search for




 

Application of Terrestrial LiDAR for Reconstructing 3D Images of Fault Trench Sites and Web-based Visualization Platform for Large Point Clouds
지상 라이다를 활용한 트렌치 단층 단면 3차원 영상 생성과 웹 기반 대용량 점군 자료 가시화 플랫폼 활용 사례
Econ. Environ. Geol. 2021 Apr;54(2):177-86
Published online April 30, 2021;  https://doi.org/10.9719/EEG.2021.54.2.177
Copyright © 2021 The Korean Society of Economic and Environmental Geology.

Byung Woo Lee1, Seung-Sep Kim1,2,*
이병우1 · 김승섭1,2,*

1Department of Astronomy, Space Science and Geology, Chungnam National University, Daejeon 34134, Korea
2Department of Geological Sciences, Chungnam National University, Daejeon 34134, Korea
1충남대학교 우주·지질학과 2충남대학교 지질환경과학과
Received March 5, 2021; Revised March 23, 2021; Accepted March 23, 2021.
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
 Abstract
For disaster management and mitigation of earthquakes in Korea Peninsula, active fault investigation has been conducted for the past 5 years. In particular, investigation of sediment-covered active faults integrates geomorphological analysis on airborne LiDAR data, surface geological survey, and geophysical exploration, and unearths subsurface active faults by trench survey. However, the fault traces revealed by trench surveys are only available for investigation during a limited time and restored to the previous condition. Thus, the geological data describing the fault trench sites remain as the qualitative data in terms of research articles and reports. To extend the limitations due to temporal nature of geological studies, we utilized a terrestrial LiDAR to produce 3D point clouds for the fault trench sites and restored them in a digital space. The terrestrial LiDAR scanning was conducted at two trench sites located near the Yangsan Fault and acquired amplitude and reflectance from the surveyed area as well as color information by combining photogrammetry with the LiDAR system. The scanned data were merged to form the 3D point clouds having the average geometric error of 0.003 m, which exhibited the sufficient accuracy to restore the details of the surveyed trench sites. However, we found more post-processing on the scanned data would be necessary because the amplitudes and reflectances of the point clouds varied depending on the scan positions and the colors of the trench surfaces were captured differently depending on the light exposures available at the time. Such point clouds are pretty large in size and visualized through a limited set of softwares, which limits data sharing among researchers. As an alternative, we suggested Potree, an open-source web-based platform, to visualize the point clouds of the trench sites. In this study, as a result, we identified that terrestrial LiDAR data can be practical to increase reproducibility of geological field studies and easily accessible by researchers and students in Earth Sciences.
Keywords : fault trench survey, terrestrial LiDAR, point cloud, Potree, data visualization
Research Highlights
  • A case study for imaging trench fault surfaces as 3D point clouds using terrestrial LiDAR is presented.

  • Visualization of high-resolution 3D point clouds can be efficiently shared through an open-source program, Potree.

  • Application of terrestrial LiDAR can be practical to increase reproducibility of geological field studies.

1. 서 론

최근 우리나라에서 발생한 경주 지진(2016년 9월 12일, ML=5.8)은 1978년 국내 지진 관측이 시작된 이후로 가장 큰 규모의 지진으로 기록되었다(Kim et al., 2016). 그 1년 후 발생한 포항 지진(2017년 11월 15일, ML=5.4)(Kim et al., 2018)은 경주지진보다 규모는 작지만 낮은 진원 깊이와 토양의 액상화 현상(Lee et al., 2018; Naik et al., 2020)으로 인하여 국내에서 기록적인 인명 피해와 재산피해를 입혔다. 두 차례의 연속적인 지진 발생 후 한반도 지진 활동에 대한 국민들의 관심이 높아 졌으며 지진발생 원인 규명과 피해 복구 대책 등 지진 재해와 관련된 다양한 요구들이 정부부처 및 학계에 제기되었다. 이러한 요구에 발맞추기 위하여 기상청, 행정안전부, 해수부 등을 중심으로 지진 및 활성단층 관련 연구들이 학계 및 연구소의 전문가 그룹에 의해서 활발하게 진행되기 시작하였다(Kim et al., 2020; Kim, 2020; Lim and Kim, 2020).

이러한 노력의 일환으로 수행되고 있는 사업 중 한반도 활성단층사업은 제4기(Pleistocene) 동안에 지표 파열 및 변형을 유발한 큰 규모의 지진 활동 흔적을 추적하여 한반도 활성단층지도로 제작하는 것을 목표로 한다(Kim et al., 2020). 활성단층 조사는 3차원 분광레이더인 항공 LiDAR(airborne Light Detection And Ranging) 자료를 바탕으로 한 지형학적 특성과 고지진학 자료, 지표 지질조사와 유력 피복 활성단층 지역에 대한 지구물리탐사 결과를 종합하여 선정된 지역에서 단층 트렌치 조사를 수행하고, 침식에 의해 변형되지 않은 단층면이 트렌치에서 발견될 경우 제4기 연대측정 기법 등을 적용하여 단층 활성 시기 및 빈도 분석을 수반한다 (Song et al., 2016; Sim et al., 2017; Ryoo et al., 2018; Kim et al., 2020). 그러나 트렌치 조사는 대부분 소유주가 있는 농경지 및 나대지에서 진행 되기 때문에, 중요한 활성단층 노두가 발견 된다고 하더라고 일정 기간 동안 유지되었다가 다시 복구된다. 복구된 이후에는 트렌치 현장에 대한 전반적인 정보는 사라지지만, 단층면에서 획득된 현장 사진, 야장, 시료 채취 등의 자료는 관련 논문의 기반 자료로 유용하게 활용된다(Song et al., 2020). 이 연구에서는 지상 LiDAR(terrestrial LiDAR)를 사용하여 트렌치 조사 지역에 대한 3차원 정보를 습득하여 디지털 정보로 지속적으로 보관 및 활용할 수 있는 방안을 소개하고자 한다. LiDAR는 주변 형상을 스캔하여 점군(point cloud)의 형태로 표현한다. 특히 지상 LiDAR는 사면의 안정성 관찰 및 분석(Abellán et al., 2014; Kim et al., 2020), 단층 변위 측정 및 단층면 분석(Jones et al., 2009; Bistacchi et al., 2011; Tye and Stahl., 2018; Manighetti et al., 2020), 해안 지형 연구(Yoon et al., 2013; Obu et al., 2017; Xiong et al., 2019; Tak et al., 2020) 등 여러 분야에서 그 활용도가 높다. 그러나 국내 단층 연구에서는 항공 LiDAR를 활용한 DEM(Digital Elevation Model) 자료 생성 및 지형 분석에 많이 활용되고 있으나(Choi et al., 2017; Kim, T. et al., 2020; Song et al., 2020) 지상 LiDAR를 활용한 단층 연구는 활발히 진행 되고 있지 않다.

이번 연구에서는 한국지질자원연구원 활성지구조연구단이 주도한 울산광역시 울주군 두서면 인보리 트렌치조사 지역과 부산대학교 활성단층연구단이 주도한 포항시 북구 신광면 우각리 트렌치 조사지역에서 습득된 지상 LiDAR 자료에 대한 처리 과정과 그 활용성을 보고한다. 그러나 고해상도의 LiDAR 점군 자료는 용량이 크기 때문에 공유가 어렵고 LiDAR 전용 소프트웨어에서 생성된 이미지만을 활용하게 될 경우 점군 자료가 가지는 3차원 속성을 보여주지 못한다는 단점이 있다. 이에 대한 대안으로 이 연구에서는 오픈소스 플랫폼인 Potree를 활용하여 위 지역에서 획득된 3차원 점군 자료를 모든 연구자가 웹 상에서 직접 영상화 할 수 있음을 보여주고자 한다. 이를 통하여 지질 현장 조사에서 지상 LiDAR 자료가 주요 지질 대상에 대한 재현성을 높일 수 있는 동시에 연구자 및 미래 후속 세대에 의해 손쉽게 활용될 수 있는 지 살펴보고자 한다.

2. 연구 방법

2.1. 지상 LiDAR 측정 원리

LiDAR 탐사는 레이저 펄스(laser pulse)를 주사하여 측정 대상을 고밀도의 3차원 점군(point cloud)으로 재구성한다(McManamon, 2019). 전통적인 거리 측정 방식인 레이더(radar: radio detection and ranging)와는 다르게 수신된 파장의 스칼라 값(scalar field)을 이용하여 물리 화학적 분석도 가능하다(Zilberman et al., 2008). 지상 LiDAR의 거리 측정은 레이저 펄스가 측정 대상에서 반사되어 돌아오는 시간을 활용하여 계산하는 시간차 방식(time Offlight)이 주로 이용된다. 이 연구에서는 독일 Rigel사의 VZ-400i이 사용되었다(그림 1a). 이 탐사 기기의 초당 방출되는 펄스의 수로 측정되는 펄스 반복률(Laser Pulse Repetition Rate; PRR)은 100~1200 kHz의 범위를 가지며, 5 mm 정확도와 3 mm 정밀도를 제공한다. 또한 하나의 레이저 펄스로 여러 반사 신호를 감지 할 수 있기 때문에 다중 타겟을 탐지 할 수 있다(그림 1b). 일반적으로 지상 LiDAR 자료는 여러 측정 위치에서의 측정된 점군 자료를 정합하여 하나의 점군으로 변환된다. 이 정합 과정을 통하여 점군의 공백과 측정 오차 및 정합 오차를 줄일 수 있다. 이 연구에서는 LiDAR 기기 제조사에서 제공하는 Riscan Pro의 두 가지 정합 방법을 다음과 같이 적용하였다. 우선 각기 다른 측정 위치에서 측정된 점군 자료 사이에 공통적으로 나타나는 형상을 정합의 기준점으로 사용하는 자동 정합을 적용하였다. 그리고 점군 자료 간에 공통적으로 나타나는 형상을 구성하는 일부 점 자료로 정의된 다각형 자료(polydata)를 사용하여 정합하는 멀티 스테이션 정합(multi station adjustment)을 사용하였다.

Figure 1. (a) Picture of Riegl VZ-400i LiDAR and photogrammetry system. (b) Schematic diagram of time-of-flight ranging method.
The distances (d1 and d2) between the measuring location and the targets (i.e., tree and building) are computed using the arrival times
(t1 and t2) of the corresponding echo signals. Here c is the speed of light.

또한 Riegl사의 VZ 계열 LiDAR 장비는 점군의 스칼라 값인 진폭(amplitude)과 반사도(reflectance)에 대한 정보도 함께 저장한다. 여기서 진폭(AdB)은 식 (1)과 같이 계산된다(Guarnieri et al., 2012).

AdB=10log(Pecho/Pthr)

Pecho는 에코 신호의 강도(W)이며 Pthr 는 최소 측정 한계 강도(power detection limit, W)이다. 그러므로 점군의 진폭은 측정된 에코 신호의 강도를 기기의 최소 측정 한계 강도로 보정한 값이 된다. 이와 함께 생산되는 반사도(ρrel(RT))는 식 (2)와 같이 계산된다(Guarnieri et al., 2012).

ρrel(RT)=AdB.T(RT)AdB.white(RT)

RT는 측정 지점과 대상체 사이의 거리(m)이며, AdB.T는 주어진 거리 RT에 위치한 대상체서 측정된 진폭(dB)이며, AdB.white는 동일 거리 RT에 흰색 물체가 있을 때 측정되는 에코 신호의 진폭(dB) 이다. 그러므로 반사도 ρrel는 동일 거리에 있는 흰색 물체와 실제 측정 대상 사이의 진폭의 차이로 계산된다. 이러한 속성으로 인해 반사도는 진폭과 달리 같은 표면 특성을 가진 대상체가 다른 거리에 있어도 동일한 반사도를 보인다(Guarnieri et al., 2012). 점군의 진폭 혹은 반사도는 레이저 펄스의 반사 각, 측정 범위, 표면 성분, 거칠기, 수분 함량에 영향을 받는다(Um and Kim 2009; Balduzzi et al., 2011). 특히 낮은 반사 각, 긴 측정 범위, 반사율이 낮은 표면, 높은 거칠기, 높은 수분 함량은 진폭 혹은 반사도 값을 감소시키는 요인으로 작용한다.

추가적으로 미국 사진 측량 및 원격탐사학회(American Society of Photogrammetry and Remote Sensing)에서 LiDAR 점군 자료의 교환 및 저장 시 활용할 수 있도록 정의한 LAS(LASer) 파일 형식에서는 점군 자료의 진폭 혹은 반사도를 각 값에 상응하는 강도(intensity)로 변환하여 선택적으로 저장할 수 있다. 원 자료의 값은 16 비트(bit) 형식으로 변환되어 저장되며, 강도의 범위는 0~65,536으로 정의되지만 상대적인 값이므로 단위는 주어지지 않는다.

마지막으로 이 연구에서는 LiDAR 탐사 기기에 DSLR(digital single-lens reflex) 카메라(NIKON D810)를 탑재(그림 1a)하여 스캔 범위에 해당하는 사진 자료를 취득하여 점군에 RGB(Red, Green, Blue) 색상 값을 기존 점군에 정합하는 과정도 함께 수행되었다.

2.2. Potree를 활용한 대용량 점군 자료 가시화

Potree는 대용량 점군 자료를 사용자가 웹 브라우저(web browser)를 통하여 가시화 할 수 있도록 지원해주는 오픈 소스(open source) 프로그램으로 WebGL(Web Graphics Library) 기반으로 개발되었다(Schütz et al., 2016). 이 프로그램은 대용량 점군의 효율적인 영상화를 위해 최대 8개 노드로 구성된 Octree방식으로 LoD(Level of Detail)를 생성하여(Schütz et al., 2016), 수십억 개의 점으로 구성된 점군을 웹 브라우저에서 실시간으로 볼 수 있다.

Potree의 사용자 메뉴는 크게 Appearance, Tools, Scene, Filters으로 나누어져 있다. 우선 Appearance 메뉴에서는 사용자가 화면에 보여지는 점군의 점 개수 조절(point budget), 수직 시야각(field of view), 음영 강조(Eye-Dome-Lightning), 배경 등을 설정 할 수 있으며, Tools 메뉴에서는 점군의 거리, 각도, 면적, 부피 등을 측정 할 수 있다. Scene 메뉴에서는 점군 자료의 RGB, 진폭, 반사도와 같은 스칼라 값을 선택하여 영상화할 수 있으며, Filters 메뉴에서는 식생, 건물 지형 등과 같이 점군에 대한 분류 정보가 존재할 경우 가시화 할 수 있다.

이 연구에서는 리눅스 데스크톱 PC(OS Ubuntu 18.04, CPU Intel i7-9700, Memory 8GB)에 Potree를 설치하여 대용량 점군 자료를 가시화하는 데 활용하였다. Potree 프로그램의 자세한 소개, 활용사례 및 설치 방법은 https://github.com/potree에 기재되어 있다. 이 연구에서 생성한 단층 트렌치 조사 지역의 점군 자료는 https://geo.cnu.ac.kr/geoviz 에 접속하여 확인할 수 있으며, 크롬(Chrome)과 파이어폭스(Firefox) 웹 브라우저에서 실행 가능하다.

Table 1 . Attributes of the point clouds observed at each trench site

SiteAmplitude [dB]Reflectance [dB]Adjustment
error [m]
Measured
points
Subsample
points
Min.Max.Min.Max.
Inbo-ri trench1.3763.94-24.0032.550.003387,259,23310,843,663
Ugak-ri trench2.9540.88-25.0010.220.0031399,094,9023,285,921

3. 연구 결과 및 토의

3.1. 인보리 트렌치 조사 지점

울산광역시 울주군 두서면 인보리 트렌치 지점(35°38’33”N129°09’51”E)은 양산 단층 중부와 남부의 경계 지역에 위치하며(Choi et al., 2017), 지질학적으로 트렌치 지점의 서편에는 백악기 유천층군의 화산암, 동편에는 백악기 퇴적암이 존재한다(Lee and Lee, 1972). 단층 방향과 수직인 동-서 방향으로 약 7 m 깊이의 트렌치가 굴착 되었으며 단층 단면에서 지층의 수직 변위가 뚜렷하게 관찰 되었다(그림 3a). 단층 상반의 상부에서는 지층의 상승에 의한 끌림 구조가 관찰되었고 이는 보고된 바와 같이 우수향 주향이동 단층인 양산단층에서 역단층성 운동이 있었음을 시사한다(Ryoo et al., 2019).

Figure 2. (a) SRTM 1 Arc-Second DEM map of the southeastern part of Korea Peninsula (SRTM 1 Arc-Second Global courtesy of the U.S. Geological Survey). The Yangsan fault is traced by the dashed line in the direction of NNE-SSW. (b) Photograph of the Ugak-ri tench site (36°06’54”N 129°16’01”E). (c) Photograph of the Inbo-ri trench site (35°38’33”N 129°09’51”E).

Figure 3. (a) Photograph of the Inbo-ri trench site. (b) A captured image of the Inbo-ri point clouds reproduced by the Potree software. The image is adjusted to show the same view as the trench photograph. Users can change freely the views of the Inbo-ri point clouds by accessing the given web page: https://geo.cnu.ac.kr/geoviz.

지상 LiDAR 탐사는 1200 kHz 펄스 반복률, 50 mdeg의 분해능(angular resolution), 100° 수직 시야각과 360° 수평 시야각을 적용하였고, 트렌치 외부에서 내부로 이동하며 총 17개의 지점에서 자료를 취득하였다. 취득한 점군 자료는 Riegl 사의 전용 자료처리 소프트웨어인 Riscan Pro에서 자동 정합과 멀티 스테이션 정합을 거쳐 위치 및 기하학적 정보를 가지게 된다. 인보리 트렌치 지점에서 총 200,233,269개의 점(point)이 측정되었으며 이 점군의 정합 오차는 0.0033 m이다. 그리고 트렌치 주변에서 함께 스캔 된 불필요한 지형 및 식생, 물에 의해 반사된 잡음과 지나치게 낮은 반사도(-31.22 ~ -24.00 dB)를 가지는 점들을 제거하여 최종적으로 총 87,259,233개의 점으로 구성된 인보리 트렌치 점군 자료를 생성하였다. 하지만 Potree를 활용한 대용량 점군 자료의 가시화 및 공유는 사용자의 웹 브라우저와 네트워크 환경에 영향을 받게 된다. 이 연구에서는 효율적인 대용량 점군 자료 공유를 위하여 Octree 방식의 서브 샘플링(sub-sampling)을 적용하여 점군의 점 개수를 10,843,663개로 줄였다(표 1). 점군의 규모는 줄어들었지만 인보리 트렌치 현장의 자세한 구조가 Potree 플랫폼을 통해 효과적으로 재구성 되었음을 확인할 수 있다(그림 3b).

그림 4a는 Potree에서 구현된 점군의 RGB 값 분포를 보여준다. 트렌치 조사에 의해 노출된 단층 단면의 지질구조와 지층의 수직 변위 및 상반의 끌림 구조를 손쉽게 육안으로 확인할 수 있다. 또한 점군의 기하학적 정보를 바탕으로 트렌치 조사 현장의 고도 정보도 함께 살펴볼 수 있다(그림 4b). 이러한 점군 자료는 사용자가 Potree 메뉴를 사용하여 확대, 회전 작업 등을 수행하여 원하는 단층 단면 영상으로 변환이 가능하며 거리 및 부피 측정을 통해 2차적인 정량 분석에도 사용이 가능하다.

Figure 4. Comparison of RGB (Red, Green, Blue) and scalar fields of the Inbo-ri point clouds produced by the Potree software. (a) RGB scene. (b) Elevation scene. (c) Amplitude scene. (d) Reflectance scene.

그러나, 단층 단면의 지질 속성이 점군의 진폭과 반사도 분포에서는 뚜렷하게 나타나지 않고 있다(그림 4c와 d). 이는 탐사 당시 단층 노두 표면의 일부가 물에 젖어 있어 반사 신호(echo signal)의 진폭을 감소시킨 결과로 판단된다. 더 나아가서는 동일한 지층 구조이더라도 표면의 수분함량에 따라 진폭(그림 4c)과 반사도(그림 4d)가 결정되므로 지층 변위 등에 대한 지질 구조 해석에 활용하기에는 한계가 있음을 시사한다.

3.2. 우각리 트렌치 조사 지점

포항시 북구 신광면 우각리 트렌치 지점(36°06’54”N129°16’01”E)은 양산 단층 중부 지점의 북부에 위치하며(그림 2a)(Choi et al., 2017), 조사 지점의 서편에는 백악기 화강암, 동편에는 백악기 퇴적암이 존재한다(Um et al., 1964). 트렌치는 북서-남동 방향으로 약 5m 깊이로 굴착 되었으며 트렌치 동편에는 단층핵과 서편에는 퇴적층이 분절되어 있는 형태로 관찰되었다(그림 5a).

Figure 5. (a) Photograph of the Ugak-ri trench site. (b) A captured image of the Ugak-ri point clouds reproduced by the Potree software. The image is adjusted to show the same view as the trench photograph. Users can change freely the views of the Ugak-ri point clouds by accessing the given web page: https://geo.cnu.ac.kr/geoviz.

우각리 트렌치 조사지점에서는 단층 단면에 대한 고해상도 점군 자료를 취득하기 위하여 지상 LiDAR 측정 설정을 다음과 같이 적용하였다. 단층 단면에 대해서는 1200kHz 펄스 반복률과 20 mdeg 분해능의 고해상도 스캔 설정을 적용하였고, 트렌치의 전체적인 형상에 대해서는 1200 kHz 펄스 반복률과 50 mdeg 분해능의 중간 해상도 스캔 설정을 적용하였다. 수직 시야각은 100°로 동일하게 적용하였으나, 고해상도 측정 시에는 측정 시간을 고려하여 120° 수평 시야각을 적용하였고, 중간 해상도 측정 시에는 360°의 수평 시야각을 적용하였다. 트렌치 외부에서 내부로 이동하며 25개의 측정 위치에서 자료를 취득하였고 인보리 자료 처리 과정과 동일한 정합 절차를 거쳐 총 646,414,484개의 점으로 구성된 0.0031 m의 정합 오차를 가지는 점군 자료를 생성하였다. 그리고 신호 잡음 (반사도 -31.19 ~ 25.00 dB)과 불필요한 형상을 제거하는 과정을 거쳐 최종적으로 총 399,094,902개의 점으로 구성된 우각리 트렌치 점군 자료를 생성하였다. 또한 Potree를 사용한 웹 기반의 자료 공유를 위해서 최종점군 자료에 대한 서브 샘플링을 수행하였다. 우각리 트렌치 현장의 경우 인보리 트렌치 현장보다 단순한 형상을 보이고 있으므로 두 점 사이의 최소 거리를 0.01 m로 지정하여(spatial subsampling) 점군의 점 개수를 3,285,921개로 줄였다(표 1). 인보리 트렌치 결과와 동일하게 우각리 트렌치 현장의 자세한 구조가 효과적으로 재구성 되었음을 확인할 수 있다(그림 5b).

Potree에서 구현된 점군의 RGB 값의 분포를 통해 우각리 트렌치 조사에 의해 노출된 단층핵과 퇴적층의 분절 구조를 육안으로 확인할 수 있다(그림 6a). 또한 점군의 기하학적 정보를 바탕으로 트렌치 조사 현장의 고도 정보도 함께 살펴볼 수 있다(그림 6b). 그러나 인보리 트렌치 조사 결과와 마찬가지로 진폭(그림 6c)과 반사도(그림 6d)에서 이러한 분절 구조가 뚜렷하게 나타나지 않는다. 이는 단층 표면의 수분함량 차이가 아닌 트렌치 표면 거칠기에 따른 효과로 생각된다. 단층핵 구간은 퇴적층 보다는 밝은 색을 띄고 있으므로 보다 높은 진폭을 가지는 신호가 측정될 수 있으나, 퇴적층에서의 진폭 및 반사도 신호와 크게 다르지 않게 나타나고 있어 단층핵 암석 표면의 깨짐에 의해 반사 신호의 진폭이 감소된 것으로 추정된다. 또한 그림 6a의 RGB값 분포를 보면 현장 탐사 시의 일조 조건의 영향이 그대로 반영되어 나타난다. 이는 상대적으로 좁은 폭을 가지며 수 m깊이로 굴착 되는 트렌치 조사의 특성 상 피할 수 없는 현장 조건일 수 있다. 그러므로 향후 연구에서는 지질 매질의 표면에서 나타나는 속성이 LiDAR 점군 자료에서 정량적 수치로 분석될 수 있는 연구 기법의 정립 및 고도화, 그리고 현장 일조 조건이 포토그래메트리에 미치는 영향을 감소시킬 수 있는 사진 후처리 보정 절차가 추가적으로 진행될 필요가 있다(e.g., Kim et al., 2011; Sun and Guo 2016).

Figure 6. Comparison of RGB (Red, Green, Blue) and scalar fields of the Ugak-ri point clouds produced by the Potree software. (a) RGB scene. (b) Elevation scene. (c) Amplitude scene. (d) Reflectance scene.
4. 결 론

이 연구는 지상 LiDAR를 활용하여 활성 단층 조사의 일환으로 수행되는 트렌치 단층 조사 현장의 3차원 점군 복원 가능성과 다른 연구자와의 효과적인 공유를 위한 웹 기반의 자료 가시화 활용 방안 사례를 살펴보았다. 지상 LiDAR 탐사는 양산 단층을 따라 수행된 울산광역시 울주군 두서면 인보리와 포항시 북구 신광면 우각리에 위치한 트렌치 조사 지역에서 이루어졌으며 현재는 모두 원상 복구가 된 상태이다. 그러나 트렌치 조사 현장에 대한 고해상도 고정밀 점군 자료의 생성을 통하여 트렌치 조사에 의해 발견된 단층 표면에 대한 지질학적 그리고 기하학적 정보를 웹 공간에서 연구자가 손쉽게 추출할 수 있음을 확인하였다. 그러나 지상 LiDAR의 레이저 펄스와 단층 표면 사이의 상호작용의 결과로 측정되는 진폭과 반사도 정보를 보다 정량적으로 분석할 수 해석 기법이 아직 개발되어 있지 않아 향후 추가적인 연구가 필요함을 확인하였다.

또한 점군 자료의 가시화를 위해서 다양한 무료(예: CloudCompare) 및 상용(예: AutoCAD) 프로그램을 활용할 수 있지만, 넓은 범위의 연구자 그룹 및 관련 기관 전문인력과 대용량의 점군 자료를 공유하기는 쉽지 않다. 이에 대한 대안으로 이 연구에서는 Potree 웹 기반 가시화 플랫폼의 적용 가능성을 확인하였다. Potree 플랫폼을 사용하게 되면, 사용자는 대용량 점군 자료를 다운로드 받아 별도의 프로그램을 구동하여 점군 자료를 가시화 할 필요가 없다. 그 대신 일반적인 웹 브라우저를 통하여 점군 자료에 접속하여 고해상도 자료를 가시화하고 추가적인 분석을 수행할 수 있다는 장점이 있다. 이 연구에서 생성한 트렌치 조사 지역의 3차원 점군 자료는 https://geo.cnu.ac.kr/geoviz 에서 확인할 수 있다.

이와 같이 이 연구를 통해 시간적 그리고 공간적 제약 조건이 따르는 지질 현장 조사에서 지상 LiDAR 자료가 주요 지질 대상에 대한 재현성을 높일 수 있는 동시에 연구자 및 미래 후속 세대에 의해 손쉽게 활용될 수 있음을 확인하였다.

사 사

이 연구는 2018년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원(No. NRF-2018R1A4A1059956)과 기상청 기상·지진 See-At 기술개발사업(KMI201802110), 그리고 한국지질자원연구원의 2020년 기본사업 ‘판내부 활성지구조특성 연구 및 단층분절모델 개발’(GP2020014)의 지원을 받아 수행되었습니다. 마지막으로 세심하고 건설적인 의견을 제시해주신 심사위원들께 감사드립니다.

References
  1. Abellán, A., Oppikofer, T., Jaboyedoff, M., Rosser, N.J., Lim, M. and Lato, M.J. (2014). Terrestrial laser scanning of rock slope instabilities. Earth Surface Processes and Landforms, v.39, p.80- 97. doi: 10.1002/esp.3493
    CrossRef
  2. Balduzzi, M.A.F., Van der Zande, D., Stuckens, J., Verstraeten, W.W. and Coppin, P. (2011). The Properties of Terrestrial Laser System Intensity for Measuring Leaf Geometries: A Case Study with Conference Pear Trees (Pyrus Communis). Sensors, v.11, p.1657-1681. doi:10.3390/s110201657
    Pubmed KoreaMed CrossRef
  3. Bistacchi, A., Griffith, W.A., Smith, S.A.F., Di Toro, G., Jones, R. and Nielsen, S. (2011). Fault Roughness at Seismogenic Depths from LIDAR and Photogrammetric Analysis. Pure and Applied Geophysics, v.168, p.2345-2363. doi: 10.1007/s00024-011-0301-7
    CrossRef
  4. Choi, J.-H., Kim, Y.-S. and Klinger, Y. (2017). Recent progress in studies on the characteristics of surface rupture associated with large earthquakes. Journal of the Geological Society of Korea, v.53, p.129-157. doi: 10.14770/jgsk.2017.53.1.129
    CrossRef
  5. Cortés, L., Hernández, J., Valencia, D. and Corvalán, P. (2014). Estimation of above-ground forest biomass using Landsat ETM+, Aster GDEM and Lidar. Forest Res, v.3, p.2. doi: 10.4172/2168-9776.1000117
    CrossRef
  6. Duraisamy, P., Yousef, A.H., Iftekharuddin, K. and Jackson, S. (2014). Shoreline Extraction from 2-D and 3-D LiDAR Images. Paper presented at the Imaging and Applied Optics 2014, Seattle, Washington.Geosciences Journal, v.20, p.747-752. doi: 10.1364/ ISA.2014.JTu2C.6
    CrossRef
  7. Gonçalves, G., Santos, S., Duarte, D. and Gomes, J. (2019). Monitoring Local Shoreline Changes by Integrating UASs, Airborne LiDAR, Historical Images and Orthophotos. In Proceedings of the 5th International Conference on Geographical Information Systems Theory, Applications and Management (GISTAM 2019), v.1, p.126-134. doi: 10.5220/0007744101260134
    CrossRef
  8. Guarnieri, A., Pirotti, F. and Vettore, A. (2012). Comparison of Discrete Return and Waveform Terrestrial Laser Scanning for Dense Vegetation Filtering. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v.XXXIX-B7, p.511-516. doi: 10.5194/isprsarchives- XXXIX-B7-511-2012
    CrossRef
  9. Jones, R.R., Kokkalas, S. and McCaffrey, K.J.W. (2009). Quantitative analysis and visualization of nonplanar fault surfaces using terrestrial laser scanning (LIDAR)--The Arkitsa fault, central Greece, as a case study. Geosphere, v.5, p.465-482. doi: 10.1130/ GES00216.1
    CrossRef
  10. Kim, K.-H., Ree, J.-H., Kim, Y., Kim, S., Kang, S.Y. and Seo, W. (2018). Assessing whether the 2017 Mw 5.4 Pohang earthquake in South Korea was an induced event. Science, v.360, p.1007- 1009. DOI: 10.1126/science.aat6081
    Pubmed CrossRef
  11. Kim, N., Choi, J.-H., Park, S.-I., Lee, T.-H. and Choi, Y. (2020). Cumulative offset analysis of the Central-Southern Yangsan Fault based on topography of Quaternary fluvial terrace. Journal of the Geological Society of Korea, v.56, p.135-154. doi: 10.14770/jgsk.2020.56.2.135
    CrossRef
  12. Kim, S.S., Kim, D., Shin, D.Y. and Nho, H.J. (2020). Assessment and Analysis of Disaster Risk for Steep Slope using Drone and Terrestrial LiDAR. Journal of Korean Society for Geospatial Information Science, v.28, p.13-24. doi: 10.7319/kogsis. 2020. 28.4.013
    CrossRef
  13. Kim, T., Shin, H.-C. and Kim, Y.-S. (2020). Characteristics of the topographical deformation in the central part of the Ulsan fault. Journal of the Geological Society of Korea, v.56, p.193-209. DOI : 10.14770/jgsk.2020.56.2.193
    CrossRef
  14. Kim, Y.-S., Son, M., Choi, J.-H., Choi, J.-H., Seong, Y.B. and Lee, J. (2020). Processes and Challenges for the production of Korean active faults map. Journal of the Geological Society of Korea, v.56, p.113-134. doi: 10.14770/jgsk.2020.56.2.113
    CrossRef
  15. Kim, Y., Rhie, J., Kang, T.-S., Kim, K.-H., Kim, M. and Lee, S.-J. (2016). The 12 September 2016 Gyeongju earthquakes: 1. Observation and remaining questions. Geosciences Journal, v.20, p.747-752. doi: 10.1007/s12303-016-0033-x
    CrossRef
  16. Kim, Y.-S. (2020). Research trend of active fault and earthquake geology for the Korean Peninsula. Journal of the Geological Society of Korea, v.56, p.109-111. doi: 10.14770/jgsk.2020.56.2.109
    CrossRef
  17. Kim, Y.-T., Yu, J.-H. and Hahn, H.-S. (2011). Retinex Algorithm Improvement for Color Compensation in Back-Light Image Efficently. Journal of the Korea Society of Computer and Information, v.16, p.61-69. doi: 10.9708/jksci.2011.16.1.061
    CrossRef
  18. Lim, H. and Kim, Y. (2020). A dataset of seismic sensor responses of South Korea seismic stations. Journal of the Geological Society of Korea, v.56, p.515-524. doi: 10.14770/jgsk.2020.56.4. 515
    CrossRef
  19. Lee, H., Kim, J.C., Ko, K., Ghim, Y.S., Kim, J. and Lee, S.R. (2018). Characteristics of sand volcanoes caused by 2017 Pohang Earthquake-induced liquefaction and their paleoseismological approach. Journal of the Geological Society of Korea, v.54, p.221-235. doi: 10.14770/jgsk.2018.54.3.221
    CrossRef
  20. Lee, Y.J. and Lee, I.K. (1972). Explanatory text of the geological map of Eonyang sheet(1: 50,000). Geological survey of Korea, 22p.
  21. Manighetti, I., Perrin, C., Gaudemer, Y., Dominguez, S., Stewart, N., Malavieille, J. and Garambois, S. (2020). Repeated giant earthquakes on the Wairarapa fault, New Zealand, revealed by Lidar-based paleoseismology. Scientific reports, v.10, p.1-11. doi: 10.1038/s41598-020-59229-3
    Pubmed KoreaMed CrossRef
  22. McManamon, P.F. (2019). Lidar technologies and Systems, SPIE, Bellingham, WA USA, 504p.
    CrossRef
  23. Naik, S.P., Gwon, O. and Kim, Y.-S. (2020). Land Damage Mapping and detailed Liquefaction Potential Analysis for the Epicentral Region of 2017 Pohang Mw 5.4 Earthquake, South Korea: An Attempt towards Sustainable Land Use Planning. In Henriques, M.H.(Eds), Prime Archives in Sustainability. Vide Leaf, Hyderabad, p.1-35. doi: 10.37247/pas.1. 2020.13
    CrossRef
  24. Obu, J., Lantuit, H., Grosse, G., Günther, F., Sachs, T., Helm, V. and Fritz, M. (2017). Coastal erosion and mass wasting along the Canadian Beaufort Sea based on annual airborne LiDAR elevation data. Geomorphology, v.293, p.331-346. doi: 10.1016/ j.geomorph.2016.02.014
    CrossRef
  25. Ryoo, C.-R., Kang, J.-H. and Kang, H.-C. (2018). On the Latest Tectonic Environment Around Northern Part of the Yangsan Fault, Korea. The Journal of the Petrological Society of Korea, v.27, p.173-184. doi: 10.7854/JPSK.2018.27.3.173
  26. Ryoo, C.-R. and Cheon, Y. (2019). Characteristics of the Main Fault Zone Developed Along Yangsan Fault: On the Outcrop of Cheonjeon-ri, Dudong-myeon, Ulju-gun, Ulsan, Korea. The Journal of the Petrological Society of Korea, v.28, p.347-357. doi: 10.7854/JPSK.2019.28.4.347
  27. Scheiblauer, C. and Wimmer, M. (2011). Out-of-core selection and editing of huge point clouds. Computers & Graphics, v.35, p.342-351. doi: 10.1016/j.cag.2011.01.004 Schütz, M. (2016). Potree: Rendering large point clouds in web browsers. Technische Universität Wien, Wiedeń, Austria, 84p.
    CrossRef
  28. Sim, H., Song, Y., Son, M., Park, C., Choi, W. and Khulganakhuu, C. (2017). Reactivated timings of Yangsan fault in the Northern Pohang area, Korea. Economic and Environmental Geology, v.50, p.97-104. doi: 10.9719/EEG.2017.50.2.97
    CrossRef
  29. Song, Y., Ha, S., Lee, S., Kang, H.-C., Choi, J.-H. and Son, M. (2020). Quaternary structural characteristics and paleoseismic interpretation of the Yangsan Fault at Dangu-ri, Gyeongju-si, SE Korea, through trench survey. J. Geol. Soc. Korea, v.56, p.155- 173. doi: 10.14770/jgsk.2020.56.2.155
    CrossRef
  30. Song, Y., Park, C., Sim, H., Choi, W., Son, M. and Khulganakhuu, C. (2016). Reactivated Timings of Yangsan fault in the Sangcheonri area, Korea. Economic and Environmental Geology, v.49, p.97-104. doi: 10.9719/EEG.2016.49.2.97
    CrossRef
  31. Sun, S. and Guo, X. (2016). Image enhancement using bright channel prior. Paper presented at the 2016 International Conference on Industrial Informatics-Computing Technology, Intelligent Technology, Industrial Information Integration(ICIICII). p.83-86. doi: 10.1109/ICIICII.2016.0031
    CrossRef
  32. Tak, W.J., Jun, K.W., Kim, S.D. and Lee, H.J. (2020). Using Drone and LiDAR to Assess Coastal Erosion and Shoreline Change due to the Construction of Coastal Structures. Journal of Coastal Research, v.95, p.674-678. doi: 10.2112/SI95-131.1
    CrossRef
  33. Tye, A. and Stahl, T. (2018). Field estimate of paleoseismic slip on a normal fault using the Schmidt hammer and terrestrial LiDAR: Methods and application to the Hebgen fault (Montana, USA). Earth Surface Processes and Landforms, v.43, p.2397-2408. doi: 10.1002/esp.4403
    CrossRef
  34. Um, S.H., Lee, D.W. and Bak, B.S. (1964). Explanatory text of the geological map of Pohang sheet(1: 50,000). Geological Survey of Korea, 17p.
  35. Xiong, L., Wang, G., Bao, Y., Zhou, X., Wang, K., Liu, H., Sun, X. and Zhao, R. (2019). A Rapid Terrestrial Laser Scanning Method for Coastal Erosion Studies: A Case Study at Freeport, Texas, USA. Sensors, v.19, p.3252. doi: 10.3390/s19153252
    Pubmed KoreaMed CrossRef
  36. Yoon, S.-O., Jeon, C.-K. and Hwang, S. (2013). Analysis on the Sand Beach Change at Jinbok-ri, Uljin Province of East Coast in Korea based on the High Resolution DEM by Terrestrial LiDAR. Journal of the Korean Geographical Society, v.48, p.321-335.
  37. Zilberman, A., Golbraikh, E., Kopeika, N.S., Virtser, A., Kupershmidt, I. and Shtemler, Y. (2008). Lidar study of aerosol turbulence characteristics in the troposphere: Kolmogorov and non-Kolmogorov turbulence. Atmospheric Research, v.88, p.66- 77. doi: 10.1016/j.atmosres.2007.10.003
    CrossRef

 

April 2021, 54 (2)