매년 적조가 발생하여 양식어민들에게 막대한 피해를 주고 있으며 발생해역도 남해안을 중심으로 발생되던 패턴에서 전국 연안 해역으로 확대되는 추이를 보이고 있다. 광활한 해양에서 발생되는 적조를 효과적으로 모니터링하기 위해 2010년에 발사된 천리안 위성의 GOCI(Geostationary Ocean Color Imager)영상을 이용한 적조 탐지기술 개발에 관심이 모아지고 있다. 본 연구에서는 남해안 해역에 대해 최근 3년간(2012, 2013, 2014년) 관측된 천리안 GOCI영상을 이용하여 적조해역을 탐지하고 탐지된 해역에 대한 적조발생빈도와 밀도를 분석하였다. 그 결과 3년간 남해안을 대상으로 적조 발생 해역을 추출하고 중첩분석과 밀도분석을 통하여 적조우심해역을 추출하여 제시하였다. 또한 연도별 적조발생 경향은 2012년에 적조 발생규모가 작고 산발적으로 발생하였고, 2013년은 적조 발생해역이 광범위하게 분포하면서 공간적 밀집도도 높게 나타났으며, 2014년의 경우에는 소규모의 적조가 산발적으로 발생하였다. 이처럼 연도별 적조발생의 공간적 분포패턴은 불규칙한 특징을 보였으며 다양하게 변화되고 있음을 알 수 있었다. 하지만 적조발생빈도를 기반으로 핫스팟을 분석한 결과 특정 해역에서는 발생빈도가 꾸준히 증가되고 있어서 천리안 GOCI 영상과 같은 위성영상모니터링 기술을 이용하여 지속적으로 모니터링을 실시함으로써 적조의 움직임을 정확히 예측할 수 있고 이에 따른 방재계획을 체계적으로 수립할 수 있다고 판단된다.
매년 적조가 발생하여 양식어민들에게 막대한 피해를 주고 있으며 발생해역도 남해안을 중심으로 발생되던 패턴에서 전국 연안 해역으로 확대되는 추이를 보이고 있다. 광활한 해양에서 발생되는 적조를 효과적으로 모니터링하기 위해 2010년에 발사된 천리안 위성의 GOCI(Geostationary Ocean Color Imager)영상을 이용한 적조 탐지기술 개발에 관심이 모아지고 있다. 본 연구에서는 남해안 해역에 대해 최근 3년간(2012, 2013, 2014년) 관측된 천리안 GOCI영상을 이용하여 적조해역을 탐지하고 탐지된 해역에 대한 적조발생빈도와 밀도를 분석하였다. 그 결과 3년간 남해안을 대상으로 적조 발생 해역을 추출하고 중첩분석과 밀도분석을 통하여 적조우심해역을 추출하여 제시하였다. 또한 연도별 적조발생 경향은 2012년에 적조 발생규모가 작고 산발적으로 발생하였고, 2013년은 적조 발생해역이 광범위하게 분포하면서 공간적 밀집도도 높게 나타났으며, 2014년의 경우에는 소규모의 적조가 산발적으로 발생하였다. 이처럼 연도별 적조발생의 공간적 분포패턴은 불규칙한 특징을 보였으며 다양하게 변화되고 있음을 알 수 있었다. 하지만 적조발생빈도를 기반으로 핫스팟을 분석한 결과 특정 해역에서는 발생빈도가 꾸준히 증가되고 있어서 천리안 GOCI 영상과 같은 위성영상모니터링 기술을 이용하여 지속적으로 모니터링을 실시함으로써 적조의 움직임을 정확히 예측할 수 있고 이에 따른 방재계획을 체계적으로 수립할 수 있다고 판단된다.
The area of red tides occurences, which brings enormous damages every year, have been expanded to the coastal waters across the nation. Regarding to this trend, the development of red tide detection technology by using the GOCI (Geostationary Ocean Color Imager) of COMS lauched in 2010 has been draw...
The area of red tides occurences, which brings enormous damages every year, have been expanded to the coastal waters across the nation. Regarding to this trend, the development of red tide detection technology by using the GOCI (Geostationary Ocean Color Imager) of COMS lauched in 2010 has been drawn attentions of researchers. This study purposed on analyzing the frequency and density of red tides occurence by using the GOCI for detecting the southern sea, whereas targeted area. The observation has brought over the last three years (2012, 2013, and 2014) before the analysis was conducted. Followingly, the study could be resulted in extracting and revealing the hot spots of the red tides from two of analysis in the overlay and density. The distribution patterns of red tide occurrences according to those observed years has been shown in irregular characteristics and various changes. However, the analysis of hot spots, based on the frequency of the red tide occurrence, has revealed that the frequency of red tide occurences is continuously increased in the specific sea area. Therefore, it is concluded in that the continuous monitoring can contribute to predict accurate movements of red tides, so as establish systematic plans for preventing disasters.
The area of red tides occurences, which brings enormous damages every year, have been expanded to the coastal waters across the nation. Regarding to this trend, the development of red tide detection technology by using the GOCI (Geostationary Ocean Color Imager) of COMS lauched in 2010 has been drawn attentions of researchers. This study purposed on analyzing the frequency and density of red tides occurence by using the GOCI for detecting the southern sea, whereas targeted area. The observation has brought over the last three years (2012, 2013, and 2014) before the analysis was conducted. Followingly, the study could be resulted in extracting and revealing the hot spots of the red tides from two of analysis in the overlay and density. The distribution patterns of red tide occurrences according to those observed years has been shown in irregular characteristics and various changes. However, the analysis of hot spots, based on the frequency of the red tide occurrence, has revealed that the frequency of red tide occurences is continuously increased in the specific sea area. Therefore, it is concluded in that the continuous monitoring can contribute to predict accurate movements of red tides, so as establish systematic plans for preventing disasters.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그래서 본 연구에서는 최근 3년간 분석 결과를 모두 중첩시켜적조가 가장 많이 발생되는 지역을 적조 우심해역으로 정의하고 어장이용계획수립 시 참고할 수 있도록 제시하였다. Fig.
본 연구에서는 천리안 GOCI 영상을 이용하여 최근 3년간 (2012년∼2014년)남해안 해역에서 발생한 적조를 탐지하고 발생 빈도를 분석하여 적조발생 우심해역을 도출한 결과 다음과 같은 결론을 얻었다.
제안 방법
1에 제시하였다. Kim and Yoo(2014)의 연구결과에 의하면 하루 중 적조가 가장 왕성하게 확산되는 시간대가 12시 ~13시경인 것으로 분석되어 본 연구에서는 날짜별로 가급적이 시간대의 영상을 이용하여 분석하였으나 영상상태가 좋지 않은 경우 오전 11시에서 오후 2시 사이의 영상 중 양호한 영상을 선택하였다.
적조탐지 과정은 첫 번째 단계로 적 조를 포함할 수 있는 높은 클로로필 지역을 선정하는 단계로 서 스펙트럼분석에서 녹색파장(555nm)에서 높은 값을 보이는 지역은 클로로필 농도가 높은 지역으로 평가되어 적조발생 가능성이 높은 지역으로 분류된다. 두 번째 단계는 맑은 해역 과 탁한 해역을 분류하는 과정으로서 육지나 섬에서 멀리 떨 어져 부유물질의 영향이 거의 없는 맑은 해역과 육지로부터 유입되는 용존 유기물이나 부유물질의 영향을 받는 탁한 해 역으로 구분하여 맑은 해역과 탁한 해역에서 탐지된 적조를 구분한다. 세 번째 단계는 맑은 해역으로 분류된 해역에서 적 조를 탐지하는 과정 Eq.
Table 1에 제시된 최근 3년간의 GOCI 영상자료를 이용하여 적조를 탐지한 결과 하루의 확산패턴을 보면 이른 오전에 적조가 서서히 나타나다가 정오로 가면서 점점 확산되어 오후 1시에 최대가 된 후 점점 감소되는 패턴을 보여 주었다(Kim, 2015). 따라서 본 논문에는 분석된 결과 중 적조가 가장 크게 확산되는 시간대의 결과를 선택하여 표시하였다(Figs. 2, 3, and 4).
따라서 본 연구에서는 남해안 해역에 대해 최근 3년간 (2012, 2013, 2014년) 관측된 천리안 GOCI영상의 Level 1B를 구입하여 Level 2A로 변환한 후 맑은 해역과 탁한 해역의 적 조를 탐지하는 기술을 적용하여 적조를 탐지하고, 탐지된 해 역에 대한 적조발생빈도와 밀도를 분석함으로써 적조가 빈번 히 발생하는 적조 우심해역을 제시하였다.
분석하였다. 따라서 앞서 분석된 2012년, 2013년, 2014년의 적조발생 해역탐지 결과를 중첩 분석하여 우심해역을 추출하였다. 이를 위하여 연도별로 적조발생빈도밀도를 분석하였는데 Fig.
천리안위성의 GOCI영상은 최초 관측된 원시자료 Level 0 자료를 전처리시스템인 IMPS(IMage Pre-processing Subsystem)을 통하여 복사보정과 기하보정을 거쳐 제공되고 있다. 본 연구에서는 Level 1B 자료를 GOCI 자료처리시스템 (GOCI data processing system)으로 대기보정을 하여 Level 2A로 변환하였으며, Level 2A 자료 중 정규 수출복사량(water-leaving radiance)을 이용하여 적조를 탐지하였다(Lee et al, 2013; Kim, 2015). 적조탐지 과정은 첫 번째 단계로 적 조를 포함할 수 있는 높은 클로로필 지역을 선정하는 단계로 서 스펙트럼분석에서 녹색파장(555nm)에서 높은 값을 보이는 지역은 클로로필 농도가 높은 지역으로 평가되어 적조발생 가능성이 높은 지역으로 분류된다.
영상에서 추출되어진 연도별, 일자별, 시간별 적조해역에 대한 발생빈도산출을 위해 래스 터 데이터의 산술적 연산을 통한 중첩분석을 수행하였다. 적 조가 탐지된 각 영상을 적조해역과 비 적조해역으로 구분하고 영상소 재분류를 수행하여 연산을 통한 중첩분석을 하였다. GOCI영상의 공간해상도는 500mx500m이며, 한 영상소 가 0.
최근 3년간 적조 발생이 빈번하여 심각한 상태를 보이는 해역으로 특별관리가 요구되는 지역을 적조우심해역으로 설정하고 분석하였다. 따라서 앞서 분석된 2012년, 2013년, 2014년의 적조발생 해역탐지 결과를 중첩 분석하여 우심해역을 추출하였다.
대상 데이터
대상기간동안 적조로 인한 전체 피해액은 약 44억 원으로 추정되었다(Kim, 2015). 따라서 적조 발생 기간 중 총 6매의 GOCI영상을 분석하였는데, Fig. 2에는 2012. 8.
본 연구에 사용할 천리안 GOCI 위성영상은 최근 3년간 적조 발생기간 중에서 기상조건(구름이 없는 날)이 양호한 날 촬영된 영상을 선택하였는데, 2012년도에는 7월 27일부터 10 월 24일까지 6매, 2013년도는 7월 17일부터 10월 5일까지 5 매, 2014년도는 7월 31일부터 10월 16일까지 5매의 GOCI영상(총 16매)을 구입하여 사용하였으며, GOCI영상의 샘플도 Table 1에 제시하였다. Kim and Yoo(2014)의 연구결과에 의하면 하루 중 적조가 가장 왕성하게 확산되는 시간대가 12시 ~13시경인 것으로 분석되어 본 연구에서는 날짜별로 가급적이 시간대의 영상을 이용하여 분석하였으나 영상상태가 좋지 않은 경우 오전 11시에서 오후 2시 사이의 영상 중 양호한 영상을 선택하였다.
따라서 앞서 분석된 2012년, 2013년, 2014년의 적조발생 해역탐지 결과를 중첩 분석하여 우심해역을 추출하였다. 이를 위하여 연도별로 적조발생빈도밀도를 분석하였는데 Fig. 5는 2012년도 적조발생해역에 대한 적조 발생지점을 중첩하고 발생빈도를 계산한 후 빈도밀도를 나타낸 결과로서 적조 발생면적은 560㎢이고, 최고 발생빈도밀도가 높은 곳은 전남 여수시 돌산읍 해역으로 분석되었다.
데이터처리
적조해역으로 탐지된 GOCI영상의 영상소들에 대한 발생 빈도와 밀도를 분석하기 위하여 GIS의 분석기법인 중첩분석 과 밀도분석기법을 적용하였다. 영상에서 추출되어진 연도별, 일자별, 시간별 적조해역에 대한 발생빈도산출을 위해 래스 터 데이터의 산술적 연산을 통한 중첩분석을 수행하였다. 적 조가 탐지된 각 영상을 적조해역과 비 적조해역으로 구분하고 영상소 재분류를 수행하여 연산을 통한 중첩분석을 하였다.
이론/모형
적조해역으로 탐지된 GOCI영상의 영상소들에 대한 발생 빈도와 밀도를 분석하기 위하여 GIS의 분석기법인 중첩분석 과 밀도분석기법을 적용하였다. 영상에서 추출되어진 연도별, 일자별, 시간별 적조해역에 대한 발생빈도산출을 위해 래스 터 데이터의 산술적 연산을 통한 중첩분석을 수행하였다.
성능/효과
그래서 본 연구에서는 최근 3년간 분석 결과를 모두 중첩시켜적조가 가장 많이 발생되는 지역을 적조 우심해역으로 정의하고 어장이용계획수립 시 참고할 수 있도록 제시하였다. Fig. 8 은 본 연구에서 분석한 2012년부터 2014년까지의 GOCI 분석 영상 결과를 중첩 분석한 것으로서 각 지점(1pixel=500m × 500m)별 적조 발생빈도를 도시하였고, 1회 이상 적조가 탐지된 적조 발생해역 면적은 2, 541㎢로 계산되었으며 남해안 해역에 광범위하게 분포하고 있는 것으로 분석되었다.
7은 2014년도 적조 발생해역에 대한 발생빈도를 중첩한 결과로서 적조 발생면적이 631㎢로 나타나 2012년도 발생면적과 비슷하였고, 지점별 발생빈도가 높은 해역이 통영시 한산 매물도 해역에서 거제시 남부해역까지 집중하고 있어 2012년도에 발생한 적조와 다른 공간적 특성을 보였다. 경남 통영시 매물도해역에서 거제시 남부에 이르는 해역까지 가장 높은 밀집도를 보이고 있는 것으로 분석되었다.
둘째, 최근 3년간 연도별 적조 발생해역에 대한 변화 특징을 분석한 결과 2012년은 적조 발생규모가 작은 해역이 산발적으로 발생하였고, 2013년은 적조 발생해역이 광범위하게 분포하면서 공간적 밀집도 또한 높은 특징을 보였으나, 2014년에는 소규모의 적조가 산발적으로 발생하였다. 이처럼 연도별 적조 발생의 공간적 분포패턴은 불규칙한 특징을 보였으며, 유기적으로 변화되고 있음을 알 수 있었다.
소규모의 적조가 산발적으로 발생하였다. 이처럼 연도별 적조 발생의 공간적 분포패턴은 불규칙한 특징을 보였으며, 유기적으로 변화되고 있음을 알 수 있었다. 하지만 적조 발생 빈도를 기반으로 핫스팟을 분석한 결과 특정 해역에서는 발생 빈도가 꾸준히 증가되고 있어서 천리안 GOCI 영상과 같은 위성영상모니터링 기술을 이용하여 지속적으로 모니터링을 실시함으로서 적조의 움직임을 정확히 예측할 수 있고 이에 따른 방재계획을 체계적으로 수립할 수 있다고 판단된다.
지점별 적조 발생빈도는 11회가 가장 높았으며, 4회 이상 적조가 탐지된 해역이 전남 고흥군 외나로도 해역에서 경남 거제시 동부해역까지 광범위하게 형성되어 있다. Fig.
첫째, 최근 3년간 남해안을 대상으로 적조 발생해역을 추출하고 중첩분석과 밀도분석을 통하여 적조 우심해역을 분석한 결과 경남 통영시 한산면 매물도 해역에서 거제시 남부해역까지가 적조발생빈도가 높은 해역으로 분석되어 적조에 취약 한우 심해 역으로 평가되었다.
지점별 적조 발생 빈도는 경남 남해군 남부해역에서 거제시 남동부해역까지가 높은 해역으로 분석되고, 광범위하게 분포하고 있어 적조가 심각하게 발생하였음을 보여주고 있다. 특히 남해군 남동해역과 더불어 통영시 욕지도 해역에서 거제시 동부해역에 이르는 근해에서 적조발생의 공간 밀집도가 가장 높게 나타난 것으로 분석되었다.
후속연구
그러나, 본 연구에서는 자료처리기간이 최근 3년간으로 제한되었고, 또한 연도별 활용한 GOCI 영상자료를 구름 등 기상 여건으로 충분히 획득하지 못한 제약조건이 있었으나 연도별, 일자별 영상자료를 지속적으로 추가하여 장기간에 걸친 시계 열적 분석이 이루어진다면 연구 결과의 신뢰도 향상 및 적조 방재 대책 수립에 크게 기여할 것으로 사료된다.
이처럼 연도별 적조 발생의 공간적 분포패턴은 불규칙한 특징을 보였으며, 유기적으로 변화되고 있음을 알 수 있었다. 하지만 적조 발생 빈도를 기반으로 핫스팟을 분석한 결과 특정 해역에서는 발생 빈도가 꾸준히 증가되고 있어서 천리안 GOCI 영상과 같은 위성영상모니터링 기술을 이용하여 지속적으로 모니터링을 실시함으로서 적조의 움직임을 정확히 예측할 수 있고 이에 따른 방재계획을 체계적으로 수립할 수 있다고 판단된다.
참고문헌 (8)
Ahn, J., Park, Y., Ryu, J., Lee, B., and Oh, I. (2012), Development of atmospheric correction algorithm for geostationary ocean color imager(GOCI), Ocean Science Journal, Vol. 47, No. 3, pp.247-259.
Bae, S. (2010), Landscape resource assessment using Web 2.0-based geographic information, Korean Journal of the Photo-Geographers, Vol. 20, No. 3, pp. 1-12. (in Korean with English abstract)
Dierssen, H.M., Kudela, R.M., Ryan, J.P., and Zimmerman, R.C. (2006), Red and black tides: quantitative analysis of water-leaving radiance and perceived color for phytoplankton, colored dissolved organic matter, and suspended sediments, Limnology and Oceanography, Vol. 51, No. 6, pp. 2646-2659.
Kim, D. (2015), Analysis on Spatial and Temporal Patterns of Red Tide Occurrence Area in the South Sea of Korea Using COMS Images, Ph.D. dissertation, Gyeongsang National University, Jinju, Korea, 101p. (in Korean with English abstract)
Kim, D. and Yoo, H. (2014), Analysis of temporal and spatial red tide change in the south sea of Korea using the GOCI images of COMS, Journal of the Korean Society for Geospatial Information System, Vol. 22, No. 3, pp. 129-136. (in Korean with English abstract)
KMA(Korea Meteorological Administration), http://web.kma.go.kr/eng/index.jsp (last date accessed: 11 September 2015)
Lee, B., Ahn, J., Park, Y., and Kim, S. (2013), Turbid water atmospheric correction for GOCI: modification of MUMM algorithm, Korean Journal of Remote Sensing, Vol. 29, No. 2, pp. 173-182. (in Korean with English abstract)
Son, Y., Kang, Y., and Ryu, J. (2012), Monitoring red tide in south sea of Korea (SSK) using the geostationary ocean color imager(GOCI), Korean Journal of Remote Sensing, Vol. 28, No. 5, pp. 531-548. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.