전 지구적인 기후변화에 따라 홍수나 가뭄 등 이상기후 발생이 증가하고 있으며 이에 따른 피해규모 증가로
광역적인 국토 모니터링 구축의 중요성이 높아지고 있다[1]. 이에 광범위한 수재해에 대해 효과적 대응 및
기후변화에 따른 선제적 대처를 위해 인공위성을 이용한 보다 효율적인 모니터링이 중요하다. 특히, SAR
위성의 경우 수분에 민감하면서도 날씨의 영향을 받지 않아 전천후로 관측할 수 있어 수체 모니터링에 매우
유용하다. 기존 SAR 영상기반 수체 탐지 알고리즘은 SAR영상의 특성 (지형, 그림자 및 Speckle noise등)의
영향을 많이 받아 경계 영역을 혼동하는 경우가 존재한다. 이러한 문제점을 해결하기 위해 본 연구에서는
Sentinel-1 C-band 영상으로부터 U-NET3+을 활용하여 수체 영역을 탐지하여 모니터링하고자 한다.
연구지역은 국내 내륙지역의 하천 및 댐을 선정하였으며, 연구지역을 촬영한 Semtinel-1 영상의
Interferometric Wide 모드의 Single Look Complex 영상을 수집하였다. 수집된 영상을 딥러닝 모델에
적용하기 위해 전처리하여 학습데이터를 제작하였다. 제작된 학습데이터를 U-Net3+을 학습하였으며 매우
높은 정확도의 수체 탐지 결과를 나타냈다. 학습된 모델로부터 다른 시기의 영상을 추론하여 시계열 수체
영역 모니터링을 통해 시계열 수체영역 변화를 나타내었다. 본 연구로부터 시계열적인 수체의 변화양상을
파악하여 장기간에 걸친 국내 수자원 변화 양상을 분석할 수 있으며 기후변화 관련 연구에 적용이 가능할
것으로 기대된다.