1. 서론

기후 변화로 인한 태풍과 집중호우, 홍수 등 물 관련 자연 재해가 급증하고 있으며, 이는 댐, 보, 제방과 같은 수자원 시설물의 안전한 운영 및 유지 관리에 큰 영향을 미친다(Kim et al., 2023; Shrestha and Kawasaki, 2020). 특히 국내의 경우 수자원 시설물의 노후화 비율이 높아 체계적인 안전 관리가 요구되고 있다(Kim et al., 2023; Park and Oh, 2016). 수자원 시설물과 그 주변 환경에 대한 안전성 모니터링은 물 관련 재해 관리를 위한 인프라 손실의 방지뿐만 아니라 국민 안전을 위해서도 필수적으로 수행되어야 한다(Ruiz-Armenteros et al., 2018).

구조물의 변위는 안정성을 평가하는 데 효과적으로 사용되며, 이는 변위계 또는 Global Positioning System과 같은 현장 계측 장비나 인공위성 영상레이더(synthetic aperture radar, SAR)를 활용하여 관측할 수 있다(Aswathi et al., 2022; Ruiz-Armenteros et al., 2018). 변위계나 GPS는 설치 지점의 변위를 정밀하게 측정할 수 있지만 공간적으로 밀도 높은 관측은 어렵다. 반면 인공위성 SAR은 기상 조건과 주야에 관계없이 지표 관측이 가능하며, 특히 레이더 간섭기법(interferometric SAR, InSAR)의 적용을 통해 넓은 영역에 대한 레이더 관측 방향(line of sight, LOS)의 변위를 정밀하게 관측할 수 있는 장점이 있다. 최근에 운용되고 있는 인공위성 SAR의 시공간 해상도가 높아 시설물의 장기적인 안전성 모니터링에 InSAR 기법이 효과적으로 사용되고 있다(Aswathi et al., 2022). 다수의 SAR 영상을 활용한 시계열 레이더 간섭기법(time-series InSAR)은 레이더 간섭기법에서 야기될 수 있는 역상관(decorrelation) 및 간섭위상 오차, 잡음(noise)을 보정함으로써 더욱 정밀하게 시계열 변위를 관측할 수 있으며, 이를 통한 댐 안정성 분석 연구가 활발하게 이루어지고 있다(Aswathi et al., 2022; Dai et al., 2023; Maltese et al., 2021; Wang et al., 2020; Zhou et al., 2016). 시계열 레이더 간섭기법 중 하나인 고정산란체 간섭기법(permanent scatterer InSAR, PSInSAR)은 강한 후방 산란 신호가 안정적으로 유지되는 구조물에 대한 정밀한 변위 관측이 가능하며(Ferretti et al., 2001), 수자원 시설물의 안전 모니터링에 효과적으로 적용될 수 있다.

수자원위성(차세대중형위성 5호)은 수자원 관리 및 수재해 모니터링을 목표로 개발 중에 있으며, C-band SAR를 탑재하여 2025년 발사될 예정이다. 수자원위성은 높은 시공간 해상도의 SAR 영상을 취득할 수 있어 시계열 레이더 간섭기법 적용을 통해 수자원 시설물의 안전 모니터링 및 유지 관리에 크게 기여할 것으로 기대되고 있다. 향후 수자원위성으로부터 수자원 시설물에 대한 고품질의 변위 모니터링 정보를 생산하고, 이를 타 위성 SAR와 연계하여 장기적으로 모니터링된 변위의 일관성을 유지하기 위해서는 수자원 시설물 대상의 인공위성 C-band SAR 기반 시계열 레이더 간섭기법 구현 및 이를 통한 변위 자료의 구축이 필요하다.

이 연구에서는 현재 운용되고 있는 대표적인 인공위성 C-band SAR인 Sentinel-1 SAR 영상 자료에 PSInSAR 기법을 적용하여 금강 상류의 다목적 댐인 용담댐의 시계열 변위 자료를 구축하였고, 댐의 안전성 평가 및 향후 수자원위성의 수자원 시설물 변위 모니터링 산출물과의 연계를 위한 정보를 제공하고자 한다.

2. 연구지역 및 자료

2.1 연구지역

용담댐은 금강 상류인 전라북도 진안군 용담면 월계리(35° 35′ N, 127° 45′ E)에 위치하고 있다(Fig. 1). 용담댐은 다목적 댐으로 높이 70 m, 길이 498 m의 콘크리트 표면차수벽형 석괴댐이며 2001년 10월에 완공되었다(Kim et al., 2011; Lee, 2010). 용담댐 유역 면적은 930.4 km²로 금강 유역 면적의 9.5%를 차지하고 있으며, 연평균 강수량은 1,362 mm이다(Han et al., 2021; Shin et al., 2018). 용담댐의 총 저수 용량은 8억 1,500만 m3이며, 일평균 저수량은 우기에 상승하고 건기에 하강하는 뚜렷한 계절성을 가짐과 동시에 강수 시 단기적으로 상승하고 강수가 그치면 지수적으로 감소하는 자연유량 변화를 가지고 있다(Kim et al., 2022). 용담댐 유역은 여름철 강우량이 전국 다목적댐의 평균에 비해 높은 경우가 많아 댐의 안전 모니터링이 필수적이다.

2.2 연구 자료

용담댐의 시계열 변위를 관측하기 위해 유럽우주국(European Space Agency)에서 운용 및 제공하는 Sentinel-1 위성의 C-band SAR(중심 주파수 5.405 GHz) 영상을 활용하였다. Sentinel-1은 Sentinel-1A 및 Sentinel1B로 구성되어 있으며 4가지 관측 모드(Interferometric Wide [IW] Swath, Extra Wide Swath, StripMap, Wave)에서 지표를 관측한다. 두 위성은 각각 12일의 재방문 주기를 가지고 있으며, 두 위성이 동일한 지역을 연속하여 관측할 경우 6일마다 영상을 취득할 수 있다. 그러나 Sentinel-1B는 2021년 12월 이후 운용이 중단되어 현재는 신규 영상 획득이 불가능하다.

이 연구에서는 2017년 2월 24일부터 2023년 7월 23일까지 상향 궤도(ascending orbit)에서 178장, 2017년 3월 2일부터 2021년 12월 18일까지 하향 궤도(descending orbit)에서 144장의 Sentinel-1 SAR 영상을 획득하였다(Table 1). 모든 SAR 영상은 IW 모드에서 VV 편파로 획득된 Single Look Complex 포맷으로 구축되었다. SAR 영상의 정합과 정사보정을 위해 5 m 공간해상도의 수치표고모델(digital elevation model, DEM)을 활용하였다.

3. 연구 방법

용담댐의 변위를 관측하기 위해 Sentinel-1 SAR 영상에 PSInSAR 기법을 적용하였다. 자료 처리 과정은 Fig. 2에 제시하였다. 먼저 모든 SAR 영상의 precise orbit data 를 활용하여 궤도 보정을 수행하였다. PSInSAR 기법을 수행하기 위해서는 모든 SAR 영상을 정합하여야 한다. SAR 영상 간의 정밀 정합을 수행하기 위하여 5 m 해상도의 DEM을 사용하였고, 상향 및 하향 궤도 SAR 영상들을 각각 2017년 2월 20일, 2017년 3월 2일 영상에 정합하였다. PSInSAR 기법은 하나의 주영상을 선정하여 나머지 부영상들과 InSAR를 수행하여야 한다. SAR 영상들 간의 시공간 기선거리를 고려하여 상향 궤도 SAR 영상들 중 2020년 6월 20일, 하향 궤도 영상들 중에서 2019년 9월 12일 영상을 주영상으로 결정하고 나머지 부영상들과 InSAR를 수행하였으며, DEM을 이용하여 지형 고도에 의한 위상을 제거하였다.

고정산란체 후보(permanent scatterer candidate, PSC)를 선정하기 위해 모든 SAR 후방산란강도(intensity) 영상에서 진폭분산지수가 0.4 이하인 픽셀을 추출하였다. 진폭 분산지수를 기반으로 선정된 PSC는 잡음의 영향이 큰 산란체를 포함할 수 있다. 이 연구에서는 PSC에서 신뢰할 수 있는 고정산란체(permanent scatterer, PS)를 추출하기 위해 Hooper et al. (2007)에서 제시된 위상 잡음(phase noise)을 평가하는 방법을 이용하였다. 먼저 인접한 두 PSC 간의 시공간적 위상차를 구하고, 가중평균된 위상차와의 차이를 계산하여 잔여 위상(residual phase)을 구하였다. 잔여 위상에 저주파 필터링을 적용하고 평활화된 시공간적 위상차를 구하였으며, 이를 원래의 위상차로부터 제거하여 위상 잡음을 추정하였다. 그리고 1 radian 이상의 위상 잡음 표준편차를 갖는 PSC를 제외하였다. 나머지 PS들에 대해 DEM 오차에 의한 간섭위상을 보정하고 절대위상복원(phase unwrapping)을 수행하였다. 이를 통해 최종적으로 산출된 PS의 시계열 변위 및 변위속도 자료를 구축하였다.

4. 연구 결과 및 토의

용담댐을 중심으로 5×5 km 영역에 대해 PSInSAR를 수행하였고, 이를 통해 상향 궤도에서 476개, 하향 궤도에서 389개의 PS를 산출하였다. PSInSAR 기법으로 산출된 시계열 변위속도는 Fig. 3에 제시하였다. PS에서 산출된 변위 성분은 모두 LOS 변위이며 레이더에서 가까워지면 양의 값, 멀어지면 음의 값을 가지도록 변위를 도출하였다. PS는 댐, 건물, 교량과 같은 구조물에서 주로 산출되었다. 용담댐 주변 지역은 대부분 수계 및 식생으로 피복되어 있어 넓은 영역에서 PSInSAR를 통한 변위 관측은 어렵다. 그러나 용담댐에서는 상향 및 하향 궤도에서 각각 106개 및 130개의 PS가 산출되었고, 이는 댐의 국지적 변형 관측이 가능한 수준으로 댐체의 안정성 분석에 충분히 활용될 수 있다.

댐에서의 변형은 수직 및 수평 변형을 모두 포함할 수 있기 때문에(El-Askary et al., 2021) 상향 궤도 및 하향 궤도의 PSInSAR 분석에서 변위 및 변위속도의 크기가 다르게 나타난다. 상향 및 하향 궤도의 Sentinel-1 SAR 관측 기간이 다른 것도 관측된 변위속도 차이에 영향을 줄 수 있다. 일반적으로 댐의 변형은 국지적으로 발생할 가능성이 높다(Scaioni et al., 2018). PSInSAR로 구축된 변위 자료로부터 용담댐의 국지적 변형을 분석하기 위해 댐의 서쪽(P1), 중앙(P2), 동쪽(P3)에 위치한 PS (Fig. 3)의 시계열 변위를 분석하였다(Fig. 4). 용담댐의 서쪽 부분은 상향 및 하향 궤도에서 각각 0.03 cm/year, 0.07 cm/year의 변위속도를 나타낸다(Fig. 4A, B). 중앙 부분에서는 상향 및 하향 궤도 관측에서 각각 0.02 cm/year, 0.04 cm/year의 변위속도를 보였으며(Fig. 4C, D), 동쪽 부분은 각각 0.01 cm/year와 0.02 cm/year의 변위속도를 보였다(Fig. 4E, F). 상향 궤도 관측에서 댐의 변위는 2020년 8월에 크게 나타나는데 이는 집중호우의 영향으로 인한 댐체의 일시적 변형이 반영된 결과이거나 강우에 의한 역상관 또는 대기 효과에 의한 변위 관측 오차에 의한 것일 수도 있다. 변위의 변화 폭이 크게 나타나는 시기에 대해서는 해당 시기의 기상 특성을 조사하고, 가능할 경우 댐의 실측 변위 자료를 취득하여 추가 분석할 필요가 있다.

5. 결론

이 연구에서는 Sentinel-1 C-band SAR 영상의 PSInSAR 분석을 이용하여 구축한 용담댐의 시계열 변위 자료를 기술하였다. 인공위성 C-band SAR 영상에 PSInSAR 기법을 적용하여 댐의 미세변위 및 변위의 변화 관측이 가능함을 확인하였다. 향후 수자원위성 C-band SAR 영상의 활용을 통해 더욱 정밀하고 시공간적으로 높은 해상도의 변위 자료 구축이 가능할 것이며, 이를 바탕으로 수자원 시설물의 효과적인 안전성 모니터링이 가능할 것으로 기대한다.

Notes

Conflict of Interest

Euiho Hwang and Ki-mook Kang have served on the editorial board of GEO DATA; however, they did not participate in the peer review selection, evaluation, or decision process for this paper. Otherwise, no other potential conflicts of interest relevant to this paper have been reported.

Funding Information

This research was supported by The Development of Ground Operation System for Water Resources Satellite from K-water.

Data Availability Statement

The data that support the findings of this study are available on request from the corresponding author.

Fig. 1.

Location of the study area (©Google Earth). The blue box and red boxes represent the imaging coverage of Sentinel-1 SAR images at ascending and descending nodes, respectively. The image on the right is an enlarged view of the area of interest (white box in the image on the left). ASC, ascending; DSC, descending.

Fig. 2.

Flowchart of the time-series displacement measurement by the PSInSAR processing. SLC, Single Look Complex; DEM, digital elevation model; POD, precise orbit data; PS, permanent scatterer; PSInSAR, permanent scatterer interferometric synthetic aperture radar.

Fig. 3.

Mean displacement velocity maps around the Yongdam Dam derived from the Sentinel-1 PSInSAR at (A) ascending and (B) descending orbits. LOS, line of sight; PSInSAR, permanent scatterer interferometric synthetic aperture radar.

Fig. 4.

Time-series displacement for P1, P2, and P3 shown in Fig. 3. The time series of (A), (C), and (E) were measured in the ascending orbit of Sentienl-1, and (B), (D), and (F) in the descending orbit. LOS, line of sight.

References

• Aswathi J, Kumar RBB, Oommen T, Bouali EH, Sajinkumar KS (2022) InSAR as a tool for monitoring hydropower projects: a review. Energy Geosci 3(2):160–171Article
• Dai K, Chen C, Shi X, et al (2023) Dynamic landslides susceptibility evaluation in Baihetan Dam area during extensive impoundment by integrating geological model and InSAR observations. Int J Appl Earth Obs Geoinf 116:103157Article
• El-Askary H, Fawzy A, Thomas R, et al (2021) Assessing the vertical displacement of the grand Ethiopian renaissance dam during its filling using DInSAR technology and its potential acute consequences on the downstream countries. Remote Sens 13(21):4287Article
• Ferretti A, Prati C, Rocca F (2001) Permanent scatterers in SAR interferometry. IEEE Trans Geosci Remote Sens 39(1):8–20Article
• Han D, Lee J, Kim W, Baek SC, Kim S (2021) Hydrologic evaluation of SWAT considered forest type using MODIS LAI data: a case of Yongdam Dam watershed. J Korea Water Resour Assoc 54(11):875–889
• Hooper A, Segall P, Zebker H (2007) Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis, with application to Volcán Alcedo, Galápagos. J Geophys Res 112:B07407Article
• Kim D, Kim E, Lee SC, Kim E, Shin J (2022) A decision-centric impact assessment of operational performance of the Yongdam Dam, South Korea. J Korea Water Resour Assoc 55(3):205–215
• Kim DG, Shin HK, Kim JG, et al (2011) Functional assessment of Yongdam Dam-wetland by HGM. J Wet Res 13(3):665–675
• Kim K, Lim J, Kim HS, Shin SC (2023) A study on selection of optimal shelters according to dam break scenario based on continuous rainfall event. KSCE J Civ Environ Eng Res 43(4):433–447
• Lee GS (2010) The influence analysis of support working expenses for Yongdam Dam area considering the resolution of digital topographic map. KSCE J Civ Environ Eng Res 30(5D):523–531
• Maltese A, Pipitone C, Dardanelli G, Capodici F, Muller JP (2021) Toward a comprehensive dam monitoring: on-site and remote-retrieved forcing factors and resulting displacements (GNSS and PS-InSAR). Remote Sens 13(8):1543Article
• Park DS, Oh J (2016) Potential hazard classification of aged cored fill dams. J Eng Geol 26(2):207–221Article
• Ruiz-Armenteros AM, Lazecky M, Hlaváčová I, et al (2018) Deformation monitoring of dam infrastructures via spaceborne MT-InSAR. The case of La Viñuela (Málaga, southern Spain). Procedia Comput Sci 138:346–353Article
• Scaioni M, Marsella M, Crosetto M, Tornatore V, Wang J (2018) Geodetic and remote-sensing sensors for dam deformation monitoring. Sensors 18(11):3682ArticlePubMedPMC
• Shin H, Park M, Lee J, et al (2018) Evaluation of accuracy improvement of SWAT model for the Yongdam-dam watershed based on multi-point hydrological observations. J of the Korean Assoc of Geogr Inf Stud 21(3):104–118
• Shrestha BB, Kawasaki A (2020) Quantitative assessment of flood risk with evaluation of the effectiveness of dam operation for flood control: a case of the Bago River Basin of Myanmar. Int J Disaster Risk Reduct 50:101707Article
• Wang QQ, Huang QH, He N, et al (2020) Displacement monitoring of upper Atbara Dam based on time series InSAR. Surv Rev 52(375):485–496Article
• Zhou W, Li S, Zhou Z, Chang X (2016) Remote sensing of deformation of a high concrete-faced rockfill dam using InSAR: a study of the Shuibuya Dam, China. Remote Sens 8(3):255Article

Appendix

Figure & Data

References

Citations

Citations to this article as recorded by