$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

GOCI와 Landsat OLI 영상 융합을 통한 적조 탐지

Red Tide Detection through Image Fusion of GOCI and Landsat OLI

초록

광역범위에 대한 적조의 효율적인 모니터링을 위하여 원격탐사의 필요성이 점차 증가하고 있다. 하지만 기존 연구에서는 다양한 센서 중 해색 센서만을 위한 적조 탐지 알고리즘 개발에만 집중되어 있는 실정이다. 본 연구에서는 위성 기반 적조 모니터링의 한계로 지적되고 있는 탁도가 높은 연안역의 적조 탐지와 원격탐사 자료의 부정확성을 개선하고자 다중센서의 활용을 제시하고자 한다. 국립수산과학원 적조속보 정보를 바탕으로 적조 발생해역을 선정하였고, 해색 센서인 GOCI 영상과 육상 센서인 Landsat OLI 영상을 이용하여 공간적인 융합과 분광기반 융합을 시도하였다. 두 영상의 공간 융합을 통하여, GOCI 영상에서 관측 불가능하였던 연안지역의 적조와 Landsat OLI 영상의 품질이 낮았던 외해역의 적조 모두 개선된 탐지결과 획득 가능하였다. Feature-level과 rawdata-level로 나누어 진행된 분광 융합 결과, 두 방법에서 도출된 적조 분포 양상은 큰 차이를 보이지 않았다. 하지만 feature-level 방법에서는 영상의 공간해상도가 낮을수록 적조 면적이 과대추정되는 경향이 나타났다. Linear spectral unmixing 방법으로 픽셀을 세분화한 결과, 적조 비율이 낮은 픽셀의 수가 많을수록 적조 면적의 차이는 심화되는 것으로 나타났다. Rawdata-level의 경우Gram-Schmidt가 PC spectral sharpening 기법보다 다소 넓은 면적이 추정되었지만, 큰 차이는 나타나지 않았다. 본 연구에서는 해색 센서와 육상 센서의 공간 융합을 통해 외해뿐만 아니라 탁도가 높은 연안의 적조 역시 탐지가 가능함을 보여주었고, 다양한 분광 융합 방법을 제시함으로써 더욱 정확한 적조 면적 추정 방법을 제시하였다. 이 결과는 한반도 주변의 적조를 더욱 정확하게 탐지하고, 적조를 효과적으로 제어하기 위한 대응대책 수립을 결정하는데 필요한 정확한 적조 면적 정보를 제공할 수 있을 것으로 기대된다.

Abstract

In order to efficiently monitor red tide over a wide range, the need for red tide detection using remote sensing is increasing. However, the previous studies focus on the development of red tide detection algorithm for ocean colour sensor. In this study, we propose the use of multi-sensor to improve the inaccuracy for red tide detection and remote sensing data in coastal areas with high turbidity, which are pointed out as limitations of satellite-based red tide monitoring. The study area were selected based on the red tide information provided by National Institute of Fisheries Science, and spatial fusion and spectral-based fusion were attempted using GOCI image as ocean colour sensor and Landsat OLI image as terrestrial sensor. Through spatial fusion of the two images, both the red tide of the coastal area and the outer sea areas, where the quality of Landsat OLI image was low, which were impossible to observe in GOCI images, showed improved detection results. As a result of spectral-based fusion performed by feature-level and rawdata-level, there was no significant difference in red tide distribution patterns derived from the two methods. However, in the feature-level method, the red tide area tends to overestimated as spatial resolution of the image low. As a result of pixel segmentation by linear spectral unmixing method, the difference in the red tide area was found to increase as the number of pixels with low red tide ratio increased. For rawdata-level, Gram-Schmidt sharpening method estimated a somewhat larger area than PC spectral sharpening method, but no significant difference was observed. In this study, it is shown that coastal red tide with high turbidity as well as outer sea areas can be detected through spatial fusion of ocean colour and terrestrial sensor. Also, by presenting various spectral-based fusion methods, more accurate red tide area estimation method is suggested. It is expected that this result will provide more precise detection of red tide around the Korean peninsula and accurate red tide area information needed to determine countermeasure to effectively control red tide.

표 / 그림 (12)

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
해색 센서
해색 센서의 장점은?
해수 와 혼합되어 있는 적조 패치를 탐지하고, 농도를 추정 하는데 뛰어난 분해능력을 갖는 것

또한 적조탐지 연구에는 SeaWiFS, MODIS, GOCI와같은 해색 센서가 주로 이용되고 있는데, 이는 Landsat Enhanced Thematic Mapper Plus(ETM+), Operational Land Imager(OLI), Sentinel-2와 같은 육상 센서와 비교 하여 높은 분광해상도와 신호 대 잡음비(signal-to-noise ratio, SNR)를 갖기 때문이다. 해색 센서의 장점은 해수 와 혼합되어 있는 적조 패치를 탐지하고, 농도를 추정 하는데 뛰어난 분해능력을 갖는 것이다. 하지만 해색 센 서의 많은 장점에도 불구하고 대기 보정 및 원격반사도, 정규화된 수출광량 자료 생성과정에서 육지 마스킹으 로 인하여 연안역의 적조 정보를 획득하지 못하는 경우 가 다수 발생한다.

적조 현상
적조 현상의 부정적 영향은?
관광산업, 어 업 및 양식업 등의 경제적 피해를 증가시킬 뿐만 아니 라 해양 및 연안 생태계에 심각한 악영향

등의 무해성 적조 역시 빈번하게 발생하 고 있다(NIFS, 2015). 이러한 적조 현상은 관광산업, 어 업 및 양식업 등의 경제적 피해를 증가시킬 뿐만 아니 라 해양 및 연안 생태계에 심각한 악영향을 끼치기 때 문에 한반도 주변 해역의 적조 탐지 및 모니터링의 중 요성이 더욱 강조되고 있다. 적조 모니터링의 중요성에도 불구하고, 국내 적조탐 지 연구의 경우 대부분 선박을 이용한 직접 조사에 의 존하고 있기 때문에 적조 발생 지역, 적조 종, 발생밀도 등에 대한 정보가 제한적인 정점과 시기에 대해서만 제 공되고 있다.

육상 센서
육상 센서의 특징은 무엇인가?
해색 센서와 비교하여 분광해상도가 다소 낮지만 공간해상 능력이 뛰어난 특징이 있다

이에 대한 대 안으로 연안역의 적조탐지를 위해서 육상 센서가 사용 될 수 있다. 이는 해색 센서와 비교하여 분광해상도가 다소 낮지만 공간해상 능력이 뛰어난 특징이 있다. 비 록 사용자가 직접 영상 전처리 작업을 수행해야하는 번 거로움이 있지만, 높은 공간해상도와 연안역이 마스킹 되지 않는다는 장점으로 인하여 연안 적조탐지에 유용 한 정보를 제공할 것이다.

질의응답 정보가 도움이 되었나요?

참고문헌 (31)

  1. 1. Ahn, Y.H. and P. Shanmugam, 2006. Detecting the red tide algal bloom from satellite ocean color observations in optically complex Northeast-Asia Coastal waters, Remote Sensing of Environment, 103: 419-437. 
  2. 2. Ahn, Y.H., P. Shanmugam, J.H. Ryu, and J.C. Jeong, 2006. Satellite detection of harmful algal bloom occurrences in Korean waters, Harmful Algae, 5(2): 213-231. 
  3. 3. Cannizzaro, J.P., K.L. Carder, F.R. Chen, C.A. Heil, and G.A. Vargo, 2008. A novel technique for detection of the toxic dinoflagellate, Karenia brevis, in the gulf of Mexico from remotely sensed ocean color data, Continental Shelf Research, 28(1): 137-158. 
  4. 4. Carder, K.L., F.R. Chen, Z.P. Lee, S.K. Hawes, and D. kamykowski, 1999. Semianalytic Moderate Resolution Imaging Spectrometer algorithms for chlorophyll-a and absorption with bio-optical domains based on nitrate-depletion temperatures, Journal of Geophysical Research, 104: 5403-5421. 
  5. 5. Chavez, P.S., 1996. Image-based atmospheric correctionsrevisited and improved, Photogrammetric Engineering and Remote Sensing, 62(9): 1025-1035. 
  6. 6. Cui, T.W., J. Zhang, L.E. Sun, Y.J. Jia, W. Zhao, Z.L. Wang, and J.M. Meng, 2012. Satellite monitoring of massive green macroalgae bloom (GMB): imaging ability comparison of multisource data and drifting velocity estimation, International Journal of Remote Sensing, 33(17): 5513-5527. 
  7. 7. Gordon, H.R. and D.K. Clark, 1981. Clear water radiances for atmospheric correction of coastal zone color scanner imagery, Applied Optics, 20(24): 4175-4180. 
  8. 8. Jeong, H.J., A.S. Lim, K. Lee, M.J. Lee, K.A. Seong, N.S. Kang, S.H. Jang, K,H, Lee, S.Y. Lee, M.O. Kim, J.H. Kim, J.E. Kwon, H.C. Kang, J.S. Kim, W. Yih, K. Shin, P.K. Jang, J.-H. Ryu, S.Y. Kim, J.Y. Park, and K.Y. Kim, 2017. Ichthyotoxic Cochlodinium polykrikoides red tides offshore in the South Sea, Korea in 2014: I. Temporal variations in three-dimensional distributions of red-tide organisms and environmental factors, Algae, 32(2): 101-130. 
  9. 9. Kang, Y.S., H.G. Kim, W.E. Lim, and C.K. Lee, 2002. An unusual coastal environment and Cochlodinium polykrikoides blooms in 1995 in the South Sea of Korea, Journal of Korean Society Oceanography, 37(4): 1-12 (in Korean with English abstract). 
  10. 10. Kim, Y., S. Yoo, and Y.B. Son, 2016. Optical discrimination of harmful Cochlodinium polykrikoides blooms in Korean coastal waters, Optics Express, 24: A1471. 
  11. 11. Laben, C.A. and B.V. Brower, 2000. U.S. Patent No. 6,011,875: Process for enhancing the spatial resolution of multispectral imagery using pansharpening, U.S. Patent and Trademark Office, Washington, DC. 
  12. 12. Lee, Y.S., 2006. Factors affecting outbreaks of highdensity Cochlodinium polykrikoides red tides in the coastal seawaters around Yeosu and Tongyeong, Korea, Marine Pollution and Bulletin, 52: 1249-1259. 
  13. 13. Llinas, J. and D.L. Hall, 1998. An introduction to multisensor data fusion, Proc. of the 1998 IEEE International Symposium on Circuits and systems, Monterey, CA, May-June, vol. 6, pp. 537-540. 
  14. 14. Lou, X. and C. Hu, 2014. Diurnal changes of a harmful algal blooms in the East China Sea: Observations from GOCI, Remote Sensing of Environment, 140: 562-572. 
  15. 15. McCarthy, A.J., K.E. Colna, M.M. El-Mezayen, A.E. Laureano-Rosario, P. Mendez-Lazaro, D.B. Otis, G. Toro-Farmer, M. Vega-Rodriguez, and F.E. Muller-Karger, 2017. Satellite Remote Sensing for Coastal Management: A Review of Successful Applications, Environmental Management, 60: 323-339. 
  16. 16. Morel, A., 1988. Optical Modeling of the Upper Ocean in Relation to Its Biogenous Matter Content (Case I Waters), Journal of Geophysical Research, 93(C9): 10749-10768. 
  17. 17. Morfitt, R., J. Barsi, R. Levy, B. Markham, E. Micijevic, L. Ong, P. Scaramuzza, and K. Vanderwerff, 2015. Landsat-8 Operational Land Imager (OLI) radiometric performance on-orbit, Remote Sensing, 7(2): 2208-2237. 
  18. 18. National Institute of Fisheries Science (NIFS), 2015. Harmful Algal Blooms in Korean Coastal Waters, National Institute of Fisheries Science, Busan, Republic of Korea. 
  19. 19. Oh, S.Y., S.W. Jang, W.G. Park, J.H. Lee, and H.J. Yoon, 2013. A Comparative Study for Red Tide Detection Methods Using GOCI and MODIS, Korean Journal of Remote Sensing, 29(3): 331-335(in Korean with English abstract). 
  20. 20. Ryu, J.H., H.J. Han, S. Cho, Y.J. Park, and Y.H. Ahn, 2012. Overview of Geostationary Ocean Color Imager (GOCI) and GOCI data Processing System (GDPS), Ocean Science Journal, 47(3): 223-233. 
  21. 21. Settle, J.J. and N.A. Drake, 1993. Linear mixing and the estimation of ground cover proportions, International Journal of Remote Sensing, 14(6): 1159-1177. 
  22. 22. Shin, J.S., J.E. Min, and J.H. Ryu, 2017. A study on red tide surveillance system around the Korean coastal waters using GOCI, Korean Journal of Remote Sensing, 33(2): 213-230 (in Korean with English abstract). 
  23. 23. Son, Y.B., Y.H. Kang, and J.H. Ryu, 2012. Monitoring Red Tide in South Sea of Korea (SSK) Using the Geostationary Ocean Color Imager (GOCI), Korean Journal of Remote Sensing, 28(5): 531-548 (in Korean with English abstract). 
  24. 24. Suh, Y.S., L.H. Jang, N.K. Lee, and J. Ishizaka, 2004. Feasibility of red tide detection around Korea waters using satellite remote sensing, Journal of Fisher Science Technology, 7(3): 148-162. 
  25. 25. Tao, B., Z. Mao, H. Lei, D. Pan, Y. Shen, Y. Bai, Q. Ahu, and Z. Li, 2015. A novel method for discriminating Prorocentrum donghaiense from diatom blooms in the East China Sea using MODIS measurements, Remote Sensing of Environment, 158: 267-280. 
  26. 26. Tomlinson, M.C., T.T. Wynne, and R.P. Stumpf, 2009. An evaluation of remote sensing techniques for enhanced detection of the toxic dinoflagellate, Karenia brevis, Remote Sensing Environment, 113: 589-609. 
  27. 27. Uhrin, A.V. and P.A. Townsend, 2016. Improved seagrass mapping using linear spectral unmixing of aerial photographs, Estuarine, Coastal and Shelf Science, 171: 11-22. 
  28. 28. Wang, J. and J. Wu, 2009. Occurrence and potential risks of harmful algal blooms in the East China Sea, Science of the Total Environment, 407(13): 4012-4021. 
  29. 29. Wynne, T.T., R.P. Stumpf, M.C. Tomlinson, R.A. Warner, P.A. Tester, J. Dybel, and G.L. Fahnenstiel, 2008. Relating spectral shape to cyanobacterial blooms in the laurentian Great Lake, International Journal of Remote Sensing, 29: 3665-3672. 
  30. 30. Yoon, H.J., K.W. Nam, H.G. Cho, and H.K. Beun, 2004. Study on monitoring and prediction for the red tide occurrence in the middle coastal area in the South Sea of Korea II. The relationship between the red tide occurrence and the oceanographic factors, Journal of Korea Institute of Information and Communication Engineering, 8(4): 938-945 (in Korean with English abstract). 
  31. 31. Zhang, Y. and R.K. Mishra, 2012. A review and comparison of commercially available pansharpening techniques for high resolution satellite image fusion, IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Munich, Jul. 22-27, pp. 182-185. 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답