Korean Journal of Remote Sensing, Vol.37, No.2, 2021, pp.233~243
https://doi.org/10.7780/kjrs.2021.37.2.5 ISSN 1225-6161 ( Print )ISSN 2287-9307 (Online)
Article
Sentinel-1 InSAR Coherence를 이용한
태양광전지 패널 모니터링 효율화 연구
윤동현1)·이명진 2)†·이승국3)
A Study on Photovoltaic Panel Monitoring Using Sentinel-1 InSAR Coherence
Donghyeon Yoon1)·Moungjin Lee 2)†·Seungkuk Lee3)Abstract: Photovoltaic panels are hazardous electronic waste that has heavy metal as one of the hazardous components. Each year, hazardous electronic waste is increasing worldwide and every heavy rainfall exposes the photovoltaic panel to become the source of heavy metal soil contamination. the development needs a monitoring technology for this hazardous exposure. this research use relationships between SAR temporal baseline and coherence of Sentinel-1 satellite to detected photovoltaic panel. Also, the photovoltaic plant detection tested using the difference between that photovoltaic panel and the other difference surface of coherence. The author tested the photovoltaic panel and its environment to calculate differences in coherence relationships. As a result of the experiment, the coherence of the photovoltaic panel, which is assumed to be a permanent scatterer, shows a bias that is biased toward a median value of 0.53 with a distribution of 0.50 to 0.65. Therefore, further research is needed to improve errors that may occur during processing. Additionally, the author found that the change detection using a temporal baseline is possible as the rate of reduction of coherence of photovoltaic panels differs from those of artificial objects such as buildings. This result could be an efficient way to continuously monitor regardless of weather conditions, which was a limitation of the existing optical satellite image-based photovoltaic panel detection research and to understand the spatial distribution in situations such as photovoltaic panel loss.
Key Words: Photovoltaic Panel , Sentinel-1, Coherence, Environment Monitoring
요약 : 태양광 패널은 중금속을 함유한 전자 폐기물이다. 전 세계적으로 매년 빠르게 증가하고 있으며 집중 강우 시 유실되는 태양광전지 패널은 토양 중금속 오염의 문제 및 소규모 태양광 발전은 관리 부재라는 문제
Received December 16, 2020; Revised March 22, 2021; Accepted April 9, 2021; Published online April 13, 2021
1)한국환경·정책평가연구원 환경데이터전략센터 초빙연구원 (Invited Research Fellow, Center for Environmental Data Strategy, Korea Environment
Institute)
2)한국환경·정책평가연구원 환경데이터전략센터 센터장 (Director, Center for Environmental Data Strategy, Korea Environment Institute) 3)부경대학교 지구환경과학과 조교수 (Assistant Professor, Department of Earth and Environmental Sciences, Pukyong National University)
†Corresponding Author: Moungjin Lee (leemj @kei.re.kr)
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
1. 서론
태양광전지(Photovoltaic) 패널은 기후변화에 대응하
는 신재생에너지 중 필수적인 역할을 한다. 하지만, 사 용수명이 다한 태양광전지 패널은 복잡한 화학적 처리
가 요구되는 큰 부피의 폐기물이 된다(Bradbury et al.,
2016; Heath et al., 2020; Malof et al., 2016). 현재 세계 대부 분의 나라에서 이를 처리할 계획이 부재한 상태이며 태
양광전지의 수명이30년이라는 점을 감안하였을 때 폐
패널의 과잉이 예견되고 있다(Weckend et al., 2016). 국제 재생에너지 기구(International Renewable Energy Agency)
에서는2050년까지 최대 7,800만톤의 태양광전지 패널 이 수명이 다할 것으로 예측하였으며, 전세계적으로 매 년 약600만톤의 새로운 태양광전지 폐기물이 발생할 것으로 예측하였다(Weckend et al., 2016). 우리나라의 연 간 태양광전지 패널 폐기물 발생량은175톤으로 전체 폐기물 발생량과 비교하면 매우 낮은 수치를 기록하고 있다(Lim, 2019). 하지만, 2018년 태양광전지 패널에서 4 가지 중금속(Cu, Pb, As, Cr)이 검출되었으며 납의 함량 을 분석한 결과88.7~201.8 mg/kg의 범위로 검출되었다 (Jo et al., 2018). 또한, 집중강우로 인한 태양광전지 패널 유실 시 납과 같은 중금속이 토양으로 누출될 수 있기 때문에 태양광전지 패널 폐기물에 따른 새로운 환경 위 험을 초래할 가능성이 있다. 국내의 경우, 대규모 태양 광 발전 시설 뿐만아니라, 소규모 태양광 발전 시설이 육상 및 수상 등에 구축되고 있으며, 특히 개인 주택, 공 공주택 및 공공시설 등에서 미시적 태양광 발전 시설물 을 활용하고 있다. 대규모 태양광 발전 시설은 운영관 리 및 향후 발생 가능한2차 환경오염의 대응이 명확하 다고 할 수 있지만, 소규모 등은 태양광 패널 폐기물 및 2차 환경오염에 대한 대응이 부재한 실정이다. 지난 몇 년간 해외 연구자를 중심으로 광학위성영상 및 항공영상을 이용하여 태양광전지 패널을 탐지하기 위한 알고리즘이 개발되어 왔다. Malof et al. (2015)와 Jordan et al. (2016)은 위성영상과 인공신경망을 결합하여 태양광전지 패널을 탐지하는 알고리즘을 제안하였고, Sinha et al. (2016)은 열적 외 센서를 이용하여 태양광전지 패널의 품질검사와 실리콘 패널의 박리를 탐지하였다. 현재의 연구사례는 경우 광학센서를 이용한 태양광전 지의 효율관리와 입지분석이 주를 이루고 있으며, 전 세 계적으로SAR를 이용한 태양광전지 패널 탐지에 관한 연구는 부족한 상황이다. 기존 광학영상을 이용한 태양 광 패널 모니터링 연구에서 주요 한계는 기상조건에 의 해 획득 가능한 영상빈도가 낮고, 대기 혼탁 등으로 영 상을 분석하는 복잡한 프로세스와 처리비용 때문에 광 역지역을 대상으로 한 모니터링 시스템에는 부적합하 다는 점이다(Malof et al., 2015). 또한, 기존의 구축이 완 료된 대규모 태양광 발전 시설에 대한 모니티링은 광학 영상을 활용한 접근이 용이하지만, 소규모 및 도심지역 등 광학영상의 분광학적 특징으로 분류가 어려운 경우 는 영상 레이더를 활용한 방안이 가능할 것이다. InSAR(Interferogram SAR) 기법은 동일한 물리적 위치 에서 서로 다른 시간에 획득한 두 개의Complex SAR영상 을 사용하여 상관관계를 도출한다. 지표면에 변화가 일 어나면 레이더 펄스의 산란 특성이 변화하고Coherence
Value가 감소하게 된다. 이를 Coherence Correlation 라고 한다(Bürgmann et al., 2000; Zebker et al., 1997; Zebker and
가 있어, 이를 효율적으로 모니터링하기 위한 기술 개발이 요구된다. 본 연구에서는 Sentinel-1 위성의 SAR Temporal Baseline과 Coherence간의 상관관계를 이용한 태양광전지 패널 모니터링 방법을 연구하였다. 또한, 태양광 발전소와 주변의Coherence 차이를 이용한 태양광전지 패널 탐지를 실험하였다. 실험결과 안정적 산 란체로 가정한 태양광전지 패널의Coherence가 0.50~0.65 분포 0.53의 중앙값으로 치우친 편향을 보이고 있어 처리과정에서 발생될 수 있는 오차를 개선할 추가 연구가 요구된다. 태양광전지 패널의 Coherence 시간적 감 소 비율이 건물 등 인공물체와 다름에 따라 시간적 기준선을 이용한 변화탐지가 가능할 것으로 나타났다. 본 연구결과는 기존 광학영상을 활용한 대규모 태양광 발전 시설 위치정보 획득 연구에서, 소규모 태양광전지 패 널 모니터링이 가능하도록 영상레이더를 적용한 초기 연구이다. 또한, 본 연구를 바탕으로 지속적 모니터링이 가능하고 태양광전지 패널 유실과 같은 상황에서 공간적 분포를 파악할 수 있는 효율적인 방안이 될 수 있을 것으로 사료된다.
Villasenor, 1992). Coherence Change Detection은 화산, 산 사태 및 지진을 포함한 지구과학의 많은 분야에서 적용 (Rosen et al., 1996)되고 있으며, 도시의 인공물을 탐지하 려는 시도들이 진행되고 있다(Chini et al., 2018; Corbane
et al., 2018).
본 연구의 목표는 대규모 태양광발전 단지에 집중강 우 등에 의하여 태양광전지 패널의 유실 상황에 대하여
단지와 주변의Coherence 차이를 이용한 태양광전지 패
널 탐지와SAR Temporal Baseline과 Coherence간의 상 관관계를 기반으로 태양광전지 패널을 모니터링하기 위한 일련의SAR 처리 프로세스를 실험하는 워크플로 우를 개발하는 것이다. 이에 본 연구에서는 Sentinel-1 C 대역SAR 영상을 이용한 태양광전지 패널 모니터링 기 법을 개발하고, 향후 소규모 태양광 발전 시설의 태양광 패널 유실 및2차 환경오염에 선제적으로 대응하기 위 한 활용 가능성과 향후 연구방향을 도출하고자 하였다. Sentinel-1 영상을 2020년 4월을 기준으로 2020년 11월까 지 촬영된 영상을 수집하였고, InSAR 기법을 기반으로 2013년부터 운영중인 전남 고흥군 거금도 태양광발전 단지를 대상으로 분석하였다.
2. 연구방법
1) 연구대상지역 전라남도 고흥군에 위치한 거금도 태양광발전단지 (Fig. 1)는 발전용량 25 MW, 하루 최대 15만 kW를 생산할Fig. 1. Location map of the study area showing the extent of PV plant.
Table 1. The plant site information
Site Information Geogeum-do PV Plant Bird’s-eye-view LULC map Latitude/Longitude 34°26′34.1556″N / 127°8′29.6196″E Altitude/Azimuth 51 m~191 m / 79°~115° Photovoltaic capacity DC 25 MW PV Module 9,981 pcs
수 있는 우리나라에서 가장 큰 신재생에너지 발전시설
중 하나이다(Table 2). 발전단지 조성을 위해 설치된 태양
광전지 패널은 약10만개이며 총 면적은 55만 m2이다. 발
전소는 산악지형 사이에 위치하고 있어Foreshortening,
Layover, Shadow와 같은 SAR 영상의 지형 왜곡에 의한 한계가 존재하기 때문에, 일반적으로 산악지형에서 변 화탐지는 오차를 포함한다(Lee and Jang, 2008). 하지만, 거금도 발전단지는 비교적 낮은 경사도(평균 3도 미만) 의 사면에 고르게 분포되어 지형효과에 의한 오차가 타
발전단지에 비해 적을 것으로 예상하였다.
2) 데이터셋 구성
C-Band 레이더위성인 Sentinel-1은 Azimuth Mode에 서TOP(Terrain Observation With Progressive Scans) 지형
관측을 수행하는 가장 진보된SAR 위성이다. Sentinel-1
은 공간해상도와 촬영범위가 각기 다른4가지 전용 모
드를 제공한다. IW(The Interferometric Wide Swath Mode)
는InSAR와 관련된 응용 분야에서 널리 사용된다. IW
모드는 우수한 해상도(10 m)로 한번에 넓은 면적의 레
이더 펄스 반사정보를 얻을 수 있다. 3개의 Sub-Swath를
지원하며 총Swath폭은 250 km 이상을 촬영한다. 또한,
최소6일의 반복 주기로 SLC(Single Look Complex) 공간 해상도가5×20 m (rage × azimuth)이며, 연구 목적으로 온라인을 통해 무료로 다운로드 할 수 있다. 이러한 특
징에 따라 시간에 따른 지표면 변화 모니터링 연구에 있
어 매우 유용하게 사용될 수 있다.
본 연구를 위해2020년 4월부터 2020년 11월까지 촬
영된Sentinel-1A와 Sentinel-1B의 IW SLC Level 1 자료를
사용하였다. 일반적으로 VV편파가 송수신 방향이동일 한(co-polarization) VV편파가 송수신 방향이 상이한 (cross-polarization) VH편파에 비해 상대적으로 큰 후방 산란 값을 가진다(Lee et al., 2017). 하지만, 고정된 인공 물의 시간적 변화탐지를 목표로 하는 본 연구에서는 편 파방향의 민감도를 구분하지 않고, VV, VH 편파 자료 를 모두 사용하였다. 또한, 다수의 관측자료를 이용한 시계열 변위 관측 기법 중 영상 내에 분포하는 고정 산 란체(Permanent Scatterer)를 태양광전지 패널로 가정하 여 실험을 진행하였다. 주기적인 자료획득과 짧은 기선 거리의 경우 정밀도가 높아진다(Kim, 2010). 이에, 6~12 일 간격에서 기선거리 ±100 m 이내의 영상을 수집하 였다(Fig. 2)
수집된 영상들은ESA(European Space Agency)에서 제 공하는 자료처리 소프트웨어SNAP(Sentinel Application Platform)을 이용하여 전처리 되었다. SNAP을 이용하여 궤도보정, 영상정합(Co-registration), 방사보정(Radiometric Calibration), 지형 보정(Terrain Correction)이 수행되었다. 일반적으로 초기 자료생성 시에는 정확한 궤도정보가 입력되지 않은 상태인데, 궤도 보정을 통하여 정확한 위
성의 위치 및 속도 정보를 업데이트할 수 있다. 3) 연구의 방법 일반적으로 인간의 활동에 의한 토지이용변화를 감 지하기 위해Multi-Temporal SAR영상을 사용하는 것은 이미 널리 사용되는 연구방법이다(Monti-Guarnieri et al., 2018). 기존 연구에서는 SAR 영상의 시간해상도를 적극 적으로 활용하지 않는 방식이 사용되었지만, 본 연구에 서는 기준일로부터 최초의Coherence 생성 이후에 일정 한Temporal-Baseline으로 태양광패널 펄스 산란특성 파 악에 집중하였다. 일정한 시간간격으로 촬영된Interferogram SAR 영상
은GLRT(Generalized Likelihood Ratio Test) 방법(Kelly, 1986)을 이용하여 산란체의 변화를 탐지할 수 있으며,
다중 편파를 이용한Coherence 변화탐지까지 확장 가능
하다(Fornaro et al., 2017). 변화탐지를 위해 사용되는 SAR 영상에서 발생되는 기하학적 오차는 궤도 및 지형 형상
에 의해 발생된다. 본 연구에서는 경사면에 위치한 대상
지역의 지형 및 기하학적 오차를 보정하기 위해Single
Offset(Single Offset In Range And Azimuth)을 적용하였
Table 2. The information of Sentinel-1 SLC
Scene No. Date Orbit Days Perp. (m)
01 2020-04-27 Descending Ref. Ref.
02 2020-05-09 Descending 13 5 03 2020-05-21 Descending 25 -12 04 2020-06-02 Descending 37 25 05 2020-06-14 Descending 49 7 06 2020-06-26 Descending 61 -46 07 2020-07-20 Descending 85 11 08 2020-08-01 Descending 97 105 09 2020-08-13 Descending 109 15 10 2020-08-19 Descending 115 -81 11 2020-08-25 Ascending 121 31 12 2020-08-31 Descending 127 7 13 2020-09-06 Ascending 133 47 14 2020-09-18 Descending 145 56 15 2020-09-30 Descending 157 -8 16 2020-10-12 Descending 169 1 17 2020-10-24 Descending 181 -68 18 2020-11-05 Descending 193 60 19 2020-11-17 Descending 205 86 20 2020-11-29 Descending 217 82
Fig. 3. Flowchart for time-series monitoring of PV plant using Sentinel-1 coherence.
으며Along-Track Burst에서 InSAR Phase 차이를 고려하 여Amplitude Cross-Correlation을 수행하였다. 이후 Co-Registration된 TOPS SLC 영상과 Stacking된 영상을 사용 하여Interferometric Difference를 계산하고 Interferogram Coherence를 추정하였다. 기존 ERS(ESA Remote-sensing Satellite) 영상과 비교하여 Sentinel-1 TOPS 데이터의 해
상도는 경사각 방향에서 더 높고 방위각 방향에서 낮다.
Sentinel-1의 주요 장점은 훨씬 더 넓은 공간 범위와 Cross-Polarization에서도 Coherence가 유용하다는 점 이다. 본 연구에서 SNAP 소프트웨어를 이용하여 자료
처리를 진행하였으며 처리과정은Fig. 3과 같다.
Interferometric Coherence γ은 두 SAR 이미지 간의 Complex Correlation Coefficient의 Amplitude를 나타내며 다음과 같이 표현할 수 있다(Rosen et al., 1996). γ = (1) 여기서, C1과C2는 두SAR 영상의 픽셀 값을 의미하며 각괄호는 앙상블 평균을 나타낸다. 이때, 복소상관 계수 γ의 크기가 Coherence이다. 필터의 윈도우 크기가 증가하면 공간해상도가 감소 하지만 이 필터는 동일한 지표면에서 각 위성 궤도에 의 해 감지되는Radar Impulse Response 차이를 더욱 줄이기 위해 사용되었다(Massonnet and Feigl, 1998). 연구지역의
태양광전지 패널은 약1×1.8 m 크기로 약 30×3.6 m로 밀집되어 설치되어 있다. Sentinel-1의 SLC 공간해상도 는 경사각5 m, 방위각 20 m이다. 영상 품질을 개선하기 위해 먼저 해상도 셀에 대해6×2 멀티룩을 30×40 m로 평균화 하였고 공간해상도에서 평균 된Coherence를 계 산하기 위해50×50 m 공간해상도로 샘플링 하였다.
3. 연구결과 및 토의
본 연구에서는20개의 영상을 환경부의 세 분류 토지 피복지도를 무작위로 샘플링하여 각 토지피복과 태양 광전지 패널의Coherence 특성을 비교하였다. 혼합지역 은 저밀도 건물과 나지 및 농지가 혼합된 지역(Fig. 5,Mixed area)으로 Coherence 0.32~0.79의 넓은 범위를 보이 고 있으며 인간의 활동이 가장 활발하여 매우 편향된 분
포를 보이고 있다. 인공 건축물을 대상을 한 도시 지역
(Fig. 5, Built-up area)은 고정 산란체로 Coherence 0.64~ 0.71 분포 0.67의 중앙값인 정규분포에 가까운 형태를 보 이고 있다. 이에 반하여, 고정 산란체로 가정하였던 태 양광전지 패널(Fig. 5, PV Panel)은 예상과 달리 Coherence 0.50~0.65 분포 0.53 중앙값의 치우친 편향을 보이고 있다. 이는 존재하였던 고정 산란체의 강도가 변화하 였거나 태양광전지 패널의 샘플링 과정에서 무작위한 오차 및 지형에 의한 이상치가 반영되었을 것으로 예 상된다. 무작위로 샘플링 한Coherence를 Slave영상 기준시간 | <C1C*2> | (<C1C*1> <C2C*2>)
으로 환산한 결과는Fig. 6과 같다. Tempora4l Baseline에 따라 도시, 태양광전지 패널, 혼합지역 및 식생지역이 서 로 다른 감소비율을 보이고 있다. 시간적 기준선이 200 일 진행되는 동안 도시와 태양광전지 패널의Coherence 는0.16의 범위에서 변하는 것으로 나타났으며 이는 50일 기준선0.088보다 크게 증가하였다. 하지만, 시간적 기준 선에서Coherence 변위 비율을 이용한 태양광전지 패널 탐지결과를 도출하기에 부족하다는 것을 발견했다. 또한, 태양광전지 패널의 Coherence가 비교적 짧은 시간적 기준(100일 이하)에서 도시지역보다 높은 편향 (0.031~0.053)을나타냈으며, 상대적으로긴기준선(200일 이상)에서 Coherence 0.14 차이를 보이고 있었다. 이러한 결과는 태양광전지 패널의Sentinel-1 간섭계 Coherence
일관성은Normal Baseline보다 Temporal Baseline에 의
해 영향을 받았다는 것을 나타낸다(Fig. 7).
본 연구에서는 처리된coherence 영상에서 태양광전
Fig. 6. Temporal vs. perpendicular baselines in the Sentinel-1 coherence analysis. Fig. 5. Temporal coherence decay.
지 패널을 탐지하기 위해 중분류 토지피복도에서 무작 위로 선택된 임계값을 이용하여Coherence 영상을 이진 화하였다. Table 3은 각 영상에서의 선정된 임계값을 나 타내고 있다. 선정된 임계값은 각 영상에서 샘플링된 화 소의 평균값을 사용하였다. 각 영상에 적용하여 태양광 전지 패널을 탐지하였다(Fig. 7). 본 연구에 사용된 거금 도 태양광 발전소 위치정보는 발전소 토지를 의미하여 정확한 태양광전지 패널의 공간적 분포와 면적을 알 수 없다. 때문에, 본 연구에서는 탐지된 결과와 태양광전지 패널의 면적비교를 수행하지 않았으며 태양광발전소 경계와의 육안 비교를 위해 매핑하였다(Fig. 7; Fig. 8). 대 상지역의 경사가 높을수록 정확도가 떨어지는 것을 관
Table 3. Thresholds of PV panel classifier in coherence map
Coherence No. Value of thresholds (PV panel)
Minimum Maximum Range Mean
1 0.394 0.869 0.475 0.448 2 0.327 0.912 0.585 0.488 3 0.316 0.875 0.559 0.472 4 0.297 0.834 0.537 0.446 5 0.301 0.830 0.529 0.433 6 0.314 0.860 0.546 0.439 7 0.319 0.795 0.476 0.440 8 0.405 0.839 0.434 0.542 9 0.332 0.868 0.536 0.445 11 0.373 0.087 -0.286 0.438 12 0.401 0.840 0.439 0.441 14 0.413 0.873 0.460 0.445 15 0.503 0.803 0.300 0.504 16 0.479 0.861 0.382 0.394 17 0.366 0.863 0.497 0.418 18 0.377 0.818 0.441 0.418 19 0.414 0.885 0.471 0.442 20 0.369 0.857 0.488 0.425 21 0.307 0.855 0.548 0.358
Fig. 7. Close view of a detected result of the study area cantered over PV plant site. Result of the coherence-based classifier with PV plant shown in red. Coherence map used as base layer. (a) Apr 27, 2020 to May 09, 2020. (b) Apr 27, 2020 to Nov 29, 2020.
찰할 수 있었으며 위성에서 바라본 태양광발전소의 경
계면을 명확하게 산출하는데 어려움이 있었다. 또한, 인
근에 안정된 산란체까지 탐지되어 정확도가 떨어지는
것을 확인하였다. 이는 임계값 도출 알고리즘 개발과 각
종 오차를 보완하는 후속연구가 필요하다고 판단된다.
4. 결론 및 토의
태양광전지는 중금속이 함유된 폐기물로, 유실 및 관 리 부재에 등에 의하여2차 환경오염을 유발할 수 있다. 기후변화로 인해 집중강우 시 경사면에 설치된 태양광 전지 패널의 유실은 토양 오염의 원인이 될 수 있으며, 소규모 태양광 발전 및 도시지역의 작은 공간에서 활 용되는 태양광 패널의 과잉은 태양광전지 폐기물의 자 원활용을 위해서 지속적인 모니터링 기술개발이 필요 하다. 본 연구에서는 우선적으로 대규모 태양광 발전 시설 단지를SAR 위성영상을 이용하여 분석하는 시범 연구를 진행하였다. 이를 통하여 일정한 촬영 주기를 가지는SAR 위성영상을 이용하여 태양광전지 패널을 탐지하였고, 시간적 기준선 변화에 따라 토지피복의 Coherence 변화 비율을 확인하였다. 안정적 산란체로 가정하였던 태양광전지 패널은 인공 건축물에 비해 넓 은 범위와 치우친 편향을 보이고 있어 처리과정에서 발 생될 수 있는 오차를 개선할 수 있는 연구가 요구된다. 태양광전지 패널의Coherence 감소 비율이 건물 등 인 공물체와 다르게 나타남에 따라 시간적 기준선을 이용 한 변화탐지가 가능할 것으로 판단하였다. 특히, 태양 광 발전 시설은 대규모 및 소규모는 환경영향평가 대상 으로, 정확한 위치 정보를 파악할 수 있다. 환경부의 세 분류 토지피복지도 및 환경영향평가 정보 지원 시스템 등에서 이를 일정 부분 제공하고 있으며, 이에 대한 공 간정보 활용 및 검증을 향후 연구에서 적용해 보고자 한다. 또한, 광학 및 공간정보를 참조하여 분류 정확도 를 개선시킨다면 지속적인 태양광발전소의 모니터링 이 가능할 것으로 기대된다. 본 연구의 결과는 기존 광 학위성영상 및 항공영상 기반의 태양광전지 패널 탐지 및 입지분석 연구와 달리SAR 영상을 이용한 지속적인 모니터링이 가능하고 태양광패널 유실과 같은 상황에 서 공간적 분포를 파악할 수 있는 효율적인 방안이 될 수 있다고 판단된다.사사
본 논문은 한국환경정책·평가연구원이 환경부의 재 원으로 한국환경산업기술원의 수요 대응형 물 공급 서 비스연구사업의 지원(RE201901145) 및 한국연구재단 의 이공학 개인기초연구(NRF-2018R1D1A1B07041203) 에 의해 수행되었습니다.References
Bradbury, K., R. Saboo, T.L. Johnson, J.M. Malof, A. Devarajan, W. Zhang, L.M. Collins, and R.G. Newell, 2016. Distributed solar photovoltaic array location and extent dataset for remote sensing object identification, Scientific Data, 3(1): 160106.
Bürgmann, R., P.A. Rosen, and E.J. Fielding, 2000. Synthetic Aperture Radar Interferometry to Measure Earth’s Surface Topography and Its Deformation, Annual Review of Earth and
Planetary Sciences, 28(1): 169-209.
Chini, M., R. Pelich, R. Hostache, P. Matgen, and C. Lopez-Martinez, 2018. Towards a 20 m Global Building Map from Sentinel-1 SAR Data, Remote
Sensing, 10(11): 1833.
Corbane, C., G. Lemoine, M. Pesaresi, T. Kemper, F. Sabo, S. Ferri, and V. Syrris, 2018. Enhanced automatic detection of human settlements using Sentinel-1 interferometric coherence, International
Journal of Remote Sensing, 39(3): 842-853.
Fornaro, G., A. Pauciullo, D. Reale, M. Weiß, A. Budillon, and G. Schirinzi, 2017. GLRT detection and compressing sensing in SAR tomography: Application to imaging and monitoring of buildings,
Proc. of IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Fort Worth, TX,
Jul. 23- 28, pp. 2482-2489.
Heath, G.A., T.J. Silverman, M. Kempe, M. Deceglie, D. Ravikumar, T. Remo, H. Cui, P. Sinha, C. Libby, S. Shaw, K. Komoto, K. Wambach, E. Butler, T. Barnes, and A. Wade, 2020. Research and development priorities for silicon photovoltaic module recycling to support a circular economy,
Nature Energy, 5(7): 502-510.
Jo, J.H., Y.W. Seo, and Y.S. Kim, 2018. Management Status and Improvement Plans of Waste Solar Panel, Korea Environment Institute, Sejong, KOR (in Korean with English abstract). Kim, S.W., 2010. A Comparison of InSAR Techniques
for Deformation Monitoring using Multi-temporal SAR, Korean Journal of Remote Sensing, 26(2): 143-151 (in Korean with English abstract). Kelly, E.J., 1986. An Adaptive Detection Algorithm,
IEEE Transactions on Aerospace and Electronic Systems, AES-22(2): 115-127.
Lim, S.T., 2019. Solar panel waste generation and treatment trends, Korea Environmental Industry
and Technology Institute, Seoul, KOR.
Lee, S.J., S.W. Hong, J.I. Cho, and Y.W. Lee, 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 (in Korean with English abstract). Lee, H.Y., 2008. Analysis of KOMPSAT-5 Orbit for
Radargrammetry, Korean Journal of Remote
Sensing, 24(4): 351-358 (in Korean with English
abstract).
Malof, J.M., K. Bradbury, L.M. Collins, and R.G. Newell, 2016. Automatic detection of solar photovoltaic arrays in high resolution aerial imagery, Applied Energy, 183: 229-240. Malof, J.M., H. Rui, L.M. Collins, K. Bradbury, and R.
Newell, 2015. Automatic solar photovoltaic panel detection in satellite imagery, Proc. of
IEEE International Conference on Renewable Energy Research and Applications (ICRERA),
Palermo, ITA, Nov. 22-25, pp. 1428-1431. Massonnet, D. and K.L. Feigl, 1998. Radar interferometry
and its application to changes in the earth’s
surface, Reviews of Geophysics, 36(4): 441-500. Ministry of Environment, 2020. Environmental Geographic
Information Service (EGIS), https://egis.me.go.kr, Accessed on Nov. 20, 2020.
Monti-Guarnieri, A., M.A. Brovelli, M.M. D’Alessandro, M. Manzoni, M.E. Molinari, and D. Oxoli, 2018. Coherence Change Detection For Sentinel-1 Sar: Methods And Applications, Proc. of IEEE
International Geoscience and Remote Sensing Symposium (IGARSS), Valencia, ESP, Jul.
22-27, pp. 64-67.
Rosen, P.A., S. Hensley, H.A. Zebker, F.H. Webb, and E.J. Fielding, 1996. Surface deformation and coherence measurements of Kilauea Volcano, Hawaii, from SIR-C radar interferometry, Journal
of Geophysical Research: Planets, 101(E10):
23109-23125.
Sandwell, D.T. and E.J. Price, 1998. Phase gradient approach to stacking interferograms, Journal of
Geophysical Research: Solid Earth, 103(B12):
30183-30204.
Sinha, A., O.S. Sastry, and R. Gupta, 2016. Detection and characterisation of delamination in PV modules by active infrared thermography, Nondestructive
Testing and Evaluation, 31(1): 1-16.
Weckend, S., A. Wade, and G. Heath, 2016. END-OF-LIFE: Solar Photovoltaic Panels, International
Renewable Energy Agency, Abu Dhabi, UAE.
Zebker, H.A., P.A. Rosen, and S. Hensley, 1997. Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps, Journal of Geophysical Research: Solid
Earth, 102(B4): 7547-7563.
Zebker, H.A., and J. Villasenor, 1992. Decorrelation in interferometric radar echoes, IEEE Transactions on
