대부분의 국내 다목적 댐은 유역면적이 넓고 강우기 집중강우로 인하여 토양의 상당량이 유실되며, 유실된 토양입자는 하천이나 댐 저수지에 장기간 축적되어 저수용량의 감소와 수질관리에 어려움을 야기한다. 지금까지의 퇴적물 조사방법은 관측주기가 길고 측선법에 의한 퇴적정도를 관측하여 정확성 확보에 어려움이 많았다. 본 연구에서는 댐 저수지 퇴적물에 대한 정밀 관측을 위해 항공 LiDAR 기술을 활용하였으며, 퇴적물의 근원지를 추적하고 그 이동경로를 연구하였다. 토양유실에 영향을 주는 토양, 피복, 지형특성을 보다 세밀하게 분류함으로써 유실되는 퇴적물의 정확한 분포량과 유실 위치를 파악할 수 있었으며, 정확도가 향상된 고정밀 DEM을 이용하여 수로화된 흐름을 추적함으로써 퇴적물의 유실경로 분석에 신뢰성을 유지할 수 있었다.
대부분의 국내 다목적 댐은 유역면적이 넓고 강우기 집중강우로 인하여 토양의 상당량이 유실되며, 유실된 토양입자는 하천이나 댐 저수지에 장기간 축적되어 저수용량의 감소와 수질관리에 어려움을 야기한다. 지금까지의 퇴적물 조사방법은 관측주기가 길고 측선법에 의한 퇴적정도를 관측하여 정확성 확보에 어려움이 많았다. 본 연구에서는 댐 저수지 퇴적물에 대한 정밀 관측을 위해 항공 LiDAR 기술을 활용하였으며, 퇴적물의 근원지를 추적하고 그 이동경로를 연구하였다. 토양유실에 영향을 주는 토양, 피복, 지형특성을 보다 세밀하게 분류함으로써 유실되는 퇴적물의 정확한 분포량과 유실 위치를 파악할 수 있었으며, 정확도가 향상된 고정밀 DEM을 이용하여 수로화된 흐름을 추적함으로써 퇴적물의 유실경로 분석에 신뢰성을 유지할 수 있었다.
Most of domestic multipurpose dams were basin area to be large, therefore, soil loss were occurred by downpour in the rainy season, They have caused to accumulate sediments on the river and dam reservoir that brought the decrease of storage volume and difficulties of the quality management of water....
Most of domestic multipurpose dams were basin area to be large, therefore, soil loss were occurred by downpour in the rainy season, They have caused to accumulate sediments on the river and dam reservoir that brought the decrease of storage volume and difficulties of the quality management of water. Until now, the measurement cycle of sediments surveying was long and it was designed to use surveying the degree of sediments, Thus there were many difficult things to secure accuracy. In this study, it was intended to analyze the origin position tracing of sediments and the movement route, for this purpose, aerial LiDAR technology was applied to precise sediments surveying. The amount and location of soil loss were evaluated by classified properties of soil, land-cover, and topographical conditions in detail. Therefore, the reliance could be maintained in analyzing the route of soil loss by extracting the flow within a watercourse and using the advanced accurate DEM.
Most of domestic multipurpose dams were basin area to be large, therefore, soil loss were occurred by downpour in the rainy season, They have caused to accumulate sediments on the river and dam reservoir that brought the decrease of storage volume and difficulties of the quality management of water. Until now, the measurement cycle of sediments surveying was long and it was designed to use surveying the degree of sediments, Thus there were many difficult things to secure accuracy. In this study, it was intended to analyze the origin position tracing of sediments and the movement route, for this purpose, aerial LiDAR technology was applied to precise sediments surveying. The amount and location of soil loss were evaluated by classified properties of soil, land-cover, and topographical conditions in detail. Therefore, the reliance could be maintained in analyzing the route of soil loss by extracting the flow within a watercourse and using the advanced accurate DEM.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 산술적인 수치로서 토양 유실량을 산정할뿐만 아니라 연구지역 전반에 걸친 토양유실 가능성을 판별해 보고자 하였다.
동일하게 적용하였다. 또한 토양의 유실량을 정량화하기보다는 유역전체에 걸쳐서 분산형으로 산정하여 유역 내에서 상대적으로 토양유출 발생이 많은 위치를 제시하고자 하였다.
본 연구에서는 LiDAR 데이터로부터 가상격자(Pseodo-Grid) 제작후 DEM/DSM을 생성하여 처리하는 알고리즘을 수행하였다. 그림 7은 LiDAR 자료로부터 DEM/DSM을 생성하기 위한 흐름도이다.
본 연구에서는 연구지역내 USLE 공식을 이용하여 토양의 유실량을 산정하고 결과로 산출된 평균값을 기준으로 퇴적물의 유입 가능성이 큰 위치를 파악하는데 목적이있다. 따라서 산술적인 수치로서 토양 유실량을 산정할뿐만 아니라 연구지역 전반에 걸친 토양유실 가능성을 판별해 보고자 하였다.
본 연구에서는 정확한 지형을 표현하는 항공 LiDAR기술을 활용한 것으로 지형적인 특성과 흐름 상태를 종합분석하여 강우에 의한 퇴적물의 유입경로를 추적 하였다.
제안 방법
따라서 본 연구에서는 항공 LiDAR 데이터를 이용하여 실제지형을 정확하게 표현하며 우리나라 지역 괸측소별로 약 10년에 걸쳐 구축된 R값(대상지역의 경우 400)을 연구지역에 동일하게 적용하였다. 또한 토양의 유실량을 정량화하기보다는 유역전체에 걸쳐서 분산형으로 산정하여 유역 내에서 상대적으로 토양유출 발생이 많은 위치를 제시하고자 하였다.
Geological Survey)의 연구 내용 (Anderson, 1976)을 기초로 분류된 대분류(논경작지, 식생지, 초지, 거주지, 물)의 토지이용현황을 토대로 미국농무성에서 산출한 C값을 연구지역의 토지이용에 맞도록 일부 수정하여 각각의 식생피복요소에 대한 값을 설정하였다. 또한 대상지역의 식생피복을 결정하기 위해 항공 LiDAR 시스템에서 획득한 반사강도를 이용하여 논, 밭, 산림, 도심, 나지, 물 항목으로 분류하였다. 표 3은 피복분류에 따른 C값을 나타낸 것이다.
또한 정확도가 향상된 고정밀 DEM을 이용하여 유실위치 및 경로를 분석함으로써 댐저수지 퇴적물을 모니터링 하였다.
레이저스캐닝 데이터의 표현 및 처리결과를 육안으로 용이하게 판단하기 위하여 고도채색도를 이용하였다.
본 연구에서는 높은 정확도를 유지하면서 넓은 지역 3차원 공간 데이터 획득이 가능한 항공 LiDAR 시스템을 이용하여 유역에 대한 DEM/DSM을 생성하고, 유역내 토양유실에 영향을 주는 인자 및 유실량을 산정하였다. 또한 정확도가 향상된 고정밀 DEM을 이용하여 유실위치 및 경로를 분석함으로써 댐저수지 퇴적물을 모니터링 하였다.
본 연구에서는 레이저 스캐닝 데이터에서 비지형(nonterrain ; 수목, 건물, 농작물 등) 데이터를 Linear Prediction 기법을 이용하여 제거하고 보간하여 DEM을 생성하였다. 즉, 비지형이라고 판단되는 데이터를 제거하고 지표면부분의 데이터만을 이용하여 보간을 수행하였다.
GPS 기준국을 선정해야한다. 본 연구에서는 촬영지역 30km 내에 기준점을 선정하여 위치정확도를 높였다.
우리나라는 포장실험을 통해 Wischmeier의 공식과의 유의성이 검정되었고 이 Wischmeier의 공식을 이용하여 주로 경사지에 분포하며 침식의 우려가 되는 83개 토양통에 대한 K값을 계산하였다. 표 2는 토양별 토양침식인자에 대한 일부분이다.
유역의 퇴적물 유실 메커니즘을 알아보기 위해 항공 LiDAR 기술을 이용하여 정밀 DEM을 생성하고 퇴적물거동을 모니터링한 결과 다음과 같은 결론을 얻었다.
생성하였다. 즉, 비지형이라고 판단되는 데이터를 제거하고 지표면부분의 데이터만을 이용하여 보간을 수행하였다.
토지피복인자(C factor)는 경사지의 피복상태, 식생종류, 식생상태, 생육정도 등의 복합적인 조건에 대한 토양유실량의 영향을 나타낸 것으로, 본 연구에서는 미국지질조사국(USGS: U. S. Geological Survey)의 연구 내용 (Anderson, 1976)을 기초로 분류된 대분류(논경작지, 식생지, 초지, 거주지, 물)의 토지이용현황을 토대로 미국농무성에서 산출한 C값을 연구지역의 토지이용에 맞도록 일부 수정하여 각각의 식생피복요소에 대한 값을 설정하였다. 또한 대상지역의 식생피복을 결정하기 위해 항공 LiDAR 시스템에서 획득한 반사강도를 이용하여 논, 밭, 산림, 도심, 나지, 물 항목으로 분류하였다.
퇴적물은 주로 토양에 대한 강우 및 바람의 작용에 의해 유입되는데, 우리나라의 하천에서는 여름의 홍수기에 많은 토량이 집중적으로 유입되므로 강우에 의한 유입 메커니즘을 알아보았다.
항공 LiDAR 측량^서 획득한 3차원 공간정보를 퇴적물이 유입되는 근원지 및 경로 추적에 이용하기 위해 본 연구에서는 DSM과 이를 필터링후 3차원 객체를 제거하고생성한 DEM을 ArcGIS 프로그램(3D and Basin Analyst)에 입력하여 수로화된 흐름의 유로 추적에 대한 공간분석을 하였다. 세류와 협곡에 의해 발생한 수로 추적에 대한 분석 결과는 그림 17과 같다.
대상 데이터
① 대상지역을 정규분포라고 가정하고 노이즈를 제거하기 위한 탐색영역을 99% 신뢰구간을 벗어나는 데이터로 한정한다.
대상지역은 충청북도 청원군 대청댐 일대로 포함 면적이 18.526km2인 청주취수탑 부근의 품곡천 유역(그림 1)이다.
데이터 획득에 사용된 장비는 캐나다 Optech 사의 ALTM (Airborne Laser Terrain Mapper) 3070이며 Cessna 208항공기에 탑재하여 항공 LiDAR 측량을 수행하였다. 이장비의 스캐닝 메카니즘은 Oscillating mirror를 사용하므로 스캔 패턴은 지그재그 라인(두 방향 스캔)이다.
기존 연구에서 레이저스캐닝 데이터의 점밀도가 “n”(n/n?)이라면 가로와 세로의 격자 폭은 각각 1/# m로 선정하는 것이 적당하다고 발표되었다(Morgan 등, 2002). 본 연구에서 이용한 가상격자는 레이저 스캐닝 된 대상지역을 정규격자 형태의 가상격자로 구분하고 가상격자내부에 존재하는 레이저스캐닝데이터들을 해당위치에 있는 가상격자로 할당하였다.
본 연구에서 획득한 LiDAR 데이터는 공간객체의 3차원위치정보와 레이저파가 반사된 반사강도를 함께 포함한다.
정확도 점검이 끝난 ALTM 3070 시스템을 이용하여 촬영고도 1, 270m에서 1, 340m로 항공 LiDAR 측량을 하였다. 촬영 당시 수평 .
토양유실에서 사면길이 및 지형경사는 항공 LiDAR 시스템에서 획득한 포인터 데이터를 이용하여 지형분석을통해 이루어졌으며, 격자구조의 cell 크기는 Im로 하여 사용하였다. 이를 기본도로 Moore and Burch 방법을 적용하여 분포형태를 파악하였다.
이론/모형
레이저스캐닝 데이터를 이용하여 대상지역에 존재하는 높이값에 대한 과대우연오차만을 제거한 후 IDW(Inverse Distance Weight) 혹은 크리깅(Kriging) 보간법을 이용하여DSM을 생성한다. 본 연구에서는 IDW 보간법을 이용하였으며 그림 9는 Im 간격으로 IDW 보간법으로 제작된 DSM 을 나타낸 것이다.
LS값은 Foster and Wischmeier에 의해 제안된 산정공식이 주로 사용되어왔으나 이 공식은 평탄 경사의 조건하에서 유도되었고, 이조건하에서도 상당한 변동이 존재하는 모순을 갖는다. 위와 같은 문제점을 개선하고 ESRI사의 GIS용 프로그램인 ArcView로 LS값을 산정할 수 있도록 1999년 Bernie Engele Moore and Burch의 방법을 구현하였으며 본 연구의 LS 값 계산에 식 (1)을 사용하였다.
이를 기본도로 Moore and Burch 방법을 적용하여 분포형태를 파악하였다.
성능/효과
1. 퇴적물의 외부 유입이 많은 지형을 대상으로 높은 점밀도를 유지하면서 항공 LiDAR 측량을 수행하고 기존의 TIN모델의 단점을 보완하는 Pseudo- Grid 알고리즘을 적용함으로써 데이터 처리 속도와 정확도가 향상된 신뢰성 있는 고정밀 DEM/DSM을 얻을 수 있었다.
2. 토양유실인자 K, LS, C, P값을 산정하고 USLE에 적용하여 토양유실량을 분석한 결과 대상지역의 연평균유실량은 0.46kg/n?/year임을 알 수 있었다. 또한 GIS 기술을 이용하여 토양유실에 영향을 주는 토양, 피복, 지형 - 특성을 보다 세밀하게 분류함으로써 유실되는 퇴적물의 정확한 분포량과 유입 위치를 파악할 수 있었다.
3. 정확도가 향상된 고정밀 DEM을 이용하여 수로화된 흐름을 추적함으로써 퇴적물의 유입경로 분석에 신뢰성을 유지할 수 있었다.
895이었다. LS값의 표준편차는 2.41 로서, K, P, C의 표준편차와 비교할 때 현저히 높은 값을 나타내었다. LS값을 분석한 결과 그림 12와 같은 분포를 보였으며, 고도가 높고 경사가 급한 산사면에서 높게 분포하며 대부분은 평균값과 근사한 수치로 나타났다.
46kg/n?/year임을 알 수 있었다. 또한 GIS 기술을 이용하여 토양유실에 영향을 주는 토양, 피복, 지형 - 특성을 보다 세밀하게 분류함으로써 유실되는 퇴적물의 정확한 분포량과 유입 위치를 파악할 수 있었다.
분석결과 식생피복인자 C값은 0~0.4의 분포를 보이며 평균값은 0.115, 표준편차는 0.174로 나타났다. 최대값 0.
면상침식은 일반적으로 강우의 강도가 약한 조건하에서 토양표면이 평탄해야 되므로 수로가 없는 흐름으로 본 연구에서는 고려하지 않았다 세류침식은 일반적으로 강우강도가 강한 조건하에서 유출수가 증가함에 따라 표토에 작은 골짜기를 만들며 침식되는 것이다. 세류침식 에의한 토양의 이동 속도는 30cm/sec 이상이며, 경사장 및경사도가 증가할수록 그리고 강우속도가 증가할수록 그속도가 빨라진다. 협곡침식은 토양침식정도가 세류침식보다 크게 나타나는 것으로 강우침식, 수로침식, 결빙과 해빙의 상호작용에 의한 침식 등 3가지 작용 가운데 한가지 이상의 침식작용에 의해 협곡이 이루어지며 골짜기는 깊이에 따라 대(5m), 중(1 ~5m), 소(Im 이하)로 분류된다.
촬영 당시 수평 . 수직정확도는 그림 2와 같이 5cm 미만이었으며, GPS 신호 수신 상태 지수인 PDOP이 최고 4 미만, 평균 위성수는 5개로 양호하였다. 그림 3, 그림 4는 각각 LiDAR 촬영당시 PDOP과 위성수를 나타낸 것이다.
연구지역에서 R, K, LS, C, P 인자에 대한 값을 산정하고 USLE 공식을 이용하여 계산한 결과, 토양유실량(A)은 0~ 25kg/m2/year의 값 분포를 보이고 평균값은 0.46kg/m2/year 로 나타났다. 표준편차는 1.
174로 나타났다. 최대값 0.4에 대해 평균값이 다소 높게 분포하며 하천주변의 평지뿐만 아니라 유역 산사면에서도 높은 값을 보이는 경향이 있었다. 특히 하천주변의 경작지에서 높은 값을 나타내었다.
토양보존인자는 지형경사가 고려될 때 의미를 갖게 되는데 P값의 경사 분포에 따라 미국 농무성(USDA, 1978) 의 연구에 의하여 경험적으로 개발된 값으로 토양본존에대한 P값은 표 4와 같으며, 적용결과 0.4~ 0.9의 범위의 분포와 0.72의 평균값을 나타내었으며 하천 주변의 평지에서는 평균값 이하의 분포를 보였다. 그림 14는 토양보존인자의 분포를 나타낸 것이다.
548으로서 각 인자값을 이용하여 계산한 토양유실량 결과가 지역에 따라 매우 상이하게 평가되었다. 토양유실량 산정결과를 유입가능성 위치로 비교해 본 결과 퇴적물 유입이 주로 이루어지는 위치는 서쪽 산사면으로 이 부근에서 침식이 가속화 되는 것으로 평가되었다. 그림 15는 품곡천 유역에 대한 A값의 분포상황을 나타낸 것이다.
토양침식인자 K값의 분포를 알아보기 위해 농어촌연구원에서 만든 축척 1:25,000 정밀 토양도를 이용하였으며 분석결과 연구지역의 K값은 0.06~0.37의 범위를 보이며 평균값은 0.188이었다. 표준편차는 0.
참고문헌 (15)
강준묵, 강영미, 이형석 (2004), 도심의 정밀 모니터링을 위한 LiDAR 자료와 고해상영상의 융합, 한국측량학회 춘계학술발표회 논문집, 한국측량학회, pp. 383-388
서정헌, 조우석, 박홍기, 임삼성 (2000), 항공레이저측량을 이용한 지형정보 제작에 관한 연구, 국토지리정보원
신계종 (1999), 지형공간정보체계를 이용한 유역의 토앙유실분석, 강원대학교 박사학위논문
신방응, 김홍택 (2001), 표토보전 및 침식(유실)방지대책에 관한 연구, pp. 29-59
조우석(2003), 레이저 스캐닝 데이터를 이용한 수치표고모델 생성, 인하대학교
Hans-Gerd Maas and George Vosselman (1998), Two algorithms for extracting building models from raw laser altimetry data, ISPRS Journal of Photogrammetry & Remote Sensing, Vol. 54, pp. 153-163
Michel Morgan and Ayman Habib (2002), Interpolation of lidar data and automatic building extraction, 2002, ACMS-ASPRS 2002 annual conference proceedings
Moore and Burch (1986), Physical basis of the length-slope factor in the Universal Soil Loss Equation, Soil Science Society of America Journal, Vol. 50, pp. 1294-1298
Renard, K.G., Foster, G.R., Wessies, G.A., McCool, D.A. and Yoder, D.C. (1993), Predicting soil erosion by water; A guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE), U.S. ARS Publication
Sithole, G., Vosselman, G. (2003), test on extracting DEMs from point clouds: a comparison of existing automatic filters, ISPRS Technical Report, pp. 93-99
Vincent Tao, C, Yong Hu (2001), A review of post-processing algorithms for airborne LiDAR data, Proceedings of the ASPRS Annual Conference, April, pp. 23-27
Wehr, A. and Lohr, U. (1999), Airborne Laser Scanning - an introduction and overview. ISPRS Photogrammetry & Remote Sensing, Vol. 54 (NOS. 2-3), pp. 68-82
Wischmeier, W.H. and D. D. Smith (1978), Predicting rainfall erosion losses, Agricultural Handbook 537, U.S. Depart, of Agric
Yong Hu, C. Vincent Tao (2004), hierarchical recovery of DTM from single and multiple returns LiDARdata, Proceedings of the ASPRS Annual Conference, April
※ AI-Helper는 부적절한 답변을 할 수 있습니다.