고해상도 영상을 이용한 농업용수 수혜면적 및 용배수로 추출 기법 개발
Development of Extraction Technique for Irrigated Area and Canal Network Using High Resolution Images
윤동현
a⋅남원호
b,†⋅이희진
c⋅전민기
d⋅이상일
e⋅김한중
fYoon, Dong-Hyun⋅Nam, Won-Ho⋅Lee, Hee-Jin⋅Jeon, Min-Gi⋅Lee, Sang-Il⋅Kim, Han-Joong
ABSTRACT
For agricultural water management, it is essential to establish the digital infrastructure data such as agricultural watershed, irrigated area and canal network in rural areas. Approximately 70,000 irrigation facilities in agricultural watershed, including reservoirs, pumping and draining stations, weirs, and tube wells have been installed in South Korea to enable the efficient management of agricultural water. The total length of irrigation and drainage canal network, important components of agricultural water supply, is 184,000 km. Major problem faced by irrigation facilities management is that these facilities are spread over an irrigated area at a low density and are difficult to access. In addition, the management of irrigation facilities suffers from missing or errors of spatial information and acquisition of limited range of data through direct survey. Therefore, it is necessary to establish and redefine accurate identification of irrigated areas and canal network using up-to-date high resolution images. In this study, previous existing data such as RIMS (Rural Infrastructure Management System), smart farm map, and land cover map were used to redefine irrigated area and canal network based on appropriate image data using satellite imagery, aerial imagery, and drone imagery. The results of the building the digital infrastructure in rural areas are expected to be utilized for efficient water allocation and planning, such as identifying areas of water shortage and monitoring spatiotemporal distribution of water supply by irrigated areas and irrigation canal network.
Keywords: Irrigated area; canal network; high resolution images; digital infrastructure; reservoirs
Ⅰ. 서 론
IPCC (Intergovernmental Panel on Climate Change) 기후변 화 평가보고서에 따르면 최근 극한 기상 및 기후 현상은 평균
강수량, 기온, 지표 온도, 이산화탄소 배출량, 온난화 등에 직 접적인 영향을 미치고 있으며, 이에 따른 전 세계적인 가뭄의 강도 및 발생빈도 증가에 영향을 미치고 있다 (Wilhite et al., 2000; Zhang and Zhou, 2015). 또한, 농업가뭄센터의 가뭄분석 평가 보고서에 따르면 우리나라는 2000년을 기점으로 가뭄 발 생의 빈도가 급격히 증가하고 있으며, 2012년 이후에는 매년 전국 또는 국지적인 가뭄이 발생하고 있다 (Yoon et al., 2020;
Lee et al., 2020). 농업 분야는 가뭄과 가장 직접적인 관련이 있으며, 농업용수를 효율적으로 활용하느냐에 따라 가뭄 피 해를 최소화하는데 기여할 수 있다. 농업용수는 우리나라 전 체 수자원 사용량의 41% (수자원장기종합계획, 2016)로 가장 많은 비율을 차지하고 있지만, 생활용수 및 공업용수와 비교 하였을 때, 정량적인 계측자료가 부족하며, 관행적인 관리로 인해 효율적인 이용에 어려움이 있다 (Nam et al., 2015; Nam, 2020). 이러한 문제를 해결하고자 정부에서는 2019년 물관리 기본법을 제정하는 등 체계적인 수자원 관리의 기틀을 마련하 고 있다. 또한, 다양한 선행 연구들을 통해 농업용 저수지, 농 업용수 수요량 및 공급량, 회귀수량, 농업용수 관개효율 등 농 업용수 관련 연구가 꾸준히 이루어지고 있다 (Chung and Park, 2004; Nam et al., 2014; Bang et al., 2020).
Nam et al. (2013)에서는 스마트 물관리 체계가 구축된 동 진강 유역의 낙양보로부터 김제간선에서 분기되는 주요 용수
a
Ph.D. Student, Department of Convergence of Information and Communication Engineering, Hankyong National University, Anseong, Republic of Korea
b
Associate Professor, School of Social Safety and Systems Engineering, Institute of Agricultural Environmental Science, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea
c
Researcher, National Agricultural Water Research Center, Hankyong National University, Anseong, Republic of Korea
d
Ph.D. Student, Department of Convergence of Information and Communication Engineering, Hankyong National University, Anseong, Republic of Korea
e
Deputy General Manager, Korea Rural Community Corporation, Haman, Republic of Korea
f
Professor, School of Social Safety and Systems Engineering, Hankyong National University, Anseong, Republic of Korea
† Corresponding author
Tel.: +82-31-670-5137, Fax: +82-31-670-5139 E-mail: [email protected]
Received: April 15, 2021
Revised: May 17, 2021
Accepted: May 18, 2021
지선을 대상으로 농업용수의 공급량과 필요수량의 관계를 분 석하여 물관리 효율성을 평가하였다. Shin et al. (2020b)은 수 로 네트워크 모형인 SWMM (Storm Water Management Model) 을 활용하여 농업용수 공급 취약성 및 용수공급 효율성을 분 석하였다. 기존 연구들에서는 농업용수의 수요량 및 공급량 산정, 관개 효율 분석 등을 목적으로 하였다 (Kim et al., 2003).
이러한 용수량 산정 및 효율성 분석에는 해당 저수지의 정확 한 수혜면적과 필지 내 수로 네트워크 등의 자료가 필수적이 다 (Nam et al., 2017). 기존 연구의 경우 해당 저수지에 대한 실제 측량 및 현장조사를 통한 필지 확인 등 자료 구축에 상당 한 시간을 소요하거나, 농어촌공사의 농업기반시설관리시스 템 (Rural Infrastructure Management System, RIMS) 및 농촌용 수종합정보시스템 (Rural Agricultural Water Resource Information System, RAWRIS)과 같은 관련 유관기관의 자료 를 기반으로 하였다 (Mun et al., 2020; Shin et al., 2020a; Nam et al., 2021). 또한, Lee et al., (2012), Choung (2015) 등과 같이 고해상도 위성영상을 활용한 농경지 면적 파악 관련 연구에 서도 결과물의 검증은 기존 자료를 활용하고 있다. 토지피복 도, RIMS, 스마트팜맵 (Smart farm map), 저수지 통계연보 등 기존 농경지 수혜면적 및 용배수로 관련 자료의 경우 최신화 가 이루어지지 않아 현재 농경지 현황 및 물관리 상황을 정확 하게 반영할 수 없다는 문제점이 있다.
농업용수 공급 분석 및 농경지 면적 파악 등을 위해서는 해당 지역의 정확한 수혜면적과 용배수로 파악이 선행되어야 한다. 본 연구에서는 고해상도 위성영상, 항공영상, 드론영상 등을 활용하여 기존 스마트팜맵 및 토지피복도 상의 수혜면 적을 최신화하였으며, 드론 영상을 활용하여 기존 RIMS 용배
수로 자료에서 누락된 간선, 지선 및 정확한 용배수로 위치를 재구축하였다. 또한, DSM (Digital Surface Model) 및 DEM (Digital Elevation Model) 영상을 활용하여 용배수로의 고도를 파악하고, 농업용수 공급 상황을 파악하였다. 본 연구에서는 재산정한 수혜면적과 용배수로 자료를 기존 자료와 비교하여 보완 필요성을 도출하였으며, 농촌공간 기초자료 구축 방안 을 제시하기 위한 영상 활용성을 제시하였다.
Ⅱ. 재료 및 방법
1. 연구 대상 지역
본 연구에서는 경기도 여주시 삼합저수지 일대와 능서양수 장의 평야부 일대를 대상 지역으로 선정하였다. 삼합저수지 는 한국농어촌공사 관리의 저수지로 41.6 ha의 비교적 적은 수혜면적으로, 드론 촬영 및 현장 검증이 용이한 지역으로 판 단하였다. 삼합저수지의 경우 1944년 준공되었으며, 기존 RIMS 자료가 현행화 되어있지 않아 정확한 저수지 제원 파악 에 어려움이 있는 저수지 중 한 곳으로, 본 연구의 목적인 영 상을 활용한 수혜면적 재산정 및 용배수로 구축의 필요성과 활용성 및 적용성을 확인할 수 있는 지역이다. 삼합저수지와 같은 소규모 재배지역을 대상으로 현장조사를 통한 수혜면적 및 용배수로 분석 결과 검증을 진행하였으며, 현장조사에 한 계가 있는 대규모 지역에 대한 적용성을 확인하고자 수혜면 적이 약 724 ha로 조사된 능서양수장 일대를 삼합저수지 일대 와 함께 대상 지역으로 하였다.
Fig. 1 Two study area for calculating irrigated area and establishing canal network
2. 영상자료 취득
본 연구에서는 연구 대상 지역의 수혜면적 및 용배수로 파 악을 위해 고해상도 위성 영상 및 항공 영상과 드론 영상을 활용하였다. 수혜면적 재산정의 경우 재배지역은 1년 내에도 다양한 토지이용 변화가 발생하기 때문에 최신 영상취득 가능 여부가 중요하였으며, 용배수로 구축의 경우 기존 수로의 변 경이 적다는 점에서 취득 날짜보다는 가능한 높은 해상도의 영상을 통한 수로 파악이 중요하다고 판단하였다. 활용 가능 한 영상 및 수혜면적 관련 자료는 Table 1에 도시하였으며, 본
연구에서는 2020년 11월 촬영된 구글 어스 (Google Earth)의 위성 영상, 2018∼2020년에 촬영된 국토지리정보원의 51 cm 급 항공 영상, 2020년 구축된 농림축산식품부의 스마트팜맵을 사용하였다. 구글 어스의 경우 Landsat-8 위성의 영상을 활용 하며, 4800 픽셀 해상도의 이미지를 제공하고 있다 (Bronwen et al., 2011). 국토지리원의 항공 영상은 전국 단위 25 cm급 또는 51 cm급 영상으로 제공되고 있으며, 주기적으로 갱신된 다는 장점이 있다. 또한, 스마트팜맵의 경우 실제 농경지를 필 지 단위의 공간 자료로 제공해주고 있어 수혜면적 분석에 적
Data Provider Production cycle Acquire data
Land cover map : paddy layer National Geographic Information Institute (NGII)
- National Spatial Data Infrastructure Portal Aerial image (25, 51cm)2 years
Google earth (Satellite image)Landsat Irregular Google Earth Platform
Irrigated area map Korea Rural Community Corporation (KRC)- Rural Infrastructure Management System (RIMS)
DEM, DSM image Image constructed in this study - DJI Phantom4
Smart farm map (paddy layer) Ministry of Agriculture, Food and Rural
Affairs 1∼2 years ArgiX
Table 1 Data list that can be acquired and utilized
Fig. 2 Establishment image data for recalculation of irrigated area and canal
합하였다.
본 연구에서 사용한 드론 영상은 DJI사의 Phantom 4 드론을 활용하여 2020년 10월 촬영하였으며, 부착된 광학카메라를 이 용하여 연구지역인 삼합저수지 일대에 대한 4 cm급 정사 영상 및 DSM, DEM 영상을 취득하였다. DSM 영상은 지표를 비롯 하여 식생, 건물, 도로 등 자연 및 인공 지형지물의 표고 값이 포함된 수치표고 모형이며, DEM 영상은 인공구조물과 수목 을 제거하여 지표만을 표현하는 수치표고 모형이다 (Salamh et al., 2021). Phantom 4로 취득한 영상은 공간정보 소프트웨어 를 활용하여 정상영상, DSM 영상 및 각종 객체에 대한 위치 정보, 변화정보 등 연구 목적에 맞게 후처리하였다 (Taddia et al., 2019). 최종적으로 본 연구에서 활용한 삼합저수지 및 능서 양수장 일대의 위성, 항공, 드론 영상은 Fig. 2와 같다.
3. 수혜면적 산정 방법
기존 RIMS 수혜면적 자료의 경우 현재 토지이용 변화를 반영하지 못해 정확성에 문제가 있었다. 본 연구에서는 한국 농어촌공사 여주· 이천지사의 자료 및 현장조사를 통해 삼합 저수지 수혜구역 범위를 확인하였으며, 수혜구역 내 실제 관 개 논의 면적을 파악하기 위해 스마트팜맵 및 영상자료를 활 용하였다. 스마트팜맵은 과수, 논, 밭, 비경지, 시설, 인삼 등의 농업 전반의 토지이용을 공간 자료로 구축한 자료로 본 연구 에서는 이 중 논 지역만 추출하여 사용하였다. 스마트팜맵의 경우 논 필지 하나하나의 공간 데이터가 구축되어 있어서 자 료 가공에 용이하다는 장점이 있지만, 1∼2년의 갱신 주기로 인해 주기가 맞지 않을 경우 최신자료를 활용할 수 없다는 단점이 있다. 스마트팜맵의 갱신 주기로 인한 문제점을 보완 하기 위해 영상자료를 연계 활용하였다. 활용한 영상자료는 위성 영상과 드론 영상이며, Fig 3과 같이 수혜면적 내에서
시설재배지, 밭, 주거지역 등을 분류 및 제외한 후 논 지역만 추출하여 수혜면적을 재산정하였다.
4. 용배수로 구축 방법
취득 가능한 기존 용배수로 자료로는 RIMS 수로 자료가 존재하지만, 해당 자료의 경우 주요 간선만 구축되어 있어, 수로 개보수 등으로 인해 변경된 수로의 위치를 정확하게 반 영하지 못하며, 지선 및 배수로 등 세부 수로가 누락 되어 있 다는 문제가 있다. 수로 구축현황을 파악하기 위해 삼합저수 지 현장조사를 진행하였다. 현장조사를 통해 확인한 수로 현 황을 기반으로 51 m 해상도 항공 영상과 4 cm 해상도 드론 영상에서 수로의 위치를 확인하여 기초적인 수로 네트워크를 구축하였다. 또한, 이를 기반으로 드론영상을 활용한 능서양 수장 일대의 수로 파악에 적용하였다. 최종적인 수로 구축에 는 드론 영상을 사용하였으며, 기존 자료와 항공 영상, 드론 영상을 통해 구축한 수로 자료 간 차이는 Fig. 4와 같이 나타 났다. 항공 영상의 경우 배수로와 같이 수로 폭이 넓은 수로의 확인은 가능하였지만, 세부 간선 및 지선 판단에는 어려움이 있었다.
Ⅲ. 적용 및 결과
1. 수혜면적 재산정
수혜면적 재산정을 위한 필지 구분과 해상도를 고려하여 드론 영상과 위성 영상을 함께 사용하였으며, 필지 내 시설재 배지, 주거지, 밭을 제외한 후 수혜면적을 파악하였다. 제외 지역은 스마트팜맵 자료를 기반으로 영상 식별 후 GIS 자료에 서 해당 지역을 추출하는 방식으로 제외하였다. 또한, 삼합저
Fig. 3 Selection of excluded areas for extraction of paddy areas
Fig. 4 Comparison of image and RIMS data for canal establishment
Fig. 5 Calculation of the irrigated area in Samhap reservoir and Neungsoe pump station
수지 RIMS 자료의 경우 저수지 일대 필지의 전체적인 윤곽만 파악할 수 있었으며, 능서양수장 일대 RIMS 자료의 경우 실 제 재배지역과 격자가 맞지 않아, 최종 수혜면적 자료는 스마 트팜 맵을 최신화하여 산정하였다. 산정결과는 Fig. 5와 같으
며, 취득 가능한 자료를 통해 확인한 수혜면적 변화 및 최종적 으로 산정한 수혜면적은 Table 2와 같이 기존 자료인 RIMS 자료와 비교하여 정리하였다. 삼합저수지의 통계연보 기준 준공 당시 수혜면적은 41.6 ha이며, 현장조사 기준 49.1 ha,
Fig. 6 Calculation of a canal in Samhap reservoir and Neungsoe pump station
Data Type of image Resolution (cm) Samhap Neungseo
irrigated area (ha) Irrigated area (ha)
Statistical yearbook - - 41.6 (-18.6%)-
Field investigation - - 49.1 (-3.9%)-
Land cover Satellite image 100 43.2 (-15.5%)277.9 (+85.5%)
RIMS Aerial image - 51.1 149.8
Smart farm map Aerial image 25 42.3 (-17.2%)221.1 (+47.6%)
High resolution image Drone image 4 38.8 (-24.1%)134.4 (-10.3%)
Table 2 Existing irrigated area status and recalculation results based on high resolution images
토지피복도 기준 43.2 ha, RIMS 자료 기준 51.1 ha, 스마트팜 맵 기준 42.3 ha로 나타났다. 대부분 자료에서 준공 당시보다 수혜면적이 증가한 것으로 나타났지만, 실제 드론 및 위성 영 상을 활용하여 재산정한 결과는 스마트팜맵 기준 토지이용이 변경된 면적인 3.5 ha를 제외한 38.8 ha로 나타났다. 능서양수 장의 경우 통계연보 및 현장조사를 통한 수혜면적 파악이 어 려웠으며, 토지피복도, RIMS, 스마트팜맵 기반 수혜면적을 비교한 결과 각각 277.9 ha, 149.9 ha, 221.1 ha으로 나타났다.
본 연구에서 드론 및 위성 영상을 활용하여 산정한 능서양수 장 일대의 수혜면적은 스마트팜맵 기준 토지이용이 변경된 면적인 86.7 ha를 제외한 134.4 ha로 기존 자료들보다 감소한 결과를 보였다.
2. 용배수로 구축
수로의 경우 용수 흐름 및 설계에 따라 주변 지면의 경사와 차이가 발생할 수 있다. 따라서, 영상을 통해 취득한 수치표고 모형을 적용하여 수로 내 용수 흐름을 파악하기 위해서는 정 확한 수로 위치 파악이 선행되어야 한다. 정확한 수로 위치를 파악하기 위해 기존 RIMS 수로 자료와 항공 영상 및 드론 영상을 통해 확인한 수로의 위치를 각각 비교하였다. RIMS 수로 자료의 경우 실제 수로와 정확하게 일치하지 않았으며, 항공 영상의 경우 식생이 없는 수로 또는 배수로와 같이 직경 이 넓은 수로 파악은 가능하였지만, 지선 및 수로 내 식생이 존재할 경우 파악이 어려웠다. 반면, 드론 영상의 경우 5 cm급 해상도로 주변 지형과 수로를 정확히 구분할 수 있었다. 삼합
Data Type of image Resolution
Samhap Neungseo
Number of canal Lengh of canal
(km) Number of canal Lengh of canal (km)
RIMS Aerial image - 4 2.6 17 21.4
High resolution image Drone and aerial 4 / 51 42 9.4 (+72.3%)116 30.83 (+30.6%)
Table 3 Existing canal status and recalculation results based on high resolution images
Fig. 7 DEM and DSM image based canal gradient analysis result
저수지와 능서양수장 일대의 용배수로 구축 결과는 Fig. 6과 같다. Table 3에 정리한 것과 같이 삼합저수지의 경우 기존 RIMS 수로 자료의 4개 주요 간선에서 42개의 지선, 간선 및 배수로를, 능서양수장 일대의 경우 기존 17개 간선에서 116개 의 지선, 간선 및 배수로를 파악하였다. 수로 길이의 경우 삼 합저수지 일대가 2.6 km에서 9.4 km로, 능서양수장 일대가 21.4 km에서 30.83 km로 각각 6.8 km, 9.43 km의 추가적인 수로를 확인하여 구축하였다.
3. 용수흐름 파악
구축한 용배수로의 흐름을 파악하기 위해 드론 영상으로 취득한 수치표고 모델인 4 cm급 DEM 및 DSM 영상의 활용성 을 확인하였다. 삼합저수지의 경우 현장조사를 통해 각 간선, 지선 및 배수로의 흐름을 파악하였기 때문에 영상을 통한 수 로 내 흐름을 검증하기에 적합하였다. DEM과 DSM의 수로 경사 파악을 비교하기 위해 간선, 지선, 배수로, 식생으로 가 려진 수로로 구분하였으며, 현장조사를 통해 파악한 주요 지 점을 대상으로. 표고가 높은 지점을 A, 표고가 낮은 지점을 B로 하여 Fig. 7과 같이 지점별 분석을 실시하였다. 그 결과, DEM 영상은 4개 경우의 수로를 대상으로 고점에서 저점까지 의 경사도가 모두 확실하게 나타난 반면, DSM 영상의 뚜렷한 경사도가 나타나지 않았으며, 식생이 있는 수로에서는 경사 도를 판단할 수 있는 경향이 확인되지 않았다.
Ⅳ. 결 론
본 연구에서는 소규모 저수지 및 대규모 재배지역의 수혜 면적 재산정 및 용배수로 구축을 위해 고해상도 영상자료의 활용성을 확인하고자 하였다. 기존 연구의 경우 농업용 저수 지의 관개 효율, 농업용수 수요량 및 공급량 산정, 공급효율 평가 등의 연구를 수행하고자 할 때, 저수지 제원, 수로 및 수혜면적 자료 구축을 위해 직접 측량하거나, 과거 설계 당시 의 자료를 이용하였다. 측량의 경우 정확한 자료 취득이 가능 하지만, 상당한 시간이 소요되며 여러 지역에 적용하기에 무 리가 있다. 기존 자료의 경우 개보수로 인한 제원 변경, 수혜 구역 내 토지이용 변화 등 최신화된 자료 취득에 문제가 발생 한다. 고해상도 영상자료를 활용할 경우, 이러한 시간적 제약 과 자료 최신화에 대한 문제를 해소할 수 있다. 본 연구에서는 삼합저수지와 능서양수장 일대를 대상으로 소규모 및 대규모 지역에 대한 수혜면적 재산정 및 용배수로 구축을 통해 구체 적인 방안을 제시하였다.
수혜면적 산정을 위해서는 해상도보다 취득 주기가 중요하
기 때문에 드론, 항공기 등을 통한 직접 측량이 우선적이나, 불가할 경우 국토지리원의 항공 영상과 구글 어스 등 위성 영상 제공 플랫폼을 통해 최신 영상을 활용하는 것이 가장 적합하다. 본 연구에서는 수혜면적 재산정을 위해 2020년 11 월 위성영상 자료와 2020년 10월 측량한 드론 영상을 기반으 로, 수혜구역 내 밭, 시설재배지, 주거지역을 제외하였다. 삼 합저수지와 능서양수장 일대의 수혜면적은 각각 38.8 ha와 134.4 ha로 나타나 토지피복도, RIMS, 스마트팜맵과 같은 기 존 자료들과 비교하였을 때, 각각 약 14%와 37% 감소한 결과 를 보였다.
용배수로 구축의 경우 영상의 주기보다 수로를 구분할 수 있는 높은 해상도가 중요하였으며, 본 연구를 통해 드론 영상 을 활용하는 것이 가장 적합하다고 판단하였다. 항공 및 위성 영상의 경우 배수로와 같은 직경이 넓은 수로의 파악은 가능 하였지만, 지선 및 식생에 가려진 수로의 경우 판단이 불가능 하였다. 본 연구에서는 드론을 활용하여 촬영한 4 cm급 정사 영상 및 DEM, DSM 영상을 사용하였다. 삼합저수지 및 능서 양수장 일대의 용배수로 구축 결과, 각각 6.8 km와 9.43 km 증가한 수로 길이를 구축하였다. 또한, DEM 및 DSM 수치표 고모델을 활용하여 수로 내 경사도를 확인하였으며, 그 결과, DEM 영상이 수로 경사도 파악에 더 적합하다는 것을 확인하 였다.
본 연구의 결과물인 영상 기반 수혜면적 및 용배수로 재산 정 방안은 측량을 통한 시간 소요 및 여러 지역에 대한 적용성 한계, 기존 자료의 최신화 문제를 보완할 수 있다. 본 연구에 서 재산정한 수혜면적 및 용배수로 구축결과는 삼합저수지 및 능서양수장 일대의 농업용수 수요량 및 공급량, 관개 효율, 수자원 공급 체계 등 관련 분석 전반에 대한 기초자료로써 활용될 수 있을 것으로 기대된다.
감사의 글
본 연구는 행정안전부 극한재난대응기반기술개발사업의 연구비 지원 (2019-MOIS31-010)에 의해 수행되었습니다.
REFERENCES
1. Bang, N. K., W. H. Nam, J. H. Shin, H. J. Kim, K. Kang, S. C. Baek, and K. Y. Lee, 2020. Water balance analysis of pumped-storage reservoir during non-irrigation period for recurrent irrigation water management. Journal of the Korean Society of Agricultural Engineers 62(4): 1-12 (in
Korean). doi:10.5389/KSAE.2020.62.4.001.
2. Bronwen, T., M. Taylor, F. Peter, E. B. Adrian, W. Anna, C. C. Jonathan, and R. Sally, 2011. Measuring the quality of public open space using Google Earth. American Journal of Preventive Medicine 40(2): 105-112. doi:10.1016/
j.amepre.2010.10.024.
3. Chung, S. O., and K. J. Park, 2004. Irrigation return flow measurements and analysis in a small size paddy area.
Journal of Korea Water Resources Association 37(7):
517-526 (in Korean). doi:10.3741/JKWRA.2004.37.7.517.
4. Chung, Y. J., 2015. A study on extraction of croplands located nearby coastal areas using high resolution satellite imagery and LiDAR data. Journal of the Korean Association of Geographic Information Studie 18(1):
170-181 (in Korean). doi:10.11108/kagis.2015.18.1.170.
5. Kim H. J., C. G. Kim, and S. Kim, 2003. Assessment of water management efficiencies for irrigation pumping stations in the Han river and Nakdong river basins.
Magazine of the Korean Society of Agricultural Engineers 45(1): 23-32 (in Korean).
6. Lee, H. J., W. H. Nam, D. H. Yoon, E. M. Hong, T. G.
Kim, J. H. Kim, and D. E. Kim, 2020. Percentile approach of drought severity classification in Evaporative Stress Index for South Korea. Journal of the Korean Society of Agricultural Engineers 57(1): 59-67 (in Korean). doi:10.
5389/KSAE.2020.62.2.63.
7. Lee, K. D., S. Y. Hong, and Y. H. Kim, 2012. Farmland use mapping using high resolution images and land use change analysis. Korean Journal of Soil Science and Fertilizer 45(6): 1164-1172 (in Korean). doi:10.7745/
KJSSF.2012. 45.6.1164.
8. Mun, Y. S., W. H. Nam, M. G. Jeon, N. K. Bang, and T. G. Kim, 2020. Assessment of vulnerability to drought disaster in agricultural reservoirs in South Korea.
Atmosphere 11(11): 1244. doi:10.3390/atmos11111244.
9. Nam, W. H., J. Y. Choi, E. M. Hong, and J. T. Kim, 2013.
Assessment of irrigation efficiencies using smarter water management. Journal of the Korean Society of Agricultural Engineers 55(4): 45-53 (in Korean). doi:10.5389/KSAE.
2013.55.4.045.
10. Nam, W. H., E. M. Hong, and J. Y. Choi, 2014.
Uncertainty of water supply in agricultural reservoirs considering the climate change. Journal of the Korean Society of Agricultural Engineers 56(2): 11-23 (in Korean).
doi:10.5389/KSAE.2014.56.2.011.
11. Nam, W. H., T. G. Kim, E. M. Hong, M. J. Hayes, and M. D. Svoboda, 2015. Water supply risk assessment of agricultural reservoirs using irrigation vulnerability model and cluster analysis. Journal of the Korean Society of Agricultural Engineers 57(1): 59-67 (in Korean). doi:10.
5389/KSAE.2015.57.1.059.
12. Nam, W. H., T. G. Kim, E. M. Hong, J. Y. Choi, and J. T. Kim, 2017. A wireless sensor network (WSN) application for irrigation facilities management based on information and communication technologies (ICTs).
Computers and Electronics in Agriculture 143: 185-192.
doi:10.1016/j.compag.2017.10.007.
13. Nam, W. H., 2020. Improvement methodology of agricultural water balance model. Magazine of the Korea Water Resources Association 53(4): 33-42 (in Korean).
14. Nam, W. H., H. J. Kim, M. G. Jeon, D. H. Yoon, I. K.
Jung, K. H. Bae, and J. H. Cho, 2021. Building the digital infrastructure in rural areas for agricultural water management. Magazine of the Korean Society of Agricultural Engineers 63(1): 34-43 (in Korean).
15. Salamh, F. E., M. M. Mirza, and U. Karabiyik, 2021. UAV forensic analysis and software tools assessment: DJI Phantom4 and Matrice 210 as case studies. Electronics 10(6): 733. doi:10.3390/electronics10060733.
16. Shin, J. H., W. H. Nam, N. K. Bang, H. J. Kim, H. U.
An, J. W. Do, and K. Y. Lee, 2020a. Assessment of water distribution and irrigation efficiency in agricultural reservoirs using SWMM model. Journal of the Korean Society of Agricultural Engineers 62(3): 1-13 (in Korean).
doi:10.5389/KSAE.2020.62.3.001.
17. Shin, J. H., W. H. Nam, N. K. Bang, H. J. Kim, H. U.
An, and K. Y. Lee, 2020b. Assessment of irrigation efficiency and water supply vulnerability using SWMM.
Journal of the Korean Society of Agricultural Engineers 62(6): 73-83 (in Korean). doi:10.5389/KSAE.2020.62.6.073.
18. Taddia, Y., F. Stecchi, and A. Pellegrinelli, 2019. Using DJI phantom 4 RTK drone for topographic mapping of coastal areas. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences 42:
625-630. doi:10.5194/isprs-archives-XLII-2-W13-625-2019.
19. Wilhite, D. A., M. J. Hayes, C. Knutson, and K. H. Smith, 2000. Planning for drought: Moving from crisis to risk management. Journal of the American Water Resources Association 36(4): 697-710. doi:10.1111/j.1752-1688.2000.
tb04299.x.
20. Yoon, D. H., W. H. Nam, H. J. Lee, E. M. Hong, and T.
G. Kim, 2020. Drought hazard assessment using MODIS- based evaporative stress index (ESI) and ROC analysis.
Journal of the Korean Society of Agricultural Engineers
62(3): 51-61 (in Korean). doi:10.5389/KSAE.2020.62.3.051.
21. Zhang, L., and T. Zhou, 2015. Drought over east asia: A review. Journal of Climate 28: 3375-3399. doi:10.1175/
JCLI-D-14-00259.1.
