위성영상으로

특집

지능형 국토관리시대의

국토위성정보 역할과 발전 방향

2020 September vol.467

위성영상으로

국토를 ^관리하다

02 국토시론

국토위성정보를 활용한 국토모니터링의 도전과 극복 이우균_ 대한원격탐사학회장,

고려대학교 환경생태공학과 교수

특집 | 지능형 국토관리시대의 국토위성정보 역할과 발전 방향

06  국토모니터링을 위한 위성영상 활용방법 및 발전 방향 최재완_ 충북대학교 토목공학부 교수

16  고해상도 위성영상 활용을 위한 정밀영상 생성기술 국산화 개발 현황 김태정_ 인하대학교 공간정보공학과 교수 22  지능화된 국토 이용·관리를 위한 위성정보 활용 해외사례 장은미_ ㈜지인컨설팅 대표이사

30  국토관측위성 활용 전략 수립을 위한 영국 사례 분석 허용_ 국토연구원 부연구위원

38  재난 분야 위성정보 공동 활용을 위한 국제협력 현황 및 방향

김진영_ 국립재난안전연구원 연구관 44  국토위성정보 활용 확대를 위한 인력양성 방향 강영옥_ 이화여자대학교 사회과교육과 교수

52 용어풀이 <265>

SAR(Synthetic Aperture Radar, 합성 개구 레이더) 외 임륭혁_ 국토연구원 연구원

54 KRIHS가 만난 사람 <36>

사공호상 국토지리정보원장 “위성정보 활용을 촉진하고 확대하는 대한민국의 중심이 되겠습니다”

인터뷰_ 허용 국토연구원 부연구위원

60 미래의 한반도 <3>

통일 30년, 독일의 교훈 이상준_ 국토연구원 선임연구위원

68 2020 어반 오디세이(URBAN ODYSSEY) <9>

‘어린이’와 ‘상상’을 담은 비행기:

KT&G 상상마당 춘천

방승환_ 「닮은 도시 다른 공간」 저자

76 우리 동네 도시재생 이야기 <28>

주민과 함께 상상하는 고한읍 마을호텔 18번가 이야기 강경환_ 마을호텔 제안자, 로컬 크리에이티브 디렉터 84 기고

공공주택건설·재개발사업,

한국판 뉴딜사업과 연계 추진해야

김용웅_ 도시·지역계획 박사, 전 충남연구원장

90 영화와 도시 <81> 영화 ‘콜럼버스’

건축의 도시 콜럼버스를 건축적으로 담아내다 손시내_ 영화평론가

CONTENTS

54

68

90

제467호 2020년 9월호

96 연구자의 서가 <28>

모두를 위한 국토, 함께 누리는 삶터를 위한 해법 김기훈_ 국토교통부 국토정책과 서기관 99 국토 옴부즈만

100 글로벌정보

각국의 위성정보 활용 관련 동향 111 자료회원 가입 안내

112 국토연구원 단신

에코스마트시티 협동연구 제1차 총회 외

114 KRIHS 보고서

데이터경제 활성화를 위한 공간정보 생산체계 혁신 전략 (김미정 외 지음)

김민수_ 대전대학교 컴퓨터공학과 교수 공간정보의 사회적 가치와 공공성 제고방안: 공간 정보 취약계층 지원대책을 중심으로 (강혜경 외 지음) 이기준_ 부산대학교 정보의생명공학대학장 118 연구보고서 구입 안내

120 기자칼럼

위성 기반 국토모니터링, 민간 역할 커지도록 관(官)이 도와야 김영준_ 전자신문 기자

121 지도로 보는 우리 국토 <21>

지역별 청년인구 유출입 현황 조성철_ 국토연구원 부연구위원 발행일 2020년 9월 10일 발행인 강현수 편집위원장 문정호 편집위원 권규상, 김정화, 남기찬, 박소영, 박종순, 안예현, 안종욱, 윤서연, 이보경, 이재춘, 이후빈, 임용호(가나다 순) 책임에디터·간사 한여정 전화 044-960-0114(대표), 044-960-0425(구독문의)

「국토」는 국토 전반에 관한 국내외 최신 정보와 현안 문제를 다루는 월간지입니다. 「국토」에 수록된 내용은 필자 개인의 견해이며, 국토연구원의 공식적인 견해가 아님을 밝힙니다.

순천시 순천만

2020년 「국토」에서는 지난해 9월부터 10월까지 국토연구원에서 주최한 제7회 아름다운 우리 국토 사진공모전의 수상작을 표지로 게재합니다.

본 작품은 최우수상으로 선정된 이오남 님의

‘숭어잡이’(촬영지: 전남 순천시 순천만)입니다.

Cover story

위성영상으로

국토를 ^관리하다

국토시론

국토위성정보를 활용한

국토모니터링의 도전과 극복

지난 7월 14일 정부는 대통령 주재 한국판 뉴딜 국민보고대회(제7차 비상경제회의) 를 개최하여 ‘한국판 뉴딜 종합계획’을 발표하였다. 코로나19로 인한 ‘극심한 경기침 체 극복’과 ‘구조적 대전환’이라는 과제를 이루기 위한 계획으로 보인다. 그러나 이는 단순히 코로나 현상의 극복을 넘어 현재 우리가 당면한 기후변화대응(저탄소사회) 및 SDGs 실현(사람 중심의 포용국가)을 위한 근본적 전환정책으로 인식하여야 할 것이다.

이러한 대전환의 중심에 국토(land)가 있다. 국토는 인류 생존의 터전으로서 적 정 수용력(carrying capacity)이라는 기능 내에서 이용되어야 한다. 그러나 인류는 기반시설(infrastructure)을 통해 자연수용력을 초과하는 시설수용력을 증대시키 며 그 발전을 지속해 왔다. 농경사회의 한정되고 분산된 이용 형태가 1, 2, 3차 산업 혁명을 거치면서 대규모화되고 집중화된 국토이용 형태로 바뀌었다. 이러한 과정을 통해 인류는 도시화 및 인구집중 현상과 그로 인한 각종 환경문제 및 기후위기의 시 기를 맞고 있다. 우리나라도 10%의 도시에 90%의 인구가 집중되어 있으며, 각종 부 작용을 겪고 있다. 이 때문에 우리는 현재 ‘일찍이 겪어 보지 못한 거대한 도전을 극 복’해야 하는 상황에 놓여 있다.

한국형 뉴딜은 디지털 혁신 및 역동성 확산을 위한 ‘디지털 뉴딜’과 친환경 · 저탄 소 전환을 위한 ‘그린 뉴딜’로 나누어지며, 이를 통해 ‘사람 중심 포용국가 기반의 안 전망 강화’를 꾀하는 것으로 되어 있다. 디지털 뉴딜에는 D.N.A.(Data, Network, AI) 생태계 강화, 교육인프라 디지털 전환, 비대면 산업 육성, SOC 디지털화 등 네 개 세부과제가 있으며, 그린 뉴딜은 도시 · 공간 · 생활인프라 녹색 전환, 저탄소 · 분 산형 에너지 확산, 녹색산업 혁신생태계 구축 등 세 개 세부과제로 구성되어 있다.

이 중 D.N.A. 생태계 강화, SOC 디지털화, 도시 · 공간 · 생활인프라 녹색 전환, 10대 대표사업 중에서는 데이터 댐, 디지털 트윈 등이 국토위성기반 국토모니터링과 이우균 대한원격탐사학회장, 고려대학교 환경생태공학과 교수 (leewk@korea.ac.kr)

제467호 2020 September

관련성이 높다고 볼 수 있다.

국토모니터링(land monitoring)의 핵심은 국토의 시공간 정보(Spatio-temporal information) 를 통해 그 현상 및 변화를 신속 · 정확 · 용이하게 파악하는 것이다. 이를 통해 균형적인 국토 관 리, 재난재해 관리, 난개발 방지, 정책 수립 등을 위한 의사결정을 지원하는 것이다. 국토의 변화 (change)를 탐지(detection)-추적(tracking)-예측(prediction)하는 모니터링은 지상모니터링과 항공모니터링으로 구분될 수 있다. 지상모니터링(terrestrial monitoring)은 주로 사람 및 기구에 의존하여 조사를 수행하는 것이었으나, 최근에는 각종 고정 및 이동센서 기반의 조사와 모니터링 이 일반화되어 있다. 항공모니터링(space monitoring)은 항공기에 의한 근거리 사진촬영에서 시 작하여 최근에는 드론-항공기-위성으로 이어지는 다양한 플랫폼(platform)으로 탐지(sensing) 하는 기술이 널리 보급되어 있다. 요약하면, 지하-지상-항공에서 다양한 플랫폼에 장착되어 있 는 다양한 센서(sensor)가 전 지구로부터 국소지역의 ‘다양한 정보’를 ‘다차원’으로 탐지하고 있는 것이다. 어쩌면 ‘지구가 모니터링 당하고 있다’라는 표현이 적절할 정도로 다양한 기구와 센서들 이 지구 곳곳을 보고, 듣고 있는 것이다.

우리나라도 이러한 지구관측과 모니터링에 뛰어 들어 「우주개발 진흥법」에 따라 5년마다 수립 되는 우주개발진흥계획하에 다양한 위성(satellite)을 통해 국토를 모니터링하고 있다. 정지궤도 위성(천리안)을 통해 통신, 기상, 대기, 해양 부문의 임무를 수행하고 있으며, 다목적 실용위성 (아리랑)을 통해 국토에 대한 다양한 정보를 제공하고 있다. 최근에는 ‘위성수요에 효과적인 대응 과 국내 위성산업 저변 확대 및 산업체 육성을 위한’, ‘차세대 중형위성’이 국토, 농림, 수자원 등 을 위해 발사 예정이다.

여기에서 다시 ‘국토위성정보를 활용한 디지털 뉴딜시대의 국토모니터링’에 대해 생각해 볼 필 요가 있다. 우선, ‘국토위성정보’는 상기와 같이 우리나라가 우주개발진흥계획하에서 운영하고 있 는 모든 위성정보로 보아야 할 것이다. ‘디지털 뉴딜시대’는 D.N.A.(디지털)와 환경(그린)을 동시 에 발전의 원동력(뉴딜)으로 삼아야 하는 것으로 볼 수 있다. ‘국토모니터링’은 ‘일찍이 겪어 보지 못한 거대한 도전을 극복하기 위한’ 또는 ‘한국형 뉴딜(시대)’을(를) 위한 의사결정 지원’으로 보아 야 할 것이다.

위에서 언급했듯이, 우리 국토는 도시화로 인한 인구 및 기반시설 집중화 문제를 겪고 있다.

10%의 도시에는 인구(90%)와 기반시설이 과도하게 집중되어 있으며, 그로 인해 토지이용 및 피 복(被覆)이 배타적이고 파편화되어 있다. 이는 재해재난 예방에 필수적인 국토의 ‘연결성 및 포용

국토위성정보를 활용한

국토모니터링의 도전과 극복

한국형 뉴딜은 디지털 혁신 및 역동성 확산을 위한 ‘디지털 뉴딜’과 친환경·저탄소 전환을 위한 ‘그린 뉴딜’로 나누어지며,

이를 통해 ‘사람 중심 포용국가 기반의 안전망 강화’를 꾀하는 것으로 되어 있다.

성’이 상실된 상태임을 의미한다. 반대로 90%인 비도시 지역에는 과소한 인구(10%)로 소멸 가능 한 기초지자체가 예상되며, 그 지역 주민을 위한 기반시설은 부족한 상태에서 10%의 도시를 위 한 물-식량-에너지 공급기지로 이용되고 있는 실정이다. 국토 측면에서 보면, 한국형 뉴딜에서 이루고자 하는 ‘포용적 사회’, ‘균형적 발전’의 기반이 안 되어 있는 것이 현실이다.

따라서 ‘국토위성정보를 이용한 국토모니터링’은 국토의 불균형적 이용 및 도시화 문제를 해결 하기 위한 방향으로 이루어질 필요가 있다. 그 전제를 기후변화대응(저탄소사회) 및 SDGs 실현 (사람 중심의 포용국가)을 위한 ‘한국형 뉴딜시대’로 본다면, 물-식량-에너지 연계(Nexus)를 위한 국토모니터링이 되어야 할 것이다. 현재 우리나라는 물-식량-에너지 흐름이 도시, 특히 수도권으 로 집중되어 있는 불안정한 구조를 지니고 있다. 기후변화 측면에서 보면, 물과 식량의 탄소발자 국(배출)이 높은 것이고, SDGs 측면에서 보면, 물(6번 목표)-식량(2번 목표)-에너지(7번 목표)의 건전한 생산과 소비(12번 목표)가 안 되는 것이다. 기후위기 및 재난 측면에서는 물-식량-에너지 의 연계가 재난위험을 증가시키는 것이다. 이를 해결할 수 있는 ‘국토모니터링’이 되어야 한다.

또한, 기후위기 대응 및 포용적 국가를 지향하는 국토모니터링을 위한 ‘국토위성정보’는 AI 기 반인 Big Data의 요소를 충족시켜야 한다. 양(Volume), 속도(Velocity), 다양성(Variety)의 3V 를 갖춘 ‘국토위성정보’가 되어야 한다. 한국형 뉴딜 입장에서는 데이터 댐, SOC 디지털화, 디지 털 트윈이 3V를 갖추도록 국토위성정보가 그 역할을 해야 한다. 최근의 홍수, 산사태 등의 방지 를 위해서는 국토현상과 거의 동일한 정밀한 3차원 디지털 정보를 기반으로 재난이 예측되어야 하기 때문이다. 이를 위해서는 국내의 다양한 위성정보 간 활용 연계가 필수적이며, 각 위성을 관 장하는 부처 간의 활용기술 및 체계상 협력이 당연히 수반되어야 한다.

기후변화에 대응하기 위해 각국은 소위 ‘탄소순배출제로(Net zero Emissions)’를 선언하고 실 천계획을 발표하고 있다. 이는 인류의 안전을 위해서는 기후변화 상승폭을 섭씨 1.5℃ 이내로 제 한해야 한다는 절실함에서 온 것이다. 한국형 뉴딜에도 우리나라가 ‘순배출’에 동참할 것임이 내 포되어 있다. 이는 우리나라 국토가 ‘흡수한 만큼만 배출해야 한다’라는 것을 의미하며,이를 위해 서는 LULUCF(Land Use Land Use Change, Forestry)에서 흡수원으로 규정한 산림, 농지, 초 지, 습지, 정주지에서의 온실가스 흡수량이 정확하게 추정되어야 한다. 현재 우리나라에서는 각 부문별로 온실가스량이 추정되고 있지만, 전체가 통합된 추정체계는 갖추지 못했다. 따라서 국토 위성정보 기반으로 정합성이 담보되는 국토의 통합 온실가스 흡수량 산정체계를 갖추는 것도 한 국형 뉴딜 달성에 기여하는 길이다.

기후위기 대응 및 포용적 국가를 지향하는 국토모니터링을 위한

‘국토위성정보’는 AI 기반인 Big Data의 요소를 충족시켜야 한다.

양(Volume), 속도(Velocity), 다양성(Variety)의 3V를 갖춘 ‘국토위성정보’가 되어야 한다.

국토시론

1992년에 발사된 우리별 1호 위성을 시작으로 우리나라의 우주기술은 고해상도 위 성영상을 취득할 수 있는 인공위성 및 카메라 개발에서 많은 기술발전을 이루었 다. 아리랑 3호(2012년), 아리랑 3A호(2015년) 등에 이어 우리나라는 0.5m 해상도 의 고해상도 위성영상을 촬영할 수 있는 국토관측위성 1, 2호기를 개발 중에 있고, 앞으로도 소형 군집위성 등 고해상도 영상 취득용 인공위성을 개발할 예정이다. 따 라서 조만간 정밀 국토관측 및 국토모니터링에 고해상도 인공위성영상이 활발하 게 사용될 예정이며 정밀 국토관측, 국토모니터링, 고정밀 지형공간정보 구축에 활 용됨으로써 새로운 부가가치와 일자리를 창출할 수 있을 것으로 기대된다. 이번 호 특집에서는 국토위성정보를 활용하기 위한 방안과 국제협력 방향에 대한 전문가들 의 의견을 들어본다.

특집기획: 허용 국토연구원 부연구위원

지능형 국토관리시대의 국토위성정보 역할과 발전 방향

특집

국토모니터링은 다(多)시기에 촬영한 항공영상, 위성영상 등을 포함한 다양한 지형공간 정보를 사용하여 국토의 변화를 탐지하고, 이를 활용하여 국토발전 및 정책결정에 필요 한 기초자료를 생성하고 분석하는 과정을 의미한다. 이석민 외(2011)는 국토모니터링에 대해 국토를 체계적으로 관리하고 국토계획을 수립하기 위하여 국토의 현황을 조사하여 결과를 축적하고, 이를 통해 국토의 변화를 파악하는 것으로 정의하였다.

각기 다른 시기에 촬영된 위성영상은 영상처리과정을 거쳐 국토의 변화유무 및 변 화양상을 효과적으로 파악할 수 있게 도와준다. 때문에, 다양한 국토모니터링 및 변화 탐지(change detection) 기법에 대한 연구가 이루어지고 있으며, 이에 따른 활용사례 들도 다양하게 제시되고 있다. 특히 4차 산업혁명 시대가 도래함에 따라, AI(Artificial Intelligence), 빅데이터(big data) 등의 기술을 위성영상에 적용하여 국토의 변화양상을 효과적으로 파악하는 학문 분야의 발전이 빠르게 진행되고 있다.

현재, 국토모니터링에 활용하기 위한 다양한 공간해상도(spatial resolution)와 분광해 상도(spectral resolution) 등을 지닌 위성센서가 존재하며, 국내의 경우에도 한반도를 포 함한 전 세계 국토에 대한 위성영상을 취득할 수 있는 국토전용관측위성의 발사가 예정 되어 있다. 국토지리정보원에서는 2019년 11월 1일 국토전용관측위성의 효율적 활용을 위해 국토위성센터를 설립하여 운영 중이다.

이 글에서는 4차 산업혁명 시대의 도래에 따른 기술발전을 기반으로 국내 · 외 공간 정보 구축 및 위성영상에 기반한 융복합 산업시장의 확대에 기여할 수 있을 것으로 판 단되는 다시기 위성영상을 통한 국토모니터링의 특징과 발전방향을 논하고자 한다.

국토모니터링을 위한 위성영상의 적용 분야 및 변화탐지 기법의 특징을 정리하고, 이 를 바탕으로 위성영상을 활용한 국토모니터링의 발전방향에 대하여 정리해보고자 하 였다.

국토모니터링을 위한

위성영상 활용방법 및 발전 방향

최재완 충북대학교 토목공학부 교수 (jaewanchoi@chungbuk.ac.kr)

머리말

제467호 2020 September

국토모니터링을 위한 변화탐지 기법

변화탐지 기법은 국토모니터링을 위하여 다시기 위성영상에 적용할 수 있는 대표적인 기 법으로, 관심지역에 대하여 서로 다른 시기에 취득된 위성영상을 종합한 후 분석하는 것 이다. 미변화지역은 유사한 화솟값 혹은 분광반사도를 가지지만, 변화지역의 화솟값 및 분광반사도 특성은 상이하다는 가정을 이용하여 두 영상 간의 비유사성을 정량화하고, 이를 통하여 변화지역을 추정하는 방법이다.

변화탐지 기법은 크게 무감독 변화탐지(unsupervised change detection)와 감독 변화 탐지(supervised change detection)로 구분할 수 있다. 무감독 변화탐지는 사전정보 없 이 다시기 영상 간의 차이를 추출하여 관심지역의 변화유무만을 추정하는 기법으로(Lu et al. 2014), 사용자의 개입을 최소화할 수 있다. 그러나 변화지역의 변화유무에 대한 확 률정보의 형태로 결과물이 제공되기 때문에, 변화지역과 미변화지역을 구분하기 위한 임 계치(threshold)에 따라 변화탐지 결과의 품질이 결정되는 단점이 있다. 감독 변화탐지는 사용자가 사전에 정의한 훈련자료를 활용하여 변화 전후의 영상에 보이는 토지피복(land cover)을 분류하고, 다시기 영상의 분류결과를 비교하여 토지피복의 변화유무와 변화양 상을 분석하는 방법이다. 감독 변화탐지는 변화지역이 어떠한 형태의 토지피복으로 변화 하였는지에 대한 정보를 취득할 수 있지만, 훈련자료의 품질이 변화탐지 결과에 크게 영 향을 미칠 수 있다는 한계점이 있다. Singh(1998)과 Lu et al.(2003)은 변화탐지 기법의 특성에 따라서 변화탐지 기법의 범주를 분류한 바 있으며, 전통적인 변화탐지 기법들을 재구성하면 <표 1>과 같이 정리할 수 있다. 최근 들어 기계학습(machine learning) 및 AI 기술의 발전으로 그 범주를 명확히 구분하기 어려운 기법들이 등장하기 시작했다. 특 히, 딥러닝(deep learning) 기법 기반의 변화탐지 기법은 훈련자료의 참조자료가 변화유 무만으로 정의된 경우에는 무감독 변화탐지의 결과와 유사한 특성을 보이지만, 훈련자료 가 필요하다는 점에서는 감독 변화탐지의 범주에 속한다고 할 수 있다. 따라서 최근에 개

<표 1> 변화탐지 기법의 특성에 따른 전통적인 분류

분류 기법 개요

무감독 변화탐지

대수(algebra) 기반 기법

• 다시기 영상의 차분(differencing), 비율(ratio) 등의 수학적 모델을 통하여 변화지역을 추정 하는 방법

• 대표적 기법: 영상차분, 영상비율, 변화벡터 분석(Change Vector Analysis, CVA) 등 분광변환(spectral

transformation) 기반 기법

• 다시기 영상의 분광변환을 통하여 영상 내 특정 패턴정보를 추출하고, 이를 활용하여 변화탐지를 수행하는 기법

• 대표적 기법: PCA(Principal Component Analysis) 기반의 변화탐지 기법, MAD(Multivariate Alteration Detection) 기반의 기법 등

감독 변화탐지

분류 (classification)

기반의 기법

• 영상분류 기법을 다시기 영상에 적용하여, 변화유무 및 변화양상을 확인하기 위한 기법

• 대표적 기법: 무감독분류/감독분류 결과의 비교를 통한 변화탐지 추출, 기계학습(machine learning) 기반의 기법

기계학습 및 AI 기반의 기법

• 기계학습 및 딥러닝(deep learning) 등의 기법으로 사용자가 정의한 학습자료의 학습을 통한 변화유무 혹은 변화양상을 추정할 수 있는 모델을 생성하는 기법

• 대표적 기법: CNN(Convolutional Neural Network) 기반의 기법 자료: Lu et al. 2003의 내용을 기반으로 재구성하였음.

발되고 있는 최신의 변화탐지 기법들은 기법의 특성에 따른 범주구분이 모호해지는 추세 라고 볼 수 있다.

한편, 국토모니터링을 위한 변화탐지 기법들은 적용단위에 따라서 화소(pixel) 기반의 기법과 객체(object) 기반의 기법으로 구분할 수 있다. 화소 기반의 기법은 국토모니터링 을 위한 변화탐지 기법을 적용했을 때 영상의 최소단위인 화소에 적용하는 방법으로, 중 저해상도 영상에 효과적으로 적용할 수 있다. 그러나 고해상도 위성영상에 적용할 경우 에는 고해상도 영상의 위치정확도와 기하학적 특성의 영향을 받을 수 있는 단점을 지닌 다. 이러한 문제를 해결하기 위하여 분할(segmentation) 방법을 이용하여 동일한 물체를 나타내는 화소들을 하나의 객체로 표현하고, 해당 객체 단위를 기준으로 변화탐지를 수 행하는 객체 기반의 기법이 제안되어 활용되었다. 그러나, 객체 기반의 기법은 영상 분할 기법의 성능에 따라서 변화탐지 결과의 품질이 결정되기 때문에 분할 기법에 사용되는 최적의 변수를 선정해야만 한다.

국토모니터링을 위한 변화탐지 기법에서 양질의 결과물을 취득하려면 기법의 성능과 더 불어 안정성을 고려해야 하며, 다음과 같이 정리할 수 있다.

1. 다시기 위성영상의 위치정확도

원격탐사 자료의 변화탐지 기법에 관한 연구사례에서는 정사보정(geometrical rectification) 과정을 거친 정사영상을 입력자료로 활용하고 있으며, 기하보정과정 을 거쳐 다시기 위성영상 내의 동일 위치 화소는 동일 좌표를 나타냄을 가정하고 있 다(Hester et al. 2010). 이 때문에 영상의 기하보정 과정이 제대로 수행되지 않은 위 성영상은 고품질의 변화탐지 결과를 보장할 수 없다. 따라서 국토모니터링을 위하 여 자동화된 변화탐지 기법을 적용하고자 할 때는 입력자료로 활용되는 다시기 위 성영상의 위치정확도가 보장되어야 한다. 또한, 영상 내에 존재하는 기복변위(relief displacement) 등으로 동일 위치에 존재하는 객체가 다시기 영상 내에서 다른 좌표를 가질 때에는 해당 객체들이 변화지역으로 오탐지될 수 있으므로, 변화탐지 및 국토모 니터링 기법을 적용하기 전에 다시기 위성영상의 위치정확도를 반드시 검토해야 한다.

다시기 위성영상 간의 위치정확도가 변화탐지 결과에 미치는 영향은 고해상도 위성영 상을 사용하는 경우에 더욱 증대될 수 있지만, 대부분의 연구사례에서 다시기 위성영 상 간의 상대 위치정확도가 변화탐지 결과에 미치는 영향은 정량화되지 않았다. 때문 에, 위성영상의 특성 및 관심지역의 토지피복 분포 등에 따라 위치정확도가 변화탐지 결과에 미치는 영향은 상이할 수 있다.

국토모니터링을

위한 위성영상

활용의 고려사항

제467호 2020 September

2. 다시기 위성영상의 기하특성에 따른 영향

다시기 위성영상의 기하특성은 고해상도 위성영상을 이용하여 변화탐지를 수행하는 경 우에 반드시 고려해야 하는 요소이다. 기하보정 및 정사보정 과정을 거친 정사영상일지 라도 건물의 기복변위가 완벽하게 제거된 영상을 취득하는 것은 현실적으로 불가능하다.

위성영상 취득 시 촬영각 등의 영향으로 <그림 1>과 같이 변화하지 않은 동일 건물들이 서로 다른 형태로 표현될 수 있다. 이로 인하여 발생되는 그림자로 그림자 내 지역의 변 화유무를 판단하기 어려운 경우도 발생한다. 효과적인 국토모니터링을 위해서는 가급적 건물의 기복변위가 존재하지 않는 정사영상을 활용하여 분석을 수행하여야 하지만, 제거 되지 않은 건물의 기복변위가 포함된 객체들을 미변화지역으로 구분할 수 있는 변화탐지 기법을 마련하는 것이 필요하다. 또한, 그림자지역 등에 대해서 어떠한 규칙을 가지고 국 토모니터링을 수행할 것인지에 대한 정의도 필요하다. 예를 들어, 감독 변화탐지 기법들 을 활용하여 토지피복을 분류한 후에 변화유무를 분석할 때에는 그림자와 같은 현상들을 분류항목에 포함시킬지에 대한 고려가 필요할 것이다.

3. 다시기 위성영상의 촬영시기에 따른 영향

일반적으로 변화탐지를 수행하기 위해서는 다시기 영상 간의 전역적인 분광특성을 정량 화시키기 위한 상대방사정규화(relative radiometric normalization) 과정을 수행하여야 한다(한동엽 외 2017). 이를 통하여 미변화지역 내 동일 위치의 화솟값이 동일한 특성을 가지도록 조정한 후에 변화탐지 기법을 적용한다. 그러나 <그림 2>와 같이, 계절이 다른 시기의 위성영상들을 활용하여 변화탐지를 수행하는 경우에는 농업지역, 초지, 산림지역 등은 토지피복 관점에서 변화가 일어나지 않았음에도 불구하고 화솟값 및 분광반사율의

<그림 1> 다시기 위성영상의 기하특성 차이에 따른 건물의 기복변위 발생 및 그림자 존재의 예 (다목적 실용위성 2호)

차이가 큰 지역들이 존재할 수 있다. 이러한 지역들을 환경적인 변화가 일어난 지역으로 정의할 경우에는 계절적 차이가 변화탐지에 영향을 미치지 않을 수 있다. 그러나 도심지 내의 인공구조물 등에 의한 변화만을 모니터링하고자 할 때는 해당 지역들이 변화지역으 로 오탐지될 수 있다. 따라서 가장 유사한 계절에 취득된 다시기 위성영상을 취득하는 것 이 이상적인데, 이러한 조건을 만족하지 못한다면 식생지역 등을 제거하는 후처리 과정 을 추가하거나, 식생지역을 추가로 제거할 수 있는 변화탐지 기법을 적용하는 것이 필요 하다.

위성영상을 이용하여 국토모니터링을 수행하기 위해서는 앞서 언급한 위성영상 활용의 고려사항과 더불어 국토모니터링의 목적을 명확히 수립하고, 이에 맞는 적절한 특성을 가지는 위성센서를 선정해야 한다. 현재 국내에서 운용 중인 다목적 실용위성 3, 3A호 를 비롯한 다양한 위성센서로 위성영상을 취득할 수 있지만, SAR(Synthetic Aperture Radar) 및 기상관측위성 등을 제외한 광학 위성센서로 국한하여 국토모니터링을 위한 국내 · 외 대표적인 위성센서를 정리하고자 하였다. 또한, RapidEye 위성센서 등과 같이 현재 운용이 중단된 센서들도 고려하지 않았으며, 이에 따른 국내 · 외 대표적인 위성들 은 <표 2>와 같다.

효과적인 국토모니터링을 위해서는 무엇보다도 짧은 재방문주기를 가진 위성센서들을 활용하는 것이 중요하다. 국내의 경우, 장마 등의 계절적인 특성으로 영상 내 구름의 비 율이 높아 사용이 불가능한 영상들도 많으므로, 재방문주기가 짧은 위성센서를 통하여 가급적 많은 영상을 취득하는 것이 국토모니터링에 도움이 된다. 또한, 재방문주기가 짧 은 위성센서들을 활용하면 다시기 영상 간의 계절적인 영향이 최소화된 영상 획득이 용 이해진다. 따라서 PlanetScope 및 Skysat과 같은 매우 짧은 재방문주기를 가진 위성센 서들이 국토모니터링에 특화되어 있다고 할 수 있으며, 국내에서 발사 예정인 국토전용

<그림 2> 여름과 겨울에 취득한 위성영상 내 농경지의 분광 특성 차이의 예(다목적 실용위성 2호 및 3호)

국토모니터링을

위한 국내·외

위성영상 현황

제467호 2020 September

관측위성과 농림위성도 높은 활용성을 가지도록 계획되었다고 볼 수 있다.

건물 및 인공구조물 등과 같은 객체 단위의 분석을 수행하기 위해서는 고해상도의 공 간해상도를 가진 것이 유리하다. 따라서 현재의 시점에서 2대의 위성센서로 운용되는 국 토전용관측위성은 국내 · 외 위성영상들과 비교하여 국토모니터링에 큰 장점을 가진다.

다만, 높은 공간해상도로 인하여 발생할 수 있는 기하특성의 영향을 최소화할 수 있는 기 법의 개발이 요구된다. 1m 내외의 공간해상도를 가지는 고해상도 위성영상은 앞서 언급 한 바와 같이 국토모니터링 관점에서 고려하지 않아야 하는 소규모 객체의 변화들(다시 기 영상 내 그림자의 차이, 차량 등의 위치 차이 등)까지 영상 내에 존재하기 때문에, 국 토모니터링을 위해서는 이 같은 소규모 객체들에 대한 탐지 여부를 명확히 정의해야 한 다. 국토모니터링에 효과적으로 적용할 수 있는 위성의 운영방안과 정사영상을 제작할 수 있는 전처리 기법의 확보도 요구된다.

앞서 언급한 바와 같이, 위성영상을 활용하여 국토모니터링을 수행할 경우에는 다시기 위성영상의 위치정확도와 더불어, 기하특성과 계절적 영향을 최소화할 수 있는 방안을 고려해야 한다. 이를 위하여 최근에 운용되거나 발사된 위성센서들은 짧은 재방문주기를 바탕으로 계절적 영향을 최소화시킬 수 있으며, 기복변위의 영향이 적은 단위영상들을 획득할 수 있도록 계획되어 있다. 이로써 국토모니터링이 다양한 분야에 현실적으로 적 용될 수 있을 것으로 판단된다. 국토모니터링을 위한 대표적인 적용 방안 및 발전 방향들 을 간략히 제시하면 다음과 같다.

<표 2> 국토모니터링에 활용할 수 있는 대표적 광학위성 현황

분류 위성명 공간해상도 밴드수 재방문주기 촬영폭

현재 운용 중

Landsat 8호 15m(PAN) 30m(MS)

11밴드

(VNIR, SWIR, TIR) 15일 185km

Sentinel-2A, 2B호 10m~60m(MS) 13밴드

(VNIR, SWIR) 10일 290km

PlanetScope 3m(MS) R, G, B, NIR 약 1일

Skysat 0.8m(MS) PAN, R, G, B, NIR 약 1일

다목적 실용위성 3호 0.7m(PAN)

2.8m(MS) PAN, R, G, B, NIR 28일 16km

다목적 실용위성 3A호 0.55m(PAN)

2.2m(MS) PAN, R, G, B, NIR 28일 13km

발사 예정

차세대 중형위성 1, 2호 (국토전용관측위성)

0.5m(PAN)

2m(MS) PAN, R, G, B, NIR 4.6일 12km 이상 차세대 중형위성 4호

(농림위성) 5m(MS) R, G, B,

red-edge, NIR 3일 120km

국토모니터링의

발전 방향

1. 도시, 환경변화 모니터링

국토모니터링을 활용하는 대표적인 분야로는 도심지의 개발양상 분석이나 불법구조물의 탐지와 같은 도시모니터링, 산림 및 농경지 등의 환경모니터링 등이 있다. 해당 분야들 은 예전부터 위성영상을 활용하고 있는 분야이다. 그러나 앞서 언급한 위성영상의 위치 정확도, 기하특성 및 계절적인 영향 등으로 자동화된 변화탐지를 산업 및 공공분야에서 활용하지 못하고 있는 것도 사실이다. 짧은 재방문주기를 가지는 다양한 국내외 센서로 다량의 위성영상을 취득하여 기존 변화탐지 기법의 기술적인 제약을 극복한다면, 현업 에서 위성영상을 통한 국토모니터링 기법들을 보다 활발하게 사용할 수 있을 것으로 기 대한다.

2. 공간정보 제작 지원

국토모니터링을 위한 변화탐지 기법의 적용결과는 기구축된 수치지형도 및 각종 주제도 의 갱신을 위한 기초자료로 활용할 수 있다. 국토모니터링에 사용된 위성영상을 직접 활 용하여 공간정보의 수정 · 갱신을 수행할 수도 있을 것으로 기대된다. 예를 들어, 기존의 항공사진측량을 이용하여 수정 · 갱신되는 공간정보 가운데 일부는 국토정보위성의 변화 탐지 결과를 활용할 수 있을 것이다. 또한, 접근불능지역, 극지역의 공간정보 구축, 수치 지형도 및 공간정보의 갱신 등 국토교통부를 중심으로 한 국토모니터링을 활용한 다양한 정책 분야에 효과적으로 지원할 수 있을 것이다. 특히 <그림 3>과 같이, 공간정보의 수 정 · 갱신을 위한 업무 우선지역을 선정하는 데 지원할 수 있는 자료로서의 역할을 할 수

<그림 3> 국토모니터링 기법을 이용한 업무 우선지역 선정의 예

변화 전 위성영상

변화 후 위성영상

변화탐지 적용 결과

수치지형도 갱신 등에의 활용

영상지도 및 수치지형도 생성/갱신을 위한 항공촬영 업무 우선지역 선정 및 지원 변화 발생

추정 지역 제공 변화탐지

기법의 적용

제467호 2020 September

있을 것이다. 위성영상으로 취득한 변화지역의 정보들은 항공사진측량 우선지역을 결정 하기 위한 정보로 활용될 수 있을 것이며, 준실시간으로 공간정보 갱신지역 및 절차를 계 획하는 데 정책적인 바탕이 될 수 있을 것이다.

3. 재난 및 재해대응 지원

재난 및 재해 발생지역에 대한 피해규모 및 피해양상에 대한 분석은 도시, 환경변화 모니 터링에 사용되는 변화탐지 방법론을 적용하여 활용할 수 있는 대표적인 분야이다. 재난 지역은 접근이 어려운 경우가 많으므로 위성영상은 피해지역 확인과 함께 피해규모를 추 정하고 대응지원을 위한 정책 수립에 큰 장점을 가진다. <그림 4>는 2019년 강원도 옥계 지역 산불 발생 전후로 취득된 다목적 실용위성 3A호 영상을 활용하여 PCA 기반의 무감 독 변화탐지 기법을 적용한 사례이다. 해당 사진에서 확인할 수 있는 것과 같이, 산불 발 생에 따른 변화지역을 시각적으로 빠르게 파악할 수 있고, 발생지역의 규모를 쉽게 정량 화할 수 있다. 다만, 재난 및 재해 종류별로 피해지역을 추정할 수 있는 방법론 및 피해지 역의 정의는 상이할 수 있기 때문에 이에 대한 명확한 정의가 필요하다.

4. AI 기술을 이용한 변화탐지 기술의 고도화

딥러닝 기반의 CNN 모델을 통한 변화탐지 기법들은 기존에 제안된 변화탐지 기법들과 비교하여 우수한 성능이라는 것이 다양한 연구를 통하여 검증되고 있는 추세이다(Shi et al. 2020). <그림 5>는 무감독 변화탐지를 수행하기 위한 일반적인 딥러닝 모델생성 과 정을 나타낸 예이다. 딥러닝 모델을 생성하기 위해서는, 모델학습을 위한 훈련자료를 구 축하는 것이 필수적이다. 변화가 발생한 위성영상들을 판독하여 변화유무가 정의된 참조

<그림 4> 2019년 강원도 옥계지역에 발생한 산불 피해지역 분석 사례

주: 2019년 3월 8일, 4월 12일에 촬영한 다목적 실용위성 3A호 영상에 무감독 변화탐지 기법을 적용하여 분석한 결과임.

자료 영상을 생성한 후, 이를 기반으로 변화탐지를 위한 모델, 손실함수, 변수들을 선정 하고, 생성된 훈련자료를 통하여 모델을 학습한다. 딥러닝 모델의 성능 및 학습 시 최적 의 변수를 선정하는 것도 중요하지만, 양질의 훈련자료를 선정하는 것이 가장 중요하다.

딥러닝 모델은 생성된 훈련자료들의 특성에 최적화된 형태로 학습이 이루어지기 때문에, 국토모니터링의 대상이 되는 목적에 따라서 효과적으로 훈련자료를 구성한다면, 훈련자 료로 해석할 수 있는 특성에 대해서는 고품질의 변화탐지 결과물을 얻을 수 있다. 따라 서, 다시기 영상 간의 기하특성 및 계절적 영향에 따른 영향을 딥러닝 모델에 반영할 수 있을 것이다. 이를 위하여 국토모니터링의 대상, 활용 분야에 적합한 훈련자료의 라이브 러리를 구축하는 것이 변화탐지 기술의 고도화를 위하여 선행되어야 할 조건이며, 국외 에서는 이를 위한 다양한 데이터셋을 만들기 위한 연구에 많은 투자가 이루어지고 있다.

특히, 다시기 영상뿐만 아니라 DEM, 점군자료 등을 포함한 다양한 공간정보를 포함한 데이터셋을 구축하고, 이를 활용하여 국토모니터링을 위한 AI 기술개발 연구를 중점적 으로 수행하고 있다(Shi et al. 2020). 국내의 경우에도 국토모니터링을 수행하고자 하는 기관들이 훈련자료를 구축하여 공유하고, 이를 기반으로 기술개발을 수행하는 단계를 밟 아 나가는 과정이 필요하다고 본다.

5. 다양한 위성센서의 융복합을 통한 주기해상도 제약의 극복

국내 · 외에서 활용할 수 있는 짧은 재방문주기를 가지는 위성영상들이 제공될 예정이지 만, 사용자가 원하는 시기의 위성영상을 취득하는 것에는 아직도 많은 제약요소들이 존 재한다. 드론, 항공사진 등의 다종센서들을 이용하여 위성영상 취득의 한계와 주기해상 도 제약의 문제를 제거할 수 있을 것이다. 이를 위해 이종센서를 포함한 다양한 영상들을

<그림 5> 변화탐지 및 국토모니터링을 위한 딥러닝 모델생성에 대한 일반적인 과정의 예

훈련자료의 구축 딥러닝 모델생성

학습된 딥러닝 모델 모델 선정

학습을 위한 손실함수 및 변수 선정

훈련자료를 이용한 학습 변화 전 위성영상

변화 후 위성영상

참조자료

변화탐지 결과

국토모니터링을 위한 다시기 위성영상

제467호 2020 September

융복합하여 처리할 수 있는 국토모니터링 기술개발과, 이를 위한 전처리 기법에 대한 연 구들이 필요할 것으로 판단된다.

전통적인 변화탐지 기법들을 이용한 국토모니터링 기술들은 위성영상 취득의 어려움과 기술적용에서의 여러 고려사항들로 인하여 다양한 분야에 활용되는 것이 어려운 현실 이었다. 그러나 최근 들어 짧은 재방문주기를 가지는 위성 및 다수의 초소형 위성들을 발사하여 이러한 제약들을 해소해나가고 있기 때문에, 다시기 위성영상을 활용한 국토 모니터링을 수행할 수 있는 기반은 마련되고 있다고 판단된다. 따라서 변화탐지 기법 을 고도화하기 위한 기반자료를 지속적으로 구축하여, 기술발전에 대응해나갈 준비를 해야 할 것이다. 특히, 국토모니터링을 효과적으로 수행하기 위해서는 세부 활용 분야 에 적합한 영상의 특성과 변화탐지 대상의 정의가 선행되어야 하므로, 국토모니터링의 세부 분야별 모니터링 대상의 정의와 학습자료의 선제적인 구축이 필요한 시점이라고 사료된다.

이석민, 유호선, 김미영. 2011. 국토모니터링 자료취득 및 공동활용 개선을 위한 요구도 분석. 서울도시연구 제12권, 제3호:

185-201.

한동엽, 송정헌, 변영기. 2017. 상대 방사 정규화를 이용한 다시기 적외 위성영상의 변화탐지. 대한원격탐사학회지 제33권, 제6호: 1179-1185.

Hester, D. B., Nelson, S. A. C., Cakir, H .I., Khorram, S., and Cheshire, H. 2010. High-resolution land cover change detection based on fuzzy uncertainty analysis anad change reasoning. International Journal of Remote Sensing 31, no.2: 455-475.

Lu, D., Li, G., and Moran, E. 2014. Current situation and needs of change detection techniques. International Journal of Image Data Fusion 5, no.1: 13-38.

Lu, D., Mausel, P. Brondizio, E., and Moran, E. 2003. Change detection techniques. International Journal of Remote Senisng 25, no.12: 2365-2407.

Shi, W., Zhang, M., Zhang, R., Chen, S., and Zhan, Z. 2020. Change detection based on artificial intelligence: State- of-the-art and challenges. Remote Sensing 12, no.10: 1688.

Singh, A. 1989. Digital change detection techniques. International Journal of Remote Senisng 10, no.6: 989-1003.

참고문헌

맺음말

1992년에 발사된 우리별 1호 위성을 시작으로 출발한 우리나라의 우주기술은 그동안 고 해상도 위성영상을 획득할 수 있는 인공위성 및 카메라 개발에서 많은 기술발전을 이루 었다. 그 결과 아리랑 3호(2012년), 아리랑 3A호(2015년) 등 다수의 고해상도 영상을 획 득할 수 있는 인공위성을 발사하였다. 특히 우리나라는 0.5m 해상도의 고해상도 위성영 상을 촬영할 수 있는 국토관측위성 1, 2호기를 개발 중에 있고, 앞으로도 소형 군집위성 등 많은 수의 고해상도 영상 획득용 인공위성을 개발할 예정이다. 따라서 조만간 정밀 국 토관측 및 국토모니터링에 고해상도 인공위성영상이 활발하게 사용될 예정이다. 그동안 국가안보 등 특정 분야에 사용되었던 고해상도 인공위성영상이 정밀 국토관측, 국토모니 터링, 고정밀 지형공간정보 구축에 활용됨으로써 새로운 부가가치와 일자리를 창출할 수 있을 것으로 기대된다.

인공위성영상은 지상으로부터 수백km 떨어진 곳에서 초소형 격자 간격을 가지는 선 형 센서를 이용하여 촬영되므로 위성궤도력, 자세제어, 지구회전, 지표면에 의한 기복 변위 등 다양한 종류의 기하학적 왜곡이 발생한다. 이러한 위성영상을 정밀 국토관측 및 국토모니터링에 활용하려면 영상 내에 존재하는 기하학적 왜곡을 제거하고 영상의 각 픽셀에 해당하는 지상좌표를 정확하게 산출하기 위한 지상처리과정이 반드시 필요하다.

이러한 지상처리과정은 원시영상(Level 0)으로부터 인공위성에 탑재된 센서정보 및 정 밀궤도/자세력을 활용하여 영상의 왜곡을 보정하는 기본영상(Level 1) 생성과정과, 기본 영상에 남아있는 왜곡 및 위치 오차를 지상기준점(Ground Control Point: GCP) 등의 부가자료를 활용하여 더 정밀하게 보정하는 정밀영상(Level 2) 생성과정으로 구분할 수 있다.

위성영상 사용자들이 보다 손쉽게 위성영상을 활용하기 위해서는 기하학적 왜곡이 모 두 제거된 정밀영상이 제공되어야 한다. 정밀영상을 제작하기 위해서는 정확한 지상기준 점과 3차원 고도모델 등 고정밀 공간정보가 필요하며, 지상기준점 위치에 대한 영상판독

고해상도 위성영상 활용을 위한

정밀영상 생성기술 국산화 개발 현황

김태정 인하대학교 공간정보공학과 교수 (tezid@inha.ac.kr)

머리말

제467호 2020 September

작업이 수반되어야 한다. 이러한 이유로 그동안은 주로 기본영상이 사용자들에게 제공되 어 왔다. 이 한계를 극복하고자 ‘국토위성정보 수집 및 활용기술개발 사업’의 일환으로 국 토관측위성 영상으로부터 수동독취가 아닌 자동화된 방식으로 정밀영상을 생성하는 기 술이 개발되었다. 이 글에서는 해당 기술개발 현황과 개발된 기술로 생성된 정밀영상의 성능, 그리고 향후 발전방향에 대해서 간략히 소개한다.

국토위성영상에 적용 예정인 처리단계별 명칭 및 주요 특징은 <표 1>과 같다. 원시영상으 로부터 기본영상을 생성하는 과정도 매우 복잡한 일련의 처리과정을 거쳐야 하지만 위성 체 및 카메라의 특성에 따르는 처리가 필요하므로 편의상 여기서는 기본영상 생성과정에 대한 설명은 생략하기로 한다.

정밀영상은 기본영상에 남아있는 위치정보 에러를 보정하여 영상의 각 픽셀에 해당하 는 정확한 지상좌표를 추출할 수 있도록 하는 정밀보정영상(Level 2R)과, 이로부터 지표 면 기복변위를 제거하고 기준좌표계에 맞게 영상을 재배치한 정밀정사영상(Level 2G)으 로 구분된다. 정밀정사영상은 다시 국가기본도인 1:5000 수치지도의 도엽체계에 맞추어 서 분할된 정밀도엽영상(Level 2I)으로 가공된다. 처리단계별 명칭은 원고작성 시점에서 확보된 정밀영상 생성기술을 바탕으로 필자가 제안하는 바이며, 향후 국토위성영상이 사 용자에게 서비스될 경우 명칭 변경의 여지가 있음을 밝혀둔다.

<그림 1>은 국토위성용 정밀영상 생성과정에 대한 처리흐름도이다(윤완상 외 2018).

0.5m 해상도의 전정색밴드와 2m 해상도의 다중컬러밴드로 구성된 기본영상은 먼저 영 상융합과정을 거쳐서 0.5m 해상도의 전정색 및 다중컬러밴드 영상으로 변환한다. 이후 입력된 기본영상의 촬영 영역에 위치한 지상기준점들을 미리 구축된 지상기준점 DB로부 터 검색된 지상기준점과 영상융합된 입력영상 간의 자동 매칭을 수행한다. 자동 매칭은 지상기준점에 해당하는 영상점의 위치를 육안판독하는 과정을 대체하는 것으로, 자동 매

국토위성 정밀영상 생성을 위한 처리과정

명칭 세부 레벨 및 주요 특징

<표 1> 국토위성영상의 처리단계별 명칭 및 주요 특징 처리단계

Level 0 원시영상 인공위성에서 촬영되어 지상에 수신된 영상데이터

Level 1 기본영상 인공위성에 탑재된 센서정보 및 정밀궤도/자세력을 활용하여 영상에 위치정보를 부여하고 위성체 및 카메라에 의한 영상의 왜곡이 보정된 영상데이터

Level 2 정밀영상

기본영상에 남아있는 위치정보 에러를 보정하여 영상의 각 픽셀에 대한 정확한 지상 좌표를 제공하는 정밀보정영상(Level 2R)

정밀보정영상으로부터 지표면 기복변위를 제거하고 기준좌표계에 맞게 영상을 재배 치한 정밀정사영상(Level 2G)

정밀정사영상을 1 : 5000 수치지도의 도엽체계에 맞추어서 분할한 정밀도엽영상 (Level 2I)

칭의 성능이 전체 정밀영상 생성과정 중 가장 중요한 과정에 해당된다(신정일 외 2018).

자동 매칭결과로 얻어진 지상기준점 입력영상 내에서의 위치정보와 지상기준점의 지상 좌표값을 이용하여 기본영상에 포함되어 있는 위치 에러를 제거한 정확한 영상점-지상 점 간의 변환관계식을 수립하여 정밀보정영상(Level 2R)을 생산한다.

이렇게 생산된 정밀보정영상은 정확한 영상점-지상점 간의 변환관계식을 가지고 있 으나 원본영상의 격자구조를 유지하고 있어서 지표면 기복변위에 따른 기하학적 왜곡 이 제거되지 않은 상태의 영상이다. 따라서 정밀보정영상에 포함되어 있는 왜곡을 제거 하고 지도좌표계에 일치되도록 영상을 재배열하는 정사보정과정을 수행한다. 정사보정

<그림 1> 국토위성용 정밀영상 생성과정

자료: 김태정 2020.

정밀보정영상

정밀정사영상

정밀도엽영상

제467호 2020 September

을 위해서는 지표면의 정확한 고도를 확인할 수 있는 수치지형고도모델(Digital Terrain Model: DTM)이 미리 구축되어 있어야 한다. 정사보정을 거치고 나면 영상의 픽셀들이 정사투영기하를 가지고 지도좌표계상에 등간격으로 배치된 정밀정사영상(Level 2G)이 생성된다. 정밀정사영상은 다시 1:5000 도엽경계에 맞추어서 분할되어 다수의 정밀도엽 영상(Level 2I)으로 분할된다.

앞서 언급한 바와 같이 정밀영상 생성과정에서 가장 중요한 과정은 지상기준점 자동 매칭이다. 이 과정이 성공적으로 수행되기 위해서는 입력되는 영상범위에 대해서 충분한 수의 지상기준점이 미리 확보되어 있어야 한다. 이를 위해서 ‘국토위성정보 수집 및 활용 기술개발사업’에서는 남북한 전역에 고루 분포되도록 약 4만 6천여 지점에 대한 지상기 준점을 구축하였다. 그리고 지상기준점과 입력영상의 자동 매칭을 위해서 기구축된 항공 정사영상 및 위성정사영상 DB로부터 각 지상기준점에 해당하는 영상조각(GCP Chip)을 추출하여 이를 지상기준점과 함께 DB화하였다(박형준 외 2019). <그림 2>는 남한과 북 한지역에 대해서 구축된 GCP Chip에 대한 예시이다.

앞서 기술한 절차에 의해 생산된 정밀영상은 영상의 품질을 확인하기 위해 기하정확도 분석이 필요하다. 기하정확도 분석은 국토위성이 아직 발사되기 이전인 관계로 국토위성 과 유사한 사양을 가진 아리랑 3A호 영상을 이용하여 수행하였다(윤완상 외 2018). <표 2>는 5개의 아리랑 3A호가 촬영한 남북한지역 영상에 대해서 수행한 정밀영상 생성 및 기하정확도 분석결과이다.

<표 2>의 기본영상 위치정확도 및 정밀보정영상 위치정확도는 픽셀 단위로 나타낸 수

자료: 김태정 2020.

남한지역 북한지역

<그림 2> 구축된 GCP Chip 예시

자료: 김태정 2020.

국토위성

정밀영상의

기하정확도 분석

치이며 지상기준점과 매칭된 영상점 좌표를 통해서 산출되었다. 기본영상의 위치정확도 에러는 최소 6픽셀에서 30픽셀까지 분포되어 있었지만 70픽셀 이내로 규정되어 있는 아 리랑 3A호의 위치정확도 범위 이내로 산출되어, 정밀영상 생성 시 큰 무리가 없는 정확 도로 판별되었다. 정밀보정영상은 남한지역의 경우 약 2픽셀 이내의 위치정확도, 북한지 역의 경우는 약 3픽셀 이내의 위치정확도를 얻을 수 있었다.

정밀정사영상의 기하정확도는 별도의 검사용 기준점을 수동으로 독취하여 정확도 분 석에 사용하였다. 정확도는 미터 단위로 나타낸 수치이다. 남한지역의 경우는 1.5m 이내 의 정확도를 나타내었고 북한지역은 3m 이내의 정확도를 나타내었다. 남한지역은 높은 정확도의 지상기준점 및 고정밀 DTM 자료를 구축하여 북한지역에 비해서 상대적으로 높은 정확도를 얻을 수 있었다.

<그림 3>은 생성된 정밀정사영상의 정확도를 육안으로 확인하기 위해서 위성영상으

<표 2> 남북한지역 영상에 대한 기본영상 및 정밀영상의 기하정확도

촬영일자 촬영지역

2016. 10. 8 서울 10.79 1.79 1.37

2018. 1. 19 인천 19.06 1.98 0.84

2018. 1. 27 경기 6.58 1.53 0.98

2018. 10. 24 경북 6.56 1.53 1.33

2018. 11. 01 경북 11.10 1.63 1.15

2018. 12. 14 북한 33.76 2.55 2.85

2019. 1. 20 북한 6.72 2.31 2.51

2019. 1. 28 북한 20.18 1.31 1.54

2019. 2. 16 북한 28.42 2.27 1.88

2019. 2. 23 북한 26.89 1.10 1.91

기본영상

기하정확도(픽셀) 정밀보정영상

기하정확도(픽셀) 정밀정사영상 기하정확도(m)

<그림 3> 항공정사영상 대비 정밀정사영상의 정확도 비교결과 <그림 4> 수치지도 대비 정밀정사영상의 정확도 비교 결과

자료: 김태정 2020.

제467호 2020 September

로 제작한 정밀정사영상과 기구축된 항공정사영상을 체스보드 형식으로 배열하여 나타 낸 것이다. 상대적으로 흐릿하고 색감이 떨어지는 영상이 위성영상으로 제작한 정밀정사 영상에 해당된다. <그림 4>는 제작된 정밀정사영상에 수치지도를 중첩한 결과를 보여준 다. 두 개의 그림을 통해서 제작된 정밀정사영상의 기하정확도를 육안으로도 확인할 수 있다.

이 글에서는 국토위성에 적용하기 위해서 개발된 정밀영상 생성기술에 대해서 소개하고 해당 기술을 적용해서 생성한 정밀영상의 기하정확도에 대해서 분석하였다. 분석결과 자 동화된 방법으로 정확도 높은 정밀영상을 생성할 수 있음을 확인할 수 있었다. 방대한 용 량으로 촬영되는 위성영상을 변화탐지, 정밀지형분석, 국토모니터링 등에 주기적으로 활 용하기 위해서는 기계학습 등 자동화된 분석기술이 필수적인 반면, 자동화된 분석기술에 는 반드시 위치정확도가 확보된 정밀영상을 입력영상으로 사용해야 한다. 따라서 개발된 정밀영상 생성기술과 이 기술을 적용하기 위해서 구축된 지상기준점 DB는 국토위성영상 의 활성화에 크게 기여할 수 있을 것으로 기대된다. 또한 향후 국내에서 개발되는 고해상 도 위성영상 획득을 위한 인공위성에 지속적으로 적용될 수 있을 것으로 생각된다.

향후 정밀영상 생성기술의 발전 방향으로는 상대적으로 색감이 떨어지는 북한지역 GCP Chip 및 남한 산악지역 GCP Chip 갱신과 해외지역에 대한 정밀영상 생성기술 개 발이 필요하다. 또한 궁극적으로 북한지역의 정밀영상 정확도를 남한 수준으로 개선시키 기 위한 북한지역 지상기준점 및 DTM 정확도 개선연구가 필요할 것으로 생각된다.

김태정. 2020. 인하대학교 국토위성정보 활용연구단 업무보고회. 발표자료.

박형준, 손종환, 신정일, 권기억, 김태정. 2019. Google Map을 이용한 GCP칩의 품질 분석. 대한원격탐사학회지 제35권 제6-1 호: 907-917.

신정일, 윤완상, 박형준, 오관영, 김태정. 2018. KOMPSAT-3A 영상과 항공정사영상의 영상정합 성공률 향상 방법. 대한원격탐 사학회지 제34권 제6-1호: 893-903.

윤완상, 박형준, 김태정. 2018. 통합기준점을 이용한 KOMPSAT-3A 영상의 정밀센서모델링 가능성 분석. 대한원격탐사학회지 34권 제6-1호: 1089-1100.

참고문헌

맺음말

국토는 지표의 일부로 존재하며 끊임없이 변화한다. 그리고 그 변화는 국토에 발을 딛고 사는 정책자, 각각의 토지소유자, 그리고 대외적인 세계사적 흐름 및 주변국으로부터의 압력과 협력 등 다양한 동력에 의해 일어난다. 그러나 위성영상정보는 일회용 사진기처 럼 특정 시간의 현상을 센서가 반사값으로 입력한 이후, 영상처리 과정을 통해서 인지되 고 분석된다. 사실 국토는 지능이 없고, 단지 인간이 그 국토에 대한 이해를 위하여 고도 의 지능을 가지고 모니터링하고, 정리하고, 적응하는 것이다. 지능화란 단지 분석을 강조 하는 단어이며, 감각기관으로부터의 적정한 입력을 전제로 하는 것이기 때문이다. 지난 반백 년 정도의 시간 동안 우주기술 선도국은 백여 기 이상의 인공위성을 발사하고, 다양 한 센서를 장착하여 높은 고도에서 반복적인 지상 관측을 해왔으며 우리나라도 7대 강국 에 속한다고 자부한다.

어떻게 위성영상을 활용하는가에 대한 설명은 원격탐사학 교재에서 쉽게 찾을 수 있 다. 따라서 이 글에서는 응용 분야를 적시한 여러 문서를 메타분석 형태로 정리하면서, 각 나라별 활용체계의 특성을 찾아보고자 한다. 그리고 우리에게 주는 함의를 간략하게 제시하고자 한다.

위성영상정보의 활용 분야는 영상 센서의 종류와 위성체의 궤도 종류에 따라 조금씩 다 르다. 세분화를 통해 인사이트를 얻는 것보다는 포괄적으로 이해를 돕고자, 선진국을 포 함한 우리나라 위성 관련 각 기관의 공식 홈페이지 또는 저명한 원격탐사 교재와 문서에 정의된 것을 중심으로 위성영상정보 활용 분야를 <표 1>과 같이 정리하였다.

1. 메타분석 결과 이전에 제일 중요한 활용 분야는?

지구를 중심으로 가장 넓은 범위를 포괄하는 것은 기상 분야로, 이는 육지와 바다를 아

머리말

위성영상정보 활용에 대한 메타분석

지능화된 국토 이용·관리를 위한 위성정보 활용 해외사례

장은미 ㈜지인컨설팅 대표이사 (emchang21@gmail.com)

제467호 2020 September

우른다. 지도제작 분야는 위성고도계(altimetry) 기반의 해양수심도 제작이 지구 표면의 70%를 차지하므로, 그 활용도가 기상 분야 뒤를 이을 것이다. 이와는 달리 부가가치 창출 의 규모로 볼 경우 자원탐사가 중요하던 시절에는 지질과 자원 분야의 활용이 중요했고, 닥쳐오는 기후위기 대응을 위해서는 에너지, 기상, 기후 분야가 강조될 것이다.

지구에서 가장 풍부한 단백질은 바로 나뭇잎에 들어 있는 광합성 효소이다. 따라서 농 업, 임업의 분야는 면적을 넘어 에너지 순환체계로 봤을 때 아주 중요한 요소가 될 것이다.

이와는 달리 인구의 도시 집중률이 점점 높아지고 있는 상황을 고려하면, 새로운 주거공간 설계와 관련한 엔지니어링 분야와 3차원 도시모델 분야에서 배경지도로서의 위성영상 활 용이 계속 강조될 것으로 보인다.

지도제작의 문제는 항공기, 드론, 자율주행차 등의 센서 탑재가 가능한 선택지가 있으 므로 선진국에서는 위성영상 지도제작 기능의 중요성이 상대적으로 줄어들 것이다. 그러 나 위성선진국의 분석 대상은 자국만이 아닌 아프리카와 아시아, 그리고 특정 지역을 아 우르고 있으므로 지도제작에서 위성영상정보가 경쟁력이 없다고 단정지을 수는 없다. 일 례로 미국 Earthsat사(현 맥도널드 더글라스 항공사, MDA)의 주요 업무는 랜드샛 위성 자료를 이용하여 1년에 1회 이상 전 세계의 식생지도를 만들어왔고 80여 개국 정부를 상 대로 지도제작을 수행해왔다. 자국의 위성을 보유하고자 하는 국가의 수가 절대적으로 증가하고 있지만 여전히 하위 70%의 국가는 고해상도 기반의 위성지도를 확보하고자 하 며, 이에 따라 지도제작의 역할은 계속 유의미하다.

<표 1> 위성영상 활용 분야에 대한 메타분석

분류 지질자원¹⁾ 엔지니어링²⁾ 농업³⁾ 임업⁴⁾ 3차원 도시 모델링⁵⁾ 에너지

기상 기후⁶⁾ 방재 안전⁷⁾ 지도 제작⁸⁾ 환경⁹⁾ 국방 안보¹⁰⁾ Lillesand

Keifer’s

textbook¹¹⁾ ○ ○ ○ ○ ○ ○ ○ ○

USGS data Eros

data center¹²⁾ ○ ○ ○ ○ ○ ○

미 농림부 ○ ○ ○ ○

일본 RESTEC¹³⁾ ○ ○ ○ ○ ○ ○

ISPRS¹⁴⁾ ○ ○ ○ ○ ○ ○

GIS Lounge ○ ○ ○ ○ ○

KARI¹⁵⁾ ○ ○ ○ ○

ESA¹⁶⁾ ○ ○ ○ ○ ○ ○

Ceinsys

Tech LTD. ○ ○ ○ ○ ○

UN ○(FAO) ○ ○(해양법)

주: 1) 분광해상도 기반의 지질자원 탐사

2) 도시계획, 토목, 엔지니어링 활용을 위한 기본도 생성 3) 농지 개발, 농업 통계

4) 임업 주제도, 산불, 불법벌목, 병충해, 패치 분석 5) 3차원 모델링을 위한 기초자료 DEM 생성 6) 태양열 패널 설치 최적화 활용, 탄소지도, 바람길 7) 재해경감, 계획 복구에 활용(재해 이전, 재해발생, 재해 이후) 8) 지도제작, 육권역 및 해양수심

자료: 각 기관의 관련 자료를 활용하여 저자 작성.

9) 대기, 수질, 습지, 동식물 서식지 10) 국방 및 보안

11) Thomas Lillesand & Ralph Kiefer

12) Earth Resource Observation and Science (EROS) center 13) Remote Sensing Technology Center of Japan

14) International Society of Photogrammetry and Remote Sensing 15) Korea Aerospace Research Institute

16) European Space Agency