[논문]대규모 홍수 매핑을 위한 저해상도 광학위성영상의 활용 방법

박연연; 이화선; 김경탁; 이규성

doi:10.7780/kjrs.2018.34.5.7

대규모 홍수 매핑을 위한 저해상도 광학위성영상의 활용 방법
Methodology to Apply Low Spatial Resolution Optical Satellite Images for Large-scale Flood Mapping 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.5, 2018년, pp.787 - 799

박연연 (인하대학교 공간정보공학과) , 이화선 (인하대학교 공간정보공학과) , 김경탁 (한국건설기술연구원) , 이규성 (인하대학교 공간정보공학과)

초록
AI-Helper

대규모 홍수 발생 시 적기에 침수지의 공간적 분포와 변화를 모니터링하기 위한 정확하고 효율적인 매핑 수단이 필요하다. 본 연구에서는 높은 시간해상도로 동일 지역을 하루에 여러 번 관측이 가능한 저해상도 광학위성영상을 이용하여 대규모 홍수 범람으로 인한 침수지를 탐지하는 방법을 제시하고자 하였다. 2010년 1월 모로코 세부강 유역에서 발생한 대규모 홍수로 인한 침수지를 탐지하기 위하여 MODIS 일별 표면반사율 영상을 사용하였다. 영상에서 나타나는 침수지의 다양한 분광특성을 분석하여 침수지의 유형이 순수한 물표면과 물과 식물이 혼재된 형태가 함께 분포하고 있었다. 침수지 탐지는 분광특성에 따라 선정된 밴드의 반사율 영상에 직접 임계값을 적용하는 방법과 물 관련 분광지수에 임계값을 적용하는 방법을 비교하였다. 침수지 탐지 결과의 정확도 검증은 TM 영상에서 판독된 부분 지역의 침수지 지도와 비교하였다. NDWI를 제외한 나머지 방법에서 90% 이상의 높은 정확도를 얻었다. 모든 침수지 탐지 방법에서 SWIR밴드와 적색광밴드가 가장 중요하며, 2개의 밴드에 직접 임계값을 적용하는 단순한 방법으로도 정확하고 효율적인 침수지 탐지가 가능했다. 기존의 NIR밴드는 침수지 탐지에 있어서 큰 역할을 하지 못했지만, 식물이 혼재된 침수지의 유형을 구분하는데 유용했다.

Abstract ▼ AI-Helper

Accurate and effective mapping is critical step to monitor the spatial distribution and change of flood inundated area in large scale flood event. In this study, we try to suggest methods to use low spatial resolution satellite optical imagery for flood mapping, which has high temporal resolution to cover wide geographical area several times per a day. We selected the Sebou watershed flood in Morocco that was occurred in early 2010, in which several hundred $km^2$ area of the Gharb lowland plain was inundated. MODIS daily surface reflectance product was used to detect the flooded area. The study area showed several distinct spectral patterns within the flooded area, which included pure turbid water and turbid water with vegetation. The flooded area was extracted by thresholding on selected band reflectance and water-related spectral indices. Accuracy of these flooding detection methods were assessed by the reference map obtained from Landsat-5 TM image and qualitative interpretation of the flood map derived. Over 90% of accuracies were obtained for three methods except for the NDWI threshold. Two spectral bands of SWIR and red were essential to detect the flooded area and the simple thresholding on these bands was effective to detect the flooded area. NIR band did not play important role to detect the flooded area while it was useful to separate the water-vegetation mixed flooded classes from the purely water surface.

주제어

표/그림 (10)

그림 Fig. 1. Topography and stream network within the Sebou River watershed. Box indicates the Gharb Plain where the most flooding occured.
그림 Fig. 2. MODIS image of the Gharb Plain in Morocco obtained before the flood on November 11, 2009 with (a) red band (620~670 nm), (b) NIR band (841~876 nm), (c) SWIR band (1628~1652 nm) and during the flood on January 15, 2010 with (d) red band, (e) NIR band, (f) SWIR band.
$Fig. 3. Spectral reflectance of two flooded classes extracted from MODIS image (*) and simulated (o) by spectral mixture analysis using two endmembers (turbid water and vegetation) reflectance: (a) 3:7 fraction between turbid water and vegetation, (b) 7:3 fraction between turbid water and vegetation.$ 그림 Fig. 3. Spectral reflectance of two flooded classes extracted from MODIS image (*) and simulated (o) by spectral mixture analysis using two endmembers (turbid water and vegetation) reflectance: (a) 3:7 fraction between turbid water and vegetation, (b) 7:3 fraction between turbid water and vegetation.
그림 Fig. 4. Sample statistics (mean, maximum, minimum) of three flooded classes and four non-flooded classes for each of six MODIS bands.
그림 Fig. 5. Accuracy assessment of the flooded area by using the flood map extracted from Landsat-5 TM image.
그림 Fig. 6. Flood map and area extracted by thresholding on (a) two band (SWIR, red), (b) three band (SWIR, red, NIR), (c) EVI and LSWI, and (d) NDWI data.
그림 Fig. 7. Pattern of spectral mixture between turbid water and vegetation. (a) vegetation canopy exposed over flooding water, (b) flooding water and non-flooded vegetation and wet soil.
표 Table 1. Accuracy of the flooded area detection assessed by the reference flood map derived from TM image
그림 Fig. 8. Separation of the flooded area by NIR reflectance: (a) histogram of NIR reflectance within the flooded area, (b) three classes of the flooded area by applying the NIR thresholds.
표 Table 2. Distribution of three flooded classes separated by NIR thresholds within the flood area obtained from the two MODIS bands. Accuracy was assessed by the reference flood map from TM image

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

홍수 피해 복구 및 방재 계획 수립을 위한 침수지 매핑은 정확도와 함께 효율적인 영상 처리 방법이 요구된다. 본 연구에서 제시되는 방법이나 임계값은 유사한 지표 특성을 가진 다른 지역에도 적용될 수 있는 방향으로 목표를 설정하였다. 특히 대규모 침수지에서 나타나는 분광특성이 단순히 물표면만 아니라, 물과 함께 부분적으로 침수되어 수면 위로 드러나 농작물, 수목 등이 나타나는 형태의 침수지의 유형도 함께 구분하고자 하였다.
, 2016). 본 연구의 목적은 저해상도 광학위성영상을 이용하여 대규모 홍수로 발생한 침수지를 탐지하기 위한 간단하고 효과적인 방법을 제시하고자 한다. 홍수 피해 복구 및 방재 계획 수립을 위한 침수지 매핑은 정확도와 함께 효율적인 영상 처리 방법이 요구된다.
그러나 침수지 면적이 대규모인 홍수 지역에서 적시에 침수 상황을 모니터링하고 매핑하기 위해서는 시간해상도가 뛰어난 저해상도 위성영상의 활용을 고려할 수 있다. 본연구에서는 2010년 모로코 세부강 유역에 발생한 대규모 침수지를 탐지하고자 MODIS 일별 표면반사율 영상을 이용하였다. 침수지에서 나타나는 유형별 분광특성을 분석하고 이를 토대로 MODIS 밴드별 반사율과 분광지수에 임계값을 적용하여 침수지를 탐지하였다.
본 연구에서 제시되는 방법이나 임계값은 유사한 지표 특성을 가진 다른 지역에도 적용될 수 있는 방향으로 목표를 설정하였다. 특히 대규모 침수지에서 나타나는 분광특성이 단순히 물표면만 아니라, 물과 함께 부분적으로 침수되어 수면 위로 드러나 농작물, 수목 등이 나타나는 형태의 침수지의 유형도 함께 구분하고자 하였다.

제안 방법

혼합화소에 해당하는 침수지의 정확한 표면 상태를 정의하기 위하여 분광혼합분석을 적용하였다. 6개 밴드의 MODIS 영상을 최소잡음비(minimum noise fraction, MNF) 기법으로 변환한 후, 처음 3개의 MNF영상에서 얻어진 순수화소지수(pixel purity index, PPI)를 이용하여 단일의 순수한 지표물이라 판단되는 endmembe를 추출하였다. 추출된 endmember에 해당하는 화소들을 TM 영상과 Google Earth의 고해상도 영상을 이용하여 토지피복의 동질성 및 면적 등을 확인하여 탁한 물과 식물에 해당하는 endmember의 반사율을 도출하였다.
침수지 탐지에 이용한 두 번째 물 관련 분광지수로 적색광밴드와 SWIR밴드에서 물과 토양 식물 등 다른 지표물과의 반사율 차이를 강조한 Normalized Difference Water Index (NDWI)를 사용하였다(Rogers and Kearney,2004). MODIS 영상의 적색광밴드와 SWIR밴드를 이용하여 NDWI(수식 2)를 산출하였다. 영상에서 바다에 해당하는 지역을 제외하고, 가브 평야 지역 내의 NDWI히스토그램 분포를 참고하고 육안 판독 결과 침수지가 비교적 잘 구분되는 경계를 임계값(0)으로 선정하여 침수지를 도출하였다.
MODIS 표면반사율 밴드와 분광지수에 임계값을 적용하는 네 가지 방법으로 가브 평야의 침수지를 추출하였다(Fig. 6). 먼저 2개 밴드(SWIR, red)을 이용하여 추출된 침수지와 3개 밴드(SWIR, red, NIR)를 이용하여 추출한 침수지의 공간적 분포와 면적이 크게 다르지 않음을 볼 수 있으며, 침수지 면적 또한 거의 동일하게 나타났다.
MODIS 영상은 가시광선 및 적외선 파장대를 포함하여 모두 36개의 밴드로 구성되어 있지만, 이 연구에서는 공간해상도가 250 m인 적색광(red) 밴드1과 NIR밴드2, 그리고 단파적외선(shortwave infrared,SWIR) 밴드를 포함하는 공간해상도 500 m인 밴드3부터 7까지 모두 7개의 밴드 영상을 사용하였다. NASA에서 제공하는 MODIS 영상 투영체계변환 소프트웨어인 MRT(MODIS Reprojection Tool)를 이용하여 7개 밴드 영상을 UTM(Universal Transverse Mercator) 좌표체계에 등록하였다. 침수지 경계를 보다 세밀하게 탐지하기 위하여 공간해상도가 500 m인 밴드3~7의 영상은 250 m 영상으로 입방회선법(cubic convolution)을 적용하여 재배열(resampling)하여 밴드 1~2영상과 동일하게 맞추어주었다.
농지 및 초지는NIR밴드에서 반사율이 높게 나타나며, 식물과 혼재된 2개의 침수지 등급과 유사한 통계값을 보여주고 있다. NIR 영상만으로 침수지를 구분하는데 어려움이 있지만, 통계값 산출에 사용된 표본에서 제외된 다양한 형태의 비침수지 영역을 감안하여 SWIR 및 red 밴드에 추가하여 NIR밴드에 임계값 0.37을 적용하여 3개 밴드의 임계 값을 만족하는 침수지를 추출하였다.
15임계값을 적용하면 대부분의 침수지가 구분되었다. SWIR밴드에서 나타나는 침수지와비침수지(dark soil, crop, grassland)간의 반사율이 유사한 부분을 제거하고자 가시광선 밴드를 추가로 사용하였다. 가시광선 밴드에서는 침수지 구분에 다소 혼란을야기했던 3개의 비침수지 등급이 침수지 등급과 확연히 차이를 보여준다.
영상분류나 경계선 추출기법과 같은 처리를 통하여 TM 영상에서 경계선을 자동 추출하는 방법을 적용할 수 있으나, 이 방법 역시 적용하는 알고리즘에 따라 결과가 달라질 수 있다. TM영상에서 침수지와 주변 식생 및 나지 등의 분광특성을 잘 보여주는 NIR밴드와 SWIR밴드를 포함한 여러 칼라합성영상을 육안으로 판독하여 침수지 경계를 추출하였다. TM 영상에서 추출된 침수지 지도가 전체 홍수 지역을 포함하는게 아니라 네 곳의 부분적인 지역에서 만들어졌지만, 이를 기준으로 산출된 정확도는 침수지의 공간적 분포 특성과 고해상도 영상과의 비교를 통한 정성적인 검증 결과와 동일한양상을 보여주고 있다.
추출된 endmember에 해당하는 화소들을 TM 영상과 Google Earth의 고해상도 영상을 이용하여 토지피복의 동질성 및 면적 등을 확인하여 탁한 물과 식물에 해당하는 endmember의 반사율을 도출하였다. 각 endmember의 반사율을 점유 비율(F)로 혼합하여 모의 생성된 반사율(M_i)을 수식(1)을 이용하여 도출한 후, 영상에서 추출된 침수지 유형별 반사율을 비교하여 침수지 유형을 정의하였다.
침수지 탐지의 정확도는 TM 영상을 이용한 정확도 산출과 탐지된 침수지에 대한 정성적인 판독을 통하여 검증하였다. 먼저 Landsat-5 TM 영상에서 네 곳의 부분 지역에서 추출된 침수지를 참값으로 가정하여 정확도를 비교하였다. 침수지 탐지의 정확도 산출은 Khan et al.
연구에 사용된 MODIS 표면반사율 산출물은 대기효과를 제거한 순수한 지표물의 특성을 대표하는 절대적 신호값이므로, 침수지 물과 주변 토지피복의 분광특성이 크게 다르지 않다면 다른 지역에서도 그대로 적용이 가능하다. 메콩강 하류 지역의 홍수 매핑을 위해 개발된 EVI와 LSWI에 적용된 임계값을 본 연구 지역인 모로코 지역에 그대로 적용했지만, 모로코에서 추출된 분광특성을 토대로 설정한 임계값을 적용한 결과와 유사한 결과를 도출하였다.
침수지 탐지에 있어서 가장 간단하고 쉽게 적용할 수 있는 방법으로 임계값 적용을 꼽을 수 있다. 별도의 분광지수를 이용하지 않고,밴드별 표면반사율 영상에 직접 임계값을 적용하여 침수지를 추출하였다.
모로코 세부강 유역 홍수로 인한 침수지를 탐지하고 구획하기 위하여 Terra위성에서 2010년 1월 15일에 촬영된 일별 표면반사율(MOD09) 산출물을 사용하였다. 세부강 유역은 저지대 지형 특성으로 단기간에 대규모 범람이 발생하고 침수와 배수가 빠르게 변하는 특성을 감안하여 일별 표면반사율(surface reflectance) 영상을 사용하였다. 일별 표면반사율 영상은 복사보정과 대기 보정 처리를 거쳐서 영상의 신호값이 표면반사율로 변환된 산출물이다.
MODIS 영상의 적색광밴드와 SWIR밴드를 이용하여 NDWI(수식 2)를 산출하였다. 영상에서 바다에 해당하는 지역을 제외하고, 가브 평야 지역 내의 NDWI히스토그램 분포를 참고하고 육안 판독 결과 침수지가 비교적 잘 구분되는 경계를 임계값(0)으로 선정하여 침수지를 도출하였다.
위에서 정의된 3개의 침수지 등급과 4개의 비침수지등급의 밴드별 반사율 특성을 세부적으로 파악하기 위하여 MODIS 영상에서 각각의 침수지 및 비침수지 등급에 해당하는 여러 지점을 영상에서 육안 판독을 통하여 선정하였고, 각 등급별로 약 100여개 화소를 추출하여 반사율 통계값을 얻었다. 침수지 탐지에 있어서 가장 간단하고 쉽게 적용할 수 있는 방법으로 임계값 적용을 꼽을 수 있다.
이 방법 역시 MODIS 영상을 이용하였지만,일별 영상이 아닌 8일합성 영상을 토대로 하였다. 이 방법은 캄보디아와 베트남 메콩강 중하류 지역의 홍수 매핑을 위하여 개발되었지만, MODIS 표면반사율에 기반한 침수지 탐지 방법이므로 논문에서 제시된 임계값을 그대로 적용하였다. 침수지 추출은 두 단계로 이루어지는 데, 먼저 EVI, LSWI, 그리고 EVI와 LSWI의 차이(DVEL)를 생성한 후, 각 분광지수에 제시된 임계값을 그대로 적용하여 침수지를 추출하였다.
화소 크기가 250m인 MODIS 영상에서 추출된 침수지 경계선과 30 m 해상도의 TM 영상을 판독하여 추출한 침수지 경계는 해상도 차이와 두 영상의 좌표등록 과정에서 오차 등을 감안하여 두 벡터파일을 중첩 시 MODIS 2개 화소 이하의 면적을 차지하는 ‘Miss’와 ‘False alarm’은 정확도 산정에서 제외하였다. 정성적인 검증은 추출된 침수지의 공간적 분포와 면적을 영상과 함께 비교 분석하였다.
6개 밴드의 MODIS 영상을 최소잡음비(minimum noise fraction, MNF) 기법으로 변환한 후, 처음 3개의 MNF영상에서 얻어진 순수화소지수(pixel purity index, PPI)를 이용하여 단일의 순수한 지표물이라 판단되는 endmembe를 추출하였다. 추출된 endmember에 해당하는 화소들을 TM 영상과 Google Earth의 고해상도 영상을 이용하여 토지피복의 동질성 및 면적 등을 확인하여 탁한 물과 식물에 해당하는 endmember의 반사율을 도출하였다. 각 endmember의 반사율을 점유 비율(F)로 혼합하여 모의 생성된 반사율(M_i)을 수식(1)을 이용하여 도출한 후, 영상에서 추출된 침수지 유형별 반사율을 비교하여 침수지 유형을 정의하였다.
NASA에서 제공하는 MODIS 영상 투영체계변환 소프트웨어인 MRT(MODIS Reprojection Tool)를 이용하여 7개 밴드 영상을 UTM(Universal Transverse Mercator) 좌표체계에 등록하였다. 침수지 경계를 보다 세밀하게 탐지하기 위하여 공간해상도가 500 m인 밴드3~7의 영상은 250 m 영상으로 입방회선법(cubic convolution)을 적용하여 재배열(resampling)하여 밴드 1~2영상과 동일하게 맞추어주었다. MODIS 영상을 관찰한 결과, 밴드5(1230~1250nm)는 센서 이상으로 줄무늬 현상과 잡음이 심하여 분석에서 제외하고 6개 밴드 영상으로 분석하였다.
그러나 3개의 침수지 유형간 반사특성은 뚜렷한 차이를 보여주고 있다. 침수지 내의 유형별 분포를 확인하기 위하여 2개 밴드로 탐지된 침수지 영역에 해당하는 모든 화소들의 NIR반사율을 추출하였다. Fig.
이 방법은 캄보디아와 베트남 메콩강 중하류 지역의 홍수 매핑을 위하여 개발되었지만, MODIS 표면반사율에 기반한 침수지 탐지 방법이므로 논문에서 제시된 임계값을 그대로 적용하였다. 침수지 추출은 두 단계로 이루어지는 데, 먼저 EVI, LSWI, 그리고 EVI와 LSWI의 차이(DVEL)를 생성한 후, 각 분광지수에 제시된 임계값을 그대로 적용하여 침수지를 추출하였다.
이와 같이 침수지로 판독되는 부분이라도 밴드별 신호 특성이 매우 다양하게 나타나고 있음을 확인할 수 있었다. 침수지 탐지에 앞서서, 침수지에서 나타나는 분광특성을 분석하여 침수지의 정확한 상태를 파악하였다.
침수지 탐지의 정확도는 TM 영상을 이용한 정확도 산출과 탐지된 침수지에 대한 정성적인 판독을 통하여 검증하였다. 먼저 Landsat-5 TM 영상에서 네 곳의 부분 지역에서 추출된 침수지를 참값으로 가정하여 정확도를 비교하였다.
본연구에서는 2010년 모로코 세부강 유역에 발생한 대규모 침수지를 탐지하고자 MODIS 일별 표면반사율 영상을 이용하였다. 침수지에서 나타나는 유형별 분광특성을 분석하고 이를 토대로 MODIS 밴드별 반사율과 분광지수에 임계값을 적용하여 침수지를 탐지하였다. 침수지 탐지에 있어서 SWIR밴드가 가장 중요하다고 판단된다.
즉 물표면도 토사부유물의 농도에 따라 반사율이 다르게 나타나며, 식물과 물의 점유비율이 3:7 그리고 7:3으로 구분된 유형 외에 점유비율이 달라질수록 반사율은 변하게 된다. 침수지의 NIR 반사율 히스토그램에 적절한 임계값(0.18, 0.29)을 적용하여 침수지를 세 가지 유형으로 구분하였다(Fig. 8(b)).

대상 데이터

MODIS 영상에서 추출한 침수지를 검증하기 위하여 MODIS 영상 촬영시기에 가장 근접한 2010년 1월 14일의 Landsat-5 TM영상을 획득하여 MODIS영상과 동일한 좌표체계에 등록하였다. TM 영상은 MODIS 영상보다 하루 먼저 촬영되었기 때문에 침수지의 분포에 다소 차이가 있을 수 있으나, 유역 중하류 부분은 큰 변화가 없다고 판단하였다.
일별 표면반사율 영상은 복사보정과 대기 보정 처리를 거쳐서 영상의 신호값이 표면반사율로 변환된 산출물이다. MODIS 영상은 가시광선 및 적외선 파장대를 포함하여 모두 36개의 밴드로 구성되어 있지만, 이 연구에서는 공간해상도가 250 m인 적색광(red) 밴드1과 NIR밴드2, 그리고 단파적외선(shortwave infrared,SWIR) 밴드를 포함하는 공간해상도 500 m인 밴드3부터 7까지 모두 7개의 밴드 영상을 사용하였다. NASA에서 제공하는 MODIS 영상 투영체계변환 소프트웨어인 MRT(MODIS Reprojection Tool)를 이용하여 7개 밴드 영상을 UTM(Universal Transverse Mercator) 좌표체계에 등록하였다.
침수지 경계를 보다 세밀하게 탐지하기 위하여 공간해상도가 500 m인 밴드3~7의 영상은 250 m 영상으로 입방회선법(cubic convolution)을 적용하여 재배열(resampling)하여 밴드 1~2영상과 동일하게 맞추어주었다. MODIS 영상을 관찰한 결과, 밴드5(1230~1250nm)는 센서 이상으로 줄무늬 현상과 잡음이 심하여 분석에서 제외하고 6개 밴드 영상으로 분석하였다.
TM 영상은 MODIS 영상보다 하루 먼저 촬영되었기 때문에 침수지의 분포에 다소 차이가 있을 수 있으나, 유역 중하류 부분은 큰 변화가 없다고 판단하였다. TM 영상은 부분적으로 구름을 포함하고 있기 때문에 구름이 없는 네 곳을 선정하여 모두 378 km²에 해당하는 지역을 추출하여 정확도 검증에 사용하였다.
모로코 세부강 유역 홍수로 인한 침수지를 탐지하고 구획하기 위하여 Terra위성에서 2010년 1월 15일에 촬영된 일별 표면반사율(MOD09) 산출물을 사용하였다. 세부강 유역은 저지대 지형 특성으로 단기간에 대규모 범람이 발생하고 침수와 배수가 빠르게 변하는 특성을 감안하여 일별 표면반사율(surface reflectance) 영상을 사용하였다.
가브 평야는 기존의 홍수터를 농지로 전환한 지역으로 홍수에 취약하며, 2000년 이후에만 네 차례에 걸쳐 대규모 침수피해를 입었다. 본 연구에 적용된 2010년 홍수는 2009년 12월 18일부터 2010년 1월 22일까지 많은 강우로 인하여 수 백 km² 이상의 농경지와 마을이 침수되었다.
본 연구에서는 Terra 위성에서 촬영된 MODIS 영상을 사용하였다. MODIS 영상은 단순히 영상자료만을 제공하는 게 아니라, 영상을 가공 처리하여 최종 사용자가 직접 활용이 가능한 형태로 처리된 산출물(product)을 제공하고 있다.
연구대상은 아프리카 북서부 모로코의 세부(Sebou)강 유역에서 발생한 2010년 홍수를 선정하였다. 이 지역은 2015년부터 2017년까지 한국국제협력단의 원조사업으로 수행한 “모로코 세부강유역 홍수방지 마스터플랜 수립사업” 대상 지역이므로 유역에 관한 기본적인 수문 및 지형 자료가 구비되어 있다(KICA, 2015).

데이터처리

MODIS영상의 공간해상도를 감안하면 순수하게 탁한 물에 해당하는 화소들이 있는 반면에, 물과 함께 식물, 토양, 건물 등의 신호가 혼합된 분광특성을 보이는 화소들도 존재하고 있다고 판단된다. 혼합화소에 해당하는 침수지의 정확한 표면 상태를 정의하기 위하여 분광혼합분석을 적용하였다. 6개 밴드의 MODIS 영상을 최소잡음비(minimum noise fraction, MNF) 기법으로 변환한 후, 처음 3개의 MNF영상에서 얻어진 순수화소지수(pixel purity index, PPI)를 이용하여 단일의 순수한 지표물이라 판단되는 endmembe를 추출하였다.

이론/모형

침수지 탐지에 이용한 두 번째 물 관련 분광지수로 적색광밴드와 SWIR밴드에서 물과 토양 식물 등 다른 지표물과의 반사율 차이를 강조한 Normalized Difference Water Index (NDWI)를 사용하였다(Rogers and Kearney,2004). MODIS 영상의 적색광밴드와 SWIR밴드를 이용하여 NDWI(수식 2)를 산출하였다.
먼저 Landsat-5 TM 영상에서 네 곳의 부분 지역에서 추출된 침수지를 참값으로 가정하여 정확도를 비교하였다. 침수지 탐지의 정확도 산출은 Khan et al. (2011)이 적용한 방법을 이용하여 탐지율(probability of detection, POD)과 오탐지율(false alarm ratio, FAR)을 산출하였다. Fig.

성능/효과

Sakamoto et al.(2007)에 의해 개발된 EVI 및 LSWI를이용한 침수지 탐지 방법을 모로코 지역에 그대로 적용해도 큰 차이는 없지만, 침수지 탐지를 위한 영상처리 과정의 효율성과 탐지 정확도를 감안한다면 2개 표면반사율 밴드를 이용하는 방법이 보다 효율적이라고 판단된다. EVI와 LSWI 그리고 이 두 지수의 차이(DVEL)를 생성하여 각각에 임계값을 적용하여 1차 물 관련 화소를 탐지하고, 그 후 조건을 부여하여 2차 임계값을 적용하여 침수지를 분류하는 다소 복잡한 처리 과정을 거치게 된다.
6). 먼저 2개 밴드(SWIR, red)을 이용하여 추출된 침수지와 3개 밴드(SWIR, red, NIR)를 이용하여 추출한 침수지의 공간적 분포와 면적이 크게 다르지 않음을 볼 수 있으며, 침수지 면적 또한 거의 동일하게 나타났다. 즉 침수지 탐지에 있어서 NIR밴드를 추가하여 3개 밴드를 이용하여도 SWIR 및 red 2개 밴드만을 이용하여 추출한 침수지와 큰 차이가 없었다.
SWIR밴드와 함께 침수지 탐지에 유용한 밴드는 혼탁도가 높은 침수지 물의 반사특성을 가장 잘 보여주고 있는 적색광밴드라 할 수 있다. 물 관련 분광지수를 산출한 후 임계값을 적용하는 침수지 탐지 기법도 유사한 결과를 보여주었지만, 영상처리 과정의 간편성과 용이함을 감안한다면 표준 처리되어 공급되는 MODIS 표면반사율 산출물 자료를 그대로 이용하는 방법이 효율적이라 판단된다.
이 방법에서 추출된 침수지가 가장 넓은 면적을 차지하고 있으며, 아울러 작은 면적으로 산발적으로 많이 분포된 호수같은 침수지를 볼 수 있다. 산발적으로 분포된 작은 규모의 침수지를 고해상도 영상이나 TM 영상에서 판독한 결과, 순수한물표면이 아니라 식물과 물이 혼합된 지점임을 알수있었다. 순수한 물표면은 쉽게 침수지로 구분되지만, 물과 식물이 혼재된 경우 침수지 여부를 판단하는데 다소 모호한 점이 있다.
POD와FAR은 서로 상충되지만, 90% 이상의 POD와 20%의 FAR은 매우 높은 정확도라 할 수 있다. 세 가지 방법에서 침수지로 오탐지된 지점을 TM 영상에서 확인해 본 결과, 대부분 침수지 경계 부분에 위치한 농지 및 초지에 해당되었다. 이러한 오탐지 부분은 앞에서 언급했듯이 물과 식물의 혼합정도에 따라 침수지와 비침수지(농지 및 초지)로 구분되기 때문이다.
Table 2는 3개 침수지 유형별로 정확히 탐지된 부분(Hit), 누락된 부분(Miss), 그리고 오탐지된 부분(False alarm)을 구분하여 보여준다. 예상대로 순수한 물표면은 탐지율이 97%로 가장 높고 오탐지된 부분도 가장 낮게 나타났다. 누락된 부분이나 오탐지된 부분(25%,54%)은 주로 물과 식물이 혼재된 유형에서 높게 발생하였다.
침수지 탐지에 있어서 SWIR밴드가 가장 중요하다고 판단된다. 침수지의 물표면 분광특성이 수심 및 혼탁도에 따라서 밴드별로 다르게 나타나지만, SWIR밴드에서는 다른 밴드와 달리 침수지 구분에 매우 효과적이었다. 또한 물과 식물이 혼재된 유형의 침수지를 구분하는 데 있어서도 식물에 의한 반사신호에 크게 영향을 받지 않았다.

후속연구

결국 MODIS 영상을 이용한 침수지 탐지에 있어서 순수한 물표면은 비교적 정확하게 탐지되지만, 물과 식물이 혼재된 화소들을 침수지와 비침수지로 분류하는 과정에서 오차가 발생하고 있다. MODIS 영상의 공간해상도(250~500 m)를 감안한다면, 물과 식물의 혼합 화소는 당연하지만, 이들 혼합화소를 침수지 또는 비침 수지로 구분할 수 있는 적절한 방안에 대한 추가적인 연구가 필요하다. 결국 Fig.
MODIS 영상의 공간해상도(250~500 m)를 감안한다면, 물과 식물의 혼합 화소는 당연하지만, 이들 혼합화소를 침수지 또는 비침 수지로 구분할 수 있는 적절한 방안에 대한 추가적인 연구가 필요하다. 결국 Fig. 7의 형태와 같은 혼합화소는 물, 식물, 습윤토양 등의 점유 비율에 따라 나타나는 분광반사 특성과 함께 침수지의 면적, 형태, 인접 침수지와의 거리 등과 같은 공간적인 특성을 고려하여 분류하는 의사결정 알고리즘의 개발이 이루어져야 할 것이다.
따라서 촬영범위와 빈도가 비록 한정되어 있지만 구름에 영향을 받지 않는 레이더영상을 광학영상과 함께 이용하는 방법을 고려해 볼 수 있다. 레이더영상과 광학영상에서 나타나는 침수지의 신호특성을 함께 이용한다면 침수지탐지의 정확도와 빈도를 높일 수 있으리라 판단된다. 또한 대규모 홍수 지역에서 촬영된 MODIS 영상들을 살펴보면 부분적으로 구름이 분포하고 있기 때문에, 침수지의 일부분만 관찰되는 경우가 많다.
이러한 영상에서는 부분적인 침수지 경계선을 추출한 후, 수치고도자료와 중첩을 통하여 전체적인 침수지 범위를 추정하는 방법도 고려할 수 있다. 본 연구에서는 TM 영상에서 판독된 침수지 지도를 기준으로 상대적인 정확도를 추정했지만, 다른 홍수관련 연구와 마찬가지로 정확도 검증에 한계가 있다. 위성영상을 이용한 침수지 탐지에 있어서 영상분석 방법이나 영상의 종류에 따라 결과가 좌우되지만, 탐지 결과를 보다 객관적으로 입증할 수 있는 방안도 함께 고려되어야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	레이더영상은 어디에 사용되는가?	위성영상을 이용하여 홍수 범람으로 인한 침수지의 공간적 분포와 규모를 모니터링하는 연구는 오래전부터 진행되어 왔다(Wiesnet and Deutsch, 1987). 레이더영상은 구름 등 기상조건에 영향을 받지 않고 야간에도 영상획득이 가능하기 때문에 홍수모니터링을 위한 주된 원격탐사 자료로 사용되고 있다. 그러나 레이더영상은 수 백 km2 이상의 대규모 침수지를 적기에 모니터링 하는데 나름 한계가 있다.
	레이더영상의 한계점은 무엇인가?	레이더영상은 구름 등 기상조건에 영향을 받지 않고 야간에도 영상획득이 가능하기 때문에 홍수모니터링을 위한 주된 원격탐사 자료로 사용되고 있다. 그러나 레이더영상은 수 백 km2 이상의 대규모 침수지를 적기에 모니터링 하는데 나름 한계가 있다. RADARSAT, Envisat, Sentinel-1의 영상레이더는 공간해상도를 낮추어 scanSAR 모드로촬영하면 최대 400 km의 이상의 넓은 관측폭(swath)의 영상을 얻을 수 있지만, 촬영주기가 3일 정도로 급변하는 침수지를 적시에 탐지하는데 다소 어려움이 있을 수 있다.
	Moderate Resolution Imaging Spectroradiometer 영상의 특징은 무엇인가?	2000년 전에는 미국 해양대기위성(NOAA)에서 얻은 Advanced Very High Resolution Radiometer(AVHRR) 영상이 주로 활용되었으나, 2000년 이후에는 주로 미국 항공우주국 NASA에서 운영 중인 Terra 및 Aqua위성에서 촬영되는 Moderate Resolution Imaging Spectroradiometer(MODIS) 영상이 주로 활용되고 있다. MODIS 영상은 가시광선 및 근적외선(near infrared, NIR) 밴드 영상을 주로 이용했던 AVHRR과 달리 가시광선 및 NIR 영상에 추가로 단파적외선(shortwave infrared, SWIR) 밴드를 포함하고 있고 공간해상도도 250~500 m으로 향상되어 다른 저해상도 위성영상보다 침수지 탐지에 많이 사용되었다. 저해상도 위성영상은 비록 공간해상도가 낮지만 2,500 km 이상의 넓은 관측폭으로 지구 대부분의 지역을 매일 촬영할 수 있는 능력을 갖추고 있다.

참고문헌 (19)

Ahamed, A. and J.D. Bolten, 2017. A MODIS-based automated flood monitoring system for southeast asia, International Journal of Applied Earth Observation and Geoinformation, 61: 104-117.

상세보기
Atif, I., M.A. Mahboob, and A. Waheed, 2015. Spatio-temporal mapping and multi-sector damage assessment of 2014 flood in Pakistan using remote sensing and GIS, Indian Journal of Science and Technology, 8(35): 1-18.
Coltin, B., S. McMichael, T. Smith, and T. Fong, 2016. Automatic boosted flood mapping from satellite data, International Journal of Remote Sensing, 37(5): 993-1015.

상세보기
Fayne, J.V., J.D. Bolten, C.S. Doyle, S. Fuhrmann, M.T. Rice, P.R. Houser, and V. Lakshmi, 2017. Flood mapping in the lower Mekong River Basin using daily MODIS observations, International Journal of Remote Sensing, 38(6): 1737-1757.

상세보기
Hoshikawa, K., Y. Fujihara, H. Fujii, and S. Yokoyama, 2016. Detecting Flooding Trends in the Mekong Delta through Flood Ranking Based on a MODIS-derived Time-series Water Index, International Journal of Remote Sensing Applications, 6: 136-145.

상세보기
Huang, C., Y. Chen, and J. Wu, 2014. Mapping spatio-temporal flood inundation dynamics at large river basin scale using time-series flow data and MODIS imagery, International Journal of Applied Earth Observation and Geoinformation, 26: 350-362.

상세보기
Islam, M.M. and K. Sado, 2000. Flood hazard assessment in Bangladesh using NOAA AVHRR data with geographical information system, Hydrological Processes, 14(3): 605-620.

상세보기
Islam, A.S., S.K. Bala, and M. Haque, 2010. Flood inundation map of Bangladesh using MODIS time series images, Journal of Flood Risk Management, 3(3): 210-222.

상세보기
Jain, S.K., A.K. Saraf, A. Goswami, and T. Ahmad, 2006. Flood inundation mapping using NOAA AVHRR data, Water Resources Management, 20(6): 949-959.

상세보기
Khan, S.I., Y. Hong, J. Wang, K.K. Yilmaz, J.J. Gourley, R.F. Adler, G.R. Brakenridge, F. Policelli, S. Habib, and D. Irwin, 2011. Satellite remote sensing and hydrologic modeling for flood inundation mapping in Lake Victoria basin: Implications for hydrologic prediction in ungauged basins, IEEE Transactions on Geoscience and Remote Sensing, 49(1): 85-95.

상세보기
Korea International Cooperation Agency (KOICA), 2015. Reference Paper on the Flood Protection and Control Master Planning Project for the Sebou River Basin in Morocco, KOICA, Seongnam-si, Gyeonggi-do, KOREA.
Kwak, Y., B. Arifuzzanman, and Y. Iwami, 2015. Prompt proxy mapping of flood damaged rice fields using MODIS-derived indices, Remote Sensing, 7(12): 15969-15988.

상세보기
Lee, K.S. and S.I. Lee, 2003. Assessment of post-flooding conditions of rice fields with multi-temporal satellite SAR data, International Journal of Remote Sensing, 24(17): 3457-3465.

상세보기
Mohammadi, A., J.F. Costelloe, and D. Ryu, 2017. Application of time series of remotely sensed normalized difference water, vegetation and moisture indices in characterizing flood dynamics of large-scale arid zone floodplains, Remote sensing of Environment, 190: 70-82.

상세보기
Rogers, A. and M. Kearney, 2004. Reducing signature variability in unmixing coastal marsh Thematic Mapper scenes using spectral indices, International Journal of Remote Sensing, 25(12): 2317-2335.

상세보기
Sakamoto, T., N. Van Nguyen, A. Kotera, H. Ohno, N. Ishitsuka, and M. Yokozawa, 2007. Detecting temporal changes in the extent of annual flooding within the Cambodia and the Vietnamese Mekong Delta from MODIS time-series imagery, Remote Sensing of Environment, 109(3): 295-313.

상세보기
Sheng, Y., P. Gong, and Q. Xiao, 2001. Quantitative dynamic flood monitoring with NOAA AVHRR, International Journal of Remote Sensing, 22(9): 1709-1724.

상세보기
Wang, Q., M. Watanabe, S. Hayashi, and S. Murakami, 2003. Using NOAA AVHRR data to assess flood damage in China, Environmental monitoring and assessment, 82(2): 119-148.

상세보기
Wiesnet, D. and M. Deutsch, 1987. Flood monitoring in South America from the Landsat NOAA and nimbus satellites, Advances in Space Research, 7(3): 77-84.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증