[논문]구글어스엔진 클라우드 컴퓨팅 플랫폼 기반 위성 빅데이터를 활용한 수재해 모니터링 연구

박종수; 강기묵

doi:10.7780/kjrs.2022.38.6.3.2

구글어스엔진 클라우드 컴퓨팅 플랫폼 기반 위성 빅데이터를 활용한 수재해 모니터링 연구
Research of Water-related Disaster Monitoring Using Satellite Bigdata Based on Google Earth Engine Cloud Computing Platform 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.38 no.6 pt.3, 2022년, pp.1761 - 1775

박종수 (국립재난안전연구원 재난정보연구실) , 강기묵 (한국수자원공사 K-water연구원)

초록
AI-Helper

예측하기 힘든 기후변화로 인해 물 관련 재해의 발생 빈도와 피해 규모도 지속적으로 증가하는 추세이다. 재난관리의 측면에서 광범위한 지역의 피해면적을 파악하고, 중·장기적 예측을 위한 모니터링이 필수적이다. 수재해 분야에서 광역적 모니터링을 위해 Synthetic Aperture Radar (SAR) 위성영상을 활용한 원격탐사 기술 연구가 활발히 진행되고 있다. 수재해 모니터링을 위한 시계열 분석에는 방대한 양의 영상수집과 잡음이 많은 레이더 산란 특성을 고려한 복잡한 전처리과정이 필요하며, 이를 위해 상당한 시간이 소요되는 한계가 있다. 최근 클라우드 컴퓨팅 기술의 발전과 함께 위성 빅데이터를 활용한 시·공간 분석이 가능한 많은 플랫폼들이 제안되고 있다. 구글어스엔진(Google Earth Engine, GEE)은 대표적인 플랫폼으로, 600여개의 위성 자료를 무료로 제공하고 있으며 위성영상의 분석준비데이터를 기반으로 준-실시간 시·공간 분석이 가능하다. 이에 본 연구에서는 구글어스엔진을 활용한 즉각적인 수재해 피해 탐지와 중·장기적 시계열 관측 연구를 수행하였다. 변화탐지에 주로 활용되는 Otsu 기법을 통해 '20년 발생한 집중호우를 중심으로 하천 범람으로 인한 하폭의 변화와 피해 면적을 확인하였다. 또한 재난관리 측면에서 모니터링의 중요성이 요구되는 만큼 상습침수지역으로 선정된 연구대상 지역을 중심으로 '18년부터 '22년까지의 시계열 수체의 변화 경향을 확인하였다. 구글어스엔진은 자바스크립트 기반 코딩을 통한 짧은 처리시간, 시공간 분석과 표출의 강점으로 수재해 분야 활용이 가능할 것으로 판단된다. 더불어 향후 다양한 위성 빅데이터와의 연계를 통해 활용 분야가 확대될 것으로 기대된다.

Abstract ▼ AI-Helper

Due to unpredictable climate change, the frequency of occurrence of water-related disasters and the scale of damage are also continuously increasing. In terms of disaster management, it is essential to identify the damaged area in a wide area and monitor for mid-term and long-term forecasting. In the field of water disasters, research on remote sensing technology using Synthetic Aperture Radar (SAR) satellite images for wide-area monitoring is being actively conducted. Time-series analysis for monitoring requires a complex preprocessing process that collects a large amount of images and considers the noisy radar characteristics, and for this, a considerable amount of time is required. With the recent development of cloud computing technology, many platforms capable of performing spatiotemporal analysis using satellite big data have been proposed. Google Earth Engine (GEE)is a representative platform that provides about 600 satellite data for free and enables semi real time space time analysis based on the analysis preparation data of satellite images. Therefore, in this study, immediate water disaster damage detection and mid to long term time series observation studies were conducted using GEE. Through the Otsu technique, which is mainly used for change detection, changes in river width and flood area due to river flooding were confirmed, centered on the torrential rains that occurred in 2020. In addition, in terms of disaster management, the change trend of the time series waterbody from 2018 to 2022 was confirmed. The short processing time through javascript based coding, and the strength of spatiotemporal analysis and result expression, are expected to enable use in the field of water disasters. In addition, it is expected that the field of application will be expanded through connection with various satellite bigdata in the future.

주제어

표/그림 (14)

그림 Fig. 1. Satellite images bigdata application platform: (a) GEE, (b) SEPAL, and (c) ODC (Source: developers.google. com/earth-engine/).
그림 Fig. 2. Diagram of components of the Earth Engine Code Editor (Source: developers.google.com/earth-engine/).
표 Table 1. The data provided by google earth engine
그림 Fig. 3. Satemap provided by the Ministry of the Interior and Satety (MOIS): (a) river flooding map and (b) inundation trace map.
그림 Fig. 4. Study areas of (a) Changnyeong, (b) Muju, and (c) Paju. The blue line is the river network information for time series analysis.
표 Table 2. Dataset information used in this study
그림 Fig. 5. Flowchart of flood disaster damage area detection in this study.
그림 Fig. 6. Example of Otsu algorithm for calculating threshold.
그림 Fig. 7. Result of preprocessing: (a) Changnyeong pre-image, (b) Muju pre-image, (c) Paju pre-image, (d) Changnyeong post-image, (e) Muju post-imgae, and (f) Paju post-image.
그림 Fig. 8. Results of flood damage area using change detection: (a) Changnyeong, (b) Muju, and (c) Paju. The yellow box indicates the change in the width of the river.
그림 Fig. 9. An example of time-series monitoring of water area using satellite big data based on GEE.
그림 Fig. 10. The results of the Nakdong river time-series waterbody detection.
그림 Fig. 11. The results of the Geumgang river time-series waterbody detection.
그림 Fig. 12. The results of the Imjin river time-series waterbody detection.

AI 본문요약
AI-Helper

문제 정의

본 연구에서 구글어스엔진 플랫폼을 통해 Sentinel-1, MODIS 위성 정보를 활용해 선정된 연구대상 지역에 발생한 물 관련 재해의 피해 면적을 추정해보고, 모니터링을 위한 시계열 분석에 대해 소개하고자 한다. 연구의 전반적인 흐름도는 Fig.

제안 방법

구글어스엔진의 코드에디터를 통해 구현된 연구대상 지역의 전처리 결과 영상에 산지 등 지형적 왜곡에 대한 오차 감소와 수체 탐지의 정확도 개선 효과를 위해 스무딩필터를 적용하였다. Fig.
선정된 연구 지역의 피해 전(pre)·후(post) 영상에서 탐지된 수체들의 차분과정을 통해 영역 내 재난으로 인한 피해 변화를 탐지할 수 있고, 이를 통해 피해 면적을 추정해보았다.

대상 데이터

12는 임진강의 수체탐지 결과로 남한지역만 추출하였다. 2020년에 수체의 변화가 보이며, 해당 시기 강수정보를 확인을 위해 파주시 용연초교 관측소 결과를 확인하였다. 확인 결과 2020년의 일 강수량은 0 mm (7/2), 108 mm (8/1), 1 mm (9/6)로 관측되었다.
Sentinel-1은 산림, 재난, 환경 등 지구 환경 모니터링을 목적으로 관측하고 있으며, A/B 두 기의 위성으로 재방문주기 12일, 한 지역을 6일에 한 번씩 관측 가능한 C-band SAR 탑재 위성이다. Sentinel-1B 위성은 2022년 초 위성 자체의 기계적 결함으로 운영이 중지되었으며 현재 공식적으로 운영이 종료됨에 따라 현재 Sentinel-1A 위성만 운용 중이나, 수재해 발생 시점이 2020년으로 영상 확보가 가능함에 따라 두 기 위성의 영상을 모두 활용하였다. 추가로 하천 범람과 집중호우로 인한 하천 폭의 변화와 주변 농경지의 피해 면적 분석을 위해 토지피복 정보를 활용하였다.
연구대상지역은 상습침수구역으로 다년간의 수체면적 변화 모니터링이 중요하며, 시계열 모니터링을 위해 구글어스엔진에서 제공되는 5년간(2018~2022)의 Sentinel-1 위성영상을 수집하여 Otsu 기법을 통해 탐지된 수체의 면적 변화를 확인해보고자 한다. 국가공간정보포털의 하천망도 정보를 참조하였으며, 하천의 범람 면적을 고려하여 하천망도 shape 파일에 30 m 버퍼를 주어 관심지역만 클립하여 활용하였다.
환경부에서는 1 m급 해상도로 41개 항목으로 구분한 세분류 토지피복지도를 매년 제공하고 있다. 다만 연구대상지역 중 파주시는 접경지역으로 해당 대상지역의 토지피복정보를 확보할 수 없어 National Aeronautics and Space Administration (NASA)에서 운용 중인 MODIS 위성의 500 m 해상도를 가지는 토지피복 정보를 활용하였다. 추가로 1/25,000 국가 기본도를 통해 2021년에 제작된 하천망도를 사용하였으며, 침수흔적도와 하천범람지도의 경우 행정안전부 생활안전지도 플랫폼에서 확인가능하며, 매년 갱신되고 있으며 본 연구에서는 2021년 9월 갱신된 데이터를 사용하였다.
대상 지역들은 집중호우 시 상습침수지역으로 언급되고 있으며, 이에 따라 더욱이 장기간의 모니터링이 필수적일 것으로 사료된다. 따라서 본 연구의 목적인 수재해 모니터링 연구를 위해 (a) 경상남도 창녕군, (b) 전라북도 무주군, (c) 경기도 파주시를 연구 대상 지역으로 선정하였다.
본 연구에서는 2018년부터 2022년 10월까지 약 5년의 위성영상을 통해 낙동강, 금강, 임진강의 수체 탐지를 통해 변화 경향을 파악해보았다. 수체 탐지를 위한 임계값은 변화탐지에서 계산된 값을 평균하여 –16 dB 값으로 통일하여 적용하였다.
1). 본 연구에서는 기 보유한 계정의 접근성과 활용성을 고려하여 구글 앱 엔진과 위성영상 정보 및 지리정보 툴을 동시에 사용할 수 있는 플랫폼 서비스인 구글어스엔진을 활용하였다.
4). 선정된 연구지역은 2020년 7월 28일부터 8월 11일 까지 발생된 집중호우로 피해가 발생한 지역으로, 먼저 Fig. 4의 (a) 지역인 창녕군 이방면 일대는 2020년 7월 28일부터 8월 11일까지 누적된 집중호우로 인해 낙동강 제방이 유실되면서 주변 마을의 농지 등 하천 범람으로 인해 피해를 입은 지역이다.
수재해 모니터링 연구를 위해 구글어스엔진에서 무료로 활용 가능한 ESA의 Sentinel-1A/B Ground Range Detected (GRD)를 활용하였다. Sentinel-1은 산림, 재난, 환경 등 지구 환경 모니터링을 목적으로 관측하고 있으며, A/B 두 기의 위성으로 재방문주기 12일, 한 지역을 6일에 한 번씩 관측 가능한 C-band SAR 탑재 위성이다.
위성영상을 활용한 수재해 모니터링을 위해서는 전·후 영상의 확보가 중요하다. 연구 대상 지역은 생활안전지도 내 상습 침수 지역 등 침수정보와 영상 확보 유무를 고려하여 선정하였다(Fig. 4).
기후변화로 인해 예측하기 힘든 재난에 대해 시계열 모니터링 분석은 재난의 예측과 복구를 위해 중요하다. 연구대상지역은 상습침수구역으로 다년간의 수체면적 변화 모니터링이 중요하며, 시계열 모니터링을 위해 구글어스엔진에서 제공되는 5년간(2018~2022)의 Sentinel-1 위성영상을 수집하여 Otsu 기법을 통해 탐지된 수체의 면적 변화를 확인해보고자 한다. 국가공간정보포털의 하천망도 정보를 참조하였으며, 하천의 범람 면적을 고려하여 하천망도 shape 파일에 30 m 버퍼를 주어 관심지역만 클립하여 활용하였다.
다만 연구대상지역 중 파주시는 접경지역으로 해당 대상지역의 토지피복정보를 확보할 수 없어 National Aeronautics and Space Administration (NASA)에서 운용 중인 MODIS 위성의 500 m 해상도를 가지는 토지피복 정보를 활용하였다. 추가로 1/25,000 국가 기본도를 통해 2021년에 제작된 하천망도를 사용하였으며, 침수흔적도와 하천범람지도의 경우 행정안전부 생활안전지도 플랫폼에서 확인가능하며, 매년 갱신되고 있으며 본 연구에서는 2021년 9월 갱신된 데이터를 사용하였다. 본 연구에 사용된 데이터의 세부정보는 Table 2에 모두 정리하였다.

데이터처리

Sentinel-1B 위성은 2022년 초 위성 자체의 기계적 결함으로 운영이 중지되었으며 현재 공식적으로 운영이 종료됨에 따라 현재 Sentinel-1A 위성만 운용 중이나, 수재해 발생 시점이 2020년으로 영상 확보가 가능함에 따라 두 기 위성의 영상을 모두 활용하였다. 추가로 하천 범람과 집중호우로 인한 하천 폭의 변화와 주변 농경지의 피해 면적 분석을 위해 토지피복 정보를 활용하였다. 환경부에서는 1 m급 해상도로 41개 항목으로 구분한 세분류 토지피복지도를 매년 제공하고 있다.

성능/효과

구글어스엔진 플랫폼을 이용하여 5년간 위성영상의 수체탐지 모니터링한 결과 광범위한 지역에 분포하는 수체면적의 변화 경향을 파악할 수 있었으며, 위성 관측 당시 일강수량 정보를 통해 호우로 인한 영향을 확인할 수 있었다. 다만 집중호우 기간에 강수량 및 수위정보를 통한 정밀한 수체의 변화분석을 위해서는 위성영상의 짧은 관측주기가 필요할 것으로 판단된다.
추가 필터를 통해 영상 내 잡음제거 효과를 확인할 수 있으며, 피해 후 영상에서 강폭이 선명한 것을 육안으로 확인할 수 있다. 또한 플랫폼의 장점인 피해 전후 영상의 전처리 과정을 표출하는데 10초 이내로 소요되는 것을 확인하였다.

후속연구

추가로 지형보정 시 로그 스케일링을 통해 데시벨(dB) 값으로 변환된 후방산란계수 결과를 제공한다. 결과의 정확도 측면에서 전처리 시 옵션 조정, 지형보정 과정에서의 고해상도 DEM을 활용하지 못하는 한계점이 있으나, 준실시간적 분석을 위해 전처리시 소모되는 시간적 측면에서는 활용도가 높을 것으로 기대한다.
다만 집중호우 기간에 강수량 및 수위정보를 통한 정밀한 수체의 변화분석을 위해서는 위성영상의 짧은 관측주기가 필요할 것으로 판단된다. 향후 개발될 1일 2회 한반도전역 관측을 하는 차세대중형위성 5호인 수자원위성 또는 군집위성인 초소형위성 등을 활용한다면 더 짧은 주기의 모니터링이 가능할 것으로 사료된다.

참고문헌 (27)

Choi, C.U., C.H. Lee, Y.C. Suh, and J.Y. Kim, 2009. Analytic techniques for change detection using Landsat, Journal of the Korean Association of Geographic Information Studies, 12(3): 13-20 (in Korean with English abstract).
Choi, S., D. Yoo, K. Jin, and D. Lee, 2021. Current Industrial and Technological Trends in Aerospace, Korea Aerospace Research Institute, Daejeon, Korea, pp. 159-164.
Fan, J.L. and B. Lei, 2012, A modified valley-emphasis method for automatic thresholding, Pattern Recognition Letters, 33(6): 703-708. https://doi.org/10.1016/j.patrec.2011.12.009

상세보기
Frank, M. and M. Canty, 2003. Unsupervised Change Detection for Hyperspectral Image, Proc. of 2003 JPL Airbone Earth Science Workshop, Pasadena, CA, USA, pp. 63-72.
Gang, S.M., D.H. Ryu, Y.C. Choi, and Y.J. Choung, 2017. Unity3D-based flood simulation visualization web system for efficient disaster management, Journal of the Korean Association of Geographic Information Studies, 20(1): 98-112 (in Korean with English abstract). https://doi.org/10.11109/kagis.2017.20.1.098
Goo, S.H., Y.W. Chun, K.S. Pyo, and Y.J. Park, 2015. Development of Public Safety Map and Activation Plan, Proc. of 2015 Korean Society of Disaster Information Conference, Ilsan, Korea, Nov. 27, pp. 276-277.
Khaki, M., H.J.H. Franssen, and S.C. Han, 2020. Multi-mission satellite remote sensing data for improving land hydrological models via data assimilation, Scientific Reports, 10(1): 1-23. https://doi.org/10.1038/s41598-020-75710-5

상세보기
Kim, B., S.J. Noh, and S. Lee, 2022. Retrospective analysis of the urban inundation and the impact assessment of the flood barrier using H12 model, Journal of Korea Water Resources Association, 55(5): 345-356 (in Korean with English abstract). https://doi.org/10.3741/JKWRA.2022.55.5.345

원문보기 상세보기
Kim, D., 2021. Toward developing satellite imagery acquisition and processing techniques for monitoring near real-time defense foundation GEOINT:A case study for inundation mapping of XePian Xe Namnoy Dam Collapse in Laos, Korean Journal of Military Art and Science, 77(3): 453-471 (in Korean with English abstract). http://doi.org/10.31066/kjmas.2021.77.3.018
Kim, S.H., C.H. Lee, Y.S. Kim, and S.B. Hwang, 2016. A Study on development of flood damage estimation function for river infra structure with NDMS and WAMIS, Journal of Korean Society of Hazard Mitigation, 16(4): 81-87 (in Korean with English abstract). https://doi.org/10.9798/KOSHAN.2016.4.81
Kim, Y. and K.M. Kang, 2021. A study on the utilization of SAR microsatellite constellation for ship detection, Korean Journal of Remote Sensing, 37(3): 627-636 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.3.21

원문보기 상세보기
Kwak, J.Y. and D.G. Jeong, 2012. A study on the image formation system variable and performance analysis for optimum design of high resolution SAR, Journal of the Korean Society for Aeronautical & Space Sciences, 40(1): 49-60 (in Korean with English abstract). https://doi.org/10.5139/JKSAS.2012.40.1.49

원문보기 상세보기
Lee, D., E.J. Cheon, H. Yun, and M.H. Lee, 2019. A Study on Water Surface Detection Algorithm using Sentinel-1 Satellite Imagery, Korean Jounal of Remote Sensing, 35(5-2): 809-818 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.5.2.5

원문보기 상세보기
Lee, K.W., K.S. Kim, S.G. Lee, and Y.S. Kim, 2019. Consideration Points for application of KOMPSAT Data to Open Data Cube, Jounal of Korean Association of Geographic Information Studies, 22(1): 62-77 (in Korean with English abstract). https://doi.org/10.11108/kagis.2019.22.1.062

원문보기 상세보기
Lee, K., S.G. Jeon, S.Y. Seong, and K.M. Kang, 2021. Technology Trend in Synthetic Aperture Radar (SAR) Imagery Analysis Tools, Jounal of Space Technology and Applications, 1(2): 268-281 (in Korean with English abstract). https://doi.org/10.52912/jsta.2021.1.2.268

원문보기 상세보기
Lee, S., 2020. Study of the integrated management of flooding and inundation according to the unification of water management, Korea Environment Institute, Sejong, Korea.
Lee, S., M. Lee, and H. Kang, 2020. Current Flood Conditions and Persistent Countermeasures, Korea Environment Institute Focus, Sejong, Korea.
Li, H., Z. Luo, Y. Xu, S. Zhu, X. Chen, X. Geong, and Y. Cui, 2021. A remote sensing-based area dataset for approximately 40 years that reveals the hydrological asynchrony of Lake Chad based on Google Earth Engine, Journal of Hydrology, 603: 126934. https://doi.org/10.1016/j.jhydrol.2021.126934

상세보기
Mahdianpari, M., J.E. Granger, F. Mohammadimanesh, B. Salehi, B. Brisco, S. Homayouni, and M. Lang, 2020. Meta-analysis of wetland classification using remote sensing: A systematic review of a 49-year trend in North America, Remote Sensing, 12(11): 1882. https://doi.org/10.3390/rs12111882

상세보기
Moon, J.J., S.U. Gang, and J.J. Lee, 2020. National precipitation analysis of 2020 floods, Water for Future, 53(10): 135-143.
Park, J., K.M. Kang, and E.H. Hwang, 2021. Extraction of Water Body Area using Micro Satellite SAR: A Case Study of the Daecheng Dam of South Korea, Journal of the Korean Association of Geographic Information Studies, 24(4): 41-54 (in Korean with English abstract). https://doi.org/10.11108/kagis.2021.24.4.041

원문보기 상세보기
Park, S.E., 2016. Detection of water bodies from Kompsat-5 Sar data, Korean Journal of Remote Sensing, 32(5): 539-550 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2016.32.5.11

원문보기 상세보기
Singh, A., 1989. Digital Change Detection Techniques Using Remotely Sensed Data, International Journal of Remote Sensing, 10: 989-1003. http//dx.doi.org/10.1080/01431168908903939

상세보기
Shafizadeh-Moghadam, H., M. Khazaei, S.K. Alaviphanah, and Q. Weng, 2021. Google Earth Engine for large-scale land use and land cover mapping: an object-based classification approach using spectral, textural and topographical factors, GIScience & Remote Sensing, 58(6): 914-928. https://doi.org/10.1080/15481603.2021.1947623

상세보기
Vos, K., K.D. Splinter, M.D. Harley, J.A. Simmons, and I.L. Turner, 2019. CoastSat: A Google Earth Engine-enabled Python toolkit to extract shorelines from publicly available satellite imagery, Environmental Modelling & Software, 122: 104528. https://doi.org/10.1016/j.envsoft.2019.104528

상세보기
Won, J., Y.S. Son, S. Lee, L. Kang, and S. Kim, 2021. Evaluation of Utilzation of Satellite Remote Sensing Data for Drought Monitoring, Korean Journal of Remote Sensing, 37(6-2): 1803-1818 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.6.2.3

원문보기 상세보기
Yang, H., J.S. Kim, H. Cheon, and J.K. Kim, 2013. Characteristics and Analysis of Distortion on Synthetic Aperture Radar Image, Proc. of 2013 the Institute of Electronics and Information Engineers Summer Conference, Jeju, Jul. 3-5, p. 28.

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