1.1. 연구 목적 및 필요성

현재 빛공해환경영향평가는 인공조명에 의한 빛공해 방지법(이하 빛공해 방지법)에 따라 지자체에서 매 3년 주기로 수행하도록 규정되어 있다. 빛공해 환경영향평가는 관할구역 내에 설치된 광고조명, 장식조명, 공간조명과 같은 인공조명에 대해 빛방사허용기준 만족 여부를 평가하고 조명환경관리구역 지정 및 변경 등을 위한 자료 확보에 활용되고 있다. 하지만 환경영향평가를 수행함에 있어 예산과 인력 문제로 전체 구역에 대한 평가가 어려워 우선관리구역을 중심으로 진행되고 있으며 전체 구역을 대상으로 하더라도 대표 지점을 선정하여 수행되고 있어 대표성 문제가 지속적으로 제기되어오고 있다. 본 연구에서는 국소적 평가 방법에 대한 문제점을 개선하고자 새로운 평가 방법을 제안하는 것에 의미를 두었다.

2.1. 드론을 이용한 야간 영상 촬영

야간에 광학 영상을 촬영하는 방법으로 우주에서 인공위성을 이용한 방법과 항공기나 드론 등을 이용하여 상공에서 촬영하는 방법이 있다. 인공위성을 사용한 촬영 방법은 광활한 지역을 촬영할 수 있다는 장점이 있지만 국내의 야간 위성영상은 운영상의 이유로 활용이 불가하여 국외의 위성영상을 이용해야 하지만 국가 간 위성영상을 활용할 수 있는 체계가 부재하여 영상 촬영에 비협조적인 상황이 발생하기도 한다. 또한 조명 단위까지 구분이 가능하며 동시에 고해상도 야간 촬영이 가능한 인공위성이 부족하여 영상 획득에 어려움이 있다. 따라서 이번 연구에서는 영상 획득과 활용에 용이한 드론을 이용하여 연구를 진행하였다.

드론은 ‘자동항법’이라는 기술이 있어 눈에 보이지 않는 비가시권 영역에서도 조정이 가능하여 야간에도 영상을 촬영할 수 있으며 광학카메라를 기반으로 촬영하기 때문에 RGB 데이터를 포함한 데이터값을 추출할 수 있다. 연구에 사용한 드론은 DJI의 Mavic 3 pro로 해상도는 500m 상공에서 1픽셀당 약 18cm의 해상도를 갖는다(Table 1).

야간에 드론을 띄우기 위해서는 항공 안전법 제312조의2에 따라 ‘무인 비행장치 특별비행 승인’을 받아야 하며, 비행 고도 승인에 대한 공역 신청을 해야 한다. 연구를 진행한 대상 지역은 고도 제한 지역(군사지역 근처, 공항 근처) 으로 최대 150m 높이까지만 드론 운행을 하도록 허가되었다^[1].

드론을 이용하여 촬영할 때는 사용자 목적에 맞게 촬영 조건을 설정할 수 있다. 이번 연구에서는 모든 조건을 빛공해 공정시험기준을 적용하여 ISO(감도), 조리개, 셔터속도와 같은 측정 조건을 설정하였으며, 사전 측정을 통해 과다노출(overflow)이 발생하지 않는 조건으로 설정하였다^[2]. ISO(감도)와 조리개는 빛공해 공정시험기준 면휘도계 측정 방법을 고려하여 각 ISO 100, 조리개 F4.0으로 설정하였다. 셔터속도는 현장 분석광원에 초점을 맞춰 다양한 셔터속도의 영상을 촬영하였으며 프로그래밍 하였을 때 8bit 광학영상이 나타낼 수 있는 범위인 0~255내에서 광원의 밝기 값이 다양하게 나타낼 수 있는 셔터속도를 찾아내었다. 측정한 이미지는 Fig. 1에 나타내었다.

그 결과 연구에 사용한 드론은 셔터속도 1/80s로 설정하였을 때 과다노출이 되지 않는 밝기 값을 산출할 수 있다는 것을 확인하였다.

Fig. 1. Image change with shutter speed

2.2. 드론 영상 정보처리

드론으로 촬영한 광학영상과 지상의 현장휘도값 간의 상관관계를 알아보기 위해 영상에서 RED, GREEN, BLUE 3개의 광학 밴드를 추출하여야 한다^[3].

먼저 전체 드론 영상에서 분석할 기준 광원을 선정한다. 분석할 광원의 크기가 크면 픽셀의 개수가 과도하게 많아져 정확한 데이터값을 식별하기 어렵기 때문에 기준 광원만 분석할 수 있도록 최대한 주변 광원이나 분석에 불필요한 이미지가 나오지 않게 사진을 잘라 편집한다. 편집된 이미지는 자체적으로 RGB 데이터 추출이 불가능하여 별도의 프로그래밍 과정을 거쳐 데이터를 추출하는 과정이 필요하다. 이번 연구에서는 Python을 이용하여 광학 데이터를 추출하였으며, 추출한 3개의 RGB 데이터는 변환식을 통해 단일밝기값으로 변환하는 과정을 거쳤다. 각 픽셀 간의 프로그래밍을 거친 데이터는 Fig. 2에 나타내었고 광학영상은 8bit로 저장하기 때문에 데이터값은 0~255 수치로만 나타낼 수 있다.

광학 정보를 단일값으로 변환하는 방법에는 다양한 변환식이 있지만 본 연구에서는 밝은 광원을 평가대상으로 하기 때문에 명순응 환경에서의 시각 정보를 단일 밝기정보(Y)로 변환하는 명순응 변환식을 적용하였고 해당 식은 식 (1)에 나타내었다^[4].

여기서, Red = 이미지 내 Red 데이터값

Green = 이미지 내 Green 데이터값

Blue = 이미지 내 Red 데이터값

Fig. 2. Using Python to extract optical information

2.3. 드론 광학값을 이용한 빛공해 평가 결과

해당 방법을 확인하기 위해서 실제 촬영을 통해 예측 방법을 검토해 보았다. 드론으로 촬영한 영상에서 선정한 분석 광원의 RGB 광학 데이터를 단일밝기값으로 변환한 값과 현장에서 측정한 휘도값 사이의 상관관계를 찾아 다음과 같은 예측휘도 추세식을 도출하였다. 식 (2)는 광학 정보를 이용하여 현장 광원의 휘도값을 예측할 수 있는 예측선형식이다.

여기서, YT = 예측휘도값 (cd/m²)

X = 식 (1)에서 계산된 단일밝기값

식 (2)를 적용하여 휘도값을 예측한 검정곡선은 Fig. 3에 나타내었으며, 이번 측정을 통해 예측할 수 있는 최소 휘도값은 99cd/m², 최대 휘도값은 957cd/m²인 것으로 확인되었다.

Fig. 3. Luminance value calibration curve using drone optical data

또한 드론을 이용하여 빛공해를 측정하는 경우 높은 고도에서 측정이 이루어지기 때문에 광학카메라와 광원 간의 일정 간격이 생기게 되며 이 때문에 대기의 상태에 따라 발생하는 광 확산에 의해 측정값이 영향을 받게 된다. 따라서 기상정보를 활용하여 대기 기상조건이 밝기값에 미치는 영향을 회귀분석을 통해 추가적으로 검토해 보았다.

회귀분석의 입력인자로 기상 조건에서는 대기 중 상대습도(%)와 미세먼지(PM10)를 적용하였고, 광학 데이터에서는 RED 밴드값과 단일 밝기값을 적용하였다. RGB 광학밴드 중 Green 데이터값과 단일밝기값 간 다중공정성(VIF, 분산팽창계수) 값이 ‘166’으로 일반적인 다중공정성 판단 기준값인 ‘10’ 이상으로 크게 나타났다. 이는 식 (1)에서 알 수 있는 바와 같이 Green 데이터값은 단일밝기값에 가장 크게 영향을 주는 요소이기 때문이다. 따라서 다중공정성이 큰 변수는 회귀모델을 불안정하게 하는 인자로 작용하기 때문에 본 연구의 회귀모델의 독립변수(입력데이터)에서 제외하였다. 그리고 Blue 데이터값은 회귀모델에서 Adjusted R2값이 0.028로 낮게 나타나 불필요한 변수로 판단되어 독립변수(입력데이터)에서 제외하였다.

광원의 휘도는 이론적으로 빛이 없으면 ‘0’에 수렴해야 하므로 ‘절편(Intercept)’ 항은 제외한 모델로 최종 회귀식을 도출하였으며, 본 연구에서 도출된 최종 회귀식은 식 (3)에 나타내었다.

여기서, X1 = RED 광학측정값

X2 = 단일 밝기값

X3 = 상대습도(%)

X4 = 미세먼지 농도(PM10)

회귀분석을 통해 도출된 회귀식을 3차원 등고선으로 표현하여 Fig. 4에 나타내었다. Fig. 4를 통해 광원 색상이 붉은색에 가까워질수록 휘도값이 작아졌고, 대기 중 상대습도나 미세먼지 농도가 높아질수록 휘도값도 높아지는 것으로 나타났다.

Fig. 4. 3D contour plot of Regression Analysis on the effects of weather conditions