Journal of Korean Society of Disaster and Security. 30 September 2022. 1-14
https://doi.org/10.21729/ksds.2022.15.3.1

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 본 론

  •   2.1. 연구지역 및 연구 방법

  •   2.2 결과 분석

  • 3. 결 론

1. 서 론

최근 전지구적으로 기후변화에 따라 이상기후 현상이 증가하고 있으며, 우리나라도 홍수사상이 변화하면서 국지성 호우 및 돌발 홍수의 빈번한 발생으로 인한 제방 붕괴 및 수재해 위험성이 증가하고 있다. 특히 2020년에는 6월 말부터 8월 초순까지 지속된 기록적인 장마가 발생하였으며, 8월 7일과 8월 8일 이틀 동안 남부지방에 내린 집중호우로 영산강 유역과 섬진강 유역에 많은 침수 피해가 발생하였다. 합천 창녕보 상류에서는 낙동강 좌안 제방이 붕괴되어 침수피해가 발생하였고 섬진강댐 하류인 남원시 금지면의 금곡교 상류 좌안의 제방 붕괴가 발생하여 주택 447세대와 농경지, 비닐하우스 등 1,100 ha가 물에 잠기고 710명의 이재민이 대피하는 피해가 발생하였다(Lee et al., 2020).

국가 및 지자체에서는 하천의 관리를 위해 등급을 구분하여 지속적으로 하천 제방의 유지·보수 점검을 실시하고 있다. 우리나라에서는 「시설물의 안전관리에 관한 특별법(시설안전공단)」에 따라 제방 및 부속시설의 안전점검 및 정밀안전진단이 실시되고 있으나 점검내용은 조사관에 의한 현장조사 및 외관조사로 제방의 전체적인 점검과 다양한 변형 양상을 파악하는데 한계가 존재하며, 인력과 예산의 소모로 비효율적이고 비경제적이다. 또한, 대부분 하천 제방은 1980년대 축조되었고 노후화로 지속적인 관리가 필요한 실정이다. 이에 따라, 하천공사 및 유지·보수의 중요성이 커지고 있으나 하천 전체 시설을 보강하기에는 천문학적 예산이 예상됨으로 제방의 유지관리를 위해 변형 및 붕괴 위험 징후를 선제적으로 감지할 수 있는 정밀한 모니터링을 통한 예/경보 시스템 구축이 필요한 실정이다.

제방의 붕괴를 일으키는 매커니즘은 Table 1과 같이 크게 월류, 침식, 제체 불안정, 하천 구조물에 의한 붕괴로 나눌 수 있다. 월류는 계획규모를 초과하는 홍수 유출로 인한 제방고 부족, 토사나 유목으로 인한 통수능 저하와 같은 원인으로 발생하고 세굴은 하천의 급경사, 만곡부에 의한 과대한 유속과 소류력으로 발생한다. 제체 불안정은 성토 재료의 불량과 제체 및 지반 누수에 의한 파이핑(piping), 기초 침하에 의해 발생하며, 마지막으로 제방에 인접한 교량과 같은 하천 구조물의 접촉면의 붕괴로 제방이 붕괴될 수 있다(Yoon, 2003). 제방 붕괴는 하나의 매커니즘에 의해 발생하지 않고, 다양한 매커니즘이 복합적으로 작용하여 발생하게 된다. 제방이 파괴되거나 붕괴되지 않더라도 장마와 홍수로 인해 쉽게 육안으로 판단하기 어려운 침투, 누수, 침하 등으로 인한 변형이 발생할 수 있으며, 이렇게 육안으로 판단할 수 없는 제방 내부의 물리적 변화는 제방 붕괴 위험성을 더욱 증가시킨다(Özer et al., 2018). 이러한 제방 붕괴 매커니즘 현상이 일어나면 필연적으로 제방 제체의 변형이 발생하게 되고, 이를 사전에 포착하기 위한 제방 상태 모니터링에 관한 많은 연구가 진행되어 왔다.

Table 1.

Several types of levee failure (Yoon, 2003)

Overflow - Lack of levee height due to flood spills exceeding the planned scale
- Underestimation of design flood volume or convayance due to outflow of soil ro diftwood
- Overflow due to reduction in section of water flow by brdige decks or abutments and piers
Scour - Excessive flow velocity and turbulence in steep slopes of rivers and sharp bends
- Scouring of the lower part of the levee due to narrowing of the lower width section and long-term
river bed changes
Body instability - Piping due to defects in levee materials, lack of standard cross-section area of levee and ground
leakage
- Problems in levee design or construction that cause instability of levee foundation
Destruction by river
structure
- Collapse of bridges or collapse of contact surfaces of constructed design of dysenteric materials
- Collapse at the beam installation point

새로운 기술을 적용한 제방 모니터링 방법에 관한 연구로 광섬유, 항공 LiDAR(Laser imaging Detection And Ranging), 인공위성 등을 이용한 많은 연구가 진행되고 있다. Ahn et al.(2020)은 광섬유 센서와 분포형 온도 센싱 시스템을 이용한 제방 모니터링 실험을 통해 저류지 수위 변화에 따른 제체 내부의 온도 변화를 관측하여 저류로 인한 제방 내부 침투 현상을 모니터링 하였고, Choung(2014)은 항공 LiDAR를 이용하여 점군 자료와 광학 영상을 활용하여 하천 제방의 구성 요소 매핑 기술을 개발 하였다. 광섬유 센서를 이용할 경우 센서 설치 비용 및 관리와 비용 문제가 발생할 수 있으며, 항공 LiDAR의 경우 항공 운행을 하는데 아직까지 막대한 비용이 발생 한다. 이와 달리 짧은 재방문 주기를 갖는 인공위성을 이용할 경우 해당 지역에 대한 영상만 확보가 된다면 추가 비용 없이 분석을 통해 정밀하고 경제적이며 정기적인 데이터 수집이 가능하다. 인공위성 기반의 원격탐사 기술의 발달로 광역지역에 대한 시계열 분석에 대한 많은 연구가 진행되고 있으며, 위성레이더(SAR: Synthetic Aperture Radar)를 기반으로 하는 분석기법이 지표 특성을 관측하는 분야에서 효율적인 방법으로 주목받고 있다(Massonnet and Rabaute, 1993; Moreira et al., 2013; Ariyama and Saito, 2014).

SAR 영상을 이용한 분석 기법 중 Interferometric synthetic aperture radar:InSAR 기법은 2장 이상의 SAR 영상을 합성시켜 영상 간 차이를 분석하여 지표 변위량을 산출하는 기술로서 넓은 지표 변위량을 경제적으로 얻을 수 있다(Kim et al., 2017). SAR 영상을 이용하여 지표의 변화 특성을 관측하는 많은 연구가 진행되어 왔는데, Ge et al.(2007)는 광산지역에 대한 지표 변위를 분석하였고, Liu et al.(2016) 빙산의 고도 변화를 분석하였다. 또한, Özer et al.(2018)는 SAR영상을 이용하여 하천 제방의 변위를 측정하여 제방 변위에 따른 위험도를 제시하였다. Paloscia et al.(2013)은 후방산란계수와 토양수분도와의 관계를 이용하여 인공신경망(Artificail Neural Network-ANN)을 이용한 토양수분 추정 알고리즘을 개발하였고, Gao et al.(2017)은 후방산란과 정규식생지수(NDVI)와의 선형적 관계를 이용하여 토양수분도를 추정하였으며, Lee et al.(2017)는 Sentinel-1 SAR영상의 후방산란계수와 토양수분도 관계를 이용하여 우리나라 농업지역을 대상으로 토양수분도를 추정하였다.

본 연구는 제방 모니터링 기술의 고도화를 위한 방안으로 제시한 제방 붕괴 원인 분석을 위한 포렌식 기법을 제안하며 분석 항목 중 인공위성 모니터링을 통해 수문환경적 요인을 분석하였다. Sentinel-1의 SAR 영상을 이용해 2020년 8월 8일에 붕괴가 발생한 섬진강 유역의 남원시 금지면 금곡교 인근 제방의 봄과 여름철(2020.04.09.~ 2020.08.07) 제방 변위를 추출하여 변동성지수를 산정하였고 취약지점을 판별하였다. 또한, 남원시 이백면과 운봉읍의 SAR 영상의 후방산란계수와 토양수분도와의 관계를 검증하여 붕괴 구간 내 토양수분도를 분석하고 제방 붕괴의 전조 증상을 확인하였다.

2. 본 론

2.1. 연구지역 및 연구 방법

2.1.1 연구 지역

본 연구의 대상지는 섬진강 유역(Fig. 1)의 섬진강댐 하류 남원시 금지면 금곡교 부근으로 농지와 초지로 구성되어 인공위성 영상 분석 시 주변 환경에 영향을 적게 받는 지역이다. 섬진강으로 합류하는 국가하천으로는 요천과 보성강이 있으며, 섬진강 유역의 24시간 임의지속시간 강우량이 500년 빈도 이상으로 큰 강우량이 전북 남원과 순창 등 근접지역에 집중되어있다. 남원시 요천 합류점 부근의 경우 평탄지가 비교적 적게 분포하여 내수에 의한 침수피해는 크게 우려되지 않으나 저지대가 남원시 시가지를 포함한 중하류부에 위치하고 그 범위가 넓게 형성되어 이상 홍수 또는 제방 붕괴 시 외수에 의한 대규모 피해가 우려되는 지역으로 조사되었다(Ministry of Land, Transport and Maritime Affairs, 2009). 본 연구는 2020년 8월 8일 붕괴가 발생한 Fig. 2의 금곡교 제방 인근을 집중적으로 분석하였다. 2021년 국토교통부에서 발주한 홍수 조사단의 조사 결과 Fig. 3과 같이 2020년 8월 7일 극한 강우의 발생은 금곡교 제방 붕괴에 결정적인 영향을 미친 것으로 나타났다. 제방 붕괴 구간은 (구)금곡교에 인접한 상류 부근이며 (구)금곡교에는 수위관측소가 존재한다. 붕괴 당시 금곡교 계획홍수위 EL. 56.05 m를 넘은 EL. 56.62 m를 기록하였고, 홍수위가 제방고를 넘지 않았으나 제방고 보다 낮은 (구)금곡교가 보 역할을 하여 통수능 저하로 인해 월류 및 제체 누수가 발생한 것으로 밝혀졌다(Lee et al., 2020). 연구 대상지의 제방은 둑마루가 6 m의 1차선 도로로 포장되어 있어 식생의 영향이 작고 제체폭은 이미지 해상도인 약 13 m내에 포함되어 있어 타당하다고 판단하였다.

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F1.jpg
Fig. 1.

Seomjin river basin

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F2.jpg
Fig. 2.

Research area

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F3.jpg
Fig. 3.

Precipitation and water level (Gumgok bridge)

2.1.2 제방 붕괴 위험도 산정 기법

제방 붕괴는 다양한 원인에 의해 장기간의 변형 또는 갑작스런 외부 충격에 의해 발생하며 이를 위해 사전에 모니터링과 위험도 산정을 통해 붕괴를 예방할 필요가 있다. 제방의 붕괴와 같은 재해가 발생할 경우 포렌식(Forensic) 기법을 통해 위험도를 분석하는데, 본 연구에서는 Fig. 4와 같이 인공위성을 이용하여 산출한 제체 변동성과 토양수분도 모니터링 결과에 추가로 제방 붕괴의 포렌식 분석 항목들을 결합하여 제방 붕괴 위험도 산정 기법을 제시하였다. 포렌식이란 ‘법의학’을 뜻하는 단어로, 붕괴 및 사고에 대한 정보 수집, 사고 원인, 사실관계를 규명하고 증명하는 절차와 방법을 말한다. Kool et al.(2019)는 포렌식 기법을 적용하여 독일 Braitenhagen 제방의 붕괴 원인을 분석하였고, 이 때 과거 공사 이력, 지반 특성, 제체 단면 특성, 배수 및 지하수 조건을 분석하여 모의를 통해 붕괴 최적 시나리오에 대한 결과를 산출하였다. 금곡교 제방 붕괴에 대한 원인 분석 결과, 수문기상학적 요인(강우량, 수위 분석), 지형학적(유역 지형, 하도) 및 수문환경학적 요인(섬진강 요천 합류 구간), 구조물 존치(금곡교로 인한 통수능 저하), 하도 정비, 댐 운영 등 복합적인 원인들에 의해 붕괴가 발생한 것으로 밝혀졌다(Lee et al., 2020).

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F4.jpg
Fig. 4.

Schematics of levee failure warning/forecasting in this study

2.1.3 Sentinel-1

Sentinel-1은 유럽우주국(European Space Agency)이 실시하는 Copernicus 프로그램 위성 중 첫 번째 위성으로 Sentinel-1A와 Sentinel-1B 두 개의 위성이 12일을 주기로 동일 궤도를 180°의 위상차로 비행한다. Sentinel-1의 임무는 북극/남극 해빙 모니터링 및 해양 환경 관찰, 해상 운송 구역 감시, 식생 분포와 및 육지 표면 매핑과 같은 프로그램 운영에 중점을 두고 있으며, 궤도 기준선과 반복궤도 주기를 통해 지표 변형, 빙권 역학 모니터링과 같은 간섭계 (InSAR) 기법이 가능하여 일관된 변화 감지 응용이 가능하다. Sentinel-1 은 C-Band(5.405 GHz)를 탑재하여 전천후에 SAR 영상을 얻을 수 있으며, 무상으로 Copernicus Open Access Hub에서 영상을 받을 수 있다(Geudtner et al., 2014). Sentinel-1의 영상획득 모드는 해상도와 주사폭에 따라 달라지며 SM, IW, EW, WV 4가지 모드가 있다. 이 중 IW(Interferometric Wide Swath) 모드는 육지관측에 가장 기본적으로 사용되는 영상 획득모드로 250 km의 넓은 관측 폭(swath width)와 3개의 sub-swath로 구성되고, 5 m×20 m의 공간해상도를 갖는다. 각 영상모드에 따라 위상과 진폭 정보가 포함된 SLC(Single Look Complex)와 진폭 정보만 포함된 GRD(Ground Range Detected) 2가지 처리 기능이 있다. SLC는 시계열 분석에 용이하며 지표변위를 추출하는데 사용되며, GRD는 토양수분도를 산정할 때에 사용하였다. Table 2은 Sentinel-1 IW모드의 특성을 나타낸다. 촬영 모드는 안테나 송수신 방향에 따라 VV, VH, HH, HV 같은 4가지 편파 영상이 제공되며 HH와 HV는 주로 극지방에서 사용되므로 국내지역관측에는 VV, VH 영상을 활용하였다(Yu and Yun, 2019).

Table 2.

Characteristics of Sentinel-1 IW codes

Characteristic Interferometric Wide-Swath (IW) ath
Spatial resolution 5 m × 20 m
Swath width >250 km
Number of sub-swath 3
Polarisation options VV, VH, HH, HV

2.1.4 InSAR 기법을 이용한 변위 산출

1) InSAR 기법

SAR(합성개구레이다)는 지상 및 해양에 대해 공중에서 레이다파를 순차적으로 쏜 후 레이다파가 굴곡면에 반사되어 돌아오는 미세한 시간차를 처리하여 후방산란계수(back-scattered signals, 레이더파가 수평방향으로 대상체에 전달되어 수평방향으로 반사되는 신호값)를 기록하는 능동형 레이더 기술로 신호를 통해 해상도 내 픽셀값은 긴밀도(coherent) 값을 포함하여 이미지를 구성한다. SAR 영상을 이용하여 지표 변위를 추출하는 기법인 InSAR 기법은 서로 다른 시기의 동일한 지역을 촬영한 두 개의 SAR 영상으로부터 작성된 간섭영상(Phase Interferogram)에 포함되어 있는 위상 정보를 이용하여 위성과 지표점 사이의 방향인 LOS(Line of Sight)방향의 지표변위를 관측할 수 있다(Rosen et al., 2000). 상호 정합의 기준이 되는 영상을 주영상(master image), 주영상과 비교하는 영상을 부영상(slave image)라고 하며 두 영상을 간섭하여 위상간섭영상을 얻게 된다. Eq. (1)은 위상 간섭을 나타내는 식으로 ϕ는 위상의 구성을 나타내고 있으며, ϕdem은 지형고도 , ϕflat은 지구 곡률을 포함하며, ϕdisp는 지표 변위, ϕatm은 대기압, ϕnoise은 잡음을 포함하고 있는 위상정보이다. 간섭을 통해 노이즈와 대기압, 지구곡률 등의 오차 요인을 제거하여 변위 위상만을 추출하게 된다(Özer et al., 2018).

(1)
ϕ=ϕdem+ϕflat+ϕdisp+ϕatm+ϕnoiseInterometryϕdisp=ϕ-ϕdem-ϕflat

2) SAR 영상 전처리(SNAP Processing)

본 연구에서는 유럽우주국(ESA)에서 제공하는 무료 위성 처리 툴인 Sentinel Application Platform(SNAP)의 S1TBX를 이용하여 InSAR 기법 중 간섭도에서 지형 기복에 의한 위상을 제거하는 기본적인 기법인 Differential Interferometric SAR(DInSAR)를 통해 변위를 산출하였다. Fig. 5는 SNAP을 이용한 변위 산출 과정을 나타낸다.

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F5.jpg
Fig. 5.

SNAP DInSAR process

우선, SAR 이미지 영상에서 대상지에 해당하는 띠(swath)를 분리(Split)한 후 영상에 해당하는 궤도를 적용(Apply Orbit File)한다. 두 개의 SLC 영상을 궤도와 DEM을 이용하여 정합(Back Geocoding) 후에 주 영상과 보조영상을 간섭(Interferogram)하여 위상을 제거한다. 이후 간섭을 통해 긴밀도 계산과 지구 곡률과 지형적 위상 정보를 상쇄시킨다. 간섭 단계 후 나타나는 긴밀도는 영상의 신뢰도를 의미하며, 0 ~ 1 사이 값으로 나타난다. Ullo et al.(2019)는 긴밀도가 0.35 이상인 비율이 44.9% 인 값을 기준으로 검증된 한계치로 설정하였다. 다음으로 위상 정보를 고도로 나타내는 변위화(Phase Unwrapping) 단계를 거쳐 m 단위를 가지는 변위를 생성하게 되며 이 때, 침하는 (-), 상승은 (+) 부호를 갖는다. 이후 지형 보정(Terrain Correction)을 통해 지형변화와 위성 센서의 기울기에 대한 왜곡을 보정하여 최종 변위를 산출하게 된다(Mandal et al., 2019). SNAP 처리과정 후 변위 결과는 GIS를 이용하여 WAMIS에서 제공하는 섬진강유역의 국가하천 제방선을 따라 13 m × 13 m의 픽셀 크기를 갖는 변위 결과를 추출하여 분석하였다.

2.1.5 후방산란계수를 이용한 토양수분도 산정

일반적으로 토양 내 수분이 증가하면 침투가 발생하여 지반 내 간극수압의 상승, 침투수로 인한 지반의 함수량 증가로 흙의 전단강도 저하, 표면 유수 침투로 인한 침식 및 파이핑 현상이 발생할 수 있다. 이로 인해 원지반의 평형상태를 붕괴시키며, 사면 파괴에 있어 전단강도 감소 내지 전단응력 증가에 큰 영향을 미치게 된다. 또한, 습윤 상태가 지속될 경우 제체가 팽창하거나 건조 상태가 지속될 경우 수축 현상이 발생하고 균열이 일어날 수 있어 제체의 변형을 유발하게 된다(Abramson et al., 1996). 토양 수분 함량 파악은 일반적으로 지상에서는 TDR(Time Domain Reflectometry)등의 장비를 이용해 측정하나 관측 기기가 존재하는 구역의 토양수분만을 측정할 수 있는 공간적 한계가 존재한다. 반면, 위성의 경우 공간에 제약이 없다. 위성의 레이더파가 토양표면에서 산란되는 전파 크기는 토양의 유전율에 비례하며, 유전율은 다시 토양의 수분함량과 비례하는 관계를 갖는다(Ulaby et al., 1982; Hallikainen et al., 1985). SAR 영상의 전처리를 통해 산정한 후방산란계수를 통해 토양수분 추정이 많은 연구를 통해 증명되어왔다(Paloscia et al., 2013; Lee et al., 2017).

본 연구는 토양 수분도 추정을 위해 IW 모드의 GRD 영상을 이용하여 SNAP의 전처리과정을 거쳐 후방산란계수를 산정하였다. Fig. 6는 전처리 단계를 나타내는 순서도로 궤도 보정, 방사 보정, 열 잡음(Thermal noise) 및 스펙클(Speckle) 보정 지형 보정, dB 스케일 변화 순서로 진행된다. 후방 산란보정을 통하여 3가지(Sigma, Beta, Gamma)가 산정되며, 본 연구에서는 육지를 기준 면적으로 후방산란을 보정하는 Sigma nought 값을 이용하여 후방산란계수를 산정하였다. 보정처리 된 후 Fig. 7과 같이 후방산란계수는 절댓값(10×log)를 취하여 dB(decibels)단위로 변환된다(Kim et al., 2019). 본 연구의 연구 대상지인 금곡교에는 농촌진흥청에서 제공하는 TDR 관측값이 없기 때문에 근접한 남원시의 이백면, 운봉읍의 TDR 실측값과 이백면의 SAR 영상 11개, 운봉읍의 SAR 영상 15개의 후방산란계수와의 회귀모형을 도출하여 후방산란계수와 토양수분도와의 관계를 검증하였다. 검증 결과를 통해 후방산란계수를 통한 토양수분도 추정에 타당성을 확보하였고, 이를 이용하여 금곡교 제방의 후방산란계수를 통한 토양수분도를 추정하였다.

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F6.jpg
Fig. 6.

SNAP Process (Back scattering coefficient)

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F7.jpg
Fig. 7.

Back scattering coefficient image

2.2 결과 분석

2.2.1 변위 신뢰성 검증(Coherence Analysis)

긴밀도는 주영상과 부영상 간의 시간적, 공간적인 일정한 관계가 유지되는지를 나타내며 긴밀도의 수준으로 이를 통해 Interferogram의 질을 측정할 수 있다. Eq. (2)은 긴밀도를 나타내는 식으로 y1,y2는 두 complex image를 나타내며 E는 두 영상 이미지의 통계적 기댓값(statistical Expectation)을 의미한다.

(2)
r=Ey1y2Ey12Ey22(0r1)

영상 이미지의 산란체의 위치 및 물리적 특성이 일치할 때 긴밀도(coherence)는 최대값 1에 도달하며, 산란체의 위치나 속성에 변화가 존재하면 긴밀도는 감소한다. Eq. (3)와 같이 긴밀도는 3가지 주요 인자의 영향에 의해 결정되며

(3)
γ=γN×γS×γT

여기서, γN: 열 잡음에 의한 오차, γS: 공간적 기선 차이에 의한 오차, γT: 부정합에 의한 시간차를 나타낸다(Lu et al., 2018). 긴밀도는 토지의 피복 상태에 영향을 많이 받으며 일반적으로 식생의 변화 및 눈, 비 와 같은 외부 환경의 영향이 적은 인공구조물, 도심지, 논의 경우 높은 긴밀도를 나타내며, 식생의 변화가 잦은 산지, 농경지의 경우 낮은 긴밀도를 나타낸다(Tamm et al., 2016).

본 연구의 대상지는 식생의 영향을 받는 제방으로 높은 긴밀도 결과를 갖기 어렵기 때문에 (Ullo et al., 2019)에서 제시한 한계치(coherence 0.35 이상 비율 44.9% 이상) 에 근접한 봄, 여름 영상 10개를 이용하여 변위 8개를 추출하였다(Table 3, Fig. 8).

Table 3.

Coherence percentage

Date (Spring) 04.09-04.21 (1) 04.21-05.03 (2) 05.03-05.15 (3) 05.15-05.27 (4)
Percentage 50% 49% 53% 61%
Date (Summer) 06.20-07.02 (5) 07.02-07.14 (6) 07.14-07.26 (7) 07.26-08.07 (8)
Percentage 44% 41% 48% 40%

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F8.jpg
Fig. 8.

Coherence statistics in SNAP

2.2.2 변동성 지수(Variance Index) 산정

Sentinel-1 SAR 영상과 SNAP의 전처리과정을 통해 산출한 m 단위의 변위를 분석한 결과, Fig. 9와 같이 금곡교 제방 붕괴 구간의 평균 변위량은 금곡교 하천 수위가 급증 했던 7월 16일과 8월 6일에 부근에 높은 변위량을 나타냈으며 , 이는 수위가 증가함에 따라 제체 내 침투와 습윤 팽창 등으로 제체의 변형이 발생한 것으로 판단된다.

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F9.jpg
Fig. 9.

Deformation_avg (m) and water level in levee

SAR 영상이 긴밀도(coherence) 한계 기준을 만족하더라도 아직까지 열 잡음, 노이즈 등 오차를 완벽하게 제거할 수 없어 정량적인 변위값 분석에는 명확한 한계가 존재한다. 따라서, 본 연구에서는 정량적인 분석의 한계를 극복하기 위해 제체 변위의 변동성을 나타내는 변동성 지수(Variance Index)를 산정하였다. 도로에 변위가 발생하지 않는다고 가정하여 섬진강로 도로의 변위를 0으로 고정시켜 각 지점에 도로의 변위를 차감하여 추가 오차를 제거하였다. 한계를 가진 변위량 자체를 분석하는 대신 Eq. (4)와 같이 발생한 변위 크기(|di|)를 나타내는 변위의 크기 합과 제방 구간에서 각 지점의 변위 데이터의 분산된 정도를 나타내는 표준편차(σ)를 곱하고 무차원화를 위해 픽셀의 면적 값(A)으로 나눈 변동성 지수를 산정하여 제방 제체의 변동성을 확인하여 제체의 변형 취약성을 확인하였다.

(4)
V=|di|×σA

di(m):변위[i=1,27,8],σ(m)=(di-d¯i)2n

Fig. 10는 연구기간 (2020.04.09. .~ 08.07) 동안 금곡교 제방 붕괴 지점의 변동성 지수 결과를 나타낸다. 변동성 지수의 범위는 연구 대상지 에서 0 ~ 11.2 값으로 산정되었고, 이를 4등급으로 구분하여 <안전(A) : 0.0~2.8>, <보통(B) : 2.8~5.6 >, <변동 가능(C) : 5.6~8.4>, <취약(D) : 8.4~11.2 >로 나누었다. 섬진강 제방 좌안의 경우 대부분 ‘보통’을 넘지 않았지만, 붕괴 구간인 (구)금곡교 좌측 부근과 상류로 200 m 떨어진 붕괴구간은 변동성 지수가 <8.4~11.2>를 갖는 취약지점인 것으로 나타났다. 또한, 섬진강 제방 우안의 경우 섬진강 생태공원 부근이 취약지점으로 나타났지만 식생의 영향, 또는 공원 내 다른 요인에 의해 변동성이 크게 산정되었다고 판단할 수 있다. 본 연구의 결과에서 산정한 변동성 지수 등급은 연구 대상 구역에서만 사용이 가능한 한계가 있으며, 대상지역 토양 환경 따라 다르기 때문에 범용성에는 한계가 존재한다.

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F10.jpg
Fig. 10.

Results of levee variance index on Gumgok bridge site

2.2.3 토양 수분도 분석

후방산란계수를 통해 토양수분도 추정에 대한 검증을 위해 농촌진흥청에서 제공하는 남원시 이백면(Lat: 35.4261, Long: 127.4379)과 운봉읍(Lat: 35.43851, Long: 127.5284)의 TDR 실측값과 후방산란계수와의 상관관계를 분석하였다. 검증 결과 Fig. 11과 같이 결정 계수(R2)이 0.65 이상으로 높은 결과로 후방산란계수와 지표면 토양수분의 선형적 관계를 입증하였다. 회귀선의 기울기와 상관성이 다른 이유는 관측지점의 토양의 피복상태, 토지이용, 기상 등 지역적 환경 특성에 큰 영향을 받기 때문이다(Kim et al., 2019). Fig. 12는 금곡교 제방 붕괴 구간의 후방산란계수 결과로 금곡교 지점에는 TDR 관측지가 없어 토양 수분도 값을 알 수 없지만, 앞서 검증한 남원시 운봉읍과 이백면의 선형성을 토대로 후방산란계수를 통해 토양 수분도를 추정하였다. 2020년 봄철 토양수분도 보다 여름철 토양 수분도 추정값이 비교적 높게 산출되었으며, 특히 붕괴 구간 내 7월 14일 토양수분도가 급격하게 증가하는 것을 확인하였다. 이를 통해 제방의 변형이 급격히 발생할 수 있는 지점으로 판단하였다. Sentinel-1 위성의 C-band SAR는 2~5 cm의 투과성을 가지기 때문에 제체 표층부의 토양 수분 확인이 가능하며 선행강우에 따라 토양의 초기 함수율에 큰 영향을 받는다(Kim et al., 2007). 8월 7일(18시 30분) 위성 영상의 금곡교 수위는 EL. 53.42 m로 7월 14일(18시 30분) 영상의 금곡교 수위 EL. 50.18 m보다 높지만 낮은 토양 수분도가 측정되었으며 이는 제방의 식생 및 표층부 초기 함수율에 따라 반영이 되지 않은 상태로 판단된다. 따라서 연구 대상 구역의 붕괴 구간의 토질에 따른 토양 수분 급증 구간 확인이 가능하며 강우와 수위와의 관계는 나타나지 않는다고 판단하였다.

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F11.jpg
Fig. 11.

Verifications between backscatter value and TDR on Ibaek-myeon and Unbong- eup

https://static.apub.kr/journalsite/sites/ksds/2022-015-03/N0240150301/images/ksds_15_03_01_F12.jpg
Fig. 12.

Estimated results of soil moisture by back scattering values on levee failure site

2.2.4 금곡교 제방 붕괴 위험도 평가

본 연구에서는 지반공학적, 수문기상학적, 지형학적, 관리 및 조치와 같은 포렌식 분석 항목들을 제시하고 금곡교 제방의 붕괴 위험도 산정 항목을 Table 4와 같이 제시한다. 섬진강 하천 기본계획(2012)에 따르면 해당 구역은 침수피해 발생 가능성이 높은 지점이며 토양도를 수문학적 토양군(NRSC-CN)으로 분류한 결과 침투율이 대체로 작고 배수가 불량한 ‘Type C’ 구성된 것으로 나타났다. 본 연구의 인공위성 모니터링 결과 제방 제체의 변동성 지수가 ‘취약’지점으로 나타났으며, 여름철 토양 수분도의 급증 구간으로 제체의 변형이 발생할 수 있는 확률이 높은 지점으로 나타났다. 또한, 섬진강 유역은 몬순 기후군으로 여름철 고온다습하고, 여름철 한냉 건조하며, 다우지역에 속하여 태풍이나 집중호우에 위험이 크다. 게다가, 하폭이 좁은 산지하천구간과 넓은 하폭을 갖는 평지하천 구간이 반복되어 불규칙적이며, 요천이 합류된 이후 섬진강 본류 흐름이 직각방향으로 크게 변하여 2020년 8월과 같은 집중호우 발생 시 심각한 통수능 저하가 우려될 수 있다. 관리 및 조치 측면에서는 둑마루폭과 제방고, 비탈면 경사도가 하천설계기준에 미달되며, 둑마루 폭이 현재 도로로 사용되고 있어 하중에 따른 제체 토양의 응력변화에 따른 변형이 발생할 가능성이 높았다. 마지막으로 금곡교는 상판 슬래브 높이가 낮아 하천 흐름에 지장을 줄 가능성이 매우 높았으며, 붕괴 구간은 섬진강댐 하류에 위치하여 집중호우 발생 시 댐 방류량의 영향을 받을 수 있다. 이와 같은 근거로 위험도를 평가한 결과, 제방 붕괴 위험이 상당히 높으며 선제적인 조치가 반드시 필요하였던 제방 구간으로 사료된다.

Table 4.

Levee failure risk assessment table for Gumgok bridge levee failure

Forensic Item Contents
Geotechnical Deformation Variation (a) Soil Characteristics (c) Stratigraphy (c)
Hydrological Meteorological Soil Moisture Variance (a) Rainfall Analysis (b,c) Dam Operation (b)
Topographical Basin Characteristics (b) Channel Plan (b,c) Topographic Condition (b)
Action Management River structures (b) Improvement History (c) Channelization (b,c)

*a: Satellite Monitoring, b: Lee et al., 2020, c: Kool et al., 2019

3. 결 론

본 연구는 Sentinel-1 SAR 영상 이미지 자료를 이용하여 2020년 8월 붕괴된 섬진강 유역의 남원시 금곡교 제방의 취약지점 및 붕괴 전조증상을 분석 하였고, 위성을 이용한 제방 모니터링과 결합한 제방 붕괴 위험 산정기법을 제시하였다. 연구 기간은 2020. 04. 09부터 2020. 08. 07일로 봄과 여름에 해당하는 10개의 위성 영상을 SNAP의 S1TBX를 이용하여 IW-SLC 영상의 전처리와 DInSAR 기법으로 m단위의 제방의 지표 변위를 산출하였다.

분석 결과 금곡교 제방 붕괴 구간의 평균 변위크기의 변화가 금곡교 하천 수위의 증감과 유사한 경향을 나타내었다. 추출한 변위는 신뢰 기준 이상의 긴밀도(coherence)를 만족하였지만, 아직까지 변위 결과에 오차가 존재하여 제체의 변위 변동성을 나타내는 변동성 지수(Variance Index)를 산출였다. 이후, 4단계의 위험 등급을 구분하였고 붕괴 구간이 가장 높은 ‘취약’ 단계를 나타나는 것을 확인하였다. 다음으로 제방 제체의 토양수분도를 추정하기 위하여 TDR 토양수분 실측값과 SAR영상의 후방산란계수와의 관계를 도출하였고, 남원시 이백면과 운봉읍의 TDR 실측값과 후방산란계수의 회귀분석 결과 결정 계수(R2)가 0.67 이상으로 높은 선형성의 관계를 나타내었다. 결과를 적용하여 연구 기간의 남원시 금곡교 제방의 후방산란계수를 산출하여 토양수분도 추정값을 분석한 결과 붕괴 구간 내 토양 수분이 급증하는 구간을 확인하였다. 토양 수분과 변위 변동성의 지점별 대응관계를 확인하지는 못하였으나, 토양 수분의 급증으로 주변부 지반 거동에 영향을 미치는 것으로 판단하였다. 이후 최종적으로 위성 모니터링 결과와 설정한 포렌식 분석 항목들을 결합하여 지반공학적, 수문기상학적, 지형학적, 관리 및 조치와 같은 붕괴 요인들을 통해 제방 붕괴 위험도를 평가한 결과 매우 높은 위험도를 갖는 상태임을 확인하였다.

본 연구의 위성 데이터 분석값은 연구 대상지에만 적용 가능하여 범용성에 분명한 한계가 존재하며, 아직까지 특정 유형의 분석에 대한 InSAR의 적용가능성과 품질의 보장은 신뢰도 및 정밀도가 떨어져 관찰 지역에 특성에 따라 분석값이 균일하지 않은 한계가 존재한다(Chang et al., 2018). 그러나 위성 기술은 계속 발전하는 추세이며 장기적인 측정을 이용하면 신뢰도의 한계를 극복할 수 있을 것으로 판단된다. 향후에는 붕괴 또는 이상 현상이 발생한 제방 구역에 포렌식 기법을 적용하여 적절한 항목들을 설정하고, 유역 특성 및 기후에 따라 가중치 산정이 적용된다면 매우 효과적으로 선제적 대응을 통해 붕괴 및 사고를 예방할 수 있을 것이다. 또한, 원격 기술 이미지의 스케일 업다운 효과와 파노라마 형식 기술 적용을 통해 분석결과의 확대적용을 위한 일관성을 향상시키고 하천 주변 CCTV를 활용하여 제방 유지관리를 위한 실시간 모니터링 시스템과 유역별 포렌식 분석 항목을 결합한 제방 위험도 산정 시스템이 구축된다면 제방 유지관리 기술 고도화와 국가재난관리 향상이 가능할 것으로 기대한다.

Acknowledgements

본 결과물은 교육부의 재원으로 홍익대학교의 대학혁신지원사업(UROP)의 지원을 받아 연구되었으며, 자문을 주신 산업체 전문가 H2R 소속의 제갈선동 박사님께 감사드립니다.

References

1
Abramson, L., Lee, T. Sharma, S., and Boyce, G. (1996). Slope Stability and Stabilization Methods. Jonh Wiley & Sons Inc., New York, Segunda Edição, p. 629
2
Ahn, M. H., Bae, I. H., Kang, J. g., and Ji, U. (2020). Large-scale Levee Monitoring Experiment Using Fiber-optic Sensor and Distributed Temperature Sensing System. Journal of Korean Society of Ecology and Infrastructure Engineering. 7(3): 181-188.
3
Ariyama, T. and Saito, Y. (2014). Satellite-based Disaster Management System for Asia-Pacific Region. Fujitsu Scientific and Technical Journal. 50(3): 24-29.
4
Chang, L., Dollevoet R. P. B. J., and Hanssen, R. F. (2018). Monitoring Line-Infrastructure with Multisensor SAR Interferometry: Products and Performance Assessment Metrics. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 11(5): 1593-1605. 10.1109/JSTARS.2018.2803074
5
Choung, Y. J. (2014). Mapping Levees Using LIDAR Data and Multispectral Orthoimages in the Nakdong River Basins, South Korea. Journal of Remote Sensing. 6(9): 8696-8717. doi:10.3390/rs6098696 10.3390/rs6098696
6
Gao, Q., Zribi, M., Escorihuela, M. J., and Baghdadi, N. (2017). Synergetic Use of Sentinel-1 and Sentinel-2 Data for Soil Moisture Mapping at 100 m Resolution. Sensors. 17(9): 1966. 10.3390/s1709196628846601PMC5621168
7
Ge, L., Chang, H. C., and Rizos, C. (2007). Mine Subsidence Monitoring Using Multi-source Satellite SAR Images. Photogrammetric Engineering & Remote Sensing. 73(3): 259-266. 10.14358/PERS.73.3.259
8
Geudtner, D., Torres, R., Snoeij, P., Davidson, M., and Rommen, B. (2014). Sentinel-1 System Capabilities and Applications. In 2014 IEEE Geoscience and Remote Sensing Symposium. IEEE. pp. 1457-1460. 10.1109/IGARSS.2014.6946711
9
Hallikainen, T., Ulaby, F. T., Dobson, M. C., El-Rayes, M. A., and Wu, L. 1985. Microwave Dielectric Behavior of Wet Soil. Part-I: Empirical Models and Experimental Observation. IEEE Trans. Geosci. Remote Sens. 23: 25-34. 10.1109/TGRS.1985.289497
10
Kim, H. B., Yoon, H. S., Youm, M. K., and Lee, W. E. (2017). Land Subsidence Analysis for the High-speed Railway Line of Honam using D-InSAR Technique. Journal of the Korean Society for Geospatial Informartion Science. 25(3): 35-41. 10.7319/kogsis.2017.25.3.035
11
Kim, J., Park, Y., Jeon, J., Engel, B., Ahn, J., Park, Y., Kim, K., Choi, J., and Lim, K. (2007). Evaluation of L-THIA WWW Direct Runoff Estimation with\ AMC Adjustment. Journal of Korean Society on Water Quality. 23(4): 474-481 (in Korean with English abstract).
12
Kim, S. W., Lee, T. H., and Shin, Y. C. (2019). Estimation of High-Resolution Soil Moisture based on Sentinel-1 A/B SAR Sensor. Journal of the Korean Society Agriculture. 61(5): 89-99.
13
Kool, J. J., Kanning, W., Heyer, T., Jommi, C., and Jonkman, S. N. (2019). Forensic Analysis of Levee Failures: The Breitenhagen Case. International Journal of Geoengineering Case Histories. 5(2): 70-92.
14
Lee, S. H., Yu, K. K., Kim, S. D., and Kang, T. U. (2020). Analysis of the Cause of Floods in Busan and Gyeongnam on August 2020. Journal of Korea Water Resource Association: Water for Future. 53(11): 49-62.
15
Lee, S. J., Hong, S., Cho, J., and Lee, Y. W. (2017). Experimental Retrieval of Soil Moisture for Cropland in South Korea using Sentinel-1 SAR data. Korean Journal of Remote Sensing. 33(6_1): 947-960.
16
Liu, L., Jiang, L., Sun, Y., Yi, C., Wang, H., and Hsu, H. (2016). Glacier Elevation Changes (2012-2016) of the Puruogangri Ice Field on the Tibetan Plateau Derived from Bi-temporal TanDEM-X InSAR data. International Journal of Remote Sensing. 37(24): 5687-5707. 10.1080/01431161.2016.1246777
17
Lu, C. H., Ni, C. F. Chang, C. P., Yen, J. Y., and Chuang, R. Y. (2018). Coherence Difference Analysis of Sentinel-1 SAR Interferogram to Identify Earthquake-Induced Disasters in Urban Areas. MDPI Remote Senings. 10(8): 1318. doi: 10.3390/rs10081318 10.3390/rs10081318
18
Mandal, D., Vaka, D., S., Bhogapurapu, N. R., Vanama, V. S. K., Kumar, V., Rao, Y. S., and Bhattacharya, A. (2019). Sentinel-1 SLC Preprocessing Workflow for Polarimetric Applications: A Genericpractice for Generating Dual-pol Covariance Matrix Elements in SNAP S-1 Toolbox. Preprint. 10.20944/preprints201911.0393.v1
19
Massonnet, D. and Rabaute, T. (1993). Radar Interferometry: Limits and Potential. IEEE Transactions on Geoscience and Remote Sensing. 31(2): 455-464. 10.1109/36.214922
20
Ministry of Land, Transport and Maritime Affairs of Republic of Korea (2009). Seomjingang River Master Plan Report. Iksan Regional Construction Management Office. Sejong: MOLIT.
21
Ministry of Land, Transport and - Maritime Affairs of Republic of Korea (2012). Seomjingang River Master Plan Report. Iksan Regional Construction Management Office. Sejong: MOLIT.
22
Moreira, A., Prats-Iraola, P., Younis, M., Krieger, G., Hajnsek, I., and Papathanassiou, K. P. (2013). A Tutorial on Synthetic Aperture Radar. IEEE Geoscience and Remote Sensing Magazine. 1(1): 6-43. 10.1109/MGRS.2013.2248301
23
Özer, I. E., van Leijen, F. J., Jonkman, S. N., and Hanssen, R. F. (2018). Applicability of Satellite Radar Imaging to Monitor the Conditions of Levees. Journal of Flood Risk Management. 12(S2): e12509. 10.1111/jfr3.12509
24
Paloscia, S., Pettinato, S., Santi, E., Notarnicola, C., Pasolli, L., and Reppucci, A. J. R. S. O. E. (2013). Soil Moisture Mapping Using Sentinel-1 Images: Algorithm and Preliminary Validation. Remote Sensing of Environment. 134: 234-248. 10.1016/j.rse.2013.02.027
25
Rosen, P. A., Hensley, S., Joughin, I. R., Li, F. K., Madsen, S. N., Rodriguez, E., and Goldstein, R. M. (2000). Synthetic Aperture Radar Interferometry. Proceedings of the IEEE. 88(3): 333-382. 10.1109/5.838084
26
Tamm, T., Zalite, K., Voormansik, K., and Talgre, L. (2016). Relating Sentinel-1 Interferometric Coherence to Mowing Events on Grasslands. MDPI Remote Sensing. 8(10): 802. doi: 10.3390/rs8100802 10.3390/rs8100802
27
Ulaby, F. T., Moore, M. K., and Fung, A. K. (1982). Microwaveremote Sensing. Active and Passive. Artech House Inc., Norwood, MA, USA.
28
Ullo, S. L., Addabbo, P., Martire, D. D., Sica, S., Fiscante, N., Cicala, L., Angelino, C. V. (2019). Application of DInSAR Technique to High Coherence Sentinel-1 Images for Dam Monitoring and Result Validation through in Situ Measurements. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 12(3): 10-11. 10.1109/JSTARS.2019.2896989
29
Yoon, K. S. (2003). Stability Evaluation according to the Cause of River Levee Failure. Journal of Korea Water Resource Association: Water for Future. 35(5): 25-31.
30
Yu, J. H. and Yun, H. W. (2019). Development of Continuous Ground Deformation Monitoring System using Sentinel Satellite in the Korea. Korean Journal of Remote Sensing. 35(5): 773-779.

Korean References Translated from the English

31
국토교통부 (2009). 섬진강 하천기본계획 보고서. 익산 지방국토관리청. 세종: 국토교통부.
32
국토교통부 (2012). 섬진강 하천기본계획 보고서. 익산 지방국토관리청. 세종: 국토교통부.
33
김상우, 이태화, 신용철 (2019). Sentinel-1A/B SAR 센서 기반 고해상도 토양수분 산정. 한국농공학회논문집. 61(5): 89-99.
34
김종건, 박윤식, 전지홍, Engel, B. A., 안재훈, 박영곤, 김기성, 최중대, 임경재 (2007). 선행토양함수조건(AMC)을 고려한 L-THIA WWW 직접유출 모의 정확성 평가. 한국물환경학회지. 23(4): 474-481.
35
김한별, 윤홍식, 염민교, 이원응 (2017). D-InSAR 기법을 이용한 호남선 고속철도 구간 지반 침하 분석. 대한공간정보학회지. 25(3): 35-41. 10.7319/kogsis.2017.25.3.035
36
안명희, 배인혁, 지운, 강준구 (2020). 광섬유 센서와 분포형 온도 센싱 시스템을 이용한 실규모 제방 모니터링 실험. 응용생태공학회. 7(3): 181-188.
37
유정흠, 윤혜원 (2019). Sentinel 위성기반 한반도 연속 지반변화 관측체계 개발. 대한원격탐사학회지. 35(5): 773-779.
38
윤광석 (2003). 하천제방 붕괴원인에 따른 안전성 평가. 물과 미래: 한국수자원학회지. 36(5): 25-31.
39
이상호, 류권규, 감상단, 강태욱 (2020). 2020년 8월에 발생한 부산․경남 수해의 원인분석. 물과 미래: 한국수자원학회지. 53(11): 49-62.
40
이수진, 홍성욱, 조재일, 이양원 (2017). Sentinel-1 SAR 데이터를 이용한 우리나라 농지의 토양수분 산출 실험. 대한원격탐사학회지. 33(6): 947-960.
페이지 상단으로 이동하기