or.kr/main.do)에 공개된 공인자료 및 수문조사연보 자료를 사용하였으며, 농림축산식품 공공데이터 포털(https://data.mafra.go.kr/main.do)에 공개된 농업기반시설 제원자료를 바탕으로 저수지 제원을 파악하였다. 세 저수지 모두 만수면적 200 ha 이상, 홍수면적 250 ha 이상이며, 이는 국내 저수지 평균 수치와 비교해보았을 때 상당히 높은 수치이므로 저수면적 탐지에 적합하다고 판단하였다(Table 1). 또한 국내 저수지 평균 수치 대비 유효 저수량이 많고 수위차가 크므로 저수량 변동에 따른 저수면적 변화량이 높을 것으로 추정하였으며, 저수지 형태가 단조로워 SAR 영상을 통한 저수면적 산정에 있어 오탐지 비율이 높지 않을 것으로 추정하였다.
Table 1.
Specifications of Edong, Gosam, and Giheung reservoir
2.2 Sentinel-1 Ground Range Detected (GRD)
Sentinel-1A/B (S-1A/B)은 유럽우주기관(European Space Agency)에서 발사한 위성으로, 해양 및 지면에 대한 체계적이고 안정적인 데이터 획득을 목적으로 설계되었다(Geudtner et al., 2014). 탑재된 C-band (5.405 GHz) 이중 편파(dual polarization) 합성개구레이더(Synthetic Aperture Radar, SAR)는 능동형 마이크로파 센서(active microwave sensor)로 구름, 햇빛 등 기상조건에 구애받지 않고 관측이 가능하며(Moreira et al., 2013), 10 m, 25 m, 40 m의 공간 해상도와 6 ~ 12일의 시간 해상도를 지닌다. Sentinel 자료는 4가지 관측 모드(Stripmap, Interferometric Wide; IW, Extra Wide; EW, Wave)가 있으며, 각 모드마다 Level-0, -1, -2 자료가 생산된다. 본 연구에서는 구글 어스 엔진(Google Earth Engine, GEE)에서 배포 중인 Level-1 IW Ground Range Detected (GRD) 영상을 사용하였으며, 2018년 1월부터 2020년 12월까지 총 793장(고삼 229장, 기흥 260장, 이동 250장)의 이미지를 사용해 10 m의 공간해상도를 지니는 후방산란계수 이미지를 산출하였다. 산출된 이미지는 각각 VV, VH 편파 밴드를 가지고 있으며, 본 연구에서는 표면 거칠기에 민감하게 반응하는 것으로 알려진 VV 편파 자료가 수체와 비수체 지역을 구분하는 데 효과적일 것으로 판단하여, 이를 사용하였다(Baghdadi et al., 2001; Pham-Duc et al., 2017; Han et al., 2020).
3. 연구 방법
3.1 GEE 기반 SAR 자료 처리
SAR 자료는 토지피복 분류(Land cover classification), 변화 탐지(Change detection), 식생 감시 등 여러 분야에서 활용되고 있으며, 정확한 결과 산출을 위해서는 전처리 과정이 필수적이다(Mandal et al., 2019). GEE에서는 ‘Apply orbit file’ 부터 ‘Terrain correction’ 까지 총 5단계의 전처리 과정을 거쳐 데이터를 제공하고 있으며(Gulácsi and Kovács, 2020), 비수체 지역에 존재하는 불규칙 잡음 제거를 위해 중간값 필터링(Median filter)을 활용하여 ‘Speckle filtering’을 수행하였다(Fig. 2).
3.2 임계값 산정
확률밀도함수 추정을 통한 히스토그램 기반 임계값 산정 기법은 후방산란계수 기반 수체 탐지에 빈번하게 사용된다. 본 연구에서는 전체 연구 기간의 후방산란계수 히스토그램을 다항함수로 피팅(fitting)한 후 수체와 비수체 사이의 국지적 최솟값을 갖는 후방산란계수를 임계값으로 사용하는 기법(이하 ‘고정’ 기법), Otsu 기법, Kittler-Illingworth (KI) 기법을 사용하였다. Otsu 기법은 임계값을 기준으로 구분된 각 클래스의 분산 간의 차이(between variance)를 최대화 및 클래스 별 분산(within variance)은 최소화하는 임계값을 산정하며(Otsu, 1979), KI 알고리즘은 히스토그램과 비용함수로 이루어진 기준 함수(Criterion function)를 최소화하는 임계값을 산정한다(Kittler and Illingworth, 1986).
3.3 Modified Kling-Gupta Efficiency (KGE’)
본 연구에서는 수정된 Kling-Gupta Efficiency (KGE’)를 사용하여 모의된 저수량(sim)과 관측 저수량(obs)간의 일치도를 정량화하였다(Kling et al., 2012). KGE’는 상관성, 변동성 에러, 그리고 편향성 에러를 기반으로 3차원 파레토 프론트(Pareto front)를 구한 뒤, 이상치(ideal point)와의 유클리드 거리(Euclidean distance)를 계산하여 산정된다(Eqs. (1), (2), (3)).
은 모의 자료와 관측 자료 간의 상관계수(correlation coefficient)이며, 는 편항비(bias ratio), 는 변동비(variability ratio), 그리고 CV는 변동 계수(coefficient of variation)이다. KGE’는 0부터 1 사이의 값을 가지며, 1에 가까운 값을 가질수록 일치도가 높은 것으로 판단한다.
4. 연구 결과 및 토의
4.1 임계값 비교
Fig. 3은 연구 기간 산출된 고정 임계값, Otsu 임계값, KI 임계값을 나타낸다. Otsu 임계값과 KI 임계값은 각 이미지의 히스토그램을 바탕으로 정해져 큰 변동성을 나타내며(~11.8 dB), 특히 Sentinel-1 위성의 궤도에 따라 연속되는 이미지들 사이에서 특정 입사각이 반복되어 임계값이 진동하는 형태를 보인다. 고정 임계값은 전 기간 Otsu 임계값과 KI 임계값의 평균에 가까운 값을 가진다. 이동저수지와 고삼저수지에서는 Otsu 임계값과 KI 임계값이 평균적으로 비슷하나(이동: -17.2 dB (Otsu), -17.6 dB (KI), 고삼: -16.2 dB, -15.5 dB), 기흥저수지에서는 전 기간 일정한 정도로 Otsu 임계값이 더 크게 산정되었는데, 이는 이동저수지와 고삼저수지는 농지와 산지로 둘러싸여 이미지별로 상이한 히스토그램을 갖는 반면 기흥저수지의 주변은 주로 도시로 이루어져 있어 비교적 일정한 형태의 후방산란계수 분포를 갖기 때문인 것으로 추정된다(Parihar et al., 2014). 이에 따라 기흥저수지에서는 Otsu 임계값을 적용하여 산정한 저수면적이 고정 임계값과 KI 임계값을 적용하였을 경우보다 클 것으로 예상할 수 있으며, 이동, 고삼저수지에서는 복합적인 결과를 보일 것으로 예상할 수 있다. 2018년 6월 14일 고삼저수지의 KI 임계값은 평균적인 임계값 대비 상당히 작은 값으로 계산되었는데, 이는 해당 일의 히스토그램이 유니모달(unimodal)에 가까운 분포를 가져, 바이모달(bimodal) 분포를 가정하는 KI 기법이 수체를 구분해내지 못했음을 의미한다(Kittler and Illingworth, 1986). 이하 결과에서는 해당 일자 데이터를 제거한 후 분석하였다.
각 저수지에서 만수위일 때와 평수위(이동: 43.8%, 기흥: 20.5%, 고삼: 41.8%)일 때 세 임계값을 사용하여 산출한 저수면적을 Fig. 4에 나타내었다. 만수위인 경우, 세 임계값을 적용한 저수면적이 모든 저수지에 대해 유사하게 나타났다. 저수위인 경우, 이동저수지에서는 Otsu 임계값을 적용한 저수면적이 가장 넓었으며(1.44 km2), KI 및 고정 임계값을 적용한 결과 Otsu의 약 86%, 85%를 수체로 분류하였다. 고삼저수지의 경우 또한 Otsu를 적용한 저수면적이 가장 넓었으며(1.35 km2), KI, 고정 임계값을 적용한 저수면적 순서로 줄어들었다(각 99%, 88%). 두 저수지에서 고정 임계값이 가장 작은 이유는 해당 날짜의 후방산란계수 히스토그램이 평균적인 분포 대비 높은 영역에 형성되었기 때문이며, 이러한 문제는 임계값 산출 과정에서 입사각을 고려함으로써 해결할 수 있을 것으로 보인다. 앞서 예상한 바와 같이, 기흥저수지에서는 Otsu 임계값이 가장 크고 고정 임계값, KI 임계값 순서로 줄어들었으며, 산출된 저수면적 또한 타 저수지 대비 큰 차이를 나타냈다. Otsu 임계값은 히스토그램 상에서 수체와 비수체 분포 간의 분산을 최대화하는 방향으로 산정되는 반면, KI 임계값은 두 분포간의 분류 오류를 최소화하는 방향으로 산정된다. 따라서 KI 임계값은 Otsu 임계값에 비해 보수적으로 산정되는 경향성을 띄며, 이로 인해 미탐지율(miss)은 증가하나 오탐지율(false)은 감소하게 된다(Liang and Liu, 2020). 기흥저수지는 주변이 주로 도시로 이루어져 있으므로 다른 두 저수지에 비해 바이모달 분포가 뚜렷할 것으로 생각되며, 분포의 분산이 상대적으로 낮아 미탐지율의 증가폭보다 오탐지율의 감소폭이 크게 나타난 것으로 판단된다. 일반적인 임계값으로 -15 ~ -17 dB의 값이 사용되는 것을 고려하였을 때, Fig. 4에 나타난 수체 탐지 결과는 시각적으로 다소 긍정적이나, 드론 이미지 등의 실측 자료의 부재로 각 기법의 정확도를 판단하는 것은 제한된다. 따라서 4.2 ~ 3절에서는 산출된 저수면적을 농촌용수종합정보시스템의 저수량과 비교하여 임계값 선정 기법들의 상대적 정확도를 파악하였다.
4.2 저수면적과 저수량의 관계 분석
저수면적과 저수량의 관계는 저수지의 형상에 따라 차이가 있으나, 일반적으로 저수량의 증가는 저수면적의 증가로 나타난다. Jang et al. (2020)에서는 소규모 저수지를 대상으로 드론영상으로 관측한 저수면적이 저수량과 지수함수의 형태로 나타냈을 때 가장 높은 정확도를 나타냄을 보인 바 있다. 농업저수지의 형태를 고려하였을 때, 저수위가 낮을 때는 저수량 증가율에 비해 저수면적의 증가율이 크고, 저수위가 높아질수록 저수면적의 증가율이 적어 지수함수의 형태로 나타난다. 특히 저수위가 만수위에 가까워졌을 때 저수면적의 급격한 증가는 범람으로 이어질 수 있으므로, 실제 만수위에 가까워질수록 저수량의 증가량에 비해 저수면적의 변화가 크지 않도록 설계되어 있는 경우가 많다. 따라서 저수면적이 0 km2인 경우의 저수량은 0 km3이며, 저수면적의 변동과 저수량 변동 사이에 일정한 관계가 있음을 활용하여 저수면적과 저수량 간의 관계를 분석하였다. 추가적으로, 저수위가 만수위에 가까운 상위 5%에 해당하는 고수위인 경우 저수면적의 변화가 거의 관측되지 않을 수 있으므로 각 저수지에서 전체 저수위 자료에서 산출한 회귀식과, 수위 변동 범위 중 고수위 5%에 해당하는 자료를 제외하고 산출한 회귀식을 비교하였다.
Table 2에 나타난 세 저수지의 회귀 분석 결과에서, 저수면적과 저수량의 상관성은 모두 지수함수 형태일 때 가장 잘 표현되었다. 고삼, 기흥저수지는 어떠한 임계값을 적용한 경우에도 아래로 볼록한 지수함수 형태를 나타내었다. 이동저수지에서 Otsu 임계값을 적용한 경우에도 아래로 볼록한 형태의 지수함수가 나타났지만, 고정 임계값을 사용한 경우와 KI 임계값을 사용한 경우 중 고수위 5%를 제외하였을 때, 위로 볼록한 지수함수 형태를 나타내었다. 앞서 가정한 바와 같이 만수위에 가까워지는 경우 저수면적의 변화율보다 저수량의 변화율이 커지게 되므로 고수위 5% 자료를 제외한 결과에서 전체 자료를 사용할 때에 비해 b값이 감소하는 특성을 보이고 있음을 알 수 있다.
Table 2.
Coefficients a, b of the regression function
Figs. 5, 6, 7은 각 저수지에서 저수면적과 저수량의 관계를 나타낸 것이다. Fig. 5(a)에서 이동저수지의 저수면적을 고정 임계값을 통해 산정한 경우, 만수위일 때 저수면적은 약 1.8 km2부터 2.6 km2까지의 범위에서 산출되었다. 하지만 Figs. 5(b) and 5(c)에서는 이러한 오차가 발생하지 않았으므로, 고정 임계값을 적용한 저수면적 추정에서 수체를 탐지하지 못해 저수면적을 과소산정 된 경우가 발생한 것으로 판단할 수 있다. 이러한 현상은 고삼저수지에서도 똑같이 관찰되었으며(Fig. 6), 이를 통해 고정 임계값의 미탐지율이 저수면적과 저수량의 관계를 분석하는데 영향을 미쳤음을 알 수 있다.
고정 임계값을 적용한 것과 비교하여, Otsu 임계값을 적용한 저수면적은 만수위에서의 미탐지 수체를 더욱 정확하게 탐지함으로써 과소 산정되는 경우가 줄어들었음을 Figs. 5, 6, 7의 (a) and (b)를 비교하여 알 수 있다. 따라서 고정 임계값을 적용하는 것보다 Otsu 임계값을 적용하면 미탐지율을 낮추고 정확한 저수면적을 추정할 수 있음을 알 수 있다. 하지만 Figs. 5(b) and 5(c)를 비교하였을 때, Otsu 임계값이 이동저수지에서 0.01 km2 이하의 저수량에서 저수면적을 과대 산정하는 경향이 있는 것으로 판단할 수 있다. 이러한 경향은 고삼, 기흥저수지에서도 전반적인 산포도의 분포가 넓게 나타나는 것으로 나타나, Otsu 임계값이 KI 임계값에 비해 저수면적을 과대산정하고 있음을 의미한다. 즉, 앞선 4.1절에 기술한 바와 같이 KI 임계값을 적용하여 오탐지율을 감소시킴으로써, 뚜렷한 상관관계를 얻을 수 있다.
Figs. 5 and 7의 이동, 기흥저수지의 저수면적-저수량 곡선에서는, 저수량이 증가함에 따라 저수면적이 회귀식을 따라 증가하다가 급격하게 상관관계가 변하는 구간이 관찰된다. 이는 저수면적-저수량의 관계가 저수위 전 구간에서 일정하게 변하는 것은 아니며, 필요에 따라 구간별 회귀분석을 수행해야 함을 보여준다. 본 연구에서는 Sentinel-1 SAR 영상 기반으로 저수면적과 저수량의 관계를 분석하였으나, 정확한 회귀식을 산정하기 위해서는 드론이나 지점 자료와 같은 정확한 자료를 활용하는 것이 유리할 수 있다.
4.3 저수량의 추정을 위한 SAR 영상의 활용성 평가
저수면적과 저수량의 관계를 활용하면, SAR 영상 기반의 저수면적으로부터 저수량을 추정할 수 있다. 4.2절에서 얻은 저수면적과 저수량의 관계를 활용하여 산정한 SAR 영상 기반 저수량과 지점 관측 저수량을 비교한 결과가 Fig. 8에 나타나있다. Fig. 8에서 SAR 영상 기반의 저수량 추정치는, 세 저수지 모두에서 전반적으로 저수량을 잘 모의하고 있음을 알 수 있다. 검증 결과는 고삼저수지에서 가장 정확한 결과를 나타냈고 기흥, 이동 순으로 정확한 결과를 나타내었다. 이동저수지의 경우 고정 임계값과 Otsu 임계값을 적용하였을 때, 저수량을 과대 산정하거나 과소 산정하여 오차가 크게 발생하는 경우가 있었으며, KI 임계값은 세 저수지 모두에서 안정적인 산정 결과를 보여주었다. 따라서 KI 임계값이 저수면적을 가장 정확하게 추정할 수 있는 것으로 평가할 수 있으며, 저수량 산정에서 가장 활용도가 높을 것으로 판단된다. 임계값을 설정하는 방법에 따른 사용한 저수량 추정 결과는 Table 3에서도 비교할 수 있는데, 상관관계, 편향비, 변동성을 종합적으로 고려하였을 때 KI 임계값을 적용하는 경우 KGE’가 가장 높게 나타난 것을 알 수 있다. 특히 상관관계는 세 저수지에서 r = 0.90 이상으로 나타나, SAR 영상이 저수량 모니터링을 위해 사용 가능함을 시사한다.
Table 3.
Statistics of the estimated water storage using different thresholding methods. r refers to the correlation coefficient, refers to the bias ratio, refers to the variability ratio, and KGE’ is the modified Kling-Gupta Efficiency
전반적으로 저수량 추정치는 저수량이 높을 때 오차가 증가하는 경향이 있으며, 이러한 현상은 고수위 구간과 평수위 구간에서의 저수면적과 저수량 간의 관계가 일정하게 나타나지 않기 때문인 것으로 사료된다. 즉, 홍수예방을 위한 목적으로 저수량을 모니터링하기 위해서는, 고수위 구간에 대해 저수면적과 저수량의 관계를 독립적으로 분석하는 것이 필요함을 의미한다. 이러한 결과는 저수지의 특성에 따라 결정되므로, 드론 및 현장관측을 통해 정확한 저수면적-저수량 관계를 파악한다면 위성자료의 활용도를 증대시킬 수 있을 것으로 기대된다.
Fig. 9는 저수량 지상 관측값 및 위성 기반 추정값의 시계열 변화를 나타낸 것으로, 저수량의 변화를 SAR 영상을 통해 모니터링 할 수 있음을 직접적으로 보여주었다. 하지만 고수위 모니터링에서는 저수면적-저수량 간의 단일 회귀식의 한계가 확실하게 드러나는 것을 알 수 있다. 앞서 기술된 바와 마찬가지로, KI 임계값을 적용한 결과가 가장 정확한 결과를 나타내었다. Fig. 9(a)에서 이동저수지의 시계열 분석 결과는 고정 임계값을 사용하였을 때 미탐지로 인해 저수량이 과소평가 되는 경우가 발생함을 보여주며, Otsu 임계값의 경우 2019년 7월 오탐지로 인한 저수량의 과대평가가 발생하는 것을 확인할 수 있다. 마찬가지로 고삼, 기흥저수지에서도 고정 임계값을 사용한 경우, 미탐지로 인한 저수량 과소 산정 문제가 발생하는 것을 관찰 할 수 있다(Figs. 9(b) and 9(c)). 세 저수지에서 모두, 같은 저수량에 대해 다양하게 변동하는 저수면적을 산출한 것을 알 수 있는데, 이는 각각의 이미지들이 갖는 후방산란계수의 분포가 상이하게 나타나며 따라서 같은 저수량에 대해 임계값도 다양하게 산정되기 때문이다(Fig. 3). 이러한 문제는 Ahmad and Kim (2019), Seo et al. (2018)에서 사용된 히스토그램 매칭 등의 기법을 적용하여 일부 해결할 수 있을 것이며, 특히 임계값 산정 알고리즘을 적요하기 이전 히스토그램 매칭의 대상이 되는 기준 이미지가 뚜렷한 바이모달 분포를 가질 경우 고정 임계값을 적용한 결과가 크게 향상될 수 있을 것으로 사료된다.
5. 결 론
본 연구에서는 Sentinel-1 SAR 영상의 후방산란계수를 활용하여 수체를 탐지하고, 이를 농업저수지의 저수량 모니터링에 활용하기 위한 연구를 수행하였다. 수체를 탐지하기 위해 고정, Otsu, KI의 세 가지 방법을 통해 임계값을 설정하여 결과를 비교하였고, 이를 바탕으로 저수면적과 저수량의 관계를 분석하였다. 특히 농업저수지를 대상으로 3년간의 Sentinel-1 영상을 통해 저수량 모니터링을 위한 SAR 영상의 활용도를 평가하였다는 점에서 그 의미가 있다고 판단되며, 다음과 같은 결론을 얻을 수 있었다.
1) SAR 영상의 후방산란계수는 표면의 성질에 따라 다양한 값으로 나타나게 되며, 후방산란계수의 분포로부터 임계값을 설정하여 수체가 분포한 픽셀을 탐지할 수 있다.
2) SAR 기반의 수체탐지기법을 통해 저수지에서의 저수면적을 계산할 수 있으며, 저수면적과 저수량 간의 관계를 분석할 수 있다.
3) 저수면적과 저수량의 관계는 지수함수 형태로 나타나며, 농업저수지의 저수면적을 계산하기 위해 KI 임계값을 사용하는 경우 가장 정확한 저수면적을 얻을 수 있다.
4) 저수면적과 저수량의 관계를 활용하여 SAR 영상을 통해 높은 정확도로 저수량을 추정할 수 있으며, 시간해상도가 높은 SAR 영상의 확보가 가능하다면 저수량 모니터링을 위한 활용이 가능하다.
기존의 농업저수지의 저수량 모니터링은 수위계에 의존하여 제한적으로 이루어져 왔으며, 각 저수지 내에서의 독립적인 계측만 가능하였다. 하지만, SAR 기반의 저수량 모니터링 기법은 저수지뿐만 아니라 유역 내 수체를 전반적으로 감시할 수 있으므로, 저수지 운영(Ahn et al., 2004; Lee et al., 2006), 댐 및 하천 유량 관리(Lim et al., 2017) 등 다양한 목적으로 활용될 수 있을 것으로 기대된다. 특히 광학영상과는 달리 SAR 영상은 기상상황에 대한 영향을 거의 받지 않는다는 장점이 있으므로 지속적인 모니터링을 위한 활용도가 높을 것으로 판단된다. 다만, 저수지의 형상 등 각 지점 별 특성에 따라 지상 관측 자료를 통한 분석이 병행된다면 정확한 모니터링이 가능할 것으로 기대된다. 본 연구 결과를 바탕으로 추후 수자원위성을 통해 높은 시간해상도로 SAR 영상을 활용할 수 있게 되면, 기상상황에 관계없이 한반도 전 지역의 수체를 모니터링할 수 있을 것으로 기대되며, 이를 통해 수자원의 공간적 불균형을 해소하기 위한 관측 네트워크를 구축할 수 있을 것이다.
