Table Of Contents

학술/기술 기사 | 02

대한민국 국가 저수지 수자원 관리 기술 개발:
Surface Water and Ocean Topography (SWOT) 인공위성 데이터의 한계와 활용 방안

글 한성준·감종훈 |

2026/07/01

한성준 포항공과대학교 환경공학부 석사과정

한성준
포항공과대학교
환경공학부 석사과정
sj.han@postech.ac.kr

감종훈 포항공과대학교 환경공학부 부교수

감종훈
포항공과대학교
환경공학부 부교수
jhkam@postech.ac.kr

Table Of Contents

1. 서론

저수지는 가뭄과 홍수 등 극한 수문 현상에 대응하기 위한 핵심 수자원 기반 시설이다. 전 지구적으로 저수지는 육상 담수 저장량의 약 0.05%에 불과하지만, 계절적 지표수 저장량 변동의 57%를 차지할 만큼 수문 순환에서 중요한 역할을 한다(Cooley et al., 2021). 특히 우리나라는 약 3,400개의 저수지가 한국농어촌공사와 한국수자원공사에 의해 운영되며, 농업용수 공급·생활용수·홍수 조절·수력발전 등 다양한 기능을 수행하고 있다(Kam, 2021). 그러나 기후변화에 따라 극한 강수와 가뭄의 빈도·강도가 모두 증가할 뿐만 아니라 반도체와 2차전지 등 다양한 산업 분야와 스마트 농업 기술의 발전으로 물 사용 패턴도 변화하고 있어, 저수지의 수문학적 변동을 보다 정밀하게 관측·관리해야 할 필요성이 커지고 있다.
저수지 모니터링은 개별 저수지에 설치된 지점 관측망에 의존해 왔으나, 설치·유지 비용이 크고 관측망이 미비한 지역에서는 활용성이 제한적이다. 최근 이 한계점를 보완하기 위한 대안으로 위성 원격탐사가 활용되어 왔다. Landsat/Sentinel-2와 같은 광학 위성은 수면적을 관측할 수 있으나, 구름의 영향을 받고 수위 정보를 제공하지 못한다는 한계가 있으며(Pekel et al., 2016), Jason series/Sentinel-3 등의 레이더 고도계는 저수지 수위를 데시미터 수준의 정확도로 관측할 수 있으나 관측 폭이 좁아 중소형 저수지의 수위를 모니터링하기에는 부적합하다(Crétaux et al., 2017).
이러한 기존 인공위성들의 한계를 극복하기 위해, 2022년 12월에 미국 항공우주국(NASA)과 프랑스 국립우주연구센터(CNES)가 공동으로 개발한 SWOT(Surface Water and Ocean Topography) 위성이 발사되었다. SWOT은 Ka-band 레이더 간섭계(Ka-band Radar Interferometer (KaRIn))를 탑재하여 수위와 수면적을 동시에 광역으로 관측할 수 있는 차세대 위성으로, 전 지구의 호수와 저수지를 약 21일 주기로 관측한다(Biancamaria et al., 2016). SWOT 발사 이후 인도, 호주, 미국, 중국 등지에서 성능 검증 연구가 수행되었으나(Das and Hossain, 2025; Maubant et al., 2025; Patidar et al., 2025; Yu et al., 2024), 대한민국에서 SWOT 위성데이터의 적용성에 대한 평가는 아직 부족한 실정이다.
본 연구에서는 대한민국의 1,630개 저수지를 대상으로 SWOT 위성에서 산출된 수위·수면적·저수량의 정확도를 평가하고, 저수지 저수량 크기별 SWOT 미션 목표 달성 여부를 분석하였다. 본 연구의 결과는 SWOT 위성의 국내 수자원 관리 활용성에 대한 한계점과 발전 가능성을 제시함으로써 향후 위성 기반 저수지 모니터링 연구의 기초 자료로 활용될 수 있을 것이다.

그림1. SWOT 관측 가능 저수지의 설계 수면적 분포 및 분류 기준.

그림1. SWOT 관측 가능 저수지의 설계 수면적 분포 및 분류 기준.

2. SWOT 위성 개요

SWOT 인공위성은 미국 항공우주국(NASA)과프랑스 국립우주연구센터(CNES)가 공동 개발한 차세대 지구관측 위성으로, 약 891 km 고도의 궤도를 약 21일 주기로 운영되고 있다(Biancamaria et al., 2016). SWOT의 핵심 탑재체는 Ka-band 레이더 간섭계(KaRIn)로, 약 10 m 간격으로 떨어진 두 개의 안테나가 동일한 지표면을 서로 다른 각도에서 관측하여 위상차로부터 수면의 고도와 면적을 동시에 산출한다(Fjørtoft et al., 2014).
KaRIn은 nadir 양 옆으로 각각 10~60 km의 관측 폭(swath)을 제공하며, 그 사이 약 20 km 구간은 nadir 고도계로 보완 관측한다.
SWOT 미션은 수면적 0.0625 km² (250 m × 250 m) 이상의 호수와 저수지에 대해 명시적인 정확도를 목표로 제시하고 있다(Rodríguez, 2018). 수위에 대한 상대오차 목표치는 수면적 1 km² 이상의 대형 저수지에서 10 cm 미만, 0.0625~1 km² 범위의 중형 저수지에서 25 cm 미만이다. 수면적에 대한 상대오차 목표치는 중·대형 저수지에서 15% 미만, 소형 저수지(< 0.0625 km²)에서 25% 미만이다. 저수량의 경우 별도의 미션 목표는 정의되어 있지 않으며, 수위와 수면적의 동시 관측값을 결합하여 간접적으로 산출한다.

그림2. SWOT PLD 매칭과 데이터 처리 절차

그림2. SWOT PLD 매칭과 데이터 처리 절차

3. 한국 저수지에 대한 SWOT 자료

본 연구는 한국농어촌공사와 한국수자원공사가 운영하는 약 3,400개의 저수지 중 SWOT으로 관측 가능한 1,630개를 분석 대상으로 선정하였다(그림 1). 먼저 각 저수지 관측소 좌표를 SWOT 위성이 관측 대상으로 사전에 정의해 둔 호수·저수지 데이터베이스인 SWOT Prior Lake Database (PLD)와 위경도 정보를 통한 공간 매칭하여 1,681개 저수지를 후보로 추출하였다(Wang et al., 2025). PLD는 본래 하나의 저수지를 단일 폴리곤으로 표현하도록 설계되었으나 일부 저수지가 다수의 폴리곤으로 분할되어 있는 경우가 있어 시각 검토를 통해 이를 제외하였다. 이후 단일 통과(single pass)로 전체 수체가 관측 가능한 저수지만을 남겨 최종적으로 1,630개의 저수지들을 확보하였다.
SWOT 인공위성 데이터는 NASA가 제공하는 SWOT Level 2 Lake Single-Pass Vector Prior Product (LakeSP Prior, Version D)를 이용하였으며, 2024년 8월 1일부터 2025년 7월 31일까지의 자료를 사용하였다. 자료 품질 확보를 위해 네 가지 품질 필터((quality_f, partial_f, ice_clim_f, xtrk_ dist)를 순차적으로 적용하였다. 매칭 절차와 품질 필터 적용 과정은 그림 2에 정리하였다.
최종 1,630개 저수지는 크기에 따라 소형(< 0.0625 km², 570개), 중형(0.0625~1 km², 1,008개), 대형(> 1 km², 52개)의 세 클래스로 구분하였으며, 전국적으로 고르게 분포한다(그림 3). 중형 저수지가 전체의 약 62%를 차지하여 우리나라 저수지의 다수가 중·소형 규모임을 알 수 있다.

4. SWOT 위성 검증 결과

SWOT 위성으로부터 산출된 수위·수면적·저수량의 정확도를 1,630개 저수지의 지상 관측 지점에 관측한 값들과 비교하였다. 정확도 평가에는 평균제곱근오차(Root Mean Square Error, RMSE)와 상대 평균제곱근오차(Relative RMSE, RRMSE)를 사용하였다.
SWOT 인공위성은 수위와 수면적은 직접 관측하지만 저수지의 저수량을 직접 측정하지는 못한다. 따라서 본 연구에서는 SWOT으로 관측한 수위와 수면적을 저수지의 설계 제원과 결합하여 저수량을 간접 산정하였다(식 1).

V_{SWOT} = C_{designed} - (WL_{full} - WSE_{SWOT}) \times \frac{A_{designed} + A_{SWOT}}{2}

(식 1)
그림3. SWOT 위성 관측 가능 한국 저수지 분포

그림3. SWOT 위성 관측 가능 한국 저수지 분포

여기서 VSWOT 는 SWOT 기반 저수량, Cdesigned 는 설계 저수용량, WLfull 은 만수위, Adesigned 는 만수면적이며, WSESWOT 와 ASWOT 는 각각 SWOT이 관측한 수위와 수면적이다.
SWOT의 수위 정확도는 저수지 크기가 클수록 향상되는 경향이 뚜렷하게 나타났다(그림 4). 중앙값 기준 RMSE는 소형 2.52 m, 중형 1.29 m, 대형 0.51 m로 감소하였으며, 평균값 기준으로는 각각 8.39 m, 5.44 m, 1.15 m로 나타났다. 그러나 SWOT 미션 목표인 대형 저수지의 10 cm 미만과 중형 저수지의 25 cm 미만의 정확도는 달성되지 못하였다.
수면적의 경우에도 동일한 크기 의존성이 관찰되었으나 그 폭은 수위에 비해 작았다(그림 5). 중앙값 기준 상대오차는 소형 41.57%, 중형 36.86%, 대형 35.94%로, 모든 크기 클래스에서 미션 목표(중·대형 15% 미만, 소형 25% 미만)에 미달하였다. 대형, 중형, 그리고 소형의 저수지들은 중앙값 기준 RRMSE가 각각 16%, 32%, 60%로 크기가 클수록 정확도가 크게 향상되는 경향이 가장 뚜렷하였다(그림 6). 전반적으로 SWOT 인공위성은 대형 저수지에서 상대적으로 양호한 성능을 보였으나, 우리나라 저수지의 대부분을 차지하는 소·중형 저수지에서는 미션 목표에 크게 미치지 못하였다. 특히 모든 크기 클래스에서 평균값(mean)이 중앙값(median)보다 크게 나타나, 일부 저수지에서 매우 큰 오차가 발생하고 있음을 시사한다.
또한 이러한 전국 단위 검증에 더해, 개별 저수지를 대상으로 무인 수상정(USV)과 무인 항공기(UAV)를 이용한 고해상도 현장조사를 수행하면 SWOT 관측값을 보다 정밀하게 검증할 수 있다.
본 연구진은 현재 경상북도 포항시 달전저수지(36.029°N, 129.293°E)를 대상으로 이러한 사이트 단위 정밀 검증 연구를 수행하고 있다.

그림4. 저수지 크기 별 SWOT 수위 검증 결과

그림4. 저수지 크기 별 SWOT 수위 검증 결과

그림5. 저수지 크기 별 SWOT 수면적 검증

그림5. 저수지 크기 별 SWOT 수면적 검증 결과

그림6. 저수지 크기 별 SWOT 저수량 검증 결과

그림6. 저수지 크기 별 SWOT 저수량 검증 결과

5. 결론

본 연구는 SWOT 위성을 활용하여 우리나라1,630개 저수지의 수위·수면적·저수량 관측 정확도를 평가하였다. 분석 결과, SWOT의 관측 정확도는 저수지의 크기가 커질수록 향상되는 경향을 보였다. 대형 저수지에서 소형 저수지 수위의 중앙값 기준 RMSE는 0.51에서 2.52 m로, 수면적의 RRMSE는 36%에서 41.5%로, 저수량의 RRMSE는 16%에서 60%로 증가하였다. 그러나 어느 크기 클래스에서도 SWOT 미션 목표를 충족하지 못하였으며, 이는 우리나라 저수지의 다수를 차지하는 소·중형 저수지에 대한 SWOT의 직접적 활용에 대한 한계성을 보여준다.
본 연구에서 제시한 SWOT 수위 데이터의 대한민국 저수지 수자원 직접적 감시의 한계성은 국내 저수지 환경에 맞는 추가 보정·검증 연구의 필요성을 시사한다. 또한 본 연구에서는 향후 고해상도 현장 관측 자료를 활용한 사이트 단위 정밀 검증, 저수지별 형상 정보를 반영한 저수량 산정 방법론 개선, 그리고 대한민국 맞춤형 인공지능 보정 모델 개발의 중요성을 강조한다.

감사의 글

본 연구는 한국연구재단(RS-2026-25537812)과 기상청 「기후위기 대응 국가기후예측시스템 개발 사업」(RS-2025-02222417)의 지원을 받아 수행되었음.

참고문헌
  1. Biancamaria, S., Lettenmaier, D. P., & Pavelsky, T. M. (2016). The SWOT mission and its capabilities for land hydrology. Remote sensing and water resources, 117- 147. https://doi.org/10.1007/978-3-319-32449-4_6
  2. Cooley, S. W., Ryan, J. C., & Smith, L. C. (2021). Human alteration of global surface water storage variability. Nature, 591(7848), 78-81. https://doi.org/10.1038/ s41586-021-03262-3
  3. Cretaux J.-F., Frappart F., Papa F., Calmant S., Nielsen K., Benveniste J. (2017). Hydrological applications of satellite Altimetry rivers, lakes, man-made reservoirs, inundated areas. In: Stammer DC, Cazenave A (eds) Satellite altimetry over oceans and land surfaces. Taylor & Francis Group, New York, pp.459-504
  4. Das, P., & Hossain, F. (2025). Multi-Satellite Tracking of Surface Water Storage Change in the Era of Surface Water and Ocean Topography (SWOT) Satellite Mission. Earth and Space Science, 12(6), e2024EA004178. https://doi. org/10.1029/2024EA004178
  5. Fjørtoft, R., Gaudin, J.-M., Pourthié, N., Lalaurie, J.-C., Mallet, A., Nouvel, J.-F., Martinot-Lagarde, J., Oriot, H., Borderies, P., Ruiz, C., & Daniel, S. (2014). KaRIn on SWOT: Characteristics of near-nadir Ka-band interferometric SAR imagery. IEEE Transactions on Geoscience and Remote Sensing, 52(4), 2172-2185. https://doi.org/10.1109/TGRS.2013.2258402
  6. Kam, J. 2021: Diversity in the Observed Functionality of Dams and Reservoirs, Environ. Res.: Infrastruct. Sustain., 1, 031003. https://doi. org/10.1088/2634-4505/ac3f3f
  7. Maubant, L., Dodd, L., & Tregoning, P. (2025). Assessing the Accuracy of SWOT Measurements of Water Bodies in Australia. Geophysical Research Letters, 52(6), e2024GL114084. https://doi.org/10.1029/2024GL114084
  8. Patidar, G., Indu, J., & Karmakar, S. (2025). Performance Assessment of Surface Water and Ocean Topography (SWOT) Mission for WSE Measurement Across India. Geophysical Research Letters, 52(10), e2025GL115804. https://doi. org/10.1029/2025GL115804
  9. Pekel, J. F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633), 418-422. https://doi.org/10.1038/nature20584
  10. Rodríguez, E. (2018). Surface Water and Ocean Topography Mission (SWOT) Project Science Requirements Document, Rev B. JPL D-61923. Jet Propulsion Laboratory Document.
  11. Wang, J. D., Pottier, C., Cazals, C., Battude, M., Sheng, Y. W., Song, C. Q., Sikder, M. S., Yang, X., Ke, L. H., Delhoume, M., Gosset, M., Oliveira, R. R. A., Grippa, M., Girard, F., Allen, G. H., Xu, X. T., Zhu, X. L., Biancamaria, S., Smith, L. C., . . . Pavelsky, T. M. (2025). The Surface Water and Ocean Topography Mission (SWOT) Prior Lake Database (PLD): Lake Mask and Operational Auxiliaries. Water Resources Research, 61(3), e2023WR036896. https://doi.org/10.1029/2023WR036896
  12. Yu, L. P., Zhang, H. W., Gong, W., & Ma, X. (2024). Validation of Mainland Water Level Elevation Products From SWOT Satellite. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17, 13494–13505. https://doi. org/10.1109/JSTARS.2024.3435363

tag