In 2020, The long rainy season for 54 days and 3 consecutive typhoons that occurred on the Korean Peninsula caused enormous flood damage in the city, agricultural land, and river basins. In order to monitor water-related disasters, it is important to rapidly acquire, analyze, and utilize satellite data. In this study, the flood mapping on the Korean Peninsula was analyzed using Synthetic Aperture Radar(SAR) that capable of observing water body in surface through clouds during a flood disaster.

We acquired various SAR satellite data such as Sentinel-1, Cosmo-SkyMED, TerraSAR-X, RCM, ICEYE, KOMPSAT-5 through the International Charter. All SAR satellite data were radiometrical and geometrical pre-processed, and speckles and image filters optimized for water body detection were applied. The flood inundation map was extracted from the histogram of the SAR backscattering coefficient through a local threshold technique based on gamma-distribution fitting and DEM slope. In addition, a study was conducted to compare the results with conventional flood detection techniques by applying a deep learning model such as U-Net based on the convolutional neural network (CNN) for image segmentation.

The result shows the capability of flood inundation mapping using SAR data. Nevertheless, there were limitations in analyzing and utilizing rapid acquisition of satellite data as it was difficult to observe satellites at the time of the most severe flood damage. In 2025, it is possible to establish a flood monitoring and response system across the watershed through the utilization of satellite constellation using various micro-satellites and the development of water resources satellite (Compact Advanced Satellite 500-5; CAS500-5). The launch of Water resources satellite with C-band SAR payload can monitor water resources and water-related disasters to shorten the revisit time and improve precision.