기후 변화로 인해 전 세계적으로 이상 기상 현상이 빈번해지고 있으며, 한국에서도 강수의 지역 및 계절별 편중, 국지적인 가뭄 발생의 빈도와 강도가 증가하고 있다(Ahn and Kim, 2010; Park et al., 2008). 이러한 상황은 농업용수의 안정적 공급에 대한 불확실성을 가중시키고 있다. 농업용수 공급을 위한 대표적인 농업기반시설인 저수지는 안정적인 농업용수 공급 뿐만 아니라 국가 식량 안보와 농촌 경제 유지에도 중요한 역할을 하고 있다(Song et al., 2023). 우리나라에는 전국적으로 17,080개소의 저수지가 분포하고 있으며, 이 중 3,428개소는 한국농어촌공사가, 13,652개소는 시군에서 관리하고 있다. 이러한 저수지는 전체 관개 면적(653,598 ha)의 약 63.5% (415,316 ha)에 농업용수를 공급하며(Table 1), 안정적인 농업 활동에 기여하고 있다(Ministry of Agriculture, Food and Rural Affairs, 2023).

Table 1 . Reservoir status.

Category		Reservoir
Total	No. of sites	17,080
	Area (ha)	415,316
KRC	No. of sites	3,428
	Area (ha)	316,541
Municipal	No. of sites	13,652
	Area (ha)	98,775

KRC: Korea Rural Community Corporation..

저수지 준설은 퇴적물로 인해 감소한 저수용량을 회복하고 농업용수 공급의 안정성을 확보하기 위한 중요한 저수지 관리 방안 중 하나이다. 준설 대상지는 퇴적량, 상습 가뭄 지역, 필요 수량, 용수 공급 능력 등 다양한 요인을 종합적으로 고려하여 선정된다. 특히 준설 대상지 선정의 주요 조건 중 하나인 퇴적량 평가는 저수지의 수위가 낮을 때 더 정확히 이루어질 수 있기 때문에 준설 대상지 선정은 주로 수위가 낮은 시기에 진행된다. 그러나 이러한 시간적 제약은 충분한 현장 관측을 바탕으로한 객관적인 기준을 적용하기 어렵게 만들며, 이로 인해 업무 담당자가 경험과 판단에 의존해야 하는 상황이 발생하기도 한다.

저수지는 축조 이후 시간이 지남에 따라 퇴적물이 점진적으로 축적되며, 물의 흐름이 느려지는 구간에 집중적으로 쌓이는 경향이 있다(Cho and Ryu, 2024). 이러한 퇴적이 지속적으로 축적되면 동일한 수위에서도 수면적이 감소하는 결과를 초래할 수 있다(Fig. 1). 기존 연구에서는 저수지의 퇴적물 축적 과정과 저수용량 변화에 대한 연구(Lee et al., 2005; 2016), 준설이 호수의 형태 변화에 미치는 영향 연구(Qi et al., 2014)가 수행되었으나, 준설 대상지 선정을 위한 체계적인 분석 방법을 제시한 연구는 부족한 실정이다. 특히, 위성 영상을 활용하여 준설 대상지를 객관적으로 선정하는 연구는 국내외에서도 거의 수행되지 않았다.

Figure 1. Time-lapse illustration of sediment accumulation and its impact on reduced water surface area in reservoirs.

Figure 2. Location map of reservoirs (reprinted from Cho and Ryu, 2024).

본 연구는 선행 연구(Cho and Ryu, 2024)의 결과를 바탕으로 위성 영상을 활용한 준설 대상지 우선순위 선정 방법을 제시하여, 준설 대상지 선정에 대한 객관적 의사결정을 지원할 수 있는 근거 자료를 제공하는 데 기여하고자 한다.

2.1. 연구 대상

Sentinel-1 Synthetic Aperture Radar (SAR) 영상은 약 10 m의 공간해상도를 제공하여 대규모 농업용 저수지의 수면적을 모니터링하는 데 적합하나, 소규모 저수지에서는 정확도에 한계가 있을 수 있다(Lee et al., 2022). 이러한 한계를 고려하여, 한국농어촌공사가 관리하는 만수면적 100 ha 이상의 대규모 저수지 중 이전 연구(Cho and Ryu, 2024)에서 선정된 10개 저수지를 연구 대상으로 채택하였다. 이전 연구에서는 이들 저수지에 대해 분할 및 병합(Split and Merge), 영역 성장(RegionGrowing) 그리고 임계값 기반 이미지 분할 기법(Threshold-based Segmentation)을 적용하여 위성 영상을 분석하고, 각 기법으로 산출된 수면적과 현장 관측 수면적 간의 상관성을 평가하였다. 본 연구에서는 이러한 결과를 바탕으로, 가장 높은 상관계수를 보인 기법으로 산출된 수면적 값을 활용하였다(Table 2).

Table 2 . Selected methods and correlation coefficients by reservoir (modified from Cho and Ryu, 2024).

Reservoir	Selected Method	Correlation Coefficient
Togyo	Split and merge	0.74
Maengdong	Threshold-based segmentation	0.78
Dongbu	Region growing	0.81
Yedang	Threshold-based segmentation	0.93
Seongam	Threshold-based segmentation	0.92
Dongwha	Split and merge	0.96
Gui	Region growing	0.70
Bomoon	Split and merge	0.95
Otae	Split and merge	0.98
Seongju	Region growing	0.91

2.2. 연구 자료

2.2.1. 저수지 저수율 및 표고별 수면적자료

한국농어촌공사가 관리하는 저수지 중 저수용량이 10만 m3 이상인 1,764개소에는 자동 수위 측정기가 설치되어 있어, 이를 바탕으로 산출된 저수율 자료를 본 연구에서 활용하였다. 또한, 2005년 전국적인 일제조사로 구축된 저수지의 표고별 수면적 자료를 현장 관측 수면적 자료로 참고하였다. 이 두 자료는 저수지 준설 대상지 우선순위 선정을 위해 위성영상으로부터 추정한 수면적을 검증하는자료로 사용되었다.

2.2.2. Sentinel-1 SAR 영상

Sentinel-1 SAR 영상은 Google Earth Engine (GEE)을 통해 수집하였다. GEE에서 제공되는 Sentinel-1 SAR 영상은 방사보정, 기하학적 보정, 열 잡음 제거 등 전처리된 데이터로 제공되어 추가적인 전처리는 필요하지 않았다. 그러나 본 연구에서는 레이더(radar) 영상 특유의 스페클 노이즈(speckle noise)를 줄이고 저수지 수면적 변화 모니터링의 정확도를 높이기 위해 Refined Lee 필터와 Lee Sigma 필터를 추가적으로 적용하였다. Sentinel-1 SAR영상의 4가지 관측 모드(Interferometric Wide Swath [IW], Extra Wide Swath [EW], Strip Map [SM], Wave [WV]) 중 본 연구에서는 2015년 5월부터 2023년 12월까지 촬영된 VV 편파 IW모드의 Ground Range Detected Level-1 (GRD L1) 영상(해상도 10 m) 4,693장을 활용하여 수면적의 변화를 분석하였다(Table 3).

Table 3 . The number of Sentinel-1 satellite images used per reservoir (reprinted from Cho and Ryu, 2024)..

Reservoir	Number of Satellite Images
Total	4,693
Togyo	609
Maengdong	489
Dongbu	418
Yedang	418
Seongam	418
Dongwha	371
Gui	372
Bomoon	357
Otae	510
Seongju	731

2.3. 연구 방법

2.3.1. 이상치 제거

본 연구에서는 준설 대상지 선정을 위해 위성 산출 수면적과 현장 관측 수면적의 비율을 시계열로 분석하여 수면적 변화 추세를 파악하였다. 또한, 이상치 제거를 통해 수면적 비율의 시계열 분석의 정확성과 안정성을 확보하였다. 이상치 제거에는 Interquartile Range (IQR) 방법과 Z-score 방법을 사용하였다(Joo and Cho, 2016).

IQR 방법은 데이터의 분위값을 이용하여 정의하는 지표로, 데이터의 1분위수(Q1)와 3분위수(Q3)의 차이로 계산된다. Q1은 데이터를 크기 순으로 정렬했을 때 데이터의 하위 25%와 나머지 75%를 나누는 경계값으로, 데이터의 25번째 백분위수에 해당한다. Q3은 상위 25%와 나머지 75%를 나누는 경계값으로, 데이터의 75번째 백분위수에 해당한다. 본 연구에서는 Q1과 Q3의 차이인 IQR의 1.5배를 이상치 탐지 범위로 정의하였다. 데이터가 Q1에서 IQR의 1.5배를 뺀 값보다 작거나 Q3에서 IQR의 1.5배를 더한 값보다 크면 이상치로 간주하였다(Leys et al., 2013).

IQR 방법으로 1차 이상치를 제거한 후 남은 데이터에 대해 Z-score를 이용하여 2차 이상치를 제거하였다. Z-score는 데이터의 평균과 표준편차를 활용하여 관측값이 평균으로부터 얼마나 떨어져 있는지를 표준편차 단위로 나타내는 지표이다. Z-score는 관측값이 데이터의 평균에서얼마나 떨어져 있는지를 표준편차 단위로 나타내므로, 데이터의 상대적 위치를 평가하는데 유용하다. 본 연구에서는 Zscore의 절댓값이 3 이상인 값을 이상치로 정의하고 이를 제거하였다(Aggarwal et al., 2019).

2.3.2. 기울기 유의성 분석

기울기 유의성 분석(significance of slope analysis) 수면적 비율 변화 추세선의 기울기가 매우 작게 나타나(최대 1.614e-5 day^–1, 최소 8.432e-7 day^–1), 이러한 기울기가 통계적으로 유의미한지 평가하기 위해 기울기 유의성 분석을 수행하였다. 이를 위해 Student’s t-검정을 기반으로 한 p-value 계산 방법을 적용하였으며, 기울기가 0이라는 귀무가설(null hypothesis)을 검정하였다. 추가적으로, 분석의 신뢰도를 높이기 위해 랜덤 노이즈(random noise)를 포함한 상태에서도 동일한 분석을 수행하였다.

2.3.3. 위성 산출 수면적 대비 현장 관측 수면적 비율의 시계열 분석

저수지 수면적은 일반적으로 수위 상승과 더불어 증가한다. 따라서 시간 경과에 따른 수면적을 분석할 시 동일한 수위에 해당되는 수면적을 비교해야 하는데, 위성영상의 시계열 간격을 고려할 경우 동일 수위에 대한 관측값의 샘플수가 감소할 수 밖에 없고, 이는 결과값의 통계적 신뢰도에 영향을 준다. 이를 극복하기 위하여 본 연구에서는 ‘수면적 비율’(위성 산출 수면적과 현장 관측 수면적의 비율)이라는 개념을 도입하였다. 여기서 수면적 비율은 위성 산출 수면적을 현장 관측 수면적으로 나눈 값으로 정의된다. 즉 초기 기준값 대비 수면적 감소/증가의 비율은 저수지 수위에 영향을 덜 받아 수위에 관계없이 시간경과에 따른 저수율 감소를 알려주는 지시자로 사용될 수 있다는 가정이다. 이를 기반으로 시간 경과에 따른 저수율변화를 파악하기 위해, 수면적 비율을 일별로 계산하고 해당 시점의 저수율 값을 결합하여 시계열 데이터를 생성하였다. 참고로 기준시점 수위에 따른 현장 관측 수면적은 2005년 전국적인 일제조사로 구축된 저수지의 표고별 수면적 자료를 이용하여 도출하였다. 생성된 데이터는 저수 율의 색상 변화를 활용한 그래프를 통해 시각적으로 분석하였으며, 이를 통해 저수율이 높거나 낮은 상황에서 수면적 비율의 변동 패턴을 확인하였다. 또한 선형 회귀 분석을 통해 시간 경과에 따른 수면적 비율 변화의 민감도를 기울기로 정량적으로 평가하였다.

2.3.4. Lowess 분석을 통한 국소적 패턴 분석

2.3.3의 위성 산출 수면적 대비 현장 관측 수면적 비율의 시계열 분석 결과, 일부 저수지에서 수면적 비율이 계절별 수위변화에 따라 반복

패턴을 보여주고, 이로 인한 진폭이 장기 추세에 비해 과도하게 나타나 감소 추세나 증가 추세 추정에 영향을 주는 사례가 나타났다. 해당 저수지에서는 수위변화에 따른 수면적 비율값이 명확한 추세를 보이는데, 이 추세는 저수지에 따라 선형 혹은 비선형 패턴을 보이고, 이 패턴은 해당 저수지의 수위별 수면형태 변화의 영향으로 추정된다. 과도한 계절적 ‘수면적 비율·수위’ 패턴의 영향을 제거하기 위해 LocallyWeighted Scatterplot Smoothing (Lowess) 분석을 적용하였다. Lowess는 각 데이터 점 주변의 이웃 데이터를 가중 평균하여 국소적으로 회귀선을 적합시키는 방법으로, 계절적 요인에 따른 장기적 변화(비선형적 추세)와 국소적 변동성을 분리하는데 효과적이다(Cleveland, 1979). Lowess 분석 결과를 바탕으로 각 데이터 점과 추세선 간의 차이값(오차)을 계산하여 계절적 패턴을 반영한 추세를 유지하면서도, 이상적으로 변동성이 큰 데이터(비정상적으로 높은 변동성)를 보정하여 수면적 비율의 진폭을 줄였다.

3.1. 위성 산출 수면적 대비 현장 관측 수면적 비율의 시계열 분석

시간 경과에 따른 수면적 비율과 저수율 간의 관계를 시계열적으로 분석하여, 저수율 변화가 수면적 비율에 미치는 영향을 평가하였다. 이를 통해 저수율과 수면적 비율의 상관성을 파악하고, 퇴적물 축적과 같은 외부 요인이 수면적 변화에 영향을 미치고 있을 가능성을 추정할 수 있었다.

각 수면적 비율의 변화 추세선 기울기 절대값이 1.614e-5 day^–1 (맹동)에서 8.432e-7 day^–1 (토교)과 같이 매우 작은 값으로 나타나, 이러한 기울기가 통계적으로 유의미한지 평가하기 위해 기울기 유의성 분석을 수행하였다. 기울기 유의성 분석에는 Student’s t-검정을 기반으로 한 p-value 계산 방법을 사용하였다. t-검정은 선형 회귀 분석에서 가장 널리 사용되는 통계적 검정 방법으로, 회귀 모델의 기울기가 실제로 0인지 여부를 효율적으로 검증할 수 있는 도구이다(Montgomery and Runger, 2014). t-검정에서 계산된 p-value는 추세선의 기울기가 0이라고 가정했을 때, 위성으로부터 산출된 수면적과 현장 관측 수면적의 비율에서 관찰된 변화 패턴이 나타날 확률을 의미한다. 일반적으로 p-value가 0.05보다 작으면 기울기가 0이라는 가설이 성립하지 않는다고 해석하여, 이를 통계적으로 유의미하다고 판단한다(Wasserstein and Lazar, 2016).

기울기 유의성 분석은 노이즈를 포함하지 않은 상태와 포함한 상태, 두 가지 방법으로 수행하였다. 먼저, 노이즈를 포함하지 않은 상태에서는 모든 저수지에서 p-value가 0으로 나타나 기울기가 통계적으로 유의미함을 확인하였다. 그러나 위성 데이터 및 현장 관측 데이터에는 측정 및 환경적 변동성에 의해 발생하는 오차가 포함될 수 있으므로, 데이터에 존재하는 측정 오차 및 변동성을 반영하여 통계분석의 신뢰도를 높이고, 실제 상황을 더 잘 반영하기 위해 이 오차 및 변동성을 노이즈로 수치화하여 추가한 상태에서 분석을 반복하 였다. 본 연구에서 추가한 노이즈는 기울기 절댓값의 범위(1.614e-5 ~ 8.432e-7)를 고려하여 정규분포를 따르는 랜덤 노이즈를 추가한 상태에서 분석을 반복하였다(Kalapanidas, 2003). 노이즈를 포함한 분석 결과, 연구 대상 저수지 대부분에서 p-value가 0.05 미만으로 나타나 기울기가 통계적으로 유의미한 수준임을 확인하였다. 이를 바탕으로 추정된 기울기를 활용하여 수면적의 변화를 분석하거나, 장기적인 변화 경향을 평가하는 데 활용할 수 있을 것으로 판단된다.

Fig. 3에서 보이듯 대부분의 저수지에서 시간이 지남에 따라 수면적 비율이 감소하는 경향을 나타냈다. 이는 시간이 지남에 따라 퇴적물이 축적되면서 수면적이 줄어드는 현상을 반영한다. 특히, 맹동, 동부, 예당, 성주 저수지에서는 수면적 비율의 뚜렷한 감소 추세가 관 찰되었다. 반면, 토교, 구이, 오태 저수지는 수면적 비율이 소폭 증가하는 양상을 보였다. 이는 퇴적물 축적 이외의 요인들이 영향을 미쳤을 가능성을 시사한다. 예를 들어, 표고별 수면적 자료의 오차, 위성 해상도로 인한 수면적의 과대 또는 과소 추정 그리고 위성 관측 값(2015~2023년)과 현장 관측 값(2005년) 간의 시간 차이로 인한 저수지 수면적 변동이 주요 요인으로 작용했을 수 있다(Cho and Ryu, 2024). 저수율과 수면적 비율 간의 관계를 시각적으로 분석하기 위해 저수율을 색상으로 표현하였다. 그래프를 통해 저수율이 낮을 때 일부 저수지(예: 맹동)에서는 수면적 비율의 변동성이 커지는 경향이 확인되었다. 이는 저수율이 낮아짐에 따라 노출된 저수지 바닥이 수면적 비율에 더 큰 영향을 미칠 가능성을 시사한다. 반면, 저수율이 높은 경우 대체로 수면적 비율이 안정적으로 유지되는 경향이 관찰되었다. 이는 저수율이 높은 경우, 퇴적물이 쌓여 있더라도 수면이 그 위를 덮고 있어 위성이 직접 퇴적물의 축적을 감지하는 데 한계가 있기 때문으로 판단된다.

Figure 3. Trend analysis of water area ratio and water rate over time.

본 연구 결과는 저수율 변화가 수면적 비율에 직접적인 영향을 미치는 주요 요인으로 작용한다는 점을 시사한다. 특히, 저수율이 낮은 상황에서는 퇴적물의 영향을 보다 명확히 관찰할 수 있었다. 또한, 시간 경과에 따라 수면적 비율이 감소하는 저수지의 경우, 퇴적물이 수면적 변화의 주요 요인으로 작용했을 가능성이 높은 것으로 판단된다.

3.2. Lowess 분석을 통한 국소적 패턴 분석

Lowess 분석 결과, 맹동 저수지는 3.1의 시계열 분석에서 감소 추세로 나타났던 것과 달리 증가 추세를 보였고, 토교 저수지는 증가 추세에서 감소 추세를 보였다. 이는 Lowess 분석이 수위 변화로 인한 계절적 반복 패턴과 진폭 과도 현상을 보정하고, 데이터의 비선형적 변화를 제거함으로써 본래의 장기적 경향을 효과적으로 반영한 결과로 해석된다. Lowess는 국소적 회귀선을 적합시키는 방식을 통해 기존 분석에서 과대 또는 과소 반영된 변동성을 완화하고, 숨겨진 경향성을 명확히 드러낼 수 있었다. 결론적으로, Lowess 분석은 특정 저수지에서 수위 변화에 따라 왜곡되었던 비율 패턴을 보정하고, 기존 시계열 분석의 한계를 보완하여 데이터의 본질적 경향성을 보다 정밀하게 확인할 수 있게 해주었다.

한편, 맹동 저수지와 오태 저수지의 수면적 비가 증가한 원인을 분석한 결과, 이는 4대강 사업의 일환으로 시행된 저수지 둑 높이기 사 업과 관련이 있는 것으로 판단된다. 본 연구에서 활용된 현장 관측 면적 자료는 2005년에 시행된 저수지 수면적 일제조사를 통해 구축된 데이터이다. 그러나 맹동 저수지는 2012년, 오태 저수지는 2013년에 둑 높이기 사업이 완료되면서 수면적이 증가하여, 맹동 저수지는 105 ha에서 113 ha로, 오태 저수지는 113 ha에서 139 ha로 각각 확대되었다. 이러한 물리적 변화는 위성 산출 수면적 비율이 증가 추세를 보이게 만든 주요 요인으로 판단된다. 즉, 현장 관측 면적이 2005년 데이터를 기준으로 하고 있어 둑 높이기 사업 이후 위성에서 산출된 수면적이 증가하면서 맹동과 오태 저수지의 수면적 비율이 장기적으로 증가한 것이다. 이러한 결과는 수문학적 조건과 저수지의 구조적 변화가 수면적 비율의 변화에 중요한 영향을 미친다는 점을 시사한다. 반면, 구이 저수지의 수면적 비 증가 원인은 관리 부서에 확인을 했음에도 불구하고 명확히 파악되지 않았으며, 추가적인 분석이 필요하다.

수면적 비율이 감소하는 경향을 보인 저수지들에 대해 시설 관리 담당자의 의견을 참고한 결과, 수면적 비율이 감소한 저수지 들은 최근 10년간 준설 작업이 이루어지지 않아 퇴적물이 축적된 것이 주요 원인으로 지목되었다. 이러한 퇴적물 축적은 저수지의 유효 수면적을 감소시키는 주요 요인으로 작용하며, 이는 위성 데이터에서 확인된 수면적 비율 감소 추세와 일치하는 결과를 보였다. 이상의 결과는 저수지별로 퇴적물 축적과 환경적 요인이 수면적 비율 변화에 미치는 영향을 종합적으로 이해하는 데 기여할 수 있다. 특히, 수면적 비율이 감소하는 경향을 보인 저수지들은 퇴적물 축적이 주요 원인일 가능성이 높아 준설 우선 대상지로 고려될 수 있을 것이다.

3.3. 저수지 준설 대상지 우선순위 선정

Figs. 3, 4에서 보듯이 계절적 패턴이 크고 Regression Slope 값이 매우 낮게 나타났지만, 이는 퇴적물 축적 과정이 장기적으로 서서히 진행됨을 반영할 가능성이 있다. 따라서 계절적 패턴이 기울기 추정에 미치는 영향을 제거하기 위해 Lowess 분석을 수행하였으며, 그 결과 계절적 요인을 제거한 후에도 유사한 경향성이 유지됨을 확인하였다. Lowess 분석을 통해 시간 경과에 따른 수면적 비율의 변화 추세를 분석한 결과, 기울기가 음의 방향으로 클수록 수면적 비율 감소가 뚜렷하게 나타났으며, 이는 퇴적물이 주요 요인으로 작용했을 가능성을 시사한다. 반면, 기울기가 양의 값을 보인 구이, 맹동 그리고 오태 저수지는 우선순위 선정에서 제외하였다. 이에 따라 총 10개의 저수지 중 나머지 7개 저수지에 대해 우선순위를 도출하였다.

Figure 4. Lowess-based trend analysis of water area ratio over time.

Lowess 분석 결과, 동부 저수지가 수면적 비율 감소 경향이 가장 두드러지게 나타나 준설 필요성이 높은 저수지로 평가되었다. 그 외에도 예당과 성주 저수지가 각각 2순위와 3순위로 선정되었으며, 이들 저수지는 동부 저수지와 유사하게 수면적 비율 감소 경향이 뚜렷하게 나타났다. 반면, 토교와 보문 저수지는 감소 경향이 상대적으로 완만하여 우선순위에서 하위에 위치하였다(Table 4).

Table 4 . Reservoir dredging priority ranking.

Rank	Reservoir	Slope Value (day–1)
1	Dongbu	–2.094e-5
2	Yedang	–1.263e-5
3	Seongju	–8.051e-6
4	Seongam	–3.861e-6
5	Dongwha	–1.923e-6
6	Bomoon	–1.885e-6
7	Togyo	–4.598e-7

본 연구는 Sentinel-1 SAR 영상을 활용한 저수지의 수면적 변화 패턴을 분석하여, 기존 업무 담당자의 경험에 의존하던 준설 대상지 선정방식을 데이터 기반의 합리적인 판단 근거를 제시하고자 하였다. 수면적 비율의 시계열 분석 결과, 추세선의 기울기 절대값이 1.614e-5day^–1~ 8.432e-7day^–1로 매우 작은 값으로 나타나, 기울기가 통계적으로 유의미한지 평가하기 위해 t-검정을 기반으로 한 p-value 분석을 수행하였다. 분석의 신뢰도를 높이고 실제 상황을 반영하기 위해 랜덤 노이즈를 추가하여 반복 분석한 결과, 모든 저수지에서 p-value가 0.05 미만으로 나타나 추세선의 기울기가 통계적으로 유의미한 수준임을 확인하였다. 또한, 시계열 분석 결과 시간 경과에 따라 수면적 비율이 지속적으로 감소하는 경향을 보였으며, 이는 퇴적물이 주요 요인으로 작용했을 가능성을 시사한다. 특히, 맹동, 동부, 예당 그리고 성주 저수지는 뚜렷한 감소 추세를 보여 퇴적물의 영향을 크게 받았을 것으로 판단되었다. 반면, 토교, 구이, 오태 저수지는 증가 추세를 보여 퇴적물 외의 다른 요인이 영향을 미쳤을 가능성이 제기되었다.

수면적 비율 변화의 시간적 추세를 정밀하게 파악하기 위해 Lowess 분석을 수행하였다. 그 결과, 동부, 예당 그리고 성주 저수지는 수면적 비율이 감소하는 경향을 보여 연구대상 저수지 중 준설 우선 대상지로 고려될 수 있었다. 반면, 토교와 성암 저수지는 감소 경향이 상대적으로 완만하여 준설 우선순위에서 하위에 위치하였다. Lowess 분석에서는 맹동 저수지가 증가 추세, 토교 저수지가 감소 추세로 나타나 Fig. 3의 시계열 분석과 반대되는 결과를 보였다. 이는 저수지의 형상, 주변 식생 등 환경적 요인이 영향을 미쳤을 가능성을 시사하며, 정확한 원인 규명을 위해 추가적인 연구가 필요하다. 이를 위해 KOMPSAT-3이나 KOMPSAT-5와 같은 고해상도 위성 영상을 활용한 정밀 분석, 현장 조사를 통한 수면적 변화 모니터링, 그리고 저수지의 용수공급 형태 및 운영 방식을 고려한 연구가 요구된다. 준설 대상지 선정과 관련된 선행 연구가 부족한 상황에서 본 연구는 위성 영상을 기반으로 한 저수율과 수면적 비율 간의 관계를 정량적으로 분석하고, 시간 경과에 따른 수면적 비율의 변화 추세를 Lowess 분석을 통해 파악하였다. 이러한 접근은 준설 대상지 선정에 객관성과 신뢰성을 확보할수 있는 기반을 제공하며, 준설사업의 효율성을 높이고 체계적인 의사결정을 지원하는 데 기여할 것으로 기대된다.

이 연구는 2024년 한국농어촌공사의 재원으로 한국농어촌공사 농어촌연구원과 멜버른대학교 간의 연구협약 및 기술지원을 받아 수행되었습니다.

No potential conflict of interest relevant to this article was reported.