최근 해양에서 부유성 녹조류(Floating Green Algae)의 확산이 보고되고 있으나, 기존의 현지 관측이나 실험실에서의 화학적 분석으로는 정확하고 주기적인 광역 감시에 한계가 있다. 이에 반해 녹조에 포함된 엽록소의 광학특성에 기인한 분광 반사도 측정은 부유성 녹조에 대한 정보를 비교적 빠르고 정확하게 획득하는 것이 가능하다. 본 연구의 목적은 최근 서해에서 발생한 부유성 녹조류의 분광 반사도 특성을 알아보고, 인공위성 영상으로부터 부유성 녹조를 탐지하기 위한 방법으로서 비교적 간단한 파장별 반사도 비율을 이용한 부유성 녹조 지수(Floating Green Alage Index; FGAI)를 개발하는 것이다. 500m 공간 해상도를 가지는 MODIS와 천리안 GOCI 영상자료를 이용하여 서해안의 녹조 현상이 발생하였던 기간을 대상으로 적색 밴드(660nm)와 근적외 밴드(860nm)의 비를 이용한 부유성 녹조지수를 분석한 결과는 녹조 현상에 대한 조류의 탐지 가능성을 증명하였다. 특히, 매 시간별 GOCI 관측 자료는 저궤도 위성보다 상세한 녹조의 감시가 가능함을 알 수 있었다.
최근 해양에서 부유성 녹조류(Floating Green Algae)의 확산이 보고되고 있으나, 기존의 현지 관측이나 실험실에서의 화학적 분석으로는 정확하고 주기적인 광역 감시에 한계가 있다. 이에 반해 녹조에 포함된 엽록소의 광학특성에 기인한 분광 반사도 측정은 부유성 녹조에 대한 정보를 비교적 빠르고 정확하게 획득하는 것이 가능하다. 본 연구의 목적은 최근 서해에서 발생한 부유성 녹조류의 분광 반사도 특성을 알아보고, 인공위성 영상으로부터 부유성 녹조를 탐지하기 위한 방법으로서 비교적 간단한 파장별 반사도 비율을 이용한 부유성 녹조 지수(Floating Green Alage Index; FGAI)를 개발하는 것이다. 500m 공간 해상도를 가지는 MODIS와 천리안 GOCI 영상자료를 이용하여 서해안의 녹조 현상이 발생하였던 기간을 대상으로 적색 밴드(660nm)와 근적외 밴드(860nm)의 비를 이용한 부유성 녹조지수를 분석한 결과는 녹조 현상에 대한 조류의 탐지 가능성을 증명하였다. 특히, 매 시간별 GOCI 관측 자료는 저궤도 위성보다 상세한 녹조의 감시가 가능함을 알 수 있었다.
Recently, floating green algae (FGA) in open oceans and coastal waters have been reported over wide area, yet accurate detection of these using traditional ground based measurement and chemical analysis in the laboratory has been difficult or even impossible due to the lack of spatial resolution, co...
Recently, floating green algae (FGA) in open oceans and coastal waters have been reported over wide area, yet accurate detection of these using traditional ground based measurement and chemical analysis in the laboratory has been difficult or even impossible due to the lack of spatial resolution, coverage, and revisit frequency. In contrast, spectral reflectance measurement makes it possible to quickly assess the chlorophyll content in green algae. Our objectives are to investigate the spectral reflectance of the FGA observed in the Yellow Sea and to develop a new index to detect FGA from satellite imagery, namely floating green algae index (FGAI), which uses relatively simple reflectance ratio technique. The Moderate Resolution Imaging Spectroradiometer (MODIS) and Geostationary Ocean Color Imager (GOCI) satellite images at 500m spatial resolution were utilized to produce FGAI which is defined as the ratio between reflectance at 860nm and 660nm bands. Both FGAI results yielded reasonable green algae detection at the regional scale distribution. Especially houly GOCI observations can present more detaield information of FGAI than low-orbit satellite.
Recently, floating green algae (FGA) in open oceans and coastal waters have been reported over wide area, yet accurate detection of these using traditional ground based measurement and chemical analysis in the laboratory has been difficult or even impossible due to the lack of spatial resolution, coverage, and revisit frequency. In contrast, spectral reflectance measurement makes it possible to quickly assess the chlorophyll content in green algae. Our objectives are to investigate the spectral reflectance of the FGA observed in the Yellow Sea and to develop a new index to detect FGA from satellite imagery, namely floating green algae index (FGAI), which uses relatively simple reflectance ratio technique. The Moderate Resolution Imaging Spectroradiometer (MODIS) and Geostationary Ocean Color Imager (GOCI) satellite images at 500m spatial resolution were utilized to produce FGAI which is defined as the ratio between reflectance at 860nm and 660nm bands. Both FGAI results yielded reasonable green algae detection at the regional scale distribution. Especially houly GOCI observations can present more detaield information of FGAI than low-orbit satellite.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 광역 녹조 현상에 대하여 보다 빠르고 간단한 감시를 위한 부유성 녹조 지수를 개발하고 위성영상에 적용하여 그 이용 가능성을 파악하였다. 특히 대표적인 저궤도 위성인 MODIS와 정지궤도 위성인 COMS/GOCI 영상을 이용하여 상호간의 녹조 탐지결과를 비교 분석하였다.
FAI는 다수의 부유성 녹조를 탐지하는데 효과적이나, 구름에 의한 오차가 발생할 수 있으며, 적외 채널이 없는 센서에서 사용할 수 없는 단점이 있다. 따라서 본 연구에서는 보다 간단하고 적외 채널의 사용에 구애받지 않기 위하여 식 (5)와 같이 새로운 부유성 녹조 지수(Floating Green Algae Index; FGAI) 를 제안하고자 한다. FGAI는 그림 5에서 녹조가 가지고 있는 적색 밴드에서의 광 흡수와 근적외 밴드에서의 반사도가 증가하는 특성을 이용한다.
본 연구는 최근 서해안 지역에서 늦봄부터 여름철에 발생하고 있는 부유성 녹조류에 대한 광역 모니터링을 위하여 부유성 조류의 광학특성을 정량화하고, 이를 기초로 인공위성 원격탐사 자료로부터 부유성 조류를 탐지할 수 있는 부유성 녹조 지수 FGAI를 제안하였다. 부유성 녹조는 수중에 포함되어 있는 미세 플랑크톤에 포함되어 있는 소량의 엽록소를 측정하는 기존의 방법과는 다르게 해수 표면에 부유하는 대량의 녹조로서 근적외 영역에서 해수의 광흡수가 거의 일어나지 않으므로 적색 밴드와 근적외 밴드를 이용하여 분석이 가능하였다.
제안 방법
FIGURE 7. COMS/GOCI FGAI and Chlorophyll-a imagery at UTC 02:00 (top panel), 03:00 (middle panel), 04:00 (bottom panel) on 20 July 2011. Black solid ellipse represents the floating green algae area.
각 지도에서 자료가 없는 빈 부분은 구름영역 또는 연안 탁수영역과 Sun Glint 영역으로 녹조 지수 산출에서 제외된 부분이다. 구름영역의 제거는 단파장의 반사도 값이 0.25보다 크거나 3*3픽셀에 대한 공간적 비균질성이 높은 값을 제거하는 방법을 사용하였다. 그리고 연안 탁수영역 픽셀의 제외는 그림 5에서 나타난 연안 탁수 영역의 550nm 밴드 반사도 값이 0.
그림 2는 본 연구에서 사용된 위성자료의 자료처리 흐름도이다. 위성 자료는 원시자료인 Digital Number(DN) 값으로부터 주어진 변환식을 이용하여 복사량(Radiance)값으로 변환하였다. 이후 복사량을 반사도값으로 변환하기 위하여 다음 식 (1)과 같이 계산하였다.
부유성 녹조 영역은 매우 작은 띠 형태로 나타나므로 칼라 합성영상에서 구분이 어려우나 부분적인 강조영상을 통하여 녹조의 위치를 짐작할 수 있다. 이 영상에서는 네가지 서로 다른 지역(부유성 녹조, 해수, 중국 황하강 하류의 부유물, 한국 서해남부의 부유물)을 설정하여 분광 반사도를 추출하였다(그림 4에서 사각형으로 표시한 지역). 그림 5는 각 영역에 대한 파장별 반사도를 나타내며, 비교적 청정한 해수의 경우는 600nm 이후로 급격하게 작아지는 일반적인 물의 반사도 형태를 나타내고 있으나, 중국과 한국 연안의 부유물은 모두 높은 반사도 값을 나타내고 있다.
따라서 본 연구에서는 광역 녹조 현상에 대하여 보다 빠르고 간단한 감시를 위한 부유성 녹조 지수를 개발하고 위성영상에 적용하여 그 이용 가능성을 파악하였다. 특히 대표적인 저궤도 위성인 MODIS와 정지궤도 위성인 COMS/GOCI 영상을 이용하여 상호간의 녹조 탐지결과를 비교 분석하였다.
대상 데이터
2011년 7월 19일에 서해안에서 발생한 녹조형상에 대하여 MODIS 자료(Terra: UTC02:15, Aqua: UTC05:30)로부터 FAI와 FGAI를 분석한 결과는 그림 6과 같다. 각 지도에서 자료가 없는 빈 부분은 구름영역 또는 연안 탁수영역과 Sun Glint 영역으로 녹조 지수 산출에서 제외된 부분이다.
kr)에서 제공하는 Level 1 Calibrated Radince 자료로서 모두 500m의 공간해상도를 가지는 자료를 사용하였다(표 1). GOCI Level 2(L2) 클로로필-a 자료는 녹조 영역의 비교를 위하여 사용되었다.
본 연구의 공간적 범위는 한반도와 주변 해양을 포함하는 북위 30°~ 42°, 동경 117°~ 132°에 해당하는 지역이다.
조사기간은 2011년 7월 중순경 서해상에 발생한 대규모 부유성 녹조 현상을 대상으로 하였다. 사용된 인공위성자료는 미국 NASA의 MODIS 자료 검색 시스템(http://ladsweb. nascom. nasa.gov)에서 제공하는 MODIS와 한국 해양위성 센터(http://kosc.kordi.re.kr)에서 제공하는 Level 1 Calibrated Radince 자료로서 모두 500m의 공간해상도를 가지는 자료를 사용하였다(표 1). GOCI Level 2(L2) 클로로필-a 자료는 녹조 영역의 비교를 위하여 사용되었다.
이러한 과정은 모두 육지를 제외한 해양에서만 이루어지며, Rayleigh 산란은 고도의 함수이므로 위성 자료에 포함된 DEM 자료와 LandMask를 이용하였다. 다음 단계로 대기 에어러솔 산란에 의한 반사도를 보정해야 하는데 한반도 주변지역은 세계적으로도 에어러솔의 발생이 많은 지역이므로(이권호 등 2002; 이권호 2011; 2012) 이에 대한 영향을 고려해야한다.
본 연구의 공간적 범위는 한반도와 주변 해양을 포함하는 북위 30°~ 42°, 동경 117°~ 132°에 해당하는 지역이다. 조사기간은 2011년 7월 중순경 서해상에 발생한 대규모 부유성 녹조 현상을 대상으로 하였다. 사용된 인공위성자료는 미국 NASA의 MODIS 자료 검색 시스템(http://ladsweb.
데이터처리
그림 6과 동일한 시간과 지역을 대상으로 천리안 위성의 GOCI 영상자료로부터 부유성 녹조 지수와 클로로필-a 값을 비교하였다. 천리안 GOCI는 500m의 해상도를 가지며 한반도를 포함한 지역을 집중적으로 매 시간별 영상을 제공하므로 녹조에 대한 분포와 거동을 동시에 분석할 수 있는 장점이 있지만 해색을 위주로 설계가 되어 적외선 파장 밴드가 없는 단점이 있다.
이론/모형
위성이 관측하는 총 반사도는 지구대기와 지표에 의한 신호를 모두 포함하고 있으므로, 지구 대기에 의한 기여도를 제거하기 위하여 우선 대기 분자 산란을 제거해야 한다. 대기 분자 산란, 즉 Rayleigh 산란에 의한 반사도는 복사전달모델인 SBDART(Ricchiazzi et al., 1998)를 이용하여 위성 영상의 각 픽셀 위치에 주어진 태양과 인공위성의 기하조건 하에서 지표반사도와 대기 에어러솔의 기여가 없는 순수 대기 조건을 입력 자료로 하여 계산된 값을 이용하였다. 그리하여 Rayleigh 산란에 의한 반사도(RRay)가 보정된 반사도(RRC)는 식 (2)와 같이 제거한다.
다음 단계로 대기 에어러솔 산란에 의한 반사도를 보정해야 하는데 한반도 주변지역은 세계적으로도 에어러솔의 발생이 많은 지역이므로(이권호 등 2002; 이권호 2011; 2012) 이에 대한 영향을 고려해야한다. 에어러솔에 대한 반사도(RAer)는 위성 자료를 이용하여 대기 에어러솔 광학두께를 분석할 수 있는 Lee and Kim(2010)의 방법으로 사용하였다.
성능/효과
천리안 GOCI는 500m의 해상도를 가지며 한반도를 포함한 지역을 집중적으로 매 시간별 영상을 제공하므로 녹조에 대한 분포와 거동을 동시에 분석할 수 있는 장점이 있지만 해색을 위주로 설계가 되어 적외선 파장 밴드가 없는 단점이 있다. 본 연구에서 제안한 FGAI는 FAI와는 달리 적외 밴드가 필요하지 않으므로 GOCI자료를 이용한 부유성 녹조의 감시에 유용하다.
그리고 적생-근적외-적외 밴드를 사용하고 있는 FAI와 비슷한 결과를 나타내지만 적외 밴드가 필요한 FAI와는 달리 두 개의 밴드만 사용하므로 보다 간단하고 적외 밴드가 없는 해색센서 자료에 적용이 가능하다. 이러한 장점으로 인하여 천리안 위성의 해색 탑재체인 GOCI 자료를 이용한 FGAI를 분석한 결과는 MODIS의 경우와 마찬가지로 부유성 녹조의 분포 및 이동을 탐지하는데 매우 효과적임을 밝혔다.
후속연구
해수의 온도가 증가하는 계절에 녹조의 번식은 기후변화의 한 결과로 추정되며 어업에도 영향을 미치는 인자임을 고려할 때, 인공 위성 영상으로부터 녹조를 감시하는 것은 지역 기후환경 및 수산업 분야에 활용될 수 있다. 따라서 천리안 위성과 같은 정지궤도 위성자료로부터의 진보된 시공간 해상도를 가지는 자료를 산출한다면 향후 보다 정확한 예측이 가능 할 것이다.
해수의 온도가 증가하는 계절에 녹조의 번식은 기후변화의 한 결과로 추정되며 어업에도 영향을 미치는 인자임을 고려할 때, 인공 위성 영상으로부터 녹조를 감시하는 것은 지역 기후환경 및 수산업 분야에 활용될 수 있다. 따라서 천리안 위성과 같은 정지궤도 위성자료로부터의 진보된 시공간 해상도를 가지는 자료를 산출한다면 향후 보다 정확한 예측이 가능 할 것이다.
그림 7에서도 북위 35도 부근에 남북경계방향과 동경 123도 근처의 동서경계 방향으로 불연속면이 발생한 것이 나타나고 북쪽 슬롯의 아랫부분의 FGAI 값이 비정상적으로 나타나고 있다. 현재 GOCI 개발팀에서 슬롯간의 불연속면을 보정하기 위한 기법을 개발 중에 있으므로 향후, 비정상적인 값에 대한 개선이 이루어질 것이다. 그럼에도 불구하고 매시간별 동일 지역에 대한 영상자료의 획득으로 인하여 부유성 녹조 띠가 중국연안에서 동쪽으로 이동하고 있는 것을 알 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
조류(Algae)는 무엇인가?
조류(Algae)는 물속에서 생장하며 동화 색소를 가지고 독립 영양 생활을 하는 식물의 한 분류군이다. 조류는 수중 생태계에서 1차 생산자로서 중요한 역할을 당당하고 있으며, 양식생물의 먹이, 기능성 건강보조식품, 하수 처리, 생물연료 등 다양하게 이용되고 있으므로 미세조류의 연구는 생태계에 대한 기초 연구뿐 만 아니라 산업분야에도 중요하다.
수중 생태계에서 조류가 담당하는 역할은?
조류(Algae)는 물속에서 생장하며 동화 색소를 가지고 독립 영양 생활을 하는 식물의 한 분류군이다. 조류는 수중 생태계에서 1차 생산자로서 중요한 역할을 당당하고 있으며, 양식생물의 먹이, 기능성 건강보조식품, 하수 처리, 생물연료 등 다양하게 이용되고 있으므로 미세조류의 연구는 생태계에 대한 기초 연구뿐 만 아니라 산업분야에도 중요하다. 특히, 광합성을 하는 녹조류의 성장에는 온도, 광량, ph 등 여러 환경요인이 작용하며(최희정과 이 승목, 2011), 광합성에 관여하는 빛의 파장에 의하여 영향을 받는다.
클로로필-a 성분에 대한 농도 분석 방법은, 무엇을 기초로 하고 있는가?
원격탐사를 이용한 조류의 감시에는 주로 조류에 포함된 클로로필-a 성분에 대한 농도 분석 방법이 사용된다. 이 방법은 수체의 광 흡수(Absorption), 후방산란 계수(Backscattering coefficient)와 원격탐사 센서가 측정하는 반사도(Reflectance)와의 상관성을 기초로 하고 있다(Gordan et al., 1988; Han et al.
참고문헌 (18)
문정언, 안유환, 유주형, P. Shanmugam. 2010. 정지궤도 해색탑재체(GOCI) 해수환경분석 알고리즘 개발. 대한원격탐사학회지 26(2):189-207.
이권호. 2011. 지구관측 위성자료를 이용한 주요 대기 에어러솔 성분의 공간분포 분석. 한국지리정보학회지 14(2):109-127.
Dixon, J.M., M. Taniguchi and J.S. Lindsey. 2005. PhotochemCAD 2. A Refined Program with Accompanying Spectral Databases for Photochemical Calculations, Photochem. Photobiol. 81:212-213.
Du, H., R.-C. A. Fuh, J. Li, L.A. Corkan and J.S. Lindsey. 1998. PhotochemCAD: A computer-aided design and research tool in photochemistry. Photochem. Photobiol. 68:141-142.
Gitelson, A.A., G. Dall'Olmo, W. Moses, D.C. Rundquist, T. Barrow, T.R. Fisher, D. Gurlin and J. Holz. 2008. A simple semi-analytical model for remote estimation of chlorophyll-a in turbid waters: Validation. Remote Sensing of Environment 112:3582-3593.
Gordan, H.R., O.B. Brown, R.H. Evans, J.W. Brown, R.C. Smith, K.S. Baker and D.K. Clark. 1988. A semianalytic radiance model of ocean color. Journal of Geophysical Research 93:10909-10924.
Han, X., W. Zheng, and C. Wu. 2010. Chlorophyll-a estimation using satellite observations in Tai Lake, China. Proceeding of International Conference on Multimedia Technology(ICMT) 1:4.
Hu, C. 2009. A novel ocean color index to detect floating algae in the global oceans. Remote Sens. Environ 113:2118-2129.
Ishizaka, J., H. Fukushima, M. Kishino, T. Saino and M. Takahashi. 1992. Phytoplankton pigment distributions in regional upwelling around the Izu Peninsula detected by coastal zone color scanner on May 1982. J. Oceanogr. 48:305-327.
Kutser, T., L. Metsamaa, N. Strombeck and E. Vahtmae. 2006. Monitoring cyanobacterial blooms by satellite remote sensing. Estuarine, Coastal and Shelf Science 67:303-312.
Lee, K.H. and Y.J. Kim. 2010. Satellite remote sensing of Asian aerosols: a case study of clean, polluted and dust storm days. Atmos. Meas. Tech. 3:1771-1784, doi:10.5194/amt-3-1771-2010.
Matthews, M.W. 2010. Remote sensing of water quality parameters in Zeekoevlei, a hypertrophic, cyanobacteria-dominated lake, Cape Town, South Africa, Cape Town. M.Sc. of University of Cape Town.
Moses, W., A. Gitelson, S. Berdnikov and V. Povazhnyy. 2009. Satellite estimation of chlorophyll-a concentration using the red and NIR bands of MERIS - The Azov Sea case study. IEEE Geoscience and Remote Sensing Letters 6:845-849.
Ricchiazzi, P., S. Yang, C. Gautier and D. Sowle. 1998. SBDART: A research and teaching tool for planeparallel radiative transfer in the Earth's atmosphere, Bull. Am. Meteorol. Soc. 79:2101-2114, doi:10.1175/1520-0477.
Tassan, S. 1994. Local algorithms using SeaWiFS data for the retrieval of phytoplankton, pigments, suspended sediment, and yellow substance in coastal waters. Applied Optics 33:2369-2378.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.