Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2288-1115(Print)
ISSN : 2288-1123(Online)
Korean Journal of Ecology and Environment Vol.51 No.1 pp.105-123
DOI : https://doi.org/10.11614/KSL.2018.51.1.105

Present Status and Future Prospect of Satellite Image Uses in Water Resources Area

Seongjoon Kim*, Yonggwan Lee
Department of Civil, Environmental and Plant Engineering, Konkuk University, Seoul 05029, Republic of Korea
Corresponding author: +82-2-450-3749, +82-2-444-0186, kimsj@konkuk.ac.kr
05/01/2018 31/01/2018 08/03/2018

Abstract


Currently, satellite images act as essential and important data in water resources, environment, and ecology as well as information of geographic information system. In this paper, we will investigate basic characteristics of satellite images, especially application examples in water resources. In recent years, researches on spatial and temporal characteristics of large-scale regions utilizing the advantages of satellite imagery have been actively conducted for fundamental hydrological components such as evapotranspiration, soil moisture and natural disasters such as drought, flood, and heavy snow. Furthermore, it is possible to analyze temporal and spatial characteristics such as vegetation characteristics, plant production, net primary production, turbidity of water bodies, chlorophyll concentration, and water quality by using various image information utilizing various sensor information of satellites. Korea is planning to launch a satellite for water resources and environment in the near future, so various researches are expected to be activated on this field.



수자원분야의 위성영상 활 용 현황과 전망

김 성준*, 이 용관
건국대학교 사회환경플랜트공학과

초록


    서 론

    1957년 10월 4일 구소련이 세계 최초의 인공위성 스푸트 니크 1호를 발사한 이래, 1960년 최초의 기상위성 TIROS- 1 (Television Infrared Observation Satellite), 1972년 자원 탐사위성 Landsat 1호, 1978년 Seasat (Seafaring Satellite) 1호를 쏘아 올리면서, 이후 인공위성들은 지구상의 대기 및 기상연구, 자원탐사, 해양연구를 비롯한 수많은 분야에 응용되고 있다.

    21세기 들어서는 전 세계적으로 우주개발 경쟁이 더욱 치열해지고 있다. 인공위성 (Satellite) 제작기술, 광학렌즈 제작기술, 레이더탐지 및 무선통신기술, 공간위치 측량기 술 (GPS; Global Positioning System), 영상정보 분석기술 (Image Processing) 등의 시대적 발전과 함께 이 기술들의 복합체인 원격탐사기술 (Remote Sensing; RS)이 소프트 사 회인프라로 자리매김하고 있다. 국가경계가 없는 지구상공 에서의 공간확보를 통하여 지구상에서 일어나는 실시간의 현상들을 얼마나 신속하게, 얼마나 정확/정밀하게 관측하 여 이들 정보를 활용하느냐가 해당 국가의 미래를 결정짓 는다고 해도 과언이 아닌 우주국가 건설시대가 도래한 것 이다.

    현재 지구상공에는 자원탐사위성을 비롯하여 기상위 성, 해양위성, GPS위성, 통신위성, 군사위성 등 수백 km의 극궤도위성부터 고도 30,000 km의 정지궤도위성 등이 우 리나라 (세계 10번째 자체위성 발사국)를 포함한 미국, 일 본, 프랑스, 인도, 캐나다 등의 국가에 의해 제 각각의 목적 에 따라 운영되고 있다. 2014년 현재 전 세계적으로 대략 15,000개의 위성이 활동 중이며, 우리나라 상공에는 항상 600개 수준의 위성이 떠 있다고 할 수 있다. 일반적으로 위성 1대당 평균수명이 5~10년이고, 제작/발사/운영경비 가 2,500~3,000억 원이 소요되는 것을 감안하면 가히 엄 청난 경제적 비용의 지출이다. 원격탐사기술은 탈냉전시대 이후부터 지구자원, 기상, 환경, 해양, 수자원 등 인류의 번 영을 위한 목적으로 전환되어 사용되기 시작하였다.

    우리나라는 1996년 과학기술부가 ‘우주개발중장기 기본 계획’을 수립한 이래로 Fig. 1에서 보는 바와 같이 1999년 이후 한반도 및 해양 관측 등 실용급 자원탐사위성인 다목 적실용위성 (KOMPSAT; KOrea Multi-Purpose SATellite-극 궤도위성) 총 5기[광학위성; 4기 (1호, 2호, 3호, 3A호), 전천 후위성; 1기 (5호)]가 쏘아 올려졌다. KOMPSAT-1은 6.6 m, KOMPSAT-2는 1 m, KOMPSAT-3은 70 cm, KOMPSAT- 3A는 55 cm로 공간해상도가 계속 향상되고 있다. KOMPSAT-5는 SAR (Synthetic Aperture Radar) 위성 (해상 도: 1 m)으로서 구름, 강우와 관계없이 이들을 뚫고 지상을 관측하는 능력을 가지고 있어, 홍수에 의한 침수지역 파악, 광역의 토양수분 상태 등 앞으로 수자원분야에서 실질적 으로 필요로 하는 영상이 공급되는 것이다. 2010년 발사된 통신해양기상위성인 천리안위성 (COMS; Communication, Ocean and Meteorological Satellite-정지궤도위성)은 1 km (가시), 4 km (적외) 공간해상도로 표면도달일사량, 지구방 출복사량, 지표면온도, 강우강도 등 한반도 전역의 영상정 보를 실시간 (15분 간격)으로 제공하고 있어, 수자원분야에 서도 활용도가 증대되고 있다. 국내외 위성의 발전 및 위 성정보의 활용에 관련된 국내외 동향에 대한 자세한 내용 은 STEPI (2011)과 Yoon et al. (2016)에서 확인할 수 있다.

    한편, 현재 수자원분야에서 활발하게 적용되고 있는 외 국의 대표적인 위성으로는 미국의 Terra/Aqua MODIS (MODerate resolution Imaging Spectroradiometer) 지구관 측위성, GPM (Global Precipitation Measurement) 전구강 수관측위성, GRACE 중력위성, Aqua AMSR (Advanced Microwave Scanning Radiometer) 토양수분관측위성 등을 들 수 있다. 이들 위성들은 모두 극궤도 위성들이며, 보다 높은 고도의 해양기상분야 위성들은 해수면온도, 태풍이동 궤적 등의 파악이 가능한 정지궤도 위성으로 개발, 운영되 고 있다 (K-water, 2015).

    이와 같이, 수자원분야는 RS 기법을 활용하는 데 있어 무한한 잠재력을 가지고 있는 응용분야이다. 예를 들어, 위 성영상을 활용한 구름 및 강우분포, 홍수와 가뭄 피해지역, 식생의 생육상태, 토양수분과 증발산량의 파악, 자연 생태 계의 변화, 수질오염 감시 등 무궁무진하다 (Hwang et al., 2015).

    본 고에서는 현재 활동하고 있는 위성들 중에서 특히 수 자원분야에서 이러한 위성영상의 기본적인 정보인 센서와 해상도로 어떠한 연구들이 활발히 진행되고 있으며, 앞으 로는 어떠한 분야에서 기존 학문분야와 함께 융합 발전시 킬 수 있는지를 알아보기로 한다.

    위성영상의 시 간/공간/분광해상도의 이해와 선택기준

    Fig. 2는 다양한 위성들을 대상으로 시간 및 공간 해상도 별로 적용이 활발한 분야를 도시한 것이며, Table 1은 분야 별로 요구되는 시간, 공간해상도 그리고 분광영역을 정리 한 것이다.

    시간해상도 (Temporal resolution)는 위성영상자료를 활 용하여 수자원 관련인자를 획득 내지는 분석하고자 할 때, 일반적으로 세 가지 종류의 시간해상도를 고려하여 야 한다. 우선 영상분석자가 1년내 생물계절학적 주기 (Phenological cycle)에 따라 진행하는 식물들의 시간적 발 달과정 (식생지수)을 파악할 필요가 있는가이다. 다음으로 는 해당 위성이 얼마나 자주 지표면 관련자료를 수집 (예, 1일, 7일, 1개월)할 수 있는가이다. 마지막으로 영상정보의 수요자 입장에서 얼마나 자주 이러한 종류의 정보를 필요 로 하는가이다 (Table 1).

    공간해상도 (Spatial resolution)는 각 인공위성마다 목적 별로 수 cm~수 km까지의 다양한 해상도를 가지고 운영되 고 있다. 인공위성들을 크게 3그룹의 공간해상도로 구분할 수 있는데, ① GOES와 같은 정지궤도 기상위성은 높은 시 간해상도, 낮은 공간해상도, ② Terra/Aqua MODIS, NOAA AVHRR (National Oceanic and Atmospheric Administration Advanced Very High Resolution Radiometer)과 같은 궤 도위성은 중간 시간해상도, 중간 공간해상도, ③ SPOT (Satellite Pour l’Observation de la Terre), IKONOS (약어 아님)와 같은 궤도위성은 낮은 시간해상도, 높은 공간해상 도를 가진다. 즉, 시간해상도와 공간해상도 두 가지 모두 높은 해상도를 만족하는 위성은 존재하지 않는다.

    분광해상도 (Spectral resolution)는 대상지역의 지표면 관 련 다수의 밴드를 이용한 분광 분석을 통하여 다양한 특징 을 추출하는데 활용되므로, 해당 위성이 분광특성을 가지 고 있는지를 먼저 확인하여야 한다.

    이상의 세 가지 해상도 (시간, 공간, 분광)를 모두 고려하 여 획득하고자 하는 정보에 맞는 위성을 선택하여야 하는 데, 예를 들어, 현재 수자원분야에서 활발히 사용되고 있 는 Terra/Aqua MODIS 영상은 1~2일 주기, 2,330 km 관측 폭, 250 m~1,000 m 공간해상도, 36개 밴드의 분광해상도 를 가지고 있으며, Landsat-7 ETM+ (Enhanced Thematic Mapper) 영상은 16일 주기, 185 km 관측폭, 칼라 30 m/흑백 15 m 공간해상도, 8개 밴드 (청색, 녹색, 적색, 근적외, 2개 중적외, 열적외, 흑백)의 분광해상도를 가지고 있다. Table 2는 Landsat, NOAA, Terra/Aqua 위성의 해상도 특성을 정 리한 것이다. MODIS 영상이 활발하게 이용되고 있는 이 유는 NASA와 USGS에서 다양한 Product (Table 3)들을 웹 으로 공개, 제공하고 있기 때문이다.

    수자원분야에서의 위 성영상 활 용사례

    위성영상을 이용한 수자원관련 연구들은 지금까지 대 부분 Landsat MSS/TM, NOAA AVHRR, Terra MODIS 영 상자료를 이용한 연구가 주종을 이루어 왔다. 지난 50여 년 동안 수자원분야에서 수문분야만 하더라도 많은 연구 가 꾸준하게 진행되어 왔다. 주요 연구분야로는 토지피복 분류, 강우분포, 지표수분포, 적설 분포, 증발산량 산정, 토 양수분/지하수 추정, RS와 GIS 간의 통합, 수문모델링 등 이다. 특히, 수자원 재해관련 연구가 활발히 이뤄지고 있 는데, 각종 자연재해의 이전과 이후의 영상비교 또는 재해 진행과정의 추적을 통하여 재해가 발생한 지역의 지표, 지 형, 식생특성 등의 변화로부터 재해로 인한 영향평가, 재해 에 대한 효과적인 대응 등을 위한 다양한 정보를 얻는 목 적을 가지고 있다. Table 4와 Table 5는 각각 다양한 인공 위성영상을 이용하여 수자원관련 분야 및 재해 (홍수, 태 풍, 가뭄, 산사태, 환경오염 등) 분야에 적용한 사례 및 활 용 가능한 위성영상들을 정리한 것이다.

    1. 증발산량

    지표면에서 발생하는 증발과 식물을 통한 증산을 포함 한 증발산은 범지구적 수문순환을 파악하기 위한 중요한 변수이다. 증발산은 기상 (기온, 상대습도, 풍속, 기압 등) 상태와 지표 환경 (지표온도, 토양수분, 지표 반사도 등)에 영향을 받으며, 증발산에 직접적인 관계가 있는 순복사량 은 대기와 지표 상태에 따른 단파, 장파 복사의 유출입 특 성에 의해 결정된다. 이처럼 증발산은 대기와 주변 환경의 다양한 특성에 영향을 받기 때문에 지역의 에너지 수지를 알 수 있는 종합적인 지표이며 지역 환경을 이해하는 데 기초가 된다 (Sellers et al., 1996; Bonan, 2008).

    정량적인 증발산량을 측정하기 위해 Bowen Ratio Energy Balance Systems (BREBS), Eddy Correlation Systems (ECS), Lysimeter 등 물수지 방법과 에너지 수지 방법을 이 용한 다양한 방법들이 개발되어 제시되었다. 물수지 방법 은 강우량과 증발산량, 유출 및 침투 등 수문요소들의 이 동에 따른 균형을 이용하여 증발산을 산정하며, 년 단위의 장기간의 증발산 산정에 적합하다. 반면 에너지 수지 방법 은 유입 및 유출되는 단파, 장파 복사량의 균형을 이용해 증발산을 산정하는 방법으로 단기간의 증발산 산정에도 적합하다 (Sur et al., 2012).

    에너지 수지 방법을 이용해 증발산을 산정하는 대표적 인 방법은 플럭스 타워 (Flux Tower)를 통한 관측과 인공위 성 자료를 기반으로 한 원격탐사 산정 방법이 있다 (Jeong et al., 2009). 플럭스 타워는 대기와 지표와의 에너지 및 물 질 교환을 직접적으로 측정하여 증발산을 산정하며 (Lee et al., 2004), 국내 관측지로는 경기도 포천시 광릉 국립수목 원내 활엽수림/침엽수림, 경기도 설마천 혼효림, 경기도 청 미천 논지 등이 있다. 플럭스 타워는 실시간 자료 수집, 전 송을 통해 즉각적인 자료를 얻을 수 있는 장점이 있으나, 자료 처리를 위한 전문적인 지식이 필요하며 점 (point) 추 정 기법의 특성상 넓은 지역의 지형, 기상학적 특성을 반 영할 수 없는 한계가 있다. 반면 원격탐사 산정 방법의 경 우 관측 장비를 통해 넓은 지역의 지형적 특성 및 공간 분 포를 반영할 수 있는 장점이 있다 (Choi et al., 2009; Sur et al., 2012).

    20세기 후반부터 원격탐사 기법이 향상되면서 증발산량 을 추정하기 위한 다양한 방법들이 연구되었다. 그중에서 Bastiaanssen et al. (1998)이 제안한 Surface Energy Balance Algorithm for Land (SEBAL) 모형은 유역 내 지표상태 가 불균일한 지역에서 최소한의 지상 관측 자료를 이용해 증발산량을 산정할 수 있어 유용성이 높고 (Bastiaanssen, 2000), Lysimeter를 이용한 실측 증발산량과의 상관성이 높 아 정확성 측면에서도 높은 평가를 받고 있다. 또한 미국의 Idaho 주립대학과 Idaho Department of Water Resources에 서 NASA와 기업의 지원을 받아 활발히 연구되고 있으며, 모형의 세부 알고리즘이 전부 공개되어 미국을 비롯한 터 키, 프랑스, 스페인 등 30개국이 넘는 나라에서 서로 다른 시공간해상도에 대해 적용하는 연구가 활발히 진행되고 있다 (Bastiaanssen et al., 2005; Singh et al., 2008; Teixeira et al., 2009). 본래 SEBAL 모형은 30 m 공간해상도와 16 일의 시간해상도를 가진 고해상도의 Landsat 위성영상을 이용해 지역적인 범위에 적용하기 위해 개발되었으나, 하 루 혹은 이틀에 걸쳐 250, 500, 1000 m의 해상도로 전 지 구를 관측하는 MODIS 위성과 같은 새로운 지구 관측 체 계가 개발됨에 따라 중저해상도 위성을 SEBAL 모형에 적 용하여 증발산량을 산정하는 연구가 다양하게 수행되고 있다 (Tang et al., 2013; Lee et al., 2016a).

    SEBAL 모형은 에너지 수지 방정식을 기반으로 각 픽셀 별로 계산하며, 에너지 수지 방정식의 각 항목인 순복사량 (net radiation, Rn), 토양 열 플럭스 (soil heat flux, G), 현열 플럭스 (sensible heat flux, H)를 개별적으로 계산한 뒤 총 합하여 잠열 플럭스 (latent heat flux, λET)를 계산한다. 증 발산은 잠열 플럭스를 이용하여 계산하며, 위성영상 획득 순간의 증발산량을 계산한뒤 일 증발산량으로 환산한다 (Eq. 1).

    λ E T = R n G H
    (1)

    여기서, Rn은 순복사량 (Wm-2), G는 토양 열 플럭스 (Wm-2), H는 현열 플럭스 (Wm-2)이며, λET는 잠열 플럭스 (Wm-2)이다.

    국내에서는 SEBAL 모형을 이용해 금강 상류의 보정천 유역 (Yoo, 2003), 경기도의 경안천 유역 (Ha et al., 2010), 왕숙천 유역 (Im, 2013), 용담댐 유역 (Lee et al., 2015), 설 마천 및 청미천 유역 (Lee et al., 2016a)에 대해 시계열 공 간 증발산량을 산정한 바 있다. Fig. 3은 SEBAL 모형을 통 해 산정한 2012, 2013년의 우리나라 월별공간증발산량을 나타낸 것이다 (Lee and Kim, 2016). 11월부터 2월까지의 월별 증발산량은 0에 가깝게 산정되기 때문에 그림에 표 기하지 않았다. 그림에서 2013년 8월의 증발산량이 2012 년 8월에 비해 높게 산정되고, 이와 대조적으로 2012년 7 월의 증발산량이 2013년 7월에 비해 높게 산정되는 모습 을 보인다. 이는 해마다 다른 장마 시기가 증발산량에 영 향을 미친 것으로 보인다. 산정된 증발산량은 토지피복별 로 증발산량 분포가 차이나는 모습을 보인다. 서울, 부산, 대구 등 주요 도시 및 시가지가 위치한 지역의 증발산량은 주변 다른 지역에 비해 낮게 산정된다. 또한 동쪽의 산맥 이 위치한 지역에서의 증발산량이 서쪽의 평야지대가 위 치한 지역에 비해 증발산량이 낮게 산정되는 모습을 보인 다. 혼효림 지역과 논 지역에 위치한 국내 플럭스 타워 실 측자료와의 상관성 분석결과, 혼효림에 위치한 용담댐 유 역의 덕유산 플럭스 타워와 설마천 유역의 플럭스 타워와 는 각각 결정계수 (Coefficient of determination, R2)가 0.59, 0.53으로 산정되었고, 논 지역에 위치한 청미천 유역의 플 럭스 타워와는 0.78로 산정되어 위성자료를 활용한 증발 산량 산정의 효용성을 보여주었다.

    2. 토양수분

    물 순환 구조에서 토양수분이 차지하는 정량적인 비중 은 작음에도 불구하고, 강수의 침투, 유출, 증발산 등의 지 표와 대기 사이의 질량과 에너지에 관한 분포와 이동에 관 여하는 중요한 요소로 각각의 상호작용에 의해 수자원 및 수문순환에 직접적인 영향을 미치며 관련 연구가 진행되어 왔다 (Aubert et al., 2003; Qiu et al., 2003; Zribi et al., 2005). 지상관측을 통한 토양수분 측정 방법은 중량측정법, 원자 력방법, 시간영역반사계 (Time Domain Reflectometry, TDR) 방법, 토양수분장력측정법 등이 있다. 국내에서는 농업기 상정보시스템 (http://weather.rda.go.kr)을 통해 토양수분 지상 관측 자료를 제공하고 있으나, 관측기간이 짧고 보유 한 관측 자료 역시 장비 노후화로 인해 결측된 지점이 많 아 신뢰할 수 있는 토양수분 관측 자료가 부족한 실정이 며, 이를 이용한 한반도 전체의 토양수분 변화를 분석하기 에도 매우 비효율적이다 (Park and Kim, 2011).

    최근에는 지상관측 자료의 공간적인 한계를 극복하기 위해 원격탐사 기술을 활용한 공간적인 스케일의 토양수 분 관측에 관련된 연구가 수행되고 있으며, 특히 궤도 위 성을 활용한 연구가 다양하게 이루어지고 있다. 토양수분 산출 위성을 산출하기 위한 위성은 각종 기상인자에 구애 받지 않는 마이크로파 (microwave)를 채택하여 밝기온도 (Brightness temperature, Tb) 값 또는 후방산란계수 획득이 가능하다는 이점이 있으며, microwave 파장에 따라 표층 0~5 cm의 토양수분 값 예측이 가능하다 (Schmugge et al., 2002). 하지만, 토양수분 산출 위성은 저궤도 위성이면서 상대적으로 긴 파장과 제한적인 안테나 크기를 보유하고 있기 때문에 낮은 공간해상도를 가지고 있으며 (10 km~50 km), 2~3일의 Global coverage 시간 해상도를 가진다. 또 한 무선 주파수 간섭 (Radio Frequency Interference, RFI) 로 인한 밝기온도 (Tb) 값의 오염 및 토양수분 산출 알고리 즘의 국지적 불완전성이 존재한다 (Kerr et al., 2010; Kim et al., 2016).

    궤도 위성을 활용한 다른 방법으로 다양한 변수 간의 상관성을 분석하고 자료 추출에 적합한 데이터마이닝 기 법이 토양수분을 산정하는 데 다양한 방법으로 연구되 고 있다. Farrar et al. (1994)과 Narasimhan et al. (2005)은 Normalized Difference Vegetation Index (NDVI)와 토양수 분의 상관성을 분석한 바 있으며, Hutchinson et al. (2006) 은 MODIS NDVI와 Land Surface Temperature (LST)를 이 용해 연속적인 토양수분 분포도를 작성하였다. Hong et al. (2009)은 충주댐 유역을 대상으로 SWAT 모형을 통해 모 의한 토양수분과 MODIS NDVI와의 상관성을 분석하였 으며, Park et al. (2014)은 소양강댐을 대상으로 SWAT 모 형의 모의 토양수분과 MODIS NDVI, LST와의 상관성을 분석하여 제시하였다. 또한 몇몇 알고리즘은 AMSR-E와 WindSat 위성 자료를 활용해 토양수분 추정을 위한 방법 을 제시하였다 (Jackson et al., 2004; Owe et al., 2008). 이 러한 알고리즘은 다양한 종류의 관측 자료와 방법을 활용 해 유효성을 평가받은 바 있다 (Wagner et al., 2007; Draper et al., 2009; Crow et al., 2010; Jackson et al., 2010; Li et al., 2010). 이러한 알고리즘에서 LST는 토양수분 추정을 위한 필수적인 입력 자료로 고려되었다. 특히, Holmes et al. (2009) 및 Wang et al. (2010)은 LST와 토양수분과의 선 형적인 관계성에 기초해 토양수분 추정을 한 바 있다 (Kim and Park, 2010; Parinussa et al., 2011, Lee et al., 2016b).

    이러한 궤도위성은 전 지구적 변화를 관측하기 용이하 나 일관된 시간해상도로 인해 한 지역에서의 시간적 변화 에 대한 관측에는 제한이 있다. 반면 정지궤도 위성은 일 정한 위치에서 고도를 유지하며 관측하는 위성으로 특정 지역의 변화 양상을 관측하기에 용이하다. 따라서 정지궤 도 위성 자료를 토양수분 모의에 적용할 경우 궤도 위성 자료를 활용한 토양수분 모의보다 시간적 변동성에 대한 상세한 고려가 가능하다. Lee et al. (2017)은 우리나라의 대표적인 정지궤도 위성인 천리안 위성 (Communication, Ocean and Meteorological Satellite, COMS)의 자료를 이용 해 지상관측지점에서의 토양수분 실측자료와 다중선형회 귀모형을 활용해 공간 토양수분을 모의하는 기법을 연구한 바 있다. 천리안 위성의 경우, 탑재한 센서에 근적외 파장 역이 제외되어 토양수분과의 상관성이 높은 식생 관련 인 자를 생산할 수 없어 식생지수는 MODIS 위성의 NDVI 자 료를 구축하여 활용하였다. 다중선형회귀모형은 통계 모형 중 하나로 독립변수가 2개 이상일 때 종속변수의 변화를 설명하기 위하여 사용하는 선형회귀모형 (Linear Regression Model)이다. 종속변수를 잘 설명하는 n개의 독립변수 (X1, X2, …, Xn)를 가지는 다중선형회귀모형은 일반적으로 다음 Eq. 2와 같이 나타낼 수 있다.

    Y = C + β 1 X 1 + β 2 X 2 + ... + β n X n
    (2)

    여기서, Y는 종속변수, X1, X2, …, Xn는 종속변수에 영향 을 주는 n개의 독립변수 β1, β2, …, βn은 각 독립변수 X1, X2, …, Xn에 해당하는 회귀계수이며, C는 상수항을 의미한다.

    Fig. 4는 공간 토양수분 산정을 위한 입력 자료를 나타낸 것이다. 앞서 언급한 바와 같이, 식생지수는 MODIS NDVI 를 활용하였으며, 선행 연구 (Lee et al., 2016b)를 통해 15 분 단위의 COMS LST 자료를 일 단위로 합성하였다. 토 양수분 실측 관측지점에 대하여 COMS LST 및 NDVI, 강 우 자료를 추출하여 다양한 시나리오를 통해 회귀계수 를 산정하여 모의한 결과 다중선형회귀모형을 통한 토양 수분 산정에는 토양 속성에 따라 계절별로 선행강우를 고 려하여 회귀계수를 산정하는 것이 실측자료와 가장 상관 성이 높은 것으로 나타났다 (Lee et al., 2017). 이에 따라 Automatic Weather Station (AWS)자료로부터 역거리 가중 법을 통해 작성한 공간강우자료와 토양도를 입력 자료로 활용하였다.

    Fig. 56은 2015년 4월 마지막주 (4월 24일~4월 30일) 에 대해 모의를 통해 산정한 토양수분과 AWS 공간 강우 자료를 나타낸 것이다. 강우 자료와 비교하였을 때, 우리나 라에 큰 강우가 왔던 4월 28~29일 기간 동안 강우 지역에 토양수분 역시 증가하는 모습을 보인다. 또한 무강우 기간 인 4월 21~27일의 전체적인 토양수분은 감소하는 모습을 보이며 정지궤도 위성자료를 통해 산정한 토양수분이 강 우 사상에 따른 토양수분 변동성을 잘 모의하고 있음을 나 타내었다.

    3. 가뭄

    가뭄은 인간이 극복하기 힘든 자연재해로서 홍수와 더 불어 사회·경제적으로 많은 피해를 초래하는 자연재해 중의 하나이다. 인구증가, 도시화 및 산업화 등으로 인하여 용수수요가 증가할수록 더욱 극복하기 어려운 문제이며 인간생활에서 직·간접적으로 막대한 피해를 주고 있다. 가뭄이 지속되는 시간규모는 다양하며, 그 시작과 끝은 명 확하게 정의되어지지 않는다. 기후변화에 따른 가뭄, 지진, 폭설, 홍수 등의 자연재해가 갈수록 빈번해질 뿐만 아니라 규모 또한 커지고 있다. 1990년대 이후 주기적으로 만성적 인 가뭄이 발생되고 그 심도 역시 심화되어 가뭄으로 인 한 피해가 대형화되는 추세이나 정부의 가뭄관리는 사후 대책에만 국한되어 있어 사전 재해관리 차원의 대처가 미 흡한 실정이다. 가뭄에 대한 사전대처를 위해서는 가뭄 상 황을 평가하고 미리 예측할 수 있는 우리나라 가뭄 특성 에 적합한 객관적인 지표가 개발되어야 한다 (Shin et al., 2015).

    다른 재해와 마찬가지로 인공위성을 활용할 경우 광역 규모의 다양한 자연재해에 대한 자료를 획득할 수 있기 때 문에, 실측자료의 시공간적 한계를 극복하기 위해 많이 사 용되고 있다. 이에 Landsat TM/ETM, RADARSAT SAR, Terra MODIS 등 다양한 위성영상들을 이용한 재해관련 연구가 시도되고 있다.

    기존의 가뭄에 관련된 연구는 가뭄을 정량화하여 지수로 나타내는 가뭄지수를 이용하는 연구가 주를 이루고 있다 (Kwon et al., 2007; Park et al., 2011). 이러한 연구들은 주 로 가뭄 평가를 위하여 일반적으로 사용되는 가뭄지수인 파머가뭄심도지수 (Palmer Drought Severity Index, PDSI), 수문학적 가뭄지수 (Surface Water Supply Index, SWSI), 취수원, 농업용 저수지, 댐 등의 공급 또는 가용능력을 고 려한 새로운 가뭄지수 WADI (Water Availability Drought Index) 및 표준강수지수 (Standardized Precipitation Index, SPI) 등을 적용하여 가뭄에 대한 평가를 실시하고 있다 (Shin et al., 2015).

    해외에서는 Narasimhan and Srinivasan (2005)이 SWAT (Soil and Water Assessment Tool) 모형을 통해 모의한 토양 수분 및 증발산으로부터 토양 수분 부족 지수 (Soil Moisture Deficit Index)와 증발산량 부족 지수 (Evapotranspiration Deficit Index, ETDI)를 산정하여 농업가뭄을 모니터 링하였다. ETDI는 SWAT 모형으로 모의한 기준 작물의 증 발산량 및 실제 증발산량으로부터 각각 발생하는 작물 수 분 스트레스 (water stress)를 통해 산정하게 된다. Ceppi et al. (2014)는 실시간 농업 가뭄 예측 시스템의 구성요 소로써 수문학적 모델링과 기상학적 예측을 통해 산정한 토양수분을 활용한 바 있다. 최근에는 Qin et al. (2015)이 Community Land Model로부터 산정한 토양수분 가뭄 심 도 지수 (Soil Moisture Drought Severity Index)를 산정하 고 강수 지수와 비교하여 North China의 가뭄에 대해 연 구하였다. 또한 몇몇 가뭄 지수들은 위성을 비롯한 원격탐 사 장비로부터 산정한 식생지수로부터 제안되고 활용되 어 왔다. 예를 들어, Brown et al. (2008)이 제안한 VegDRI (Vegetation Drought Response Index)는 전통적인 기상학 적 가뭄 인자들과 위성으로부터 산정한 식생지수를 통합 하여 산정하는 지수이다. Otkin et al. (2013)은 증발산량을 추정하기 위해 원격탐사로 산정한 열 적외선 영상 (thermal infrared imagery)을 활용하는 Evaporative Stress Index (ESI)를 제안하였으며 ESI의 변화가 농업시스템에 미칠 수 있는 초기 가뭄 영향을 조기에 경고할 수 있음을 증명 했다. Keshavarz et al. (2014)는 MODIS LST와 NDVI로부 터 계산하는 Soil Wetness Deficit Index를 소개한 바 있으 며, Li et al. (2014)는 중국 동북부의 농업 가뭄을 평가하기 위해 MODIS NDVI 자료를 활용하였다.

    이와 비슷한 연구로, 국내에서는 Shin et al. (2015)이 가 뭄지수를 이용한 가뭄 정도 파악이 아닌 위성영상으로 획 득되는 식생 정보를 이용하여 소양강댐을 대상으로 간접 적으로 가뭄을 평가하는 연구를 수행하였다. 불특정 지역 의 식생상태는 가뭄에 의해 물공급이 원활하게 이루어지 지 못할 경우 일반적으로 식생은 스트레스를 받게 되어 식 생의 활력도가 저하되는 결과를 초래한다. 식생의 활력도 는 위성영상 자료로 얻을 수 있는 식생지수 (NDVI)를 이 용함으로써 정량적으로 추정할 수 있다.

    기상청에 따르면 2014년 12월부터 2015년 3월 26일까 지 강원 영동 지방의 누적 강수량은 48.2 mm를 기록하고 있다. 이는 평년 강수량의 25%에 불과하며 기상청이 전국 기상관측을 시작한 1973년 이래 가장 적은 양이다. 극심 한 가뭄으로 1978년 역대 최저치 수위 (151.93 m)에 근접 한 저수위 152.25 m (2015.6.22)를 기록하였다. Fig. 7은 한 국항공우주연구원에서 제공한 아리랑 2호 및 3호의 소양 호지역의 위성영상으로 초록색은 소양호의 물이며 2015 년 영상에서 모래바닥은 흰색을 나타낸다. 2012년 4월 20 일에 비해 2015년 3월 22일 및 2015년 6월 17일 영상에 서 저수면적이 확연히 줄어든 것을 확인할 수 있다 (http:// hooc.heraldcorp.com).

    Fig. 8은 한반도를 대상으로 MODIS NDVI 영상의 평 년을 평균한 값과 2015년 6월의 NDVI를 도식화하고 그 차이를 계산하여 같이 나타낸 것이다. 여기서 평년 평균 은 2000년부터 2014년까지의 기간 내에서 가뭄년 (2001, 2008, 2009, 2012, 2013, 2014)을 제외한 기간의 값을 평균 한 것을 말한다. 차이는 2015년 6월의 NDVI에서 평년 평 균 값을 뺀 것으로 그 값이 양의 값일 경우 (차이에서 파 란색으로 표현될 경우) 그 해의 NDVI 값이 더 높음을 의 미하고, 음의 값일 경우 (차이에서 붉은 색으로) 2015년의 NDVI값이 평년보다 더 낮음을 나타낸다. 다시 말해, 차이 에서 붉은 색으로 표현될수록 그 해의 식생이 평년에 비 해 덜 성장했다는 것을 의미한다. Fig. 8에서 2015년 6월 에 한반도의 서쪽 지역에서 전반적으로 식생의 활력도가 평년에 비해 떨어지는 모습을 보인다. 이는 장기간의 가뭄 이 결국 식생의 활력도에 악영향을 미친 것으로 볼 수 있 다. 또한 우리나라 동부지역의 대부분의 지역에서 식생의 활력도가 평년에 비해 높은 모습을 보이며 식생 활력에 영 향을 주는 기상 및 여러 요인이 지역별로 불균형이 심화 되었음을 암시하고 있다. 이처럼 위성자료를 통해 산정한 NDVI는 기상 자료와의 복합적인 분석을 통해 넓은 지역 의 가뭄의 영향을 직·간접적으로 판단할 수 있는 지표가 될 수 있다.

    4. 홍수

    최근 들어 기상이변으로 인한 강력한 태풍, 국지 강우 등이 빈번하게 발생하며 이로 인한 홍수로 많은 인명과 재 산 피해가 발생하고 있다. 이러한 홍수피해지역의 파악은 그 예방대책의 수립과 더불어 피해복구사업의 신속한 시 행을 위해서도 정확한 현장조사가 필요하나 홍수에 의한 피해지역이 광범위하고 특히 농촌 소하천의 경우는 그 피 해실태를 모두 현장조사를 통하여 파악하기에는 한계가 따른다. 우리나라는 1999년 12월에 발사된 KOMPSAT-1, 2006년 7월에 발사 성공한 KOMPSAT-2 등 자체 자원탐사 위성을 보유하게 되었고 (Lee et al., 2006), 특히 2013년 8 월에는 합성개구레이더 (Synthetic Aperture Rader, SAR)가 부착된 KOMPSAT-5가 발사되어 날씨에 상관없이 전천후 로 지구 관측이 가능하게 되었다. 또한 공간 및 분광해상 도가 현재 운용중인 위성보다 더욱 향상된 KOMPSAT-6, 7호를 각각 2019년 2020년에 발사할 예정이다. 이러한 위 성을 활용하여 광범위하게 발생되는 홍수 피해 지역 및 농 경지 침수피해지역을 파악하는 것은 기존의 현장조사와 달리 경제성 있고 과학적인 피해지역의 조사를 가능하게 할 뿐만 아니라 피해 지역의 지형, 토지피복, 토양 등과 관 련된 수치자료를 활용하면 재해지역의 원인 및 수문학적 변화 분석도 가능하다.

    광역적으로 발생하는 자연 재해의 파악을 위해 Landsat TM, SPOT, NOAA AVHRR, Terra MODIS 등 다양한 위성 영상들이 활용되고 있다. 국내에서는 Park and Kim (1997) 이 홍수 전후의 Landsat TM 영상자료를 이용하여 유실된 농지 및 침수흔적을 분석한 바 있으며, Lee et al. (2005)과 Lee et al. (2004)이 Landsat TM, ETM 영상을 이용하여 태 풍 루사 전, 후의 피복변화 및 수문영향을 분석한 바 있다. Jeon et al. (2010)은 2003년 태풍 매미와 2009년 집중호우 로 인한 부산의 피해발생 이력을 지도에 표출하는 피해이 력 표출시스템을 개발하였으며, 국립방재연구소인 NIDP (2008)는 재해로 인한 피해규모를 산정할 수 있는 피해조 사시스템을 개발하였다. Hwang et al. (2016)은 고해상도 위성영상들의 분광특성을 고려하여 태풍으로 인한 홍수 피해조사를 효율적으로 지원하기 위한 피해규모 자동산정 시스템을 개발한 바 있다. 해외에서는 Wang (2004)이 미국 North Carolina의 Pitt County의 태풍 후 홍수 피해를 분석 하였다. 이 연구에서는 30 m 해상도를 가진 DEM과 홍수 시 하천수위계를 통해 관측된 수위 자료를 이용하여 범람 지역을 산출하고 이를 Landsat TM 영상으로부터 추출된 범람 지역과 중첩하여 정밀한 범람 지역을 추출하는 기법 을 사용하였다.

    Lee et al. (2005)은 Landsat TM 위성영상을 활용해 2002 년 8월 29일부터 9월 1일 사이에 발생한 태풍 RUSA의 영 향으로 인해 저수지 붕괴 피해를 입었던 강릉 남대천 유역 을 대상으로 태풍 전후의 피해지역을 연구한 바 있다. 태 풍 전의 영상은 태풍 RUSA 직전의 양호한 영상을 찾기 위 해 태풍 후의 영상과 계절적 시기가 같고 구름상태가 양호 한 2000년 9월 29일의 영상을 선정하고, 태풍으로 인한 피 해 분석을 위한 영상으로는 RUSA 발생 후 10일이 경과한 후의 구름량이 거의 없는 영상을 선정하였다.

    영상의 토지피복 분류항목으로는 SCS CN의 분류항목을 고려하여 산림, 논, 밭, 도시, 물, 나지, 초지의 7개로 구분하 였으며, 특히 태풍 후의 영상은 피해 전의 산사태 피해지 역과 토사유출로 뒤덮인 농경지 등 식생이 피복된 상태에 서 나지의 상태로 그 피해의 흔적이 뚜렷이 나타나고 있었 으므로 이를 ‘피해지역’으로 분류항목으로 추가하여 분석 을 실시하였다. 태풍에 의한 피해지역을 최대한 정확하게 추출하기 위해 Tasseled Cap 변환계수를 이용하여 식생에 대한 정보를 잘 반영하는 Brightness, Greenness, Moisture 지수밴드를 생성하여 토지피복 분류시의 밴드로 적용하 였다. 토지피복을 위한 전체적인 밴드구성은 Brightness, Greenness, Moisture 세 개의 지수 밴드와 더불어 식생 반 사의 녹색 피크를 통해 식생을 구별하는 2번 밴드, 식생형 태, 생장, 함수량과 토양 함수량의 지표가 되는 4번 밴드, 식생과 토양의 수분 구별, 강가나 저수지 부분의 침수 등 을 구분하는 데 유용한 5번 밴드 등 총 6개 밴드를 이용하 였으며, 감독분류방법 중의 하나인 최대우도법 (Maximum Likelihood Classification)을 적용하여 토지피복분류를 실 시하였다.

    Table 6과 Fig. 9는 피해 전후 영상을 대상으로 토지피 복분류를 실시한 결과이며, 각 분류 항목에 대한 정확도 를 오차행렬로 작성한 결과 88.6~99.9%의 정확도를 보였 으며, Kappa 계수는 0.84~0.99로 높은 정확도를 보였다. 태풍 전과 후의 영상을 비교하여 태풍전의 식생 피복지역 이 나지로 변화된 토사피해지역의 면적을 산출한 결과 전 체면적의 약 1.9%인 3.6 km2으로 분석되었다 (Lee et al., 2005).

    5. 폭설

    대설은 육지와 바다의 온도차가 큰 지역, 산지가 높아 구름의 상승이 잘 되는 지역, 기단의 변질이 따뜻한 바다 위에서 일어나는 지역 등에서 자주 발생한다 (Kocin and Ucceliini, 1990). 우리나라는 울릉도, 영동과 호남지역이 대표적인 대설지역으로 다른 지역에 비해 강설량이 많다 (Lee and Chun, 2003). 소방방재청의 재해연보에 따르면 2001년 1월 7일 전국적으로 폭풍을 동반한 폭설로 인하여 주택, 비닐하우스 등 6,590억 원의 피해액이 발생하였으 며, 2004년 3월 4일 중부지방에 폭설이 내려 교통과 도로 가 마비되었고, 2011년 1월과 2월에 발생한 폭설로 인하여 부산, 강원과 포항 지역에 농업 시설, 포항제철소와 철강공 단 내 도로가 마비되는 피해를 입었다. 이와 같이 최근에 는 폭설이 그동안의 주기나 공간적 패턴이 없이 나타나고 있으며 이로 인해 이상 폭설에 대비하지 않고 있는 지역에 서는 극심한 피해를 입고 있다. 이와 반대로, 겨울철 강수 량의 저하는 봄철가뭄의 원인이 되기도 한다 (Kim et al., 2012).

    우리나라는 장마와 집중호우가 주를 이루는 여름철 강 수량에 비해 겨울철 강수량은 약 20%로 적은 양이 발생한 다. 국내 수자원 계획에서 겨울 강설에 대한 융설 해석은 수자원실무에 큰 영향을 미치지 않을 것이라 하여 많이 무 시되어 왔다. 하지만, 눈이 많이 오는 북동부 산악지대에서 겨울철 내린 눈으로 인한 융설이 봄까지 반복되면서 수문 학적으로 하천유출에 어느 정도 영향을 미치게 된다. 눈은 밀도편차가 커서 5~25%의 물과 같으며 보통 새로운 눈은 약 10%의 비와 같은데 예를 들어 태백관측소의 2003년 1 월 6일에 기록된 일최심적설이 94.5 cm이면 약 94.5 mm 의 강수량에 해당하는 적설량이 기록된 것이라 할 수 있다 (Lee et al., 2003). 따라서 여러 가지 이수 목적으로 이용될 수 있는 수년 혹은 수십 년의 장기유출해석을 위해서는 적 설 및 융설의 영향을 고려한 연구가 필요하다. 또한 갈수 기에 해당하는 1~5월은 융설의 효과가 유출모의 및 수문 성분해석에 상당히 영향을 미치고 있지만 국외에 비해 국 내에서는 이에 대한 해석도 충분치 않은 실정이다 (Kim et al., 2006, 2014).

    국내의 경우 폭설에 따른 피해 및 영향에 대한 연구는 원 인분석이나 보강효과를 위한 분석이 대부분이며, 피해 지 역을 추출하기 위해서는 적설분포의 모니터링이 필요하다. 적설분포는 기후를 예측하고 기후변화 연구에 중요한 지구 지표면 특성 중 하나이며, 광역의 범위가 분석 가능한 위성 영상의 이점을 이용하여 적설분포도를 구축하는 연구가 활발히 진행되고 있다. Hall et al. (2010)은 Terra MODIS 위성영상의 일별 적설 반사율과 적설분포를 포함하고 있 는 Snowpack을 유형별로 정리하였으며, Salomonson and Appel (2004)은 정규화적설지수 (Normalized Difference Snow Index; NDSI)를 이용하여 Terra, Aqua MODIS 영 상으로부터 적설맵 알고리즘을 분석하였다. 국내에서는 Kang et al. (2006)이 NOAA AVHRR 위성영상의 채널 1번, 3번과 4번 밴드를 이용하여 적설분포 및 적설심 추출 기 법을 연구하였으며, Shin and Kim (2008)은 이를 이용하여 충주댐, 소양강 댐 등 국내 주요 7개 댐 유역의 적설분포와 적설심을 추출한 겨울철 유출모의를 위한 융설 매개변수 로 구축하는 기법을 개발하였다. 또한 Shin et al. (2007)는 2004년 3월과 2005년 12월 폭설을 대상으로 적설심분포 도를 작성하고 고도별 적설면적을 분석하여 고도가 높아 질수록 면적의 감소 기울기가 완만하다고 분석하였다.

    적설분포를 추출하기 위해서 사용되는 NDSI는 위성 영 상 내에서 적설을 감지하기 위하여 band 4번 (0.545~0.565 μm) 녹생파장 (Green)과 band 6번 (1.628~1.652 μm) 적외 선단파장 (Short wave Infrared)을 이용하여 다음의 Eq. 3에 의해 산출된다.

    NDSI= band4-band6 band4+band6
    (3)

    이는 단파적외영역에서의 눈의 반사도 특성 차이를 이용 한 밴드비율이며 NDSI가 0.4보다 크거나 같을 경우 눈으 로 고려된다. 적설분포도는 구름의 영향을 최소화할 수 있 도록 눈이 내린 후부터 녹기전까지의 자료 중 구름의 영향 이 적은 영상을 선정하여 적설영역 (Snow Cover Area)과 구름영역 (Cloud)으로 분류하고 기간별 구름영역을 제외하 여 중첩시킨 후 적설영역만을 추출한다 (Kim et al., 2011).

    적설심분포도는 전국 76개 기상관측소의 최심적설자료 를 이용하여 공간보간하여 작성한다. 공간보간은 공간통 계 데이터가 필요할 때 모든 지점에서 원하는 값을 얻을 수 있는 것은 현실적으로 불가능하므로 관측값을 얻은 후, 이를 이용하여 미관측 지점의 값을 예측하는 방법이다. 대 표적인 공간보간 기법은 역거리 가중법 (Inverse Distance Weight; IDW), Spline, 크리깅, 경향면분석 등이 있다. 이 중 IDW는 표본의 수가 증가할수록 표본간의 역거리 가중 치를 부여하는 IDW가 더 간단하면서 시각적으로 향상된 지도를 만들 수 있기 때문에 (Blackmore and Moore, 1999), 이를 활용해 적설심분포도를 작성하였다.

    또한 우리나라의 지형적 영향에 의한 다양한 기후 특 성을 반영하기 위해 적설심 감률 (Snowdepth Lapse Rate; SLR)의 영향을 고려하였다. 이는 우리나라 76개 기상관측 소를 대상으로 30년 (1980년 11월 1일~2010년 4월 30일) 평균 월 최심신적설과 기상관측소 고도 자료와의 상관관 계를 분석하여 월별로 적설심 감률을 산정하였다. 최종적 으로 공간보간한 적설심분포도에 MODIS Snow Cover 영 상을 결합하고 여기에 적설심 감률을 적용하여 적설분포 도를 작성하게 된다. Fig. 10은 이와 같은 방법으로 작성한 우리나라의 2011년의 1, 2, 3월의 폭설사상에 대해 작성한 적설심분포도를 나타낸 것이다.

    적 요

    우리나라의 수자원관련 인공위성 영상정보의 활용능력 은 현재 선진국대비 20~30% 수준에 머무르고 있다. 지금 까지 수자원분야에서 인공위성영상의 대부분의 활용은 수 문모형의 입력자료로서 토지피복도를 사용하는 수준이다. 이 또한 2000년대 건설교통부 ‘유역조사사업’을 통하여 미국의 Landsat 영상을 활용하여 전국적으로 1975년부터 2000년까지 5년 간격의 기본적인 토지피복도 (USGS level 1~30 m 해상도)를 작성하여 이를 보급한 것으로부터 정착 되었다 (국가수자원관리종합정보시스템 http://www.wamis. go.kr/). 2000년 이후로는 환경부가 토지피복도를 제작 공 급하는 부처로 구분되어, 이후의 자료로는 2008년 10 m 해 상도의 토지피복도가 구축되어 있다.

    한편 2000년부터 위성영상을 획득하기 시작한 Terra/ Aqua MODIS 위성은 영상정보 활용의 획기적인 전환점을 만들었다고 할 수 있다. 웹상에서 제공하는 다양한 수자원/ 수문관련 공간정보들이 거의 실시간으로 제공되고 있는 것이다. 공간해상도 또한 250~1,000 m 수준이라 수자원분 야에는 충분히 활용이 가능하며, 상세화 (Downscaling) 기 술을 개발하여 정보의 수준을 끌어올리기도 한다.

    정부는 2005년 8월 국가과학기술위원회에서 ‘미래 국가 유망기술 21’을 확정하였는데, 21개 핵심분야 중에서 공공 성 (국가안위·위상제고)을 고려하여 “전지구 관측 시스템 과 국가자원 활용”을 선정한 바 있다. 특히 ‘우주와 지구’, ‘정보와 지식’, ‘안전’, ‘국토관리 및 사회인프라’기술분야 에서 제안된 기술들 중에는 원격탐사기술을 중심으로 구 성하여, 미래의 원격탐사기술이 수자원분야에 활용될 것을 고지한 바 있다. 이에 건설교통부는 2006년 5월 ‘국토이노 베이션기술개발사업’을 추진하면서 건설교통 R&D 혁신로 드맵의 “재해예방 및 감지기술 분야”에서 홍수재해 예방 시 원격탐사기술이 큰 비중을 차지하는 것으로 제안한 바 있다. 한편, 2013년에는 국토교통부 국토교통과학기술진흥 원에서 ‘위성정보를 활용한 글로벌 수자원 감시, 평가, 예 측시스템 개발’을 위한 기획을 거쳐 2014년 7월 ‘국토관측 센서 기반 광역 및 지역 수재해 감시·평가·예측기술 개 발 연구단 (2014~2019)’이 발족되었다. 기술개발 내용으 로는 위성정보 기반의 수문기상인자 산출기술, 미계측유 역 수자원변동 분석기술, 수문학적 가뭄감시 및 전망기술, 하천건천화 추적기술 등이 포함되어, 수자원분야에서 원격 탐사기술의 획기적인 발전이 기대되고 있다. 또한, 정부는 2020년대에 수자원 전용위성을 쏘아올릴 계획을 가지고 있어, 인공위성영상을 활용한 연구는 급성장할 것으로 예 상된다.

    현재 원격탐사 기술개발을 위한 다양한 위성영상 분석소 프트웨어 (PG-STEAMER, ERDAS, ER-MAPPER, IDRISI, ArcGIS 등)들이 적정한 가격으로 개발되어 있으므로, 분석 툴에 대한 물리적인 환경은 갖추어져 있다고 볼 수 있다. 지난 30여년 동안 GIS를 이용한 다양한 수자원 관련연구 가 정착되어 온 것과 마찬가지로, 이제 원격탐사관련 위성 영상정보의 활용연구가 활성화되어 다양한 기술개발을 통 한 수자원분야의 우주기술시대를 맞이하기를 기대해 본다.

    Figure

    KSL-51-105_F1.gif

    A road map of the Korea satellite’s development (http://www.kari.re.kr/kor/sub04_02_02.do).

    KSL-51-105_F2.gif

    Application field of satellite images according to temporal and spatial resolution.

    KSL-51-105_F3.gif

    Monthly spatial distribution of SEBAL ET from March to October in 2012 and 2013.

    KSL-51-105_F4.gif

    Input data for estimating spatial soil moisture.

    KSL-51-105_F5.gif

    Simulation results of soil moisture from April 24 to April 30 in 2015.

    KSL-51-105_F6.gif

    Automatic weather station (AWS) precipitation data from April 24 to April 30 in 2015.

    KSL-51-105_F7.gif

    Arirang satellite images of Lake Soyang (Shin et al., 2015).

    KSL-51-105_F8.gif

    Comparison NDVI of normal years’ average, June 2015 and difference between average and June 2015.

    KSL-51-105_F9.gif

    Comparison land use between before and after typhoon RUSA (Namdae-cheon watershed in Gangreung).

    KSL-51-105_F10.gif

    Snow cover area (SCA) based on MODIS satellite images (top) and daily snow depth maps about heavy snow duration (bottom).

    Table

    Relationship between urban/suburban attributes and the minimum remote sensing resolutions required to provide such data (Jensen and Cowen, 1999).

    Comparison of temporal, spectral, spatial resolution between Landsat, NOAA and Terra satellite.

    MODIS products provided by NASA & USGS (http://modis.gsfc.nasa.gov/data/).

    Application of various satellite data on the field of water resources.

    List of available satellite images according to the natural disasters.

    Comparison land use between before and after typhoon RUSA (Lee et al., 2005).

    Reference

    1. D. Aubert , C. Loumagne , L. Oudin (2003) Sequential assimilation of soil moisture and streamflow data in a conceptual rainfall-runoff model., J. Hydrol. (Amst.), Vol.280 ; pp.145-161
    2. W.G.M. Bastiaanssen , E.J.M. Noordman , H. Pelgrum , G. Davids , B.P. Thoreson , R.G. Allen (2005) SEBAL Model with Remotely Sensed Data to Improve Water-Resources Management under Actual Field Conditions., J. Irrig. Drain. Eng., Vol.131 ; pp.85-93
    3. W.G.M. Bastiaanssen (2000) SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey., J. Hydrol. (Amst.), Vol.229 ; pp.87-100
    4. W.G.M. Bastiaanssen , M. Menenti , R.A. Feddes , A.A.M. Holtslag (1998) A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation., J. Hydrol. (Amst.), Vol.212-213 ; pp.198-212
    5. S. Blackmore , M. Moore (1999) Remedial Correction of Yield Map Data., Precis. Agric., Vol.1 ; pp.53-66
    6. G. Bonan (2008) Ecological Climatology: Concepts and Applications., Cambridge University Press,
    7. J.F. Brown , B.D. Wardlow , T. Tadesse , M.J. Hayes , B.C. Reed (2008) The Vegetation Drought Response Index (VegDRI): A new integrated approach for monitoring drought stress in vegetation., GIsci. Remote Sens., Vol.45 ; pp.16-46
    8. A. Ceppi , G. Ravazzani , C. Corbari , R. Salerno , S. Meucci , M. Mancini (2014) Real-time drought forecasting system for irrigation management., Hydrol. Earth Syst. Sci., Vol.18 ; pp.3353-3366
    9. M. Choi , W.P. Kustas , M.C. Anderson , R.G. Allen , F. Li , J.H. Kjaersgaard (2009) An intercomparison of three remote sensingbased surface energy balance algorithms over a corn and soybean production region (IOWA, U.S.) during SMACEX., Agric. For. Meteorol., Vol.149 ; pp.2082-2097
    10. W.T. Crow , D.G. Miralles , M.H. Cosh (2010) A quasiglobal evaluation system for satellite-based surface soil moisture retrievals., IEEE Trans. Geosci. Remote Sens., Vol.48 ; pp.2516-2527
    11. C.S. Draper , J.P. Walker , P.J. Steinle , R.A. de Jeu , T.R. Holmes (2009) An evaluation of AMSR-E derived soil moisture over Australia., Remote Sens. Environ., Vol.113 ; pp.703-710
    12. T.J. Farrar , S.E. Nicholson , A.R. Lare (1994) The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana. II. NDVI response to soil oisture., Remote Sens. Environ., Vol.50 ; pp.121-133
    13. R. Ha , H.J. Shin , M.S. Lee , S.J. Kim (2010) Estimation of Spatial Evapotranspiration Using satellite images and SEBAL Model., Journal of the Korean Society of Civil Engineers, Vol.30 ; pp.233-242
    14. D.K. Hall , G.A. Riggs , J.L. Foster , S.V. Kumar (2010) Development and evaluation of a cloud-gap-filled MODIS daily snow-cover product., Remote Sens. Environ., Vol.114 ; pp.496-503
    15. T.R.H. Holmes , R.A.M. De Jeu , M. Owe , A.J. Dolman (2009) Land surface temperature from Ka band (37 GHz) passive microwave observations., J. Geophys. Res. D Atmospheres, Vol.114 ; pp.D04113
    16. W.Y. Hong , M.J. Park , J.Y. Park , R. Ha , G.A. Park , S.J. Kim (2009) The Correlation Analysis Between SWAT Predicted Forest Soil Moisture and MODIS NDVI During Spring Season., Journal of The Korean Society of Agricultural Engineers, Vol.51 ; pp.7-14
    17. J.M.S. Hutchinson , T.J. Vought (2006) Continuous soil moisture mapping using MODIS NDVI and LST products., Papers of the Applied Geography Conferences 29, ; pp.140-149
    18. S. Hwang , K. Kim , G. Lee , M. Lee (2016) A Study on the Development of Automated Damage Estimation System using High Resolution Satellite Imagery., Journal of Korean Society of Hazard Mitigation, Vol.16 ; pp.161-172
    19. J.S. Im (2013) Applicability evaluation of SEBAL using multitemporal satellite images and observed evapotranspiration data: focused on Wangsuk river basin, Master of Philosophy., Department of Geography, Seoul National University,
    20. T.J. Jackson , M.H. Cosh , R. Bindlish , P.J. Starks , D.D. Bosch , M. Seyfried , D.C. Goodrich , M.S. Moran , J. Du (2010) Validation of advanced microwave scanning radiometer soil moisture products., IEEE Trans. Geosci. Remote Sens., Vol.48 ; pp.4256-4272
    21. T.J. Jackson , R. Hurkmans , A. Hsu , M.H. Cosh (2004) Soil Advanced Microwave Scanning Radiometer (AMSR-E) in Mongolia., Italian Journal of Remote Sensing, Vol.30 ; pp.39-52
    22. J.R. Jensen , D.C. Cowen (1999) Remote Sensing of Urban/Suburban Infrastructure and Socio-Economic Attributes., Photogramm. Eng. Remote Sensing, Vol.65 ; pp.611-622
    23. T.G. Jeon , H.S. Hwang , C.S. Kim (2010) A UIS-based System Development to Express the Damage History Information of Natural Disasters., Journal of Korea Multimedia Society, Vol.13 ; pp.1739-1747
    24. S.T. Jeong , K.C. Jang , S.K. Kang , J. Kim , H. Kondo , M. Gamo , J. Asanuma , N. Saigusa , S. Wang , S. Han (2009) Evaluation of MODIS-derived Evapotranspiration at the Flux Tower Sites in East Asia., Korean Journal of Agricultural and Forest Meteorology, Vol.11 ; pp.174-184
    25. S.M. Kang , H.J. Shin , H.J. Kwon , S.J. Kim (2006) Extraction of Snowmelt Factors using NOAA Satellite Images and Meteorological Data., Hangug Sujaweon Haghoe Nonmunjib, Vol.39 ; pp.845-854
    26. M.R. Keshavarz , M. Vazifedoust , A. Alizadeh (2014) Drought monitoring using a Soil Wetness Deficit Index (SWDI) derived from MODIS satellite data., Agric. Water Manage., Vol.132 ; pp.37-45
    27. Y.H. Kerr , P. Waldteufel , J.P. Wigneron , S. Delwart , F. Cabot , J. Boutin , M. Escorihuela , J. Font , N. Reul , C. Gruhier , S.E. Juglea , M.R. Drinkwater , A. Hahne , M. Martin-Neira , S. Mecklenburg (2010) The SMOS mission: New tool for monitoring key elements of the global water cycle., Proc. IEEE, Vol.98 ; pp.666-687
    28. G.S. Kim , H.G. Park (2010) Soil Moisture Estimation Using CART Algorithm and Ancillary Data., Hangug Sujaweon Haghoe Nonmunjib, Vol.49 ; pp.263-273
    29. H. Kim , S. Kim , J. Jeong , I. Shin , J. Shin , M. Choi (2016) Revising Passive Satellite-based Soil Moisture Retrievals over East Asia Using SMOS (MIRAS) and GCOM-W1 (AMSR2) Satellite and GLDAS Dataset., Journal of Wetlands Research, Vol.18 ; pp.132-147
    30. N.W. Kim , B.J. Lee , J.E. Lee (2006) An evaluation of snowmelt effects using SWAT in Chungju dam basin., Journal of Korean Water Resources Association, Vol.33 ; pp.833-844
    31. S.B. Kim , H.J. Shin , J.W. Lee , Y.S. Yu , S.J. Kim (2011) Mapping Technique for Heavy Snowfall Distribution Using Terra MODIS Images and Ground Measured Snowfall Data., Journal of the Korean Association of Geographic Information Studies, Vol.14 ; pp.33-43
    32. S.B. Kim , H.J. Shin , R. Ha , S.J. Kim (2012) Spatio-temporal Analysis of Snowfall for 5 Heavy Snowfall Areas in South Korea., Journal of the Korean Society of Civil Engineers, Vol.32 ; pp.103-111
    33. S.B. Kim , S.R. Ahn , H.J. Shin , S.J. Kim (2014) Assessment of Snowmelt Impact on Chungju Dam Watershed Inflow Using Terra MODIS Data and SWAT Model., Journal of the Korean Society of Civil Engineers, Vol.34 ; pp.457-467
    34. P.J. Kocin , L.W. Uccellini (1990) Snowstorms along the Northeastern Coast of the United States: 1955 to 1985., Amer. Meteor. Soc., Vol.44
    35. H.J. Kwon , H.J. Lim , S.J. Kim (2007) Drought assessment of agricultural district using modified SWSI., Journal of the Korean Association of Geographic Information Studies, Vol.10 ; pp.22-34
    36. K-water (2015) Pre-planning for technology development of satellite payload technology for water resources. Infrastructure R&D Report, Korea Agency for Infrastructure Technology Advancement, Ministry of Land, Infrastructure and Transport,
    37. H.C. Lee , B.Y. Lee , J. Kim , J.S. Shim (2004) Tower-based Flux Measurement Using the Eddy Covariance Method at Ieodo Ocean Research Station., Ocean Polar Res., Vol.26 ; pp.145-154
    38. M.S. Lee , G.A. Park , S.J. Kim (2004) Land Cover Change Detection by Typhoon RUSA., Journal of the Korean Society of Civil Engineers, Vol.24 ; pp.823-828
    39. M.S. Lee , G.A. Park , S.J. Kim (2005) Analysis of Hydrological Impact by Typhoon RUSA using Landsat Images and hydrological Model., Hangug Sujaweon Haghoe Nonmunjib, Vol.38 ; pp.391-399
    40. M.S. Lee , G.A. Park , S.J. Kim (2006) A Study on the Extraction of Flood Inundated Scar of Rural Small Stream Area Using RADARSAT SAR Images., Hangug Sujaweon Haghoe Nonmunjib, Vol.39 ; pp.969-976
    41. S.H. Lee , J.H. Chun (2003) The Distribution of Snowfall by Siberian High in the Honam Region - Emphasized on the Westward Region of the Noryung Mountain ranges -., Journal of the Korean Geographical Society, Vol.38 ; pp.173-183
    42. S.H. Lee , T.J. Ahn , B.M. Yun , M.P. Shim (2003) A Tank model application to Soyanggang Dam and Chungju Dam with snow accumulation and snow melt., Journal of Korean Water Resources Association, Vol.36 ; pp.851-861
    43. Y.G. Lee , S.J. Kim (2016) The Modified SEBAL for Mapping Daily Spatial Evapotranspiration of South Korea Using Three Flux Towers and Terra MODIS Data., Remote Sens., Vol.8 ; pp.983
    44. Y.G. Lee , C.G. Jung , S.R. Ahn , S.J. Kim (2016) Estimation of spatial evapotranspiration using Terra MODIS satellite image and SEBAL model in mixed forest and rice paddy area., Hangug Sujaweon Haghoe Nonmunjib, Vol.49 ; pp.227-239a
    45. Y.G. Lee , C.G. Jung , J.W. Lee , S.J. Kim (2016) A Study on Establishment of Appropriate Observation Time for Estimation of Daily Land Surface Temperature using COMS in Korea Peninsula., Journal of the Korean Society of Agricultural Engineers, Vol.58 ; pp.37-46b
    46. Y.G. Lee , C.G. Jung , Y.H. Cho , S.J. Kim (2017) Estimation of Soil Moisture Using Multiple Linear Regression Model and COMS Land Surface Temperature Data., Journal of the Korean Society of Agricultural Engineering, Vol.59 ; pp.11-20
    47. Y.G. Lee , S.H. Kim , S.R. Ahn , M.H. Choi , K.S. Lim , S.J. Kim (2015) Estimation of Spatial Evapotranspiration Using Terra MODIS satellite image and SEBAL Model- For Yongdam Dam Watershed-., Journal of the Korean Association of Geographic Information Studies, Vol.18 ; pp.90-104
    48. R. Li , A. Tsunekawa , M. Tsubo (2014) Index-based assessment of agricultural drought in a semi-arid region of Inner Mongolia, China., J. Arid Land, Vol.6 ; pp.3-15
    49. L. Li , P.W. Gaiser , B.C. Gao , R.M. Bevilacqua , T.J. Jackson , E.G. Njoku , C. Rudiger , J-C. Calvet , R. Bindlish (2010) WindSat global soil moisture retrieval and validation., IEEE Trans. Geosci. Remote Sens., Vol.48 ; pp.2224-2241
    50. B. Narasimhan , R.J. Srinivasan , J.G. Arnold , M.D. Luzio (2005) Estimation of long-term soil moisture using a distributed parameter hydrologic model and verification using remotely sensed data., American Society of Agricultural Engineers, Vol.48 ; pp.1101-1113
    51. B. Narasimhan , R. Srinivasan (2005) Development and evaluation of Soil Moisture Deficit Index (SMDI) and Evapotranspiration Deficit Index (ETDI) for agricultural drought monitoring., Agric. For. Meteorol., Vol.133 ; pp.69-88
    52. J.A. Otkin , M.C. Anderson , C. Hain , I.E. Mladenova , J.B. Basara , M. Svoboda (2013) Examining rapid onset drought development using the thermal infrared-based evaporative stress index., J. Hydrometeorol., Vol.14 ; pp.1057-1074
    53. M. Owe , R. de Jeu , T. Holmes (2008) Multisensor historical climatology of satellite-derived global land surface moisture., J. Geophys. Res. Earth Surf., Vol.113 ; pp.F01002
    54. R.M. Parinussa , T.R.H. Holmes , M.T. Yilmaz , W.T. Crow (2011) The impact of land surface temperature on soil moisture anomaly detection from passive microwave observations., Hydrol. Earth Syst. Sci., Vol.15 (10) ; pp.3135-3151
    55. B.U. Park , C. Kim (1997) A Study on Analysis of Natural Disaster Using Remote Sensing Data., Journal of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography, Vol.15 ; pp.234-244
    56. J.A. Park , G.S. Kim (2011) Estimation of Spatial Distribution of Soil Moisture at Yongdam Dam Watershed Using Artificial Neural Networks., Journal of the Korean Geographical Society, Vol.46 ; pp.319-330
    57. J.Y. Park , S.R. Ahn , S.J. Hwang , C.H. Jang , G.A. Park , S.J. Kim (2014) Evaluation of MODIS NDVI and LST for indicating soil moisture of forest areas based on SWAT modeling., Paddy Water Environ., Vol.12 ; pp.s77-s88
    58. M.J. Park , H.J. Shin , Y.D. Choi , J.Y. Park , S.J. Kim (2011) Development of a hydrological drought index considering water availability., Journal of the Korean Society of Agricultural Engineers, Vol.53 ; pp.165-170
    59. Y. Qiu , B. Fu , J. Wang , L. Chen (2003) Spatiotemporal prediction of soil moisture content using multiple-linear regression in a small catchment of the Loess Plateau, China., Catena, Vol.54 ; pp.173-195
    60. Y. Qin , D. Yang , H. Lei , K. Xu , X. Xu (2015) Comparative analysis of drought based on precipitation and soil moisture indices in Haihe basin of North China during the period of 1960-2010., J. Hydrol. (Amst.), Vol.526 ; pp.55-67
    61. V.V. Salomonson , I. Appel (2004) Estimating fractional snow cover from MODIS using the normalized difference snow index., Remote Sens. Environ., Vol.89 ; pp.351-360
    62. T.J. Schmugge , W.P. Kustas , J.C. Ritchie , T.J. Jackson , A. Rango (2002) Remote sensing in hydrology., Adv. Water Resour., Vol.25 ; pp.1367-1385
    63. P.J. Sellers , D.A. Randall , G.J. Collatz , J.A. Berry , C.B. Field , D.A. Dazlich , C. Zhang , G.D. Collelo , L. Nounoua (1996) A revised land surface parameterization (SiB2) for atmospheric GCMS, Part 1: Model formulation., J. Clim., Vol.9 ; pp.676-705
    64. H.J. Shin , G.A. Park , S.J. Kim (2007) Extraction of Snowmelt Parameters using NOAA AVHRR and GIS Technique for 5 River Basins in South Korea., Korean Journal of Remote Sensing, Vol.23 ; pp.119-124
    65. H.J. Shin , S.J. Kim (2008) Extraction of Snowmelt Parameters using NOAA AVHRR and GIS Technique for 7 Major Dam Watersheds in South Korea., Journal of the Korean Society of Civil Engineers, Vol.28 ; pp.177-185
    66. H.J. Shin , M.J. Park , E.H. Hwang , H.S. Chae , S.J. Kim (2015) A Study of Spring Drought Using Terra MODIS Satellite Image - For the Soyanggang Dam Watershed -., Journal of the Korean Association of Geographic Information Studies, Vol.18 ; pp.145-157
    67. R.K. Singh , A. Irmak , S. Irmak , D.L. Martin (2008) Application of SEBAL model for mapping evapotranspiration and estimating surface energy fluxes in south-central Nebraska., J. Irrig. Drain. Eng., Vol.134 ; pp.273-285
    68. STEPI (Science and Technology Police Institute) (2011) Planning for the Utilization of Satellite Observation Information., Ministry of Education, Science and Technology,
    69. C.Y. Sur , S.J. Han , J.H. Lee , M.H. Choi (2012) Estimation of Satellite-based Spatial Evapotranspiration and Validation of Fluxtower Measurements by Eddy Covariance Method., Korean Journal of Remote Sensing, Vol.28 ; pp.435-448
    70. R. Tang , Z-L. Li , K-S. Chen , Y. Jia , C. Li , X. Sun (2013) Spatial-scale effect on the SEBAL model for evapotranspiration estimation using remote sensing data., Agric. For. Meteorol., Vol.174-175 ; pp.28-42
    71. A. Teixeira , W.G.M. Bastiaanssen , M.D. Ahmad , M.G. Bos (2009) Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the lowmiddle Sao Francisco River basin, Brazil. Part A: calibration and validation., Agric. For. Meteorol., Vol.149 ; pp.462-476
    72. W. Wagner , V. Naeimi , K. Scipal , R. de Jeu (2007) Soil moisture from operational meteorological satellites., Hydrogeol. J., Vol.15 ; pp.121-131
    73. H. Wang , X. Li , H. Long , X. Xu , Y. Bao (2010) Monitoring the effects of land use and cover type changes on soil moieture using remotesensing data: A case study in China ?(tm)s Yongding River basin., Catena, Vol.82 ; pp.135-145
    74. Y. Wang (2004) Using Landsat 7 TM data acquired days after a flood event to delineate the maximum flood extent on a coastal floodplain., Int. J. Remote Sens., Vol.25 ; pp.959-974
    75. J.W. Yoo (2003) The Estimation of Evapotranspiration with SEBAL Model in the Geumgang Upper Basin, Korea. Master of Philosophy, Department of Geography, Seoul National University,
    76. B.Y. Yoon , J.H. Lee , Y.S. Kim (2016) Trend on the international & domestic of solution for social issues based on satellite information. Current Industrial and Technological Trends in Aerospace., Korea Aerospace Research Institute, Vol.14 ; pp.183-190
    77. M. Zribi , N. Baghdadi , N. Holah , O. Fafin (2005) New methodology for soil surface moisture estimation and its application to ENVISAT-ASAR multi-incidence data inversion., Remote Sens. Environ., Vol.96 ; pp.485-496