[논문]국내 수계의 남조류 원격모니터링을 위한 고유분광특성모델 개선 연구

하림; 남기범; 박상현; 신현주; 이혁; 강태구; 이재관

doi:10.15681/kswe.2019.35.6.589

국내 수계의 남조류 원격모니터링을 위한 고유분광특성모델 개선 연구
A Study on Model Improvement using Inherent Optical Properties for Remote Sensing of Cyanobacterial Bloom on Rivers in Korea 원문보기

한국물환경학회지 = Journal of Korean Society on Water Environment, v.35 no.6, 2019년, pp.589 - 597

하림 (서울기술연구원 도시인프라연구실) , 남기범 (국립환경과학원 물환경연구부 물환경평가연구과) , 박상현 (국립환경과학원 물환경연구부 물환경평가연구과) , 신현주 (국립환경과학원 물환경연구부 물환경평가연구과) , 이혁 (국립환경과학원 연구전략기획과) , 강태구 (국립환경과학원 물환경연구부 물환경평가연구과) , 이재관 (국립환경과학원 물환경연구부)

Abstract ▼ AI-Helper

The purpose of this study was improve accuracy the IOPs inversion model(IOPs-IM) developed in 2016 for phycocyanin(PC) concentration estimation in the Nakdong River. Additionally, two optimum models were developed and evaluated with 2017 measurement field spectral data for the Geum River and the Yeongsan River. The used measurement data for IOPs-IM analyzation was randomly classified as training and verification materials at the ratio of 2:1 in all data sets. Using the training data set from 2015-2017, accuracy results of the IOPs-IM generally improved for the Nakdong River. The RMSE(Root Mean Square Error) decreased by 14 % compared to 2016. For the GeumRiver, the results of the IOPs-IM were suitable, except for some point results in 2016. Results of the IOPs-IM in the Yeongsan River followed the overall 1:1 line and MAE(Mean Absolute Error) was lower than other rivers. But the RMSE and MAE values were higher. As a result of applying the validation data to the IOPs-IM, the accuracy of the Nakdong River was reduced to RMSE 17.7 % and MRE 16.4 %, respectively compared with 2016. However, the MRE(Mean Relative Error) was estimated to be higher by 400 % in the Geum River, and the RMSE was more than 100 mg/㎥ of the Yeongsan River. Therefore, it is necessary to get the continuously data with various sections of each river for obtain objective and reliable results and the models should be improved.

주제어

표/그림 (13)

그림 Fig. 1. Location map of study areas, including the sampling sites; (A) Habcheon-changnyeong Weir(HW) and (B) Changnyeong-Haman Weir(CW) in Nakdong River, (C) Juksan Weir(JW) in Yeongsan River, (D) Lake Daechung(DL), Baekje Weir(BW) in Geum River.
그림 Fig. 2. Schematic summary of this study.
그림 Fig. 3. Sample filteration and IOPs measurement using integrating sphere(Right: Tassan and Ferrari (1995))
그림 Fig. 4. Water sampling and field measurements using portable optic sensor at each stations(NIER, 2017)
그림 Fig. 5. Remote sensing reflectance measured in three rivers. Reflectance is power-fitted for removing glint effect(NIER, 2017).
표 Table 1. The number of training and validation data according to each river
그림 Fig. 6. Comparison of normalized CDM absorption coefficient at 437 among Bricaud et al. (1981), KIOST (1999), ’16 and ’17 optimized model
표 Table 2. Base wavelength and parameters for IOPs-IM of each rivers(NIER, 2017)
그림 Fig. 7. Comparison of modeled PC concentration, that were estimated using ’16 and ’17 IOPs-IM respectively, with measured ones of training data set of Nakdong River.
그림 Fig. 8. Comparison of modeled PC concentration, that were estimated using the IOPs-IM, with measured ones of training data set of Geum and Yeongsan River respectively.
표 Table 3. Each model results
그림 Fig. 9. Comparison of modeled PC concentration, that were estimated using three models, with measured ones of validation data set of ’16 and ’17 Nakdong River respectively.
그림 Fig. 10. Comparison of modeled PC concentration, that were estimated using three models, with measured ones of validation data set of Geum and Yeongsan River respectively(NIER, 2017).

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 2015년부터 2017년까지 낙동강수계 3개 보(강정고령보, 달성보, 합천창녕보) 구간에서 취득한 자료를 이용하여 낙동강수계에 적합한 IOPs 모델로 개선하는 것을 목표로 하였다. 또한, 금강 및 영산강수계 자료를 추가 취득하여 각 수계에 적합한 모델로 개선함으로서 IOPs 모델 적용 범위 확대를 검토하고자 한다.
본 연구에서는 2015년부터 2017년까지 낙동강수계 3개 보(강정고령보, 달성보, 합천창녕보) 구간에서 취득한 자료를 이용하여 낙동강수계에 적합한 IOPs 모델로 개선하는 것을 목표로 하였다. 또한, 금강 및 영산강수계 자료를 추가 취득하여 각 수계에 적합한 모델로 개선함으로서 IOPs 모델 적용 범위 확대를 검토하고자 한다.
본 연구에서는 국내 수계 남조류의 원격모니터링을 위해 ’16년 개발된 낙동강수계 IOPs모델을 개선하고, 금강과 영산 강수계 모델을 새롭게 제안하였다. 모델 개선 및 추가 제안을 위해 2015년부터 2017년까지 낙동강수계 3개 보(강정고령보, 달성보, 합천창녕보), 금강(대청호, 백제보), 영산강(죽산보) 구간에서 취득한 자료를 이용하여 학습 및 검증자료로 구분하여 적용하였다.

제안 방법

채수와 동일한 지점에서 350 ～ 2,500 nm 파장대(VIS/NIR) 영역을 1 nm 간격으로 측정하는 휴대용 분광복사계(Fieldspec4, ASD inc., USA)를 이용하여 수체에서 일어나는 원격반사도(Remote sensing reflectance, Rrs)를 측정하였다.
현장 수질항목 측정은 원격반사도 측정지점과 동일한 위치에서 다항목수질측정기(ProDSS, YSI)를 이용하여 DO, pH, 수온 및 전기전도도를 측정하였으며, 수체 투명도는 secchi disk를 이용하였다.

대상 데이터

각 수계별 모델의 개선은 낙동강 145개, 금강 147개, 영산강 66개 자료를 이용하여 수행되었다(Table 1). ’17 낙동강 모형은 ’16과 비교하여 학습자료에 대한 개선 정도를 평가하였고, 금강과 영산강 모형은 적용 오차 평가와 함께 개선 방향을 분석하였다.
개선 모델에서는 후방산란 산정 시 ’15 ~ ’17년 취득한 현장 원격반사도로부터 수체 내 물질들의 강한 흡수특성을 보이는 437 nm를 λ₁로, 산란 특성을 보이는 565 nm를 기준파장(λ₀)으로 결정하고 아래 식 (15)를 이용하여 산정하였다.
낙동강의 ’17년 추가 생산된 자료를 통해 개선된 각 모형은 검증자료를 적용하여 평가되었다. 모형은 ’16년에 비해 R² 값이 모두 감소하였으나 RMSE와 MAE 수치는 향상되었 다(Table 3).
본 연구에서는 국내 수계 남조류의 원격모니터링을 위해 ’16년 개발된 낙동강수계 IOPs모델을 개선하고, 금강과 영산 강수계 모델을 새롭게 제안하였다. 모델 개선 및 추가 제안을 위해 2015년부터 2017년까지 낙동강수계 3개 보(강정고령보, 달성보, 합천창녕보), 금강(대청호, 백제보), 영산강(죽산보) 구간에서 취득한 자료를 이용하여 학습 및 검증자료로 구분하여 적용하였다.
현장측정은 수체의 반사율 산정을 위한 복사량 측정, 조류 색소 분석을 위한 채수, 실내 분광특성 실험을 위한 샘플수집을 대상으로 하였다.

데이터처리

각 수계별 모델의 개선은 낙동강 145개, 금강 147개, 영산강 66개 자료를 이용하여 수행되었다(Table 1). ’17 낙동강 모형은 ’16과 비교하여 학습자료에 대한 개선 정도를 평가하였고, 금강과 영산강 모형은 적용 오차 평가와 함께 개선 방향을 분석하였다. 낙동강 자료는 ’16년에 구분된 학습, 검증 자료를 기준으로 ’17년 자료를 무작위로 추가하였고, 금강과 영산강 자료는 전체 자료수에서 학습, 검증의 비율을 2:1로 무작위 구분하였다.

이론/모형

IOPs 변환 모델은 흡수계수 및 후방산란계수의 물리적 관계식 (5)에 기초하며(Gordon et al., 1988), Gons et al. (2005)이 제안한 식 (6)을 이용하여 입자성물질에 의한 후방산란계수b_b(778)를 계산하였다.
부유물질(Suspended Solids, SS)의 분석은 수질오염공정시험기준(환경부고시 제2016-65호)에 근거하여 수행되었으며, 모든 분석에 관한 전처리는 최대한 시료 채수 당일 수행되도록 하였다.
전 구간 CDM의 흡수계수는 ’17년 추가 획득 자료로부터 개선되었으며(Fig. 6), 지수함수 관계식 (19)를 적용하여 산정하였다.
현장 Chl-a 색소의 농도는 Standard Method for the Examination of Water and Wastewater(APHA, 2005)를 기초로 분석하였다.

성능/효과

개선 모형에 검증자료를 적용한 결과, 낙동강수계의 경우 ’16년에 비해 평균 RMSE 17.7 %, MRE 16.4 %로 감소하며 정확도가 향상된 것을 확인할 수 있었다. 금강수계의 경우 MRE가 400 % 이상으로 높게 산정되었고, 영산강수계는 RMSE가 100 ㎎/㎥ 이상으로 오차가 크게 나타났다.
4 %로 감소하며 정확도가 향상된 것을 확인할 수 있었다. 금강수계의 경우 MRE가 400 % 이상으로 높게 산정되었고, 영산강수계는 RMSE가 100 ㎎/㎥ 이상으로 오차가 크게 나타났다. 금강수계는 낮은 PC 농도값을 가지는 자료가 대부분이고, 영산강 수계는 자료수의 한계 및 농도의 범위가 넓음에 따라 절대 평균 오차가 높은 것으로 분석되었다.
4 % 감소하는 등 전반적으로 정확도가 향상된 것으로 나타났다. 다만 MRE 수치는 일부 모델에서 증가하였는데, 모형 개발과 검증에 사용된 자료 대부분이 낮은 PC 농도 값을 가지는 자료임에 따라 상대오차가 크게 산정된 것으로 확인되었다.
IOPs-IM 구조상 700 nm 이후 파장대에서 매우 높게 측정되어 후방산란 산정 오차를 증가시키는 경우, 추정된 PC 농도값이 높게 산정된다. 따라서 ’16년 금강 백제보에서 획득 된 8월 12일 1개 지점, 8월 19일 1개 지점 값이 결과에 큰 오차를 가져왔으나, 2개 지점을 제외한 결과는 R² 0.83, RMSE 35.1 ㎎/㎥, MAE 28.4 ㎎/㎥, MRE 58.5 %으로 향상된 결과를 보였다.
본 연구를 통해 ’17년 낙동강 PC 원격정량추정 모델은 ’16년 모형보다 추정 정확도가 향상된 것으로 확인되었다. 다만 금강과 영산강 모델은 구축 자료가 낮은 PC 농도에 편향되어 있거나 자료 수가 부족하여 다소 정확도가 낮은 것으로 분석되었다.
금강수계의 MRE는 다른 수계에 비해 높게 나타났는데, 이는 낙동강수계의 자료와 유사하게 낮은 PC 농도를 가지는 자료가 대부분이고, 타 수계에 비해 상대적인 추정 정확도가 낮은 것으로 분석되었다. 영산강수계는 타 수계에 비해 자료수가 적으므로 높은 PC 농도를 가지는 자료의 RMSE가 전체 평균에 크게 영향을 미친 것으로 확인된다. 반면 MRE는 타 수계에 비해 낮은 것으로 나타났는데, 낮은 농도구간 추정 정확도가 상대적으로 높은 것으로 판단된다.
영산강의 자료는 금강에 비해 MRE가 낮으나, RMSE와 MAE는 높게 나타났다. 영산강은 높은 PC 농도를 가지는 특정지점 자료로 인해 상대적 오차가 컸다(Fig. 10).
2 %로 유의한 값을 보였다. 영산강의 자료는 금강에 비해 MRE가 낮으나, RMSE와 MAE는 높게 나타났다. 영산강은 높은 PC 농도를 가지는 특정지점 자료로 인해 상대적 오차가 컸다(Fig.
학습자료를 통해 개선된 낙동강수계의 모델(IOPs-IM)은 ’16년에 비해 평균 RMSE 가 16.4 % 감소하는 등 전반적으로 정확도가 향상된 것으로 나타났다. 다만 MRE 수치는 일부 모델에서 증가하였는데, 모형 개발과 검증에 사용된 자료 대부분이 낮은 PC 농도 값을 가지는 자료임에 따라 상대오차가 크게 산정된 것으로 확인되었다.

후속연구

금강과 영산강 자료의 모형 적용 결과는 낙동강에 비해 전반적으로 오차가 큰 것으로 나타났고, 이는 모형 개발을 위한 자료의 질과 양의 한계로 판단된다. 금강의 자료는 전체 양에 비해 낮은 PC 농도를 가지는 자료가 대부분이고, 영산강은 현상에 대해 통계적으로 설명하기 위한 자료수가 절대적으로 부족하다.
본 연구에서 제안한 모델은 기존 원격추정 모델을 국내 수계에 적합하게 개선하여 활용도를 검증하였으나, 각 수계별로 정확도를 높이기 위해 추가 데이터를 활용하여 지속적으로 개선할 필요가 있다. 향후 각 수계별로 자료를 주기적으로 획득하여, 개선 된 모델을 확대 적용함으로써 남조류 발생 정량추정 정확도를 높일 수 있을 것으로 판단된다.
2016년에는 2015에서 2016년까지 낙동강수계 합천창녕보 구간에서 측정한 101개 자료를 대상으로 원격으로 피코시아닌(Phycocyanin, PC)을 정량추정하기 위해 조류의 고유분광특성(IOPs), 유전자알고리즘(Genetic Algorithm), 분광곡선 형태(Spectral Shape Algorithm)를 이용한 3가지 농도추정 모델을 개발하였고 선행 방법들과 비교하여 국내 담수역에 적용할 수 있음을 확인하였다(NIER, 2016). 지난 낙동 강수계의 IOPs 모델은 전체 공간범위 중 일부 구간에 대한 2년간(’15-’16년)의 자료를 활용하여 개발된 모델로, 정확도 향상을 위한 추가 자료 취득 및 모델 개선이 필요하다.
본 연구에서 제안한 모델은 기존 원격추정 모델을 국내 수계에 적합하게 개선하여 활용도를 검증하였으나, 각 수계별로 정확도를 높이기 위해 추가 데이터를 활용하여 지속적으로 개선할 필요가 있다. 향후 각 수계별로 자료를 주기적으로 획득하여, 개선 된 모델을 확대 적용함으로써 남조류 발생 정량추정 정확도를 높일 수 있을 것으로 판단된다.
금강의 자료는 전체 양에 비해 낮은 PC 농도를 가지는 자료가 대부분이고, 영산강은 현상에 대해 통계적으로 설명하기 위한 자료수가 절대적으로 부족하다. 향후 두 수계의 안정적인 원격 조류 모니터링을 위해서는 고-저농도 구간 고른 분포를 가지는 자료를 충분히 획득한 후, 모형이 추가 개선되어야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	녹조 문제가 생기는 이유?	국내 수계에서 여름철만 되면 제기되는 녹조 문제는 기후변화뿐만 아니라 도시화로 인한 물환경 변화 등 다양한 요인에 의해 발생한다. 특히나 발생과 동시 빠른 대처가 요구되는 유해 남조류(Microcystis sp.
	원격모니터링 기법의 이점은?	, 등)는 주기적으로 모니터링되고 있으나, 측정 지점을 벗어난 공간에서의 거동은 파악하기 어려운 실정이다. 따라서 원격모니터링 기법을 활용하면 단시간에 넓은 지역에 대한 정보를 정량적으로 획득할 수 있는 이점이 있다(Bukata, 2013; Palmer et al., 2015).
	금강과 영산강의 데이터가 낙동강에 비해 오차가 큰 이유는?	금강과 영산강 자료의 모형 적용 결과는 낙동강에 비해 전반적으로 오차가 큰 것으로 나타났고, 이는 모형 개발을 위한 자료의 질과 양의 한계로 판단된다. 금강의 자료는 전체 양에 비해 낮은 PC 농도를 가지는 자료가 대부분이고, 영산강은 현상에 대해 통계적으로 설명하기 위한 자료수가 절대적으로 부족하다. 향후 두 수계의 안정적인 원격 조류 모니터링을 위해서는 고-저농도 구간 고른 분포를 가지는 자료를 충분히 획득한 후, 모형이 추가 개선되어야 한다.

참고문헌 (20)

American Public Health Association (APHA). (2005). Standard method for the examination of water and wastewater, American Public Health Association, 21st Ed.
Bennett, A. and Bogorad, L. (1973). Complementary chromatic adaptation in a filamentous blue-green alga, Journal of Cell Biology, 58(2), 419-435.

상세보기
Bricaud, A., Morel, A., and Prieur, L. (1981). Absorption by dissolved organic matter of the sea (yellow substance) in the U.V. and visible domains, Limnology and Oceanography, 26, 43-53.

상세보기
Buiteveld, H., Hakvoort, J. H. M., and Donze, M. (1994). The optical properties of pure water, Ocean Optics XII, International Society for Optics and Photonics, 174-183.
Bukata, R. P. (2013). Retrospection and introspection on remote sensing of inland water quality: "Like Deja Vu all over again", Journal of Great Lakes Research, 39, 2-5.

상세보기
Doxaran, D., Froidefond, J. M., Lavender, S., and Castaing, P. (2002). Spectral signature of highly turbid waters-Application with SPOT data to quantify suspended particulate matter concentrations, Remote Sensing of Environment, 81, 149-161.

상세보기
Garaba, S. P. and Zielinski, O. (2013). Methods in reducing surface reflected glint for shipborne above-water remote sensing, Journal of the european optical society, 8, 13058(1-8).

상세보기
Gons, H. J., Rijkeboer, M., and Ruddick, K. G. (2005). Effect of a waveband shift on chlorophyll retrieval from MERIS imagery of inland and coastal waters, Journal of Plankton Research, 27(1), 125-127.

상세보기
Gordon, H. R., Brown, O. B., Evans, R. H., Brown, J. W., Smith, R. C., Baker, K. S., and Clark, D. K. (1988). A semianalytic radiance model of ocean color, Journal of Geophysical Research, 93(D9), 10909-10924.

상세보기
Korea Institute of Ocean Science and Technology (KIOST). (1999). Development of red-tide and water turbidity algorithms using ocean color satellite, Korea Institute of Ocean Science and Technology. [Korean Literature]
Kutser, T., Vahtmae, E., Paavel, B., and Kauer, T. (2013). Removing glint effects from field radiometry data measured in optically complex coastal and inland waters, Remote Sensing of Environment, 133, 85-89.

상세보기
Lee, Z. P. and Carder, K. L. (2004). Absorption spectrum of phytoplankton pigments derived from hyperspectral remote-sensing reflectance, Remote Sensing of Environment, 89, 361-368.

상세보기
Morel, A. (1974). Optical properties of pure water and pure sea water. In: optical aspects of oceanography, Jerlov, N.G., and Nielsen, E. S. (eds), Academic Press, New York, 1974, 1-24.
National Institute of Environmental Research (NIER). (2014). A study on romote monitoring of algal distribution using hyperspectral imagery in lake Uiam, 11-1480523-002078-01, NIER-RP2014-200, National Institute of Environmental Research. [Korean Literature]
National Institute of Environmental Research (NIER). (2015). Hyperspectral remote sensing of algal distribution using inherent optical properties, 11-1480523-002555-01, NIER-RP2015-271, National Institute of Environmental Research. [Korean Literature]
National Institute of Environmental Research (NIER). (2016). Hyperspectral remote sensing of algal distribution using inherent optical properties (II), 11-1480523-002960-01, NIER-RP2016-319, National Institute of Environmental Research. [Korean Literature]
National Institute of Environmental Research (NIER). (2017). Hyperspectral remote sensing of algal distribution using inherent optical properties ('17), 11-1480523-003279-01, NIER-RP2017-204, National Institute of Environmental Research. [Korean Literature]
Palmer, S. C., Kutser, T., and Hunter, P. D. (2015). Remote sensing of inland waters: Challenges, progress and future directions, Remote Sensing of Environment, 157, 1-8.

상세보기
Salama, M. S., Dekker, A., Su, Z., Mannaerts, C. M., and Verhoef, W. (2009). Deriving inherent optical properties and associated inversion-uncertainties in the Dutch lakes, Hydrology and Earth System Sciences, 13, 1113-1121.

상세보기
Tassan, S. and Ferrari, G. M. (1995). An alternative approach to absorption measurements of aquatic particles retained on filters, Limnology and Oceanography, 40(8), 1358-1368.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증