1. 서론

지구 온난화에 따른 이상기후로 인하여 전 세계적으로 대규모의 홍수 피해가 증가하고 있으며, 발생 빈도 또한 높아지고 있다. 대규모 홍수 발생 시 인명 및 재산피해와 이재민 상황 등은 각국 정부에 의하여 집계되어 보고되고 있지만, 정확한 침수지의 분포와 면적에 관련된 정보는 제공되지 않는 실정이다. 홍수 재해에 대한 신속한 피해복구 사업과 향후 방재대책의 수립을 위해서는 침수지에 대한 신속하고 정확한 매핑이 이루어져야 한다. 특히 대규모 홍수에 취약한 저개발 국가에서는 침수피해를 줄이기 위한 토지이용계획 수립 및 적절한 방재 시설을 건설하기 위한 수리수문학적 분석을 위하여 시기별로 정확한 침수지도가 구비되어야 한다.

위성영상을 이용하여 홍수 범람으로 인한 침수지의 공간적 분포와 규모를 모니터링하는 연구는 오래전부터 진행되어 왔다(Wiesnet and Deutsch, 1987). 레이더영상은 구름 등 기상조건에 영향을 받지 않고 야간에도 영상획득이 가능하기 때문에 홍수모니터링을 위한 주된 원격탐사 자료로 사용되고 있다. 그러나 레이더영상은 수백 km² 이상의 대규모 침수지를 적기에 모니터링 하는데 나름 한계가 있다. RADARSAT, Envisat, Sentinel-1의 영상레이더는 공간해상도를 낮추어 scanSAR 모드로 촬영하면 최대 400 km의 이상의 넓은 관측폭(swath)의 영상을 얻을 수 있지만, 촬영주기가 3일 정도로 급변하는 침수지를 적시에 탐지하는데 다소 어려움이 있을 수 있다. 또한 레이더영상에서 수면의 구분은 비교적 용이하지만, 농지에서 수심이 낮게 침수되어 식물이나 건물 등이 드러난 침수지는 구별이 용이하지 않을 수 있다(Lee and Lee, 2003).

저해상도 위성영상은 높은 시간해상도(temporalresolution)를 바탕으로 대규모 홍수모니터링에 사용된 경우가 많다(Huang et al., 2014; Mohammadi et al., 2017). 2000년 전에는 미국 해양대기위성(NOAA)에서 얻은 Advanced Very High Resolution Radiometer(AVHRR) 영상이 주로 활용되었으나, 2000년 이후에는 주로 미국 항공우주국 NASA에서 운영 중인 Terra 및 Aqua위성에서 촬영되는 Moderate Resolution Imaging Spectroradiometer(MODIS) 영상이 주로 활용되고 있다. MODIS 영상은 가시광선 및 근적외선(near infrared, NIR) 밴드 영상을 주로 이용했던 AVHRR과 달리 가시광선 및 NIR 영상에 추가로 단파적외선(shortwave infrared, SWIR) 밴드를 포함하고 있고 공간해상도도 250~500 m으로 향상되어 다른 저해상도 위성영상보다 침수지 탐지에 많이 사용되었다. 저해상도 위성영상은 비록 공간해상도가 낮지만 2,500 km 이상의 넓은 관측폭으로 지구 대부분의 지역을 매일 촬영할 수 있는 능력을 갖추고 있다. 더구나 이러한 센를 탑재 위성을 여러 기 동시에 운영함으로써 하루에 여러 차례 영상을 촬영할 수 있다.

저해상도 광학위성영상을 이용한 침수지 탐지는 밴드영상을 그대로 사용하기보다는, 주로 식생지수 또는 물 관련 분광지수에 임계값을 적용하는 방법이 주를 이루고 있다(Wang et al., 2003; Kwak et al., 2015). 임계값을 이용한 방법 외에 토지피복 형태가 다소 복잡한 지역에서는 일반적인 영상분류 기법을 이용하여 침수지를 구분하였다(Islam et al., 2000; Khan et al., 2011). 침수지 매핑에 사용된 위성영상은 침수 시점에 촬영된 단일 영상만을 적용하거나(Atif et al., 2015; Khan et al., 2011), 침수 전후의 신호 차이를 이용하기 위하여 다중 시기 영상을 적용하거나(Jain et al., 2006; Sheng et al., 2001), 홍수가 자주 발생하는 지역을 대상으로 침수지의 계절적 변화나 연간 변화를 모니터링하기 위하여 시계열 영상을 사용하는 경우가 있다(Islam et al., 2010; Sakamoto et al., 2007;Hoshikawa et al., 2016). 광학영상을 이용한 침수지 탐지에 있어서 임계값을 적용하는 방법은 대상 지역에 따라 토지피복 형태가 상이하고 사용하는 영상의 종류와 처리 단계가 다르므로 대부분 임계값은 그 지역에 국한되어 적용된다.

위성영상을 이용한 침수지 탐지와 관련된 연구에서 가장 어려운 점은 탐지 결과의 정확도를 객관적으로 입증하기 위한 참값(ground truth)을 얻기가 매우 어렵다는 점이다(Coltin et al., 2016). 본 연구의 목적은 저해상도 광학위성영상을 이용하여 대규모 홍수로 발생한 침수지를 탐지하기 위한 간단하고 효과적인 방법을 제시하고자 한다. 홍수 피해 복구 및 방재 계획 수립을 위한 침수지 매핑은 정확도와 함께 효율적인 영상 처리 방법이 요구된다. 본 연구에서 제시되는 방법이나 임계값은 유사한 지표 특성을 가진 다른 지역에도 적용될 수 있는 방향으로 목표를 설정하였다. 특히 대규모 침수지에서 나타나는 분광특성이 단순히 물표면만 아니라, 물과 함께 부분적으로 침수되어 수면 위로 드러나 농작물, 수목 등이 나타나는 형태의 침수지의 유형도 함께 구분하고자 하였다.

2. 연구 지역 및 자료

연구대상은 아프리카 북서부 모로코의 세부(Sebou)강 유역에서 발생한 2010년 홍수를 선정하였다. 이 지역은 2015년부터 2017년까지 한국국제협력단의 원조사업으로 수행한 “모로코 세부강유역 홍수방지 마스터플랜 수립사업” 대상 지역이므로 유역에 관한 기본적인 수문 및 지형 자료가 구비되어 있다(KICA, 2015). 세부강은 유역 면적이 38,000 km²로 모로코에서는 국가적으로 중요한 물 관리 대상 하천이다. 유역의 평균 해발고도는 283 m이지만, 대부분은 저지대 평야지대로 이루어져 있다(Fig. 1). 특히 세부강 하류부에 위치하는 가(Gharb) 평야는 농업생산의 중심지이나, 평균 해발고도 20 m이하의 저지대 평야지로 홍수에 매우 취약한 지역으로 알려져 있다. 이 지역은 온난다습한 겨울과 고온건조한 여름으로 대표적인 지중해성 기후를 가지고 있다. 유역 내 연평균 강우량은 800 mm지만, 유역의 북부는 1200 mm 그리고 남부는 400~500 mm로, 동일 유역 내에서도 강우량의 편차가 심하다. 이 지역은 빈번한 폭우와 홍수로 인하여 막대한 인명과 재산피해를 겪고 있다. 가브 평야는 기존의 홍수터를 농지로 전환한 지역으로 홍수에 취약하며, 2000년 이후에만 네 차례에 걸쳐 대규모 침수피해를 입었다. 본 연구에 적용된 2010년 홍수는 2009년 12월 18일부터 2010년 1월 22일까지 많은 강우로 인하여 수백 km² 이상의 농경지와 마을이 침수되었다.

Fig. 1. Topography and stream network within the Sebou River watershed. Box indicates the Gharb Plain where the most flooding occured.

본 연구에서는 Terra 위성에서 촬영된 MODIS 영상을 사용하였다. MODIS 영상은 단순히 영상자료만을 제공하는 게 아니라, 영상을 가공 처리하여 최종 사용자가 직접 활용이 가능한 형태로 처리된 산출물(product)을 제공하고 있다. 홍수와 관련된 대부분의 연구에서는 구름의 영향을 최소화하기 위하여 MODIS 8일 영상을 합성한 산출물을 사용하였다(Hoshikawa et al., 2016;Ahamedet al., 2017). 구름이 최소화된 MODIS 8일 합성 영상은 장기적으로 발생하는 홍수의 계절적 변화를 탐지하는데 유용하지만, 시간적으로 급변하는 홍수 모니터링에는 근본적 한계가 있다. 침수와 배수의 시간적 변화가 빠른 지역에서는 8일 합성 영상과 일별 영상에서 나타나는 침수지의 범위가 다르게 나타난다. 따라서 시간적 변화에 따른 침수지를 정확하게 탐지하기 위해서는 비록 구름이 포함되어 있지만 MODIS 일별 영상을 사용하는 것이 적합하다(Khan et al., 2011; Fayne et al., 2017).

모로코 세부강 유역 홍수로 인한 침수지를 탐지하고 구획하기 위하여 Terra위성에서 2010년 1월 15일에 촬영된 일별 표면반사율(MOD09) 산출물을 사용하였다. 세부강 유역은 저지대 지형 특성으로 단기간에 대규모 범람이 발생하고 침수와 배수가 빠르게 변하는 특성을 감안하여 일별 표면반사율(surface reflectance) 영상을 사용하였다. 일별 표면반사율 영상은 복사보정과 대기 보정 처리를 거쳐서 영상의 신호값이 표면반사율로 변환된 산출물이다. MODIS 영상은 가시광선 및 적외선 파장대를 포함하여 모두 36개의 밴드로 구성되어 있지만, 이 연구에서는 공간해상도가 250 m인 적색광(red) 밴드1과 NIR밴드2, 그리고 단파적외선(hortwave infrare,SWIR) 밴드를 포함하는 공간해상도 500 m인 밴드3부터 7까지 모두 7개의 밴드 영상을 사용하였다. NASA에서 제공하는 MODIS 영상 투영체계변환 소프트웨어인 MRT(MODIS Reprojection Tool)를 이용하여 7개 밴드 영상을 UTM(Universal Transverse Mercator) 좌표체계에 등록하였다. 침수지 경계를 보다 세밀하게 탐지하기 위하여 공간해상도가 500 m인 밴드3~7의 영상은 250 m 영상으로 입방회선법(cubic convolution)을 적용하여 재배열(resampling)하여 밴드 1~2영상과 동일하게 맞추어주었다. MODIS 영상을 관찰한 결과, 밴드5(1230~1250nm)는 센서 이상으로 줄무늬 현상과 잡음이 심하여 분석에서 제외하고 6개 밴드 영상으로 분석하였다.

MODIS 영상에서 추출한 침수지를 검증하기 위하여 MODIS 영상 촬영시기에 가장 근접한 2010년 1월 14일의 Landsat-5 TM영상을 획득하여 MODIS영상과 동일한 좌표체계에 등록하였다. TM 영상은 MODIS 영상보다 하루 먼저 촬영되었기 때문에 침수지의 분포에 다소 차이가 있을 수 있으나, 유역 중하류 부분은 큰 변화가 없다고 판단하였다. TM 영상은 부분적으로 구름을 포함하고 있기 때문에 구름이 없는 네 곳을 선정하여 모두 378 km²에 해당하는 지역을 추출하여 정확도 검증에 사용하였다.

3. 분광특성을 고려한 침수지 유형 정의 및 침수지 탐지

1) 침수지 유형의 정의

홍수 시점의 MODIS 영상을 관찰한 결과, 침수지 영역의 분광특성이 매우 다양하게 나타났다. Fig. 2은 가브 평야 지역의 침수 이전인 2009년 11월에 촬영된 영상(a, b, c)과 침수 당시의 2010년 1월 15일 영상(d, e, f)을 비교하고 있다. 이 지역은 대부분 농경지, 과수원, 목초지로 이용되고 있다. 홍수 이전의 영상과 비교하여 침수 시점의 영상에서 침수지에 해당하는 부분의 밝기값이 파장에 따라 매우 다양하게 보인다. 물은 전자기파의 대표적인 흡수체이므로, 가시광선 파장대에서도 낮은 반사율을 보이고 특히 NIR 및 SWIR 파장대에서는 반사율이 거의 없는 특징을 가지고 있다. 그러나 홍수 범람에 의한 침수지 물은 토사부유물의 농도가 매우 높기 때문에 반사특성이 전형적인 물과 매우 다른 양상을 보여준다. 적색광밴드(620~670 nm) 영상(d)에서는 침수지역이 물의 탁도에 따라 매우 밝게 보이고 있다. NIR밴드(841~876 nm) 영상(e)에서도 낮은 반사율을 갖는 전형적인 물의 신호특성을 보여주는 어두운 부분과 함께 상대적으로 밝게 보이는 수면도 분포하고 있다. SWIR밴드(1628~1652 nm) 영상(f)에서는 침수지가 대부분 매우 검게 보이지만, 부분적으로 밝기값이 다르게 나타나는 침수지를 볼 수 있다. 이와 같이 침수지로 판독되는 부분이라도 밴드별 신호 특성이 매우 다양하게 나타나고 있음 확인할 수 있었다. 침수지 탐지에 앞서서 침수지에서 나타나는 분광특성을 분석하여 침수지의 정확한 상태를 파악하였다.

Fig. 2. MODIS image of the Gharb Plain in Morocco obtained before the flood on November 11, 2009 with (a) red band (620~670 nm), (b) NIR band (841~876 nm), (c) SWIR band (1628~1652 nm) and during the flood on January 15, 2010 with (d) red band, (e) NIR band, (f) SWIR band.

MODIS영상의 공간해상도를 감안하면 순수하게 탁한 물에 해당하는 화소들이 있는 반면에, 물과 함께 식물, 토양, 건물 등의 신호가 혼합된 분광특성을 보이는 화소들도 존재하고 있다고 판단된다. 혼합화소에 해당하는 침수지의 정확한 표면 상태를 정의하기 위하여 분광혼합분석을 적용하였다. 6개 밴드의 MODIS 영상을 최소잡음비(minimum noise fraction, MNF) 기법으로 변환한 후, 처음 3개의 MNF영상에서 얻어진 순수화소지수(pixel purity index, PPI)를 이용하여 단일의 순수한 지표물이라 판단되는 endmembe를 추출하였다. 추출된 endmember에 해당하는 화소들을 TM 영상과 Google Earth의 고해상도 영상을 이용하여 토지피복의 동질성 및 면적 등을 확인하여 탁한 물과 식물에 해당하는 endmember의 반사율을 도출하였다. 각 endmember의 반사율을 점유 비율(F)로 혼합하여 모의 생성된 반사율(M_i)을 수식(1)을 이용하여 도출한 후, 영상에서 추출된 침수지 유형별 반사율을 비교하여 침수지 유형을 정의하였다.

\(\mathbf{M}_{\mathrm{i}}=\sum_{i}^{k} \mathrm{R}_{\mathrm{ij}} \mathrm{F}_{\mathrm{j}}+\mathrm{E}_{\mathrm{i}}\)       (1)

M_i = 밴드 i에서 모의 생성된 혼합화소의 반사율

R_ij = 밴드 i에서 endmember j의 반사율

F_j = 혼합화소에서 endmember j의 점유율(fraction)

E_i = 잔차 오차

Fig. 3는 침수지에서 물과 함께 다른 지표물이 혼합된 두 가지 유형의 반사율을 보여주고 있는데, 두 유형에서 모두 NIR밴드 반사율이 물보다 높게 나타나고 있다. 침수지에서는 나지 상태의 토양 반사특성이 나타나지 않고 또한 마을의 건물 점유 면적이 MODIS영상의 해상공간에 비하여 미미하므로 결국 두 가지 침수지 유형은 물과 식물이 혼합된 신호 특성을 보여준다. 가브평야에서 침수지는 비교적 수심이 낮기 때문에, 작물이나 나무의 수관부가 수면위로 드러난 형태로 추정할 수 있다. 첫 번째 유형(Fig. 3(a))은 물과 식물의 점유율을 3:7로 혼합하여 모의 생성한 반율이 영상에 추출된 반사율과 가장 유사하게 나타났다. 이 침수지 유형은 올리브 및 오렌지와 같은 과수원 또는 산림이 침수되어, 하층부는 침수되어 물로 덥혀 있지만 상층부는 수관이 드러난 유형이라 할 수 있다. 이러한 분광특징을 나타내는 혼합 화소에 해당하는 침수지를 “turbid water with dense vegetation”로 정의하였다. 두 번째 유형(Fig. 3(b))은 물과 식물의 점유율을 7:3으로 혼합하여 모의 생성한 반사율과 가장 유사한 형태로, 수면 위로 드러난 식물의 점유율이 상대적으로 낮은 형태로 추정된다. 이와 같이 수면의 비율이 상대적으로 높은 혼합화소에 해당하는 침수지를 “turbid water with sparse vegetation”로 정의하였다. MODIS 6개 밴드에서 나타나는 분광특성을 분석하여 침수지의 유형은 1) 탁한 물(turbid water), 2) 식생이 노출된 침수지(turbid water with sparse vegetation), 3) 식생이 많이 노출된 침수지(turbid water with dense vegetation)의 세 가지로 정의하였다. 비침수지는 4) 건조 또는 밝은 나지(bright soil), 5)습윤 또는 어두운 나지(dark soil), 6) 농작물(crop), 그리고 7)초지 (grassland)의 네 가지 등급으로 정의하였다.

Fig. 3. Spectral reflectance of two flooded classes extracted from MODIS image (*) and simulated (o) by spectral mixture analysis using two endmembers (turbid water and vegetation) reflectance: (a) 3:7 fraction between turbid water and vegetation, (b) 7:3 fraction between turbid water and vegetation.

2) 밴드별 임계값을 적용한 침수지 탐지

위에서 정의된 3개의 침수지 등급과 4개의 비침수지등급의 밴드별 반사율 특성을 세부적으로 파악하기 위하여 MODIS 영상에서 각각의 침수지 및 비침수지 등급에 해당하는 여러 지점을 영상에서 육안 판독을 통하여 선정하였고, 각 등급별로 약 100여개 화소를 추출하여 반사율 통계값을 얻었다. 침수지 탐지에 있어서 가장 간단하고 쉽게 적용할 수 있는 방법으로 임계값 적용을 꼽을 수 있다. 별도의 분광지수를 이용하지 않고, 밴드별 표면반사율 영상에 직접 임계값을 적용하여 침수지를 추출였다.

Fig. 4는 7개 토지피복 등급의 밴드별 통계값을 보여주고 있는데, 육안 판독과 다르게 침수지 등급 내에서도 변이가 크게 나타나고 있다. 심지어 가장 동질적인 물표면도 위치에 따라 물의 깊이와 탁도에 차이가 있고 그에 따른 밴드별 반사율에도 변이가 있음을 볼 수 있다. 록 7개 밴드 중 3개의 침수지 등급이 비침수지와 완전히 구분되는 밴드는 없지만, 침수지 등급이 두드러지게 구분되는 밴드는 SWIR밴드(1628-1652 nm)로 보인다. 이 SWIR밴드에 0.15임계값을 적용하면 대부분의 침수지가 구분되었다. SWIR밴드에서 나타나는 침수지와비침수지(dark soil, crop, grassland)간의 반사율이 유사한 부분을 제거하고자 가시광선 밴드를 추가로 사용하였다. 가시광선 밴드에서는 침수지 구분에 다소 혼란을 야기했던 3개의 비침수지 등급이 침수지 등급과 확연히 차이를 보여준다. Bright soil은 이미 SWIR밴드에서 구분이 되었기 때문에, 나머지 비침수지 등급은 가시광선 밴드에서 침수지 등급과 구분될 수 있다. 가시광선 밴드 중 3개의 비침수지 등급이 가장 구분되는 밴드로 적색광밴드(임계값 0.07)를 SWIR밴드와 함께 적용하였다.

Fig. 4. Sample statistics (mean, maximum, minimum) of three flooded classes and four non-flooded classes for each of six MODIS bands.

NIR밴드는 일반적으로 물의 반사율이 급격히 낮아지는 파장대이므로, 호수 및 하천과 같은 일반적인 물표면의 탐지에서 가장 널리 사용되었다. 그러나 Fig. 4에서 볼 수 있듯이, NIR밴드에서는 홍수 범람에 의한 침수지는 토사부유물로 혼탁도가 심한 물이므로 일반적인 물의 분광특성과는 차이가 있다. 농지 및 초지는NIR밴드에서 반사율이 높게 나타나며, 식물과 혼재된 2개의 침수지 등급과 유사한 통계값을 보여주고 있다. NIR 영상만으로 침수지를 구분하는데 어려움이 있지만, 통계값 산출에 사용된 표본에서 제외된 다양한 형태의 비침수지 영역을 감안하여 SWIR 및 red 밴드에 추가하여 NIR밴드에 임계값 0.37을 적용하여 3개 밴드의 임계 값을 만족하는 침수지를 추출하였다.

3) 물 관련 분광지수를 이용한 침수지 탐지

토양 및 식물의 수분함량을 추정하기 위하여 개발된 물 관련 분광지수(spectral index)가 개발되었으나, 침수지 탐지만을 목적으로 개발된 분광지수는 드물다. Sakamoto et al.(2007)는 식생지수 Enhanced Vegetation Index(EVI)와 지표수를 탐지하기 위하여 개발된 Land Surface Water Index(LSWI)를 이용하여 침수지를 탐지하는 방법을 제시하였다. 이 방법 역시 MODIS 영상을 이용하였지만,일별 영상이 아닌 8일 합성 영상을 토대로 하였다. 이 방법은 캄보디아와 베트남 메콩 중하류 지역의 홍수 매핑을 위하여 개발되었지만, MODIS 표면반사율에 기반한 침수지 탐지 방법이므로 논문에서 제시된 임계값을 그대로 적용하였다. 침수지 추출은 두 단계로 이루어지는데, 먼저 EVI, LSWI, 그리고 EVI와 LSWI의 차이(DVEL)를 생성한 후, 각 분광지수에 제시된 임계값을 그대로 용하여 침수지를 추출하였다.

침수지 탐지에 이용한 두 번째 물 관련 분광지수로 적색광밴드와 SWIR밴드에서 물과 토양 식물 등 다른 지표물과의 반사율 차이를 강조한 Normalized Difference Water Index (NDWI)를 사용하였다(Rogers and Kearney,2004). MODIS 영상의 적색광밴드와 SWIR밴드를 이용하여 NDWI(수식 2)를 산출하였다. 영상에서 바다에 해당하는 지역을 제외하고, 가브 평야 지역 내의 NDWI히스토그램 분포를 참고하고 육안 판독 결과 침수지가 비교적 잘 구분되는 경계를 임계값(0)으로 선정하여 침수지를 도출하였다.

NDWI = (ρ_red-ρ_SWIR)/(ρ_red+ρ_SWIR)       (2)

4) 정확도 비교

침수지 탐지의 정확도는 TM 영상을 이용한 정확도 산출과 탐지된 침수지에 대한 정성적인 판독을 통하여 검증하였다. 먼저 Landsat-5 TM 영상에서 네 곳의 부분 지역에서 추출된 침수지를 참값으로 가정하여 정확도를 비교하였다. 침수지 탐지의 정확도 산출은 Khan et al. (2011)이 적용한 방법을 이용하여 탐지율(probability of detection, POD)과 오탐지율(false alarm ratio, FAR)을 산출하였다. Fig. 5는 침수지 탐지 정확도 계산을 위한 과정을 보여준다. Landsat TM 영상에서 육안으로 추출한 침수지 범위를 참값으로 하여, MODIS와 TM에서 모두 침수지로 분류된 경우 ‘Hit’로 표기하고, MODIS 영상에서 침수지로 탐지 되였으나 TM 영상에서는 비침수지인 경우 ‘False alarm’으로 표기한다. MODIS 영상에서 비침수지로 탐지 되였으나 TM 영상에서는 침수지인 경우 ‘Miss’로 표기한다. 탐지율 POD는 MODIS로 탐지된 침수지의 비율이고, 오탐지율 FAR는 침수지가 아닌데 침수지로 탐지된 오차 비율을 나타낸다. 화소 크기가 250m인 MODIS 영상에서 추출된 침수지 경계선과 30 m 해상도의 TM 영상을 판독하여 추출한 침수지 경계는 해상도 차이와 두 영상의 좌표등록 과정에서 오차 등을 감안하여 두 벡터파일을 중첩 시 MODIS 2개 화소 이하의 면적을 차지하는 ‘Miss’와 ‘False alarm’은 정확도 산정에서 제외하였다. 정성적 검증은 추출된 침수지의 공간적 분포와 면적을 영상과 함께 비교 분석하였다.

Fig. 5. Accuracy assessment of the flooded area by using the flood map extracted from Landsat-5 TM image.

4. 결과 및 토의

MODIS 표면반사율 밴드와 분광지수에 임계값을 적용하는 네 가지 방법으로 가브 평야의 침수지를 추출하였다(Fig. 6). 먼저 2개 밴드(SWIR, red)을 이용하여 추출된 침수지와 3개 밴드(SWIR, red, NIR)를 이용하여 추출한 침수지의 공간적 분포와 면적이 크게 다르지 않음을 볼 수 있으며, 침수지 면적 또한 거의 동일하게 나타났다. 즉 침수지 탐지에 있어서 NIR밴드를 추가하여 3개 밴드를 이용하여도 SWIR 및 red 2개 밴드만을 이용하여 추출한 침수지와 큰 차이가 없었다. NIR밴드는 침수지 추출에 있어서 큰 역할을 하지 못한다는 것을 알 수 있다.

Fig. 6. Flood map and area extracted by thresholding on (a) two band (SWIR, red), (b) three band (SWIR, red, NIR), (c) EVI and LSWI, and (d) NDWI data.

물 관련 분광지수를 이용하여 추출한 침수지(Fig. 6(c),Fig. 6(d))는 표면반사율 밴드에 직접 임계값을 적용한 결과와 침수지 분포 및 면적에 다소 차이를 보여주고 있다. Fig. 6(c)의 침수지는 EVI, LSWI, DVEL을 이용하여 물과 관련된 화소들을 1차로 추출한 결과에 다시 EVI 임계값을 적용하여 탐지된 순수 물표면과 물과 식물이 혼합된 침수지를 합한 결과다. 이 방법에서 추출된 침수지가 가장 넓은 면적을 차지하고 있으며, 아울러 작은 면적으로 산발적으로 많이 분포된 호수같은 침수지를 볼 수 있다. 산발적으로 분포된 작은 규모의 침수지를 고해상도 영상이나 TM 영상에서 판독한 결과, 순수한물표면이 아니라 식물과 물이 혼합된 지점임을 알수있었다. 순수한 물표면은 쉽게 침수지로 구분되지만, 물과 식물이 혼재된 경우 침수지 여부를 판단하는데 다소 모호한 점이 있다.

혼합화소는 크게 두 가지 형태로 나누어 생각할 수 있는데, Fig. 7(a)와 같이 작물이나 나무의 수관부가 수면위로 드러난 형태는 침수지로 판정되어야 한다. 그러나 MODIS 영상의 공간해상도를 감안하여 하나의 화소에 물표면과 농지가 혼재하는 Fig. 7(b)와 같은 형태는 침수지의 점유비율에 따라 판단되어야 한다. EVI와 LSWI를이용하여 추출된 침수지는 결국 침수지로 분류되기 어려운 Fig. 7(b)와 같은 형태의 혼합화소를 침수지로 오탐지한 결과로 추측된다.

Fig. 7. Pattern of spectral mixture between turbid wate and vegetation. (a) vegetation canopy exposed over flooding water, (b) flooding water and non-flooded vegetation and wet soil.

NDWI에 임계값을 적용하여 얻어진 결과(Fig. 6(d)) 는 가장 작은 면적의 침수지 탐지되었다. 이미 임계 값이 주어진 EVI-LSWI 방법과 달리 NDWI에서는 적절한 임계값을 선정하기 어려웠다. 가브 평야 전지역의 NDWI히스토그램이 쌍봉형분포(bi-modal distribution)를 보인다면 침수지와 비침수지를 구분하는 임계값 설정이 용이할 수 있으나, NDWI의 히스토그램은 정규분포에 가까운 형태를 보여 침수지를 구분할 수 있는 뚜렷한 임계값을 찾기 어려웠다.

Table 1은 네 가지 방법에서 추출된 침수지의 정확도를 분석하기 위하여 TM 영상에서 추출된 침수지를 참값으로 가정하여 도출한 결과를 보여주고 있다. 물론 TM 영상에서 판독된 침수지를 기준으로 정확도를 산출하였으나, 이를 참값으로 사용하기에는 한계가 있다. 영상분류나 경계선 추출기법과 같은 처리를 통하여 TM 영상에서 경계선을 자동 추출하는 방법을 적용할 수 있으나, 이 방법 역시 적용하는 알고리즘에 따라 결과가 달라질 수 있다. TM영상에서 침수지와 주변 식생 및 나지 등의 분광특성을 잘 보여주는 NIR밴드와 SWIR밴드를 포함한 여러 칼라합성영상을 육안으로 판독하여 침수지 경계를 추출하였다. TM 영상에서 추출된 침수지 지도가 전체 홍수 지역을 포함하는게 아니라 네 곳의 부분적인 지역에서 만들어졌지만, 이를 기준으로 산출된 정확도는 침수지의 공간적 분포 특성과 고해상도 영상과의 비교를 통한 정성적인 검증 결과와 동일한 양상을 보여주고 있다. NDWI를 이용한 방법을 제외한다면 탐지율(POD)과 오탐지율(FAR)에서 세 가지 방법 모두 거의 동일한 정확도를 보여주고 있다. POD와FAR은 서로 상충되지만, 90% 이상의 POD와 20%의 FAR은 매우 높은 정확도라 할 수 있다. 세 가지 방법에서 침수지로 오탐지된 지점을 TM 영상에서 확인해 본 결과, 대부분 침수지 경계 부분에 위치한 농지 및 초지에 해당되었다. 이러한 오탐지 부분은 앞에서 언급했듯이 물과 식물의 혼합정도에 따라 침수지와 비침수지(농지 및 초지)로 구분되기 때문이다. 특히 EVI와 LSWI를이용한 방법에서는 이러한 오탐지된 부분이 다른 방법보다 다소 높게 나타났다.

Table 1. Accuracy of the flooded area detection assessed by the reference flood map derived from TM image

임계값을 적용하여 침수지를 탐지하는 방법은 간단하고 효율적인 방법이지만, 임계값 선정의 객관성 및 타 지역 적용성에 문제가 있을 수 있다. 연구에 사용된 MODIS 표면반사율 산출물은 대기효과를 제거한 순수한 지표물 특성을 대표하는 절대적 신호값이므로, 침수지 물과 주변 토지피복의 분광특성이 크게 다르지 않다면 다른 지역에서도 그대로 적용이 가능하다. 메콩강 하류 지역의 홍수 매핑을 위해 개발된 EVI와 LSWI에 적용된 임계값을 본 연구 지역인 모로코 지역에 그대로 적용했지만, 모로코에서 추출된 분광특성을 토대로 설정한 임계값을 적용한 결과와 유사한 결과를 도출하였다

Sakamoto et al.(2007)에 의해 개발된 EVI 및 LSWI를이용한 침수지 탐지 방법을 모로코 지역에 그대로 적용해도 큰 차이는 없지만, 침수지 탐지를 위한 영상처리 과정의 효율성과 탐지 정확도를 감안한다면 2개 표면반사율 밴드를 이용하는 방법이 보다 효율적이라고 판단된다. EVI와 LSWI 그리고 이 두 지수의 차이(DVEL)를 생성하여 각각에 임계값을 적용하여 1차 물 관련 화소를 탐지하고, 그 후 조건을 부여하여 2차 임계값을 적용하여 침수지를 분류하는 다소 복잡한 처리 과정을 거치게 된다. 그러나 2개 밴드를 이용하는 방법은 NASA에서 처리 공급되는 표면반사율 산출물 영상에 직접 임계값만 적용하는 과정이므로 매우 간편하고 효율적이라할 수 있다.

NIR밴드에서는 3개 침수지 유형의 반사특성이 비침 수지와 쉽게 구분이 되지 않는다. 식물이 포함되지 않은 완전한 물표면을 제외한 나머지 침수지 유형은 나지와 농지 및 초지와 유사한 반사특성을 보이기 때문에 침수지 구분에는 크게 기여를 하지 못한다. 그러나 3개의 침수지 유형간 반사특성은 뚜렷한 차이를 보여주고 있다. 침수지 내의 유형별 분포를 확인하기 위하여 2개 밴드로 탐지된 침수지 영역에 해당하는 모든 화소들의 NIR반사율을 추출하였다. Fig. 8(a)는 침수지 내 NIR 반사율의 히스토그램으로 침수지 내에 NIR 반사율의 변이가 매우 다양하게 나타나고 있음을 알 수 있다. 침수지의 유형을 물표면, 식물 점유율이 낮은 물표면, 식물 점유율이 높은 물표면의 세 가지로 분류하였으나, 실제 침수지의 유형은 보다 복잡하게 분포한다고 할 수 있다. 즉 물표면도 토사부유물의 농도에 따라 반사율이 다르게 나타나며, 식물과 물의 점유비율이 3:7 그리고 7:3으로 구분된 유형 외에 점유비율이 달라질수록 반사율은 변하게 된다. 침수지의 NIR 반사율 히스토그램에 적절한 임계값(0.18, 0.29)을 적용하여 침수지를 세 가지 유형으로 구분하였다(Fig. 8(b)).

Fig. 8. Separation of the flooded area by NIR reflectance: (a) histogram of NIR reflectance within the flooded area, (b) three classes of the flooded area by applying the NIR thresholds.

MODIS 영상에서 탐지된 침수지의 오차 원인을 세부적으로 검토하고자, 3개 유형으로 분류된 침수지(Fig. 8(b))를 TM 영상에서 추출한 침수지와중첩하여 비교하였다. Table 2는 3개 침수지 유형별로 정확히 탐지된 부분(Hit), 누락된 부분(Miss), 그리고 오탐지된 부분(False alarm)을 구분하여 보여준다. 예상대로 순수한 물표면은 탐지율이 97%로 가장 높고 오탐지된 부분도 가장 낮게 나타났다. 누락된 부분이나 오탐지된 부분(25%,54%)은 주로 물과 식물이 혼재된 유형에서 높게 발생하였다. 결 MODIS 영상을 이용한 침수지 탐지에 있어서 순수한 물표면은 비교적 정확하게 탐지되지만, 물과 식물이 혼재된 화소들을 침수지와 비침수지로 분류하는 과정에서 오차가 발생하고 있다. MODIS 영상의 공간해상도(250~500 m)를 감안한다면, 물과 식물의 혼합 화소는 당연하지만, 이들 혼합화소를 침수지 또는 비침 수지로 구분할 수 있는 적절한 방안에 대한 추가적인 연구가 필요하다. 결국 Fig. 7의 형태와 같은 혼합화소는 물, 식물, 습윤토양 등의 점유 비율에 따라 나타나는 분광반사 특성과 함께 침수지의 면적, 형태, 인접 침수지와의 거리 등과 같은 공간적인 특성을 고려하여 분류하는 의사결정 알고리즘의 개발이 이루어져야 할 것이다.

Table 2. Distribution of three flooded classes separated by NIR thresholds within the flood area obtained from the two MODIS bands. Accuracy was assessed by the reference flood map from TM image

NIR밴드 영상은 오래된 흑백적외선 항공사진부터 수면을 탐지하는 데 유용하게 사용되어왔다. 그러나 홍수 범람에 의한 침수지는 대부분 토사부유물로 인한 탁한 물이기 때문에 NIR 반사율이 상대적으로 높아져서 습윤토양 등과 유사한 반사특성을 보이므로 침수지 탐지에서 효과적이지 않다. 그러나 수심이 낮은 평야지대의 침수지에서 식물과 물이 혼합된 형태의 침수지 유형을 구분하는데 중요한 역할을 할 수 있다. 이러한 침수지의 유형 구분은 홍수 피해 복구 및 향후 방재 사업에 있어서 중요한 정보가 될 수 있다.

5. 결론

홍수 범람에 의한 침수지 탐지는 주로 기상 조건에 영향을 받지 않는 레이더영상이 활용되어 왔다. 그러나 침수지 면적이 대규모인 홍수 지역에서 적시에 침수 상황을 모니터링하고 매핑하기 위해서는 시간해상도가 뛰어난 저해상도 위성영상의 활용을 고려할 수 있다. 본 연구에서는 2010년 모로코 세부강 유역에 발생한 대규모 침수지를 탐지하고자 MODIS 일별 표면반사율 영상을 이용하였다. 침수지에서 나타나는 유형별 분광특성을 분석하고 이를 토대로 MODIS 밴드별 반사율과 분광지수에 임계값을 적용하여 침수지를 탐지하였다. 침수지 탐지에 있어서 SWIR밴드가 가장 중요하다고 판단된다. 침수지의 물표면 분광특성이 수심 및 혼탁도에 따라서 밴드별로 다르게 나타나지만, SWIR밴드에서는 다른 밴드와 달리 침수지 구분 매우 효과적이었다. 또한 물과 식물이 혼재된 유형의 침수지를 구분하는 데 있어서도 식물에 의한 반사신호에 크게 영향을 받지 않았다. SWIR밴드의 가치는 침수지 구분을 위하여 적용되었던LSWI 및 NDWI와 같은 물 관련 분광지수에서 모두 SWIR밴드를 이용하고 있음에도 잘 나타나고 있다. SWIR밴드와 함께 침수지 탐지에 유용한 밴드는 혼탁도가 높은 침수지 물의 반사특성을 가장 잘 보여고 있는 적색광밴드라 할 수 있다. 물 관련 분광지수를 산출한 후 임계값을 적용하는 침수지 탐지 기법도 유사한 결과를 보여주었지만, 영상처리 과정의 간편성과 용이함을 감안한다면 표준 처리되어 공급되는 MODIS 표면반사율 산출물 자료를 그대로 이용하는 방법이 효율적이라 판단된다.

저해상도 광학위성영상은 광범위한 지역을 하루에도 여러 차례 촬영이 가능하다는 장점에도 불구하고, 구름의 영향을 많이 받기 때문에 침수지 탐지를 위한 깨끗한 영상을 얻는 데 여전히 한계가 있다. 따라서 촬영범위와 빈도가 비록 한정되어 있지만 구름에 영향을 받지 않는 레이더영상을 광학영상과 함께 이용하는 방법을 고려해 볼 수 있다. 레이더영상과 광학영상에서 나타나는 침수지의 신호특성을 함께 이용한다면 침수지탐지의 정확도와 빈도를 높일 수 있으리라 판단된다. 또한 대규모 홍수 지역에서 촬영된 MODIS 영상들을 살펴보면 부분적으로 구름이 분포하고 있기 때문에, 침수지의 일부분만 관찰되는 경우가 많다. 이러한 영상에서는 부분적인 침수지 경계선을 추출한 후, 수치고도자료와 중첩을 통하여 전체적인 침수지 범위를 추정하는 방법도 고려할 수 있다. 본 연구에서는 TM 영상에서 판독된 침수지 지도를 기준으로 상대적인 정확도를 추정했지만, 다른 홍수관련 연구와 마찬가지로 정확도 검증에 한계가 있다. 위성영상을 이용한 침수지 탐지에 있어서 영상분석 방법이나 영상의 종류에 따라 결과가 좌우되지만, 탐지 결과를 보다 객관적으로 입증할 수 있는 방안도 함께 고려되어야 한다.

사사

본 연구는 환경부의 물관리연구사업에서 지원받았습니다.