[논문]미계측 저수지 수체 모니터링을 위한 원격탐사 및 디지털 공간정보 융합

이희진; 서찬양; 조정호; 남원호

doi:10.7780/kjrs.2023.39.5.4.7

미계측 저수지 수체 모니터링을 위한 원격탐사 및 디지털 공간정보 융합
Convergence of Remote Sensing and Digital Geospatial Information for Monitoring Unmeasured Reservoirs 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.1135 - 1144

이희진 (한경국립대학교 융합시스템공학과) , 서찬양 (한경국립대학교 국가농업용수연구센터) , 조정호 ((주)태영정보시스템 공간정보연구소) , 남원호 (한경국립대학교 사회안전시스템공학부)

초록
AI-Helper

국내 농업용 저수지는 1970년 이전에 축조되어 준공 년도가 50년 이상 된 노후화된 시설이 대다수이며, 소규모 저수지는 기본 제원 및 수위 등을 파악할 수 있는 계측시스템이 없는 미계측 저수지이다. 준공 이후 호우발생 시 퇴적된 토사 유입, 퇴사량 증가에 따른 저수지 용량 감소 및 산업 고도화에 따른 수질악화 등은 저수지의 용수공급능력을 저하시키고 형상 변화를 야기한다. 따라서, 디지털 정보 및 원격탐사 정보를 결합한 계측 기술을 활용하여 미계측 저수지 수체 모니터링을 위한 공간정보 구축 방안이 필요하다. 본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model (DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향 측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다. 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여, 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보를 구축하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 정규식생지수(Normalized Difference Vegetation Index, NDVI), 정규수분지수(Normalized Difference Water Index, NDWI)를 산정하여, 저수지의 수표면을 산정하였다. 또한, 고해상도 DEM 자료는 수심측량 자료와 융합하여 수심도를 작성하였으며, Triangulated Irregular Network (TIN)로부터 저수지 만수면적 및 체적을 산정하였다. LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.

Abstract ▼ AI-Helper

Many agricultural reservoirs in South Korea, constructed before 1970, have become aging facilities. The majority of small-scale reservoirs lack measurement systems to ascertain basic specifications and water levels, classifying them as unmeasured reservoirs. Furthermore, continuous sedimentation within the reservoirs and industrial development-induced water quality deterioration lead to reduced water supply capacity and changes in reservoir morphology. This study utilized Light Detection And Ranging (LiDAR) sensors, which provide elevation information and allow for the characterization of surface features, to construct high-resolution Digital Surface Model (DSM) and Digital Elevation Model (DEM) data of reservoir facilities. Additionally, bathymetric measurements based on multibeam echosounders were conducted to propose an updated approach for determining reservoir capacity. Drone-based LiDAR was employed to generate DSM and DEM data with a spatial resolution of 50 cm, enabling the display of elevations of hydraulic structures, such as embankments, spillways, and intake channels. Furthermore, using drone-based hyperspectral imagery, Normalized Difference Vegetation Index (NDVI) and Normalized Difference Water Index (NDWI) were calculated to detect water bodies and verify differences from existing reservoir boundaries. The constructed high-resolution DEM data were integrated with bathymetric measurements to create underwater contour maps, which were used to generate a Triangulated Irregular Network (TIN). The TIN was utilized to calculate the inundation area and volume of the reservoir, yielding results highly consistent with basic specifications. Considering areas that were not surveyed due to underwater vegetation, it is anticipated that this data will be valuable for future updates of reservoir capacity information.

주제어

표/그림 (11)

그림 Fig. 1. Location maps of the study area. (a) Site description and distribution of landcover in Cheontae reservoir. (b) Drone flight path (white lines) and transects flown (highlighted in green and labelled). (c) Drone multispectral mapping.
표 Table 1. Available data specifications of agricultural reservoirs
그림 Fig. 2. Temporal changes of water storage rate in Cheontae reservoir during 2015-2017.
표 Table 2. The desigh specifications of the Cheontae reservoir
표 Table 3. Detail of survey equipment
그림 Fig. 3. Infrastructure elevation information in Cheontae reservoir based on DSM.
그림 Fig. 4. Multi-spectral image-based reservoir water body classification: (a) NDVI and (b) NDWI.
그림 Fig. 5. Water body boundary differences: (a) RIMS (red line), (b) Naver map, (c) NDWI, and (d) on-site.
그림 Fig. 6. Integration results of LiDAR-based DEM and bathymetric survey data. (a) Underwater topography map. (b) Underwater contour map.
그림 Fig. 7. Depth variation along an arbitrary line based on underwater contour map.
표 Table 4. Comparing the specifications of the statistical yearbook and TIN

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model(DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다.

제안 방법

LiDAR 센서 기반 DSM, DEM와 수심측량 자료를 융합하여 저수지 수중지형도 및 수심도,종단선을 표출하였다. 본 연구의 결과물로 구축된 수심도를 활용하여 별도의 측량없이 종단면도 및 횡단면도를 추출할 수 있으며, 이를 활용하여 저수지 수표면 아래 형상을 표현할 수 있다.
고해상도 다중분광 드론영상을 통해 농업용 저수지 관련 수리시설물의 위치 및 저수지 형상을 파악할 수 있었으며, 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보 및 각 시설물의 표고를 확인하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 NDVI, NDWI를 산정하여 저수지의 수표면을 산정하였다.
고해상도 다중분광 드론영상을 통해 농업용 저수지 관련 수리시설물의 위치 및 저수지 형상을 파악할 수 있었으며, 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보 및 각 시설물의 표고를 확인하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 NDVI, NDWI를 산정하여 저수지의 수표면을 산정하였다.
드론용 LiDAR를 활용하여 LAS 포맷의 원시데이터를 취득하였으며, 50 cm 공간해상도의 DSM, DEM으로 각각 변환하였다. DSM 및 DEM 기반 저수지 제방, 여수로, 용수로 등 수리시설물에 대한 제원을 Fig.
본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 드론용 LiDAR 센서와 멀티빔 음향측심기 기반 수심측량을 통해 저수지 수체탐지 및 저수량 자료를 산정하였으며, 원격탐사 정보를 활용한 미계측 저수지의 디지털 공간정보 융합 방안을 제시하였다.
7과 같이 도시하였다. 저수지 최장거리의 방향을 중심으로 임의로 종단선을 설정하였으며, 본 연구에서는 저수지 좌측 상단을 시점부로 하여 종점부인 제방까지 약 1 km 직선거리를 적용하였다. 시점부에서 약 100 m 지점의 저수지를 가로지르는 도로를 제외하고 표고 46.

대상 데이터

2023년 9월 천태 저수지를 대상으로 수심측량을 수행하였으며, 수초 및 기타 식생 등으로 인해 저수지 외곽지역에 대한 측량에 한계가 있었다. LiDAR 기반 DEM 자료를 융합하여 저수지 경계 및 수심측량 자료를 보완하여 Fig.
드론용 LiDAR의 경우 YellowScan Mapper+를 활용하였으며, 높은 정확도와 빠른 비행속도로 지형측정에 적합하다는 특징을 갖고 있다. 다분광 영상의 경우 Quantum Trinity F90+을 활용하였으며, 대상지역 기준 약 90 ha 면적을 촬영하였다. 수심측량을 위하여 실시간 통신이 가능한 무인수상선 GEOSONAR-S2를 활용하였으며, Norbit iWBMS 멀티빔 음향측심기를 통한 정밀 수심자료를 취득하였다(Table 3).
다분광 영상의 경우 Quantum Trinity F90+을 활용하였으며, 대상지역 기준 약 90 ha 면적을 촬영하였다. 수심측량을 위하여 실시간 통신이 가능한 무인수상선 GEOSONAR-S2를 활용하였으며, Norbit iWBMS 멀티빔 음향측심기를 통한 정밀 수심자료를 취득하였다(Table 3).
연구 대상지역은 Table 1과 같이 저수지 제원, 수위-내용적 자료, 저수율 자료 취득이 가능한 농업용 저수지를 중심으로 선정하였다. 충청남도 홍성군 장곡면 행정리에 위치한 천태 저수지를 대상지역으로 선정하였으며, Fig.
연구 대상지역은 Table 1과 같이 저수지 제원, 수위-내용적 자료, 저수율 자료 취득이 가능한 농업용 저수지를 중심으로 선정하였다. 충청남도 홍성군 장곡면 행정리에 위치한 천태 저수지를 대상지역으로 선정하였으며, Fig. 1은 (a) 충남 천태 저수지의 위치, (b) 드론의 비행경로 및 (c) 다중분광 드론영상으로 표출된 저수지 형상이다.

성능/효과

본 연구의 결과물로 구축된 수심도를 활용하여 별도의 측량없이 종단면도 및 횡단면도를 추출할 수 있으며, 이를 활용하여 저수지 수표면 아래 형상을 표현할 수 있다. 또한 통계연보의 기본 제원과 TIN 기준 만수면적 및 체적에 대한 결과, 만수면적 및 체적이 적게 산정되었으며, 저수지 준공 이후 저수량의 변화가 발생했을 것으로 판단된다. 또한, 수초로 인해 측량하지 못한 누락지역이 존재하기 때문에 향후 이러한 부분을 보완한다면 저수지 제원 자료의 최신화에 활용할 수 있을 것으로 판단된다.

후속연구

LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.
또한 통계연보의 기본 제원과 TIN 기준 만수면적 및 체적에 대한 결과, 만수면적 및 체적이 적게 산정되었으며, 저수지 준공 이후 저수량의 변화가 발생했을 것으로 판단된다. 또한, 수초로 인해 측량하지 못한 누락지역이 존재하기 때문에 향후 이러한 부분을 보완한다면 저수지 제원 자료의 최신화에 활용할 수 있을 것으로 판단된다.
본 연구에서 사용한 드론은 DJI Technology Co.의 Matrice 300 RTK로 크기와 무게 때문에 이동 및 설정이 어렵다는 단점이 있지만, 안정적인 고성능 비행 및 다양한 센서와의 호환성을 통해 활용성이 높다. 드론용 LiDAR의 경우 YellowScan Mapper+를 활용하였으며, 높은 정확도와 빠른 비행속도로 지형측정에 적합하다는 특징을 갖고 있다.

참고문헌 (22)

Choi, S., Youn, Y., Kang, J., Park, G., Kim, G., Lee, S.？et al., 2022. An artificial intelligence approach to？waterbody detection of the agricultural reservoirs？in South Korea using Sentinel-1 SAR images.？Korean Journal of Remote Sensing, 38(5-3),？925-938. https://doi.org/10.7780/kjrs.2022.38.5.3.10

원문보기 상세보기
Fan, X., Liu, Y., Wu, G., and Zhao, X., 2020. Compositing？the minimum NDVI for daily water surface mapping.？Remote Sensing, 12(4), 700. https://doi.org/10.3390/rs12040700

상세보기
Jang, M. Y., Song, J. I., Jang, C. R., and Kim, H. T., 2020. Estimation of small reservoir storage using？Sentinel-1 image. Journal of the Society of Disaster？Information, 16(1), 79-86. https://doi.org/10.15683/kosdi.2020.3.31.079

원문보기 상세보기
Jeong, H., Park, J., Lee, D., and Lee, J., 2022. A？comparative study of reservoir surface area？detection algorithm using SAR image. Korean？Journal of Remote Sensing, 38(6-3), 1777-1788.？https://doi.org/10.7780/kjrs.2022.38.6.3.3

원문보기 상세보기
Kim, H., Kim, D. J., and Kim, J., 2022. Water segmentation？based on morphologic and edge-enhanced U-Net？using Sentinel-1 SAR images. Korean Journal？of Remote Sensing, 38(5-2), 793-810. https://doi.org/10.7780/kjrs.2022.38.5.2.11

원문보기 상세보기
Kye, C., Shin, D. K., Yi, J., and Kim, J., 2021. Waterbody？detection from Sentinel-2 images using NDWI:？A case of Hwanggang dam in North Korea.？Korean Journal of Remote Sensing, 37(5-1),？1207-1214. https://doi.org/10.7780/kjrs.2021.37.5.1.30

원문보기 상세보기
Lee, D., Cheon, E. J., Yun, H., and Lee, M. H., 2019.？A study on water surface detection algorithm？using Sentinel-1 satellite imagery. Korean Journal？of Remote Sensing, 35(5-2), 809-818. https://doi.org/10.7780/kjrs.2019.35.5.2.5

원문보기 상세보기
Lee, D., Park, S., Seo, D., and Kim, J., 2022. Waterbody？detection using UNet-based Sentinel-1 SAR image:？For the Seom-jin river basin. Korean Journal of？Remote Sensing, 38(5-3), 901-912. https://doi.org/10.7780/kjrs.2022.38.5.3.8

원문보기 상세보기
Lee, H. J., Nam, W. H., Yoon, D. H., Jang, M. W.,？Hong, E. M., Kim, T., and Kim, D. E., 2020.？Estimation of water storage in small agricultural？reservoir using Sentinel-2 satellite imagery. Journal？of the Korean Society of Agricultural Engineers,？62(6), 1-9. https://doi.org/10.5389/KSAE.2020.62.6.001

원문보기 상세보기
Lee, J. O., Park, U. Y., Yang, Y. B., and Kim, Y. S., 2005. 3D modelling shape embodiment and？efficiency analysis of reservoir that using RTK-GPS and E/S. Journal of the Korean Society for？Geospatial Information System, 13(1), 11-17.
Lee, S., Jeong, J., Oh, S., Jeon, H., and Choi, M., 2022.？Multi-resolution SAR image-based agricultural？reservoir monitoring. Korean Journal of Remote？Sensing, 38(5-1), 497-510. https://doi.org/10.7780/kjrs.2022.38.5.1.5

원문보기 상세보기
McFeeters, S. K., 1996. The use of the Normalized？Difference Water Index (NDWI) in the delineation？of open water features. International Journal of？Remote Sensing, 17(7), 1425-1432. https://doi.org/10.1080/01431169608948714

상세보기
Ministry of Agriculture, Food and Rural Affairs, Korea？Rural Community Corporation, 2022. Statistical？yearbook of land and water development for？agriculture (No. 11-1380000-000014-10). Korea？Rural Community Corporation, Rural Research？Institute. https://rims.ekr.or.kr/stastics/pdf/2021.pdf
Nam, W. H., and Choi, J. Y., 2014. Development of？an irrigation vulnerability assessment model in？agricultural reservoirs utilizing probability theory？and reliability analysis. Agricultural Water？Management, 142, 115-126. http://doi.org/10.1016/j.agwat.2014.05.009

상세보기
Nam, W. H., Lee, H. J., and Cho, J. H., 2022.？Construction of spatial information for monitoring？ungauged reservoir surface using drone LiDAR？and multibeam echo sounder data. Magazine of？the Korea Water Resources Association, 55(12),？18-24.
Park, J., Kang, K. M., and Hwang, E. H., 2021.？Extraction of water body area using micro satellite？SAR: A case study of the Daechengdam of South？Korea. Journal of the Korean Association of？Geographic Information Studies, 24(4), 41-54.？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. https://doi.org/10.7780/kjrs.2016.32.5.11

원문보기 상세보기
Roh, T. H., 2020. Analysis of precision of interpolation？of reservoir bed through comparison of data？acquired by using UAV and echo sounder.？Journal of the Korean Association of Geographic？Information Studies, 23(3), 85-99. https://doi.org/10.11108/kagis.2020.23.3.085

원문보기 상세보기
Yoon, D. H., Nam, W. H., Lee, H. J., Hong, E. M.,？Kim, T., Kim, D. E., Shin, A. K., and Svoboda,？M. D., 2018. Application of evaporative stress？index (ESI) for satellite-based agricultural drought？monitoring in South Korea. Journal of the Korean？Society of Agricultural Engineers, 60(6), 121-131.？https://doi.org/10.5389/KSAE.2018.60.6.121

원문보기 상세보기
Yoon, D. H., Nam, W. H., Lee, H. J., Jeon, M. G.,？Lee, S. I., and Kim, H. J., 2021. Development？of extraction technique for irrigated area and？canal network using high resolution images.？Journal of the Korean Society of Agricultural？Engineers, 63(4), 23-32. https://doi.org/10.5389/KSAE.2021.63.4.023

원문보기 상세보기
Yoon, S., Lee, S., Park, K., Jang, S., and Rhee, J., 2018.？Development of a storage level and capacity？monitoring and forecasting techniques in Yongdam？dam basin using high resolution satellite images.？Korean Journal of Remote Sensing, 34(6-1),？1041-1053. https://doi.org/10.7780/kjrs.2018.34.6.1.16

원문보기 상세보기
Yun, H. S., and Cho, J. M., 2011. Hydroacoustic application？of bathymetry and geological survey for efficient？reservoir management. Journal of the Korean？Society of Surveying, Geodesy, Photogrammetry？and Cartography, 29(2), 209-217. https://doi.org/10.7848/ksgpc.2011.29.2.209

원문보기 상세보기

저자의 다른 논문 :

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