Mapping Topography Change via Multi-Temporal Sentinel-1 Pixel-Frequency Approach on Incheon River Estuary Wetland, Gochang, Korea

다중시기 Sentinel-1 픽셀-빈도 기법을 통한 고창 인천강 하구 습지의 지형 변화 매핑

Abstract

Wetlands, defined as lands periodically inundated or exposed during the year, are crucial for sustaining biodiversity and filtering environmental pollutants. The importance of mapping and monitoring their topographical changes is therefore paramount. This study focuses on the topographical variations at the Incheon River estuary wetland post-restoration, noting a lack of adequate prior measurements. Using a multi-temporal Sentinel-1 dataset from October 2014 to March 2023, we mapped long-term variations in water bodies and detected topographical change anomalies using a pixel-frequency approach. Our analysis, based on 196 Sentinel-1 acquisitions from an ascending orbit, revealed significant topography changes. Since 2020, employing the pixel-frequency technique, we observed area increases of +0.0195, 0.0016, 0.0075, and 0.0163 km² in water level sections at depths of 2-3 m, 1-2 m, 0-1 m, and less than 0 m, respectively. These findings underscore the effectiveness of the wetland restoration efforts in the area.

습지는 일년 중 일정기간 물에 잠겨있거나 젖어있는 땅을 의미한다. 습지는 생물다양성 유지와 환경오염물질을 정화하는 역할을 수행하고 있다. 습지의 경계와 면적 변화에 대한 정량적인 자료를 필요로 하고 있다. 본 연구에서는 Sentinel-1 장기적인 수체 탐지 결과를 활용하여 습지의 시간에 따른 지형 변화를 매핑하고자 한다. 이를 위하여 운곡 습지와 연안 습지를 연결하는 인천강 하구 습지를 연구지역으로 설정하였다. 또한 2014년 10월 부터 2023년 3월 사이의 Sentinel-1 상향궤도 영상 196장을 수집하여 장기적인 면적 변화를 분석하였다. 픽셀-빈도기법을 적용하여 2020년을 기점으로 지형 변화를 산출하였을 때에 수위구간 2-3 m, 1-2 m, 0-1 m 그리고 0 m 이하 구간에서 각각 +0.0195, 0.0016, 0.0075 그리고 0.0163 km²의 면적 증가를 확인할 수 있었다. 이와 같은 사실에 따라 해당 지역에서의 습지 복원 사업은 유효한 것으로 판단된다.

1. 서론

습지는 수체에 의한 범람과 노출이 지속적으로 반복되는 독특한 생태계이다. 이 지역은 생물에 의한 생산과 소비가 균형을 이루는 지역으로 하나의 완벽한 생태계로써 많은 생물들의 거처가 되며 그 주변의 생태계가 안정적으로 유지될 수 있도록 한다. 습지는 완전한 균형을 이루는 지역인 만큼 변화에 취약한 지역이다. 이 지역 주변에서 인위적인 활동에 의하여 평소보다 많은 토사 유출 혹은 퇴적이 발생하면 습지는 육지화 되는 등 지형적 특성이 달라지게 된다. 그리고 이는 습지의 화학적 성분을 변화시키고, 이어서 습지의 생태계 균형이 파괴된다(Ministry of Environment, 2019).

이러한 중요성에 따라 습지에 대한 모니터링을 계속해서 수행하고 있다. 주로 장기적인 관점에서 습지가 균형을 잘 유지하고 있는지를 평가하거나 복원 사업 이후에 어떠한 효과가 있는지를 평가하는 목적으로 모니터링을 수행한다. 그런데 많은 경우 습지 모니터링은 습지의 지질학적 특징, 물의 화학적 성분 변화, 혹은 생물상 변화 등을 위주로 평가를 하게 되며, 이들 변화의 대표적인 원인 중 하나인 지형적 변화에 대해서는 거의 모니터링이 되지 않는다(Ministry of Environment, 2019).

장기간의 위성원격탐사 자료를 활용하면 습지의 지형적 특징을 분석할 수 있다(Ryu et al., 2002; Kim et al., 2021; Hwang et al., 2020). 또한, 이를 기간별로 비교함으로써 습지의 지형적 변화를 분석할 수 있다(Hwang et al., 2020). Ryu et al. (2002)은 정기적으로 노출과 범람이 반복되는 갯벌 지역에 대하여 다중 시기 광학위성자료로 획득한 해안 경계선과 조위자료를 활용하여 갯벌 지역의 수치표고모델을 생성하였다. 이와 유사하게 Kim et al. (2021)은 갯벌이 정기적으로 노출과 범람이 반복된다는 사실로부터 다중시기 위성레이더 데이터로부터 수체 영역을 세그멘테이션하고 이를 픽셀 기반의 빈도로 표현하여 수치표고모델을 생성하였다. 특히 위성레이더(synthetic aperture radar, SAR)는 수체와 비수체 지역에 대한 강도 대비가 크므로 많은 연구에서 수체 탐지를 수행하는 데에 활용해 왔으며 이러한 특성을 활용하여 습지의 지형적 특징을 분석하는 데에 효과적으로 활용할 수 있다(Baek et al., 2020; Baek and Jung, 2021; Jeong et al., 2021; Lee et al., 2022; Park, 2016; Kim et al., 2022; Yu et al., 2022).

대한민국 고창 인천강 하구 습지는 내륙 호수 습지, 하구 습지, 그리고 연안 습지를 서로 연결해주는 우리나라 최초의 습지이다. 이 지역에는 10종의 멸종위기종을 포함한 754종 이상의 생명체가 균형을 이루고 자생하는 생태계로 보존 가치가 매우 높은 지역이다. 최근 2019년까지 이 지역은 상류의 농업활동 및 건축활동에 의한 토사 유출로 인하여 지속적인 육지화가 보고되었다. 이에 따라 2020년 이후로 복원 사업을 진행하고 그 효과를 모니터링하고 있으나 지형적 변화양상을 모니터링하는 데에는 한계가 있다(Ministry of Environment, 2019).

본 연구에서는 다중시기에 취득된 위성레이더 자료를 활용하여 고창 인천강 하구 지역의 복원 사업 전후의 장기적인 변화 양상을 분석하고자 한다. 이를 위하여 2014년 10월 26일부터 2023년 3월 13일 사이에 촬영된 Sentinel-1 영상 196장을 확보하였으며, 2020년을 기준으로 픽셀-빈도 기법을 적용하여 지형적 성분 변화 양상을 비교하였다. 본 연구는 우리나라에서 운용 예정인 KOMPSAT-5, -6, 수자원 위성, 초소형 위성 등을 활용하여 습지를 모니터링하는 데에 효과적으로 활용될 것이라 기대한다.

2. 연구지역 및 자료

2.1. 연구지역

대한민국 고창 인천강 하구 습지는 내륙 호수 습지, 하구 습지, 그리고 연안 습지를 서로 연결해주는 우리나라 최초의 습지보호구역이다. 해당 지역 주변에서 건축에 의한 토사 유출량의 장기적 변화에 따라 지형 변화가 보고된 지역이다. 최근 들어서 이 지역은 2020년 이후 상류 퇴적물 근원지와 농업지대를 정비하고, 갈대 군락을 축소하고, 주변 화학적 오염원 유출을 제한하는 등의 복원사업을 진행하고 있다(Ministry of Environment, 2019). 이에 따라 습지의 지형 변화가 예측되는 지역이다(Fig. 1). 습지 주변에는 농업지역과 양식장이 위치하고 있으며 산악지역이 둘러싸고 있으므로 이에 의한 오탐지가 발생할 수 있는 지역이다(Baek and Jung, 2019). Fig. 1의 하얀색 삼각형은 수위계가 위치한 지역이다. 수위 자료의 장기적인 모니터링 결과 해당 지역은 강수에 의하여 수위가 영향을 받지만 연안에 가깝게 위치하고 있으므로 조위에 의한 영향을 크게 받는 지역이다(Ministry of Environment, 2019). 이에 따라 주기적인 수위 변화가 발생하는 것으로 알려져 있으며 픽셀-빈도 기법을 적용하기에 적절한 지역이다(Kim et al., 2021).

Fig. 1. Natural color mapof the study area (the background map was utilized from Senitinel-2 mosaiked RGB map, environmental big data platform). The white rectangle indicates the boundary of study area, and the grey triangle indicates the location of water level gauging station.

2.2. 연구자료

연구자료로써 Sentinel-1 자료를 활용하였다(Fig. 2). 상대 궤도 127로 2014년 10월 26일부터 2023년 3월 13일 사이에 Interferometric Wide 모드로 한국시간 약 18시 31분에 촬영된 196장을 연구자료로써 활용하였다. 습지 복원 사업을 시작하기 이전인 2014~2019년 사이에는 총 100장의 영상을 활용할 수 있었으며, 2020~2023년 사이에는 96장의 영상을 활용할 수 있었다. 2020년 전후의 전체적인 영상수가 유사한 수준으로 확인되며 빈도의 비교를 통한 지형 변화 분석이 적합하다. 다만 매 촬영 시기의 조위에 대한 분석이 수행되지 않아 이에 따른 분석 오차가 발생할 수 있다. 특히 해당 지역은 subswath 1번과 2번 사이에 위치를 하고 있었으며, Sentinel-1 자료의 정밀 정합을 위해서는 최소 네 장 이상의 burst가 필요하므로 이를 고려하여 영상을 크로핑(cropping) 및 모자이크하여 연구자료로써 활용하였다(Yague-Martinez et al., 2017). 모자이크한 결과, 해당 자료의 경사 레인지(slant range) 및 아지무스(azimuth) 방향의 픽셀 스페이싱(pixel spacing)은 각각 2.33과 13.94 m였다. 또한 입사각은 약 39.22°였다. 비교적 입사각이 커서 지형 왜곡에 의한 효과가 심할 것이라 예상되지는 않았지만 연구지역의 특성상 이에 대한 지형 방사보정이 필요할 것으로 판단되었다(Baek and Jung, 2019).

Fig. 2. Cropped Sentinel-1 data.

지형 방사보정을 위하여 Copernicus 수치표고모델을 활용하였다(Baek et al., 2021). 이 자료는 2011년부터 2015년 사이에 촬영된 TanDEM-X 자료를 활용하여 생성된 수치표고모델로 최신성이 잘 유지되며 경사지역에 대해서도 안정적인 정확도를 유지하는 자료이다. 검증을 위한 자료로는 수자원 공사에서 제공하는 고창군 용선교 수위자료를 활용하였다. 연구에 활용한 기간 전체 동안 10분 단위의 수위 자료를 제공하고 있었으며, Sentinel-1 자료의 촬영시간을 고려하여 시간에 따라 수위를 보간(interpolation)하여 연구에 활용하였다.

3. 연구방법

수체를 탐지할 때 지형에 의한 레이더 그림자(shadow) 왜곡은 오탐지로 작용된다(Baek and Jung, 2019; Kim et al., 2016; Park, 2016). 이에 따른 보정이 필요하다. Fig. 3은 본 연구에서 적용한 자료처리 절차를 나타낸다. 전체 자료처리 절차는 크게 두 단계로 구분할 수 있다. 첫번째 단계는 입력된 다중시기 Sentinel-1 영상에 대한 전처리 과정과 정규화 과정을 포함한다. 한편, 두 번째 단계에서는 정규화된 Sentinel-1 영상에 대하여 수체를 탐지하고 다중시기 픽셀-빈도비 방법을 통하여 지형 변화를 분석한다.

Fig. 3. Overall data flow

보다 자세하게 첫 번째 단계는 각 위성레이더 강도영상에 대하여 레이더 스펙클 노이즈(radar speckle noise)를 저감하고 지형방사보정을 수행한다. 스펙클 노이즈를 저감하고 수체탐지 정확도를 확보하기 위하여 수체 탐지에 가장 적절한 공간 필터로 알려진 non-local means 필터를 활용하였다(Kim et al., 2016). 또한 레이더 강도 영상의 지형 방사보정을 위하여 수치표고모델과 레이더 궤도정보로부터 모사된 레이더 강도영상을 생성하였다. 생성한 레이더 강도 영상과 실제 강도 영상에 대하여 아래의 식(1)과 같은 2차원 다항식 모델을 최소제곱법을 통하여 생성하여 지형 방사 왜곡맵을 생성한 뒤 이를 각 영상에 차분함으로써 왜곡을 보정하였다(Baek and Jung, 2019; Jung et al., 2009).

f^M_R(i, j) = C₀A_simulated(i, j) + C₁(i – 1) + C₂(j – 1) + C₃(i – 1) (j – 1) + C₄       (1)

여기서 f_M^R(i, j)는 영상좌표 (i, j)에서의 실제 레이더 강도를 나타내며 C_n(n=1–4)는 최소제곱법을 통하여 도출하는 계수, A_simulated(i, j)는 영상좌표 (i, j)에서의 모사된 레이더 강도를 나타낸다.

두 번째 단계에서는 보정된 레이더 강도 영상으로부터 수체를 탐지하고 지형 성분을 도출하는 과정이다. 일반적으로 레이더 영상에서는 유전율과 거칠기에 따라 수체와 비수체 사이에 명확한 후방산란특성 차이가 존재한다(Baek and Jung, 2019; 2021). 이에 따라 정규화된 다중시기 Sentinel-1 영상으로부터 비수체 지역에 대한 강도 정보를 통계적으로 분석했다. 또한, 수체를 탐지하기 위하여 다중시기 위성영상의 비수체 지역 강도 정보를 분석하였다. 분석한 표준편차에 대해 99%의 이상치 기준을 임계값으로 결정하여 적용하였다(El-Darymli et al., 2013; Blacknell and Tough, 1995). 또한 다중시기 수체 탐지 결과를 픽셀-빈도비 기법에 적용하여 지형 성분을 도출하였다(Kim et al., 2021).

픽셀-빈도비 기법은 일반적으로 주기적인 조위가 발생하는 지역의 수치표고모델을 생성하기 위하여 적용되는 방법이다. 이 방법의 가장 중요한 컨셉은 주기적으로 조위가 변동되는 지역에서 공기중에 노출 빈도가 높은 지역일수록 높은 고도를 가진다는 것이다(Kim et al., 2021). 본 연구에서는 인천강 하구 습지의 지형 변화를 탐지하기 위하여 2014~2019년과 2020~2023년 사이의 위성자료로부터 각각 픽셀-빈도비 영상을 생성하였다. 또한 영상 수의 차이에 의한 빈도 비율 차이를 보정한 이후 두 시기 자료를 서로 차분함으로써 지형 변화 지역을 분석하였다.

4. 연구결과

Fig. 4는 레이더 강도 영상에 대하여 스펙클 노이즈 필터를 적용한 결과를 나타낸다. 영상에서 볼 수 있듯이 수체와 주변 지역에 대한 밝기 차이가 굉장히 명확하게 나타나는 것을 확인할 수 있었다. 다만 주변 지역에서 지형과 토지 피복의 차이에 따라서 수체가 아님에도 불구하고 낮은 픽셀 값을 나타내는 지역이 확인되었다. 또한 연구지역 하단부에서는 공사가 진행중이라 점점 더 영상의 밝기가 낮아지는 양상을 확인할 수 있었다. 이러한 강도의 변이는 수체 탐지 오차로 작용할 수 있다.

Fig. 4. Non-local mean filtered Sentinel-1 intensity maps: (a) 20150319, (b) 20170320, (c) 20190322, (d) 20210323, and (e) 20230313. Yellow circles indicate the location of the water level gauging station.

Fig. 5는 식(1)에 따라서 생성한 각 다중시기 영상의 지형 방사 왜곡맵이다. 해당 자료는 연구 지역의 지형 왜곡 양상을 잘 반영한 것으로 판단되지만 앞서 설명한 토지피복에 의한 영향을 반영하지 못한다. 또한 공사가 진행되면서 토지 피복이 변화한 경우 역시 지형에 의한 방사 왜곡 모델링이 불가능하다. 이에 따라 토지피복의 변화에 따른 오탐지 영향이 남아있을 것으로 판단된다. 이에 따라 레이더 강도 영상에 대하여 지형 방사 왜곡 맵을 차분(Fig. 6) 하더라도 토지피복에 따른 밝기 차이가 확인되었으며 이는 오차로 작용할 것으로 판단된다. 다만 그럼에도 불구하고 육안 분석을 수행하였을 때 지형 방사왜곡 성분을 보정하기 전보다 보정한 후에 수체와 비수체 사이의 강도값 대비가 증가한 것으로 판단된다. 또한 이에 따른 탐지 성능 향상이 존재할 것으로 판단된다.

Fig. 5. Simulated terrain radiometric distortion maps: (a) 20150319, (b) 20170320, (c) 20190322, (d) 20210323, and (e) 20230313.

Fig. 6. Terrain radiometric distortion corrected Sentinel-1 intensity maps: (a) 20150319, (b) 20170320, (c) 20190322, (d) 20210323, and (e) 20230313. Yellow circles indicate the location of the water level gauging station.

Fig. 7은 전체 영상에 대하여 비수체 영역에 대해 99% 신뢰구간으로 결정한 임계값을 적용하여 분할된 수체 영역을 나타낸다. 전술한 바와 같이 수체 영역을 명확하게 분류하였으나 주변 토지피복에 의한 오탐지가 확인이 되었다. 또한 이러한 양상은 연구지역 하단 부의 공사가 점점 진행될수록 심해지는 것을 확인할 수 있었다. 이러한 오탐지는 수위자료와의 비교를 수행할 때에 오차로 작용할 수 있으며, 관심지역의 수채 면적과는 관련이 없으므로 토지피복 정보를 활용하여 마스킹 아웃(masking out)을 수행하였다(Fig. 8).

Fig. 7. Semantic segmented waterbody maps via thresholding: (a) 20150319, (b) 20170320, (c) 20190322, (d) 20210323, and (e) 20230313. Yellow circles indicate the location of the water level gauging station.

Fig. 8. Final waterbody maps via masking out false alarm area from Land use information: (a) 20150319, (b) 20170320, (c) 20190322, (d) 20210323, and (e) 20230313. Yellow circles indicate the location of the water level gauging station.

Fig. 9는 전체 연구기간동안 수위와 수체 면적의 시계열 변화 양상을 나타낸다. 수위의 경우 전체 기간동안 0–4 m 사이에서 측정이 되었으며, 수체 면적의 경우 해당 연구지역 내에서 0–0.4 km2 사이의 분포를 나타냈다. 또한 각 관측치는 전체 기간동안 높게 측정된 시기와 낮게 측정된 시기가 각각 존재하였으며, 이들이 정기적으로 반복되는 양상을 확인할 수 있었다. 또한 수위와 수체면적이 육안으로 보았을 때 유사한 변화 양상을 나타내는 것을 확인할 수 있었다. 이에 따라 수체의 면적과 수위 사이의 관계식을 도출하였다(Fig. 10). 2차원 다항식의 관계성을 나타내는 것을 확인할 수 있었다. 이러한 비선형적인 관계성은 해당 지역의 지형적 특징에 따른 것으로 판단된다. 이와 같이 도출된 관계식으로부터 습지 영역의 지형 고도를 결정할 수 있으나, 본 연구에서는 부피 변화의 정량적인 변화보다는 면적 변화의 영역에 대해 관심을 가지고 진행하여 지형고도로의 변환은 수행하지 않았다.

Fig. 9. Time-series variations of water level and water area: (a) water level and (b) water area.

Fig. 10. Comparison of time-series water level and water area.

Fig. 11은 2014~2019년 사이 그리고 2020~2023년 사이의 픽셀 빈도 변화를 수위에 따라 나타낸 것이다. 해당 결과는 수체의 빈도를 나타낸 것으로 수체에 일시적으로 잠긴 적이 있는 습지의 지형을 나타낸다. 또한 빈도가 높을 수록 자주 물에 잠겼다는 것을 의미하므로 상대적으로 수위가 깊은 지역이다. 수위가 1–3 m 사이에서는 육안으로 유의미한 변화 양상을 판단하기가 어려웠다. 다만 수위 2–3 m 구간의 점선 영역에서 변화가 확인되었다. 해당 지역은 경작지로 습지 복원 과정에서 실제로 경작지 정비를 수행하였으므로 그에 의한 변화로 판단된다. 하지만 이에 대한 명확한 검증은 추후 필요하다. 한편 수위가 1 m 미만일 때부터 육안으로 확인가능한 빈도비 변화를 확인할 수 있었다. 수위가 0–1 m 사이일 때의 빈도비 영상을 확인하였을 때 점선으로 표현된 영역에서 빈도의 변화가 명확하게 확인되었다. 변화의 크기는 수위가 0 m 미만일 때 가장 명확하게 확인이 되었다. 이는 중력의 영향으로 토양의 침식이 가장 고도가 낮은 지역에서 먼저 발생하기 때문이라 판단된다. 변화가 육안으로 확인되는 지역은 점선으로 표현하였다. 특히 0 m 미만 구간의 빈도 변화는 2–3 m 구간 0–1 m 구간에서 변화가 확인된 지역에서 동일하게 확인되어 각 구간에서 확인된 변화의 양상이 공간적인 상관성을 나타내는 것으로 판단된다.

Fig. 11. Pixel-frequency maps for 2014–2019 (a, c, e, g) and 2020–2023 (b, d, f, h) according to the water levels: (a, b) 2–3 m, (c, d) 1–2 m, (e, f) 0–1 m, and (g, h) under 0 m. White dashed ellipses indicate the topographic change area.

Fig. 12는 각 수위 구간에 따라 픽셀 빈도 변화를 나타낸다. 픽셀 빈도비 변화의 부호와 픽셀해상도를 함께 고려하여 습지 지형이 변화한 지역의 면적을 결정할 수 있다(Kim et al., 2016). 산출 결과 수위구간 2–3 m, 1–2 m, 0–1 m, 그리고 0 m 이하 구간에서 각각 +0.0195, 0.0016, 0.0075 그리고 0.0163 km²의 면적 증가를 확인할 수 있었다. 이와 같은 사실에 따라 해당 지역에서의 습지 복원 사업은 유효한 것으로 판단된다. 또한 시간이 지날수록 최종적으로 안정화된 습지 면적은 더 넓어질 것으로 기대한다.

Fig. 12. Pixel-frequency change maps according to the water levels: (a) 2–3 m, (b) 1–2 m, (c) 0–1 m, and (d) under 0 m. White dashed ellipses indicate the topographic change area.

다만 본 연구에서는 다음의 한계가 있으며 추후에 개선될 필요가 있다. 가장 먼저 전체 시기에 대해 단일 임계값을 적용하였으므로 촬영 시기의 조건에 따라서 강도 변화가 발생할 수 있으며, 이에 의해 수체의 오탐지가 발생할 수 있다. 결론적으로 이는 탐지한 지형 변화 결과에 영향을 미칠 수 있다. 또한 2014~2019년과 2020~2023년 사이의 영상의 수는 거의 유사하지만 해당 시기에서 수위의 분포 양상이 다소 차이가 나므로 이에 따른 빈도차이가 예상되며, 이는 지형변화를 산출하는 데에 오차로 작용할 수 있다. 마지막으로 해당 지역에 대한 정량적 검증자료가 존재하지 않은 한계가 있다.

5. 결론

본 연구에서는 다중시기에 취득된 위성레이더 자료를 활용하여 고창 인천강 하구 지역의 복원 사업 전후의 장기적인 지형 변화 양상을 분석하였다. 이를 위하여 2014년 10월 26일부터 2023년 3월 13일 사이에 촬영된 Sentinel-1 영상 196장을 확보하였다. 확보된 데이터에 대해 non-local 평균 필터를 적용하여 스펙클 노이즈를 저감하였으며, 모사된 강도 영상과의 각 시기에 획득된 강도 영상사이의 상관관계를 비교하여 지형 방사 왜곡 성분을 보정하였다. 보정된 자료에 대해 비수체 영역으로부터 통계치를 획득하였으며 99%의 신뢰구간에서 임계값을 결정하여 수체 영역을 분할하였다. 다중시기 수체 분할맵은 2014~2019년 그리고 2020~2023년으로 나누어 각각 픽셀-빈도 기법을 수집된 수위 구간에 따라 적용하였다. 적용 결과 0 m 미만의 수위 구간에서 가장 큰 변화 양상이 확인되었다. 이는 중력에 의한 영향이라 판단된다. 또한 전체 구간에서 습지의 면적이 증가한 것으로 판단되며, 이러한 사실을 바탕으로 볼 때에 고창 인천강 하구 지역의 습지 복원 사업은 유효하게 진행되고 있는 것으로 보인다.

다만 본 연구에서는 다음의 한계점이 존재한다. 가장 먼저 전체 시기에 대해 단일 임계값을 적용하여 각 시기의 지표 환경 변화에 의한 탐지 오차가 발생할 것으로 예상된다. 수체 탐지 정확도는 픽셀-빈도 기법에서 지형 변화 양상과 직접적인 관련이 있으므로 추후 보다 개선된 수체 탐지 기법 적용이 필요하다. 또한, 2014~2019년과 2020~2023년 시기에서 영상 촬영 당시 수위 분포 양상이 다소 차이가 나므로 이에 따른 빈도차이가 발생할 수 있다. 또한 이 역시 습지의 지형변화를 유추하는 데에 오차로 작용될 수 있다. 이와 유사하게 강수나 상류의 유량 역시 오차로써 작용할 수 있다. 마지막으로 해당 지역에 대한 정량적 검증자료가 존재하지 않은 한계가 있다. 검증자료가 함께 활용되면 보다 신뢰도 있는 결과를 도출할 수 있을 것이라 판단된다.

이상의 한계에도 불구하고 본 연구를 통하여 습지의 장기적인 변화를 모니터링할 수 있는 가능성을 제시한 점에서 본 연구는 의미가 있다. 또한 이와 같은 접근 방법은 현재 우리나라에서 운영중인 KOMPSAT-5를 포함하여 운영 예정인 KOMPSAT-6, 수자원위성, 그리고 초소형 위성에도 함께 활용될 수 있는 기술이다. 뿐만 아니라 이 방법은 단순히 습지 지역에만 적용되는 것이 아니라 우리나라 수계 영역의 지형 변화 양상을 분석하고 수자원을 관리하는 데에 도움을 줄 수 있는 기술이다. 그리고 레이더 자료와 광학자료의 지형왜곡 차이에 의한 오프셋만 고려된다면 전체 아리랑 위성군에 대하여 함께 적용이 가능한 기술이다. 이에 따라 이와 같은 방법론이 우리나라 습지 및 수계 영역 관리에 활용된다면 아리랑 위성군의 활용성을 크게 확대할 수 있을 것으로 기대한다.