자연하천의 드론영상 활용 홍수관리 데이터 취득과 수리특성 분석
Analysis of Hydraulic Characteristics and Acquisition of Flood Management Data Using D-HSI in Natural Streams
Article information
Abstract
자연재해 예방은 기상이변에 따른 가뭄과 집중호우 발생에 의한 하천 이치수의 순기능 유지관리는 물론, 신속하고 정확한 예측을 통해 피해를 최소화하는 것이 필요하다. 본 연구는 이를 위한 관련 데이터를 신속⋅정확하게 수집⋅분석하는데 드론 라이다(D-LiDAR)의 지형데이터와 드론 초분광 이미지(Drone Hyperspectral Image, D-HSI) 데이터의 활용으로 수리특성을 분석하였다. HEC-RAS 모형은 본 연구의 D-LiDAR 지형 데이터와 하천기본계획의 조도계수 사용 결과와 정규식생지수(Normalized Difference Vegetation Index, NDVI)의 추가에 의한 매개변수 적용 결과를 비교 분석하였다. 그 결과 100년 빈도 계획홍수량의 경우 평균유속은 NDVI에 의한 구역별 저항계수 적용에서 평균 2.23 m/s 감소, 홍수위는 평균 0.30 m 상승, 통수 단면적은 평균 20.17 m2 증가하였다. 이는 자연하천의 흐름특성 변화에 식생인자의 영향이 큼을 확인하였다. 본 연구에 의한 자료구축⋅분석방법은 홍수 시 신속한 하천 흐름특성의 측정⋅분석과 가뭄⋅홍수예방의 예측기법⋅경보관련 시스템 개발에 유용한 정보를 제공할 수 있을 것이다.
Trans Abstract
Natural disaster prevention requires the maintenance of the proper function of river flow during droughts and heavy rains caused by abnormal weather as well as the minimization of damage via rapid and accurate predictions. This study analyzed hydraulic characteristics by utilizing D-LiDAR (Drone LiDAR) topographic data and D-HSI (Drone Hyperspectral Image) data to quickly and accurately collect and analyze related data. The HEC-RAS model was used to compare and analyze the results obtained via the D-LiDAR topographic data of this study, the roughness coefficient of the river master plan, and the results of applying parameters by adding NDVI. As a result, in the case of a 100-year frequency flood discharge, the average velocity decreased by an average of 2.23 m/s when applying the resistance coefficient by area, based on NDVI. Moreover, the flood level increased by an average of 0.30 m, and the cross-sectional area of the flow capacity increased by an average of 20.17 m2. These results confirms that vegetation has a significant influence on the flow characteristics of natural streams. Hence, the data construction and analysis method used in this study can provide useful information regarding the rapid measurement and analysis of river flow characteristics during floods as well as and the development of prediction techniques and warning-related systems for drought and flood prevention.
1. 서 론
기후 변화로 인한 강우 패턴의 불규칙성과 가뭄 빈도의 증가로 인해 수자원 관리와 환경보전의 중요성이 그 어느 때보다도 커지고 있다. 자연하천은 이러한 문제에 대응하는 중요한 생태적 요소로 하천의 수리적 특성을 정확히 이해하고 관리하는 것은 필수적이다. 그러나 홍수관리 측면에서 식생은 하천의 흐름저항을 증가시켜 홍수 시 수위를 높이는 부작용이 있다. 이러한 식생으로 인한 흐름저항은 수리학적 안정성에 직접적인 영향을 미치므로 이를 정확히 파악하는 것은 수자원 관리에 있어 매우 중요하다(Lee and Song, 2010). 기존의 항공사진측량과 위성영상 분석은 하천 모니터링에 사용되어 왔으나, 이러한 방법은 비싼 비용과 긴 시간이 소요되어 현실적으로 모든 지역에 적용하기 어렵다. 이에 대한 대안으로 드론을 이용한 측량 방법은 접근이 어려운 지역에서도 신속하게 영상을 취득하고 분석할 수 있는 장점을 제공한다(Kim, 2021). 특히, 드론 영상과 원격탐사 기술을 활용한 자연하천의 식생 분석과 보정은 수리특성 분석에 중요한 요소로 인식되고 있다.
Gwon et al. (2022)은 시공간 초분광영상을 활용하여 다양한 수질 항목과 하천인자의 변화를 감지하고 횡분산계수를 도출하였다. Lee and Kim (2010)은 하천유형별 수치모형을 이용하여 식생 전후의 홍수위 변화를 분석하였으며, Lee and Julien (2012)은 Manning 조도계수와 Darcy-Weicbach 마찰계수 관계식을 통해 자연하천의 하상재료와 식생하천의 마찰계수와 조도계수 분포를 분석하였다.
자연하천의 식생을 정량화하기 위해 NDVI (Nomalized Difference Vegetation Index)와 같은 식생지수가 널리 사용되고 있으며, 이를 통해 식생은 밀도와 활력도(Vitality)를 파악할 수 있다. Park et al. (2016)은 Lansat-8 OLI (Operational Land Imager)영상과 NDVI, NDWI (Normalized Difference Water Index)를 이용하여 하천식생분류 정확도 개선에 관한 연구를 진행하였다. Min et al. (2011)은 슐레 강 유역에서 다양한 식생 지수와 식생 가장자리 매개변수를 비교 분석하여 NDVI와 RVI (Renormalized Difference Vegetation index)가 식생 커버의 넓은 범위에 대해 다른 식생지수보다 더 정확한 추정 값을 제공한다고 제시하였다. Galvincio (2019)은 드론을 통해 얻은 RGB 이미지를 사용하여 NDVI를 추정하는 연구를 수행하였고, Landsat 5 위성의 방사보정 방정식을 활용하여 드론 이미지를 교정하고 NDVI 추정치의 정확성을 평가하였다. Sun et al. (2021)은 초분광 영상을 기반으로 한 새로운 식생 지수인 HSVI (Hyperspectral Image- based Vegetation index)를 개발하여 도시 환경에서 식생을 효과적으로 탐지하고 평가하는 방법을 분석하였다. HSVI는 90% 이상의 식생 추출 정확도를 달성하며, 기존의 식생 지수보다 더 높은 성능을 보여주었다. Ougahi et al. (2022)은 파키스탄 북동부 상부 젤룸강 유역에서 기후 변화가 식생 생산성과 하천 수문학에 미치는 영향을 NDVI, 기후 변수, 하천유량 데이터를 사용하여 분석하였다. Feng et al. (2021)은 황수이 강 유역에서 NDVI와 기후 요인, 지형, 토지이용이 NDVI의 시공간 분포 특성에 미치는 영향을 정량적으로 분석하였고, NDVI가 누적 온도와 누적 강수량, 유효 누적 강수량과 양의 상관관계를 연구하였다. Boitumelo et al. (2022)은 Sentinel-2 위성 이미지와 GIS 도구를 사용하여 식물의 수분 공급 변화를 분석하였다. Wei and Wan (2022)은 위화강 유역에서 NDVI 데이터와 GRACE, GRACE Follow-On 시간 변화 중력장 모델을 사용하여 식생피복과 저류량 변화를 파악하고 NDVI와 지상수자원 저장량(TWS) 변화 사이의 상관관계를 분석하였다. Fiorentini et al. (2023)은 비지도학습(Isodata Clustering)과 지도학습(Random Forest) 기계학습 알고리즘을 사용하여 도시 하천인 리파리안강의 식생을 자동으로 탐지하고 분류하는 방법론을 제시하였다.
이와 같이 국내외적으로 다양한 연구들이 수행되고 있는 가운데, 본 연구는 자연하천의 식생분류방법으로 드론영상(D-HSI)기법을 적용하고자 한다. 식생이 강하게 반사되는 근적외선과 식생이 강하게 흡수는 적색광의 차이를 측정하여 식생을 정량화할 때 사용하는 정규식생지수(NDVI)를 도입하고자 한다. 또한 수치해석 프로그램인 HEC-RAS모형(v6.5) (USACE, 2020)에 D-LiDAR (Drone LiDAR)의 지형 측량성과를 적용하고 하천기본계획의 조도계수와 NDVI를 사용하여 분류한 식생 조도계수를 추가하여 수자원 변화를 분석하고자 한다. 본 연구를 토대로 드론영상을 이용한 하천공간의 정밀한 측정에서 정확도 높은 데이터 수집방법을 제시함으로써 이를 근거로 진행되는 하천 재해방지를 위한 예경보시스템의 개발에 유용한 정보를 제공하고자 한다.
2. 이론적 배경
2.1 D-LiDAR
D-LiDAR는 드론에 탑재된 GPS와 IMU (Inertial Measurement Unit) (항법장치)를 사용하여 센서의 위치와 자세(Attitude)를 파악하며, 레이저 스캐너를 통해 지상에 레이저를 주사하여 센서로부터 지상의 높이를 수집하는 장치이다. Fig. 1의 D-LiDAR는 IMU, 지상 GPS, 드론 GPS의 좌표계가 공존하며, 이들 간의 3차원 회전변환을 통해 모든 데이터가 지상의 GPS 좌표계로 변환된다(Han, 2016).
Conceptual Diagram of LiDAR
2.2 초분광 영상
Fig. 2는 전자기파 스펙트럼과 가시광선 영역을 나타낸 것으로 RGB (Red array-Green array-Blue artay) 영상은 빛의 이중성을 활용하여 빛의 입자인 광자를 프리즘을 이용하여 적색, 녹색, 청색 파장에 따라 분류하고, 분류된 광자의 양을 디지털화하여 기록한 것이다. 초분광 영상(Hyperspectral image)은 다양한 파장을 기록한 영상으로, 가시광선 중 625~725 nm 파장대인 적색, 520~570 nm 파장대인 녹색, 그리고 약 470 nm 파장대에 해당하는 청색을 포함하여 넓은 영역의 파장을 기록한다.
Range on Electromagnetic Spectrum and Visible Light
2.3 정규식생지수
정규식생지수(NDVI)는 식생의 밀도와 활력도(Vitality)를 파악하기 위해 가시광선과 근적외선 대역의 두 영상으로부터 반사도 차이를 이용하여 계산하는 지수이다. NDVI는 식생의 분포와 시간⋅공간적 변화를 이해하는데 사용되며 Eq. (1)과 같이 정의된다(Park et al., 2016).
Eq. (1)의 NDVI 값은 –1.0~1.0의 범위를 가지며, 1에 가까울수록 식생의 밀도와 활력도가 높음을 의미한다(Kim, 2021). NDVI 값이 음수인 경우는 주로 구름, 물, 눈에 해당하며, 0에 가까운 값은 주로 암석과 토양에 해당한다. NDVI 값 중 0.1 이하는 나지, 0.1~0.3은 식생이 없거나 식생 분포가 매우 낮은 지역, 0.3~0.7은 식생 분포가 평균 지역, 0.8~1.0은 식생 분포가 매우 높은 지역을 나타낸다(Ayvazyan and Asmaryan, 2023).
본 연구는 NDVI 분석을 위해 근적외선 대역 NIR (800.034 nm)과 가시광선 대역 Red (680.266 nm) 밴드를 적용하여 Eq. (2)와 같이 계산한다.
2.4 자연⋅식생하천의 저항계수
식생에 따른 수리학적 영향을 분석하기 위한 계산방법에는 조도계수 이용 방법, 유속계산 방법, 식생에 의한 저항치 산정 방법, 표준계산방법, 경계면에서의 저항치 계산하는 방법 등이 있다(Lee and Song, 2010). 식생과 분할단면에 의한 전단저항력방생은 그 경계층에서 점성을 가진 두 유체간의 마찰저항 때문이며, 식생과 유체사이에서 경계 혼합이 발생하는 조건은 식생이 제방 가까이 있는 경우와 하도의 중간부에 있는 경우, 저수로와 고수부지 사이에 있는 경우로 나눠 계산한다.
저항계수는 크게 Darcy-Weisbach 마찰계수 f와 Manning의 조도계수 n으로 나뉘며, 이들 계수는 Chézy 평균유속계수 C와 편리하게 변환하여 Eq. (3)과 같이 사용한다(Lee and Julien, 2012).
Table 1은 모래, 자갈, 조약돌, 호박돌 자료로 구성된 자연하천 하상자료와 초본, 관목, 교목으로 구성된 식생하천 식생자료의 저항계수 분석결과이다(Lee and Julien, 2012). 본 연구대상지의 식생부분은 식생하천 초본의 Manning의 n 평균값으로 0.045를 적용하였고, 식생이 없는 부분은 성연천 하천기본계획에 사용된 조도계수 0.030을 적용하였다(Chungnam, 2009).
Resistance Coefficients of Natural and Vegetated Streams
3. 적용⋅분석
본 연구는 지방하천인 Fig. 3의 성연천 하류구간을 대상으로 Fig. 4의 D-LiDAR로부터 취득한 지형데이터를 변환하여 자연하천의 수리특성을 분석하고자 한다.
This Study Area
Equipments Used in This Study
3.1 적용 대상지역
본 연구의 대상지역은 Fig. 3과 같이 충남 서산시 성연면 명천리 452-6번지에 위치한 성연천을 선정하였다.
3.1.1 대상지역 선정
Fig. 3과 같이 대상지역은 유역면적 27.72 km2이고, 유로 연장 6.97 km인 지방하천으로, 동경 36˚ 47′~36˚ 51′, 북위 126˚ 24′~126˚ 29′에 위치한다. 유역형상은 수지상이며, 남북길이는 약 6.4 km, 동서로는 약 7.7 km이다(Chungnam, 2009). 연구대상 구간은 하류구간이며 수로구간 길이는 370 m이다.
3.1.2 사용장비
본 연구에 사용된 장비는 Fig. 4와 같이 D-LiDAR 측량에 DJI사의 M300 RTK 드론과 Greenvalley LIDAR장비를 사용하였으며, D-HSI 측량에 DJI사의 M600 드론과 Heawall Hyperspectral Camera를 사용하였다.
3.2 드론측량
3.2.1 D-LiDAR
D-LiDAR 측량에는 DJI M300 RTK 드론과 Greenvalley LIDAR장비를 사용하였으며, RTK 모바일스테이션을 설치한 후 촬영고도 100 m로 측량을 진행하였다.
Fig. 5는 D-LiDAR 측량을 통해 얻은 포인트클라우드와 횡단면도 포인트 클라우드의 영상분석 결과이다. Fig. 6은 지형 분석 작업을 수행한 포인트 클라우드와 횡단면도 포인트 클라우드이다.
Analysis of Point Cloud Using D-LiDAR
Classification of Terrain Point Cloud Using D-LiDAR
3.3 정규식생지수분석
본 연구에서 NDVI 분석을 위해 D-HSI의 273개의 밴드값 중 NIR (800.034 nm)과 Red (680.266 nm) 밴드를 이용하여 QGIS (v.3.30.3)를 통해 NDVI를 분석하였다. Fig. 8(a)는 NDVI의 분석 결과 이미지이며, NDVI 값은 –1~1을 가진다. 파란색에 가까울수록 –1 (음수), 녹색에 가까울수록 1 (양수)을 나타낸다. 1 (양수)에 가까울수록 식생의 활동성이 증가함을 나타낸다. Fig. 8(b)는 NDVI값 중 0.3~0.7은 식생 분포가 평균 지역, 0.8~1.0은 식생 분포가 매우 높은 지역(Ayvazyan and Asmaryan, 2023)으로 분류한다. 본 연구는 자연하천에서의 식생 분류를 위해 0.3 < NDVI < 1 값을 적용하였다.
Results of NDVI Vegetation Classification Using QGIS
3.4 결과 분석
본 절에서는 D-LiDAR의 지형데이터를 활용해 DTM 변환 수행과 이를 기반으로 하는 분석모형의 경계조건 등 추자적인 매개변수를 구성하여 수리특성 값을 결정하고 그 결과를 분석한다.
3.4.1 D-LiDAR와 HEC-RAS 결과
Fig. 9는 D-LiDAR로부터 얻은 DTM 데이터를 HEC-RAS (v6.5)에 적용한 것이다. RAS Mapper에서 Terrains에 DTM 데이터를 적용하였으며, Geometries를 통해 종⋅횡단과 Manning의 n 값을 적용하였다.
Geometry Data for HEC-RAS
Fig. 9(a)는 HEC-RAS에 적용한 지형자료에 Manning의 n 값을 성연천 하천기본계획의 조도계수 0.03을 적용한 것이다. Fig. 9(b)는 HEC-RAS에 적용한 지형자료에 Manning의 n 값을 NDVI를 통해 얻어진 식생 LandCover 데이터를 사용하여 Lee and Julien (2012)에서 제시한 식생하천 초본의 Manning의 n 평균값 0.045를 적용하였다. 그 외 부분은 0.03을 각각 적용하였다.
또한 Table 2는 기본계획에 제시된 확률 빈도별 홍수위와 홍수량 자료이며, 이는 유량자료와 경계조건으로 사용하였다.
Boundary Conditions Used in HEC-RAS
Fig. 10은 HEC-RAS를 활용하여 D-LiDAR로 획득한 지형 데이터에 기본계획의 조도계수와 NDVI의 부분별 조도계수를 이용한 지형자료 분석한 결과이다.
Calculated Cross-section Using HEC-RAS at STA. 0 + 150
총 9개의 횡단면도 중 STA. 0 + 150에 적용된 조도계수를 나타냈으며, 기본계획의 조도계수 적용 시 홍수위는 4.3 m, NDVI의 부분별 조도계수 적용 시 홍수위는 4.62 m로 전자 보다 0.32 m 증가한 것으로 나타났다.
Fig. 11은 HEC-RAS를 사용하여 기본계획의 조도계수와 NDVI 부분별 조도계수의 적용에 의한 지형자료 분석한 결과로, 지형의 특성과 조도계수의 적용에 따른 수치해 결과의 시각적 변화특성 분석결과이다.
Analysis Results of Flow Characteristics on 100yr Frequency
총 9개 측점(STA) 중 Fig. 11은 STA. 0 + 100에서 기본계획의 조도계수 적용 시 평균유속은 2.57 m/s, NDVI의 부분별 조도계수 적용 시 2.27 m/s로 나타났다. STA. 0 + 150에서는 각각 2.56 m/s, 2.21 m/s로, STA. 0 + 200에서는 2.37 m/s, 2.04 m/s로 평균유속이 감소하는 것으로 나타났다.
3.4.2 종합 분석
기본계획의 조도계수와 NDVI에 의한 구역별 조도계수를 이용하여 100년 빈도 계획 홍수량에서 수리학적 특성의 비교결과는 Table 3과 같이 분석되었다.
Comparisons of Hydraulic Characteristics Between Basic Plan and NDVI
STA. 0 + 0에서 기본계획의 조도계수 적용 시 평균유속은 2.95 m/s, 홍수위는 3.78 m, 통수 단면적은 116.24 m2, NDVI의 부분별 조도계수 적용 시 평균유속은 2.95 m/s, 홍수위는 3.78 m, 통수 단면적은 116.24 m2, STA. 0 + 50에서 기본계획의 조도계수 적용 시 평균유속은 2.63 m/s, 홍수위는 4.04 m, 통수 단면적은 130.41 m2, NDVI의 부분별 조도계수 적용시 평균유속은 2.40 m/s, 홍수위는 4.18 m, 통수 단면적은 142.74 m2이다.
Fig. 12는 D-LiDAR와 D-HSI를 사용하여 측정한 지형 데이터와 초분광 데이터를 기반으로 한 하천의 수리특성 비교분석 결과이다. 각 측점에 대한 왼쪽 축의 평균유속과 오른쪽 축의 홍수위, 통수 단면적 비교결과는 NDVI를 추가한 저항계수에 대해 평균유속은 감소하고, 홍수위와 통수 단면적은 증가하는 것으로 나타났다. 이는 NDVI를 추가한 평균유속은 약 2.23 m/s 감소하였고, 홍수위는 약 0.30 m 상승하였으며, 통수 단면적은 약 20.17 m2 증가한 것으로 나타났다.
Comparisons of Hydraulic Characteristics Results Between Basic Plan and NDVI
동일흐름 조건에서 기본계획의 조도계수와 NDVI 추가에 의한 구역별 조도계수 비교결과의 주요 지점별 특성치는 Table 4와 같이 나타났다.
Comparisons of Analysis Results between Basic Plan and NDVI
Fig. 13은 평균 유속, 홍수위, 통수 단면적의 기본계획과 NDVI값의 치이를 측점별로 도시한 결과이다. 이들 중 Table 4의 9개 측점 중 대표적인 STA. 0 + 150에서 평균유속은 0.35 m/s, 홍수위는 0.32 m, 통수 단면적은 21.040 m2으로 나타났다.
Comparisons of Results Between Basic Plan and NDVI
또한, 기본계획 조도계수와 NDVI 초분광 분석을 적용한 100년 빈도 계획 홍수량 조건에서 홍수위 비교결과는 STA. 0 + 0 지점 최소 0.00 m에서 STA. 0 + 370 지점 최대 0.44 m로 평균 0.30 m 홍수위가 상승을 나타내었다. 기본계획과 NDVI 분석에 의한 통수단면적의 비교결과는 STA. 0 + 0 지점 최소 0.00 m2에서 STA. 0 + 370 지점 최대 28.08 m2로 평균 20.17 m2 통수단면적 증가를 보였다.
이상의 결과를 종합할 때 본 연구 결과는 NDVI와 같은 식생지수를 활용한 분석이 홍수 관리에 있어 중요한 도구가 될 수 있음을 보여주었다. 이를 통해 식생 밀도와 분포의 변화가 홍수 시 하천의 수리특성에 미치는 영향을 정확하게 파악하고, 이를 기반으로 효율적인 홍수 관리 대책을 마련하는데 기여할 수 있을 것이다.
4. 결 론
본 연구에서는 지방하천인 성연천 하류구간을 대상으로 D-LiDAR와 D-HSI 분석방법을 활용하여 식생의 조도계수가 하천의 수리특성에 미치는 영향을 분석하였다. 그 결과 다음과 같은 결론을 얻었다.
NDVI에 의한 식생 조도계수를 추가했을 때 특정구역에서 평균유속이 기본계획 대비 최대 2.23 m/s 감소하였다. 이는 식생밀도의 증가로 유속이 감소됨으로써 홍수관리측면에서 제방과 하상의 세굴 관련문제를 완화시킬 수 있을 것이다.
반면에, NDVI 분석을 통해 산출된 통수 단면적은 평균 20.17 m2 증가하였다. 이는 하도 내 식생이 통수능을 감소시키고 통수 단면적을 확대시켜 홍수 유동에 일부분 유리함이 있겠지만 범람 초래의 요인이 될 수 있을 것이다.
100년 빈도 계획 홍수량 조건에서 식생 조도계수를 고려한 홍수위는 평균 0.30 m 상승하였다. 이는 홍수관리에서 식생조도가 잠재적 위험 요소로 작용할 수 있으며, 이에 대한 적절한 대비가 필요할 것이다.
본 연구 결과는 하천 재해방재를 위한 각종 계획수립과 수자원 관리에 유용한 정보를 제공할 수 있을 것이다. 정확성 있는 통수능 예측을 통해 홍수관리 예경보 시스템의 구축뿐만 아니라 기후변화로 인한 이상 기상현상에 대응하는 데 중요한 자료로 활용할 수 있을 것이다.