SAR · 위성영상
실무로 먼저 구축한 InSAR 파이프라인 아래에 제1원리를 채우는 학습 로그
루미르에서 Sentinel-1 InSAR 파이프라인(DInSAR·SBAS·PSI)을 실무로 먼저 구축했습니다. 파이프라인은 돌아가는데 "왜 복소수인가, 왜 위상차가 변위가 되는가, Coherence는 정확히 무엇인가" 같은 제1원리가 비어 있었고 — 그 공백을 기초 이론 블록부터 다시 채워 실무 경험과 연결하고 있습니다.
AI(ChatGPT·Claude)를 사고 파트너로 둔 대화 학습 → Brain Trinity 위키로 컴파일하는 루틴입니다. 대화 원본은 raw로 보존하고, 개념은 위키 페이지로 정제해 미래의 나와 AI(RAG)가 다시 쓸 수 있게 축적합니다.
위키 페이지가 만들어진 날짜·강의 녹음일 기준으로 언제 무엇을 공부했는지. 활동이 있는 날을 누르면 그날의 토픽이 보입니다.
기초 이론 — 신호와 영상의 물리
파이프라인 아래의 "왜" — 복소수 신호부터 TOPS 스캔까지.
SLC 픽셀 = A·e^jθ. 회전을 곱셈 한 번으로 처리하는 오일러 공식이 복소수를 쓰는 이유이고, Interferogram = M×S*(켤레 곱)가 위상차를 자동으로 꺼냅니다.
12.3m 안테나를 이동시키며 같은 표적을 수백 번 관측하고, 위상을 보정해 합산(matched filter)하면 거대한 가상 안테나가 됩니다 — Azimuth Compression의 정체.
Range는 대역폭이(ΔR=c/2B), Azimuth는 합성개구가 결정합니다. Sentinel-1 IW의 5m×20m 비대칭 픽셀과 Multilook 3×1의 이유가 여기서 나옵니다.
주파수를 쓸며 길게 쏘고 matched filter로 짧게 압축 — 해상도와 SNR을 동시에 얻는 펄스 압축이 곧 RAW→SLC의 Range Compression입니다.
산란체 간섭이 만드는 점무늬 노이즈(Speckle), 두 SLC의 유사도(Coherence 0~1), 그리고 Coherence를 올리는 대신 해상도를 내주는 Multilook trade-off.
빔을 전자적으로 스윙해 250km 폭을 얻는 TOPSAR — IW1/2/3 서브스와스 구조, 그리고 Azimuth 해상도 20m라는 대가.
위성 운용·데이터
Sentinel-1 제품 체계 — 무엇을 받아서 시작하는가.
InSAR 변위 탐지
위상차가 mm 변위가 되기까지 — 실무 파이프라인의 이론.
Δφ=(4π/λ)ΔR — C-band에서 fringe 한 줄이 2.8cm입니다. LOS 한 방향만 보는 제약은 Ascending+Descending 결합으로 분해합니다.
짧은 기선 페어 수십~수백 개를 네트워크로 역산해 mm/yr 속도장과 시계열을 얻습니다. 안정 지점을 0으로 고정하는 Reference Point로 대기(APS) 노이즈를 누릅니다.
도시 구조물의 영구산란체(PS)만 선별해 점별 풀해상도 시계열을 얻는, SBAS와 정반대의 접근. 죽전 도심 108,690점 실증까지 완주했습니다.
PSI가 못 보는 식생·산지의 분산산란체(DS)로 확장하는 SqueeSAR, 그리고 식생 투과가 좋은 L-band NISAR 시대를 준비하는 다음 지도.
실무에서 이미 돌고 있는 것들
이 학습은 책상 위 이론이 아니라, 운영 중인 파이프라인의 기초 공사입니다.
SNAP·ISCE2·MintPy 5종 스택 파이프라인 구축·운영
DInSAR→SBAS 시계열 완주 — Reference Point 보정·품질 평가까지
MiaplPy phase linking 최적화(5h→6분)로 도심 영구산란체 시계열 완주