I. 서 론
1. 연구의 배경
원격탐지 위성 센스는 도시의 불빛, 어선의 불빛, 산불 등 화재의 가시광선을 포착한다. 이는 구름 등 빛의 통과에 장애물이 없는 밤에 포착된 지구의 가시광선 영상으로 일명 위성영상자료이다. 이러한 자료는 여러 측면에서 많이 활용하고 있는데 현재 가장 많이 사용되고 있는 야간 위성영상자료는 DMSP/OLD 자료1)와 NPP/VIIRS 자료2) 두 가지로 구분된다. NPP위성에 탑재된 VIIRS센스는 OLS센스에 비해 시·공간적으로 해상도가 높고, 방사선 탐지 범위가 넓으며, 기존의 DMSP-OLS 야간 위성영상자료에 비해 더 정밀한 잠재력을 가지고 있다.
현재 NPP/VIIRS 영상자료는 학자들에 의해 사회경제추계와 경제활동 모니터링 등 과학연구에 많이 활용되고 있다. 인구 및 GDP 등 경제지수 추산, 주택 공실률 측정, 지역의 빈곤도 측정 등에서 활용한다. 도시정보 추출 연구에서는 도시의 시가지 분석, 도시건축의 밀도측정 영역에서도 많이 활용되고 있다.
그러나 NPP/VIIRS 야간 위성영상자료는 보정된 연간 자료가 없기 때문에 기존 연구에서 사용하는 자료의 대부분은 월간 자료를 사용하고 있다. 그러나 월간 자료는 영상보정 처리가 되지 않아 마이너스 값이 많고, 배경잡음,3) 비정상 값, 불안정한 광원4)이 존재한다. 따라서 월간 영상자료는 장기적 시계열 연구에 직접 사용하지 못하는 경우가 나타난다. 비록 일부 학자들이 이런 문제에 대해 해결 방법을 제시하고 있지만, 아직까지는 전체를 통합하고 있는 영상보정 방법은 없는 것으로 사료된다.
2. 선행연구고찰
현재까지 중국지역을 대상으로 진행한 NPP/VIIRS 영상자료 보정 방법의 주요 연구는 다음과 같다.
2015년에 Shi, Chai등은 DMSP/OLS 야간 위성영상 자료를 이용하여 NPP/VIIRS 월간 영상자료에 존재하는 배경잡음을 제거하는 방법을 제안하고 있지만, DMSP/OLS 야간 위성영상자료는 2013년 이후 업데이트가 중단되고 있기 때문에 시간의 경과와 함께 영상의 보정 효과가 떨어진다(Shi et al., 2014; Chai et al., 2015).
그 후에 Li 등 학자들이 하이패스 컨볼루션(high-pass convolution) 작업을 기초한 안정 화소(stable pixel)와 비정상 화소(abnormal pixel)를 구분 및 제거하는 NPP/VIIRS 영상보정 방법을 제안하였지만, 연간 영상합성방법에 대한 연구가 부족하였다(Li et al., 2019).
또한, Zhou 등은 12개월간의 월간 영상을 활용해서 연간영상으로의 합성 및 보정 방법을 제시하였지만, 이 방법은 일부 중·고위도 지역의 월간 영상데이터 중 화소 결실 형상을 간과하였다(Zhou et al., 2019).
최근에 Hu 등이 제시한 연간 영상합성방법에서는 보정된 영상의 DN값 ‘0’ 초과로 나타난 화소 수량이 일치하는 경향이 있어 시간에 따른 화소 수량의 변화 추세를 반영하지 못 하고 있다(Hu et al., 2021).
3. 연구목적 및 방법
본 연구는 중국 도시화 과정에 대한 연구에서 더욱 적합한 NPP/VIIRS 연간 영상합성 및 영상보정 방법을 연구하기 위해 진행한다. 따라서 본 연구에서는 과거의 NPP/VIIRS 연간 영상합성 및 영상보정 방법을 토대로 일부 DMSP/OLD 야간 위성영상의 보정방법을 융합하여 진행한다.
현재까지 도시화 과정 즉 도시확장 해석을 위해서는 인구, 면적 등 통계자료를 활용하는 경우가 많지만 통계자료의 요인별 활용에 따라 연구결과가 다르게 나타나는 경우가 일반적이다. 물론 도시화 과정을 정확한 자료로 유추하기는 어렵겠지만 영상자료의 경우 보정만 잘 된다면 수치자료 보다는 명확한 결론에 도달할 수 있다.
따라서 본 연구는 이러한 측면을 고려하여 야간 위성 영상을 활용하여 객관적인 자료를 바탕으로 한 도시화 과정을 산출하는 방법을 구체화 시켜 보는 것에 그 목적을 두고 있다.
한편, 연구 과정은 4단계로 진행하였다. 우선, NPP/VIIRS 월간 영상자료 및 중국지역의 벡터데이터를 수집, 각 시기의 영상을 먼저 처리한다. 두 번째, 월간 위성영상자료를 연간 영상자료로 합성한 다음, 합성된 영상의 화소 밝기 값(DN value, DN값)의 상황을 파악하기 위해 영상 TLP (total lit pixel)값5) 및 TDN (total DN value)값6)을 추출한다. 셋 번째, 연간 영상의 TLP값, TDN값의 상황 및 특징을 파악한 다음 배경잡음 및 비정상 화소 제거, 불안정 화소 제거 등의 방법을 통해 합성된 연간 위성영상에 대해 보정을 진행한다. 마지막으로 보정된 영상의 TLP값과 TDN값을 추출한 다음 결과 변화를 관찰한다. 또한 본 연구에서 실행한 연간 영상합성 및 보정 방법의 적정성을 검증하기 위해 사회통계지표와 결합하여 통계분석을 통해 보정된 영상을 사회통계지표의 연관성을 확인한다. 연구의 흐름은 <Figure 1>과 같다.
II. 데이터 출처
본 연구에서 사용하는 NPP/VIIRS 야간 위성영상자료는 미국 국립환경정보센터 웹사이트에서 다운로드를 받아 활용하였다. 중국 행정구역 벡터데이터는 National Catalogue Service For Geographic Information에서 제공하는 축적 1:100만의 중국 기초지리 데이터베이스를 활용하였다. 연구에서 사용된 사회통계자료는 중국 국가통계국이 발표한 ‘중국 통계연감’과 ‘중국 전력 통계연감’에서 인용하였다. 구체적인 연구자료 사용 상황은 <Table 1>과 같다.
Table 1.
The Data Used in This Study
III. NPP/VIIRS 영상자료의 사전 처리 및 연간 영상자료 합성
1. 데이터 사전처리
야간 위성영상자료는 계절이나 날씨에 따라 많은 차이를 나타낸다. 중국의 여름철 중·고위도 지역의 NPP/VIIRS 영상자료는 심한 왜곡현상(영상 DN값=0)을 나타내었다. 이 현상은 5월에서 7월까지 집중되어 있다. 따라서 본 연구에서 사용하는 NPP/VIIRS 월간 영상자료의 경우 5월, 6월, 7월의 자료는 포함시키지 않았다. 연간 영상자료 합성을 진행하기 전에 우선 준비된 2013-2020년 NPP/VIIRS 월간 영상자료 총 72장은 Resample를 진행하였다. 공간해상도를 1000×1000으로 변경함과 동시에 투영 좌표계를 Lambert Conformal Conic으로 변환한다. 또한 중국 행정구역 벡터데이터를 Mask으로 적용하여 중국지역의 NPP/VIIRS 영상자료를 추출하였다. 연구에서 NPP/VIIRS 월간 영상자료 사용 상황은 <Table 2>와 같다.
2. 연간 영상자료 합성
도시화 과정 연구에서 월간 자료를 연간 자료로 합성하여 활용하면 도시화 과정을 쉽게 설명할 수 있다. 이러한 가정에 여기에서는 <Table 2>에서 구한 자료의 합성 과정을 기술한다. 즉, NPP/VIIRS 월간 영상자료를 연구 수행에 사용되는 연간 영상자료로 변환 할 필요가 있기 때문에 식(1)을 이용하여 연간 영상자료로 합성한다.
여기서, DNi는 i월의 영상 DN값을, DNj는 j년의 평균 영상 DN값을 의미한다.
식 (1)을 이용하여 합성된 연간 영상자료는 영상의 화소 상황을 파악할 필요가 있다. 따라서 본 연구에서 보정 전 영상자료의 최대 및 최소 DN값을 추출한다. 또한 ArcGIS 10.8 소프트웨어를 활용해서 영상에서 DN>0의 화소를 추출하여 보정 전 영상의 TLP값과 TDN값의 시계열 변화 추세를 본다. 분석결과는 <Figure 2>, <Table 3, 4>와 같다. TDN값은 식(2)로 구한다.
Table 3.
Max and Min DN Values of Images for Each Year before Correction
| Year | ||||||||
|---|---|---|---|---|---|---|---|---|
| 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | |
| Min | -0.06 | -0.08 | -0.09 | -0.12 | -0.02 | -0.02 | -0.13 | 0.05 |
| Max | 1162.21 | 2025.24 | 1097.05 | 1627.79 | 894.80 | 1154.10 | 1176.08 | 6515.19 |
Table 4.
Statistics of TLP and TDN Values of Annual NPP/VIIRS Nighttime Light Images before Correction
식 (2)에서 DNi은 영상 중 i화소의 DN값을, Ci은 영상 중 i화소의 수량을 의미한다.
일반적으로 한 지역의 경제성이 제일 높은 도시가 그 지역의 가정 높은 DN값을 보유하고 있다. 따라서 경제성이 가장 높다고 보는 도시보다 더 높은 값을 나타낼 경우는 비정상 높은 값을 간주한다. 그리고 원칙적으로 야간 위성영상자료에서는 불빛이 없는 곳에서 화소 값을 ‘0’으로 나타나며 마이너스 값은 존재하지 않는다. 따라서 <Table 3>에서 제시한 보정 전 각 년도 영상자료의 최대 및 최소 DN값과 <Table 5>에서 제시한 중국 베이징·상하이·광저우 3개 도시의 영상 최고 DN값을 비교해보면 합성된 영상자료에서 비정상 값7)이 존재하고 있는 사실을 알 수 있다.
Table 5.
Image Correction Thresholds
그러나 합성된 연간 영상자료의 화소 값은 대부분 ‘0’을 초과하는 것으로 나타났다. 즉, 영상자료에서는 많은 배경잡음이 존재하고 있다. 따라서 <Table 4>에서 추출된 영상자료의 TLP값은 시간에 따라 변화는 거의 없는 것으로 나타났다. 또한, 영상자료에서는 같은 감지기로 촬영된 다른 년도 영상의 TDN값과 TLP값은 상호 차이를 보이는 경우도 있다.
IV. NPP/VIIRS 연간 영상자료의 보정
전술한 영상자료 보정 전 화소 상황을 통해 합성된 연간 영상자료에서 배경잡음 및 불안정 화소8)가 많이 존재하고 있는 사실을 알게 되었다. 따라서 합성된 연간 영상자료가 도시화 과정에 관한 연구에서 직접 사용되지 못할 수 있다. 이런 문제를 해결한다면 도시화 과정에 관한 연구에 많은 도움을 줄 수 있다. 더 정확한 자료를 제공하기 위해서는 영상자료에 대해 보정 처리가 필요하다. 영사자료 보정 처리는 ‘배경잡음 및 비정상 값 제거’, ‘불안정 화소 제거’, ‘연간 영상보정’ 등 3단계로 구분 하여 접근할 수 있다.
1. 배경잡음 및 비정상 값 제거
본 연구에서는 영상자료의 배경잡음 제거를 위해 Ma 등의 연구 성과를 참조하여 1 nanoWatts/cm2/sr을 임계값으로 선정하고, 1 nanoWatts/cm2/sr보다 낮은 값에 ‘0’을 재부여 하였다(Ma, 2014).
통상적으로 한 지역 내의 초 대도시(超大都市)가 지역 내에서 가장 높은 안정적인 야간 불빛을 보유하고 있다. 이러한 가정에 따라 중국 베이징·상하이·광저우 3개 도시의 영상 최고 DN값을 바탕으로 기타 지역에서 이 3개 초 대도시의 최고 DN값보다 높을 경우 석유, 천연가스 혹은 화재 등으로 유발된 일시적인 광원으로 간주하며 비정상 값일 가능성이 높다고 판단한다. 이러한 가정 하에 영상자료에 나타난 비정상 높은 값을 필터링한 다음, 중심 영역 주변의 8개 영역 내 화소의 평균값으로 재부여한다. 필터링 진행시 사용된 임계치는 <Table 5>와 같다. 상기 기술된 두 과정을 거치면 영상자료에 가진 배경잡음 및 비정상 값을 모두 제거할 수 있다.
2. 불안정 화소제거
‘배경잡음 및 비정상 값 제거’ 단계에서 구축된 자료를 활용하여 불안정 화소를 제거하기 위해서 ‘불안정 화소제거’ 처리가 필요하다. 통상적으로 전 년도 불빛은 다음 년도에 나타나지 않으면 불안정한 광원으로 인정하여 제거 처리된다. 따라서 2013-2020년 동안 배경잡음 및 비정상 값이 제거된 모든 영상자료의 재분류 작업을 통해 이진 영상9)의 2013-2020년도의 결과를 얻었다. 이러한 단계에서 처리된 자료를 활용하여 식 (3)을 통해 불안정 화소제거 작업을 진행하였다.
식 (3)에서 DN은 보정할 연도 영상의 안정된 광원을, DNk는 보정할 연도 이진영상의 안정된 광원을, DNk−1는 보정할 년도와 전년도 재분류 영상의 안정된 광원을 의미한다.
3. 연간 영상보정
연간 연상보정단계는 보정단계의 마지막단계이다. 중국의 도시 및 경제 발전법칙과 야간 위성영상 자료 TDN값의 전반적인 추세는 증가하는 경향을 보이고 있다. 따라서 전 년도 영상자료에서 나타난 밝기영역이 다음 년도의 영상자료에서도 없어지지 않는다고 가정하면, 전 년도 영상자료에서 밝기영역이 다음 년도 영상자료에서도 존재하고 있다. 또는 전 년도 영상자료에 밝기 화소의 DN값은 다음 년도 영상자료에 같은 위치에 있는 화소 DN값보다 낮은 경우가 일반적이다. 이러한 가설을 바탕으로 중국 도시화 과정에 적용할 영상자료가 중국의 도시 및 경제 발전 법칙에 부합하기 위한 영상 자료 연간보정을 진행한다. 연간보정 방법은 식(4)를 이용한다. 최종적으로 2013-2020년의 보정된 야간 위성영상 Data set을 얻었다.
식 (4)에서 DN(n-1, i), DN(n, i), DN(n+1, i)는 각 Data set 영상의 i번째 화소가 n−1, n, n+1 연도의 DN값을 지칭한다. n=2013,2014,···,2020.
V. 영상자료 보정 후 결과평가
본 연구단계에서는 전술에서 실행한 NPP/VIIRS 영상자료 합성 및 보정 방법의 타당성 및 합리성을 검증하기 위해 보정 후 영상자료의 TLP값과 TDN값의 변화 추이를 관찰하고 통계분석을 통해 사회통계지표와 보정 후 영상자료의 연관성을 고려하여 보정 결과에 대한 평가를 한다.
1. 보정 후 화소 상황
앞에서 보정 전 화소 상황 연구진행과 같은 방법으로 식 (2)을 이용하여 보정된 NPP/VIIRS 영상의 DN>0 부분을 추출한 다음, 영상자료 DN값의 보정 전·후 변화 상황에 대해 관찰하였다. 분석된 보정 후 영상자료 TLP값과 TDN값은 <Figure 3>과 <Table 6>과 같다.
Table 6.
Statistics of TLP and TDN Values of Annual NPP/VIIRS Nighttime Light Images after Correction
<Figure 3>과 <Table 6>을 보면 보정된 영상자료에서는 배경잡음 및 비정상 값을 제거한 다음 대상지 영상자료의 TLP값은 시간에 따라 변화하는 추세를 관찰할 수 있다. 그리고 <Figure 2>와 <Figure 3>의 TDN값 변화 추세를 비교해보면 보정 후 자료의 TDN값의 연속성이 비교적 우수하다.
또한 <Table 7>에 제시된 보정 전·후 영상자료의 최대 및 최소 DN값은 보정된 NPP/VIIRS 영상자료에서는 비정상 값을 제거하였으므로 영상자료에 마이너스값 및 비정상 높은 값을 나타나지 않고 있다. 즉, 보정된 영상자료가 최대 및 최소 DN값 비교적 합리적이어서 영상자료의 TLP값 및 TDN값의 전반적 변화 추세는 중국 도시 및 경제 발전의 추세와 일치한다. <Figure 4>에 제시한 2013년도 영상자료를 비교하면 배경잡음 제거 등 일련의 작업을 걸쳐 취득한 영상자료에서는 인간 활동이 활발한 공간은 초기 보다 더 뚜렷하게 나타났다.
Table 7.
Comparison of Max and Min DN Values of Images before and after Correction for Each Year
2. 보정 후 영상 및 사회통계지표의 상관성
마지막으로 보정된 영상자료가 추후의 중국 도시화 과정 해석에서 적용할 경우 그의 타당성을 검증하였다. 야간 위성영상 자료는 사회경제의 발전상황을 직관적으로 반영할 수 있은 반면, 지역사회의 경제 발전 수준은 영상자료의 변화상황을 통해 어느 정도 검증할 수 있다. 따라서 본 연구에서 2013-2020년 중국의 GDP 및 전기소비량 통계자료를 정리하여 영상자료와 통계자료의 연관성을 평가하였다. 정리된 중국의 GDP 및 전기소비량 자료가 <Table 8>과 같다. <Table 8>를 보면 2013년에서 2020까지 중국의 GDP는 592,963.23억 위안에서 1,013,567.00억 위안까지 증가하였고, 전기소비량은 53,423.00억 kWh에서 75,214.00억 kWh까지 증가하였다.
Table 8.
China GDP and Electricity Consumption Statistics (2013-2020)
최종, GDP 및 전기소비량과 위성 영상자료 간 상호관계 평가결과는 <Figure 5>, <Figure 6>과 같다.
Figure 5.
Correlation of TDN and TLP Values of NPP/VIIRS Nighttime Light Images with National GDP before and after Correction
Figure 6.
Correlation of TDN and TLP Values of NPP/VIIRS Nighttime Light Images with National Electricity Consumption before and after Correction
<Figure 5>를 보면 보정된 영상자료의 TDN값, TLP값과 GDP 간 우수한 선형 관계를 가지고 있다. 보정 후 TDN값와 GDP의 R2값이 0.8315에서 0.9848까지 증가하였고 TLP값와 GDP의 R2값이 0.0231에서 0.9709까지 증가하였다.
<Figure 6>를 보면 보정된 영상자료의 TDN값, TLP값과 전기소비량 상호간 우수한 선형 관계를 가지고 있다. 보정 후 TDN값과 전기소비량의 R2값이 0.8346에서 0.9914까지 증가하였고, TLP값과 전기소비량의 R2값이 0.0331에서 0.9838까지 증가하였다.
이것은 본 연구에서 활용한 영상보정 방법으로 진행 보정된 중국지역의 야간 위성영상자료가 사회경제지표와 좋은 연관을 가지고 있으며, 영상자료의 신뢰성도 높아졌다는 의미로 해석된다.
VI. 결 론
본 연구는 영상정보를 통하여 도시화과정 즉, 도시 확장 변화를 명확하게 하기 위해 영상자료 처리 보정 방법론에 대하여 접근하였다. 본 연구에서는 기존 중국 지역의 NPP/VIIRS 연간 영상자료 합성 및 보정 성과를 바탕으로 DMSP/OLS야간 위성 영상자료의 보정에 관한 선행연구를 참고하여, 중국 지역의 NPP/VIIRS 연간 영상자료 합성 및 보정 방법을 부분적으로 개선하였다. NPP/VIIRS 영상자료 처리의 경우 과거 하나의 도시 혹은 여러 도시의 특정 년도의 최고 DN값만 임계값으로 채택하여 비정상 높은 값을 처리하는 방법이 주류였다. 여기에 비해 본 연구에서는 베이징·상하이·광저우 3개 도시 중 각 년도의 최고 DN값을 해당 년도의 임계값으로 채택하여 비정상 높은 값을 제거 처리함으로써 보정 방법에서 발생한 오차를 어느 정도 개선하였다. 또한, 일련의 영상보정 처리를 거쳐 얻은 2013-2020년 중국 지역의 NPP/VIIRS 야간 위성영상자료는 초기 영성자료 보다 더 좋은 사회·경제적 관련성 결과를 가져왔다.
본 연구에서 진행된 자료와 방법 즉, 중국지역 야간 위성영상의 보정 방법은 중국의 일부 지역의 영상자료 보정 시에도 유익하게 적용될 수 있다는 것이 연구결과의 중요성이다. 또한, 본 연구에서 도출된 결과는 중국의 도시화 과정, 도시 활력 평가, 도시재생과 도시 활성화 정책을 수립하는데 기초자료로 활용될 수 있을 것이다.
