선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서, 본 연구에서는 다양한 시공간 데이터 세트를 다차원적으로 분석하고 시각화할 수 있는 새로운 형태의 GIS를 활용하여 인공어초 주변의 어군의 분포, 어초와 해저지형, 저질과 해양환경과의 상호 관련성에 관하여 조사하였다. 그 결과, 계량어군탐지기로부터 얻어진 어군의 음향강도 정보 (SV값)뿐만이 아니라 어군의 면적, 주위장, 길이 등 어군의 기하학적 정보를 GIS에 통합적으로 시각화함으로써 어초 주변에 분포하는 어군의 특징을 포괄적이면서 정확하게 이해할 수 있게 되었다.
- 또한, 그림 아래에 표시한 타임 슬라이더 (time slider)는 시간정보와 공간정보를 변화시키면서 해양환경의 특징을 3차원 혹은 4차원으로 시각 화할 수 있는 장치이다. 본 연구에서 슬라이더를 수심으로 선정하여 각각의 레이어에 대한 수온의 변화를 살펴 보았다. 그 결과로, 해수면에서는 19－25℃, 6m층에서는 18－19℃, 12m층에서는 18－18.
- 본 연구에서 일본 야마구치현 시모노세키 연안 해역에 설치된 인공어초 해역에서 수집한 다양한 데이터 세트를 통합하여, 4차원인 시각화와 데이타 상호간의 정량적인 분석이 가능한 다차원적인 분석 방법에 대하여 고찰하였다. 인공어초에 관한 여러 다른 데이터 세트 (인공어초 해역 주변에서 얻은 어군, 어초, 해저지형, 저질, 해양환경)를 새로운 GIS 응용프로그램을 활용 하여 첫째, 어군과 수온 사이의 관계를 3차원으로 시각화하였고, 둘째, 다양한 어군의 특징을 통합적으로 시각화하였다.
- 더욱이, 공간 위치정보를 기준으로 해서 어군, 어초, 저질, 해양환경 등의 다양한 개체의 속성정보를 통합·시각화하여 어초의 위치, 어군, 어초와 해양환경과의 상호 관련성을 다각적이면서 정량적인 해석을할 수 있음을 시사하였다. 본 연구에서는 상기에 논한 것과 같이 음향조사에서 얻어진 데이터를 중심으로 인공어초에 관련한 물리적인 데이터를 이용하여 다차원해석을 실행하였다. 그러나 인공어초 주변에 위집한 어군행동, 어군과 어초와의 관계, 위집량을 상세하게 검토하기 위해서는 (Thorne, 1989; Thorne, 1994; Stanley and Wilson, 1997; Soldal et.
- 본 연구에서는 일본 연안 해역에 설치된 인공 어초 어장에서 수록한 어군, 어초 구조물, 해저지형, 저질, 해양환경 등의 데이터를 통합·변환하고, 이들 데이터를 3차원으로 시각화하여 데이터 상호간의 관련성을 정량적으로 조사하고 분석하였다.
- 95。) 만을 선별하여 인공어초의 정보를 사용하였다. 여기서 어군의 분포와 인공어초와의 상호간의 관련성을 조사하였다. 즉, 탐지된 모든 어군을 대상으로 가장 가깝게 위치한 인공어초까지의 거리를 찾고, 그 어초가 설치된 수심, 어초의 재질 등의 정보를 각각의 어군정보로 이동시켜 각어군과 이에 상응하는 어초의 정보를 상호 관련 성을 비교하여 고찰하였는데 그 결과는 Table 2와 같다.
제안 방법
- 해양환경 데이터는 CTD를 이용하여 표층부터 해저까지의 수온과 염분 등을 측정하였다. CTD관측은 음향 조사선 (transect line)의 양쪽 끝과 중앙에 각각 3점씩을 배치하여 실시하였다. 또한본 연구에서는 계량어군탐지기와 CTD에서 관측한 정보 이외에도 일본 수로협회 발행의 해저지형정보와 해안선 정보 및 환경 시뮬레이션연구소 발행의 수심정보를 이용하였다.
- 시모노세키시 연안 해역의 어초와 해저 저질과의 상호 관계를 조사한 결과는 Table 3과 같다. Table 3에서는 인공어초의 위치 정보와 해저 저질도의 위치정보를 비교하여 그 위치정보가 상호간에 교차하는 부분에 한해서 어초정보와 저질정보를 비교하여 분석하였다. 그 결과로 284개의 인공어초가 설치된 해저의 저질에서 0.
- 근접한 2개 정점 간에 있어서 선형치의 보간은 그림으로 표시하지는 않지만, CTD에 의해서 취득한 정보는 수온뿐만 아니라 염분, 용존산소, 클로로필 및 탁도를 대상으로 2점간의 선형보간을 실시하였다. Fig.
- 90 (Myriax, 2010)의 라인 선별 (line pick)기능을 이용하였다. 다음으로 인공어초 어장에 서식하는 어군을 검출하기 위해서 Echoview의 어군 검출 기능을 이용하여, Table 1에 표시한 설정 파라미터에 부합한 어군을 검출하였다. 에코그램상에서 어군을 검출하기 위한 최적의 파라미터를 사용하기 위해서 대표적인 어군을 대상으로 어군의 크기 즉 어군의 길이, 높이, 이웃한 어군과의 거리를 측정하였다.
- 따라서 본 연구에서 음향 조사시에 사용된 70kHz와 200kHz의 SV값을 이용하여 검출된 어군을 대상으로 해서 어군별 SV차를 조사하였다. 그 결과, 검출된 어군의 반이상 (52%)이 －5－－0dB 의 SV차의 범위를 나타내었고, 200kHz의 어군의 에코가 70kHz의 것과 비교해서 약 5dB 높은 SV값을 나타났다.
- 또한 70kHz에 있어서 에코그램은 GIS용의 파일형식 (EVE)으로 추출하였다.
- CTD관측은 음향 조사선 (transect line)의 양쪽 끝과 중앙에 각각 3점씩을 배치하여 실시하였다. 또한본 연구에서는 계량어군탐지기와 CTD에서 관측한 정보 이외에도 일본 수로협회 발행의 해저지형정보와 해안선 정보 및 환경 시뮬레이션연구소 발행의 수심정보를 이용하였다.
- 본 연구에서 사용한 데이터는 인공어초 주변에 검출된 어군의 특징을 추출한 데이터 (CSV형식), 70kHz의 에코그램을 GIS 소프트전용으로 추출한 데이터 (EVE형식), CTD에 의한 해양환경 데이터 중에 수온을 보간한 데이터 (라스타 형식), 해저수심, 저질, 일본 연안선의 데이터 (ESRI shape형식)와 인공어초의 데이터 (CSV형식)를 종합하여 Eonfusion에서 분석을 실행하였다. Fig.
- 저질은 해저 입자직경을 기준으로 분류 하여 색으로 표시하였으며, 인공어초의 재질은 색으로, 어초의 체적은 구의 크기에 대응시켜 표시한 결과이다. 본 연구에서 실시했던 음향 조사와 CTD 관측은 비교적 좁은 범위에서 실시하였으며 그 해역을 흰 색 화살표로, 음향조사의 항적라인은 녹색으로 표시하였다. 본 조사해역에서는 전체적으로 갈색으로 표시된 석재와 녹색으로 표시된 콘크리트재로 만들어진 인공어초가 많이 설치되었음을 알 수 있었다.
- 인공어초에 관한 여러 다른 데이터 세트 (인공어초 해역 주변에서 얻은 어군, 어초, 해저지형, 저질, 해양환경)를 새로운 GIS 응용프로그램을 활용 하여 첫째, 어군과 수온 사이의 관계를 3차원으로 시각화하였고, 둘째, 다양한 어군의 특징을 통합적으로 시각화하였다. 셋째, 인공어초와 어군의 상관 관련성을 정량적으로 나타내었으며, 넷째, 두 개의 다른 데이터 소스로부터 얻어진 해저지질을 비교하였다. 이러한 다차원적인 분석방법은 인공 어초해역에 관련한 해양 환경정보와 함께 어군의 특징을 3차원으로 시각화할수 있으며, 어초와 어군, 해양환경과 어군 사이의 관계를 정량적인 분석이 가능함을 보여주었다.
- 어초 주변에 위집된 어군 분포와 분포 지역의 해양환경을 조사하기 위해서는 음향조사와 병행하여 CTD (AAQ1183, JFE Advantech) 관측을 실시하였다. 음향 데이터는 2008년 5월 25일, 야마구치현 시모노세키시의 무라사키노하나 주변 해역에서 약 2마일의 조사정선을 0.
- 다음으로 인공어초 어장에 서식하는 어군을 검출하기 위해서 Echoview의 어군 검출 기능을 이용하여, Table 1에 표시한 설정 파라미터에 부합한 어군을 검출하였다. 에코그램상에서 어군을 검출하기 위한 최적의 파라미터를 사용하기 위해서 대표적인 어군을 대상으로 어군의 크기 즉 어군의 길이, 높이, 이웃한 어군과의 거리를 측정하였다. 특히 어군의 길이에 대해서는 배의 이동속도와 핑 회수를, 어군 높이에 대해서는 펄스폭에 의한 수직 분해능을 고려 하였고, 어군의 크기를 미리 파악한 후에 표의 설정 파라미터를 결정하였다.
- 역치는 －70dB로 설정했기 때문에 그이하의 값은 투명하게 표시되었다. 여기서 검출된 모든 어군의 평균 SV값을 에코그램과 같은 색을 사용하였으며, 구의 크기는 어군의 면적에 대응시켜 시각화한 것이다. 그림에서 표시한 3개의 봉은 스케일바로서 에코그램의 데이터 포인트에 놓고, 그 데이터 포인트를 중심으로 한 스케일바의 X, Y, Z축의 간격을 읽으면, 데이터의 규모를 상대적으로 알 수 있게 된다.
- 특히 어군의 길이에 대해서는 배의 이동속도와 핑 회수를, 어군 높이에 대해서는 펄스폭에 의한 수직 분해능을 고려 하였고, 어군의 크기를 미리 파악한 후에 표의 설정 파라미터를 결정하였다. 여기서 검출된 어군의 형태 (길이, 높이, 둘레 (perimeter), 면적 등) 와 측심적인 특징 (분포 수심 등)에 관한 정보는 CSV (comma separated value)형식으로 추출하였다. 어군의 해저로부터 높이 (이하 고도라 한다.
- 서로 다른 두 데이터 자료에서 같은 해저저질의 정보를 비교하기 위해 가시화한 것이다. 여기서 인공어초가 설치된 위치 정보에, 균등한 사이즈의 구 (인공어초의 unit)를 사용하여 인공어초의 정보 중 저질 (모래, 돌, 바위)로 구분하여 색으로 표시하였고, 해안 보안청의 해저저질 정보를 입자별로 7단계 (silt or mud-rock)의 저질로 분류하여 컬러로 표시한 후, 이 저질 분포도와 해저 수심정보를 중첩하여 3차원 해저도를 작성하였다. 옅은 회색 선은 수심 10m의 등심선이고, 다른 두개의 데이터 세트로부터 얻어진 해저정보를 3차원 시각화하여 비교한 결과, 데이터 상호간에 좋은 일치를 보였다.
- CTD에서 얻어진 데이터는 GIS를 이용하여 먼저, 근접한 두 개의 정점간에 있어서 선형 값을 보간하는 기법과 역거리 가중보간 기법 (Inverse distance weighting interpolation)을 이용하여 보간을 행하였다. 역거리 가중보간 기법에서는 어떤 크기의 셀 (위도0.005。, 경도0.005。, 심도 0.5 m) 을 작성한 후, 이 셀에 대한 범위 (X축, Y축, Z축) 값을 이용하여 보간 계산을 행하였다.
- 음향 데이터 해석 소프트웨어를 이용하여 추출한 70kHz의 EVE파일과 검출된 어군을 추출한 CSV파일을 GIS에서 직접 읽어 에코그램 위에 어군을 3차원의 구로 표시하였다 (Fig. 3). 그림에서 표시한 컬러 스케일은 SV값의 강도에 상응한다.
- 음향 데이터로부터 검출된 어군정보와 시모노세키시 연안 해역에 설치된 인공어초의 지리정보를 근거로 2개의 데이터 세트 상호간의 관련성을 살펴보았다. 인공어초의 정보에 관해서는 음향자원 조사를 실시하여 어군이 확인된 해역 (위도 34.
- 본 연구에서 일본 야마구치현 시모노세키 연안 해역에 설치된 인공어초 해역에서 수집한 다양한 데이터 세트를 통합하여, 4차원인 시각화와 데이타 상호간의 정량적인 분석이 가능한 다차원적인 분석 방법에 대하여 고찰하였다. 인공어초에 관한 여러 다른 데이터 세트 (인공어초 해역 주변에서 얻은 어군, 어초, 해저지형, 저질, 해양환경)를 새로운 GIS 응용프로그램을 활용 하여 첫째, 어군과 수온 사이의 관계를 3차원으로 시각화하였고, 둘째, 다양한 어군의 특징을 통합적으로 시각화하였다. 셋째, 인공어초와 어군의 상관 관련성을 정량적으로 나타내었으며, 넷째, 두 개의 다른 데이터 소스로부터 얻어진 해저지질을 비교하였다.
- 5는 수심 10m 간격으로 표시한 3차원의 해저 지형도 위에 저질정보와 시모노세키시 연안 해역에 설치된 인공어초의 정보를 종합적으로 시각화한 것이다. 저질은 해저 입자직경을 기준으로 분류 하여 색으로 표시하였으며, 인공어초의 재질은 색으로, 어초의 체적은 구의 크기에 대응시켜 표시한 결과이다. 본 연구에서 실시했던 음향 조사와 CTD 관측은 비교적 좁은 범위에서 실시하였으며 그 해역을 흰 색 화살표로, 음향조사의 항적라인은 녹색으로 표시하였다.
- 4는 공간위치 정보를 기준으로 하여 검출된 어군의 벡터형식 데이터와 역거리 가중법을 이용하여 보간한 수온의 라스타 데이터 형식을 관련시킨 결과를 표시한 것이다. 즉, 어군의 위치정보와 보간한 수온의 위치정보를 기하학적 으로 메핑한 위에 이들의 공간 위치정보를 비교해서 어군의 위치와 수온정보의 위치정보가 교차한 곳에서 수온정보를 어군정보로 이동, 변환 시켜 색으로 표시한 것이다. 또한, 수온에 의한 색깔의 시각화뿐만이 아니라 어군의 특징 중에서 둘레를 구의 크기로 하고, 어군의 길이를 원광 (halo)으로 표시하였다.
- 여기서 어군의 분포와 인공어초와의 상호간의 관련성을 조사하였다. 즉, 탐지된 모든 어군을 대상으로 가장 가깝게 위치한 인공어초까지의 거리를 찾고, 그 어초가 설치된 수심, 어초의 재질 등의 정보를 각각의 어군정보로 이동시켜 각어군과 이에 상응하는 어초의 정보를 상호 관련 성을 비교하여 고찰하였는데 그 결과는 Table 2와 같다. 검출된 97개의 어군에 가장 가깝게 설치된 인공어초의 재질은 대부분 콘크리트 소재와 석재로 구성되었으며, 석재는 어군의 81%, 콘크리트 소재는 18%, 기타는 1%의 어군이 분 포함을 알 수 있었다.
- 마지막으로 데이터 세트의 상호간의 관련성을 파악한 후에는 그 결과를 3차원으로 시각화할 수 있고, 또한 CSV형식으로 추출할 수 있다. 추출된 CSV형식의 처리된 데이터를 사용하여 데이터간의 상호 관련성을 정량적으로 살펴 보았다.
- 에코그램상에서 어군을 검출하기 위한 최적의 파라미터를 사용하기 위해서 대표적인 어군을 대상으로 어군의 크기 즉 어군의 길이, 높이, 이웃한 어군과의 거리를 측정하였다. 특히 어군의 길이에 대해서는 배의 이동속도와 핑 회수를, 어군 높이에 대해서는 펄스폭에 의한 수직 분해능을 고려 하였고, 어군의 크기를 미리 파악한 후에 표의 설정 파라미터를 결정하였다. 여기서 검출된 어군의 형태 (길이, 높이, 둘레 (perimeter), 면적 등) 와 측심적인 특징 (분포 수심 등)에 관한 정보는 CSV (comma separated value)형식으로 추출하였다.
- 15마일 간격으로 설정하여 계량어군탐지기 (EK60, Simrad, 70 kHz and 200 kHz)를 사용하여 수집하였다. 해양환경 데이터는 CTD를 이용하여 표층부터 해저까지의 수온과 염분 등을 측정하였다. CTD관측은 음향 조사선 (transect line)의 양쪽 끝과 중앙에 각각 3점씩을 배치하여 실시하였다.
대상 데이터
- 본 연구는 1955년부터 1997년에 걸쳐 일본 야마구치현 시모노세키시 키타무라 연안에 조성된 인공어초 어장을 대상으로 하였다. 인공어초에 관한 정보는 후따오이섬 주변, 시모노세키시및 호우호쿠읍 연안의 세 곳에서 수집하였으며, 이 중 후따오이섬 주변의 인공어초에 관한 정보는 2001년 6월 10일에 사이드 스캔소나 (272TD, Edge tech, 100kHz와 500kHz)를 이용하여 수집 하였다.
- 인공어초에 관한 정보는 후따오이섬 주변, 시모노세키시및 호우호쿠읍 연안의 세 곳에서 수집하였으며, 이 중 후따오이섬 주변의 인공어초에 관한 정보는 2001년 6월 10일에 사이드 스캔소나 (272TD, Edge tech, 100kHz와 500kHz)를 이용하여 수집 하였다. 사이드 스캔소나를 이용한 어초위치는 DGPS (GR－80, Furuno)와 GPS (GP－50 Mark3, Furuno)로 측정하였고, 탐지된 어초의 총 수는 1442였다 (Hamano et al., 2002). 후따오이섬 이외 시모노세키시와 호우호구읍 연안의 어초 데이터는 시모노세키시가 관리하고 있는 어초대장에서 위치 정보, 재질, 면적 및 설치 장소의 저질 등의 어초 정보를 수집하였다.
- 어초 주변에 위집된 어군 분포와 분포 지역의 해양환경을 조사하기 위해서는 음향조사와 병행하여 CTD (AAQ1183, JFE Advantech) 관측을 실시하였다. 음향 데이터는 2008년 5월 25일, 야마구치현 시모노세키시의 무라사키노하나 주변 해역에서 약 2마일의 조사정선을 0.15마일 간격으로 설정하여 계량어군탐지기 (EK60, Simrad, 70 kHz and 200 kHz)를 사용하여 수집하였다. 해양환경 데이터는 CTD를 이용하여 표층부터 해저까지의 수온과 염분 등을 측정하였다.
- 본 연구는 1955년부터 1997년에 걸쳐 일본 야마구치현 시모노세키시 키타무라 연안에 조성된 인공어초 어장을 대상으로 하였다. 인공어초에 관한 정보는 후따오이섬 주변, 시모노세키시및 호우호쿠읍 연안의 세 곳에서 수집하였으며, 이 중 후따오이섬 주변의 인공어초에 관한 정보는 2001년 6월 10일에 사이드 스캔소나 (272TD, Edge tech, 100kHz와 500kHz)를 이용하여 수집 하였다. 사이드 스캔소나를 이용한 어초위치는 DGPS (GR－80, Furuno)와 GPS (GP－50 Mark3, Furuno)로 측정하였고, 탐지된 어초의 총 수는 1442였다 (Hamano et al.
- 음향 데이터로부터 검출된 어군정보와 시모노세키시 연안 해역에 설치된 인공어초의 지리정보를 근거로 2개의 데이터 세트 상호간의 관련성을 살펴보았다. 인공어초의 정보에 관해서는 음향자원 조사를 실시하여 어군이 확인된 해역 (위도 34.0。－34.1。와 경도 130.85。－130.95。) 만을 선별하여 인공어초의 정보를 사용하였다. 여기서 어군의 분포와 인공어초와의 상호간의 관련성을 조사하였다.
- , 2002). 후따오이섬 이외 시모노세키시와 호우호구읍 연안의 어초 데이터는 시모노세키시가 관리하고 있는 어초대장에서 위치 정보, 재질, 면적 및 설치 장소의 저질 등의 어초 정보를 수집하였다.
이론/모형
- CTD에서 얻어진 데이터는 GIS를 이용하여 먼저, 근접한 두 개의 정점간에 있어서 선형 값을 보간하는 기법과 역거리 가중보간 기법 (Inverse distance weighting interpolation)을 이용하여 보간을 행하였다. 역거리 가중보간 기법에서는 어떤 크기의 셀 (위도0.
- 이것은 어초에 가까이 분포하는 어군과 관련하여 특히 중요시되는 문제이다 (Nakamura and Hamano, 2009). 보다 정확한 해저선을 작성하기 위해서 음향데이터 해석소프트웨어 Echoview ver. 4.90 (Myriax, 2010)의 라인 선별 (line pick)기능을 이용하였다. 다음으로 인공어초 어장에 서식하는 어군을 검출하기 위해서 Echoview의 어군 검출 기능을 이용하여, Table 1에 표시한 설정 파라미터에 부합한 어군을 검출하였다.
- 본 연구에서 인공어초 주변에서 얻어진 다차원 데이터를 시계열적으로 공간분석하기 위해서 GIS 소프트웨어인 Eonfusion ver. 2.1 (Myriax, 2010)을 사용하였다. GIS는 여러 형태 (벡터, 라스타 (raster), 오디오와 비디오 데이터 등)의 다양한 데이터를 통합하여 복수 데이터 소스를 하나의 데이터로 융합시켜 복수 데이터간의 상호 관련성에 대해 위치정보를 기준으로 해서 공간 적으로 분석하며, 얻어진 결과를 지구 좌표위에 시간정보를 포함한 4 차원 환경 (X: 위도, Y: 경도, Z: 심도와 시간)으로서 시각화할 수 있으며, 그 결과는 CSV형식으로 추출할 수 있다.
성능/효과
- 어군에서 인공어초까지 거리에 대해서는 어군의 77%가 800m 이내에 분포하는 것을 알수있 었다. Table 2에는 제시하지 않았지만, 어군과 인공어초사이의 거리를 분석한 결과, 어초로부터 0－300m에 어군의 44%, 300－600m에 28%가 분포하며, 600m 이내에 어군의 72%가 서식하고 있음을 알 수 있었다.
- 즉, 탐지된 모든 어군을 대상으로 가장 가깝게 위치한 인공어초까지의 거리를 찾고, 그 어초가 설치된 수심, 어초의 재질 등의 정보를 각각의 어군정보로 이동시켜 각어군과 이에 상응하는 어초의 정보를 상호 관련 성을 비교하여 고찰하였는데 그 결과는 Table 2와 같다. 검출된 97개의 어군에 가장 가깝게 설치된 인공어초의 재질은 대부분 콘크리트 소재와 석재로 구성되었으며, 석재는 어군의 81%, 콘크리트 소재는 18%, 기타는 1%의 어군이 분 포함을 알 수 있었다. 어군은 5－10m 수심에 설치된 인공어초에 가장 많이 위집하였고, 그 비율은 85%를 차지하였다.
- 따라서 본 연구에서 음향 조사시에 사용된 70kHz와 200kHz의 SV값을 이용하여 검출된 어군을 대상으로 해서 어군별 SV차를 조사하였다. 그 결과, 검출된 어군의 반이상 (52%)이 －5－－0dB 의 SV차의 범위를 나타내었고, 200kHz의 어군의 에코가 70kHz의 것과 비교해서 약 5dB 높은 SV값을 나타났다. 또한 전체적으로도 200kHz가 70kHz에 비교해서 높은 SV값을 나타내는 반응을 보였다.
- 따라서, 본 연구에서는 다양한 시공간 데이터 세트를 다차원적으로 분석하고 시각화할 수 있는 새로운 형태의 GIS를 활용하여 인공어초 주변의 어군의 분포, 어초와 해저지형, 저질과 해양환경과의 상호 관련성에 관하여 조사하였다. 그 결과, 계량어군탐지기로부터 얻어진 어군의 음향강도 정보 (SV값)뿐만이 아니라 어군의 면적, 주위장, 길이 등 어군의 기하학적 정보를 GIS에 통합적으로 시각화함으로써 어초 주변에 분포하는 어군의 특징을 포괄적이면서 정확하게 이해할 수 있게 되었다. 더욱이, 공간 위치정보를 기준으로 해서 어군, 어초, 저질, 해양환경 등의 다양한 개체의 속성정보를 통합·시각화하여 어초의 위치, 어군, 어초와 해양환경과의 상호 관련성을 다각적이면서 정량적인 해석을할 수 있음을 시사하였다.
- Table 3에서는 인공어초의 위치 정보와 해저 저질도의 위치정보를 비교하여 그 위치정보가 상호간에 교차하는 부분에 한해서 어초정보와 저질정보를 비교하여 분석하였다. 그 결과로 284개의 인공어초가 설치된 해저의 저질에서 0.25－0.5mm, 4－64mm, 64－256mm의 입자 직경으로 분류시킨 저질은 중간 크기 모래, 작은 자갈, 바위임을 확인하였다. 또한, 인공어초는 이들 분류된 저질에 각각 24, 29, 26%가 설치되었고 뻘에는 전혀 설치되지 않았다
- 본 연구에서 슬라이더를 수심으로 선정하여 각각의 레이어에 대한 수온의 변화를 살펴 보았다. 그 결과로, 해수면에서는 19－25℃, 6m층에서는 18－19℃, 12m층에서는 18－18.5℃, 18m층에서는 17.5℃를 나타냈고, 수심이 깊을수록 수온은 낮은 경향을 보였다. 또한 이 도구를 이용하여 수심 18.
- 얕은 수심에 서식하는 어군의 수온은 깊은 수심에 분포한 어군에 비해서 약 1℃ 정도 높은 경향을 보였다. 그리고 수심이 얕은 해저 근처에 분포한 어군의 주위장과 길이가 깊은 수심의 어군보다 큼을 알수있 었다. 또한, 어군의 둘레 (P, m)와 길이 (L, m) 사이는
- 더욱이, 공간 위치정보를 기준으로 해서 어군, 어초, 저질, 해양환경 등의 다양한 개체의 속성정보를 통합·시각화하여 어초의 위치, 어군, 어초와 해양환경과의 상호 관련성을 다각적이면서 정량적인 해석을할 수 있음을 시사하였다.
- 5℃를 나타냈고, 수심이 깊을수록 수온은 낮은 경향을 보였다. 또한 이 도구를 이용하여 수심 18.3m보다 깊은 곳에서는 18℃ (그림에 있어서 파랑색)보다 낮은 수온 값을 나타냄을 알 수 있었으며, 모든 층에 있어서 수온의 평균치, 최소치, 최고치는 각각 18.82℃, 18.40℃, 19.69℃ 이었다.
- 그 결과, 검출된 어군의 반이상 (52%)이 －5－－0dB 의 SV차의 범위를 나타내었고, 200kHz의 어군의 에코가 70kHz의 것과 비교해서 약 5dB 높은 SV값을 나타났다. 또한 전체적으로도 200kHz가 70kHz에 비교해서 높은 SV값을 나타내는 반응을 보였다. 본 연구에서는 상기의 2주파수간의 SV차를 표시한 어군을 대상으로 네트 샘플링를 통한 어종은 확인하지 않았지만, 차후 인공어초 해역에 있어서 SV차의 범위와 네트 샘플링에 의한 Ground truth방법으로 얻어진 어종을 검토할 예정이므로 SV차의 범위로부터 어종을 식별할 수 있을 것을 기대한다.
- 석재로 구성된 어초가 가장 많이 산재되었으며, 그 체적은 약 2500m3 으로 수심 10m 이내에 설치되어 있음을알수 있었다. 또한, 본 조사해역에 있어서 콘크리트 소재의 어초는 아주 다양한 규모로 설치되어 있었고, 그 중에서 침선이 어초의 재료 중에서 가장 큰 체적을 차지하였다.
- 데이터 상호 간에 관련성이 있는 경우는 데이터의 속성이 위치정보를 기준으로 상호간에 이동할 수 있다. 마지막으로 데이터 세트의 상호간의 관련성을 파악한 후에는 그 결과를 3차원으로 시각화할 수 있고, 또한 CSV형식으로 추출할 수 있다. 추출된 CSV형식의 처리된 데이터를 사용하여 데이터간의 상호 관련성을 정량적으로 살펴 보았다.
- 본 연구에 이용된 GIS 소프트웨어내의 타임 슬라이더라 불리는 컨트롤러 툴을 이용하는 것은 시간과 공간정보를 자유롭게 변화시켜 시계열적인 어군분포와 수온의 수심별 변화를 공간 위치 중심으로 분석할 수 있음을 알 수 있다. 이와 같은 공간정보를 근거로 한 시계열적인 데이터의 시각화는 차후 해양환경의 변화 중에서 인공어초 주변에 대한 어군분포의 일주 변화와 계절 변화 등을 파악할 때에 유용하게 이용될 수 있을 것으로 판단된다.
- 본 연구에서 실시했던 음향 조사와 CTD 관측은 비교적 좁은 범위에서 실시하였으며 그 해역을 흰 색 화살표로, 음향조사의 항적라인은 녹색으로 표시하였다. 본 조사해역에서는 전체적으로 갈색으로 표시된 석재와 녹색으로 표시된 콘크리트재로 만들어진 인공어초가 많이 설치되었음을 알 수 있었다. 석재로 구성된 어초가 가장 많이 산재되었으며, 그 체적은 약 2500m3 으로 수심 10m 이내에 설치되어 있음을알수 있었다.
- 여기서 인공어초가 설치된 위치 정보에, 균등한 사이즈의 구 (인공어초의 unit)를 사용하여 인공어초의 정보 중 저질 (모래, 돌, 바위)로 구분하여 색으로 표시하였고, 해안 보안청의 해저저질 정보를 입자별로 7단계 (silt or mud-rock)의 저질로 분류하여 컬러로 표시한 후, 이 저질 분포도와 해저 수심정보를 중첩하여 3차원 해저도를 작성하였다. 옅은 회색 선은 수심 10m의 등심선이고, 다른 두개의 데이터 세트로부터 얻어진 해저정보를 3차원 시각화하여 비교한 결과, 데이터 상호간에 좋은 일치를 보였다. 그러나, 후따오이섬의 어초 데이터는 사이드 스캔소나로 부터 얻어진 데이터를 이용하여 분석하였지만, 어초의 설치 수심은 해저지형도의 수심과 약간 어긋남을 보였다.
- 셋째, 인공어초와 어군의 상관 관련성을 정량적으로 나타내었으며, 넷째, 두 개의 다른 데이터 소스로부터 얻어진 해저지질을 비교하였다. 이러한 다차원적인 분석방법은 인공 어초해역에 관련한 해양 환경정보와 함께 어군의 특징을 3차원으로 시각화할수 있으며, 어초와 어군, 해양환경과 어군 사이의 관계를 정량적인 분석이 가능함을 보여주었다. 아울러 이러한 방법은 다양한 종류의 복수데이터 세트를 비교적 자유자재로 시각적으로 분석할 수 있기 때문에 인공어초의 효과를 평가할때 유용하게 활용될 수 있을 것으로 사료된다.
후속연구
- 이와 같이 주파수별의 어군 반사 특징, 어군의 형태 및 측심학적 특징을 관련시켜서 차후 계절별 정보를 데이터베이스화한다면 네트 샘플링 방법에 의존하지 않고 음향학적 기법만으로 직접적인 어종을 식별할 수 있을 것이다. 또한, 이러한 데이타베이스는 인공어초에 위집하는 어군량을 어종별로 추정하는 연구 및 어군의어초에 대한 행동 패턴을 어종별로 조사하는 연구에 유효하게 활용될 것으로 사료된다.
- 또한 전체적으로도 200kHz가 70kHz에 비교해서 높은 SV값을 나타내는 반응을 보였다. 본 연구에서는 상기의 2주파수간의 SV차를 표시한 어군을 대상으로 네트 샘플링를 통한 어종은 확인하지 않았지만, 차후 인공어초 해역에 있어서 SV차의 범위와 네트 샘플링에 의한 Ground truth방법으로 얻어진 어종을 검토할 예정이므로 SV차의 범위로부터 어종을 식별할 수 있을 것을 기대한다. 또한, 에코그램상에서 얻어진 어군의 형태적 특징 (길이, 폭, 주위장, 면적 등)과 측심학적 특징 (분포수심 등)을 근거로 해서 어군을 분류함으로써 어군 형상으로부터 어종의 추정을 위한 중요한 정보를 제공할 수 있다.
- 이러한 다차원적인 분석방법은 인공 어초해역에 관련한 해양 환경정보와 함께 어군의 특징을 3차원으로 시각화할수 있으며, 어초와 어군, 해양환경과 어군 사이의 관계를 정량적인 분석이 가능함을 보여주었다. 아울러 이러한 방법은 다양한 종류의 복수데이터 세트를 비교적 자유자재로 시각적으로 분석할 수 있기 때문에 인공어초의 효과를 평가할때 유용하게 활용될 수 있을 것으로 사료된다.
- 본 연구에 이용된 GIS 소프트웨어내의 타임 슬라이더라 불리는 컨트롤러 툴을 이용하는 것은 시간과 공간정보를 자유롭게 변화시켜 시계열적인 어군분포와 수온의 수심별 변화를 공간 위치 중심으로 분석할 수 있음을 알 수 있다. 이와 같은 공간정보를 근거로 한 시계열적인 데이터의 시각화는 차후 해양환경의 변화 중에서 인공어초 주변에 대한 어군분포의 일주 변화와 계절 변화 등을 파악할 때에 유용하게 이용될 수 있을 것으로 판단된다.
- , 1999). 이와 같은 소나시스템을 이용할 수 있다면 인공어초 해역에 관련된 포식자와 피포식자의 상호작용 (Axelsen et. al., 2001), 서식지의 메핑 (Hamano et. al., 2005) 등의 상세한 상황을 파악할 수 있으며, 3차원에 있어서 검출된 어군을 정밀하게 작성된 인공어초 정보를 포함한 해저도 위에 표시할 수 있을 것으로 판단된다.
- 또한, 에코그램상에서 얻어진 어군의 형태적 특징 (길이, 폭, 주위장, 면적 등)과 측심학적 특징 (분포수심 등)을 근거로 해서 어군을 분류함으로써 어군 형상으로부터 어종의 추정을 위한 중요한 정보를 제공할 수 있다. 이와 같이 주파수별의 어군 반사 특징, 어군의 형태 및 측심학적 특징을 관련시켜서 차후 계절별 정보를 데이터베이스화한다면 네트 샘플링 방법에 의존하지 않고 음향학적 기법만으로 직접적인 어종을 식별할 수 있을 것이다. 또한, 이러한 데이타베이스는 인공어초에 위집하는 어군량을 어종별로 추정하는 연구 및 어군의어초에 대한 행동 패턴을 어종별로 조사하는 연구에 유효하게 활용될 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.