1. 서론

지반침하는 자연적 혹은 인위적 요인 등 복합적인 원인에 의해 발생하는 지표 물질의 침강 현상으로, 지속적인 모니터링이 필요한 주요 현상 중 하나이다. 자연적 요인으로는 지각 변동, 해수면 상승, 지진 등이 있으며 인위적 요인으로는 지하수와 원유의 과도한 추출, 광산 개발, 간척지 매립 하중 등이 있다(Milliman and Haq, 1996; Poland and Davis, 1969; Waltham, 1989). 이러한 지반침하 현상은 도심지, 산업단지, 농경지 등 다양한 환경에서 인적, 물적 피해를 초래할 수 있기 때문에 이를 효과적으로 관측할 수 있는 데이터의 확보와 활용이 중요하다.

지반침하를 관측하기 위한 기존의 주요 방법으로는 수준 측량, 위성항법시스템(global navigation satellite system, GNSS) 등을 이용한 현장 관측이 있다. 이러한 방법들은 비교적 높은 정확도의 데이터를 제공하지만 넓은 지역의 침하를 모니터링하기에는 공간적 및 시간적 한계와 높은 비용이 수반된다. 원격탐사 기술은 이러한 문제를 해결할 대안으로 제시되었으며 특히 인공위성 영상레이더(synthetic aperture radar, SAR)는 넓은 영역을 높은 공간 해상도로 관측할 수 있고 위상간섭기법을 이용하여 지표 변위를 정밀하게 관측할 수 있어 지반침하 연구에서 중요한 도구로 활용되고 있다. 과거와는 달리 다수의 위성 운영을 통해 방대한 자료가 구축되고 있어 영상레이더를 기반으로 한 차분위상간섭기법(differential SAR interferometry, DInSAR)과 small baseline subset (SBAS) 기법은 지표 변위를 시계열적으로 분석하는 데 있어 매우 효과적이라 할 수 있다.

유럽의 Sentinel-1 위성이 발사되기 전의 지표 변위 연구들은 제한된 자료량과 관측 영역으로 인해 주로 특정 지역, 예를 들어 도심지, 폐광산, 또는 산업단지 등 국지적 지반침하 모니터링에 이용되었다(Park and Hong, 2021; Vadivel et al., 2022). 전 세계 단위의 SAR의 구축으로 인하여 이러한 국지적 접근은 침하 현상의 지역적 특성을 파악하는 데 유용하게 활용됨은 물론 국가 단위의 지표 변위 감시 체계가 가능하게 되었다.

본 연구는 과거에 지속적으로 관측된 영상을 이용하여 대한민국 전체에 대한 지반침하 변위를 추출하는 데 목적이 있다. 유럽항공우주국(European Space Agency, ESA)에서 제공하는 C-band Sentinel-1 SAR 데이터를 활용하여 2021년 1월 1일부터 2022년 12월 31일까지의 대한민국 전역의 영상 레이더 데이터를 수집하였다. 127트랙과 54트랙의 데이터를 기반으로 국내를 6개의 프레임으로 나누어 DInSAR과 SBAS 기법을 적용하여 국내 전체에 대한 지표 변위 시계열과 변위 속도지도를 제작하였다. 본 연구는 대한민국 전역의 지반 침하 데이터를 구축함으로써 국가 단위의 지반침하 모니터링 체계 구축에 기여하고자 한다.

2. 연구 자료 및 연구 방법

2.1 연구 자료

Sentinel-1은 유럽항공우주국에서 운영하는 C-band SAR 위성으로 2014년에 발사된 Sentinel-1A와 2016년에 발사된 Sentinel-1B 두 개의 위성으로 구성되어 interferometric wide (IW) 모드로 자료를 제공한다. 해당 위성의 편대 비행 덕분에 6일의 짧은 재방문 주기로 지구 관측 데이터를 제공하였으나 2021년 10월 14일에 발생한 Sentinel-1B 위성의 갑작스런 작동 정지로 인하여 현재는 Sentinel-1A에서만 12일의 재방문 주기로 영상을 제공하고 있다. Sentinel-1 IW 모드는 하나의 swath에 3개의 subswath를 포함하고 있고 여러 개의 burst로 구성되어 있다. 또한 단일 편파(HH 또는 VV)와 이중 편파(HH+HV 또는 VV+VH)를 지원하며 5×20 m 의 공간 해상도와 2.33×13.92 m의 픽셀 간격을 가지고 있다.

Sentinel-1 상승궤도 영상은 국내 전체를 127, 54의 두 개의 트랙에서 6개의 프레임으로 획득하고 있다(Fig. 1). 본 연구에서는 국내 전체에서 발생하는 지반침하를 시계열 지표 변위 속도지도로 제작하기 위하여 2021년 1월부터 2022년 12월까지 총 321장의 데이터를 이중 편파(VV/VH) single look complex로 Alaska Satellite Facility에서 무상으로 제공되어 수집하였다(Table 1).

2.2 연구 방법

위상간섭기법(SAR interferometry, InSAR)은 같은 지역에서 획득된 두 영상의 위상 차를 계산하여 지표의 변화를 관측하는 기법이다. 추가적으로 DInSAR 기법을 적용하여 지표 변위와는 무관한 지형, 궤도, 대기 등의 기타 위상 성분을 제거하였다(Chae, 2020; Moreira et al., 2013). 다중 시기에 획득된 영상레이더를 이용하여 속도 지도를 제작하기 위하여 대표적인 시계열 위상간섭기법 중 하나인 SBAS 기법을 적용하였다. SBAS 기법은 긴밀도가 비교적 잘 유지되는, 기선 거리가 짧은 영상들 간의 위상간섭도 네트워크를 제작하여 시계열 분석을 수행하는 기법으로 공간적으로 넓은 범위의 지표 변위를 측정할 수 있다(Berardino et al., 2002). 영상레이더 영상을 이용하여 위상간섭기법을 적용하기 위해 필수적인 영상레이더 영상 간의 미세한 위치 변화를 교정하는 정합을 수행하였으며 6개의 각 프레임에 대하여 위상간섭도를 제작하였다. 위상간섭도에서 지형에 의한 위상을 제거하기 위하여 TanDEM-X로부터 제작된 Copernicus 수치표고모형(digital elevation model)을 사용하였고 차분위상간섭도를 제작하였다.

정밀한 시계열 변위를 얻기 위하여 제작된 차분위상간섭도에서 선형의 반복적인 램프 형태로 남아있는 궤도 오차를 제거하고 절대 위상복원(unwrapping) 과정에서 발생하는 오차들을 보정하였다. 또한 남아 있는 대기로 인한 위상을 제거하기 위하여 공간적으로 저주파 필터링을, 시간적으로 고주파 필터링을 수행하여 이를 제거하였다. 잔여 위상이 제거된 차분간섭도에 singular value decomposition 기법을 이용하여 위상 시계열을 획득하였고 위상을 변위로 변환하여 시계열 지표 변위를 계산하였다. 각 프레임으로부터 제작된 시계열 지표 변위를 지오코딩하였고 모자이크하여 국내 전체 영역에 대한 지표 변위 속도지도를 제작하였다. 시계열 지표 변위 자료를 변위 속도로 변환하는 것은 GAMMA 소프트웨어(GAMMA Remote Sensing, Gümligen, Switzerland)를 이용해 시계열 데이터의 각 지점에서 선형 회귀를 수행하여 시간에 따른 변위 속도와 기준 시점의 변위 값을 계산하고, 선형 모델과 입력 데이터 간의 오차를 분석하는 과정을 거쳐 수행되었다. Fig. 2는 시계열 지표 변위 추정을 위한 분석 방법을 순서도로 도시한 것이다.

짧은 수직 기선거리와 시간 간격은 데이터의 긴밀도와 신뢰성을 높일 수 있으므로(Casu et al., 2006) 수직 기선거리 200 m, 시간 간격 100일을 기준으로 설정하여 위상간섭도 네트워크를 제작하였다(Fig. 3). 6개의 각 프레임에 대하여 각 각 326개, 411개, 411개, 193개, 266개, 361개의 위상간섭도를 제작하였다.

Fig. 4는 Fig. 3의 위상간섭도 네크워크를 기반으로 제작한 프레임별 차분위상간섭도이다. 여러 개의 SAR 자료와 Copernicus 30 m 수치표고모형(GLO-30)을 이용한 정합을 통해 offset을 추정하여 위치 오차를 보정하였고 range와 azimuth 방향 모두 0.1픽셀 이내의 정밀도로 보정하였다.

3. 결과

제작된 프레임별 차분위상간섭도를 이용하여 각각의 시계열 변위 자료를 구축하였다. 또한 제작된 프레임별 지표 변위 속도 지도를 통해 국내 전체 영역에 대한 2021년 1월 1일부터 2022년 12월 31일까지의 지표 변위 속도 지도를 제작하였다(Fig. 5). 국내 대부분의 지역에서 안정적인 지표 변위 신호가 나타났으며 일부 지역에서 침하를 관측할 수 있었다. 본 연구에서는 특징적인 지표 변위를 보이는 세 지역을 선정하여 Sentinel-1 위성 자료의 지표 변위 가능성에 대한 결과 성능을 평가하였다.

울산 삼산동 일대는 경상 분지의 백악기 강 지층의 퇴적암류로 구성되어 있고(Jeon et al., 2018) 점토 광물로 광범위한 변형이 발생하였다. 해당 지역의 제4기 충적층은 압밀되지 않은 퇴적물로 구성되어 있고 구조적 하중에 의하여 유도된 점토 토양의 압밀에 따라 도심지가 건설되어 있는 충적층에서 지반침하가 발생하고 있다(Vadivel et al., 2022). 본 연구 결과 수리지질도상에서 확인할 수 있는 미고결 퇴적층 영역을 따라 침하가 발생한 것을 확인하였다(Fig. 6).

침하가 발생한 미고결 퇴적층 내 임의의 점 P1, P2를 선정하여 상세 시계열 변위를 분석한 결과 P1에서 약 -2.52 cm/year, P2에서 약 -1.90 cm/year의 침하 속도가 나타났다(Fig. 7). 다만 해당 연구 결과를 검증하기 위한 GNSS 자료의 입수가 어려워 추후 추가 입수를 통해 분석 예정이다.

김해 골든루트 산업단지 일대는 과거 해양 환경이었으며 대부분이 셰일로 구성되어 있음을 한국지질자원연구원(Korea Institute of Geoscience and Mineral Resources, KIGAM)에서 제공하는 지질도를 통해 확인할 수 있었다(Fig. 8). 해당 지역은 울산 삼산동 일대와 마찬가지로 제4기 충적층이며 지반침하로 인한 피해가 지속적으로 발생하고 있다. 또한 김해 골든루트 산업단지 일대는 산업단지의 97개 업체 중 79개, 약 81.4%의 업체에서 침하 피해가 발생하고 있으며(Yonhapnews, 2019) 각 업체에서는 수억 원 이상을 들여 자체 침하 보수공사를 하고 있는 실정인 만큼 지반침하에 대한 모니터링이 필요한 지역이다.

김해 골든루트 산업단지 일대 내 침하가 관측되는 지역 중임의의 점 P3을 선정하여 상세 시계열 변위를 분석하였다. 해당 지점 P3에서는 약 -2.05 cm/year의 지표 변위 속도가 관측되었다(Fig. 9). 부분적으로 융기가 나타나는 이유는 위성 영상의 자료 처리에 대한 오류 혹은 대기 효과 제거가 불완전하게 이루어졌기 때문인 것으로 판단되며 추후 추가 연구를 실시할 예정이다.

부산 낙동강 하류에 위치한 녹산 국가 산업단지는 1990년대 초반부터 약 10여 년간에 걸쳐 조성된 연안 매립지이다. 해당 지역은 2000년대 초반부터 지반침하로 인한 피해가 꾸준히 보고 및 연구되고 있는데 매립 과정에서 연약한 지반을 단단하게 하기 위한 배수공사의 부실과 토양의 다짐 작용에 따른 변위 등이 지반침하의 원인으로 지목된다(Lee et al., 2009).

녹산 국가 산업단지 일대 내 침하가 관측되는 지역 중 임의의 점 P4를 선정하여 상세 시계열 변위를 분석하였다(Fig. 10). 해당 지점 P4에서는 약 -1.25 cm/year의 지표 변위 속도가 관측되었다(Fig. 11).

제작된 시계열 자료는 csv 형태로 추출하여 활용할 수 있고, 속도지도는 kmz, tif 등 다양한 확장자로 저장하여 Google Earth 및 지리정보시스템(GIS) 소프트웨어에서 활용할 수 있다.

4. 결론 및 토의

본 연구는 2021년 1월부터 2022년 12월까지 발생한 국내 지반침하를 Sentinel-1 영상레이더 영상에 SBAS 기법을 적용하여 관측하였고 국내 전체에 대한 지반침하 시계열 및 속도 지도 자료를 구축하였다. 해당 인공위성 영상은 전 세계 지역에 대해 주기적으로 관측하는 장점이 있어 국가 단위의 지표 변위 감시에 매우 적합한 자료라고 판단된다. 해당 연구에서 제작된 위상간섭기법 자료는 국내 전역에서 발생하는 지반 침하를 분석 및 모니터링하는 데 활용될 수 있었으며 울산 삼산동 일대에서 -2.52, -1.90 cm/year, 김해 골든루트 산업단지에서 -2.05 cm/year, 녹산 국가 산업단지에서 -1.25 cm/year와 같은 특정 지역의 침하 속도를 정량적으로 관측하였다.

지반침하는 다양한 원인에 의해 비교적 느린 속도로 발생하기 때문에 지속적인 관측 및 관리가 필요하다. 본 연구에서 제작한 영상레이더 기반 국내 시계열 지표 변위 및 속도지도는 전국 규모의 지반침하 정보를 제공하여 침하 위험 지역을 식별하고 국가 단위의 지표 변위 이력을 분석하고 관리하기 위한 지도 제작에 활용될 수 있음을 보여주었다. 또한 현장 자료, 지질 자료, 지하수 자료 등을 포함한 다양한 자료들과 결합하여 침하 요인을 분석하고 관련 정책을 수립하는 데 활용될 수 있을 것으로 기대된다. Sentinel-1 위성은 12일의 짧은 재방문 주기를 가짐으로 인해 지진 등과 같은 지표 변위에 대한 변화를 효과적으로 감지할 수 있지만(Funning and Garcia, 2019; Strozzi et al., 2001; Xu et al., 2020) C-band 데이터는 식생 상단에서의 반사 신호를 주로 나타내기 때문에 지반침하 감지에 필요한 높은 긴밀도의 데이터 확보가 어렵다는 한계가 있다. 현재 C-band Sentinel-1뿐만 아니라 파장이 길어 긴밀도를 보다 잘 유지하는 L-band ALOS-2 PALSAR-2, 파장이 짧아 보다 정밀한 관측을 가능하게 하는 X-band COSMO-SkyMed, TerraSAR-X 등 다양한 SAR 위성들이 운영 중에 있어 다중 센서 영상을 결합함으로써 공간 해상도와 시간 해상도를 보완하여 더욱 신뢰성 있는 지표 변위 데이터를 확보할 수 있을 것으로 기대된다.

Notes

Conflict of Interest

On behalf of all authors, the corresponding author states that there is no conflict of interest.

Funding Information

This research was supported by Ministry of Environment, under the Development of Ground Operation System for Water Resources Satellite from K-water and was also supported in part by the National Research Foundation of Korea (NRF) grant funded by the Korean Government (MSIT) under Grant NRF-2023R1A2C1003609.

Data Availability Statement

The data that support the findings of this study are openly available in DataON at https://doi.or.kr/10.22711/idr/1076.

Fig. 1.

Study area and Sentinel-1 data swath.

Fig. 2.

Flowchart of this study. SLC, single look complex; DEM, digital elevation model.

Fig. 3.

Interferometric network for each frame. (A) Frame 1, 326 pairs, (B) frame 2, 411 pairs, (C) frame 3, 411 pairs, (D) frame 4, 193 pairs, (E) frame 5, 266 pairs, and (F) frame 6, 361 pairs.

Fig. 4.

Differential interferogram for each frame. (A) frame 1, (B) frame 2, (C) frame 3, (D) frame 4, (E) frame 5, and (F) frame 6.

Fig. 5.

Surface displacement velocity map after time series analysis. The red boxes indicate specific locations where surface displacement was analyzed: P1 and P2 are in the Ulsan Samsan-dong area, and P3 is in the Gimhae Golden Route Industrial Complex area.

Fig. 6.

(A) Hydraulic geological map (derived from Vadivel et al., 2022) and (B) surface displacement velocity map of Ulsan Samsan-dong area.

Fig. 7.

Time-series displacement at P1 and P2.

Fig. 8.

(A) Geological map (Lee and Kim, 1964) and (B) surface displacement velocity map of the Gimhae Golden Route Industrial Complex area.

Fig. 9.

Time-series displacement at P3.

Fig. 10.

(A) Geological map where no landfill area is indicated (Jang et al., 1978) and (B) surface displacement velocity map of Noksan National Industrial Complex area.

Fig. 11.

Time-series displacement at P4.

References

• Berardino P, Fornaro G, Lanari R, Sansosti E (2002) A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Trans Geosci Remote Sens 40(11):2375–2383Article
• Casu F, Manzo M, Lanari R (2006) A quantitative assessment of the SBAS algorithm performance for surface deformation retrieval from DInSAR data. RSE 102(3-4):195–210Article
• Chae SH (2020) Improvement of 2-pass DInSAR-based DEM generation method from TanDEM-X bistatic SAR images. KJRS 36(5_1):847–860
• Funning GJ, Garcia A (2019) A systematic study of earthquake detectability using Sentinel-1 Interferometric Wide-Swath data. Geophys J Int 216(1):332–349Article
• Jang TW, Kang PJ, Park SH, Hwang SG, Lee DW (1978) Geological map at a scale of 1:50000, Gaduk, South Korea. doi:10.22747/data.20231113.5227
• Jeon HT, Hamm SY, Lee CM, Lim WR, Yun SM, Park HJ (2018) Analyzing the change of surface water and groundwater systems caused by tunnel construction in Northern Ulsan City. J Eng Geol 28(1):81–99
• Lee CW, Choi JH, Sim TM, Hyun SK (2009) Ground Subsidence Measurements of Noksan Industrial Reclaimed Land using Radar Interferometry. In: The Korean Society of Remote Sensing Conference, Seoul National University, Seoul, 27 Mar 2009
• Lee HY, Kim SW (1964) Geological map at a scale of 1:50000, Gimhae, South Korea. doi:10.22747/data.20211214.4647
• Milliman JD, Haq BU (1996) Sea-level rise and coastal subsidence: Causes, consequences, and strategies (Vol. 2). Springer Science & Business Media, Berlin
• Moreira A, Prats-Iraola P, Younis M, Krieger G, Hajnsek I, Papathanassiou KP (2013) A tutorial on synthetic aperture radar. IEEE Geosci Remote Sens Mag 1(1):6–43Article
• Park SW, Hong SH (2021) Nonlinear modeling of subsidence from a decade of InSAR time series. Geophys Res Lett 48(3):e2020GL090970ArticlePDF
• Poland JF, Davis GH (1969) Land subsidence due to withdrawal of fluids. In: Varnes DJ, Kiersch G (eds) Reviews in Engineering Geology, Geological Society of America, Washington DC, pp 178-269
• Strozzi T, Wegmuller U, Tosi L, Bitelli G, Spreckels V (2001) Land subsidence monitoring with differential SAR interferometry. PE&RS 67(11):1261–1270
• Vadivel SKP, Kim D, Lee J, Song J, Kim J (2022) Urban subsidence monitoring in Ulsan city using GACOS based tropospheric delay corrected time-series SBAS-InSAR technique. KJRS 38(6-1):1081–1089
• Waltham AC (1989) Ground subsidence. Blackie, Glasgow
• Xu X, Sandwell DT, Smith‐Konter B (2020) Coseismic displacements and surface fractures from Sentinel‐1 InSAR: 2019 Ridgecrest earthquakes. Seismol Res Lett 91(4):1979–1985ArticlePDF
• Yonhapnews (2019) Gimhae Golden Route Industrial Complex subsidence. https://www.yna.co.kr/view/AKR20190731107500052 Accessed 10 Dec 2024

Appendix

Figure & Data

References

Citations

Citations to this article as recorded by