• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.449-449
• /
• 2018

최근 국내 하천과 호수에서 수온상승 및 기후변화로 인한 녹조발생이 빈번하게 나타남에 따라 녹조발생원인과 예측에 대한 중요성이 빠르게 인식되어가고 있다. 이에 본 연구에서는 보 구간의 연직 수온분포를 분석하고, 측정된 수온분포와 유해 남조류 세포수를 바탕으로 수체안정화도와 남조류의 발생을 비교하였다. 낙동강수계의 8개보를 선정하여 2015년 1월부터 2016년 12월까지 주 1회, 수심 1m 간격으로 측정한 수온을 분석했으며, 유해 남조류 세포수는 환경부 조류경보제 및 수질예보제에서 측정한 자료를 사용하였다. 수온 모니터링 분석 결과 2015년과 2016년 모두 5월 이후 수온성층이 형성되었고, 8월에 비교적 강한 수온성층이 형성되는 것으로 나타났다. 특히 칠곡보와 강정고령보에서 상대적으로 뚜렷하게 나타났는데 이는 수심이 깊고 체류시간이 긴 지형적 특성에 의한 것으로 판단된다. 형성된 수온성층은 안정된 상태로 지속되지 않고 주로 강우 시에 상 하층간의 수온구배가 줄어들어 혼합되는 전도현상이 관찰되었다. 수체안정화도 산정 결과 역시 2015년, 2016년 모두 수온성층 결과와 비슷하게 5월에 수체안정화도가 급증하다 9월 이후에 크게 감소하는 경향을 보였으며, index별로 Schmidt stability, Bouyancy Frequency 항목에서 이러한 경향이 뚜렷하게 나타났다. 또한 5월 이후 수체안정화도가 증가하는 시기에 남조류 세포수의 현존량도 증가하는 것으로 관찰되어 남조류의 발생과 수체안정화도의 증가는 시기적으로 일치하는 것으로 나타났다. 수체안정화도와 남조류 세포수와의 상관성은 2016년이 높았으며 그중 강정고령보에서 상관계수가 Schmidt stability는 0.78, Bouyancy frequency는 0.65로 높은 상관성을 나타내었다. 하지만 2015년의 경우 9월 이후 수체안정화도와 수온이 감소하였지만 남조류 세포수는 증가하여 경향이 일치하지 않는 것으로 나타났는데, 이는 저수온성의 남조류가 우점했기 때문인 것으로 판단된다. 향후 조류 발생 및 예측 등을 효과적으로 재현하는데 있어 자료로 활용하기 위해서는 지속적인 수질 모니터링 및 기상인자 모니터링이 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.2-2
• /
• 2023

기후변화가 가속화로 인해 수재해의 빈도와 강도 예측이 어려워짐에 따라 실시간 홍수 모니터링에 대한 수요가 증가하고 있다. 합성개구레이다는 광원과 날씨에 무관하게 촬영이 가능하여 수재해 발생시에도 영상을 확보할 수 있다. 합성개구레이다를 활용한 수체 탐지 알고리즘 개발이 활발히 연구되어 왔고, 딥러닝의 발달로 CNN을 활용하여 높은 정확도로 수체 탐지가 기능해졌다. 하지만, CNN 기반 수체 탐지 모델은 훈련시 높은 정량적 정확성 지표를 달성하여도 추론 후 정성적 평가시 경계와 소하천에 대한 탐지 정확성이 떨어진다. 홍수 모니터링에서 특히 중요한 정보인 경계와 좁은 하천에 대해서 정확성이 떨어짐에 따라 실생활 적용이 어렵다. 이에 경계를 강화한 적대적 학습 기반의 수체 탐지 모델을 개발하여 더 세밀하고 정확하게 탐지하고자 한다. 적대적 학습은 생성적 적대 신경망(GAN)의 두 개의 모델인 생성자와 판별자가 서로 관여하며 더 높은 정확도를 달성할 수 있도록 학습이다. 이러한 적대적 학습 개념을 수체 탐지 모델에 처음으로 도입하여, 생성자는 실제 라벨 데이터와 유사하게 수체 경계와 소하천까지 탐지하고자 학습한다. 반면 판별자는 경계 거리 변환 맵과 합성개구레이다 영상을 기반으로 라벨데이터와 수체 탐지 결과를 구분한다. 경계가 강화될 수 있도록, 면적과 경계를 모두 고려할 수 있는 손실함수 조합을 구성하였다. 제안 모델이 경계와 소하천을 정확히 탐지하는지 판단하기 위해, 정량적 지표로 F1-score를 사용하였으며, 육안 판독을 통해 정성적 평가도 진행하였다. 기존 U-Net 모델이 탐지하지 못하던 영역에 대해 제안한 경계 강화 적대적 수체 탐지 모델이 수체의 세밀한 부분까지 탐지할 수 있음을 증명하였다.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_1
• /
• pp.1371-1388
• /
• 2023

Floods are becoming more severe and frequent due to global warming-induced climate change. Water disasters are rising in Korea due to severe rainfall and wet seasons. This makes preventive climate change measures and efficient water catastrophe responses crucial, and synthetic aperture radar satellite imagery can help. This research created 1,423 water body learning datasets for individual water body regions along the Han and Nakdong waterways to reflect domestic water body properties discovered by Sentinel-1 satellite radar imagery. We created a document with exact data annotation criteria for many situations. After the dataset was processed, U-Net, a deep learning model, analyzed water body detection results. The results from applying the learned model to water body locations not involved in the learning process were studied to validate soil water body monitoring on a national scale. The analysis showed that the created water body area detected water bodies accurately (F1-Score: 0.987, Intersection over Union [IoU]: 0.955). Other domestic water body regions not used for training and evaluation showed similar accuracy (F1-Score: 0.941, IoU: 0.89). Both outcomes showed that the computer accurately spotted water bodies in most areas, however tiny streams and gloomy areas had problems. This work should improve water resource change and disaster damage surveillance. Future studies will likely include more water body attribute datasets. Such databases could help manage and monitor water bodies nationwide and shed light on misclassified regions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.511-511
• /
• 2016

오염부하량은 오염원으로부터 발생하는 발생부하량, 수체로 배출되는 배출부하량, 수체의 특정지점까지 도달하는 유달부하량으로 구분할 수 있으며, 하천의 수질관리대책 수립을 위해서는 정확한 유달부하량 산정이 필요하다. 유달부하량 산정방법에는 실측에 의한 방법, 모델링을 이용한 방법, 유달율을 이용하는 방법 등이 있다. 이중 유달율은 오염원으로부터 배출된 오염물질이 수체의 특정지점에 도달하는 비율이며, 일반적으로 배출부하량과 유달부하량의 비를 의미한다. 따라서 특정 유역의 유달율을 알고 있을 경우 배출부하량을 이용한 유달부하량의 추정이 가능하다. 유달율을 산정하는 방법은 모니터링을 통해 유달부하량과 배출부하량의 비율을 직접 계산하는 방법, 기 개발된 유역특성을 이용한 회귀식을 이용하는 방법, 모델링을 이용하는 방법 등이 있다. 본 연구에서는 청미천 상류유역을 대상으로 수문 수질 모니터링을 통해 유달부하량을 계산하고, 배출부하량과의 비교를 통해 유달율을 산정하여 수질관리대책 마련의 기초자료로 이용하고자 한다. 청미천 상류유역은 경기도 용인시에 위치하고 있으며, 축사가 밀집한 지역으로 수질관리가 필요한 지역이다. 모니터링 지점은 청미천의 지류인 양가천을 따라 3개 지점, 청미천 본류에 1개 지점을 선정하였다. 유량 자료는 초음파 수위계를 이용해 측정한 수위자료와 수위-유량곡선을 이용해 구축하였으며, 수질 자료는 월1회 이상 정기 측정 및 강우시 정밀 측정을 실시하여 구축하였다. 수문 수질 자료를 이용해 유량-부하량 관계식을 도출하고, 이를 이용해 유달부하량을 계산하였다. 또한, 통계자료를 통해 각 모니터링 지점을 말단으로 하는 유역의 오염원 현황 자료를 구축하였으며, 환경부 원단위를 이용하여 모니터링 지점별 배출부하량을 산정하였다. 마지막으로, 유달율은 배출부하량과 유달부하량의 비로 계산하였으며, 선행연구들의 결과와 비교 및 분석하였다. 본 연구의 결과는 향후 청미천 유역의 수질관리대책 마련에 이용될 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.444-444
• /
• 2023

하천 및 저수지와 같은 공간의 수체 탐지는 수자원 관리에서 매우 중요하며, 유역의 수문학적 과정을 이해하는데 도움을 준다. 수문학적 데이터 수집은 우량계, 수위계와 같은 물리적 인프라의 배치가 필요하다. 그러나 상대적으로 저개발된 국가는 수문학적 측정을 위한 인프라가 매우 미흡한 것이 현실이며, 북한과 같은 비접근 지역에 대한 수문학적 과정을 분석하는데는 한계가 있다. 인공위성 원격탐사 센서 중 SAR영상은 지표면에 직접 전파를 방사하고 산란되어 돌아오는 신호를 수신하여 영상을 만들기 때문에 일반적인 광학영상과는 달리 햇빛의 유무와 강우, 구름여부 등의 기상 조건의 영향을 거의 받지 않는 장점이 있다. 또한 국내와 같이 계절적인 요인과 인간활동에 의해 변화되는 물 순환을 SAR 영상은 지표수의 계절적 및 연간 변동성을 모니터링하는데 매우 유용한 자료로 평가되고 있다. 본 연구는 SAR영상을 이용하여 국내의 검증 가능한 지역의 저수지 수면적 변화를 모니터링하고 저수지 수면적과 저수량 분석을 수행하는 것을 목적으로 하였다. 분석자료인 SAR영상은 ESA의 Sentinel-1영상을 2022년 4월부터 2022년 11월의 자료를 수집하여 소양강댐 저수지 수면적과 저수량과의 관계식을 도출하였다. 수체 추출을 위한 SAR 영상은 특히 수로의 일부 가장자리와 홍수터의 식물 존재로 인한 제외지의 매핑에 부정확성을 포함하여 처리에 몇 가지 단점을 갖는 한계도 존재하지만 악천후의 기상 조건에서도 작동할 수 있는 SAR 영상의 능력 덕분에 규칙적인 시간 간격으로 수체면적의 변화에 대한 정보를 제공할 수 있다. 향후 북한 지역의 주요 댐 저수지 수면적에 대한 연간변화와 장기간의 추세를 분석하는 연구를 진행할 계획이다.

• Water for future
• /
• v.55 no.12
• /
• pp.6-10
• /
• 2022

• Water for future
• /
• v.55 no.12
• /
• pp.18-24
• /
• 2022

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.359-359
• /
• 2023

최근 기후변화로 인한 홍수 및 가뭄과 같은 자연재해가 증가함에 따라 이를 선제적으로 탐지 및 예방할 수 있는 해결책에 대한 필요성이 증가하고 있다. 이러한 수재해를 예방하기 위해서 하천, 저수지 등 가용수자원의 지속적인 모니터링은 필수적이다. SAR 위성 영상의 경우 주야간 및 기상상황에 상관없이 지속적인 수체 탐지가 가능하다. 일반적으로 SAR 기반 수체 탐지 시 송수신 방향이 동일한 편파(co-polarized) 영상을 사용한다. 하지만 co-polarized 영상의 경우 바람 및 강우에 민감하게 반응하여 수체 미탐지의 가능성이 존재한다. 한편 송수신 방향이 서로 다른 편파(cross-polarized) 영상은 강우 및 바람의 영향에 민감하지 않지만 식생에 민감하게 반응하여 수체의 오탐지율이 높다는 단점이 존재한다. 이에 SAR 영상의 편파 특성에 따라 수체 탐지의 정확도 차이가 발생하여 최적의 편파 영상 조합을 구성하는 것이 중요하다. 본 연구에서는 Sentinel-1 SAR 위성의 VV, VH, VV+VH 편파 영상과 머신러닝 알고리즘 중 하나인 SVM (support vector machine)을 활용하여 수체탐지를 수행하였다. 편파 영상 조합별 수체 탐지 결과의 검증을 위하여 혼동행렬 (confusion matrix) 기반 평가지수를 사용하였다. 각각의 수체탐지 결과의 비교 및 분석을 통하여 SAR 기반 수체 탐지를 위한 최적의 밴드 조합을 도출하였다. 본 연구결과를 바탕으로 차후 높은 시공간 해상도를 가진 SAR 영상의 활용이 가능하다면 수재해 및 수자원 관리의 효율성을 높일 수 있을 것으로 기대된다.

• Korean Journal of Remote Sensing
• /
• v.32 no.5
• /
• pp.539-550
• /
• 2016

Detection of water bodies in land surface is an essential part of disaster monitoring, such as flood, storm surge, and tsunami, and plays an important role in analyzing spatial and temporal variation of water cycle. In this study, a quantitative comparison of different thresholding-based methods for water body detection and their applicability to Kompsat-5 SAR data were presented. In addition, the effect of speckle filtering on the detection result was analyzed. Furthermore, the variations of threshold values by the proportion of the water body area in the whole image were quantitatively evaluated. In order to improve the binary classification performance, a new water body detection algorithm based on the bimodality test and the majority filtering is presented.

• Water for future
• /
• v.55 no.12
• /
• pp.25-32
• /
• 2022