광학 위성이 지구를 촬영하는 방법: 다중 분광 센서와 해상도

Earth Observation • Multispectral Imaging • Remote Sensing

광학 위성이 지구를 촬영하는 방법: 다중 분광 센서와 해상도

지구관측 해설Seoul2025-09-02

광학 위성은 태양빛이 지표면에서 반사된 신호를 포착해 지구를 관찰합니다. 일반 카메라가 RGB 세 채널을 기록하는 데 비해, 위성은 수~수십 개의 좁은 파장 대역을 동시에 감지하는 다중 분광 센서를 사용합니다. 이렇게 얻은 분광 정보는 식생 건강, 토양 수분, 수질, 도시 열섬 등 눈으로 보기 어려운 특징까지 드러내 줍니다.

태양광 반사부터 영상까지: 관측의 흐름

관측 과정은 크게 네 단계로 정리됩니다. (1) 태양광 스펙트럼이 대기를 통과해 지표면에 도달하고, (2) 지표면 재질과 수분 함량에 따라 특정 파장에서 다르게 반사됩니다(분광 반사율). (3) 이 반사 신호가 다시 대기를 거쳐 상공의 센서로 들어오며, (4) 센서는 각 파장 밴드마다 디지털 숫자(DN값)를 기록합니다. 이후 지상에서 방사보정·대기보정·정사보정을 거쳐 분석용 정량 데이터로 변환됩니다.

다중 분광 센서란 무엇인가

다중 분광(multispectral) 센서는 가시광근적외(NIR)단파적외(SWIR) 등 여러 파장대를 분리해 측정합니다. 각 밴드는 식물 엽록소 흡수, 수분 흡수, 광물 반사 피크 등 특정 현상에 민감하도록 설계됩니다. 예를 들어 NIR 대역은 건강한 식생에서 반사가 높고, 적색 대역은 흡수가 강해 두 대역의 대비로 NDVI 같은 식생 지수를 계산할 수 있습니다.

해상도의 세 가지 축: 공간·분광·방사

해상도 종류	의미	예시	영향
공간 해상도 (Spatial)	한 픽셀이 지상에서 대표하는 면적 크기	10 m, 30 m, 3 m, 0.3 m 등	물체의 형태·경계 식별력
분광 해상도 (Spectral)	센서가 구분하는 파장 밴드의 폭과 개수	MSI 13밴드, 초분광 100+ 밴드	물질 구분·성분 추정 능력
방사 해상도 (Radiometric)	신호를 몇 비트로 양자화하는가	12-bit, 14-bit 등	암부·명부 표현, 미세 변화 감지

공간 해상도가 높을수록 작은 물체를 구분할 수 있지만, 같은 시간에 덜 넓은 면적만 찍거나 신호 대 잡음비(SNR)가 낮아질 수 있습니다. 분광 해상도가 높아질수록 성분 식별이 정밀해지지만 데이터량과 처리 비용이 커집니다.

위성 카메라의 눈: 망원광학계와 검출기

광학 위성은 대구경 망원광학계로 지표면의 이미지를 초점면 위에 맺고, 그 뒤에서 푸시브룸(pushbroom) 라인 센서가 행 단위로 스캔합니다. 궤도 이동과 지구 자전을 이용해 라인들이 이어지며 스트립 영상을 형성합니다. 검출기는 보통 CCD/CMOS 어레이이며, 파장별로 분광 필터 또는 프리즘·회절격자를 이용해 빛을 분리합니다.

대기 보정: 지표 반사율로 되돌리기

위성이 받은 신호에는 레일리 산란, 에어로졸 산란, 수증기 흡수 등의 대기 효과가 섞여 있습니다. 분석을 위해서는 개기(Top-of-Atmosphere) 반사율을 지표 반사율로 교정해야 합니다. 방법은 두 가지가 널리 쓰입니다. 물리 기반 대기전달모델로 산란·흡수를 추정해 빼 주거나, 경험적으로 어두운 목표(심해)·밝은 목표(염전)같이 반사율이 알려진 장소를 이용해 보정 계수를 맞추는 방식입니다.

지표 분류의 기초: 분광 시그니처와 지수

각 물질은 파장에 따라 고유한 반사 스펙트럼(분광 시그니처)을 가집니다. 식생은 적색 흡수, NIR 강반사, SWIR 수분 흡수라는 패턴을 보입니다. 이를 활용해 NDVI(식생), NDWI(수분), NDBI(도시화) 같은 지수를 계산하고, 지도화는 감독·비감독 학습으로 수행합니다. 최근에는 밴드 조합에 딥러닝을 더해 작물 종류, 병해, 도시 기능 분류까지 정밀하게 추정합니다.

광학 vs 레이더: 언제 무엇을 쓰나

항목	광학 위성	레이더(SAR)
광 조건	태양광 의존, 야간 제한	자체 전파 송신, 주야 무관
구름 영향	구름에 막힘	구름 관통 가능
표면 감도	색·분광 성분에 민감	형상·거칠기·수분에 민감
활용 예	식생·광물·수질·도시 색채	변위 측정(InSAR)·홍수 탐지

실무에서는 두 센서를 멀티센서 융합으로 같이 쓰는 경우가 많습니다. 구름 많은 계절에는 SAR로 공백을 메우고, 맑은 시기에는 광학으로 성분 분석을 심화합니다.

운용 제약과 데이터 정책

광학 관측의 고질적 제약은 구름과 태양 고도입니다. 고위도 겨울에는 태양 고도가 낮아 그림자·광량 부족 문제가 발생합니다. 또한 상용 초고해상도 영상은 비용이 높고 배포 제한이 있을 수 있지만, 중·고해상도 공개 데이터(예: 일부 미션)는 누구나 접근할 수 있어 연구·산업 생태계를 넓히고 있습니다.

대표적 활용 시나리오

• 농업: NDVI 시계열로 생육·수확 시기·가뭄 스트레스를 진단하고 가변 비료 살포에 활용
• 환경: 산불 스카(그을음) 탐지, 적조·부유퇴적물 모니터링, 호수 조류 번성 감시
• 도시·인프라: 불법 개발 감시, 공사 진행도 파악, 도시 열섬 지도화
• 재난 대응: 홍수 범람역 추정, 산사태 이전/이후 비교, 화산재 분포 파악
• 자원 탐사: SWIR 기반 광물 지표 탐지, 토양 염분·수분 맵

Tip. 맑은 날만 기다리지 않아도 됩니다. 다년간 축적된 영상에서 같은 장소의 구름 없는 타일을 합성(클라우드 마스킹 + 모자이크)하면, 거의 항상 깨끗한 기저 영상을 만들 수 있습니다.

초분광과 AI: 더 정밀한 지구 읽기

초분광(hyperspectral) 센서는 수백 개의 연속적인 좁은 밴드를 기록해 각 픽셀을 작은 분광기로 바꿉니다. 이를 통해 식물 종 구분, 미세 광물 성분 식별, 미세플라스틱 추정 등 미묘한 차이를 구분합니다. 데이터가 방대해지므로, 딥러닝 기반 분광-공간 융합 네트워크와 자가학습이 핵심 도구로 자리 잡고 있습니다.

정확도를 좌우하는 실무 포인트

• 기하 보정: 궤도·태양 위치·위성 자세 오차를 보정해 영상들을 한 픽셀 격자에 정확히 정렬
• BRDF 보정: 관측각·태양각에 따른 표면의 비등방 반사 특성 보정
• SNR 관리: 밴드 폭·노출·비트 수(방사 해상도) 최적화로 약한 신호도 안정적으로 기록
• 품질 마스크: 구름·그림자·눈 등 품질 플래그를 활용해 분석 시 오염 픽셀 제거

미래 전망: 더 촘촘하고 더 똑똑하게

소형 위성 군집으로 재방문 주기가 짧아지고, AI 온보드 처리로 유의미 이벤트만 전송하는 지능형 관측이 확산됩니다. 초분광 + 고방사 해상도의 결합, 광학·SAR·열적외의 동시관측, 지상 센서/드론과의 멀티스케일 융합이 표준이 될 것입니다.

광학 위성의 힘은 ‘색’에서 시작해 ‘정량’으로 끝납니다. 더 많은 밴드, 더 나은 보정, 더 똑똑한 분석이 지구를 점점 투명하게 만듭니다.

맺음말

광학 위성은 태양광 반사 신호를 다중 분광으로 분해해 지구를 읽습니다. 공간·분광·방사 해상도의 균형, 대기·기하 보정의 정확성이 결과 품질을 좌우합니다. 구름과 야간이라는 한계는 있지만, 초분광과 AI, 멀티센서 융합이 그 빈틈을 빠르게 메우고 있습니다. 관측의 목적에 맞는 해상도와 밴드를 고르는 순간, 우리는 단순한 ‘사진’을 넘어 정책과 산업을 움직이는 정책결정급 정보를 얻게 됩니다.