Study on interferometric coherence model and its application to natural disaster detection using single and full polarimetric SAR data

Abstract

자연 재해에 대한 빠른 대응과 복구를 위해서는 피해 지역에 대한 평가가 선행되어야 하며, 그런 의미로 피해 지역을 탐지하는 것은 매우 중요하다. SAR 시스템은 기상적 조건과 주야에 무관하게 영상을 획득할 수 있으므로, 변화 혹은 피해 지역을 탐지할 수 있는 효율적인 방법이라고 알려져 있다. 또한 SAR 시스템을 통하여 계산할 수 있는 긴밀도 (coherence)는 지표의 산란체의 움직임 혹은 유전적 성질에 변화에 매우 민감하게 반응하기 때문에 피해를 탐지하기에 적합하다고 평가되어 왔다. 그러나 긴밀도를 이용한 자연재해의 피해 탐지에는 어려움이 존재할 수 있다. 즉, 탐지하고자 하는 자연재해로 인한 피해와 비, 눈, 바람과 같은 기상현상, 혹은 식생의 자연적인 변화가 미치는 영향이 긴밀도에서는 유사하게 발생할 수 있기 때문이다. 이것은 레이더 신호의 긴밀도가 미세한 변화에도 민감하게 반응하는 특징으로부터 기인한다. 그러므로 자연 현상으로부터 발생하는 긴밀도 감소 현상은 피해 탐지 알고리즘에서 오탐지율을 증가시키는 원인이 되며, 자연 재해의 영향과 분리해야 할 필요성이 있다. 또한 다양한 지표 특성을 가지는 픽셀들은 자연 현상에 대한 각기 다른 긴밀도 특성을 가지고 있기 때문에 정확한 피해 탐지를 위해서는 각 픽셀들에서의 독립적인 평가가 필요하다.

긴밀도를 결정하는 요인들이 다양하고 복합적으로 작용하기 때문에 해석에 어려움이 있다는 점 역시 긴밀도 기반 피해 탐지 알고리즘의 한계점이다. 특히 식생이 존재하는 지역에서의 긴밀도의 변화는 더욱 복잡하게 나타날 수 있다. 그 이유는 유전적 성질을 지니고 있는 산란체들이 식생에서는 수직적으로 분포하며, 파장이 긴 레이더 신호가 이를 투과함에 따라 식생의 상층부부터 하층부 또한 지표면까지 도달되어 산란되어 긴밀도를 감소시키는 체적 긴밀도 감소 현상(volume decorrelation) 때문이다. 획득 시간이 동일하지 않은 두 장의 SAR 영상을 사용하는 repeat-pass 간섭기법에서는 각 식생의 각 부분에서 발생되는 변화 정보(temporal decorrelation)도 동시에 기록되기 때문에 해석은 더욱 어려워진다.

그러므로 본 연구에서는 다중 시기 긴밀도를 이용하여 자연 현상을 해석 할 수 있는 모델을 제작하고 이를 변화 탐지 알고리즘으로 확장하여, 적용 가능성을 평가하고 정밀한 피해 지역을 추출하는 것을 목적으로 한다. 이를 위하여 첫 번째로는 간섭 기법에서의 시간 차이(temporal baseline)이 길 때, 다중 시기 긴밀도(multi-temporal coherence)를 해석할 수 있는 모델을 제작하는 것을 목적으로 하였다. 두 번째로는 단일 편파의 다중 시기 SAR 영상에서 관측되는 긴밀도를 해석하고, 모델 파라미터를 추출하며, 결과적으로 피해를 탐지하기 위한 방법을 기술하고자 하였다. 세 번째로는 다중편파의 다중 시기 SAR 영상에 대한 해석 방법에 대한 연구를 진행하는 것을 목적으로 하였다.

2장에서는 긴밀도의 측정과 긴밀도를 결정하는 대표적 요인에 대하여 분석하였고 시계열 긴밀도 감소 모델을 수식화하였다. 긴밀도 요인 중 첫 번째는 열잡음 긴밀도 감소(thermal decorrelation)로서, 열 잡음 (thermal noise)로부터 기인되며, 각 산란체의 신호대 잡음비(signal-to-noise ratio)와 밀접한 관련이 있다. 두 번째는 기하학적 비상관성(geometric decorrelation)으로, 두 센서가 다른 위치에서 신호를 송수신할 때 지상에 투영되는 파수의 스펙트럼이 이동함에 따라 발생한다. 세 번째 요인은 일반적으로 체적 비상관성 (volume decorrelation)이라 언급되는 것으로 지상의 매질 안에 산란체가 랜덤하게 분포하고 전자파가 이를 투과할 때 발생하는 위상차이에 의하여 발생된다. 체적 비상관성은 식생에서 주로 관찰되며, 이를 설명하기 위하여 RVoG 모델이 제안되기도 하였다. RVoG 모델은 식생의 잎을 포함하는 체적 레이어와 식생 하부의 지표 레이어를 포함하는 모델로서, 두 레이어에서 결정되는 간섭기법의 위상 및 긴밀도를 설명한다. 마지막 요인은 두 영상 사이에 산란체가 변화할 때 발생하는 시간 비상관성(temporal decorrelation)이다. 픽셀 안의 산란체가 비균질하게 이동하거나, 유전체의 성질이 변화할 경우 발생한다. 일반적인 repeat-pass 간섭기법의 경우 시간 비상관성이 매우 우세하게 나타나는 경우가 많으며, 식생의 경우 체적 비상관성과 시간 비상관성이 동시에 우세하게 나타난다. 식생에서 관찰되는 체적 비상관성과 시간 비상관성을 동시에 설명하는 RMoG 모델이 제안된 바 있다.

본 연구에서는 상대적으로 긴 시간 차이를 가지고 있는 repeat-pass 간섭기법에서 관측되는 긴밀도 모델을 고안하였다. 시간 비상관성을 다루는 RMoG 모델은 두 영상의 시간 차이가 크지 않을 경우, 산란체의 이동이 시간 비상관성을 발생시키는 주된 요인이라는 가정하에 제작되었다. 그러나 일반적인 인공위성 SAR는 수 일 이상의 시간 차이를 가지고 있으며, 다중 시기의 SAR 영상을 다룰 경우, 각각의 시간 차이는 상이하게 나타난다. 이 경우 시간 비상관성을 발생시키는 요인을 산란체의 이동만으로 설명하는 기에는 어려움이 있다. 그러므로 본 연구에서 고안된 모델은 지표에서의 변화를 산란체의 이동과 유전체의 성질 변화가 결합된 상태로 가정하였으며, 식생의 체적 부분은 산란체의 움직임이 체적에서의 시간 긴밀도를 감소시키는 주된 요인으로 생각하였다. 또한 다중 시기의 SAR 영상으로부터 계산된 긴밀도는 시간 차이가 증가함에 따라 긴밀도가 감소하는 현상을 관측할 수 있다. 이러한 특징은 시간 차이가 길 경우 매우 크게 나타날 수 있지만, 이전의 모델은 시간 차이가 짧은 경우를 가정하였기 때문에 그 영향이 중요하지 않았다. 그러므로 본 모델에서는 기존 모델과는 다르게 두 영상의 시간 차이가 증가함에 따라 긴밀도가 감소하는 현상을 설명하고자 지수 형태의 함수를 지표 와 체적 레이어에 각각 도입하였고 이를 시간 종속적 긴밀도(temporally-correlated coherence). 즉, 체적과 지표의 두 레이어 상에서 각각의 시간에 따라서 감소하게 되며, 이는 특정한 시간 차이에서 긴밀도가 형성되었을 때 특별한 현상이 없을 경우 예측될 수 있는 값으로 생각할 수 있다. 반면, 예측되는 값과 실제 관측값과는 차이가 존재하므로 이는 시간 독립적 긴밀도(temporally uncorrelated-coherence)로 해석하였다. 체적과 지표의 시간 긴밀도 감소 현상은 전체 긴밀도에 영향을 주기 때문에 이를 지표와 체적의 비를 도입하여, 각각의 효과가 전체 긴밀도에 주는 영향에 대하여 정량화하였다.

3장에서는 제안된 모델을 기반으로 단일 편파의 다중 시기 SAR 영상에 대하여 긴밀도 변화 탐지 알고리즘의 해석이 고안되었다. 본 방법은 일본의 키리시마 화산의 2011년 화산 폭발로 발생하였던 화산재를 탐지 하는 것을 목적으로 하였으며, 본 목적을 위하여 단일 편파의 ALOS PALSAR 영상이 사용되었다. SAR 영상을 이용하여 시간 차이가 다양하게 긴밀도가 제작되었다. 사용한 multi-looking은 32 look으로 긴밀도의 바이어스가 비교적 작음을 의미한다. 또한 픽셀의 대부분에서의 열적 비상관성(thermal decorrelation)은 무시할 수 있을 정도로 나타났으며, 기하학적 비상관성(geometric decorrelation)은 common-wave spectral filtering을 사용하여 감소되었다. 또한 대상 화산은 식생이 분포하고 있기 때문에 체적 비상관성(volume decorrelation)을 최소화하여야 할 필요성이 있다. 체적 비상관성은 식생의 높이, 식생의 수직적인 구조, 두 레이더 센서의 기선거리(spatial baseline)등에 의하여 결정된다. 식생의 물리적인 파라미터는 연구에서 수정할 수 있는 변수가 아닌 반면, 다중 시기에서 만들어 진 영상은 다수의 기선거리를 가지고 있기 때문에 기선거리에 대한 조건이 설정함으로써 체적 비상관성을 최소화 할 수 있다. RVoG 모델을 기반으로 계산된 결과 ALOS PALSAR의 경우 약 1000m의 기선거리를 가지고 있을 때 체적 긴밀도는 약 0.94 이상이 됨을 알 수 있으며, 이는 체적 긴밀도를 고려하지 않아도 됨을 의미한다. 앞서 2장에서 제안된 긴밀도 모델의 파라미터의 추출을 위하여 자료는 화산 폭발 전의 간섭쌍과 화산폭발 전후의 간섭쌍의 두 그룹으로 나누어졌다. 우선 화산 폭발 이전의 긴밀도에 대한 해석 및 이해를 위하여 긴밀도 모델이 적용되었다. 모델 파라미터에서 중요한 것은 모델에 포함되어 있는 파라미터의 수와 관측 값의 수로, 관측값이 충분할 경우에만 정확한 모델 파라미터 추출이 가능하다. 그러나 단일 편파의 다중 시기 영상을 다루는 경우 미지수의 개수가 더 많기 때문에 정확한 모델 파라미터 추출은 어려울 수 있다. 그러나 본 연구에서는 모델의 특성을 이용한 가정을 바탕으로 모델 파라미터를 추출하고자 하였다. 모델 파라미터 추출의 첫 번째는 지표대 체적비 및 시간 종속적 긴밀도의 추정으로 이는 두 지수 형태의 곡선 적합(curve fitting)으로 수행되었다. 본 결과로부터 추출된 각 픽셀의 특징적 시간 상수(characteristic time constant)는 그 픽셀이 시간의 변화에 따라 긴밀도의 안정성을 보이는 상수로, 높을수록 긴 시간 차이에도 긴밀도가 높음을 의미한다. 일반적으로 인공적인 구조물이나, 식생이 없는 나지(bare soil)에서 높은 값을 보임을 알 수 있으며, 반면 식생이 있는 픽셀은 상대적으로 낮은 값을 보였다. 추정된 결과를 바탕으로 시간 독립적 긴밀도를 추정하였으나, 이 때 미지수가 관측 값의 개수보다 많으므로 파라미터 추정에 불확실성이 존재한다. 그러므로 본 연구에서는 지표와 체적에서의 시간 종속적 긴밀도의 비를 이용하여 각 픽셀 및 각 시간차이를 갖는 긴밀도에서 체적과 지표의 시간 비상관성 중 우세한 현상을 탐지하여 우세하지 않은 현상을 무시할 수 있다고 가정하였다. 즉, 만약 지표의 시간 종속적 긴밀도가 체적의 시간 종속적 긴밀도보다 그 효과가 크다면, 시간 독립적 긴밀도가 주로 지표로부터 기인된다고 가정하는 것이다. 일반적으로 식생의 긴밀도는 지표의 긴밀도와 체적의 긴밀도의 영향이 복합적으로 작용하여 결정된다. 이 때 체적의 긴밀도의 바람에 의하여서도 쉽게 변하기 때문에 시간이 지남에 따라 그 영향이 거의 무시할 수 있게 된다. 그러므로 시간 차이가 짧을 경우 식생이 긴밀도에 주도적으로 영향을 줄 수 있지만, 시간 차이가 긴 경우 지표가 우세하게 긴밀도에 영향을 준다. 이와 같은 가정을 통하여 시간 독립적 긴밀도를 추출하였다. 각 픽셀에서 관찰되는 긴밀도의 현상을 통계적으로 분석하기 위하여 자연 재해가 포함되지 않은 자료의 시간 종속적 파라미터의 히스토그램을 제작하였고, 이를 기반의 자연 재해가 기존에 발생하였던 자연 현상이 가능성을 계산하였다. 반대로 이 수치는 자연 현상이 아닐 확률을 의미하기도 한다. 결론적으로 ALOS 자료를 사용하여 화산재가 쌓여있을 확률도를 계산하였다. 결과의 검증은 실제 현장 조사를 통하여 획득된 화산재의 두께와 영역 밀도 (area density)와의 비교를 통하여 진행되었다. 검증 결과는 두께로 약 5 cm 이상, 영역 밀도로 약 10 kg/m2 이상의 화산재가 쌓인 지역에서 상관성을 보임을 확인하였으며, 이를 바탕으로 성공적으로 재해에 대한 변화를 탐지하였음을 알 수 있었다.

4장에서는 긴밀도 모델을 이용하여 다중 시기의 다중 편파 SAR 영상을 활용하여 자연 재해 탐지 알고리즘에 적용되었다. 본 연구를 위하여 2009년부터 2015년까지의 15장의 UAVSAR 자료가 활용되었으며, 미국 캘리포니아 주에서 발생한 2015년의 산불 중 하나인 Lake fire에 대하여 연구가 진행되었다. 긴밀도 영상에서 산불에 의한 긴밀도 감소 현상을 확인할 수 있었지만, 식생 지역의 자연 현상에 의한 긴밀도 감소 현상과 복합적으로 발생하였기 때문에 해석에 어려움이 있었다. 영상의 진폭 영상을 이용한 자연 재해 탐지에도 산불 탐지할 만큼 민감도가 충분하지 않았다. 3장과 마찬가지로 본 연구 지역에서 긴밀도나 진폭만을 사용해서는 정확한 피해 지도를 만들기 어려웠으며, 그러므로 긴밀도 모델을 적용한 피해 탐지 알고리즘을 적용할 필요성이 있었다. 3장에서 제안된 모델 해석 방법과는 차이점이 있는데, 그것인 본 연구에서 사용되는 UAVSAR 자료가 다중 편파를 가지고 있으며, 공간 기선 거리가 거의 0에 가깝다는 특징이 있기 때문이다. 단일 편파 자료에서는 매개 변수의 값이 관측값보다 많았지만, 다중 편파의 경우 관측값이 더 많다. 그러므로 모델 파라미터 추정에 필요했던 가정을 줄일 수 있다는 장점이 있다. 또한 공간 기선거리가 거의 0에 가깝다는 것도 체적 비상관성을 무시할 수 있다는 것을 의미한다. 그러므로 관측된 긴밀도는 거의 시간 비상관성과 관련 있다고 생각할 수 있다. 모델 파라미터를 추출하기 위한 방법은 크게 3가지로 구성되었다. 첫 번째로는 지표와 체적에 대한 긴밀도 영향을 분리하기 위하여 우선적으로 긴밀도 최적화 알고리즘을 적용하였다. 본 연구에서는 다중 시기 영상마다 다른 최적화 벡터를 상정하는 MSM 알고리즘을 적용하였다. 이 과정을 통하여 관측할 수 있는 긴밀도가 최대치가 되게 만드는 편파와 그와 수직하는 편파를 찾을 수 있으며, 모델 해석과 연관시켰을 때 최대치가 되는 긴밀도는 지표의 변화에, 최소화되는 긴밀도는 체적의 변화와 관련되어 있다고 해석할 수 있다. 두 번째 단계에서는 시간 종속적 긴밀도에 해당하는 변수인 특징적 시간 상수를 추출하였으며, 지표대 체적비 역시 계산하였다. 단일 편파 추정 방법과 다르게 다중 편파 영상에서는 모든 편파의 긴밀도를 이용하여 체적과 지표에서의 시간 종속적 긴밀도를 추정한다. 세번째 단계에서는 체적과 지표에서의 시간 독립적 긴밀도를 동시에 추정하며 3장과는 다른 것은 이 과정에서 가정이 필요하지 않다는 것이다. 본 과정을 통하여 추정된 파라미터 중 시간 독립적 긴밀도는 시간 종속적 긴밀도로부터 설명되지 않는 부분을 추가적으로 설명하는 파라미터로써 갑작스럽게 일어나는 변화를 의미한다. 그러므로 이를 이용하여 각 픽셀에서 과거 동안 발생하였던 자연 현상이 긴밀도에 미치는 영향을 파악할 수 있으며, 산불은 비교적 강한 긴밀도 감소를 발생시키기 때문에 통계적인 접근을 통하여 확률적인 피해 가능성을 분석할 수 있었다. 산불의 경계 부분의 자료와의 상대적인 비교를 통한 검증 결과을 통하여 긴밀도만을 이용하여 피해 지역을 추정하는 방법보다 오탐지률을 줄일 수 있는 것을 알 수 있었다.

4장에서 사용된 모델 파라미터 추정 결과의 검증을 위하여 이전의 검증이 진행되어 왔던 RMoG 모델과 상대 비교를 진행하였다. RMoG의 체적과 지표 부분의 시간 비상관성 함수는 본 연구에서 사용된 모델의 시간 종속적 긴밀도와 시간 독립적 긴밀도의 곱으로 표현될 수 있다. 비교한 결과는 높은 상관성을 보이는 것으로 확인되었다. 또한 단일 편파와 다중 편파를 사용한 모델 파라미터 추정 결과와 재해 탐지 결과도 비교하였다. 모델 파라미터 추정의 경우, 단일 편파에서 추정된 결과가 다소 작음이 확인되었으며, 이것은 단일 편파(HH)가 지표와 체적 사이의 산란 중심에서 기록된 것으로 그 원인을 추정해볼 수 있다. 그럼에도 불구하고 피해탐지 방법에서의 정확도는 다중 편파를 사용하는 방법에 우세하게 나타났지만, 거의 유사한 정도의 정확도를 가지고 있음을 확인할 수 있었다.

본 연구에서 제안된 피해 탐지 알고리즘은 자연 현상에서 비롯되는 긴밀도 감소 현상을 분석하여 자연 재해로부터 발생하는 현상을 구별하여 피해로 규정하였다. 이를 통해, 기존의 알고리즘 보다 정확도를 향상시킬 수 있었다. 또한 다중 편파 간섭계 SAR 자료를 사용함으로써, 다중 편파에 기록되어 있는 다른 산란 중심에서의 변화를 이용하여 체적 및 지표에서의 변화를 독립적으로 평가하여 피해를 탐지하였다. 이와 같은 알고리즘은 다수의 자연 재해에 적용될 수 있으며, 각 픽셀의 긴밀도 특성을 반영하기 때문에 다양한 지표 타입에 적용될 수 있을 것으로 기대된다. 또한 물리적인 해석을 병합하여 피해의 심각도를 정량화 할 수 있은 가능성 역시 존재 하며, 향후 발사될 인공위성의 미션에서도 적용될 수 있기 때문에 본 연구의 의의가 크다고 판단할 수 있다.

For rapid response and efficient recovery, the accurate assessment of damaged area caused by the natural disaster is essential. SAR system has been known as a powerful and effective tool for estimating damaged area due to its imaging capability at night and cloudy days. One of the damage assessment methods is based on interferometric coherence generated from two or more SAR images, namely coherent change detection. The interferometric coherence is a very sensitive detector to subtle changes induced by dielectric properties and positional disturbance of scatterers. However, the conventional approaches using the interferometric coherence have several limitations in understanding the damage mechanism caused by natural disasters and providing the accurate spatial information. These limitations come from the complicated mechanism determining the coherence. A number of sources including the sensor geometry, radar parameters, and surface conditions can induce the decorrelation. In particular, the interpretation complexity of the interferometric coherence is severe over the vegetated area, due to the volumetric decorrelation and temporal decorrelation. It is a remaining problem that the decorrelation caused by the natural phenomena such as the wind, rain, and snow can come along the decorrelation caused by natural disaster. Therefore, a new accurate approach needs to be designed in order to interpret the decorrelation sources and discriminate the effect of natural disaster from that of natural phenomena. This research starts from the development of the temporal decorrelation model to interpret the interferometric coherence observed in multi-temporal SAR data. Then, the coherence model is extended to be applied to the damage mapping algorithm for single- and fully-polarimetric SAR data for detecting the damaged area caused by volcanic ash and wildfire. The coherence model is designed so that it explains the coherence behavior observed in the multi-temporal SAR data. The noticeable characteristic is that the interferometric coherence tends to decrease as the time-interval increases. Also, the coherence for multi-layer is determined by the different contributions of each layer. For example, the volume and ground layer can affect the total coherence observed in the forest area. In order to reflect the realistic condition and physically interpret the coherence, the coherence model proposed in this research includes several decorrelation sources such as temporally correlated dielectric changes, temporally uncorrelated dielectric changes and the motions in the two layers

i.e. ground and volume layer. According to the proposed model, the coherent behavior of each layer is explained by exponentially decreasing coherence (temporally-correlated coherence), and the difference between the observed coherence and the temporally-correlated coherence is interpreted as the temporally-uncorrelated coherence. The ground-to-volume ratio plays an important role to determine the contributions of temporal decorrelations in ground and volume layer. Suggested model is applied into the coherent change detection for multi-temporal and single-polarized SAR data. The method is evaluated for detection of volcanic ash emitted from Kirishima volcano in 2011 using ALOS PALSAR data. The criterion of the spatial baseline is calculated based on the Random Volume over Ground model to minimize the volumetric decorrelation. The model parameters are extracted under the several assumptions, and then the historical coherence behavior is analyzed using kernel density estimation method. By comparing the changes of model parameters between the reference pairs and event pairs, the probability of surface changes caused by volcanic ash is defined. The in-situ data, which measure the depth and area density of volcanic ash, is compared with the calculated probability maps for determining the threshold and evaluating the performance. The correlation is found over the area where the depth of the volcanic ash is more than 5 cm and the area density is more than 10 kg/m2. The temporal decorrelation model is also used for change detection using multi-temporal and fully-polarimetric interferometric SAR data. By introducing polarimetric and interferometric SAR data, the assumptions used in the method for single-polarized SAR data are reduced and the changes of two layer can be estimated separately. The approach is applied to detect the burnt area caused by the Lake fire, in June 2015 using UAVSAR data. Even though, coherence analysis shows the loss of coherence due to the fire event, the temporal decorrelation caused by the natural changes is mixed with the signal of the event. In order to apply the coherence model and extract the model parameter, here, the three steps are proposed

coherence optimization, temporally-correlated coherence estimation, and temporally-uncorrelated coherence estimation. Then, the extracted model parameters are used for the damage assessment using the probability determination based on the history of natural phenomena. The final generated damage map shows higher performance than the damage mapping method using coherence only. Also, the comparison result with the RMoG model shows high agreement, which implies the extraction of the model parameters is reliable. One of the advantages of the proposed algorithm is that the more accurate delineation of damage area can be expected by isolating the decorrelation caused by the natural disaster from the effect of natural phenomena. Moreover, a distinguishable benefit can be obtained that the changes over ground and volume layers can be assessed separately by utilizing the multi-temporal full-polarimetric SAR data.