1. 서 론

최근 기후변화로 인한 국지적 가뭄의 빈도와 강도가 증가함에 따라, 농업용수의 안정적인 확보와 효율적인 관리는 국가 수자원 관리의 핵심 과제로 주목받고 있다. 특히 농업용수를 공급하는 하천 및 용수로의 실시간 유량(discharge) 정보는 취수량 조정, 수리 시설물 운영 계획 수립, 그리고 가뭄 발생 시 하천수 사용 조정 등 전략 결정의 기초 자료로 활용된다(Sung et al. 2021a, Sung et al. 2021b).

기존의 유속·유량 측정 방식은 ADCP (Acoustic Doppler Current Profiler)와 같은 접촉식 또는 고정식 장비를 통해 높은 정밀도를 제공하지만, 설치 및 유지보수 비용이 높고, 수리 시설물 운영 중인 현장에 상시 설치가 어렵다. 또한, 현장 접근성이 낮거나 유속 변화가 심한 농업용 개수로에서는 측정 과정이 번거롭거나 안전 문제가 발생할 수 있다.

이러한 배경에서, CCTV 또는 드론 영상을 활용한 비접촉식 유속 측정 방법에 대한 연구가 활발히 진행되고 있다(Yu and Hwang 2017, Kim et al. 2021). 영상 기반의 유속 측정 기술은 저렴한 비용으로 상시 모니터링 시스템을 구축할 수 있으며, 특히 STIV (Space-Time Image Velocimetry, Fujita and Tsubaki 2003)는 영상의 시공간적 변화를 분석하여 수면의 흐름을 효과적으로 추적함으로써 복잡한 유황 조건에서도 비교적 안정적인 표면 유속 정보를 제공하는 기술로 주목받고 있다(Yu 2024).

본 연구의 목적은 농업 용수로에서 STIV 기반의 비접촉식 유속 측정 방법이 기존의 정밀 계측 방법과 비교하여 유량 산정의 신뢰성을 확보할 수 있는지를 정량적으로 검증하는 것이다. 이를 위해, 본 연구에서는 우선 STIV 방법을 구현할 수 있는 시스템을 구축하였다. 그리고 전라북도 정읍시에 위치한 어우보 농업 용수로를 현장 비교측정 대상지로 선정하였다. 해당 용수로는 농업용수 공급의 핵심 시설로서 다양한 유량 변화가 발생하고 있어, ADCP 측정 대비 STIV측정 결과를 비교하여 기술적 유효성을 확인하였다.

2. 본 론

2.1 STIV 개선 알고리즘

최근 유량관측의 무인화와 인력 절감을 위한 요구가 증가하고 있어, ADCP나 전파유속계와 영상해석법 등을 이용한 실시간 유량관측 시스템의 실용화를 향한 연구가 추진되고 있다. 특히 영상해석법을 이용하는 경우는 하천 감시의 목적으로 설치된 기존의 CCTV 또는 카메라 설비를 활용할 수 있다는 점에서 경제성이 큰 장점이 있는 외에, 드론 촬영 동영상에 적용하여 광범위한 계측이 가능하다는 점에서 국내외에서 실용화가 진행되고 있다. 영상해석법으로는 PTV (Particle Tracking Velocimetry), LSPIV (Large Scale Particle Image Velocimetry), 광학류법(Optical Flow method), STIV가 제안되어 있으며, 본 연구에서 대상으로 하는 STIV는, 유속 계측의 안정성과 영상분석 계산의 효율성에서 자동유량계측에 특화된 기술이다.

STIV는 수표면 영상에서 주흐름방향으로 임의길이의 검사선을 설정하고 그 휘도정보를 시간방향으로 겹쳐 쌓아서 제작한 시공간영상(Space Time Image)에 나타난 줄무늬 경사를 계산하여 유속을 산정한다. 최근 시공간영상의 줄무늬 경사를 자동 계산하는 방법에 대한 다양한 연구를 통해 다양한 필터 기법들이 개발되었으나, 악천후시나 영상잡음이 강한 사례 등에서는 이들 필터에서 매개변수 조정을 수작업으로 적절히 수행하지 않으면 이상값이 출력되고 마는 사례가 여전히 발생하고 있다. 따라서 신뢰성이 높은 실시간 계측시스템을 실현하기 위해서는 좀 더 개선된 경사 검출방법의 개발이 필요하다.

이에 본 연구에서는 시공간영상의 줄무늬 경사를 계산하기 위해 흐름성분 강조 방법을 이용한 시공간영상 전처리를 진행하고, 랜덤 샘플링 및 적합도 기반의 선별 방법을 활용하여 줄무늬 경사를 계산하는 개선 알고리즘을 적용하였다. 우선 시계열 명암변동량 이진화 기법을 이용한 시공간영상의 흐름성분 강조 알고리즘을 적용하여 시공간영상의 흐름방향 이동이 좀 더 강조하도록 하였다(Fig. 1). 이를 통해 움직임이 거의 보이지 않는 악천후 영상에서의 Fig. 1(a)와 같은 시공간영상을 Fig. 1(b)와 같이 이진화하고 Fig. 1(c)와 같이 골격화 알고리즘을 적용하여 줄무늬 경사를 명확하게 표현할 수 있도록 알고리즘을 개선하였다.

Fig. 1.

Flow-component enhancement for space-time image.

한편 줄무늬 경사를 정확하게 계산하기 위해 랜덤 샘플링 및 적합도 기반 선별 알고리즘을 이용하였다(Fig. 2). 골격화된 영상에서 1값이 밀집된 고밀도 영역을 우선적으로 추출한 뒤 그 영역 내에서 무작위로 샘플링을 수행한다. 이를 통해 흐름 성분이 뚜렷하게 드러나는 지점들을 효과적으로 분석 대상으로 활용할 수 있어, 단순 무작위 샘플링보다 잡음의 영향을 줄이고 각도 추정의 정밀성을 높일 수 있다.

Fig. 2.

Angle calculation algorithm based on random sampling and fitness.

2.2 STIV 기반 영상 유량 측정 시스템

STIV 기반 영상 유량 측정 시스템(Fig. 3)은 농업 용수로의 유량을 산정하기 위해 관측 현장에서 획득된 영상 데이터를 일련의 표준화된 절차를 거쳐 신뢰성 있는 유량을 산정하고자 하였다. 이를 위해, 장치 연결 및 데이터 수집(CCTV, 수위계 등), 영상 왜곡 보정, 단면 자료 입력, 측정 지점 선택 및 평균유속 환산계수 입력, 수위, 유속 및 유량 산정 순으로 운용되도록 설계하였다.

Fig. 3.

STIV-based flow measurement system.

장치 연결 및 데이터 수집에서는 현장 수리 환경 데이터의 실시간 수집을 한다. 여기서, 고해상도 CCTV 카메라 또는 현장 설치된 영상 장비로 수면의 움직임을 연속적으로 촬영하고 저장할 수 있다. 그리고 유량 산정에 필수적인 수위 정보를 획득하기 위해 별도로 설치된 수위계와 시스템 간의 통신 연결을 통해 실시간 수위 데이터를 동시 수집할 수 있다.

영상 왜곡 보정 단계에서는 카메라의 설치 각도 및 광학 특성으로 인해 발생하는 영상 왜곡을 제거하고, 영상 좌표를 실제 현장 좌표계로 변환하여 유속의 정량적 측정 기반을 마련하였다. 여기서, 수로 단면에 설치된 기준점을 영상에서 식별하고, 이 기준점의 실제 현장 좌표를 이용하여 영상을 기하학적으로 보정한다. 이 과정을 통해 영상의 픽셀 단위 이동 거리를 실제 길이 단위로 정확하게 환산할 수 있다.

단면 자료 입력 단계에서는 유속과 수위 데이터를 통합하여 유량을 산정하기 위한 수로의 물리적 정보를 시스템에 입력할 수 있다. 비교측정이 수행된 수로 구간의 횡단 측량 자료를 바탕으로 수로의 단면 형상(면적-수위 관계) 데이터를 입력한다. 실시간 수위계 데이터와 입력된 횡단 형상을 연계하여 측정 당시의 정확한 유수 단면적을 계산한다.

측정 지점 선택 및 평균유속 환산계수 입력 단계에서는 STIV 방법을 적용할 수면 영역을 지정하고, STIV로 산정한 표면 유속(V_surface)을 유량 산정에 필요한 단면 평균유속으로 환산하기 위한 계수(α= V_average /V_surface)를 입력한다. 이 연구에서는 ADCP와의 현장 비교측정시 범용 평균유속 환산계수인 0.85를 적용하여 유량을 산정하였다.

2.3 STIV와 ADCP 비교 측정

STIV와 ADCP를 이용한 현장 유속 및 유량 측정 비교를 위해 CCTV를 이용하여 용수로 수면의 움직임 영상을 획득하고, STIV 기법을 이용하여 표면 유속 데이터를 산정하였다. STIV 측정과 동일한 시간에 ADCP를 활용하여 단면 평균 유속 및 유량을 측정하고 이를 STIV 방법과 비교하기 위한 참값으로 사용하였다. 마지막으로 야간 영상의 수집 및 처리를 고려하여, 금회 비교측정 시 주간 및 야간 측정을 실시하였다.

STIV는 일반적인 PIV 방법과 달리 시간 축의 정보를 활용하여 난류나 파동에 의한 오차를 줄이는 데 효과적이며, 본 연구에서는 CCTV 카메라를 이용하여 촬영된 영상을 기반으로 표면 유속을 산정하였다. STIV 시스템은 크게 영상 획득부와 유속 산정 처리부로 구성된다. 영상 획득을 위해 고해상도 CCTV 카메라를 용수로에 설치하였으며, 카메라의 설치 각도 및 촬영 범위는 용수로의 전체 폭을 포함하도록 설정하였다. 유속 산정 처리부에서는 획득된 영상을 기하학적 보정(Geometric correction) 과정을 거쳐 실제 좌표로 변환한 후, STIV 알고리즘을 적용하여 표면유속을 산정한다.

ADCP는 초음파 도플러 효과를 이용하여 물속 미립자에서 반사되는 음파의 주파수 변화를 측정함으로써 수심별 유속 프로파일을 정밀하게 측정하는 장비이다. ADCP는 하천 및 수로의 유량 측정에서 가장 신뢰도가 높은 표준 장비 중 하나로 인정받고 있으며, 본 연구에서는 STIV의 참값 데이터를 획득하기 위한 목적으로 사용되었다.

본 연구에서 현장 비교측정의 대상지는 어우보의 용수를 활용하기 위한 수로의 어우교로 선정하였다. 어우보는 완주군 고산면에서 시작되는 대규모 농업용 수로인 대간선수로의 기점으로 이곳에서 완주, 익산, 군산 지역의 농업 단지에 농업용수를 공급하는 역할을 한다. 이 수로는 벼 재배에 중요한 역할을 하며, 어우보 자체와 상류의 농업용 저수지들로부터 물을 공급받아 만경강 수계의 농업용수의 수급을 맡고 있다(Fig. 4(a)).

Fig. 4.

Measurement site for ADCP-STIV comparison.

3. 연구결과

3.1 STIV와 ADCP 비교 측정 결과

STIV와 ADCP 비교측정은 전라북도 완주군 고산면 봉산길 178 일대에 위치한 어우교 농업 용수로에서 수행되었다. 해당 용수로는 농업용수 공급을 위한 주요 간선수로로 시스템의 현장 적용성을 평가하기에 적합한 조건을 갖추고 있다. 어우교 하류 지점에 CCTV 기반 영상 촬영 지점을 선정하고, 유속 및 수위 관측의 정확도를 높이기 위해 수위계가 설치된 인근 구역에서 진행하였다. 비교측정은 ADCP, 제안 측정은 STIV 방법을 이용하여, 각각 6회 측정하였다. Fig. 5(a)와 같이 STIV 기법을 이용하기 위한 참조점을 설정하였고, Fig. 5(b)와 같이 ADCP를 이용하여 횡단 유속 및 유량 측정을 실시하였다.

Fig. 5.

STIV and ADCP measurements.

동일한 유량 조건 하에서 ADCP와 STIV를 이용하여 각각 6회씩 유량 측정을 수행하였으며, 그 결과는 Table 1과 같다. 표에서 오차는 STIV와 ADCP의 측정값의 차이이며, 오차율은 차이를 ADCP 측정값으로 나눈 값이다. ADCP 평균 유량은 1.091 m³/s이며(Fig. 6(a)), STIV 평균 유량은 1.238 m³/s로 산정되었다(Fig. 6(b)). STIV 측정 결과가 ADCP 대비 평균 약 13.48% 크게 측정되는 정방향 편의가 확인되었다.

Fig. 6.

Results of STIV and ADCP measurements.

이러한 편의는 STIV가 산정한 표면 유속(V_surface)을 단면 평균 유속 (V_average)으로 환산하기 위해 사용되는 평균유속 환산계수(α)가 현장 유황 조건에 비해 크게 설정되었음을 의미한다. 비교 측정을 실시한 수리조건은 수심이 낮아 바닥의 영향을 많이 받는 상황이었기 때문에 일반적인 연직유속분포를 가정한 평균유속과 표면유속의 차이가 조금 크게 나타났을 것으로 판단된다. 평균유속 환산계수 0.85는 영상 유속 측정 분야에서 일반적인 하천 및 수로 조건을 가정한 경우, 표면 유속을 평균 유속으로 환산할 때 경험적으로 많이 사용되는 값 중 하나이지만 대상 지점에 대한 유량 산정 관계에서 평균유속 환산계수를 실측 데이터(ADCP 수심별 유속 프로파일)를 기반으로 재산정할 필요가 있음을 확인하였다.

STIV는 농업 용수로의 경우 필요 시 24시간 상시 모니터링이 요구될 수 있다. 이에 주간뿐만 아니라 야간 환경에서도 주간과 유사한 수준의 정확도와 정밀도를 유지할 수 있어야 하므로 야간 측정을 병행하였다(Fig. 7). 특히, 조도에 따라 민감한 영향을 받을 수 있으므로 일몰 시간을 전후로 4개의 시각대로 구분하여 측정을 실시하였고, 측정 결과는 Fig. 8과 같다. 야간 보정 평균 유량은 평균유속 환산계수를 보정하여, 1.285 m³/s이었다. ADCP (1.091 m³/s) 대비 약 17.78%의 오차율이 확인되었고, 이는 주간 오차율인 13.48%보다 약 4.3% 증가한 것으로 야간 환경으로 인해 시스템의 정확도가 소폭 하락했음을 의미한다.

Fig. 7.

Results of STIV measurements (nighttime).

Fig. 8.

Results of STIV and ADCP measurements (nighttime, graph).

3.2 품질관리 방안

제2차 수문조사 기본계획에서는 수문조사 기관별 목적에 따라 생산기간, 수집주기 및 품질관리 현황이 다름을 고려하여, 국가망 편입시 자료 목적을 고려한 품질관리 기준이 필요함을 제안하였다. 이를 고려하여 CCTV로 산정된 영상 유속도 별도의 품질관리 기준을 제시할 필요가 있다. 이는 현행 하천수 사용 유량은 지사에서 매뉴얼하게 사용량을 보고하는 체계에서 향후 하천수사용관리시스템으로의 직접 연계를 목표로 하고 있기 때문에 일정 수준의 공신력이 확보될 필요가 있겠고, 이에 수문조사 품질관리 기준의 최소한을 준수할 필요가 있다.

수문조사 품질관리 기준에서 반드시 해당되는 사항을 발췌해서 해당 기관의 현황에 맞게 수정 활용해야 하는데, 여기서 반드시 고려해야 할 점은 향후 하천수 사용량 조정에 활용하기 위하여 반드시 일 사용량은 집계되어야 한다는 것이다. 「수자원법」 제11조 및 같은 법 시행령 제10조에 따라 수문자료의 품질을 확보하고 활용성을 강화하기 위하여 수문자료의 공인 및 저장·배포·활용에 관한 기준을 정하고 있다. 해당 기준에서 제5조에 수문조사 자체평가에서 수문조사보고서 작성을 다루고 있고, 이에 따르는 별표 1에 유량산정 방법 검토 및 기본 통계자료를 정하고 있다.

하천수 사용권과 관련하여, 농업용 하천수 일 사용량이 필요하며, 기준에 따르면 일평균 유량이 이에 해당된다. 이를 활용하기 위하여, 정의와 결측 기준을 수정하여 활용하면 되는데, 일단 현행 정의에 따라 하루 1시부터 24시까지 매시 유량의 합을 24로 나눈 유량을 1일을 통하여 운영 시작부터 종료까지 매시 유량의 합을 운영시간으로 나눈 유량으로 수정하면 된다. 아울러, 현행 시간유량이 결측인 경우 결측 처리를 하는 기준을 준용하되, 단서 조항으로 결측 보완 방법으로 처리한 경우, 이를 확정값으로 간주함을 포함하면 되겠다.

STIV는 비접촉식이라는 장점에도 불구하고, 현장 환경(수로 형태, 조도, 수면 조건)에서 지속적인 고품질 데이터를 얻기 위해서는 초기 설치 단계부터 주기적인 검보정 단계까지 체계적인 품질관리가 필요하다. 영상 및 참조점 관리, 평균유속 환산계수 관리, 검보정 측정 및 주기적 시행으로 구분될 수 있으며, 이들을 통하여, 기하학적 왜곡과 유속 분포 추정 오차를 최소화하고 측정 오차를 제거할 수 있다.

영상 및 참조점 관리에서는 카메라의 미세한 흔들림이나 설치각 변화는 영상 내 참조점의 좌표를 변화시켜 유속 산정의 기초가 되는 거리 환산 비율에 오류를 발생시킨다. 이에 카메라 지지대를 견고하게 설치하고, 주기적으로 참조점의 영상 좌표와 실제 현장 좌표를 비교하여 기하학적 보정 상태를 점검해야 한다. 그리고 수면의 햇빛 반사나 그림자가 유속 추적을 방해하지 않도록 카메라의 설치 각도나 필터(편광 필터 등)를 조정해야 한다. 마지막으로 야간 측정 시, 안정적인 유속 추적을 위해 보조 광원의 균일성을 확보하고, 과도한 영상 노이즈 발생 시 노이즈 제거 전처리 필터를 강화할 필요가 있다.

평균유속 환산계수는 유량 측정 정확도에 가장 큰 영향을 미치는 요소로 수로의 횡단 형상, 측벽 및 하상 조도, 수심 등 현장 고유의 수리적 특성에 따라 달라진다. 일률적인 값을 적용하면 어우교 테스트에서 확인된 바와 같이 체계적인 오차가 발생한다. 이에 ADCP를 이용해 다양한 수위 조건에서 수심별 유속 프로파일을 측정하고, 각 조건에서 ADCP를 통해 산정된 표면 유속과 평균 유속의 비율을 계산하여 현장 특화 평균유속 환산계수를 산정해야 한다. 그리고 저수위, 평수위 및 고수위 등 유황 조건별로 평균유속 환산계수를 이원화하여 관리하거나, 평균유속 환산계수를 수위의 함수로 나타내는 관계식을 구축하여 실시간으로 적용할 필요도 있다.

STIV 방법으로 산정한 유량과 ADCP가 산정한 유량 간의 오차를 정량적으로 파악하고 보정하는 과정이 필수적이다. ADCP와 STIV 측정을 동일 수위 및 동일 유황 조건에서 동시에 수행하여 환경적 변수를 최소화해야 한다(최소 6회 이상 반복 측정 권장). 이에 최소 연 6회 이상 정기적인 검보정을 수행하여 평균유속 환산계수의 유효성을 확인해야 한다. 그리고 용수로의 물리적 변화(예: 용수로 퇴적, 측벽 구조물 변경, 카메라 위치 변경)가 발생했을 경우 즉시 검보정을 수행하여 새로운 평균유속 환산계수를 적용할 수 있는 체계도 요구된다.

4. 결론 및 토의

STIV 기반 영상 유량 계측은 6회 반복 측정에서 높은 재현성을 보여 비접촉식 상시 유량 모니터링 시스템으로써 기술의 유효성을 입증하였다. 다만, 측정 결과에서 나타난 평균 13.48%의 오차율을 해소하기 위해 ADCP 측정 자료를 활용한 현장 맞춤형 평균유속 환산계수 재산정 및 시스템 보정 작업이 필수적으로 요구된다. 특정 현장의 유속 분포는 수로의 조도, 침수된 풀, 횡단 형상 및 측벽 마찰 등에 따라 크게 달라질 수 있다. 평균유속 환산계수 0.85는 범용적인 평균값일 뿐이며, 모든 수로에 0.85를 적용할 경우, 현장 오차가 커질 수 있다. 어우교 비교측정 결과에서 STIV가 ADCP보다 유량이 많게 측정된 것은 현재 시스템에 적용된 평균유속 환산계수가 실제 어우교의 계수보다 높게 설정되어 있기 때문이다. 비교측정 결과, 실제 어우교에 적합한 계수는 0.85/1.1348≈0.75 수준일 수 있음을 확인하였다.

야간 측정에서 주간 대비 오차율이 소폭 증가하였고, 무보정 데이터의 신뢰성이 크게 저하됨을 확인하였다. 이는 조도 부족으로 인한 영상 노이즈 증가와 추적 성능 저하에 기인한다. 따라서 안정적인 24시간 운영을 위해서는 고성능 보조 광원과 야간 영상 노이즈 처리 알고리즘 개발이 필수적이며, 최종적으로는 주야간 환경 변화에 대응하는 이원화된 평균유속 환산계수 또는 보정 모델을 적용하여 연속 측정의 신뢰도를 확보해야 한다. STIV 시스템은 농업용수로의 실시간 유량 정보를 간편하게 취득할 수 있는 가장 효과적인 대안이다. 현업 확산을 위해서는 현장 특화 평균유속 환산계수의 검보정 및 지점별 자료 품질관리 지침 마련이 최우선 과제이며, 이는 CCTV 자원을 활용한 농업 수자원 조사 체계 표준화 및 플랫폼 구축의 기반이 될 것으로 기대된다.