레이더 영상을 이용한 연안 양식장 탐지 기법 분석

Analysis of Offshore Aquaculture Detection Techniques Using Synthetic Aperture Radar Images

Abstract

해양공간 이용 증가로 해양 공간을 활용하는 사람들간 갈등이 발생되며, 정부의 허가 및 규제로는 관리가 어려운 실정이다. 특히 양식장은 면허 제도로 운영되고 있는데, 지자체별로 관리하고 있어 정확한 실태 파악이 어렵다. 본 연구에서는 synthetic aperture radar (SAR) 영상을 이용하여 연안에 위치한 양식 어장을 모니터링하고 관리 방안에 대해 알아보고자 하였다. 연구에 활용된 자료는 Sentinel-1A 영상이며 시계열로 구성된 SAR 영상을 중첩하였다. 중첩 자료를 활용하면 양식 어장과 같은 작은 시설물에 대한 정보를 살리면서 노이즈만 제거할 수 있다. VH 편광 자료를 활용할 경우 연안에 위치한 양식 어장을 약 88%의 전체 정확도로 탐지할 수 있었다. 본 연구 결과를 활용한다면 계절별로 변하는 양식 품목에 맞춰 양식 어장을 모니터링 할 수 있을 뿐만 아니라 해양 공간 활용에 대한 관리 주기를 설정할 수 있을 것으로 판단된다.

In the face of escalating utilization of the marine spatial domain, conflicts have emerged among stakeholders, necessitating effective management strategies beyond conventional government permits and regulations. Particularly within the domain of aquaculture, operational oversight relies on a localized licensing system, posing challenges in accurately assessing the prevailing circumstances. This research employs synthetic aperture radar (SAR) imagery as a tool to monitor coastal aquaculture fish farms, aimed at enhancing insights into management protocols. Leveraging Sentinel-1A imagery and time series SAR data integration, a superimposition technique is utilized, facilitating noise reduction while retaining crucial information regarding smaller-scale facilities, such as fish farms. Through analysis of VH polarization data, a detection overall accuracy of approximately 88% for coastal fish farms was achieved. The findings of this study offer potential applications in the continuous monitoring of aquaculture farms in correspondence with seasonal variations in aquaculture yields, thereby proposing frameworks for the establishment of effective management cycles for marine space utilization.

1. 서론

최근 해양공간 이용 및 개발 수요 증가로 인해 해양공간은 독점적 혹은 무분별하게 활용되고 있으며, 이로 인한 갈등이 심화되고 있다. 이를 단속하거나 감시하기 위해 해양 이용에 대한 허가, 면허, 규제 등 정책적인 수단을 마련하였지만 광범위한 해양공간 특성상 실질적으로 관리하기는 어렵다. 특히 양식장은 면허 제도로 운영되고 있지만, 지자체별로 운영되고 있으며, 개개인의 면허 기간이 다르기 때문에 실태 파악은 더욱 어려운 실정이다. 인공 위성 자료를 이용한 원격 탐사 기법을 연안 지역에 적용시킨다면, 광범위한 지역에 대한 해양 활동의 모니터링이 가능해질 뿐만 아니라 주기적인 자료를 획득할 수 있다. 또한 무료로 제공되는 위성 자료를 활용한다면, 해양공간 관리에 보다 경제적으로 판단된다. 따라서 위성영상을 활용하여 해양공간 활용에 대한 주기적인 영상을 취득하고 모니터링하여 이를 효과적으로 관리할 수 있는 방안에 대해 알아보고자 한다.

우리나라에서는 2000년 초반에 SPOT-5 위성영상을 이용하여 김 양식 시설량 추정 및 활용 방안에 대해 연구한 바 있다(Kang and Lee, 2004; Yang and Park, 2006). Kim et al. (2016)은 KOMPSAT-3 위성영상을 이용하여 양식 시설물 자동 탐지 및 모니터링 방안으로 인공 신경망 기법을 제안하였다. 광학 위성 영상은 구름 등 날씨의 영향을 받기 때문에 양식 시설물을 관리하는 데 제약이 있을 수 있다.

합성 개구 레이더(synthetic aperture radar, SAR) 영상은 기상 상황에 영향을 받지 않고 주기적인 영상 취득이 가능하며, 굴 양식장 등 적정 형태의 양식 구조물을 광학영상보다 더 잘 관측할 수 있기 때문에(Kim et al., 2002) 양식 시설물 탐지에 효율적이라고 볼 수 있다. Ottinger et al. (2017)은 최초로 Sentinel-1A 위성 영상을 이용하여 중국 및 베트남 일대 양식 어장을 탐지하였으며, 최근에는 Sentinel-1A/B 영상과 광학 영상을 함께 사용하여 양식 어장을 탐지하는 연구도 진행 중이다(Stiller et al., 2019; Kolli et al., 2022; Ottinger et al., 2022). 하지만 Sentinel1A/B 위성을 활용한 선행 연구들은 육상 양식장에 국한되어 양식 어장을 탐지하였으며, 지적선 밖인 연안에 위치한 양식 어장 탐지 연구는 아직 미미한 실정이다. 따라서 본 연구에서는 오픈 소스인 Sentinel-1 위성을 이용하여 연안에 위치한 양식 어장 탐지 방법 및 관리 방안에 대하여 알아보고자 하였다.

2. 연구자료 및 방법

2.1. 연구 자료

2.1.1. SAR 위성 자료

Sentinel-1A 위성은 C밴드 센서를 활용하며, 유럽 우주국(European Space Agency, ESA)에서 개발되었다. 2014년 3월에 발사되어 현재까지 운용 중이다(Torres et al., 2017). 본 연구에서는 해양 및 육상에서 주로 활용되는 interferometric wide swath (IW) 모드의 레벨 1 ground range detected (GRD) 파일을 사용하였다. Sentinel-1A는 레이더 전파 송수신 방향에 따라 송수신 방향이 같은 단일 편광(HH, VV) 및 단일 편광과 송수신 방향이 다른 교차 편광을 함께 사용하는 이중 편광(HH+HV, VV+ VH) 모드를 지원한다. 이중 편광 자료를 활용하면 단일 편광 자료를 활용했을 때 보다 관측 지역에 대한 후방 산란 정보가 추가되기 때문에, VV+VH의 이중 편광 자료를 활용하였다. 연구 지역은 경상남도 양식 시설의 80%를 차지하고 있는 통영시 주변 해역을 선정하였으며, 54번 궤도의 111번 프레임 자료를 사용하였다. 연구 지역은 Fig. 1에 푸른색으로 표시된 지역과 같으며, 활용된 연구 기간은 2018년 6월 14일부터 2023년 5월 31일까지 5년이다. Sentinel-1A의 관측 주기는 12일로 총 142개의 자료가 활용되었다.

Fig. 1. The study area is a coastal area near Tongyeong.

2.1.2. 어장정보 자료

해양수산부의 해양수산 빅데이터플랫폼(https://vadahub.go.kr/user/main.do)에서는 해양수산 분야에서 창출된 다양한 형태의 자료를 활용할 수 있게 허브 형태로 운영된다. 본 사이트에서 어장정보를 취득하였다. 어장정보는 shape 파일 형태로 우리나라 연안의 마을 어업, 양식어업, 정치망 어업에 대한 위치, 어업 유형, 방법, 양식 대상, 면적 등의 정보를 제공하고 있다.

마을 어업은 지정된 수심 및 수면에서 패류, 해조류등을 채취하는 방법이며(Choi, 2019), 양식 어업은 인공적으로 수산동식물을 양식하는 방법이다(Choi, 2022). 정치망 어업은 어류를 그물안에 들어가도록 유도시켜 잡는 방법이다(Lee and Jung, 2021). 2022년 기준 등록된 어장 정보는 14,760개이며, 마을 어업이 3,698개(25%), 양식어업이 10,584개(72%), 정치망어업이 478개(3%)로 양식어업이 대부분을 차지하고 있다. 일부 어업 형태는 위성 영상으로 탐지하는데 한계가 있기 때문에 대다수의 어업 형태이며, 일정 기간동안 지속적으로 관측이 가능한 양식어업만 선정하여 연구에 활용하였다.

양식어업은 종류에 따라 수하식, 바닥식, 가두리식 등으로 나눌 수 있다. 수하식은 수중에 대, 지주, 뜸, 밧줄 등을 이용하여 시설물을 설치하여 해조류, 어패류 등을 양식하는 데 사용하는 방법이며, 바닥식은 수면의 바닥이나 투석시설을 이용하여 해조류, 어패류 등을 양식하는 방법이다. 가두리식은 수중에 뜸, 그물 등을 이용한 가두리 시설을 설치하여 어패류를 양식하는 데 사용하는 방법이다. 2022년 등록된 어장정보 자료를 살펴보면 양식어업 중 수하식은 약 38%로 가장 많이 사용되고 있으며, 바닥식은 약 16%, 가두리식은 약 11%로 사용된다. Fig. 2는 항공 사진의 정사 영상으로 관측한 (a)가두리식과 (b) 수하식이다. 가두리식은 바다 위에 설치되어 양식 시설의 구조물을 확인할 수 있다. 수하식은 표면 위의 부표 등으로 양식 시설을 확인할 수 있으나, 양식 시설은 해수 아래 설치되어 구조물 등을 확인하기 어렵다. 해수 표면을 관측하는 위성 영상 특성 상 바닥식과 수하식 종류는 구별하기 어렵다고 판단하여 가두리식 양식 종류만 활용하였다.

Fig. 2. Example of aquaculture types through the aerial photography: (a) cage culture and (b) subsurface line culture.

2.2. 연구 방법

연구 흐름도는 Fig. 3과 같다. 먼저 Sentinel-1A 자료에 대한 전처리를 수행하였다. ESA에서 Sentinel 위성 시리즈 자료 처리 및 분석을 위해 sentinel application platform (SNAP) 툴박스를 제공한다. SNAP 툴박스를 이용하여 Braun (2021)이 제안한 다중 시계열 Sentinel-1 위성 영상 전처리 방법을 적용하였다. 전처리는 열 잡음 제거, 궤도 파일 적용, 방사보정, 지형보정, 데시벨(dB) 전환을 수행하였으며, 전처리 완료된 영상을 이용하여 연구 지역을 추출하였다. 추출된 영상은 중간값을 계산하여 중첩하여 노이즈 제거 효과를 주었으며, 선명효과를 적용 시켜 경계선이 잘 탐지될 수 있도록 하였다. 선명효과에는 total variation bregman, total variation chambolle, bilaterial denoising, non-local means 방법이 있으며, 작은 구조물을 탐지하기에 적합한 non-local means 방법을 사용하였다(Ottinger et al., 2017). 이후 임계값 기법을 사용하여 연안 지역에 설치되어 있는 구조물을 탐지하고자 하였다. 임계값을 설정하는 데 물과 주변 요소를 분리하는데 적절하다고 선정된 Otus 임계값을 사용하였다(Ottinger et al., 2017). Otus 임계값은 그룹 내 분산과 그룹 간 분산을 이용하여 그룹 내 분산을 최소로 하는 곳을 설정해준다(Otus, 1979). Otus 임계값을 이용하여 구분된 결과는 해안선 자료를 이용하여 육상 영역을 마스킹하여 연안 지역에 대해 탐지된 결과만 활용하고자 하였다. 연안 지역에 설치된 구조물은 어장정보도와 항공사진의 정사 영상을 이용하여 정확도를 검증하였다.

Fig. 3. Flow chart of the study.

3. 연구결과

3.1. Sentinel-1A 편광별 중첩 영상

단일 SAR 영상을 활용할 경우 스펙클 노이즈(speckle noise)가 발생하여 지표면에 대한 정보를 얻기 어려워진다. SAR 영상의 노이즈를 제거하기 위해 노이즈 제거필터를 활용해도 되지만, 필터를 사용할 경우 윈도우 크기에 의해 윤곽선이 불명확해지는 블러(blur) 현상이 발생한다. 이는 연안 지역에 설치되어 있는 양식장과 같은 작은 형태의 특징을 감지하기 어렵다. 시계열 자료로 구성되어 있는 SAR 영상을 중첩시키면 노이즈 제거효과가 나타난다. Fig. 4(a)와 (b)는 연구 지역에 대한 편광별 자료를 중간값을 활용하여 중첩시켜서 나타낸 결과이다. 중간값을 활용할 경우 평균값에 비해 양 극값의 영향을 최소화 할 수 있다(Ottinger et al., 2017).

Fig. 4. Multi-stacked image of (a) VV polarization and (b) VH polarization image.

Fig. 4에서 바다 표면은 바람 등에 의해 표면이 거칠기 때문에 후방산란 계수가 낮아서 어둡게 나타난다. 연안 지역의 주변 해역보다 밝게 나타나는 부분은 가두리식 양식 어장으로, 양식 구조물에 의해 입사된 마이크로파가 다시 반사되어 후방산란 계수가 높게 나타난다.

연안 지역에 위치한 구조물의 명확한 구분을 위하여 non-local mean 알고리즘을 활용한 선명효과를 주었다. Fig. 5는 편광별 non-local mean 알고리즘을 활용하여 선명효과를 나타낸 결과이다. Fig. 5(b)의 A, B 지역은 향후정확도 평가를 위하여 선정된 지역이다. Non-local mean 알고리즘은 주변 영역과 비슷한 패턴을 찾아 노이즈만 제거하기 때문에 양식 어장과 같은 작은 구조물의 형태나 거칠기에 대한 정보를 살릴 수 있다.

Fig. 5. Denoising results of applying non-local mean algorithm for multi-stacked image. (a) VV polarization and (b) VH polarization. A and B are accuracy evaluation areas.

3.2. 연안 지역에 위치한 시설물 구분을 위한 임계값 산출

각 편광별 중첩 영상의 히스토그램(histogram)은 Fig. 6과 같다. VH 편광의 후방산란 계수는 -40 ~ -5 dB에 분포하며, VV 편광은 이보다 더 높은 -23 ~ 2 dB에 분포한다. Ottinger et al. (2017) 연구의 해안가 주변 Sentinel-1A 후방산란 계수는 VV와 VH 편광을 포함하여 -43 ~ 2 dB에 분포하였으므로 데이터는 이와 유사한 조건이라고 판단된다. VV, VH 편광 모두 두 개의 피크(peak)가 형성되었다. VH 편광 후방산란 계수의 경우 두 개의 피크가 거의 동일한 패턴을 보이며, VV 편광보다 더 넓은 대역에 분포한다. VV 편광 후방산란 계수의 경우 두 개의 피크가 보이지만, -18 ~ -16 dB에서 급격한 피크를 보였다.

Fig. 6. Histogram used on the median Sentinel-1A data for VV (filled in blue) polarization and VH (filled in orange) polarization. The black line shows the Otus thresholds of VH polarization and the dashed line shows the Otus thresholds of VV polarization.

바다와 연안 지역에 위치한 시설물은 Otus 임계값을 사용하여 구분하였다(Fig. 6). VH 편광의 Otus 임계값은 -24.39 dB이며, VV 편광의 Otus 임계값은 –14.7 dB이었다. 국토지리정보원의 항공 사진의 정사 영상을 참고하여 비교해본 결과, Otus 임계값을 이용하여 연안 지역에서 이용되는 양식 시설들과 항구 및 어항, 방파제에 위치한 정박 시설 등을 확인할 수 있었다. 어항에서 수시로 출입하는 어선의 경우 SAR 영상을 중첩하면서 제거 되지만, 한 번 설치 후 지속적으로 활용하는 양식 시설이나 정박 시설 등의 경우는 탐지 가능하였다.

3.3. 시설물 구분에 대한 타당성 검증

연안 지역에 위치한 시설물의 대부분은 양식 시설과 관련되어 있어 어장정보도를 이용하여 검증하려고 하였으나, 시설물이 아닌 바다를 검증할 수 있는 자료가 없어서 바다와 연안 지역의 시설물에 대한 검증 자료를 만들어 비교하였다. 바다에 대한 검증 자료는 국토지리정보원의 항공 사진의 정사 영상을 참고하였으며, 양식시설물의 경우 국토지리정보원의 정사 영상 및 어장정보도를 참고하여 각각 랜덤하게 50개(3 × 3) 지역을 선정하였다. 검증에 참고한 항공 영상은 Fig. 7의 (a), (b)와 같으며, Fig. 5(b)에서 A, B로 표시된 지역을 나타냈다. 항공사진의 정사 영상은 25 cm 해상도를 가지고 있으며, 2022년도에 촬영된 영상을 사용하였다. Fig. 7의 (c)–(f)는 편광별 선명효과를 나타낸 이미지에 붉은색으로 표시된 어장정보도를 추가하여 나타내었다.

Fig. 7. Example of (a–b) aerial photography for accuracy assessment. (c) and (d) VV polarization images. (e) and (f) VH polarization images layered with the offshore aquaculture in the red line.

VV 편광 및 VH 편광 자료를 이용한 정확도 평가는 각각 Table 1, 2와 같다. 정확도 평가를 위하여 생산자 정확도, 사용자 정확도, 전체 정확도, 카파(Kappa) 계수를 구하였다. 평가 방법에 사용된 식은 Jo et al. (2012)을 참고하였다. 생산자 정확도는 정확하게 탐지된 샘플 수와 총 검증 자료 샘플 수의 비율로, 검증 자료의 정확도를 나타낸다. 사용자 정확도는 정확하게 탐지된 샘플 수와총 예측 샘플 수의 비율로, 모델 결과의 예측 정확도를 나타낸다. 전체 정확도는 정확하게 탐지된 샘플 수와 참조 데이터 개수의 비율을 나타낸다. 카파 계수는 분류오류를 고려하여 정확하게 탐지된 샘플 수만 평가한다.

Table 1. The accuracy assessment for VV polarizations

Table 2. The accuracy assessment for VH polarizations

VV 편광의 경우 연안 지역에 위치한 구조물을 23개, VH 편광의 경우 연안 지역에 위치한 구조물을 42개 탐지하였다. 전체 정확도(카파 계수)는 VV 편광과 VH 편광 각각 72(0.44)%, 88(0.76)%였다. VV 편광 자료를 사용했을 경우 연안 지역에 위치한 구조물을 오탐지하는 경향이 나타났다. Kurekin et al. (2022)의 연구에 의하면 VV편광 자료는 양식 어장 등에 대한 후방산란 계수가 높게 나타나지만, VH 편광 자료는 다중 산란 효과를 측정하기 때문에 구조물 탐지에 권장된다고 하였다. VH 편광 자료를 사용했을 경우 Ottinger et al. (2017)의 전체 정확도(80~88%) 및 카파 계수 범위(0.59~0.77)와 유사하게 나타났다. 따라서 연안 지역에 위치한 양식 어장 등 구조물을 탐지하는데 VH 편광 자료를 사용하는 것이 적합하다고 판단된다.

본 연구 방법은 연안 지역에 설치된 양식 어업 구조물 중 가두리식 양식장에 한해 정확도를 계산하였다. 가두리식 양식장(Fig. 2a)은 바다 위 표면에 고정되어 있기 때문에 후방산란 계수를 이용하여 탐지한다면 바다와 구분된다. 양식 시설물 대부분이 바다에 잠겨 있는 수하식 양식장이더라도 막대 등으로 고정되어 바다 표면에 나타나는 경우 후방산란 계수를 이용하여 탐지가능하다(Cheng et al., 2013). 하지만 연구지역에서는 Fig. 2(b)와 같이 고정 구조물을 탐지할 수 있는 수하식양식 어장이 설치되어 있지 않아 정확도 계산에서 제외하였다.

4. 토의

본 연구에서 활용한 검증 자료의 후방산란 계수와 해양수산부에서 제공하고 있는 어장정보도 자료를 Fig. 8과 같이 비교해보았다. VV 편광 자료를 사용했을 경우 연안 지역에 위치한 시설물, 연안 지역의 양식 어장, 바다의 평균 후방산란 계수는 각각 -12.64 (±1.03) dB, –15.86(±1.34) dB, -18.73 (±0.03) dB이었다. VH 편광 자료를 사용했을 경우 연안 지역의 시설물, 연안 지역의 양식 어장, 바다의 평균 후방산란 계수는 각각 –19.42 (±1.12)dB, –24.46 (±1.41) dB, –34.1 (±0.14) dB이었다. 연안 지역에 위치한 시설물과 바다의 평균 후방산란 계수는 약6~15 dB 차이가 난다.

Fig. 8. The bars display standard deviation of the sea farming structure area in blue, offshore aquaculture area in red, sea area in purple, and gray points indicates the each mean point of data. (a) VV polarization image and (b) VH polarization image.

연안 지역에 위치한 시설물 대부분이 가두리식 양식 어장임을 감안했을 때 각 편광 자료의 평균 후방산란 계수는 약 3~5 dB 차이가 났으며, 연안 지역의 양식 어장 표준편차가 가장 크게 나타났다. 그 이유는 크게 두 가지로 생각된다. 첫 번째는 SAR 영상을 중첩하여 활용한 기간과 어장정보도에 작성된 날짜가 일치하지 않기 때문이다. 본 연구에서는 2018년부터 2023년에 관측된 SAR 영상을 중첩하여 사용하였으며, 어장정보도는 2022년에 배포된 자료를 사용하였다. 위성 영상에는 양식 어장이 철수되더라도 양식 어장이 활용된 기간까지 정보가 남아있기 때문에 양식 어장은 탐지되지만, 어장정보도에는 양식 어장이 위치하지 않는다고 나타날 수 있다. 따라서 양식 어장의 활용 기간에 맞춰 SAR 영상을 중첩하여 사용한다면 양식 어장을 모니터링 하는 데 도움이 될 수 있을 것으로 판단된다.

두 번째, 양식 어장은 어장정보도에 작성된 구역 내 설치하여 활용하기 때문에 Fig. 7(c)~(f)의 양식 구조물 설치 지역과 붉은색으로 표시된 어장정보도를 참고하면, 어장정보도에서 추출된 픽셀 정보에는 양식 어장과 바다에 대한 후방 산란 계수 두 가지가 포함된다. 어장정보도에 작성된 구역 중 양식 어장을 절반 이하 등 일부 만 설치하여 활용하는 경우도 있다. 이와 같은 경우 어장정보도를 활용하여 정확도 분석을 수행하면 실제 양식 어장을 활용하더라도 정확도는 낮게 나타날 수 있다. 따라서 어장정보도를 사용하여 정확도 분석을 하는 경우 주의할 필요가 있다.

5. 결론

본 연구에서는 연안 지역에 대한 해양 공간 활용에 대한 모니터링을 수행하고자 하였으며, SAR 영상을 이용한 양식 어장 탐지 및 양식 어장 활용 기간에 따른 모니터링 방법을 제안하였다. SAR 영상을 중첩하여 작은 구조물 등에 대한 정보를 최대한 활용할 수 있었으며, 노이즈는 최소화 할 수 있었다. SAR 영상의 이중 편광자료를 사용하면 후방산란 계수에 대한 정보가 다양해지기 때문에 탐지하고자 하는 대상에 적합한 편광 자료를 활용할 수 있다. 따라서 VV, VH 편광 자료를 활용하여 연안 지역에 위치하는 양식 어장을 탐지할 수 있었다. 어장정보도를 활용한다면 양식 어장에 대한 위치 정보 및 양식 어장 종류, 품목 등 다양한 정보를 활용할 수 있다. 특히 모니터링 하고자 하는 양식 어장의 종류나 품목 등의 활용 기간에 맞춰 촬영된 SAR 영상을 중첩하여 활용한다면, 양식 어장의 실태 파악에 도움이 될 뿐만 아니라 해양공간 관리에 활용될 수 있을 것으로 판단된다.

어장정보도로 설정된 구역은 양식 어장과 바다에 대한 픽셀이 혼재해 있어 항공 영상이나 고해상도 위성 영상을 이용해 정확도 분석에 필요한 추가적인 자료가 필요하다. 향후 TerraSAR-X의 고해상도 X 밴드 SAR 영상을 활용하거나 Sentinel-2, 국토위성 자료 등 광학 위성 영상을 활용한다면 이를 보완할 수 있을 것으로 판단된다. 본 연구 결과를 활용하여 계절이나 양식 품목에 따른 양식 어장 활용 기간을 설정하여 양식 어장 모니터링을 수행한다면 해양 공간 활용 관리 및 관리 주기를 설정하는 데 도움이 될 수 있을 것으로 판단된다.