Table Of Contents

일반 기사

국내 수자원 상시감시를 위한
수동형 마이크로파 원격탐사: 가능성과 한계

글 이재세·김형록 |

2026/07/01

이재세 환경에너지공학과 광주과학기술원 박사후연구원 jaeselee@gist.ac.kr

이재세
환경에너지공학과
광주과학기술원 박사후연구원
jaeselee@gist.ac.kr

김형록 환경에너지공학과 광주과학기술원 조교수 hyunglokkim@gist.ac.kr

김형록
환경에너지공학과
광주과학기술원 조교수
hyunglokkim@gist.ac.kr

Table Of Contents

1. 수동형 마이크로파 원격탐사의 개요

수동형 마이크로파 원격탐사는 지표에서 자연적으로 방사되는 마이크로파 영역의 전자기파, 즉 밝기온도(Brightness Temperature; TB)를 인공위성으로부터 관측하는 기술이다. 일반적으로 1–40 GHz 범위의 마이크로파 신호를 활용하며, 복사전달모델에 기초하여 관측된 TB의 물리적 구성 성분을 분리함으로써 지표 환경 변수를 정량화할 수 있다 (Mo et al., 1982). 특히 수자원 관리에서 중요한 요소 중 하나인 지표 토양수분을 추정할 수 있다는 점에서, 수동형 마이크로파 원격탐사는 국내 수자원 상시감시를 위한 중요한잠재력을 지닌다 (그림 1).
현재 토양수분 산출에 활용될 수 있는 대표적인 수동형 마이크로파 위성 및 센서로, 일본 우주항공연구개발기구(Japan Aerospace Exploration Agency; JAXA)의 GCOM-W 위성 및 향후 IBUKI-GW 위성에 탑재된 Advanced Microwave Scanning Radi-ometer-2 및 -3(AMSR2/AMSR3) (Bindlish et al., 2018), 미국 항공우주국(National Aeronautics and Space Administration; NASA)의 Soil Moisture Ac-tive Passive(SMAP) (Entekhabi et al., 2010), 그리고 유럽우주국(European Space Agency; ESA)의 Soil Moisture and Ocean Salinity(SMOS) (Kerr et al., 2010) 등이 있다. AMSR2/AMSR3는 C-band(6.9 GHz)부터 Ka-band(36.5 GHz)에 이르는 다중 주파수 TB를 관측하며, SMAP과 SMOS는 L-band(1.4 GHz)의 장파장 신호를 이용하여 식생이 존재하는 지표 조건에서도 토양수분을 정량화할 수 있도록 설계된 고성능 위성 임무이다 (그림 2).

그림 1. 원격탐사에서 주로 활용되는 광학–열적외선–마이크로파 스펙트럼 대역의 파장 범위. 가시광선 영역의 Blue, Green, Red와 근적외선(NIR), 단파적외선(SWIR), 열적외선(TIR)은 마이크로미터 단위의 짧은 파장 영역에 위치하는 반면, 마이크로파 L-, S-, C-, X-, Ku-, K-, Ka-band는 밀리미터에서 센티미터 규모의 긴 파장 영역에 해당한다. x축은 로그 스케일로 표시하였다.

그림 1. 원격탐사에서 주로 활용되는 광학–열적외선–마이크로파 스펙트럼 대역의 파장 범위. 가시광선 영역의 Blue, Green, Red와 근적외선(NIR), 단파적외선(SWIR), 열적외선(TIR)은 마이크로미터 단위의 짧은 파장 영역에 위치하는 반면, 마이크로파 L-, S-, C-, X-, Ku-, K-, Ka-band는 밀리미터에서 센티미터 규모의 긴 파장 영역에 해당한다. x축은 로그 스케일로 표시하였다.

그림 2. 식생수분함량(Vegetation Water Content; VWC)에 따른 토양수분 변화 신호의 마이크로파 밝기온도 민감도 감소.

그림 2. 식생수분함량(Vegetation Water Content; VWC)에 따른 토양수분 변화 신호의 마이크로파 밝기온도 민감도 감소.
y축은 토양수분이 0.01\,m^3/m^3 변할 때 수직편파 밝기온도(TBv)가 변화하는 크기 \overline{\Delta TB_v}를 나타낸다. 식생수분함량이 증가할수록 식생층에 의한 감쇠가 강해져 토양수분 변화가 관측 TBv에 반영되는 정도가 급격히 감소한다. 특히 C- 및 X-band는 L-band보다 빠르게 민감도가 감소하며, 이는 높은 주파수일수록 식생 수분에 의한 감쇠 영향이 커져 지표 토양수분 신호를 분리하기 어려워짐을 보여준다.

2. 국내 적용 가능성과 주요 한계

그러나 수동형 마이크로파 센서는 지표에서 자연적으로 방사되는 약한 신호를 관측하므로, 충분한 관측 민감도를 확보하기 위해 넓은 면적의 신호를 통합해 수신해야 한다. 일반적으로 SMAP과 SMOS의 토양수분 산출물은 약 40 km 수준의 공간해상도를 가지며, 이는 한반도와 같이 지형, 토지피복, 수문 조건이 공간적으로 복잡한 지역에 적용할 때 토양수분의 세밀한 공간분포를 정량화하는 데 한계로 작용한다 (그림 3).
국내 지역에서 수동형 마이크로파 관측을 활용할 때 또 다른 주요 한계는 Radio Frequency Interfer-ence(RFI)이다. RFI는 인공적인 마이크로파 방사(e.g., 지상레이더, 통신설비 등)가 위성 센서에 함께 기록되는 현상으로, 자연 지표에서 발생하기 어려운 수준의 비정상적으로 높은 TB를 유발하여, 자연적인 TB 범위에서 작동하도록 설계된 물리 기반 토양수분 산출 알고리즘의 적용을 어렵게 만든다. 특히 L-band와 같이 저해상도 TB를 활용하는 경우 국내 일부 지역에서 관측 불확실성이 증가할 수 있으므로, RFI를 효과적으로 탐지·제거하거나 오염된 값을 복원하는 추가적인 방법론이 고려될 필요성이 있다 (그림 4).

그림 3. 2020년 7월 1–7일 평균 SMAP 관측 결과. (a) TBv는 한반도 주변 해양과 육지의 방사 특성 차이를 뚜렷하게 보여준다. (b) 동일 기간의 SMAP 토양수분 산출물은 한반도 및 주변 지역의 지표 수분 분포를 나타내며, 공간적으로 불연속적인 패턴은 수동형 마이크로파 관측의 저해상도 특성과 해안·수체 영향, 품질관리 마스킹 등의 영향을 함께 반영한다. 색상은 각각 밝기온도 [K] 와 체적토양수분 [m3/m3]을 의미한다.

그림 3. 2020년 7월 1–7일 평균 SMAP 관측 결과. (a) TBv는 한반도 주변 해양과 육지의 방사 특성 차이를 뚜렷하게 보여준다. (b) 동일 기간의 SMAP 토양수분 산출물은 한반도 및 주변 지역의 지표 수분 분포를 나타내며, 공간적으로 불연속적인 패턴은 수동형 마이크로파 관측의 저해상도 특성과 해안·수체 영향, 품질관리 마스킹 등의 영향을 함께 반영한다. 색상은 각각 밝기온도 [K] 와 체적토양수분 [m3/m3]을 의미한다.

그림 4. 2020년 7월 동안 SMAP TBv 품질 플래그에서 탐지된 RFI 발생 빈도. 색상은 31일 중 RFI가 탐지된 일수를 의미하며, 값이 클수록 해당 기간 동안 RFI 오염이 반복적으로 발생했음을 나타낸다. 한반도 및 주변 지역에서 공간적으로 불균질한 RFI 탐지 패턴이 나타나며, 이는 국내 지역의 L-band 수동형 마이크로파 관측 활용 시 RFI 탐지 및 복원 과정이 중요함을 보여준다.

그림 4. 2020년 7월 동안 SMAP TBv 품질 플래그에서 탐지된 RFI 발생 빈도. 색상은 31일 중 RFI가 탐지된 일수를 의미하며, 값이 클수록 해당 기간 동안 RFI 오염이 반복적으로 발생했음을 나타낸다. 한반도 및 주변 지역에서 공간적으로 불균질한 RFI 탐지 패턴이 나타나며, 이는 국내 지역의 L-band 수동형 마이크로파 관측 활용 시 RFI 탐지 및 복원 과정이 중요함을 보여준다.

3. 국내 토양수분 자료의 제약과 물리 기반 관측의 필요성

현재까지 국내 토양수분 탐지 연구는 주로 인공지능 기반의 수동형 마이크로파 토양수분 자료 고해상화, 또는 합성개구레이다(Synthetic Aperture Radar; SAR) 관측을 이용한 토양수분 산출에 초점을 맞추어 왔다. 그러나 이러한 접근법에도 한계가 존재한다. 인공지능 기반 고해상화는 실제 토양수분의 시간 변화 신호보다는 고해상도 인공지능 입력자료 (e.g., Nor-malized Difference Vegetation Index; NDVI, Land Surface Temperature; LST) 등 대리 변수의 시-공간적 변화에 의존하는 경우가 많아, 실제 토양수분 변화를 과소 또는 과대 추정할 가능성이 있다. 또한 광학· 열적외선 기반 보조 자료는 구름의 영향을 크게 받을 수 있어 연속적인 토양수분을 관측함에 제약이 있다. SAR 기반 토양수분 산출의 경우 높은 공간해상도를 제공한다는 장점이 있으나, 지형, 표면 거칠기, 식생 구조의 영향이 강하게 섞이기 때문에 토양수분 신호만을 안정적으로 분리하는 데 어려움이 있다.
이에 비해 수동형 마이크로파 관측은, 토양수분 변화에 대한 물리적 해석이 비교적 명료하다는 장점이 있다. 또한 넓은 지역을 반복적으로 관측할 수 있어 장기간의 토양수분 변화를 안정적으로 추적하고, 기상 조건, 가뭄, 수문 환경 변화에 따른 지표 수분 상태를 모니터링하는 데 유용하다. 따라서 국내 수자원 감시 체계에서 수동형 마이크로파 원격탐사는 SAR 관측을 단순히 대체하기보다는 상호 보완적인 관측 수단으로 활용될 수 있다. 예를 들어, 수동형 마이크로파 관측으로부터 물리적으로 일관된 토양수분 정보를먼저 산출하고, 이를 SAR 관측의 높은 공간해상도와 결합하여 고해상도 토양수분 자료를 생산하는 접근이 가능하다 (Das et al., 2018). 이러한 방식은 NDVI, LST 등 대리 변수에 의존한 통계적 고해상화 방법보다 토양수분 신호에 대한 물리적 일관성을 높일 수 있다는 장점이 있다.
그럼에도 불구하고, 수동형 마이크로파 관측 기반 토양수분 산출 알고리즘의 정확도를 확보하기 위해서는 복사전달모델에 포함된 물리 변수의 정밀한 모수화가 필수적이다. 위성관측 복사계의 제한적인 정보량 (수직 및 수평 편파 TB)으로 전체 모수의 최적화가 어렵기 때문에, 다양한 환경 조건에서 현장 토양수분 센서와 지상 복사계 및 다양한 보조관측을 연계한 지상실험을 수행하고, 국내 환경 특성에 적합한 복사전달모델의 선택과 모수의 최적화가 필요하다. 특히 산림 밀도가 높은 국내 지표 조건을 고려할 때, 단일 산란 효과를 가정하는 기존의 0차 복사전달모델만으로는 식생층 내 복잡한 산란 과정을 충분히 설명하는 데 한계가 있을 수 있다 (Kurum, 2013; Schwank et al., 2018). 따라서 향후에는 다중 산란 효과를 고려할 수 있는 고도화된 복사전달모델을 도입하고, 이에 기반한 모수화 체계를 개선할 필요가 있다.

4. 차세대 관측 기술과 미래 활용 전망

향후 발사가 계획되었거나 개발 중인 수동형 마이크로파 원격탐사 임무들은 이러한 한계를 완화하기 위한 새로운 관측 전략을 포함하고 있다. 예를 들어 ESA의 SMOS high-resolution(SMOS-HR) (Rodri-guez-Fernandez et al., 2020) 또는 Copernicus Im-aging Microwave Radiometer(CIMR) (Kilic et al., 2018), 등은 다수의 센서를 탑재하여 보다 고해상도의 L-band TB 관측을 가능하게 하거나, L-band TB를 포함한 고주파 TB의 동시 관측 정보를 결합하여 공간해상도를 향상시키고 복사전달모델의 역산에 필요한 정보량을 향상시키는 방향으로 개발되고 있다.
수동형 마이크로파 관측으로부터 얻을 수 있는 중요한 변수 중 하나인 식생 광학두께(Vegetation Opti-cal Depth; VOD)는 식생수분함량, 식생 높이, 바이오매스 등과 관련된 지표로 해석될 수 있다 (그림 5). 따라서 VOD를 함께 분석하면 토양수분뿐만 아니라 산림 수분 상태, 식생 구조 변화, 산림 바이오매스 변화 등 국내 산림자원 감시에도 활용될 가능성이 크다. 최근 여러 연구에서도 VOD를 활용한 생태·수문·탄소순환 응용 가능성이 활발히 논의되고 있으며 (Konings et al., 2021), 이는 수동형 마이크로파 원격탐사가 단순한 토양수분 관측을 넘어 국내 수자원 및 산림자원 통합 감시 기술로 확장될 수 있음을 시사한다.

그림 5. 2020년 7월 1–7일 평균 SMAP DCA 식생광학두께(Vegetation Optical Depth; VOD) 분포. 색상은 L-band 수동형 마이크로파 관측에서 산출된 식생에 의한 신호 감쇠 정도를 나타내며, 값이 클수록 식생층의 영향이 강함을 의미한다. 한반도 북부 및 산림 지역에서 상대적으로 높은 VOD가 나타난다.

그림 5. 2020년 7월 1–7일 평균 SMAP DCA 식생광학두께(Vegetation Optical Depth; VOD) 분포. 색상은 L-band 수동형 마이크로파 관측에서 산출된 식생에 의한 신호 감쇠 정도를 나타내며, 값이 클수록 식생층의 영향이 강함을 의미한다. 한반도 북부 및 산림 지역에서 상대적으로 높은 VOD가 나타난다.

참고문헌
  1. Bindlish, R., Cosh, M.H., Jackson, T.J., Koike, T., Fujii, H., Chan, S.K., Asanuma, J., Berg, A., Bosch, D.D., Caldwell, T., Collins, C.H., McNairn, H., Martinez-Fernandez, J., Prueger, J., Rowlandson, T., Seyfried, M., Starks, P., Thibeault, M., Van Der Velde, R., Walker, J.P., Coopersmith, E.J., 2018. GCOM-W AMSR2 Soil Moisture Product Validation Using Core Validation Sites. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 11, 209–219. https://doi. org/10.1109/JSTARS.2017.2754293
  2. Das, N.N., Entekhabi, D., Dunbar, R.S., Colliander, A., Chen, F., Crow, W., Jackson, T.J., Berg, A., Bosch, D.D., Caldwell, T., Cosh, M.H., Collins, C.H., Lopez-Baeza, E., Moghaddam, M., Rowlandson, T., Starks, P.J., Thibeault, M., Walker, J.P., Wu, X., O’Neill, P.E., Yueh, S., Njoku, E.G., 2018. The SMAP mission combined active-passive soil moisture product at 9 km and 3 km spatial resolutions. Remote Sens. Environ. 211, 204–217. https://doi.org/10.1016/j.rse.2018.04.011
  3. Entekhabi, D., Njoku, E.G., O’Neill, P.E., Kellogg, K.H., Crow, W.T., Edelstein, W.N., Entin, J.K., Goodman, S.D., Jackson, T.J., Johnson, J., Kimball, J., Piepmeier, J.R., Koster, R.D., Martin, N., McDonald, K.C., Moghaddam, M., Moran, S., Reichle, R., Shi, J.C., Spencer, M.W., Thurman, S.W., Tsang, L., Van Zyl, J., 2010. The Soil Moisture Active Passive (SMAP) Mission. Proc. IEEE 98, 704–716. https://doi.org/10.1109/JPROC.2010.2043918
  4. Kerr, Y.H., Waldteufel, P., Wigneron, J.-P., Delwart, S., Cabot, F., Boutin, J., Escorihuela, M.-J., Font, J., Reul, N., Gruhier, C., Juglea, S.E., Drinkwater, M.R., Hahne, A., Martín-Neira, M., Mecklenburg, S., 2010. The SMOS Mission: New Tool for Monitoring Key Elements ofthe Global Water Cycle. Proc. IEEE 98, 666–687. https://doi.org/10.1109/JPROC.2010.2043032
  5. Kilic, L., Prigent, C., Aires, F., Boutin, J., Heygster, G., Tonboe, R.T., Roquet, H., Jimenez, C., Donlon, C., 2018. Expected Performances of the Copernicus Imaging Microwave Radiometer (CIMR) for an All‐Weather and High Spatial Resolution Estimation of Ocean and Sea Ice Parameters. J. Geophys. Res. Oceans 123, 7564–7580. https://doi. org/10.1029/2018JC014408
  6. Konings, A.G., Saatchi, S.S., Frankenberg, C., Keller, M., Leshyk, V., Anderegg, W.R.L., Humphrey, V., Matheny, A.M., Trugman, A., Sack, L., Agee, E., Barnes, M.L., Binks, O., Cawse‐Nicholson, K., Christoffersen, B.O., Entekhabi, D., Gentine, P., Holtzman, N.M., Katul, G.G., Liu, Y., Longo, M., Martinez‐Vilalta, J., McDowell, N., Meir, P., Mencuccini, M., Mrad, A., Novick, K.A., Oliveira, R.S., Siqueira, P., Steele‐Dunne, S.C., Thompson, D.R., Wang, Y., Wehr, R., Wood, J.D., Xu, X., Zuidema, P.A., 2021. Detecting forest response to droughts with global observations of vegetation water content. Glob. Change Biol. 27, 6005–6024. https://doi.org/10.1111/gcb.15872
  7. Kurum, M., 2013. Quantifying scattering albedo in microwave emission of vegetated terrain. Remote Sens. Environ. 129, 66–74. https://doi.org/10.1016/j.rse.2012.10.021
  8. Mo, T., Choudhury, B.J., Schmugge, T.J., Wang, J.R., Jackson, T.J., 1982. A model for microwave emission from vegetation‐covered fields. J. Geophys. Res. Oceans 87, 11229–11237. https://doi.org/10.1029/JC087iC13p11229
  9. Rodriguez-Fernandez, N.J., Anterrieu, E., Cabot, F., Boutin, J., Picard, G., Pellarin, T., Merlin, O., Vialard, J., Vivier, F., Costeraste, J., Palacin, B., Rodriguez-Suquet, R., Amiot, T., Khaazal, A., Rouge, B., Morel, J.M., Colom, M., Decoopman, T., Jeannin, N., Caujolle, R., Escorihuela, M.J., Bitar, A.A., Richaume, P., Mialon, A., Suere, C., Kerr, Y.H., 2020. A New L-Band Passive Radiometer For Earth Observation: SMOS-High Resolution (SMOS-HR), in: IGARSS 2020 – 2020 IEEE International Geoscience and Remote Sensing Symposium. Presented at the IGARSS 2020 – 2020 IEEE International Geoscience and Remote Sensing Symposium, IEEE, Waikoloa, HI, USA, pp. 5978–5981. https://doi.org/10.1109/IGARSS39084.2020.9324685
  10. Schwank, M., Naderpour, R., Mätzler, C., 2018. “Tau-Omega”- and Two-Stream Emission Models Used for Passive L-Band Retrievals: Application to Close-Range Measurements over a Forest. Remote Sens. 10, 1868. https://doi.org/10.3390/rs10121868 

tag