Sentinel-1 SAR 영상의 수체 탐지 기법을 활용한 저수지 관측 기반 수문학적 가뭄 지수 평가

김완엽 ( Wanyub Kim ),정재환 ( Jaehwan Jeong ),최민하 ( Minha Choi ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.2

저수량은 가용한 수자원의 양을 가장 직접적으로 나타내는 인자중의 하나이다. 또한 가뭄의 영향을 보다 직관적으로 나타낼 수 있으므로, 가뭄 평가를 위한 연구에서도 다양하게 활용되고 있다. 최근에는 광학영상으로 저수면적을 관측하고, 또 이를 활용한 수문학적 가뭄지수인 RADI가 개발되기도 하였다. 인공위성을 통해 얻을 수 있는 광학영상은 관측주기가 뛰어나 많은 양의 자료를 획득할 수 있으나, 구름 등 기상과 대기환경에 의한 영향에 취약하여 실제 활용에서는 다소 한계가 있다. 이에 본 연구에서는 기상이나, 관측시간대와 상관없이 영상을 획득할 수 있는 SAR 영상을 활용한 가뭄지수 산정 연구를 수행하고자 하였다. Sentinel-1 위성의 SAR 영상을 활용하여 충북 진천군에 위치한 백곡, 초평저수지의 저수면적을 탐지하여, RADI를 산정하여 지역규모 가뭄 모니터링을 수행하였다. RADI는 실측 저수량을 기반으로 한 RSDI와 비교, 검증하였다. RADI는 RSDI와 상관계수 r=0.87, ROC의 밑면적 AUC=0.97로 매우 높은 상관 관계를 보여주었다. 이 결과는 SAR 기반 RADI의 지역규모 수문학적 가뭄 모니터링의 가능성을 보여주며, 추후 가용 SAR 영상의 종류가 늘어나고, 재방문주기가 단축될 것이므로 가뭄 모니터링에 대한 활용성이 증대될 것으로 기대된다. Water storage is one of the factors that most directly represent the amount of available water resources. Since the effects of drought can be more intuitively expressed, it is also used in various studies for drought evaluation. In a recent study, hydrological drought was evaluated through information on observing reservoirs with optical images. The short observation cycle and diversity of optical satellites provide a lot of data. However, there are some limitations because it is vulnerable to the influence of weather or the atmospheric environment. Therefore, this study attempted to conduct a study on estimating the drought index using Synthetic Aperture Radar (SAR) image with relatively little influence from the observation environment. We produced the waterbody of Baekgok and Chopyeong reservoirs using SAR images of Sentinel-1 satellites and calculated the Reservoir Area Drought Index (RADI), a hydrological drought index. In order to validate the applicability of RADI to drought monitoring, it was compared with Reservoir Storage Drought Index (RSDI) based on measured storage. The two indices showed a very high correlation with the correlation coefficient, r=0.87, Area Under curve, AUC=0.97. These results show the possibility of regional-scale hydrological drought monitoring of SAR-based RADI. As the number of available SAR images increases in the future, it is expected that the utilization of drought monitoring will also increase.

다종 위성영상 자료 융합 기반 수자원 모니터링 기술 개발

이슬찬,김완엽,조성근,전현호,최민하 한국수자원학회 2023 한국수자원학회논문집 Vol.56 No.8

Agricultural reservoirs are crucial structures for water resources monitoring especially in Korea where the resources are seasonally unevenly distributed. Optical and Synthetic Aperture Radar (SAR) satellites, being utilized as tools for monitoring the reservoirs, have unique limitations in that optical sensors are sensitive to weather conditions and SAR sensors are sensitive to noises and multiple scattering over dense vegetations. In this study, we tried to improve water body detection accuracy through optical-SAR data fusion, and quantitatively analyze the complementary effects. We first detected water bodies at Edong, Cheontae reservoir using the Compact Advanced Satellite 500(CAS500), Kompsat-3/3A, and Sentinel-2 derived Normalized Difference Water Index (NDWI), and SAR backscattering coefficient from Sentinel-1 by K-means clustering technique. After that, the improvements in accuracies were analyzed by applying K-means clustering to the 2-D grid space consists of NDWI and SAR. Kompsat-3/3A was found to have the best accuracy (0.98 at both reservoirs), followed by Sentinel-2(0.83 at Edong, 0.97 at Cheontae), Sentinel-1(both 0.93), and CAS500(0.69, 0.78). By applying K-means clustering to the 2-D space at Cheontae reservoir, accuracy of CAS500 was improved around 22%(resulting accuracy: 0.95) with improve in precision (85%) and degradation in recall (14%). Precision of Kompsat-3A (Sentinel-2) was improved 3%(5%), and recall was degraded 4%(7%). More precise water resources monitoring is expected to be possible with developments of high-resolution SAR satellites including CAS500-5, developments of image fusion and water body detection techniques. 수자원의 계절적 편중이 심한 한반도에서 농업용 저수지는 이를 효과적으로 유지 및 관리하기 위한 필수적인 구조물이다. 저수지 모니터링을 위한 수단으로 광학 및 합성개구레이더(Synthetic Aperture Radar, SAR) 위성영상이 활용되고 있으나, 광학영상은 기상현상에 의한 간섭이 심하다는 한계점이 존재하며, SAR 영상은 짙은 식생에서 일어나는 다중 산란 및 노이즈에 의한 오탐지 및 미탐지가 발생하기 쉽다. 이에 본 연구에서는 광학영상과 SAR 영상의 융합을 통해 저수지 수체 탐지 정확도를 높이고 상호보완적 작용에 대해 정량적으로 분석하고자 하였다. 경기도 이동저수지, 충청남도 천태 저수지를 대상으로, 국내 고해상도 위성인 차세대중형위성 1호, 다목적실용위성 3호 및 3A호, 그리고 유럽우주국의 Sentinel-2 영상 기반 Normalized Difference Water Index (NDWI)와 SAR 탑재 위성인 Sentinel-1 단일 영상에 비지도학습 기법인 K-means 클러스터링 기법을 사용하여 수체를 탐지하고, NDWI-SAR 후방산란계수로 이루어진 2-D grid space에 동일 기법을 활용하여 정확도의 향상 정도를 파악하였다. 전반적인 정확도는 다목적실용위성이 가장 높은 것으로 나타났으며(두 저수지 모두 0.98), 이후 Sentinel-1(두 저수지 모두 0.93), Sentinel-2(이동: 0.83, 천태: 0.97), 차세대중형위성(이동: 0.69, 천태: 0.78) 순서로 감소하였다. 천태저수지에서 2-D K-means 클러스터링 기법을 적용한 결과 차세대중형위성의 수체탐지 정확도는 약 85%의 정밀도 향상과 14%의 재현율 감소와 함께 약 22% 향상되었으며(정확도 약 0.95), 다목적실용위성 및 Sentinel-2의 수체탐지 정밀도는 3-5% 향상되었고, 재현율은 4-7% 감소하였다. 추후 차세대중형위성 5호인 수자원위성 등 고해상도 SAR 위성과 이를 활용할 수 있는 고도화된 영상 융합기술, 수체 탐지 기술이 개발된다면 국내 수자원에 대한 매우 정확한 모니터링이 가능할 것으로 기대된다.

수문학적 관점에서의 지반 변위 분석: 인공위성 강우데이터와 지하수위 연계

오승철,김완엽,강민선,윤홍식,양정석,최민하 한국수자원학회 2022 한국수자원학회논문집 Vol.55 No.12

As one of the hydrological factors closely related to landslides, precipitation indirectly affects slope stability by generating external forces. Groundwater level fluctuations have attracted more attention lately as factors that directly affect slope stability have become more prominent. Therefore, this study attempted to analyze the relationship between variables through changes in precipitation, groundwater levels, and land displacement. A time series-based analysis was conducted using satellite-based precipitation and point-based groundwater levels in conjunction with the PSInSAR technique to simulate land displacement in urban and mountainous areas. There was a sharp rise in groundwater levels in both urban and mountain areas during heavy rainfall, and a continuous decrease in urban areas when rainfall was low. 6 mm of displacements was observed in the mountainous area as a results of soil outflow from the topsoil layer, which was accompanied by an increased groundwater level. Meanwhile, different results were found in urban area. In response to the rise in groundwater level, the land displacement increases due to the expansion of soil skeletons, while the decrease seems to be attributed to anthropogenic influences. Overall, there was no consistent relationship between groundwater levels and land displacement, which appears to be caused by factors other than hydrological factors. Additional consideration of environmental factors could contribute to a deeper understanding of the relationship between the two factors. 강우는 산사태와 밀접한 연관성을 지니는 수문 인자 중 하나로, 외력을 발생시켜 지반 안정성에 간접적으로 관여한다. 최근에는 지반 안정성에 직접적인 영향을 미치는 인자인 지하수위의 변동에 대한 관심이 증가하고 있다. 이에 본 연구에서는 강우, 지하수위와 지반 변위의 변동을 통해 변수 간 관계성을 분석하고자 하였다. PSInSAR 기법을 사용하여 도심과 산지에서의 지반 변위 모의 결과를 도출하였고, 위성 기반 강우와 지점 기반 지하수위 자료와 연계하여 시계열 기반 분석을 실시하였다. 고강도 강우에 대해 도심과 산지에서 모두 급격한 지하수위의 상승이 나타났으며, 무강우 및 저강우 기간에 대해 도심에서는 지속적인 감소 경향이 나타났다. 지하수위의 증가에 대해 산지에서는 6 mm 수준의 지반 침하가 관측되었으며, 이는 표토층의 토사 유출로 인한 결과로 보인다. 한편 도심에서는 다양한 결과가 나타났는데 지하수위 상승에 대한 지반 변위의 증가와 토양 뼈대의 확장으로 인한 결과로 볼 수 있으나, 지반 변위의 감소는 인위적 영향에서 기인된 결과로 보인다. 전반적으로 지하수위와 지반 변위 간 관계성이 일관되게 나타나지 않았는데, 이는 수문인자 외의 다른 영향인자로 인한 결과로 보인다. 두 인자 간 관계성에 영향을 미치는 환경 인자들이 추가로 고려된다면 관계성을 보다 면밀히 파악하는 데 기여할 수 있을 것으로 보인다.

Sentinel-1 위성 영상을 활용한 침수 탐지 기법 방법론 비교 연구

이성우,김완엽,이슬찬,정하규,박종수,최민하 한국수자원학회 2024 한국수자원학회논문집 Vol.57 No.3

기후변화에 의해 발생하는 대기 불균형은 강우량의 증가로 이어지고, 침수 발생 빈도가 증가함에 따라 이를 탐지할 수 있는 기술의 필요성이 증가하고 있다. 침수 피해를 최소화하기 위해 지속적인 모니터링이 필요하며, 날씨의 영향을 받지 않는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상을 활용하여 침수지역을 탐지하였다. 관측된 데이터는 median 필터를 통해 노이즈를 감소시키는 전처리 과정을 진행하였으며, 객체 탐지 기법을 통해 수체와 비수체를 분류하여 각 기법의 침수탐지 활용성을 평가하고자 하였다. 본 연구에서는 Otsu 기법과 SVM 기법을 통해 수체 및 침수 탐지를 수행하였으며, Confusion Matrix를 통해 전체적인 모델의 성능을 평가하였다. Otsu 기법은 수체와 비수체의 경계를 구분하는데 적합함을 보였으나, 혼합물의 영향을 받아 오탐지의 비율이 높게 나타났다. 반면, SVM 기법을 사용한 경우, 오탐지 비율이 낮고 혼합물에 의한 영향에 민감하지 않은 것으로 관측되었다. 이에 따라 침수 상태를 제외한 다른 조건에서 SVM 기법의 정확도가 높게 나타났다. Otsu 기법이 침수 조건에서 SVM 기법보다 다소 높은 정확도를 보였지만, 정확도의 차이가 5% 미만임을 확인할 수 있었다(Otsu: 0.93, SVM: 0.90). SVM 기법이 Otsu 기법보다 침수 전, 침수 후의 조건에서 정확도 차이가 최대 15% 이상 발생하여 수체 및 침수탐지에 더 적합하게 나타났다(Otsu: 0.77, SVM: 0.92). 이러한 결과는 SVM 기법이 수체 및 침수탐지에서 효과적으로 활용될 수 있음을 시사하며, 미래의 수재해 탐지 시스템에 적용될 때 유용한 정보를 제공할 수 있을 것으로 기대된다. The increasing atmospheric imbalance caused by climate change leads to an elevation in precipitation, resulting in a heightened frequency of flooding. Consequently, there is a growing need for technology to detect and monitor these occurrences, especially as the frequency of flooding events rises. To minimize flood damage, continuous monitoring is essential, and flood areas can be detected by the Synthetic Aperture Radar (SAR) imagery, which is not affected by climate conditions. The observed data undergoes a preprocessing step, utilizing a median filter to reduce noise. Classification techniques were employed to classify water bodies and non-water bodies, with the aim of evaluating the effectiveness of each method in flood detection. In this study, the Otsu method and Support Vector Machine (SVM) technique were utilized for the classification of water bodies and non-water bodies. The overall performance of the models was assessed using a Confusion Matrix. The suitability of flood detection was evaluated by comparing the Otsu method, an optimal threshold-based classifier, with SVM, a machine learning technique that minimizes misclassifications through training. The Otsu method demonstrated suitability in delineating boundaries between water and non- water bodies but exhibited a higher rate of misclassifications due to the influence of mixed substances. Conversely, the use of SVM resulted in a lower false positive rate and proved less sensitive to mixed substances. Consequently, SVM exhibited higher accuracy under conditions excluding flooding. While the Otsu method showed slightly higher accuracy in flood conditions compared to SVM, the difference in accuracy was less than 5% (Otsu: 0.93, SVM: 0.90). However, in pre-flooding and post-flooding conditions, the accuracy difference was more than 15%, indicating that SVM is more suitable for water body and flood detection (Otsu: 0.77, SVM: 0.92). Based on the findings of this study, it is anticipated that more accurate detection of water bodies and floods could contribute to minimizing flood-related damages and losses.

Sentinel-1 SAR 영상 기반 수체탐지 기법 소개

오승철,이슬찬,김완엽,최민하,O, Seung-Cheol,Lee, Seul-Chan,Kim, Wan-Yeop,Choe, Min-Ha 한국수자원학회 2022 물과 미래(한국수자원학회지) Vol.55 No.6

인공지능, 수문해석의 미래를 위한 파트너

정재환,조성근,이슬찬,오승철,전현호,김완엽,최민하,Jeong, Jae-Hwan,Jo, Seong-Geun,Lee, Seul-Chan,O, Seung-Cheol,Jeon, Hyeon-Ho,Kim, Wan-Yeop,Choe, Min-Ha 한국수자원학회 2021 물과 미래(한국수자원학회지) Vol.54 No.12

Swin Transformer와 Sentinel-1 영상을 이용한 우리나라 저수지의 수체 탐지

최소연 ( Soyeon Choi ),윤유정 ( Youjeong Youn ),강종구 ( Jonggu Kang ),김서연 ( Seoyeon Kim ),정예민 ( Yemin Jeong ),임윤교 ( Yungyo Im ),서영민 ( Youngmin Seo ),김완엽 ( Wanyub Kim ),최민하 ( Minha Choi ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5

본 연구에서는 Sentinel-1 synthetic aperture radar 영상을 활용하여 딥러닝 모델인 Swin Transformer로 국내 농업용 저수지의 수표면적을 모니터링 하는 방법을 제시한다. Google Earth Engine 플랫폼을 이용하여 70만 톤 급, 90만 톤 급, 150만 톤 급 저수지 7개소에 대한 2017년부터 2021년 데이터셋을 구축하였다. 저수지 4개소에 대한 영상 1,283장에 대해서 셔플링(suffling) 및 5-폴드(fold) 교차검증 기법을 적용하여 모델을 학습하였다. 시험평가 결과 모델의 윈도우 크기를 12로 설정한 Swin Transformer Large 모델은 각 폴드에서 평균적으로 99.54%의 정확도와 95.15%의 mean intersection over union (mIoU)을 기록하여 우수한 의미론적 분할 성능을 보여주었다. 최고 성능을 보여준 모델을 나머지 3개소 저수지 데이터셋에 적용하여 성능을 검증한 결과, 모든 저수지에서 정확도 99% 및 mIoU 94% 이상을 달성함을 확인했다. 이러한 결과는 Swint Transformer 모델이 국내의 농업용 저수지의 수표면적 모니터링에 효과적으로 활용될 수 있음을 보여준다. In this study, we propose a method to monitor the surface area of agricultural reservoirs in South Korea using Sentinel-1 synthetic aperture radar images and the deep learning model, Swin Transformer. Utilizing the Google Earth Engine platform, datasets from 2017 to 2021 were constructed for seven agricultural reservoirs, categorized into 700 K-ton, 900 K-ton, and 1.5 M-ton capacities. For four of the reservoirs, a total of 1,283 images were used for model training through shuffling and 5-fold cross-validation techniques. Upon evaluation, the Swin Transformer Large model, configured with a window size of 12, demonstrated superior semantic segmentation performance, showing an average accuracy of 99.54% and a mean intersection over union (mIoU) of 95.15% for all folds. When the best-performing model was applied to the datasets of the remaining three reservoirs for validation, it achieved an accuracy of over 99% and mIoU of over 94% for all reservoirs. These results indicate that the Swin Transformer model can effectively monitor the surface area of agricultural reservoirs in South Korea.