J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 17(3); 2017 > Article
가뭄 모니터링을 위한 천리안 해양관측위성의 활용성 연구

Abstract

The water resources are influenced by environmental change on the Korean peninsula due to global warming, which are accelerating in recent years. Especially, risk of drought is increasing every year. In addition, the preparations of drought countermeasure are urgent due to characteristic of drought, which last for a long period of time. However, there are limitations about application of drought index based on in-situ dataset over a large area. For this reason, the satellites based drought monitoring is important to apply for wide area. It is expected that drought monitoring based on the Communication, Ocean and Meteorological Satellite(COMS) dataset, which can continuously monitor the Korean peninsula, will be useful for establishing measures to reduce drought damage. In this study, the drought index was estimated by using the Normalized Difference Vegetation Index(NDVI) from the COMS and compared with the SPI-6 month for verification of COMS applicability on drought.

요지

최근 더욱 가속화되고 있는 지구온난화에 의한 한반도의 환경 변화에 의하여 수자원 분야에서도 그 영향이 나타나고 있다. 특히 강수량의 증가와 강수일수의 감소에 의하여 해마다 가뭄 발생의 위험도가 증가되고 있으며, 가뭄은 광범위한 지역에서 오랜 기간 동안 지속되는 특성으로 인해 이에 대한 대비책 마련이 절실한 실정이다. 하지만 지점 관측 자료를 기반으로 한 가뭄지수는 광범위한 지역에 적용하기에 한계가 있으며, 이에 따라 위성 자료를 기반으로 한 가뭄 모니터링이 필수적이다. 따라서 지속적으로 한반도를 관측할 수 있는 천리안 위성 자료를 기반으로 한 가뭄 모니터링은 한반도 가뭄 피해 저감 대책 수립에 유용하게 사용될 것으로 예측된다. 본 연구에서는 천리안 해색관측위성으로부터 관측된 식생지수를 활용하여 가뭄 지수를 산정하고 이를 SPI 6개월 지수와 시계열 분석과 공간 비교를 수행함으로써, 가뭄에의 천리안 위성의 활용도를 검증하고자 하였다.

1. 서론

세계적으로 가장 큰 이슈인 지구온난화에 의한 이상기후는 한반도에도 큰 영향을 미치고 있다. 이러한 기후변화로 인하여 한반도에서의 강수량은 늘어나고 있으나, 이와 대조적으로 강수일수는 줄어들고 있으며(Yoon et al., 1999), 또한 지리적 특성상 강우가 고르지 않고 여름철에만 집중적으로 발생하므로 한반도는 거의 해마다 가뭄의 위협을 받고 있다.
태풍이나 지진, 홍수 등 자연재해는 단기간에 발생하지만 가뭄은 광범위한 지역에서 오랜 시간동안 서서히 발생하는 특성으로 인하여 그 피해의 파급효과도 장기간에 걸쳐 오랫동안 지속된다. 또한 가뭄을 해소하기 위해서는 단기간의 강우로는 그 효과가 미미하고, 지속적인 강우가 발생하더라도 가뭄이 곧바로 해갈되는 것이 아니므로 효과적인 가뭄 피해 감소를 위해서는 꾸준한 모니터링을 통한 감시 및 해결책 마련이 요구된다.
가뭄은 관점과 대상에 따라 다양하게 구분되어 사용된다. 기상학적 가뭄, 기후학적 가뭄, 수문학적 가뭄, 농업적 가뭄, 사회경제적 가뭄으로 분류되며, 이러한 구분에 따라 적합한 가뭄 모니터링을 위해 팔머가뭄심도지수(Palmer Drought Severity Index, PDSI), 표준강수지수(Standard Precipitation Index, SPI), 유효가뭄지수(Effective Drought Index, EDI), 정상강우비율(Percent of Normal), Soil Moisture Index(SMI), Crop Moisture Index(CMI) 등 다양한 가뭄지수를 개발하여 활용하고 있다. 현재 국내에서 주로 활용되고 있는 가뭄지수는 PDSI와 SPI로 기상청, 수자원공사, 농촌진흥청 등의 가뭄 유관기관에서 제공하고 있다. 이러한 가뭄지도는 지점자료를 기반으로 내삽기법을 통해 공간분포로 재산정한 결과이나 국내의 지리적 특성상 산악지형이 많고 관측지점이 고르게 분포해 있지 못하기 때문에 지점 자료를 통한 공간지도 제작은 한계를 가진다. 또한 정량적으로 표현된 수치의 시간적 변동성을 고려하기 어려움이 있으므로 연속적인 가뭄 모니터링에 있어 한계를 갖고 있다.
따라서 이러한 가뭄지수의 시⋅공간적인 변동성에 대한 한계점을 보완하기 위한 방안으로 최근에는 인공위성을 통하여 관측된 식생지수를 활용하여 가뭄을 분석하는 연구가 진행되고 있다.
인공위성은 관측 방법에 따라 크게 극궤도 위성과 정지궤도 위성으로 분류할 수 있으며, 극궤도 위성은 지구를 회전하면서 관측하기 때문에 전 지구 관측에 용이하다는 장점을 가지고 있다. 하지만 특정 지역의 관측에 있어서는 관측 시간과 횟수가 한정되어 시공간적 변동성이 심한 인자의 변화 양상을 파악하기가 어렵다는 단점이 있다. 반면 정지궤도 위성은 이동 없이 특정 지역을 계속적으로 관측하므로 극궤도 위성에 비해 공간적인 제한은 있으나, 특정 지역에 대한 관측 시간과 횟수가 많아 지속적이고 연속적인 변화를 관측하기에 매우 유리하다. 따라서 인공위성을 활용한 가뭄 모니터링 중에서도 정지궤도 위성을 활용하여 가뭄 지도를 제작하는 것은 연구 지역에 대한 연속적인 공간지도 추출이 가능하기 때문에 시⋅공간적 변화를 나타내는 데 효과적이다.
정지궤도 위성 데이터를 활용한 가뭄 분석에서 식생지수를 활용한 가뭄 지수는 가뭄의 피해를 가장 먼저 받는 농업에 있어서 기상요소와 식물의 생태학적 변화에 대한 관계를 정량적으로 나타낼 수 있다는 장점이 있다. 이는 가뭄에 피해를 입는 농가에 대하여 비교적 사실적인 관측이 가능하며, 특히 국토의 70% 이상이 산지로 이루어진 한반도의 지리적 특성상 식생지수를 이용한 가뭄의 시공간적 분석이 지점자료를 이용하는 것에 비해 매우 유리하다.
위성영상을 가뭄 판단에 활용하는 것은 광범위한 지역에서 매우 효율적이다. 따라서 해외에서는 다양한 가뭄지수 산정에 인공위성을 활용한 연구가 활발히 진행되고 있다. Gutman (1991)은 National Oceanic and Atmospheric Administration (NOAA) 위성 Advanced Very High Resolution Radiometer (AVHRR)의 NDVI와 PDSI를 비교한 연구를 수행하였다. Yang et al.(2009)은 HJ-1 및 Moderate Resolution Imaging Spectroradiometer(MODIS) 영상을 활용하여 Temperature Vegetation Dryness Index(TVDI)를 산정하고 이를 비교하였다. 또한 Mu et al.(2013)은 MODIS 영상을 활용하여 Drought Severity Index(DSI)를 개발하였으며 PDSI와의 비교를 통하여 개발된 DSI의 활용성을 검증하였다. 또한 Choi et al.(2013)은 다양한 위성과 ALEXI 모형을 활용하여 미동부 조지아 유역의 가뭄을 분석하였다.
국내에서는 Chang and Park(2004)에 의하여 안성지역을 중심으로 Landsat Enhanced Thematic Mapper(ETM)과 다목적실용위성 1호 영상을 합성하여 SMI를 산출하고 변화 양상을 분석하였다. 또한 Sur et al.(2014)는 MODIS 영상을 활용하여 Evaporative Stress Index(ESI)를 산정하고 이를 PDSI와 비교하여 국내 적용가능성을 평가하였다. Park et al.(2015)는 MODIS DSI를 산정하여 SPI와 수위자료와의 상관관계를 분석하였으며, SPI와의 부분적인 상관성 및 DSI의 국내 활용가능성을 확인하였다.
Birth and Mcvey(1968)은 최초로 위성영상의 단순 식생지수를 활용하여 가뭄을 분석하였으며, 이 연구를 시작으로 식생지수를 활용한 다양한 연구가 수행되고 있다. Kogan(1995)은 기상현상에 따라 식생이 받는 스트레스와 활력도가 변함에 착안하여, 가뭄의 평가를 위한 지수의 하나로서 정규식생지수(Normalized Difference Vegetation Index: NDVI)를 기반으로 하여 산출할 수 있는 식생상태지수(Vegetation Condition Index: VCI)를 제안한 바 있다.
국내에서는 NDVI 이외에도 Moisture Stress Index(MSI), Infrared Index(II) 등과 같은 다양한 식생지수를 이용한 가뭄탐지의 가능성에 대한 연구가 수행 된 바 있다(Kim et al., 2011). 특히 Shin and Kim(2003)은 NOAA/AVHRR 자료로부터 추출된 VCI가 연강우량과 상관성을 가지므로, 간접적 가뭄 분석에 대한 유용한 도구로 이용될 수 있고 이를 통해 가뭄 지역도의 작성이 가능함을 제시하였다. Jang et al.(2007)은 NDVI를 활용하여 1998년부터 2001년까지 북한의 가뭄을 분석하였으며, Park and Kim(2009)은 월 단위로 합성된 MODerate resolution Image Spectroradiometer(MODIS) NDVI와 월 간격으로 산정된 SPI의 비교를 통해 NDVI가 물 부족에 의한 SPI와 높은 상관성을 갖고 있는 것을 확인하였으며, 내륙지역에서의 NDVI는 SPI-6개월과 결정계수 0.6이상인 지점이 95%이상임을 보였다.
농업 분야에서는 기존의 다른 지수들에 비하여 식생을 이용한 가뭄지수는 실질적인 가뭄을 판단할 수 있도록 이를 활용하고자 하는 연구가 수행되고 있다. Liu and Kogan(2010)은 NDVI를 활용하여 브라질에서 수확되는 대두의 수확량 모델을 만들기도 하였으며, Domenikiotis et al.(2004)은 1982년부터 1999년까지의 그리스의 면화 생산지역에서 성장기가 끝나기 전의 면화 수확량을 NDVI와 VCI를 활용하여 정량적으로 평가하였다. 다양한 국내외의 연구에서 식생지수를 이용한 가뭄분석의 가능성과 유용성을 보여주고 있지만 현재까지의 대부분의 연구에서 극궤도 위성을 활용하였다는 한계점이 있다. 또한 극궤도 위성의 경우 개발 지역에 따라 동아시아 지역에서의 적용이 쉽지 않은 경우도 있으며, 앞서 언급한 바와 같이 지속적인 가뭄 분석에 있어서도 변동성 관측에 대한 제한 사항이 있기 때문에 정지궤도 위성활용으로 이러한 점을 극복하고 더욱 효율적인 관측결과를 얻을 수 있을 것이다.
따라서 본 연구에서는 정지궤도 위성인 천리안 위성(Communication, Ocean and Meteorological Satellite: COMS) 영상을 활용하여 NDVI를 기반으로 한 가뭄지수 중 하나인 VCI를 산출하였으며, 이를 위성데이터를 활용하여 산출된 SPI와의 비교⋅분석을 통하여 위성 가뭄지수의 활용 가능성을 평가하였다.

2. 연구지역 및 이론적 배경

2.1 연구지역

본 연구의 대상 지역은 한반도 전역의 가뭄 상태를 파악하기 위하여 북위 33~38°, 동경 124~130°에 위치한 대한민국 전역으로 설정하였다(Fig. 1).
Fig. 1
Study Area and Study Sites
KOSHAM_17_03_069_fig_1.jpg
본 연구에서는 설정된 연구지역에 대하여 공간 Mapping을 활용하여 VCI와 SPI를 비교하였으며, 좀 더 명확한 정량적 비교를 위해 한반도의 토지피복 중 가장 지배적인 산지와 농경지에서 선정하여 시계열 분석을 수행하였다(Table 1).
Table 1
Geographycal Characteristics of Sites
 No.   Sites names   Landcover   Lat. (°N)   Lon (°E) 
#1 Gimje Cropland 35.87 126.92
#2 Yangyang Forest 36.74 129.05

2.2 이론적 배경

2.2.1 정규식생지수(Normalized Different Vegetation Index: NDVI)

식생지수를 활용한 가뭄 관측에서 현재 사용되고 있는 약 20여가지 식생지수 중 주로 정규식생지수가 활용되고 있다. 이는 Rouse et al.(1974)에 의해 개발된 이후 널리 사용되어왔으며 최초의 Landsat MSS 디지털 영상자료에 적용되기도 하였다. NDVI는 다음 Eq. (1)을 통해 위성자료의 적색광과 근적외선 영역의 연산으로 계산된다.
(1)
NDVI=NIRRedNIR+Red
여기서, NIR은 근적외선 밴드의 분광반사도이며, Red는 적외선 밴드의 분광반사도이다.

2.2.2 식생상태지수(Vegetation Condition Index: VCI)

식생상태지수는 Kogan(1995)에 의해 제안된 가뭄 평가 지수로서 식생에 영향을 주는 기상 요소의 변화를 검출하기 위한 수단으로 활용된다. VCI에 대한 기본적인 가정은 지역 및 지형변화가 발생되지 않은 동일지역에서의 NDVI 변화를 기상요소에 의한 변화로 간주하는 것이다. 이러한 가정 하에서 장기간의 NDVI의 최댓값(NDVImax)과 최솟값(NDVImin)을 관측하는데, NDVI가 최댓값일 때는 식생의 양이 최대임을 보이므로 기상조건이 최상임을 의미하는 것을 알 수 있다. 반면 최소일 때에는 생태자원의 활력이 저하된 상태이므로 이를 유발하는 기상조건이 발생했음을 알 수 있다. 따라서 VCI는 동일 시점의 NDVI의 최대치와 최소치를 이용하여 다음 Eq. (2)와 같이 계산된다.
(2)
VCI=100×NDVIiNDVIminNDVImaxNDVImin
VCI는 0에서 100까지의 값을 가지며, 0과 가까울수록 식생의 활력의 상태가 나쁨을 나타낸다. Kogan(1995)은 VCI가 0에서 35이하의 값을 가질 때 농작물 생산성이 20% 감소하는 것을 확인하였으며, Shin and Kim(2003)은 VCI로부터 가뭄을 판별할 수 있는 기준으로 VCI 35 이하 값을 추천하고 있다.

2.2.3 표준강수지수(Standard Precipiation Index: SPI)

SPI는 물의 수요에 비하여 부족한 강수량에 의해 가뭄이 시작된다는 것으로부터 착안하여 Mckee 등(1993)에 의하여 개발된 가뭄지수이다. 이는 강수량 부족이 용수 공급원인 지하수량, 저수지 저류량, 토양 함유수분, 하천 유출량 등에 각각 영향을 미치게 되어 가뭄을 유발한다는 데서 시작한다. SPI는 특정 시간에 대한 강수량의 평균치와 강수량의 차를 과거 강수량 자료 기준의 표준편차로 나눈 것이다. SPI는 용도에 따라 다양한 시간축척으로 계산할 수 있는 장점이 있다.
SPI를 계산하기 위해서는 우선 이동누가에 의한 방법으로 월 강수량을 시간단위에 따라 연속적으로 중첩하여 시간 단위별 누가강수시계열을 산정한다. 지속시간별 시계열을 월별로 분석하여 적정 확률분포형을 산정하는데, 일반적으로 강수형태는 Gamma 분포를 따른다. 따라서 지점별로 강수량의 분포를 Gamma 확률 밀도 함수로 추정하는 과정이 필요하며, 최우도법(maximum likelihood method)을 이용해 최적해를 추정하여 도식적인 과정을 통해 계산한다. SPI 값에 따라 수분상태를 Table 2와 같이 분류하고 있다.
Table 2
SPI Drought Classification
 Drought Index   Moisture conditions 
above 2.0 Extremely wet
1.5 ~ 1.99 Very wet
1.0 ~ 1.49 Moderately wet
-0.99 ~ 0.99 Near normal
-1.0 ~ -1.49 Moderately Dry
-1.5 ~ -1.99 Severe Dry
below -2.0 Extremely Dry

3. 데이터 및 시스템

3.1 천리안위성(Communication, Ocean and Meterological Satellite: COMS)

천리안 위성은 순수 국내기술로 개발된 통신 중계기를 탑재한 정지궤도 위성으로 2010년 6월 27일 남미 프랑스령 기아나 꾸르 우주센터 발사되었다. 이에 따라 대한민국은 정지궤도위성을 자체개발 한 10번째 국가로 등록되었다. 천리안 위성은 해양관측센서인 해색 탑재체(Geostationary Ocean Color Imager: GOCI), 기상관측센서인 기상 탑재체 (Meteo Imager: MI), 국산의 Ka 밴드 통신 탑재체까지 총 3개의 탑재체를 가지고 있으며, 지구적도 상공 36,000 km, 동경 128.2°에 위치하여 하루에 8번 낮 시간동안 동북아시아 지역을 관측하고 있다.

3.1.1 해색탑재체(Geostationary Ocean Color Imager: GOCI)

본 연구에서 사용되는 GOCI 센서는 프랑스의 EADS Astrium과 공동 제작한 해양관측 센서로 천리안 위성에 탑재되어 있는 센서 중 하나이다. GOCI 센서는 정지궤도 위성에 탑재되어 한반도 주면의 해양생태계, 장⋅단기 해양환경 및 기후변화 모니터링, 연안⋅해양의 환경과 자원의 감시 및 관리, 해양/수산정보의 생산에 대한 시⋅공간적 변동을 지속적으로 관측하고 있다. GOCI는 130E, 36N를 중심으로 2500 km × 2500 km를 촬영하며, 공간해상도 500 m × 500 m로 낮 시간 동안 하루 8회 데이터를 제공한다. Level 1 데이터는 한국 해상 위성 센터(Korea Ocean Satellite Center: KOSC) 웹 사이트(http://kosc.kiost.ac)에서 다운로드 할 수 있으며, 식생 정보에 대한 Level 2 데이터는 GOCI 데이터 처리 시스템(GDPS)에 의해 관리되고 KOSC에서 제공받을 수 있다.

3.2 Tropical Rainfall Measuring Mission(TRMM)

NASA Goddard Earth Sciences Data and Information Services Center에서는 TRMM 위성의 데이터를 제공하고 있다. TRMM의 제공범위는 50S부터 50N이며 다양한 시간해상도(시간해상도 3시간의 3B42, 시간해상도 1개월의 3B43 등)의 강수량 데이터를 선택할 수 있다. 본 연구에서는 활용한 데이터는 3B43으로 0.25 ° x 0.25 °의 공간해상도를 가지고 있으며, 3시간 데이터를 1개월로 병합한 고품질 데이터를 활용한다.

3.3 위성자료의 처리

해양위성센터에서는 GOCI 자료에 대하여 이용자의 편의를 위해 Open Access 방식으로 제공하고 있다. GOCI의 경우 2011년 4월 1일부터 이용 당일의 하루 전까지의 관측 데이터를 제공하고 있다. 본 연구에서는 GOCI Level 1B 자료와 Level 2 NDVI 데이터를 활용하여 연구를 진행하였다.

3.3.1 해양자료처리시스템(GOCI Data Processing System: GDPS)

위성 데이터는 크게 기본 신호자료와 분석 자료로 구분된다. 기본 신호자료는 위성에서 관측된 신호인 원시자료(Raw, Level 0 자료)와 위성의 자세제어, 모터 구동 등에 의한 기계적인 잡음 및 오류를 제거하는 복사보정이 이루어진 Level 1A 자료, 위성관측 시 관측지점의 위치를 고려하여 기하보정을 통해 지도영상으로 투영한 Level 1B자료가 있다.
해양 분석 정보인 Level 2 자료를 얻기 위해서는 Level 1 자료의 후처리 시스템이 필요하다(한희정 등, 2010). 해양위성센터에서는 국내외 GOCI 이용자들을 위한 표준처리 소프트웨어로서, 영상 처리 소프트웨어인 GDPS를 제공하고 있다. 본 연구에서는 GOCI의 NDVI 데이터를 획득하기 위하여 해양위성센터에서 제공하는 GDPS를 활용하여 Level 1B 자료에서 Level 2 자료를 추출하였다.

3.3.2 Maximum Value Composite(MVC)

인공위성을 통해 관측된 NDVI 값은 구름 등의 외부요인으로 인하여 일 별 자료에서 값이 누락된 픽셀이 존재한다. 이를 보정하기 위해서는 여러 개의 관측데이터를 활용할 수 있다. 누락된 픽셀 값을 보정하기 위한 방법 중 Maximum Value Composite(MVC) 기법은 다양한 위성 데이터에서 값이 누락된 각 픽셀의 최댓값들을 합성하여 픽셀 값을 계산하는 방법이다. 본 연구에서는 MVC 방법을 통하여 값이 누락된 픽셀에 대하여 천리안 위성을 통해 일 8회 관측된 관측자료를 해양위성센터에서 제공받아 1day composite 하고, 이 자료들을 다시 월별로 composite 하여 1개의 자료로 합성하였다.
MVC를 거친 NDVI 자료들은 VCI 산정 시 최댓값과 최솟값을 구하는데 활용되는데, 이 과정에서 범위를 어떻게 선정하느냐에 따라 VCI의 결과에 있어서 매우 큰 차이를 보일 수 있다. 이는 모니터링 하고자 하는 가뭄의 특성에 따라 유용하게 활용될 수 있는데, 본 연구에서는 전체 기간에 대한 NDVI의 최댓값과 최솟값을 산정하여 yearly VCI를 산정하였고, 월별 VCI를 산정하기 위해서는 1day composite 된 NDVI자료를 다시 월별로 composite 하여 월별 최대, 최솟값을 산정하여 VCI를 계산하였다.

4. 연구결과 및 토의

인공위성을 활용하여 관측된 가뭄 정보는 광범위한 범위를 관측할 수 있다는 점에서, 광범위하게 발생하는 가뭄의 특성에 매우 적절하다고 할 수 있다. 특히 천리안 위성의 경우 한반도를 중심으로 하여 지속적인 관측을 수행하기 때문에, 가뭄 모니터링에 활용된다면 매우 유용한 정보를 획득할 수 있다. 따라서 본 연구에서는 천리안 위성을 활용한 가뭄 분석의 가능성을 파악하기 위하여 천리안 위성 영상을 활용한 VCI와 현재 널리 사용되고 있는 SPI 6개월 지수의 시계열 분석과 공간분포에 대한 비교⋅분석을 수행하였다.

4.1 천리안 위성의 활용성 검증

VCI 산정은 계산 과정에서 어떤 기간을 기준으로 최댓값과 최솟값을 산정하느냐에 따라 차이가 발생할 수 있다. 본 연구에서는 우선 전체기간을 대상으로 얻은 최대, 최솟값으로 VCI를 산정하여 천리안 위성의 GOCI 센서를 통해 얻은 NDVI가 과연 가뭄에 활용될 수 있는지 SPI 6개월 지수(SPI-6)와 시계열 분석을 수행하였다. Fig. 2는 2011년 4월 ~ 2013년 12월까지 두 지점에서의 VCI와 SPI-6의 변화추이를 보여주고 있다. 두 지수의 변화를 비교하기 위해 VCI는 정규화 하여 비교하였으며, 여기서 VCI는 전체기간을 기준으로 최댓값과 최솟값을 구하여 산정하였으며, 이 때 VCI의 변화는 SPI-6과 전반적으로 비슷한 시기를 가뭄으로 판별할 수 있었다.
Fig. 2
Temporal Variations of VCI and SPI-6 during 2011.04 ~ 2013.12
KOSHAM_17_03_069_fig_2.jpg
여름에는 습하고 겨울에는 건조한 우리나라의 기후 특징에 의해 두 지수는 전국적으로 1년의 주기를 갖고 비슷한 경향을 나타냈으며, Fig. 2의 산지에서의 VCI 변화 추이에서 2011년 겨울 이후 계절적인 특성으로 인한 VCI의 극단적인 변화는 관찰되나, 각 시기별로 VCI는 크게 변화하지 않는다는 것을 알 수 있다. 이를 통해 우리나라의 기후 특성상 식생의 활력도가 겨울에 낮게 나타나고 생장기인 봄부터 점차 증가하는 것으로 나타나지만, 실제로 강수 발생량과는 직접적인 연관이 있다고 보기 어렵다는 것을 알 수 있다. 이는 산지에서 관측되는 NDVI 변화가 농경지에 비해 아주 작기 때문인 것으로 보이며, 2011년 가을에 발생한 순간적인 VCI의 급감은 구름이나 수증기 등에 의한 영향으로 GOCI 센서에서 관측된 NDVI의 값이 적어서 발생한 오차인 것으로 보인다. Fig. 3은 VCI와 SPI의 상관관계를 나타내고 있는데, 여기서 두 지수들은 농경지에서 r = 0.87, 산지에서는 r = 0.69 로 두 지점에서 모두 높은 상관관계를 보여주고 있다. 특히 농경지의 경우 NDVI의 변화가 적은 산지에 비해 SPI-6과의 상관성이 매우 높게 나타났으며, 이는 농업과 같은 분야에서 천리안 위성을 활용한 가뭄 분석이 매우 적절히 사용 될 수 있음을 보여주고 있다. 이들 결과에서 VCI는 SPI-6과 비교하였을 때 가뭄 판별에 있어서 신뢰성을 가지고 있음을 알 수 있으며, NDVI 기반의 지수이므로 특성상 강한 계절성을 보이게 됨을 알 수 있다. 따라서 VCI는 계절성에 의해 여름에 산정된 수치가 겨울에 산정된 수치보다 건조하게 나타나는 경우가 드물어 가뭄을 민감하게 판단하는 데에 무리가 있다. 그러므로 VCI를 산정하는 과정에서 최대, 최솟값을 구하는 구간을 보다 세분화 할 필요가 있다.
Fig. 3
Scatter Plot Between VCI and SPI
KOSHAM_17_03_069_fig_3.jpg

4.2 VCI, SPI-6 공간분포 분석

산정된 VCI와 SPI-6에 대하여 2011년, 2012년, 2013년의 4월부터 7월까지의 월별 공간분포 비교를 수행하였다. 전체기간에 대해 최댓값과 최솟값을 이용하여 산정한 VCI는 강한 계절성으로 인해 SPI보다 가뭄상황에 있어 둔감한 반응을 보였으며, 이는 매년 겨울은 가뭄으로 나타나게 되고 여름은 습윤하게 표현될 수 있다는 위험성이 있다. 따라서 최댓값과 최솟값을 산정하는 범위를 선정함에 있어서 계절적 특성이 비슷한 시기를 사용하면 계절적 효과를 제거한 VCI를 얻을 수 있다. 본 연구에서는 한 달을 기준으로 MVC를 수행하여 최댓값 및 최솟값을 구하고 이를 활용하여 VCI를 산정하였으며, TRMM 3B43 monthly rainfall rate 자료를 활용해 각 픽셀 별 SPI 6개월 지수를 산출하였다.
Fig. 4는 VCI와 SPI-6 지수를 공간적인 Mapping으로 표현함으로써, 매년 문제가 되고 있는 봄 가뭄이 나타나는 기간인 4월에서 7월사이의 가뭄 지도를 2011년부터 2013년까지 도시하였다. 여기서 한반도 전체에 발생하고 있는 가뭄의 상황을 SPI-6 지수에 비해 VCI에서 매우 심각하게 나타내고 있음을 확인할 수 있다(Fig. 4). 이는 천리안 위성이 2011년에 발사되어 관측 기간이 5개년 밖에 되지 않아 MVC 수행 시 짧은 기간에서 최대, 최솟값을 산정하였으므로 NDVI의 범위 또한 좁아져 최솟값과 최댓값을 나타내는 경우에 값이 과대 혹은 과소평가 된 데에서 비롯한 것으로 판단된다. 이는 모니터링 하고자 하는 가뭄의 종류나 파악하고자 하는 민감도의 범위에 따라, 계절적 특성을 제거할 수 있는 MVC의 범위를 조금씩 조정함으로서 해결 할 수 있으며, 천리안 위성의 관측 자료가 축적되면 더욱 과대⋅과소평가되는 값을 줄일 수 있어 더욱 유용하게 활용될 수 있을 것으로 예상된다.
Fig. 4
Spatial Distribution of VCI and SPI-6 During 2011 ~ 2013
KOSHAM_17_03_069_fig_4.jpg
한반도는 지역의 특성상 70% 이상이 산지로 이루어져 있고 지형이 고르지 않아 지점자료를 기반으로 내삽기법을 이용한 공간 Mapping 방법을 사용하기에 적절하지 않다. 따라서 고해상도의 위성영상을 기반으로 공간지도를 만들어야 하는데, TRMM을 이용한 SPI-6 Mapping은 공간 해상도가 25km로 한국에서 적용하기에는 다소 무리가 있어 보인다. 반면 500m의 공간 해상도로 가뭄지도를 표현할 수 있는 천리안 위성의 VCI는 산악지형이 많고 지형이 균일하지 않은 한국에서도 높은 공간해상도로 인하여 지역적 가뭄분석에 활용하기에 훨씬 적합할 것으로 판단된다(Fig. 4).
두 가뭄 지도를 비교해 보면, 두 지수의 값의 차이가 있고 약간의 시간차가 발생(본 연구에서는 약 1개월)하나 전체적인 패턴이 비슷하게 나타남을 알 수 있다. 2011년의 경우 두 지수 모두 4월이 비교적 건조했음을 알 수 있으며 5월부터 SPI에서 먼저 가뭄이 서서히 해갈되는 것이 관측되었고, VCI에서는 1개월여의 시간차가 있으나 역시 6, 7월에는 가뭄이 점차 해갈되는 것이 확인된다. 2012년 SPI-6를 보면 5월 중부 지역을 시작으로 6월에는 남부 지역까지 가뭄인 것으로 나타나 있는데, 기상청에 따르면 2012년 3, 4월은 강수량이 많았으나, 5월 이후 이동성고기압의 영향으로 건조한 날씨가 지속되며 강수량이 평년 기준에 도달하지 못하여 지역적으로 가뭄이 발생하였다고 한다. 따라서 SPI-6 가뭄과 기상청의 발표가 일치하고 있으며, VCI 공간지도 에서는 앞서 설명한 바와 같이 1개월의 시간차를 두고 5, 6월을 심각한 가뭄으로 나타내고 있다. 이후 7월에 두 지수 모두에서 가뭄이 해갈이 되는 모습을 확인할 수 있는데 기상청에 따르면 6월 하순부터 한반도의 강우량이 증가하였으며, 이로 인하여 5, 6월 가뭄이 7월에는 해갈된 것으로 판단된다.
약간의 시간 차이를 보이는 현상은 두 지수의 특성 차이로 해석할 수 있으며 SPI의 경우 강우기반의 가뭄지수로, 강우의 발생에 민감하게 반응하기 때문에 강우가 발생할 경우 바로 SPI-6 수치에 반영이 되어 가뭄이 해갈되는 것으로 표현된다. 반면 식생지수의 경우는 강우가 발생하더라도 가뭄이 쉽게 해갈되지 않고, 식생이 강우를 충분히 머금고 식생의 활력이 증가하는데 시간이 걸리기 때문에 SPI-6에 비해 한 달 정도의 시간차가 발생하고 가뭄이 해갈 되는 것으로 나타나게 되는 것이다. 즉, 강우의 발생여부에 따라 가뭄의 여부를 판단해야 하는 SPI-6에 비해 VCI는 실제 지표의 가뭄 상태를 정확히 표현 할 수 있는 것으로 판단된다.
이러한 현상은 2013년에도 잘 관측되고 있는데 SPI-6가 먼저 4, 5월이 습윤한 것으로 표현되고, VCI는 한 달 정도 늦은 5, 6월에 가뭄이 해갈 되는 것을 볼 수 있다. 단지 SPI-6 지도에서는 2013년 6월에 강우가 발생했음에도 불구하고 7월 VCI 가뭄지도에서는 일부 중부지방이 가뭄으로 나타났는데 이는 6월에 강우가 발생하였으나, 평년에 미치지 못하여 식생이 최고조에 이를 시기인 7월에 일부 지역의 가뭄으로 나타나게 된 것으로 판단된다. 실제로 기상청에 따르면 이 시기 강원도 및 경남 일부 지역의 강수량이 평년 강수량에 크게 미치지 못하여 가뭄이 발생한 것으로 나타났다.
이러한 일부 지역의 해석을 제외하고 위의 가뭄 지도를 비교해 보았을 때, SPI-6와 VCI의 가뭄지도가 서로 한 달 정도의 시간차를 보이며 비슷한 가뭄 패턴을 나타낸다고 볼 수 있다. 반면에 2012년 SPI-6를 보면 5, 6월이 비교적 심각한 가뭄으로 표현되어 있다. 마찬가지로 VCI에서 역시 5, 6월은 심각한 가뭄으로 나타나 있으며, 7월에 두 지수 모두에서 해갈이 되는 모습이 보인다. 2012년 4월은 SPI-6에서 관측하기에 강우량이 부족하지 않은 것으로 보이며, VCI에서도 전반적으로 양호한 식생 활력을 보여주고 있다. 하지만 5월의 VCI가 SPI-6와 한 달 정도의 시간차를 두고 발생한다면 VCI는 습윤하게 나타나야 할 것으로 예상되지만, 가뭄 해갈 패턴과는 달리 가뭄 발생의 패턴은 시간차가 거의 발생하지 않고 비슷하게 나타났음을 알 수 있다. 이를 통해 강우의 발생이 반드시 가뭄의 해갈과 연결되거나, 가뭄 발생이 방지되는 것은 아니므로, 강우 기반의 가뭄지수와 더불어 식생 기반의 가뭄지수를 함께 활용하는 것 또한 고려해봐야 함을 알 수 있다.
전반적으로 VCI와 SPI-6를 비교한 결과 각 지수의 특성상 강우량을 통해 가뭄 상황을 예측하는 것은 SPI가 유리하지만, 실제 가뭄상황을 모니터링하고 피해 저감에 대한 실질적인 대책을 세울 때에는 VCI가 유리할 것으로 판단된다. 특히, 서론에서도 설명한 바와 같이 강우가 발생한다고 하여 가뭄이 바로 해소되는 것이 아니기 때문에 이러한 점에서는 VCI의 활용이 좀 더 현실적인 것으로 생각된다.

5. 결론

본 연구에서는 천리안 위성자료를 활용한 가뭄지수의 국내 활용성을 평가하기 위하여 천리안 위성에서 관측된 NDVI를 기반으로 하여 VCI를 산정하고 이를 TRMM 위성 영상을 활용하여 산정된 SPI와 비교⋅분석하였다. 계절성을 포함하여 산정된 VCI는 SPI-6와의 시계열 분석에서 농경지와 산지 각각 0.87, 0.69의 높은 상관성을 보이며 가뭄지수로서 적절히 사용할 수 있음을 나타내었다. 또한 월별로 계절적 특성이 제거된 VCI는 좀 더 가뭄에 민감하게 반응하였으며 약간의 시간차가 발생하지만 SPI-6와 공간적으로 비슷한 패턴을 나타내며 가뭄 모니터링 활용도가 높음을 보여주었다. 특히 천리안 위성을 활용한 VCI는 TRMM을 활용한 SPI-6에 비하여 500m의 높은 공간해상도를 갖고 있을 뿐만 아니라 높은 시간해상도를 갖고 있으므로, 일 8회 모니터링하며 준 실시간 가뭄감시를 할 수 있다는 장점이 있다. 즉, 관측 빈도가 높으므로 이를 이용하여 모니터링 하고자 하는 가뭄의 종류나 특성에 따라 사용자에게 적절한 가뭄 정보에 대한 제공이 가능할 것으로 판단된다. 추후 이에 대한 연구가 좀 더 심도 있게 다루어지고, 관측 자료가 누적되면 작물의 수확량 모델 등의 적용을 통해 천리안 위성이 농업 부분에서 실질적인 가뭄 모니터링에 이바지 하고, 나아가 한반도 전체의 가뭄 피해를 저감하는 데 큰 역할을 할 것으로 기대된다.

감사의 글

이 논문은 2016년 해양수산부 재원으로 한국해양과학기술진흥원의 지원을 받아 수행된 연구심(정지궤도 해양위성 활용연구(2단계)).
This research was a part of the project titled ‘Research for Application of Geostationary Ocean Color Imager, funded by the Ministry of Oceans and Fisheries, Korea.

References

Birth, G.S, and McVey, G.R (1968) Measuring the color of growing turf with a reflectance spectrophotometer. Agronomy Journal, Vol. 60, No. No. 6, pp. 640-643. 10.2134/agronj1968.00021962006000060016x.
crossref
Chang, E.M, and Park, E.J (2004) Mapping of Drought Index Using Satellite Imagery. Journal of Korean Society for Geospatial Information System, Vol. 12, No. No. 4, pp. 3-12.

Choi, M, Jacobs, J.M, Anderson, M.C, and Bosch, D.D (2013) Evaluation of drought indices via remotely sensed data with hydrological variables. Journal of Hydrology, Vol. 476, pp. 265-273. 10.1016/j.jhydrol.2012.10.042.
crossref
Domenikiotis, C, Spiliotopoulos, M, Tsiros, E, and Dalezios, N.R (2004) Early cotton yield assessment by the use of the NOAA/AVHRR derived Vegetation Condition Index (VCI) in Greece. International Journal of Remote Sensing, Vol. 25, No. No. 14, pp. 2807-2819. 10.1080/01431160310001632729.
crossref
Gutman, G.G (1991) Vegetation Indices from AVHRR data: An update and future prospects. Remote Sensing of Environment, Vol. 35, pp. 121-136. 10.1016/0034-4257(91)90005-Q.
crossref
Jang, M.-W, Yoo, S.-H, and Choi Jin, Y (2007) Anlysis of Spring Drought Using NOAA/AVHRR NDVI for North Korea. Journal of the Korean society of agreicultural engineers, Vol. 49, No. No. 6, pp. 21-33. 10.5389/KSAE.2007.49.6.021.

Kim, S.J, Choi, K.S, Chang, E.M, and Hong, S.W (2011) Anlaysis of the Possibility for Practical Use of MSI/MidIR/II Vegetation Indices for Drought Detection of Spring Season. Journal of Korea Spatial Information Society, Vol. 19, No. No. 5, pp. 37-46.

Kogan, F.N (1995) Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, Vol. 15, No. No. 11, pp. 91-100. 10.1016/0273-1177(95)00079-T.
crossref
Liu, W.T, and Kogan, F (2002) Monitoring Brazilian soybean production using NOAA/AVHRR based vegetation condition indices. International Journal of Remote Sensing, Vol. 23, No. No. 6, pp. 1161-1179. 10.1080/01431160110076126.
crossref
McKee, T.B, Doesken, N.J, and Kleist, J (1993) The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology, Vol. 17, No. No. 22, pp. 179-183.

Mu, Q, Zhao, M, Kimball, J.S, McDowell, N.G, and Running, S.W (2013) A remotely sensed global terrestrial drought severity index. Bulletin of the American Meteorological Societys, Vol. 94, No. No. 1, pp. 83-98. 10.1175/BAMS-D-11-00213.1.
crossref
Park, H.S, Um, M.J, Kim, J.B, and Kim, Y (2015) MODIS DSI for Evaluation of the Local Drought Events in Korea. Journal of The Korean Society of Civil Engineers, Vol. 35, No. No. 6, pp. 1209-1218. 10.12652/Ksce.2015.35.6.1209.
crossref
Park, J.-S, and Kim, K.-T (2009) Evaluation of MODIS NDVI for Drought Monitoring: Focused on Comparison of Drought Index. Journal of GIS Association of Korea, Vol. 17, No. No. 1, pp. 117-129.

Rouse, J.W, Haas, R.H, Shell, J.A, Deering, D.W, and Harlan, J.C (1974). Monitoring the vernal advancement of retrogradation of natural vegetation. NASA/GSFC, Type III, Final Report. Greenbelt, MD: p 371. PMC423006.

Shin, S.C, and Kim, C.J (2003) Application of Normalized Difference Veetation Index for Drought Detection in Korea. Journal of Korea Water Resources Association, Vol. 36, No. No. 5, pp. 839-849. 10.3741/JKWRA.2003.36.5.839.
crossref
Sur, C, Kim, K, Choi, W, Shin, J, and Choi, M (2014) Drought Assessments Using Satellite-based Drought Index in Korea: Southern Region Case in 2013. Journal of Korean Society of Hazard Mitigation, Vol. 14, No. No. 3, pp. 127-131. 10.9798/KOSHAM.2014.14.3.127.

Yang, B, Wang, Q, Wang, C, Wan, H, Yang, Y, Cha, Y, Le, C, Liu, X, and Li, J (2009). Drought monitoring in North China using HJ-1 satellite remote sensing data. In The Sixth International Symposium on Digital Earth. International Society for Optics and Photonics, p 78411Q-78411Q. 10.1117/12.873282.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2022 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next