📌 3줄 요약
- SAR 위성은 구름·밤에도 레이더파로 지표를 관측할 수 있다
- 물 표면은 레이더파를 정반사해 후방산란이 낮아 어둡게 보인다
- 홍수 전후 영상을 비교하는 변화탐지로 침수 범위를 구분한다
집중호우가 48시간째 이어지는 상황을 상상해 보세요. 하늘은 두꺼운 구름으로 가득 차 있고, 재난 대응 기관은 어느 지역이 얼마나 잠겼는지 파악하지 못해 구조 차량 배치도 못 하고 있습니다. 이때 일반 광학 위성은 구름 때문에 지표를 아예 볼 수 없습니다.
SAR(합성개구레이더, Synthetic Aperture Radar) 위성은 이 상황에서 빛을 발합니다. SAR는 마이크로파 대역의 레이더 신호를 스스로 쏘고 반사돼 돌아오는 신호를 기록하기 때문에, 구름이 두껍거나 야간이어도 지표 정보를 얻을 수 있습니다. 홍수 대응 실무에서 SAR 영상으로 침수 범위를 찾는 원리를 단계별로 풀어 보겠습니다.
🛰️ SAR 위성은 어떤 방식으로 지표를 관측하나요?
SAR는 안테나에서 마이크로파를 지표를 향해 비스듬히 쏘고, 지표 물체에 부딪혀 돌아오는 신호의 세기(후방산란, backscatter)를 측정합니다. 후방산란이 강할수록 영상에서 밝게, 약할수록 어둡게 표현됩니다. 건물이나 울퉁불퉁한 숲은 신호를 사방으로 반사해 많은 양이 안테나로 되돌아오기 때문에 밝게 나타납니다. 반대로 표면이 고르고 매끄러울수록 신호는 거울처럼 멀리 튕겨 나가 안테나로는 거의 돌아오지 않습니다. 위성 운용 기관에 따라 관측 주파수(C밴드, L밴드 등)와 해상도가 다르므로, 분석 전에 사용할 영상의 메타데이터를 반드시 확인해야 합니다. 홍수 대응에서는 이 특성 덕분에 구름이 낀 재난 상황에서도 반복 관측이 가능하고, 야간 침수 확산 모니터링에도 활용됩니다.
🌊 물이 SAR 영상에서 어둡게 보이는 이유가 뭔가요?
잔잔한 물 표면은 거울과 비슷하게 작동합니다. SAR 신호가 비스듬히 입사하면, 수면은 신호를 입사각과 반대 방향으로 정반사(specular reflection)시켜 버립니다. 안테나로 되돌아오는 에너지가 극히 적으므로 후방산란 값이 낮아지고, 영상에서는 어두운 색으로 표현됩니다. 이 원리는 잔잔한 호수, 침수된 논, 도시 침수 구역 모두에 동일하게 적용됩니다. 단, 바람이 강하거나 수면에 파도가 생기면 거칠어진 수면이 신호를 분산 반사하기 때문에 후방산란이 올라가 어두운 정도가 줄어들 수 있습니다. 재난 현장에서 강풍을 동반한 태풍 상황에는 이 점을 감안해 침수 범위가 실제보다 좁게 탐지될 수 있다는 것을 미리 고려해야 합니다.
🔍 변화탐지로 침수 범위를 찾는 절차는 어떻게 되나요?
변화탐지(Change Detection)는 같은 지역을 촬영한 두 시기의 영상을 비교해 달라진 부분을 찾아내는 방법입니다. 홍수 침수 탐지에서는 다음 순서로 진행합니다. 첫째, 홍수 이전(평상시) SAR 영상과 홍수 이후 영상을 준비합니다. 둘째, 두 영상을 같은 좌표계로 정합(registration)하여 픽셀 위치를 맞춥니다. 셋째, 후방산란 차이값(후방산란_이전 빼기 후방산란_이후)을 계산합니다. 홍수로 물이 고인 곳은 이전에는 밝았다가 이후에는 어두워지므로, 차이값이 큰 음수로 나타납니다. 넷째, 임계값(threshold)을 정해 그 이하인 픽셀을 침수 후보로 분류합니다. 이 임계값은 지역과 계절마다 달라질 수 있어 직접 확인해야 하는 부분입니다. 실무에서는 이렇게 추출한 침수 후보 영역을 행정 경계, 인구 데이터와 겹쳐서 피해 가구 수를 추정하는 데 활용합니다.
아래는 Python과 numpy를 사용해 후방산란 차이 이미지를 구하는 간단한 예시입니다.
import numpy as np
import rasterio
with rasterio.open("sar_before.tif") as src:
before = src.read(1).astype(float)
with rasterio.open("sar_after.tif") as src:
after = src.read(1).astype(float)
diff = after - before
threshold = -3.0 # dB 단위 임계값은 지역별로 직접 조정 필요
flood_mask = diff < threshold⚠️ 오탐이 생기는 주요 원인은 무엇인가요?
SAR 변화탐지에서 자주 마주치는 오탐(false positive, 실제로는 침수가 아닌데 침수로 잡히는 경우)은 크게 두 가지입니다. 첫째는 그림자입니다. 산지나 고층 건물 뒤편에 생기는 레이더 그림자(radar shadow) 영역은 신호가 거의 도달하지 않아 후방산란이 낮게 나오며, 이 부분이 물로 오인될 수 있습니다. 둘째는 매끄러운 지면입니다. 비포장 도로, 짧게 깎은 잔디밭, 건조한 소금 평지처럼 표면이 고른 곳은 잔잔한 수면과 비슷한 낮은 후방산란을 보일 수 있습니다. 이를 걸러내려면 DEM(수치표고모델)으로 경사가 심한 그림자 영역을 마스킹하거나, 토지피복 데이터를 겹쳐 건물 밀집 지역과 교차 확인하는 과정이 필요합니다. 재난 대응 결정권자에게 탐지 결과를 보고할 때는 이런 오탐 가능성을 함께 명시하는 것이 신뢰도 높은 보고서의 기본 요건입니다.
🗺️ 실제 재난 대응 업무에서는 어떻게 연결되나요?
침수 범위가 벡터 폴리곤으로 확정되면, 이 데이터는 여러 단계의 의사결정에 연결됩니다. 행정안전부나 지자체의 재난 상황실에서는 침수 폴리곤을 도로망 데이터와 겹쳐 접근 불가 구역을 파악하고, 구조 차량 경로를 재설정하는 데 씁니다. 또 주민등록 기반 거주지 데이터와 교차하면 고립 가능 인구를 빠르게 추정할 수 있습니다. 이 과정에서 영상 촬영 시각과 분석 결과 제공 시각 사이의 시간 지연이 현장 활용성을 크게 좌우합니다. 따라서 분석 자동화 파이프라인을 미리 구축해 두고, 위성 영상이 수신되는 즉시 처리 결과가 나오도록 준비해 두는 것이 실무에서 점점 중요해지고 있습니다. 다음 편에서는 이런 자동화 흐름에 딥러닝 모델을 얹는 방법을 살펴볼 예정입니다.
🖥️ 화면에서 따라하기
- 영상 검색
ESA Copernicus Data Space(https://dataspace.copernicus.eu) 접속 후 검색창에 관심 지역 입력, Sentinel-1 GRD 필터 선택 - 기간 설정
날짜 범위 필드에 홍수 발생 전 30일과 발생 후 날짜를 각각 입력, 두 영상 다운로드 - SNAP 열기
ESA SNAP 실행 > File > Open Product로 두 영상(.zip) 차례로 불러오기 (버전에 따라 메뉴 위치가 다를 수 있으므로 SNAP 공식 문서 참고) - 전처리 실행
Radar > Geometric > Terrain Correction 선택, 출력 좌표계를 EPSG:4326으로 설정 후 Run - 차이 계산
Raster > Band Maths 클릭, 수식 입력창에 'after_VV - before_VV' 입력 후 OK - 임계값 분류
Band Maths 재실행, '(after_VV - before_VV) < -3.0' 입력해 침수 마스크 생성, 결과 레이어 내보내기
※ 프로그램 버전에 따라 메뉴 이름이 조금씩 다를 수 있습니다.
✍️ 그대로 복사해 쓰는 프롬프트
SAR 침수 탐지 분석 결과를 재난 상황실 보고용 설명문으로 정리할 때 사용
당신은 재난안전 분야 GIS 분석가입니다. 아래 SAR 변화탐지 분석 결과를 바탕으로, 재난 상황실 비전문가 담당자가 이해할 수 있는 간결한 보고 문단을 작성해 주세요. 분석 개요: [홍수 발생 지역], [촬영 날짜 전후], Sentinel-1 GRD 영상 사용 침수 추정 면적: [숫자] km² 주요 침수 행정구역: [구역 목록] 오탐 가능성 지역: [해당 지역 또는 '없음'] 작성 조건: - 200자 내외의 한국어 단락 1개로 작성 - SAR, 후방산란 같은 전문용어는 괄호 안에 한 줄 설명 추가 - 분석의 불확실성(오탐 가능성, 바람 영향 등)을 마지막 문장에 반드시 포함 - 확인되지 않은 수치는 절대 추가하지 말 것 사람이 확인해야 할 항목: 면적 수치가 실제 입력값과 일치하는지, 불확실성 문장이 빠지지 않았는지 검토하세요.
※ 대괄호 부분을 상황에 맞게 바꿔서 쓰세요. 받은 답은 그대로 쓰지 말고 사실 확인을 거치세요.
🧪 직접 해보기
- Copernicus Data Space에서 국내 하천 인근 지역의 Sentinel-1 GRD 영상을 두 시기 검색해, 육안으로 밝기 차이가 보이는 위치를 찾아보세요
- ESA SNAP의 Band Maths 기능으로 두 시기 영상의 VV 밴드 차이 이미지를 만들고, 히스토그램을 확인해 임계값을 직접 조정하며 침수 후보 영역이 어떻게 바뀌는지 관찰하세요
- 추출한 침수 마스크를 QGIS에서 레이어로 불러온 뒤, 배경 지도와 비교해 그림자·도로 등 오탐 의심 지점을 3곳 이상 찾아 메모해 보세요
❓ 자주 묻는 질문
Q. 광학 위성 NDWI와 SAR 침수 탐지는 어떻게 다른가요?
A. NDWI는 가시광·근적외선 반사율 차이를 이용하므로 구름이 없을 때만 사용할 수 있습니다. SAR는 마이크로파를 직접 쏘기 때문에 구름과 야간에도 관측이 가능합니다. 두 방법의 결과를 교차 검증하면 탐지 신뢰도를 높일 수 있습니다.
Q. 임계값은 어떻게 정하나요?
A. 정해진 고정값은 없습니다. 지역의 토지피복, 계절, 위성 관측 각도에 따라 달라지므로 먼저 분석 지역 안에서 확실히 침수된 곳과 침수되지 않은 곳을 몇 군데 골라 후방산란 차이값 분포를 직접 확인해야 합니다. 이렇게 기준 지점을 정해 임계값을 조정하는 과정을 현장 검증(ground truthing)이라고 합니다.
Q. SAR 영상은 어디서 무료로 받을 수 있나요?
A. ESA(유럽우주국)의 Copernicus Data Space에서 Sentinel-1 영상을 등록 후 내려받을 수 있습니다. 제공 조건과 접근 방식은 플랫폼 정책에 따라 변경될 수 있으므로, 이용 전에 해당 사이트의 최신 이용 약관을 확인하세요.
SAR 영상에서 물이 어둡게 보이는 이유는 물리적으로 단순합니다. 잔잔한 수면이 레이더 신호를 먼 곳으로 튕겨 버리기 때문입니다. 이 단순한 원리 위에 변화탐지라는 비교 절차를 얹으면, 구름이 가득한 재난 상황에서도 침수 범위를 추정하는 실용적인 도구가 됩니다. 다만 그림자와 매끄러운 지면이 만드는 오탐은 자동 분석만으로는 완전히 걸러내기 어렵고, 반드시 사람이 지형·토지피복 데이터를 함께 보며 검토하는 단계가 필요합니다. 침수 범위를 픽셀 단위로 찾아냈다면, 다음 질문은 자연스럽게 이어집니다. 이 침수 지역에 딥러닝 모델을 얹으면 더 빠르고 정확하게 탐지할 수 있을까요?
GeoAI 기초 시리즈 12편 · 전체 43편
재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.
📌 바로가기
