1. 서 론
2. 배경이론
2.1 원격 탐사
2.2 합성개구레이더(Synthetic Aperture Radar, SAR)
2.3 간섭형 합성 개구 레이더(Interferometric SAR, InSAR) 기법
3. D-InSAR 기법 검증
3.1 D-InSAR 대상 구역
3.2 D-InSAR 기법 과정
3.3 코너리플렉터 배치 및 검증
3.4 철도종합시험선로 코너리플렉터 개선 배치
4. D-InSAR 기반 철도종합시험선로 모니터링 연구
4.1 철도종합시험선로 구역별 결과
4.2 코너리플렉터 변형량 결과
5. 결 론
1. 서 론
지하수위 변화, 지질학적 현상, 지진, 빙하의 이동과 같은 다양한 현상으로 인해 지표면의 변형 및 지반 침하가 발생하며 이로 인하여 기반시설의 변형, 토지의 침수 및 범람 지역의 확장, 사면의 손상이 발생한다. 지표면의 변형 및 지반침하가 시간에 따라 인프라 시설에 미치는 영향을 분석하여 유지관리를 위한 의사 결정을 지원하기 위해서는 적절한 모니터링 기술이 필수적이다. 특히, 철도는 도로와는 달리 지반 침하와 같은 노반 변형으로 인해 궤도의 틀림이나 선로의 변형 등이 발생하게 되어 운행 중인 철도차량이 탈선할 수 있으므로 주기적인 철도시설물의 변형 모니터링이 필수적이다. 철도시설물의 변형이 안전에 관한 중요한 요소이기 때문에 궤도 및 노반의 침하 모니터링 및 특성에 대한 연구가 다수 진행되었다(Kim et al., 2008; Kim et al., 2015). 국내 철도의 경우 산지가 많은 지형적인 특성상 궤도 선형 유지를 위하여 다수의 교량, 터널, 옹벽(사면 및 경사지) 등의 구조물로 구성 되어 있으며 이러한 철도 구조물의 모니터링 또한 탈선 사고를 예방함에 있어 매우 중요하다. 우리나라 국가철도의 전체 영업연장은 약 3,888km(고속철도 643km, 일반철도 3,245km)으로 광대역 시설물의 특성상 인력에 의존한 철도구조물의 변형 관리에는 과도한 시간이 소모되어 한계가 있다. 따라서 넓은 영역에서의 정확도 높은 구조물 변형 모니터링 기술의 개발이 필요한 실정이다.
철도 시설물의 모니터링 방법 중 GNSS(Global Navigation Satellite System) 기반 계측의 경우 인력투입이 적고 데이터의 연속성이 있지만 정확도가 떨어지며 고가의 장비로 인하여 경제성이 낮다. 센서(Tilt meter)를 활용하는 방법은 고품질의 데이터를 연속성 있게 획득할 수 있으며 모니터링 인력이 필요 없다는 장점이 있지만 광범위한 지역을 계측하기 위해서는 고가의 장비를 매설해야 하는 단점이 있으며, 센서의 유지관리에 어려움이 있다(Youm et al., 2019). 본 연구에서 대상 시설물인 철도와 같은 광범위한 구간의 모니터링 하는 경우 기존 계측은 효용성이 떨어지며 많은 인력이 투입되어야 하는 단점이 있어 최근에는 인공위성을 활용한 모니터링 연구가 활발하게 진행되고 있다.
원격탐사 및 인공위성 기술 발전으로 미국과 같은 선진국에서는 통상적으로 잘 알려진 SPACE-X와 같이 우주관련 산업 및 통신 위성과 같은 분야에 투자가 활발하게 이루어졌다. 또한, 일반적으로 활용되는 광학영상뿐만 아니라 2절에서 소개할 합성개구레이더(Synthetic Aperture Radar, SAR) 및 간섭형 합성 개구 레이더(Interferometric SAR, InSAR) 기법으로부터 획득한 자료를 활용하여 넓은 영역을 정확도 높게 모니터링할 수 있는 연구가 활발하게 진행 중이다. 대표적으로 InSAR 기술을 활용하여 자연현상 및 재난 재해에 관한 연구로서 S. S. Nahar와 A. Mahmud(2016)는 2003년부터 2007년 사이에 이탈리아 Etna 산(시칠리아)에서 연속적인 지표 변위를 조사하기 위해 위성 관측을 통한 InSAR 분석을 실시하였다. 2003년부터 2007년까지 Etna 산에서 3건의 분화가 관찰 되었으며 이로 인한 변형률 분석 및 이동하는 마그마의 양을 추정하는데 InSAR 기법을 활용하였다. 또한 InSAR 기법을 활용해 인프라 시설물의 변형을 모니터링하여 붕괴를 분석하고 조기 감지하여 예방하기 위한 연구가 진행되고 있다. Milillo et al.(2019)은 2018년 8월 붕괴된 이탈리아 Morandi교의 붕괴 전 이상 변형을 분석하기 위하여 InSAR기법을 적용하였다. InSAR 분석 기법으로 밀리미터 수준의 교량 변위를 측정할 수 있음을 확인하였으며, 붕괴 전 이상 거동을 효과적으로 관찰하여 대형 인프라구조물의 비정상적 변형에 의한 위험도를 조기에 감지할 수 있음을 확인하였다. Jung et al.(2019)은 지상의 Lidar와 위성 정보를 결합하여 활용하는 MT-InSAR(Multi-Temporal InSAR) 기법으로부터 장기적인 교량의 거동에 대한 분석을 실시하였다. 측정결과 발생하는 패턴이 실제 측정한 데이터와 일치하게 나타났으며, 두 교량에서 장기 변형이 발생 중임을 확인하였다. Selvakumaran et al.(2018)은 호우 및 홍수에 의한 세굴의 영향으로 일부 교각이 유실됨으로써 교량 상판이 부분 붕괴된 영국의 Tadcaster교의 붕괴 전후의 SAR 영상으로부터 교량의 붕괴를 유발한 비정상적인 거동을 분석하였다. 철도 시설물의 변형을 모니터링 하기 위한 연구도 진행 되었으며 Chang et al.(2017)은 3,222km에 달하는 네덜란드 전역의 철도망을 2010년부터 2015년 기간동안 모니터링하였다. 최소 25장 이상의 SAR 위성정보를 활용하여 미세변형을 분석 할 수 있는 PS-InSAR 분석기법을 적용하였으며, mm 단위로 선로 하부의 지반 변형을 모니터링하였다. 해당 구간의 지하수위 깊이가 지표로부터 140cm 이하로 상당한 불안정성이 확인되어 리스크 분석을 실시하였다. Hu et al.(2019)도 InSAR 기법을 적용하여 네덜란드 철도망의 변형을 모니터링하였다. 드론 등의 항공 Lidar 데이터를 복합적으로 분석하여 광역 철도망 모니터링을 실시하였다. Chen et al.(2021)은 중국의 고속철도 Beijing-Tianjin Intercity Railway(BTIR)에 InSAR 기술을 활용한 시계열 분석을 진행한 지반 침하 내용을 철도를 따라 분석하였다. 그 결과, 지반 침하 결과가 가장 크게 분석된 구간은 지하수위 하강으로 인함을 확인할 수 있다.
국내에서는 대내외적으로 보안 및 경제성의 여건으로 인하여 위성정보 활용기술에 대한 투자가 미진하였으나, 최근 국내에서도 누리호 발사 성공과 더불어 위성 개발 및 위성 정보 활용에 대한 수요가 증가함에 따라 관련 정책 및 연구가 활발하게 진행되고 있다. 국내에서는 GIS를 이용하여 침하를 관리하고자 하는 연구가 진행되었으나 인공위성을 활용한 침하 모니터링에 대한 연구는 현재 시작 단계이다(Choi et al., 2017). 앞선 설명과 같이 국외에서는 이미 위성정보를 활용하여 InSAR 기법 적용을 통해 광범위한 구간의 모니터링을 실시하고 있으며, 국내에서도 인력 및 비용 소요를 감소 시키기 위해 대표적으로 본 연구에서 철도 시설물 모니터링 연구를 실시하고 있다.
본 논문은 광대역 선형 시설물인 철도에서 mm 단위의 정확도를 갖는 SAR 위성정보 기반의 철도 모니터링 기술을 개발을 위한 연구의 일환으로 한국철도기술연구원의 철도종합시험선로의 구간 중 한 지역인 오송역 부근에 촬영 중인 고해상도 TerraSAR-X의 SAR 영상 1 scene(30km×50km)에 D-InSAR 기법을 적용하여 침하량 및 변형량을 구하였다. 여기서, TerraSAR-X는 독일 항공 우주 센터에서 2007년에 발사한 위성으로 2008년부터 레이더 위성으로 운영되고 있으며 운영되는 위성 중 고품질 이미지를 획득 할 수 있는 위성이다. 특히, 반사강도를 높일 수 있는 코너리플렉터를 설치하여 임의로 수 mm 조정하여 이를 검증 할 수 있도록 하였다. D-InSAR 분석을 원활하게 할 수 있도록 코너리플렉터의 배치도를 산출하였다.
2. 배경이론
2.1 원격 탐사
원거리에서 사물의 속성을 검출하는 기술을 통틀어 원격 탐사(Remote sensing)이라고 지칭 한다. 원격 탐사는 실제로 접촉하지 않고, 지구 표면에 대한 정보를 획득하는 과학으로 반사 또는 방출된 에너지를 감지 및 기록, 가공, 분석하고 그 정보를 적용함으로써 수행된다. 기후와 기상 조건에 대한 정보, 지도 제작, 산불의 크기와 움직임에 대한 정보, 기름 유출 및 오염 물질 움직임에 관한 정보 등으로 많이 활용되었으나 최근 기술 발전으로 인하여 해상도를 높일 수 있어 비교적 소규모 영역인 인프라 시설물에 적용이 확대되고 있다.
2.2 합성개구레이더(Synthetic Aperture Radar, SAR)
원격탐사의 한 기법으로 인공위성이 활발하게 사용되고 있으며 인공 위성을 활용한 원격 감지는 반복적인 데이터 수집과 광범위한 적용 범위로 인해 활발하게 연구되고 있다. 인공위성으로부터 획득할 수 있는 영상데이터는 크게 광학 영상, 적외선 영상, SAR 영상으로 분류할 수 있으며, 광학 영상 및 적외선 영상은 태양광의 가시광선 및 적외선 영역을 촬영하며, SAR 영상은 위성에 탑재된 안테나에서 극초단파를 발생시켜 지상 및 해양에서 반사되는 반사파를 측정하여 영상을 획득한다. SAR는 위성 안테나에서 전파를 쏜 뒤 반사되어 돌아오는 전파를 측정하여 2차원으로 복원하는 기술로 광학영상과 달리 날씨와 관계없이 광대역의 특성을 파악하는 것이 가능하다. SAR 영상은 활용하는 극초단파의 파장대에 따라 구분되고 구조물 변형 모니터링을 위해서는 mm 단위의 변형 측정이 가능하여야 하므로 짧은 파장의 X Band의 SAR 영상이 많이 사용된다. SAR영상은 광학영상에 비해 기상상황에 대한 제약이 적고 관측대상에 대한 변화 탐지나 식별이 가능하다는 장점이 있다.
2.3 간섭형 합성 개구 레이더(Interferometric SAR, InSAR) 기법
SAR 영상은 복소수 형태로 구성된 특성상 위치 및 절대 위상 정보를 제공할 수 없기 때문에 이를 활용 하기 위하여 2장 이상의 SAR 영상을 활용하여야한다. 동일한 객체에서 얻어지는 두 장 이상의 SAR 위상 정보를 간섭시켜 3차원 정보를 획득하는 기법을 간섭기법(Interferometry)이라 하며, 이를 통틀어 간섭형 합성 개구 레이더(InSAR, Interferometric SAR) 기법이라고 한다. 다만, 두 장 이상의 SAR 영상을 간섭하여 분석 할 때 해당 반사파의 사이클 수에 대한 정보는 획득할 수 없으므로 정확한 표고 값을 알 수 없어 수치 표고 모형(Digital Elevation Model, DEM)을 적용하여 절대값을 계산하게 된다. InSAR 분석 기법은 고정산란체의 유무, 영상 획득 조건에 따라 구분되며 본연구에서는 대표적으로 많이 사용되는 D-InSAR(Differential InSAR)와 PS-InSAR(Persistent Scatterer InSAR) 중 D-InSAR 기법을 활용하여 분석하였다. D-InSAR는 두 장의 SAR 정보로부터 객체의 변화를 분석한다. PS-InsAR의 경우 D-InSAR에 비해 정밀한 결과를 도출 할 수 있지만, 최소 25장의 SAR 위성 정보가 요구되기 떄문에 실시간 반영에 어려움이 있으며 TerraSAR-X 기준으로 최대 일주일 정도의 분석기간이 소요되는 단점을 가지고 있다. D-InSAR 분석 기법에 대한 과정은 3절에 서술하였다.
3. D-InSAR 기법 검증
3.1 D-InSAR 대상 구역
현재 국내에서는 지반침하 모니터링을 위한 SAR 위성정보를 활용한 연구가 진행된 바 있으나, 철도시설물과 같은 광대역 선형 구조물의 변형을 모니터링하기 위한 연구 사례는 없다. 한국철도기술연구원 기본 연구사업으로 진행 중인 ‘InSAR 위성정보 기반의 철도인프라 모니터링 시스템 개발’ 연구는 광대역 선형 철도 시설물에 적용할 수 있는 최적화된 위성정보를 활용한 InSAR 기법을 개발하기 위해 연구를 수행중이다. 도심지역과 농지, 산지 등 도심 외 지역 모두를 통과하는 선형 철도시설물 특성을 반영하여 최적의 데이터를 도출하기 위한 알고리즘 분석을 실시하고 이를 실제 시험선로에 적용하여 확인하는 연구를 진행할 계획이다. 해당 연구의 일환으로 기존의 InSAR 분석 기법의 적용성 검증을 위하여 Fig. 1과 같이 충청북도 청주시 오송읍 철도종합시험선로 내에 위치한 한국철도기술연구원 오송분원 본관동 옥상 및 시험선로 하부 노반 사면에 SAR 신호 반사를 위한 고정산란체인 코너리플렉터(corner reflector, CR)를 설치하여 TerraSAR-X 위성으로부터 X-Band 영상을 11일 간격으로 약 2년간을 목표로 촬영 중에 있다. 이 중, 본 논문에서는 2022년 4월 5일부터 2022년 6월 21일까지 촬영된 영상을 활용했다(Table 1 참조).
Table 1.
Schedule of TerraSAR-X and corresponding displacement given to reflectors
3.2 D-InSAR 기법 과정
D-InSAR의 경우 한 쌍의 영상만으로 변위 값을 구하기 때문에 비교적 단시간에 결과를 도출 할 수 있으나 시작 시점과 종료 시점의 영상을 분석하게 된다. 대상 지점의 변형량에 대한 다각도의 분석을 실시하기 위하여 다수의 위성영상으로 전체를 비교 분석할 수 있도록 짝을 지어서 실시하였다. 본 연구에서는 총 8장의 위성영상을 28가지 경우로 짝을 지어 분석을 실시하였으며 분석 케이스는 Table 2에 정리되어있다.
Table 2.
Master-Slave combination by cases
2절에서 설명한바와 같이 InSAR 기법은 위성의 영상을 통해 위상차를 구하고 지표면의 변위, 구조물의 변형량, 지반침하 등을 관측하는 기술을 말한다. Fig. 2(a)는 InSAR Process를 간략하게 나타낸 것으로 영상 내의 분석할 지역을 선택하고 반사지도를 구하여 라디안 단위로 표현되는 phase interferogram이라는 위상 차분 간섭도를 구현하고 긴밀도를 생성하여 일정 긴밀도 이상의 결과로부터 지표변위 지도를 구성하게 된다. InSAR는 두 촬영 위성영상 지역의 변형량의 차가 적을 경우 이는 긴밀도가 높다고 한다. 마지막으로 라디안으로 표현되는 위상차를 mm로 바꾸는 unwrap mask 과정을 거쳐서 지표 변위를 도출하게 된다. 추가적으로 대기 온도, 강수량 등의 추가 자료로 보정을 거치면 더 정확한 결과를 도출해 낼 수 있다. Fig. 2(b)는 실제 본 논문에서 위성정보 처리 소프트웨어인 ENVI의 SARscape 모듈을 활용하여 D-InSAR process를 처리하는 한 장면이다.
SAR 영상은 전파를 발사하여 반사되는 반사파의 수신으로부터 계측이 이루어지게 되므로 반사파가 중요한 요소이며 반사가 잘되는 지역과 반사가 잘 되지 않는 지역에 따라 해석 정확도가 다르게 나타난다. 반사가 잘되는 지역 및 구조물을 반사강도가 높다고 표현하며 일반적으로 철제구조물, 낮은 건물 등은 반사강도가 매우 높고 나대지, 산악지형, 물이 많은 지형 등은 반사강도가 상대적으로 낮다. 일반적으로 SAR 영상 촬영에 사용되는 파장은 보통 L-Band, C-Band, X-Band 등으로 나뉘며 X-band로 갈수록 파장이 짧아지고 짧을수록 반사율이 높아지고 길수록 투과율이 높아지는 특성을 지니고 있어 관측 대상에 따라 필요한 파장 영역을 선택하여 관측을 진행하게 된다. 또한, 반사강도가 낮은 산악, 농업 지형에서 반사강도를 높이기 위해 코너리플렉터를 활용하여 인위적으로 반사강도를 높일 수 있다. 본 연구에서 활용한 위성영상은 TerraSAR-X로 X-band로 반사가 잘되는 특성을 가지기 때문에 구조물의 특성을 파악하는데 목적이 있다. D-InSAR는 앞서 설명한바와 같이 두장의 위성영상으로 분석하게 되는데 주 영상을 master 영상이라 하며 보조 영상을 slave 영상이라 한다. 본 연구에서는 앞서 설명한 바와 같이 총 8장의 TerraSAR-X 위성영상으로부터 master를 고정하고 각각의 경우의 수에 따라 28가지의 분석을 실시하였다. 또한, Kim et al.(2017)의 연구와 마찬가지로 28가지 케이스를 대상으로 D-InSAR 분석을 실시하여, 처음과 끝만을 분석하는 것이 아니라 긴밀도를 고려하여 가장 긴밀도가 높은 조합으로부터 결과를 산출하였다.
3.3 코너리플렉터 배치 및 검증
철도시설물을 궤도, 주변 구조물, 사면 구역으로 나누어 해당 구역의 침하 및 변형량을 분석하기 위하여 앞선 설명과 같이 철도종합시험선로내에 SAR 신호 반사 강도를 높이기 위한 고정산란체인 코너리플렉터를 Fig. 3과 같이 구조물 및 사면구역에 설치하였다. 앞서 기술한 바와 같이 코너리플렉터는 반사강도를 높여 주변 지역에 반사강도가 높은 구조물이 없을 경우 이를 보완할 수 있는 장비이다. 일반적으로 코너리플렉터는 고정값으로 활용하나 본 연구에서는 코너리플렉터를 변위를 가지는 대상으로 보고 변위값을 검증하기 위한 장치로 활용하였다. 본 연구에서 사용한 코너리플렉터는 변위 발생의 기준값으로 활용하기 위하여 수직, 수평 변위를 조절 가능하도록 설계되어 있으며 Fig. 3(b), Fig. 3(d)의 사진과 같이 배치되어 있다. 코너리플렉터의 높낮이를 수mm 단위로 조정하여 인위적으로 변위가 발생하는 조건을 만들어줌으로써 촬영된 영상의 분석 결과의 정확도 및 재현성 등을 검증하고자 하였다. 본 논문에서 활용한 위성 촬영 기간의 코너리플렉터 조정값은 Table 1에 정리되어있다.
3.4 철도종합시험선로 코너리플렉터 개선 배치
본 연구에서는 코너리플렉터를 변위값으로 설정하여 활용하기 때문에 반사강도를 극도로 높이기 위하여 일반적으로 1개씩 사용하는 코너리플렉터를 Fig. 3(b), Fig. 3(d)와 같이 총 45개 설치하여 배치하였다. 한국철도기술연구원 오송 분원 옥상에 설치된 코너리플렉터의 배치는 Fig. 4과 같이 수직, 수평 변위 조정이 가능한 코너리플렉터들과 고정 코너리플렉터를 배치하였다. 코너리플렉터를 군집화하여 변위를 임의로 조정하는 연구가 진행된 바 없기 때문에 해당 코너리플렉터 군집을 검증하기 위하여 촬영된 TerraSAR-X 위성 영상으로부터 온도 및 강수량 등의 영향인자들을 고려하여 D-InSAR 분석을 실시하여 변위값을 확인하였다. 분석 기간은 약 30일 정도로 한달 정도의 차이가 있었고, 코너리플렉터 변위는 임의로 10mm 정도로 설정을 하였다. 앞서 설명한 D-InSAR 과정과 동일하게 30m급 DEM SRTM(Shuttle Radar Topography Mission) 활용하여 분석을 실시한 결과 Fig. 5와 같이 해당 구역의 변위량을 나타내는 일종의 컨투어맵을 구할 수 있었다. 해당지역의 구조물 지표 변위량은 최대 0.7mm로 나타났고 그림으로 확인할 수 있듯이 전반적인 지역에서 큰 변위량이 나타나지는 않았다. 코너리플렉터가 설치된 한국철도기술연구원 오송분원 옥상지역에서도 Fig. 5(b)에 나타난바와 같이 한가지 색깔로 약 0.3mm로 나타나 변위량이 거의 없는 것으로 분석되었다.
특히, 변위값을 가지는 코너리플렉터가 설치 되는 Fig. 3(a)의 옥상 남쪽 지역에도 거의 변화가 없는 것으로 확인되었다. 이는 D-InSAR에서 변위량 측정시 오류를 제거하는데 활용되는 DEM의 1 pixel이 30m로 설정되어 있는 저해상도 DEM으로 인한 것으로 판단되어 추후 분석에는 12m급 TanDEM-X DEM을 활용하였다. D-InSAR의 경우 절대값을 산정할 수 없기 때문에 DEM을 활용하여 표고를 수정하여 절대값을 산정함에 있어 DEM의 정확도가 중요하므로, 높은 해상도를 가지는 DEM을 활용한다면 보다 정확한 결과를 도출할 것으로 판단된다. 또한, 코너리플렉터의 변위값을 관측 할 수 있도록 코너리플렉터 배치를 수직, 수평 조절 코너리플렉터, 고정 코너리플렉터 3가지로 구분하여 이격시켜 배치해야 할 것으로 판단되어 개선 할 수 있도록 Fig. 6과 같이 재배치하였다. Fig. 6과 같은 배치로부터 높은 긴밀도를 가지는 결과를 도출할 것으로 판단되어 해당 배치로부터 분석을 실시하였다.
4. D-InSAR 기반 철도종합시험선로 모니터링 연구
4.1 철도종합시험선로 구역별 결과
앞선 절에서 기술한 바와 같이 코너리플렉터가 관측 될 수 있도록 배치를 하고 고해상도 12m 급 DEM을 활용하여 D-InSAR 분석을 수행했다. 한국철도기술연구원 철도종합시험선로 약 13km가 포함되는 TerraSAR-X 1 scene 약 30km×50km의 영역을 위성영상 해석프로그램인 ENVI의 SARscape 모듈을 활용하여 분석하였다. 후술되는 케이스는 Table 2에서 정리된 것과 같은 케이스이다. 본 연구에서는 사면, 궤도, 구조물 구역으로 3개의 구역을 설정하여 분석을 실시하였으며, 해당 분석을 확인하기 이전에 TerraSAR-X 1 scene 약 30km×50km 구간에서 육안으로도 확연하게 분석할 수 있는 영역의 결과를 도시하면 Fig. 7과 같다.
Fig. 7(a)의 결과는 Fig. 7(b)의 위성 광학영상과 같은 지역으로 1번 국도의 한 교량이며 그림에서 확인할 수 있듯이 D-InSAR 분석 결과 주변의 산지, 나대지를 제외한 교량에서 육안으로 확연히 다른 색을 띄고 있음을 확인할 수 있다. 해당 색은 보라색 계열일수록 변위량이 크고 붉은색 계열일수록 변위량이 작으며 교량의 영역에 해당하는 부분은 범례에서 -0.0030m(-3mm) to -0.0027m(-2.7mm)에 해당하는 약 3mm 정도의 변위량을 가짐을 알 수 있다. Fig. 7(c)의 결과는 Fig. 7(d)의 위성 광학영상으로 금강 상류 대청호 일대를 나타내고 있으며 위성영상 특성상 물은 반사되지 않기 때문에 육안으로 확연하게 대청호를 구분 할 수 있음을 확인하였으며, 산악지역과 비교하여 상대적으로 높은 변위를 가지는 좌측하단의 마을을 이루고 있는 지역에서 범례에서-0.0018m(-2mm) to -0.0016m(-1.6mm)에 포함되는 보라색의 약 2mm 정도의 변위를 확인하였다.
위 결과는 육안으로 확연하게 구분되는 지역을 별도로 도시한 것으로 본 연구에서는 Fig. 8과 같이 교량, 궤도, 사면 구역으로 별도로 구간을 설정하여 Table 2에서 설정된 케이스에 따라 분석을 실시하였으며 해당 케이스중 하나의 케이스 결과가 Table 3에 정리되어 있다. Table 3의 결과에서 보이는 바와 같이 약 3개월 동안 결과로 사면 구역에서 2.5mm에서 6mm로 가장 넓은 변위 구역을 나타내고 최빈값은 4.5mm로 가장 큰 침하량을 가지는 것으로 분석되었다. 또한, 교량 및 궤도 구역은 각각 최빈값으로 3mm, 2mm의 침하량으로 나타나 비교적 낮은 변위량을 가짐을 알 수 있다. 또한, 사면구역에서는 침하 픽셀 포인트가 고르게 분포되어 일정한 경향이 없는 다양한 침하를 가지는 것으로 파악되어 일반적인 성토 구간의 형태를 지님을 알 수 있다. 하지만, 궤도 및 교량 구간에서는 피크값을 가지는 것으로 나타나 궤도 및 교량 선택 구간 전체에 어느정도 일정한 경향성을 띄는 것을 확인할 수 있다. 궤도 및 교량은 상시 철도 하중을 받고 있는 구조물로서 하중으로 인한 미세한 침하량이 발생하고 있음을 확인할 수 있다. 이로 인해 궤도의 선형을 유지하기 위해 궤도에 대한 모니터링이 필요함을 다시 확인 할 수 있으며, D-InSAR 분석을 통해 단기간의 궤도의 변형량을 측정하여 관리 할 수 있음을 확인하였다.
Table 3.
D-InSAR analysis results of bridge, track, slope areas
4.2 코너리플렉터 변형량 결과
한국철도기술연구원 오송분원 본관동 옥상에 설치된 코너리플렉터와 철도종합시험선로에 포함되는 사면 구역의 해당 기간 변위 조절 값은 Table 1에 정리되어 있다. Fig. 6의 배치도와 같이 한국철도기술연구원 오송분원 본관동 옥상에는 수직 변위량을 만들 수 있는 코너리플렉터 군집과 고정 코너리플렉터 군집이 별도로 북쪽과 남쪽으로 나뉘어져 있어 이를 비교할 수 있다. 일반적으로 각각의 코너리플렉터에서 계측되는 절대 변위량 값을 활용 할 수 있으나 더 정확한 결과를 위해서 두 코너리플렉터 군집 간의 차이만큼 절대 변위량이 발생하였다고 보정할 수 있다. Table 4에서 확인할 수 있듯이 분원 옥상의 코너리플렉터의 변위량을 확인한 결과 Case 7의 경우 옥상 코너리플렉터는 11일 간격으로 5mm씩 감소시킨 것과 동일한 경향으로 감소함을 확인할 수 있으나, 그 폭이 실제 5mm보다 크게 도출되었다. 마찬가지로 사면 코너리플렉터는 촬영기간 동안 11일 간격으로 5mm씩 수직방향으로 증가시켰으나 D-InSAR 분석 결과값은 더 크게 산출되었다. Kim et al.(2017)의 연구 결과와 마찬가지로 긴밀도를 높일 수 있도록 각 케이스의 11일 간격 변위량을 산출하고 이를 통해 scene 번호 1에서 8까지의 변위량을 분석한 결과 평균값으로 각각 옥상 코너리플렉터에서 2.9mm, 사면 코너리플렉터에서 4.21mm의 변위량을 도출하였다.
Table 4.
D-InSAR analysis results of corner reflectors
즉, 한국철도기술연구원 오송 분원 본관동 옥상 코너리플렉터의 변형량은 총 8 scene에서 첫 시점과 마지막 시점의 변위 조정값은 하향 35mm 조정하였고 D-InSAR 분석결과 값은 긴밀도가 가장 높은 결과값에서 약 23mm로 분석되었다. 또한, 철도종합시험선로 내 사면에서 설치된 코너리플렉터는 상향 35mm로 조정하였고 분석결과 긴밀도가 가장 높은 결과값은 33mm로 분석되었다. 각각의 결과가 실제 코너리플렉터 조정값의 66%와 94%를 나타내는 수치로 과소평가함을 확인하였다. 또한, Table 4의 case 7 결과와 같이 약 200일간의 변위량을 단순히 D-InSAR로 2장 분석하는 것에 비해서 다수의 위성영상을 활용하여 긴밀도를 높였을 때(combination of maximum coherence) 보다 정확한 분석이 가능함을 확인하였다. 코너리플렉터는 실제 구조물 보다 작은 영역에 해당 되기 때문에 확연한 변화를 가지기 어려워 변위량이 축소된 것으로 판단된다.
5. 결 론
우리나라 국가철도 노선은 산지가 많은 지형적인 특성상 다수의 교량, 터널, 옹벽 등의 구조물로 구성되어 있고 그로 인하여 짧은 거리에도 도심지역 및 산지, 농지 등을 포함하는 도심 외 지역을 모두 통과하기 때문에 분석에 필요한 고정산란체가 균등하게 분포할 수 없다. 따라서 불균등한 고정산란체가 있는 지역에서도 균일한 분석을 하기 위해서는 코너리플렉터를 설치하는 것이 필수불가결하다고 판단되며 본 논문에서 진행한 코너리플렉터의 성능을 높이고 검증하기 위한 연구가 필요하다. 본 논문에서는 코너리플렉터를 설치하기 위한 적절한 간격을 고려하여 코너리플렉터를 설치하고 실제 구조물과 사면 등 철도 시설물에 적용하여 D-InSAR 분석을 실시하여 모니터링이 가능함을 알 수 있었다. 연구 수행 결과를 종합해보면 다음과 같다.
(1) 철도 시설은 선로 유지관리를 위해 우회선로가 거의 없어 열차가 운행하지 않는 시간에 유지관리 작업이 가능하여 막대한 비용, 시간 인력이 투입되고 있다. 본 연구에서 TerraSAR-X와 같은 고해상도 위성영상을 활용하여 1 scene(30km×50km)의 범위를 짧은 시간에 높은 정확도를 가지는 분석할 수 있음을 확인하였다.
(2) InSAR 분석 시 긴밀도가 높게 구성할수록 지반 침하량 및 구조물의 변형량에 대한 정확한 분석이 가능하며 긴밀도를 높이기 위하여 TerraSAR-X 8 scene을 조합하여 긴밀도가 가장 높은 결과를 도출하였으며 별도로 광범위 시설물을 구역별로 분석하여 해당 구역에서의 긴밀도를 높게 하여 분석을 실시하여 결과를 도출하였다.
(3) 오송 분원 본관동 옥상 코너리플렉터의 변형량은 총 8 scene에서 첫 시점과 마지막 시점의 변위 조정값은 하향 35mm 조정하였고 D-InSAR 분석결과 값은 긴밀도가 가장 높은 결과값에서 약 23mm로 분석되었다. 또한, 철도종합시험선로 내 사면에서 설치된 코너리플렉터는 상향 35mm로 조정하였고 분석결과 긴밀도가 가장 높은 결과값은 33mm로 분석되었다. 각각의 결과가 실제 코너리플렉터 조정값의 66%와 94%를 나타내는 수치로 과소평가함을 확인하였다.
(4) 긴밀도를 높여서 분석한 결과, 상당히 높은 수치의 실제 코너리플렉터 변위값을 D-InSAR 분석으로 도출할 수 있음을 확인하였다. 다만, 코너리플렉터는 실제 구조물 보다 작은 영역에 해당되기 때문에 확연한 변화를 가지기 어려워 변위량이 과소평가 된 것으로 판단된다.
(5) 본 논문에서 도출된 결과는 국내 철도와 같이 도심, 산악, 평야 지형 등 다양한 조건을 포함하는 영역을 효율적으로 분석하기 위한 철도 최적의 알고리즘 개발을 위한 연구의 일환이다. 추후 연구에서 도출되는 최적 알고리즘으로부터 본 논문에서 제시된 결과보다 더 정밀하고 효율적인 InSAR 분석 방법을 제시할 계획에 있다. 이를 바탕으로 광범위한 철도시설물 전체를 계측하는데 소요되는 비용을 절감할 수 있을 것이다.
