해초지의 생태적 중요성에도 불구하고 국내 연안에 분포하는 해초지 규모에 대한 정보가 미비하다. 장흥군 회진면 일대의 해초지를 대상으로 수중음향측심기와 고해상도 Kompsat-2($4{\times}4m$) 위성영상을 이용하여 식생유무를 탐지하고 분포크기를 파악하는 연구가 수행되었다. 위성영상을 이용한 식생분석의 정확도는 음향측심기를 통해 얻은 자료분석과 이를 비교하여 검증되었다. Kompsat-2 영상분석으로 계산된 회진면 일대의 해초지 면적은 약 $3.9km^2$로 수중음향 탐사를 통해 구해진 $4.5km^2$ 보다 과소평가 되었다. Kompsat-2 위성영상을 객체기반 영상분류법으로 해초 식생을 분석한 결과는 수중음향 결과 값에 대해 90%의 정확도를 보였는데, 이와 같이 높은 정확도는 Kappa 지수(0.85)로도 확인되었다. 또한 위성영상과 수중음향 결과 간의 유사도는 77.1%로 비교적 높았다. 생물 비파괴적인 수중음향조사와 Kompsat-2 영상분석으로 국내 연안에 산재해 있는 해초지 식생의 광역적인 조사가 가능할 것으로 기대되며, 보다 정확한 탐지를 위해서 다양한 고해상도 위성을 이용한 연구가 활발히 이루어져야 할 것이다.
해초지의 생태적 중요성에도 불구하고 국내 연안에 분포하는 해초지 규모에 대한 정보가 미비하다. 장흥군 회진면 일대의 해초지를 대상으로 수중음향측심기와 고해상도 Kompsat-2($4{\times}4m$) 위성영상을 이용하여 식생유무를 탐지하고 분포크기를 파악하는 연구가 수행되었다. 위성영상을 이용한 식생분석의 정확도는 음향측심기를 통해 얻은 자료분석과 이를 비교하여 검증되었다. Kompsat-2 영상분석으로 계산된 회진면 일대의 해초지 면적은 약 $3.9km^2$로 수중음향 탐사를 통해 구해진 $4.5km^2$ 보다 과소평가 되었다. Kompsat-2 위성영상을 객체기반 영상분류법으로 해초 식생을 분석한 결과는 수중음향 결과 값에 대해 90%의 정확도를 보였는데, 이와 같이 높은 정확도는 Kappa 지수(0.85)로도 확인되었다. 또한 위성영상과 수중음향 결과 간의 유사도는 77.1%로 비교적 높았다. 생물 비파괴적인 수중음향조사와 Kompsat-2 영상분석으로 국내 연안에 산재해 있는 해초지 식생의 광역적인 조사가 가능할 것으로 기대되며, 보다 정확한 탐지를 위해서 다양한 고해상도 위성을 이용한 연구가 활발히 이루어져야 할 것이다.
Despite the ecological importance of seagrass beds, their distributional information in Korean coastal waters is insufficient. Therefore, we used hydroacoustic system to collect accurate bathymetry and classification of seagrass, and Kompsat-2 (4 m spatial resolution) image for detection of seagrass...
Despite the ecological importance of seagrass beds, their distributional information in Korean coastal waters is insufficient. Therefore, we used hydroacoustic system to collect accurate bathymetry and classification of seagrass, and Kompsat-2 (4 m spatial resolution) image for detection of seagrass beds at Deukryang Bay, Korea. The accuracy of Kompsat-2 image classification was evaluated using hydracoustic survey result using error matrix and Kappa value. The total area of seagrass beds from satellite image classification was underestimated compared to the hydroacoustic survey, estimated 3.9 and $4.5km^2$ from satellite image and hydroacoustic data, respectively. Nonetheless, the accuracy of Kompsat-2 image classification over hydroacoustic-based method showing 90% (Kappa=0.85) for the three class maps (seagrass, unvegetated seawater and aquaculture). The agreement between the satellite image classification and the hydroacoustic result was 77.1% (the seagrass presence/absence map). From our result of satellite image classification, Kompsat-2 image is suitable for mapping seagrass beds with high accuracy and non-destructive method. For more accurate information, more researches with a variety of high-resolution satellite image will be preceded.
Despite the ecological importance of seagrass beds, their distributional information in Korean coastal waters is insufficient. Therefore, we used hydroacoustic system to collect accurate bathymetry and classification of seagrass, and Kompsat-2 (4 m spatial resolution) image for detection of seagrass beds at Deukryang Bay, Korea. The accuracy of Kompsat-2 image classification was evaluated using hydracoustic survey result using error matrix and Kappa value. The total area of seagrass beds from satellite image classification was underestimated compared to the hydroacoustic survey, estimated 3.9 and $4.5km^2$ from satellite image and hydroacoustic data, respectively. Nonetheless, the accuracy of Kompsat-2 image classification over hydroacoustic-based method showing 90% (Kappa=0.85) for the three class maps (seagrass, unvegetated seawater and aquaculture). The agreement between the satellite image classification and the hydroacoustic result was 77.1% (the seagrass presence/absence map). From our result of satellite image classification, Kompsat-2 image is suitable for mapping seagrass beds with high accuracy and non-destructive method. For more accurate information, more researches with a variety of high-resolution satellite image will be preceded.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 다양한 크기의 패치로 구성된 득량만의 해초지를 대상으로 수중음향탐사 기술을 이용하여 비식생 지역과 양식장을 구분하여 해초지 식생의 크기를 계산하고자 한다. 또한 국내 연안에서 해초지의 생태적 기능을 유지하고 보전시키기 위해서는 현장의 생물을 손상시키지 않는 방법으로 광역대 생태조사가 절실한데, 효과적인 방법의 하나로 고해상도 Kompsat-2 영상 분석 방법을 제안하고자 분석기술의 정확도를 수중음향 탐사와 비교 평가할 것이다.
해초지에 대한 연구인력과 연구방법의 제한으로 국내 연안에 분포하는 해초식생의 시공간 분포특징과 장기변화에 대한 정보가 부족하다. 본 연구는 생물을 훼손하거나 파괴하지 않은 상태에서 해 초지 생태연구를 위한 광역조사가 가능한 수중음향탐사 기술과 인공위성영상 분석을 적용해 보고, Kompsat-2 영상을 이용한 해초지 분석의 정확도를 점검하여 원격탐사를 통한 연안 생태연구의 적용 가능성을 제시하고자 시도되었다.
또한 수백 개의 밴드를 통해 영상을 획득하는 초다분광 영상 (hyperspectral image)과 같은 분광해상도가 뛰어난 영상을 이용할 경우, 분류지표 즉 해초지, 식생이 없는 갯벌, 양식장 등이 보다 쉽게 구분될 것으로 예상된다. 이 연구에서는 특정 시기의 해초지 분포특성에 대해 한가지의 위성영상만을 이용하였지만, 다양한 공간해상도의 위성영상을 활용하고 분석시기와 조사장소를 추가하여 연안 해초지의 생태적 기능 유지와 보전에 필요한 광역적 분석방법의 확립이 시급한 과제이다.
제안 방법
Kompsat-2영상은 공간해상도가 4×4 m로 3개의 가시광선 밴드(Blue, Green and Red bands)와 1개의 근적외선 밴드(NIR band)로 구성되어 있다. 각 밴드에 대해 구글(Google)영상에 위성영상과 동일한 지상기준점(GCP; ground control point) 10 곳을 지정한 후 이를 기준점으로 하여 Kompsat-2 영상을 WGS-84/NUTM52 좌표로 기하보정을 하였는데, 이때 오차는 1 픽셀(pixel) 이내이었다. 기하보정 영상은 Dark-object subtraction (DOS) 방법을 이용해 대기효과를 제거해 주었는데, 이 영상에서 완전한 암상태(absolute dark)를 보이는 곳이 없었기 때문에 1% 이내의 암상태로 보이는 물체의 평균을 완전 암상태의 값으로 이용하였다(Song et al.
5로 설정하였다. 객체기반 영상분류 기법을 통해 분류된 위성영상의 정확도는 수중음향탐사를 통한 현장 실측자료와 비교하는 방법으로 검증하였는데, 이 때 현장관측 음향탐사 자료의 50% 정도가 해초지, 양식장(aquaculture), 식생이 없는 지역(unvegetated area)의 분류지표로 지정하는데 이용되었다. 또한각 분류지표에 따른 반사도 특성은 2012년 2월 20일 현장에서 휴대용 분광측정기인 FieldSpec® 3(Analytical Spectral Devices Inc.
또한 인공위성 영상에서 분류된 해초지와 수중음향측정으로 구한 해초지 간의 유사도는 두 자료를 동일한 크기로 조정한 후 MATLAB 프로그램을 이용하여 계산하였고, 두 자료의 동일 좌표 픽셀에 대해 각각 비교 분석되었다.
또한각 분류지표에 따른 반사도 특성은 2012년 2월 20일 현장에서 휴대용 분광측정기인 FieldSpec® 3(Analytical Spectral Devices Inc., USA)로 스펙트럼을 측정하여 비교하였다(Fig. 2).
, 1998). 본 연구는 이러한 고해상도 영상분류의 문제점을 제거하기 위해 픽셀의 모양과 색을 기반으로 객체를 추출한 후, 객체가 갖는 광학 특성과 더불어 크기, 모양, 주변객체와의 관계에 따라 분류하는 객체기반 영상분류 기법(object-based classification)을 이용해 해초지 식생을 분류 하였다. 이 분류기법을 통해 양식장과 식생이 없는 해수와 유사한 스펙트럼 특성을 가지는 해초지 경우에도 높은 정확도로 분류가 가능하였다.
수중음향탐사는 2012년 1월 17일부터 20일과 2월 21일 총 5일 동안, 빔 폭이 6o 인 420 kHz 센서의 음향송수신기(transducer)를 부착한 음향측심기(DT-X Digital Echosounder, Biosonics Inc., USA)를 이용하였다. 해초의 음향신호를 수신하기 위해 센서의 송신신호 폭(pulse width)은 0.
수중음향탐사 총 면적은약 16 km2이었고, 선박의 진입이 어려운 수심 1 m 이하 지역과 육지와 인접한 양식장 지역은 조사대상에서 제외되었다. 연안에 인접한 지역은 정선 간의 간격을 조밀하게 하여 해안선에 대해 세로 또는 가로 방향으로 평행하게 조사가 이루어졌고, 양식장 밀집 지역은 정선 간의 간격을 넓히는 대신 해안선에 대해 가로 정선과 세로 정선이 서로 교차되도록 조사하였다(Fig. 1). 현장조사에서 얻어진 음향자료는 EcoSAV 소프트웨어(Biosonics, USA)를 이용하여 해초의 길이, 피도 및 위치 정보를 얻었다.
해초식생 분류는 객체기반 영상분류 기법(object-based classification)을 이용한 Definiens® Developer 7 소프트웨어(Definiens, Germany)로 분석하였다. 영상에서 비슷한 특징을 갖는 픽셀을 객체화(segmentation)시키는 작업은 multiresolution segmentation을 이용하였고, scale 10, shape 0.1, compactness 0.5로 설정하였다. 객체기반 영상분류 기법을 통해 분류된 위성영상의 정확도는 수중음향탐사를 통한 현장 실측자료와 비교하는 방법으로 검증하였는데, 이 때 현장관측 음향탐사 자료의 50% 정도가 해초지, 양식장(aquaculture), 식생이 없는 지역(unvegetated area)의 분류지표로 지정하는데 이용되었다.
조사 정선(transect)의 위치 정보는 수평 오차가 ±5 m인 DGPS(Differential Global Positioning System; JRC, Japan)를 이용하였고, 음향 조사자료와 함께 매초 간격으로 저장되어 해초식생의 공간분포를 도시하는데 이용되었다.
1). 현장조사에서 얻어진 음향자료는 EcoSAV 소프트웨어(Biosonics, USA)를 이용하여 해초의 길이, 피도 및 위치 정보를 얻었다. 수중음향신호의 식생 탐지 한계는 주로 크기(< 8 cm)와 생물량(< 60 g WW m-2)에 의해 제한되기 때문에 해초지 내부에 존재하는 갈파래류(Ulva species)와 같은 해조류의 음향신호는 무시할 수 있다(Sabol et al.
대상 데이터
, 2001). Kompsat-2영상의 4개 밴드를 각각 123(Blue, Green, Red Bands), 124(Blue, Green, NIR bands), 134(Blue, Red, NIR bands), 234(Green, Red, NIR bands) 밴드로 조합하여 분석한 사전 분석결과에서 Green band 가 제외된 134밴드 조합이 가장 적합한 것으로 판단되었기 때문에이 연구에서는 134밴드를 이용하였다. 해초식생 분류는 객체기반 영상분류 기법(object-based classification)을 이용한 Definiens® Developer 7 소프트웨어(Definiens, Germany)로 분석하였다.
또한 이 연구에서는 Kompsat-2 영상의 식생분류 정확도를 평가를 위해 수중음향 탐사 결과를 검증을 위한 비교자료로 이용하였다. 해초는 서식환경에 따라 다양한 수심에 분포하는데 최대 90 m 이상의 수심까지 서식하는 것으로 알려져 있다(Duarte, 1991).
수중음향 탐사에 의한 현장 관측자료로 위성영상에서 분류된 해 초지 분포의 정확도 평가는 Fig. 1의 붉은색 점선 지역의 자료를 이용하였다. Kompsat-2 영상의 134(Blue, Red and NIR) 밴드를 객체기반 영상분류 방법으로 분류한 결과에서 녹색은 해초로 분류된 지역, 붉은색은 양식장, 노란색은 식생이 없는 지역으로 분류된 것이다(Fig.
수중음향탐사와 인공위성 영상분석을 통한 해초지 식생분석 및 분석방법의 정확도 평가는 득량만의 입구에 위치한 전라남도 장흥군 회진면 진목리와 옹암리 일대 연안에서 수행되었다(Fig. 1). 득량만은 우리나라 남서해역에 위치한 반폐쇄성 만으로, 고흥군, 보 성군, 장흥군으로 둘러싸여 있고, 만의 입구는 남서쪽으로 열려져 있다.
위성영상을 이용한 해초식생 탐지는 수중음향탐사와 시기가 비슷한 2012년 1월 7일 Kompsat-2 영상을 이용하였다. Kompsat-2영상은 공간해상도가 4×4 m로 3개의 가시광선 밴드(Blue, Green and Red bands)와 1개의 근적외선 밴드(NIR band)로 구성되어 있다.
이론/모형
Kompsat-2 위성영상에서 분류된 해초지 분포의 정확도 평가는 이산다변량 기법의 하나인 Kappa 분석을 이용하였다(Foody, 2002). Kappa 값은 원격탐사를 이용하여 만든 분류지도와 참조 자료 사이의 일치도나 정확도를 나타내는데, 완전한 우연의 결과는 0, 완벽 하게 일치하는 경우는 1의 값으로 나타난다.
각 밴드에 대해 구글(Google)영상에 위성영상과 동일한 지상기준점(GCP; ground control point) 10 곳을 지정한 후 이를 기준점으로 하여 Kompsat-2 영상을 WGS-84/NUTM52 좌표로 기하보정을 하였는데, 이때 오차는 1 픽셀(pixel) 이내이었다. 기하보정 영상은 Dark-object subtraction (DOS) 방법을 이용해 대기효과를 제거해 주었는데, 이 영상에서 완전한 암상태(absolute dark)를 보이는 곳이 없었기 때문에 1% 이내의 암상태로 보이는 물체의 평균을 완전 암상태의 값으로 이용하였다(Song et al., 2001). Kompsat-2영상의 4개 밴드를 각각 123(Blue, Green, Red Bands), 124(Blue, Green, NIR bands), 134(Blue, Red, NIR bands), 234(Green, Red, NIR bands) 밴드로 조합하여 분석한 사전 분석결과에서 Green band 가 제외된 134밴드 조합이 가장 적합한 것으로 판단되었기 때문에이 연구에서는 134밴드를 이용하였다.
Kompsat-2 영상을 이용한 연안 해초 탐지 연구는 대기효과를 제거하기 위한 대기보정이 필요하지만 이제까지 정형화된 보정기술이 확립되지 않아 극히 제한되어 이루어져 왔다. 하지만 본 연구에서는 대략적인 대기효과 제거에 Dark-object subtraction (DOS) 방법을 이용해 Kompsat-2영상을 효과적으로 대기보정 하였다(Song et al., 2001). DOS 방법을 통한 대기보정 전과 후의 Kompsat-2 영상을 음향조사 결과와 비교해 정확도를 검증한 결과, 대기보정 후 정확도가 약 10%증가하였다.
해초식생 분류는 객체기반 영상분류 기법(object-based classification)을 이용한 Definiens® Developer 7 소프트웨어(Definiens, Germany)로 분석하였다.
성능/효과
, 2001). DOS 방법을 통한 대기보정 전과 후의 Kompsat-2 영상을 음향조사 결과와 비교해 정확도를 검증한 결과, 대기보정 후 정확도가 약 10%증가하였다. 이는 DOS 방법으로 완벽한 대기보정이 이루어지지 않더라도 대략적인 대기 효과제거를 통해 위성영상 분석의 정확도를 향상시킬 수 있음을 의미하는 것이다.
그러나 위성영상 분석결과를 보면, 두 해초지 사이에 형성된 수로의 동쪽에서 해초식생으로 오분류되는 것을 볼 수 있다. Kompsat-2 위성영상 분류의 정확도는 수중음향에 의한 현장관측 값에 대해 90%의 정확도를 보였고, Kappa 지수에서도 이와 같은 높은 정확도를 반영한 0.85값을 보였다(Table 1). 해초지와 양식장은 약 94%의 정확도를 보이는 반면, 식생이 없는 지역은 현장 관측자료에 대해 81%의 정확도를 보였다.
이는 비교적 높은 탁도 또는 낮은 투명도의 해수에서는 반사된 광이 해수를 통과하여 나오는 동안 각 지표의 고유 특성이 감쇄되거나 왜곡되는 현상 때문이다(민 등, 2010). 또한 수중음향 탐사 결과에서 알 수 있듯이 연구지역의 해초식생은 다양한 피도와 크기로 분포하고, 다양한 식생이 복잡하게 혼재하는 해역임에도 불구하고 본 연구의 Kompsat-2 영상 분석을 통한 해초 식생탐지 결과는 90%의 높은 정확도를 보였고, 이를 통해 탁도가 높은 국내 연안의 수중식생 탐지를 위한 고해상도 영상분석 방법의 적용 가능성을 보여 주었다.
본 연구에서 이용한 Kompsat-2 영상은 공간해상도(spatial resolution) 4 m급의 고해상도 영상으로 광역적인 해초식생을 분석하는데 활용 가치가 큰 것으로 평가된다. Kompsat-2 영상을 이용한 연안 해초 탐지 연구는 대기효과를 제거하기 위한 대기보정이 필요하지만 이제까지 정형화된 보정기술이 확립되지 않아 극히 제한되어 이루어져 왔다.
조사지역의 남쪽과 동쪽 해역은 7-9 m의 수심으로 이곳에 해초가 출현하지 않는 것으로 보아 수심은 해초의 생육 한계를 결정짓는 중요한 요인 임을 알수 있었다. 수중음향측정에 의해 해초지 피도분석이 가능 하였는데, 피도 0-20% 계급군은 전체 식생 면적의 약 28%를 차지 하였고, 피도 60% 이상 계급군은 약 35%를 차지하였다(Fig. 3b). 해초의 길이는 100 cm 이하에서 20-40 cm 계급군이 약 38%로 가장 큰 비중을 차지하는데 반해 나머지 길이 계급군들에서 약 15%정도로 고르게 분포하여 다양한 길이의 해초가 생육하는 것을 알 수 있었다(Fig.
수중음향탐사 결과를 Kompsat-2 위성영상에 중첩(overlap)시킨후 동일 지점(위경도)의 각 분류지표를 픽셀(4×4 m) 단위로 비교 하여 분류된 해초지에서 두 방법 간의 유사도가 분석되었다(Fig. 6).
위성영상 분류결과에서 해초지는 조사해역의 북서부와 남서부에 두 개의 큰 해초지로 나뉘어져 있었고, 두 해초지 사이 수심이 깊은 수로에는 대부분 식생이 없는 지역으로 분류되었다. 양식장은 주로 직사각형의 일정한 모양으로 나타났고, 해초지 주변 보다 식생이 없는 지역의 양식장은 쉽게 구분되는 것을 알 수 있었다. 위성영상에서 분류된 해초지 분포는 수중음향으로 분석한 해초지 분포와 매우 유사한 결과를 보였다(Figs 3 and 5).
5). 위성영상 분류결과에서 해초지는 조사해역의 북서부와 남서부에 두 개의 큰 해초지로 나뉘어져 있었고, 두 해초지 사이 수심이 깊은 수로에는 대부분 식생이 없는 지역으로 분류되었다. 양식장은 주로 직사각형의 일정한 모양으로 나타났고, 해초지 주변 보다 식생이 없는 지역의 양식장은 쉽게 구분되는 것을 알 수 있었다.
6). 음향탐사로 얻어진 해초 출현 유무를 기반으로 위성영상에서도 해초지로 분류 되었는지를 비교한 유사도는 77%의 값을 보였다 (Table 2). 해초지 중심 부분에서는 음향자료와 위성영상 자료 간의 높은 유사도를 보이는 반면에 가장자리에서는 두 방법 간의 오차가 존재하는데, 이는 해초가 출현하지 않은 남서쪽과 북동쪽에서 위성영상에 의한 해초지 오분류 때문으로 보인다(Fig.
해초는 최저저조면(Lowest Low Water level, LLW) 기준 0-2 m 이내에 주로 분포하였다. 조사지역의 남쪽과 동쪽 해역은 7-9 m의 수심으로 이곳에 해초가 출현하지 않는 것으로 보아 수심은 해초의 생육 한계를 결정짓는 중요한 요인 임을 알수 있었다. 수중음향측정에 의해 해초지 피도분석이 가능 하였는데, 피도 0-20% 계급군은 전체 식생 면적의 약 28%를 차지 하였고, 피도 60% 이상 계급군은 약 35%를 차지하였다(Fig.
조사해역은 비교적 맑고 수심이 얕아 해초식생의 존재 유무가 해수 색(color) 차이에 의해 쉽게 확인되어 식생이 존재하지 않는 지역 및 양식장과의 구별이 가능하였다(Fig. 2). 표층 스펙트럼의 350-950 nm 파장에서 해초지, 식생이 없는 지역, 양식장으로 구분되는 각 지표들은 흡수, 반사되는 파장 영역이 구분되는 특성을 보였다(Fig.
2). 표층 스펙트럼의 350-950 nm 파장에서 해초지, 식생이 없는 지역, 양식장으로 구분되는 각 지표들은 흡수, 반사되는 파장 영역이 구분되는 특성을 보였다(Fig. 4). 수심 7 m 이상의 식생이 없는 지역에서 측정된 표층 해수의 스펙트럼 특성은 해초 위에서 측정한 해수 스펙트럼 특성과 뚜렷하게 구분되었다(Fig.
음향자료에서 식생이 없는 지역인데 위성영상에서 해초지로 분류된 경우와 음향자료에서 해초지가 위성영상에서 식생이 없는 장소로 분류된 경우는 각각 13와 10% 정도이었다. 한편 위성영상에서 해초 지로 분류된 픽셀의 계수를 통해 계산된 해초지 면적은 3.9 km2로 수중음향 탐사를 통해 구한 해초지 면적 4.5 km2보다 다소 적은 것으로 나타났다.
3b). 해초의 길이는 100 cm 이하에서 20-40 cm 계급군이 약 38%로 가장 큰 비중을 차지하는데 반해 나머지 길이 계급군들에서 약 15%정도로 고르게 분포하여 다양한 길이의 해초가 생육하는 것을 알 수 있었다(Fig. 3c).
85값을 보였다(Table 1). 해초지와 양식장은 약 94%의 정확도를 보이는 반면, 식생이 없는 지역은 현장 관측자료에 대해 81%의 정확도를 보였다. 일부 해초지와 양식장이 식생이 없는 지역으로, 식생이 없는 일부 지역이 해초지로 잘못 분류되는 경우가 있어 이와 같이 식생이 없는 지역에서 상대적으로 낮은 정확도가 나타난 것으로 보인다.
후속연구
또한 음향송수신기 센서의 좁은 빔 폭(6o )으로 인하여 해초 지의 수심이 얕을수록, 즉 센서와 해초와의 거리가 가까울수록 수중음향 방법으로 탐지 가능한 해초지 면적은 감소하게 된다. 따라서 대규모의 해초지 분포연구가 필요하다면 수중음향탐사 보다 탐지 면적이 훨씬 넓은 인공위성영상 분석이 이용되어야 할 것이다.
본 연구는 다양한 크기의 패치로 구성된 득량만의 해초지를 대상으로 수중음향탐사 기술을 이용하여 비식생 지역과 양식장을 구분하여 해초지 식생의 크기를 계산하고자 한다. 또한 국내 연안에서 해초지의 생태적 기능을 유지하고 보전시키기 위해서는 현장의 생물을 손상시키지 않는 방법으로 광역대 생태조사가 절실한데, 효과적인 방법의 하나로 고해상도 Kompsat-2 영상 분석 방법을 제안하고자 분석기술의 정확도를 수중음향 탐사와 비교 평가할 것이다.
위성영상을 이용해 해초의 밀도를 추정하기 위해서는 해수특성에 의해 차이가 생기는 분류지표의 고유특성을 보정하고, 현장의 다양한 해초지에서 직접 측정한 밀도와 해수 간의 스펙트럼 특성을 반영해야 할 것이다. 또한 수백 개의 밴드를 통해 영상을 획득하는 초다분광 영상 (hyperspectral image)과 같은 분광해상도가 뛰어난 영상을 이용할 경우, 분류지표 즉 해초지, 식생이 없는 갯벌, 양식장 등이 보다 쉽게 구분될 것으로 예상된다. 이 연구에서는 특정 시기의 해초지 분포특성에 대해 한가지의 위성영상만을 이용하였지만, 다양한 공간해상도의 위성영상을 활용하고 분석시기와 조사장소를 추가하여 연안 해초지의 생태적 기능 유지와 보전에 필요한 광역적 분석방법의 확립이 시급한 과제이다.
이 연구에서 수중음향탐사와 Kompsat-2 위성영상 분석을 통해 생물 비파괴적이면서 높은 정확도를 갖는 해초지 식생분석 방법을 제안하였지만, 현장의 고유여건 또는 상황에 따라 분석의 정확도에 영향을 주는 요소들이 수없이 존재할 것으로 예상되는 바, 연안의해초식생을 보다 정확하게 분석하기 위해서는 관련된 다양한 방법과 연구자료가 축적되어야 할 것이다. 이 연구에서는 Kompsat-2 영상 분석을 통해 해초식생의 존재 유무를 확인하고 주어진 공간에서 분포크기를 도시하였지만, 음향탐사를 통해 얻은 해초의 피도 분포를 기반으로 위성영상으로부터 해초의 피도나 밀도분포 또한 추정이 가능할 것으로 사료된다.
이 연구에서 수중음향탐사와 Kompsat-2 위성영상 분석을 통해 생물 비파괴적이면서 높은 정확도를 갖는 해초지 식생분석 방법을 제안하였지만, 현장의 고유여건 또는 상황에 따라 분석의 정확도에 영향을 주는 요소들이 수없이 존재할 것으로 예상되는 바, 연안의해초식생을 보다 정확하게 분석하기 위해서는 관련된 다양한 방법과 연구자료가 축적되어야 할 것이다. 이 연구에서는 Kompsat-2 영상 분석을 통해 해초식생의 존재 유무를 확인하고 주어진 공간에서 분포크기를 도시하였지만, 음향탐사를 통해 얻은 해초의 피도 분포를 기반으로 위성영상으로부터 해초의 피도나 밀도분포 또한 추정이 가능할 것으로 사료된다. 실제로 Wabnitz et al.
질의응답
핵심어
질문
논문에서 추출한 답변
해초지는 어떻게 연안 생태계의 물질 순환을 주도하는가?
다양한 연안생물의 서식처인 해초지(seagrass beds)는 광합성을 통해 유기 쇄설물을 생산하고 용존 유기물을 분비하여 연안 생태계 내의 물질순환을 주도한다(Phillips and Meñez, 1988; Thresher et al., 1992).
Kompsat-2 위성영상을 객체기반 영상분류법으로 분석한 결과 어느정도의 정확도를 보였는가?
5km^2$ 보다 과소평가 되었다. Kompsat-2 위성영상을 객체기반 영상분류법으로 해초 식생을 분석한 결과는 수중음향 결과 값에 대해 90%의 정확도를 보였는데, 이와 같이 높은 정확도는 Kappa 지수(0.85)로도 확인되었다.
해초지는 연안에서 어떤 장소인가?
, 1992). 또한 경제적 가치가 큰 어류의 산란 및 성육장을 제공하고 퇴적물의 부유와 이동을 제어하여 저질을 안정화시키고 있어 연안에서 생태적 가치가 매우 큰 장소이다(Duffy, 2006).
참고문헌 (32)
강돈혁, 조성호, 라형술, 김종만, 나정열, 명정구, 2006. 수중음향을 이용한 해초 서식처(Seagrass Habitats)의 공간 및 수직 분포 추정. Ocean and Polar Research, 28: 225?236.
Barille, L., M. Robin, N. Harin, A. Bargain, and P. Launeau, 2010. Increase in seagrass distribution at Bourgneuf Bay (France) detected by spatial remote sensing. Aquat. Bot., 92: 185-194.
Hsieh, P.F., L.C. Lee, and N.Y. Chen, 2001. Effect of spatial resolution on classification errors of pure and mixed pixels in remote sensing, IEEE Trans. Geosci. Remote Sens., 39: 2657-2663.
Kim, K.Y. and T.S. Choi, 2004. Variability in abundance and morphological attributes of Zostera marina L. from the southern coast of Korea. Bot. Mar., 47: 287-294.
Laurent, E.J., H. Shi, D. Gatziolis, J.P. LeBouton, M.B. Walters and J. Liu, 2005. Using the spatial and spectral precision of satellite imagery to predict wildlife occurrence patterns. Remote Sens. Environ., 97: 249-262.
Lee, S.Y., C.J. Kwon, S. Lee, and C.I. Choi, 2002. Distribution of eelgrass, Zostera marina L. on coast of the Koreas peninsula: Preliminaty study for eelgrass restoration. Ocean and Polar Research, 24: 55-61.
Lee, S.Y., J.B. Kim, and S.M. Lee, 2006. Temporal dynamics of subtidal Zostera marina and intertidal Zostera japonica on the southern coast of Korea. Mar. Ecol., 27: 133-144.
McKenzie, L.J., M.A. Finkbeiner, and H. Kirkman, 2001. Methods for mapping seagrass distribution. In: Global Seagrass Research Methods, edited by Short, F.T. and R.G., Coles, Elsevier, Amsterdam, Natherlands, pp. 101-121.
Mumby, P.J., E.P. Green, C.D. Clark, and A.J. Edwards, 1998. Digital analysis of multispectral airborne imagery of coral reefs. Coral Reefs, 17: 59-69.
Pasqualinia, V., C. Pergent-Martinia, G. Pergenta, M. Agreila, G. Skoufasb, L. Sourbesc, and A. Tsirika, 2005. Use of SPOT 5 for mapping seagrasses: An application to Posidonia oceanica. Remote Sens. Environ., 94: 39-45.
Phillips, R.C. and E.G. Menez, 1988. Seagrasses. Smithsonian Institution Press. Washington DC.
Sabol, B.M., R.E. Melton Jr., R. Chamberlain, P.H. Doering, and K. Haunert, 2002. Evaluation of a digital echosounder system for detection of submersed aquatic vegetation. Estuaries, 25: 133-141.
Sagawa, T., A. Mikami, T. Komatsu, N. Kosaka, A. Kosako, S. Miyazaki, and M. Takahashi, 2008. Mapping seagrass beds using IKONOS satellite image and side scan sonar measurements: a Japanese case study. Int. J. Remote Sens, 29: 281-291.
Song, C., C.E. Woodrock, K.C. Seto, M.P. Lenney, and S.A. Macomber, 2001. Classification and change detection using Landsat TM data: When and how to correct atmospheric effects? Remote Sens. Environ., 75: 230-244.
Treitz, P.M., P.J. Howarth, R.C. Suffling, and P. Smith, 1992. Application of detailed ground information to vegetation mapping with high spatial resolution digital imagery. Remote Sens. Environ., 42: 65-82.
Wabnitz, C.C., S. Andrefouet, D. Torres-Pulliza, F.E. Muller-Karger, P.A. Kramer, 2008. Regional-scale seagrass habitat mapping in the Wider Caribbean region using Landsat sensors: Applications to conservation and ecology. Remote Sens. Environ., 112: 3455-3467.
Winfield, I.J., C. Onoufriou, M.J. O'Connell, M. Godlewska, R.M. Ward, A.F. Brown, and M.L. Yallop, 2007. Assessment in two shallow lakes of a hydroacoustic system for surveying aquatic macrophytes. Hydrobiologia, 584: 111-119.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.