[논문]다중 원격탐사 자료를 활용한 해양 오염 추적 모의 실험 방안에 대한 연구

김근용; 김의현; 최준명; 신지선; 김원국; 이광재; 손영백; 유주형

doi:10.7780/kjrs.2020.36.2.2.3

다중 원격탐사 자료를 활용한 해양 오염 추적 모의 실험 방안에 대한 연구
Simulation Approach for the Tracing the Marine Pollution Using Multi-Remote Sensing Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.2 pt.2, 2020년, pp.249 - 261

김근용 (한국해양과학기술원 해양위성센터) , 김의현 (한국해양과학기술원 해양위성센터) , 최준명 (부경대학교 해양공학과) , 신지선 (한국해양과학기술원 해양위성센터) , 김원국 (부산대학교 사회환경시스템공학과) , 이광재 (한국항공우주연구원 위성정보센터) , 손영백 (한국해양과학기술원 제주특성연구센터) , 유주형 (한국해양과학기술원 해양위성센터)

초록
AI-Helper

다중 플랫폼/센서를 활용한 연안 모니터링은 연안 해양환경 변화와 다양한 재해/재난을 높은 시공간 해상도로 정확하게 이해하기 위한 매우 중요한 수단이다. 하지만 다중 플랫폼과 센서를 복합적으로 이용한 통합 관측 연구는 미비한 실정이고, 통합 관측을 통한 효율성, 융합 한계성 등에 대해 평가된 바 없다. 본 연구에서는 다중 원격탐사 플랫폼/센서를 이용한 모의실험을 통해 통합 관측 방법을 제시하고, 그 효용성과 한계점을 진단하였다. 다양한 해양 재해, 재난을 모사하기 위하여 Rhodamine WT (RWT) 형광염료를 이용하여 통합 현장조사를 수행하였다. 2019년 9월 남해-여수 해역에 형광염료를 주입 후 위성(Kompsat-2/3/3A, Landsat-8 Operational Land Imager (OLI), Sentinel-3 Ocean and Land Colour Instrument (OLCI), GOCI), 무인항공기 (Mavic 2 pro, Inspire 2), 유인항공기 플랫폼을 이용하여 염료 패치의 분포와 이동을 탐지하였다. 형광염료 주입 초기 패치 규모는 2,600 ㎡ 이었고, 약 138분 후 62,000 ㎡ 규모까지 확산되었다. RWT 패치는 처음 주입된 지점으로 부터 점차 남서 방향으로 이동하였고, 이는 현장 모의 실험이 진행되는 동안 조위(고조: 7시 7분(286 cm), 저조: 13시 9분(73 cm))가 점차 낮아짐에 따라 조석이 남동 방향으로 흐르는 것과 유사하였다. 무인항공기 영상은 공간해상도와 시간해상도 측면에서 가장 높은 해상력을 보인 반면 탐지 영역이 가장 좁았다. 위성의 경우 탐지 영역은 넓었지만 재방문 주기가 길기 때문에 운용성 측면에서 타 플랫폼과 비교하여 다소 한계가 있었다. 또한 Sentinel-3 OLCI와 GOCI의 경우 분광해상도와 신호 대 잡음비(signal to noise ratio)가 가장 높았지만 소규모 형광염료 탐지에는 공간해상도 측면에서 제한적이었다. 유인항공기에 탑재된 초다분광 영상의 경우 분광해상도가 가장 높았지만 이 역시 운용성 측면에서 다소 제한적이었다. 다중 플랫폼 통합관측 연구를 통해 시간과 공간뿐만 아니라 분광 해상력 증가 향상을 확인 가능하였다. 향후 이 연구 결과가 연안 수치모델과 연계된다면 오염 물질의 이동확산 예측이 가능할 것으로 생각되고, 수치모델의 입력 및 검증 자료로 활용하여 모델 정확도 향상에 기여할 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

Coastal monitoring using multiple platforms/sensors is a very important tools for accurately understanding the changes in offshore marine environment and disaster with high temporal and spatial resolutions. However, integrated observation studies using multiple platforms and sensors are insufficient, and none of them have been evaluated for efficiency and limitation of convergence. In this study, we aimed to suggest an integrated observation method with multi-remote sensing platform and sensors, and to diagnose the utility and limitation. Integrated in situ surveys were conducted using Rhodamine WT fluorescent dye to simulate various marine disasters. In September 2019, the distribution and movement of RWT dye patches were detected using satellite (Kompsat-2/3/3A, Landsat-8 OLI, Sentinel-3 OLCI and GOCI), unmanned aircraft (Mavic 2 pro and Inspire 2), and manned aircraft platforms after injecting fluorescent dye into the waters of the South Sea-Yeosu Sea. The initial patch size of the RWT dye was 2,600 ㎡ and spread to 62,000 ㎡ about 138 minutes later. The RWT patches gradually moved southwestward from the point where they were first released,similar to the pattern of tidal current flowing southwest as the tides gradually decreased. Unmanned Aerial Vehicles (UAVs) image showed highest resolution in terms of spatial and time resolution, but the coverage area was the narrowest. In the case of satellite images, the coverage area was wide, but there were some limitations compared to other platforms in terms of operability due to the long cycle of revisiting. For Sentinel-3 OLCI and GOCI, the spectral resolution and signal-to-noise ratio (SNR) were the highest, but small fluorescent dye detection was limited in terms of spatial resolution. In the case of hyperspectral sensor mounted on manned aircraft, the spectral resolution was the highest, but this was also somewhat limited in terms of operability. From this simulation approach, multi-platform integrated observation was able to confirm that time,space and spectral resolution could be significantly improved. In the future, if this study results are linked to coastal numerical models, it will be possible to predict the transport and diffusion of contaminants, and it is expected that it can contribute to improving model accuracy by using them as input and verification data of the numerical models.

주제어

표/그림 (9)

그림 Fig. 1. Research area for multiple remote sensing data.
그림 Fig. 2. Schematic diagram for integrated field survey using multi-platform and sensors.
표 Table 1. Specification comparison between of multi-platform and sensors for ocean monitoring
그림 Fig. 3. Signal-to-noise ratios for Kompsat-2/3/3A, Landsat OLI, Sentinel-3 OLCI, and GOCI spectral bands at the typical spectral radiance levels.
그림 Fig. 4. Remote sensing data acquisition from multi-platform and sensor with elapse time (S3, Sentinel-3; K2, Kompsat-2; K3, Kompsat-3; L8, Landsat-8 OLI).
그림 Fig. 5. In situ spectra of seawater with (red curve) and without (blue curve) RWT dye, measured by ASD FieldSpec^®4.
그림 Fig. 6. Comparison of fluorescent dye patches with different spatial resolution of Multiple Remote sensing Platforms (a) Kompsat-2 RGB (acquired at 10:10), (b) UAV RGB (acquired at 10:14), (c) Landsat 8 OLI RGB (acquired at 11:06), and (d) Hyperspectral RGB image (acquired at 11:44).
그림 Fig. 7. Distribution and area change of fluorescent dye patch over time using multi-platforms and sensors (a) Mavic 2 Pro-optical sensor, (b) Mavic 2 Pro-optical sensor, (c) Kompsat-2, (d) Mavic 2 Pro-optical sensor, (e) Mavic 2 Pro-optical sensor, (f) Landsat 8 OLI, and (g) Aircraft-hyperspectral sensor.
표 Table 2. Changes in patch size of RWT fluorescence dye with elapse time

AI 본문요약
AI-Helper

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

문제 정의

그 동안 많은 연구에서는 단일 플랫폼을 이용하여 해양 오염을 탐지, 분석하는 연구를 수행하면서 각 플랫폼과 센서의 활용 가능성 및 정확도 등을 평가하였다. 반면 아직까지는 다양한 플랫폼을 동시에 투입하여 실험적인 결과를 보여준 바가 거의 없기 때문에 이 연구에서는 다중플랫폼을 활용한 통합현장조사를 기획하고 자료를 획득하는 방법에 대해 먼저 토의하고자 한다. 2019년 9월 26일 수행된 다중플랫폼 통합현장조사에는 환경에 독성이 거의 없는 물질로 알려진 RWT 형광 염료를 해양에 주입 후 다양한 원격탐사 플랫폼(위성, 무인항공기, 유인항공기)을 이용하여 탐지 및 추적하는 실험을 진행하였다.
유인 항공기는 사전 결정된 형광염료 투하 지점 주변으로 비행경로를 설정하였고, 남북 방향으로 지그재그 비행을 수행하면서 초다분광영상을 촬영하였다. 본 연구에서는 결과를 포함하지 않았지만 HF 해양레이더를 이용한 표층 해류를 생산하였고, RWT 형광염료의 수평 확산 뿐만 아니라 수직적 이동 확산 계수를 산정하기 위하여 수심 별로 표류 부이를 투하하여 조류 영향을 관측하였다.
본 연구에서는 무인항공기 2종, 위성 6종, 유인항공기 등 다양한 플랫폼과 센서에 대한 자료를 획득 가능하였다. 하지만 날씨(구름, 바람 등)에 의해 활용되지 못한 플랫폼/센서(Kompsat-3/3A)를 제외하더라도 탐지 대상(RWT 형광염료)의 확산 규모를 미리 예측하지 못하여 공간해상도가 낮은 위성 센서인 GOCI와 Sentinel-3 영상은 활용이 불가능하였다.
본 연구에서는 연안 해양환경 모니터링을 위한 원격 관측 플랫폼과 센서를 활용한 해양 오염 탐지 연구 방안을 제시하고 효용성을 시험하였다. 특히, 이 연구에서는 위성과 무인항공기를 활용한 시간적, 공간적, 분광적 측면의 다중 플랫폼/센서 융복합 관측의 시너지 효과와 한계점 등을 진단하고자 한다.
이 연구에서는 연안환경에 적조, 유류유출, 녹조, 괭생이모자반 등 다양한 해양 재해, 재난이 발생한 경우를 가정하여 형광염료를 해양 표층에 주입하였고, 최대한 많은 플랫폼을 활용하여 높은 시간 해상도와 공간 해상도로 탐지 및 추적이 가능한 방법을 제시하고자 하였다.
본 연구에서는 연안 해양환경 모니터링을 위한 원격 관측 플랫폼과 센서를 활용한 해양 오염 탐지 연구 방안을 제시하고 효용성을 시험하였다. 특히, 이 연구에서는 위성과 무인항공기를 활용한 시간적, 공간적, 분광적 측면의 다중 플랫폼/센서 융복합 관측의 시너지 효과와 한계점 등을 진단하고자 한다.

제안 방법

2019년 9월 26일 9시 17분부터 약 10분동안 형광염료를 연구해역 표층 해수에 주입을 시작한 이후 총 6종의 위성영상(GOCI, Sentinel-3, Landsat-8 OLI, Kompsat-2/ 3/3A)을 획득하였고, 2종의 무인항공기 영상(Mavic 2 pro, Inspire 2)과 1종의 유인항공기 초다분광영상을 획 득하였다(Fig. 3). 형광염료 현장조사는 9월 26일 15시 30분까지 약 6시간동안 진행되었고, 조사 시기 동안 획득한 원격탐사 자료를 시간순으로 Fig.
반면 아직까지는 다양한 플랫폼을 동시에 투입하여 실험적인 결과를 보여준 바가 거의 없기 때문에 이 연구에서는 다중플랫폼을 활용한 통합현장조사를 기획하고 자료를 획득하는 방법에 대해 먼저 토의하고자 한다. 2019년 9월 26일 수행된 다중플랫폼 통합현장조사에는 환경에 독성이 거의 없는 물질로 알려진 RWT 형광 염료를 해양에 주입 후 다양한 원격탐사 플랫폼(위성, 무인항공기, 유인항공기)을 이용하여 탐지 및 추적하는 실험을 진행하였다. 다양한 원격탐사 플랫폼을 동시 다발적 또는 연속적인 자료를 획득하기 위해서는 굉장히 많은 노력과 준비가 필요하다.
9시 28분 RWT 형광염료 패치의 초기 규모는 약 2,600m² 이었고, 이를 시간 순서에 따라 획득된 각 플랫폼에서 패치 규모를 계산하였다(Table 2). 해양 표층에 RWT 주입이 모두 완료되고 13분 후 패치는 200 m²가 확장되어 2,800 m² 면적으로 추정되었다.
, 2012). GOCI 자료처리 소프트웨어인 GDPS (GOCI Data Processing System)를 이용하여 기하보정과 대기보정을 수행하였고, 최종적으로 원격 반사도 영상으로 변환하 였다. Sentinel-3 OLCI(Ocean and LandColourInstrument), Landsat Operational Land Imager (OLI) 영상은 SNAP (Sentinel Application Platform) 소프트웨어를 활용하여 기하보정과 대기보정을 거친 후 원격 반사도 영상으로 변환하였다.
Inspire 기체의 경우 태양광반사(sun glint) 효과를 최소화하기 위하여 카메라를 45° 각도로 촬영하였다.
6에 나타내었다. Kompsat-2, Inspire 2, Landsat-8 OLI, 소형 유인 항공기를 통해 획득된 각각의 영상을 true color RGB 영상으로 합성하였다. 각 영상의 공간해상도는 무인항공기(0.
7에서 시간순으로 정리하였다. RWT 형광염료는 9시 17분부터 약 10분 동안 해양 표층에 주입되었고, 주입이 완료된 직후부터 약 2 시간 동안의 패치 위치와 형태를 관측하였다. Fig.
GOCI 자료처리 소프트웨어인 GDPS (GOCI Data Processing System)를 이용하여 기하보정과 대기보정을 수행하였고, 최종적으로 원격 반사도 영상으로 변환하 였다. Sentinel-3 OLCI(Ocean and LandColourInstrument), Landsat Operational Land Imager (OLI) 영상은 SNAP (Sentinel Application Platform) 소프트웨어를 활용하여 기하보정과 대기보정을 거친 후 원격 반사도 영상으로 변환하였다. Kompsat-2/3/3A 영상은 기하보정된 1G 레벨을 한국항공우주연구원으로부터 제공받았으며, Quick Atmospheric Correction (QUAC)를 사용하여 대기 보정 후 원격 반사도 영상을 생성하였다.
지상 기준점이 없이 기하보정한 무인항공기 정사영상의 검증은 현장조사에 이용된 조사 선박의 크기 정보를 이용하여 영상내 선박 크기와 비교하였다. 기하보정한 개별 정사영상의 Red와 Blue 밴드의 밴 드비를 이용하여 영상내 형광염료 패치 픽셀을 분류하였다. Red-blue 밴드비\(({{Red-Blue}\over{Red+Blue}})\) 를 적용한 영상에서 형광염료 픽셀은 0 이상의 값을 보여 주변 해수와 비교적 쉽게 구분 가능하였다.
RWT는 일반적인 해수 밀도(1,020~1,030 kg m^-3)보다 다소 높기 때문에 침강속도가 빠를 수 있다. 따라서 RWT의 밀도를 해수의 밀도보다 가볍게 하기 위하여 RWT 38 L, 에탄올 17 L, 현장해수 40 L를 혼합하여 약 990 ~ 1,000 kg m^-3 밀도가 되도록 희석하였고, 총 95 L의 용량으로 제조하였다. 희석된 RWT는 고른 살포를 위하여 약 100개의 구멍을 뚫은 PVC 디퓨저를 연결하여 배에서 40 m 떨어진 지점에 설치하고 수중펌프를 이용하여 약 0.
무인항공기 영상은 형광 염료가 모두 주입된 이후인 9시 26분부터 짧게는 1분 간격에서 길게는 50분 간격으로 실험 종료 시점까지 지속적인 촬영이 이루어졌다. 마지막으로 유인항공기를 이용한 초다분광영상 촬영은 11시 10분부터 11시 58분까지 약 48분 동안 진행되었고, 획득된 11장의 영상 중 형광염료 패치가 위치한 경로로 비행하며 촬영된 11시 44분 영상을 분석에 활용하였다,
본 실험을 수행하기 위하여 4개 기관(한국해양과학기술원, 한국항공우주연구원, 부산대학교, 국립공원공단) 총 20여명의 연구인력이 동원되었고, 약 2개월이 넘는 사전 준비기간이 필요하였다. 먼저 위성의 경우 정기적인 경로로 촬영이 수행 되는 GOCI, Landsat, Sentinel 위성과 더불어 한국항공 우주연구원에서 촬영 영역 설정이 가능한 Kompsat 시리즈 위성의 촬영 일정을 고려하여 현장조사 시기를 결정하였다. 또한 무인항공기는 체공 시간이 15-20분으로 짧고, 조종기와의 신호전달 거리가 2 km 내외인 점을 감안하여 선박에서 이착륙을 결정하였다.
Red-blue 밴드비\(({{Red-Blue}\over{Red+Blue}})\) 를 적용한 영상에서 형광염료 픽셀은 0 이상의 값을 보여 주변 해수와 비교적 쉽게 구분 가능하였다. 무인항공기 영상에서 형광염료로 분류된 픽셀 수를 계수하여 영상의 픽셀 해상도와 곱하여 염료 패치의 면적을 산출하였다
무인항공기 영상은 형광 염료가 모두 주입된 이후인 9시 26분부터 짧게는 1분 간격에서 길게는 50분 간격으로 실험 종료 시점까지 지속적인 촬영이 이루어졌다. 마지막으로 유인항공기를 이용한 초다분광영상 촬영은 11시 10분부터 11시 58분까지 약 48분 동안 진행되었고, 획득된 11장의 영상 중 형광염료 패치가 위치한 경로로 비행하며 촬영된 11시 44분 영상을 분석에 활용하였다,
영상 초기 자세 정보(EO)는 EXIF 추출 라이브러리를 이용하여 촬영된 영상의 위경도 좌표, 고도, 카메라 짐벌 각도(Roll, Pitch, Yaw), FOV(Field of view), 초점거리(Focal length), 영상 해상도(Image row and column) 정보를 추출하였다. 실제 지면상 거리(GSD, Ground Sample Distance)를 계산하 기 위해 FOV를 이용하여 아래와 같은 수식으로 계산하 였으며, 계산된 실제 지면상 거리로 영상의 픽셀 크기 (Pixel size)를 계산하였다(식 3-6).
실제 지면상 거리와 픽셀 크기, 영상 초기 자세 정보를 좌표변환(Projection), 역투영(Back-projection), 영상재배열(Image resampling) 과정을 통해 개별 정사영상으로 변환하였다. 지상 기준점이 없이 기하보정한 무인항공기 정사영상의 검증은 현장조사에 이용된 조사 선박의 크기 정보를 이용하여 영상내 선박 크기와 비교하였다.
Landsat-8 OLI 영상은 11시 6분에 촬영된 영상을 획득 가능하였다. 연 구해역에서 모의실험이 진행되는 약 6시간 동안 GOCI 는 1시간 간격으로 총 6회 촬영되었고, Sentinel-3는 2회, Landsat-8은 1회, Kompsat 시리즈는 총 3회, 소형 유인항 공기는 1회, 그리고 마지막으로 무인항공기 영상은 7회 이상 촬영되었다. 하지만 GOCI와 Sentinel-3 영상의 공 간해상도는 각각 250,000와 90,000 m²로 소규모 염료 패치를 탐지하는데 활용이 불가능 하였기 때문에 본 연구에서는 분석에서 제외하였다.
연구 해역에 형광염료 주입 후 위성, 무인항공기, 유인 항공기 플랫폼을 이용하여 통합 관측 실험을 수행하였다(Fig. 2). 위성의 공간해상도와 분광해상도 특성에 따른 활용도를 비교하기 위하여 Kompsat-2/3/3A, Landsat 8, Sentinel 3, GOCI 위성영상을 분석에 사용하였다.
형광염료 살포 직후(09:40)와 3시간(13:00) 후 국립공원공단 연구 1호에 준비된 소형 보트를 이용하여 20 ml 바이알(vial)에 채수하였고, 실험실로 이동 후 Turner design 10AU로 분석하였다. 염료 패치가 커진 이후에는 연구 1호를 이용하여 형광염료 분포 지역을 지그재그로 운항하며 선박에 장착된 펌프를 이용하여 약 2 m 수심에서 해수를 끌어올려 10AU 형광광도계 (Turner Designs, CA, USA)를 이용하여 연속적으로 측정하였다.
대기보정에는 초다분광 영상이 획득된 시간과 동시에 측정한 현장 스펙트럼 자료를 활용하였다. 영상 전처리가 완료된 영상의 각 픽셀 값인 spectral radiance에서 현장에서 측정된 sky glint radiance (L_sky, Wm^-2 nm^-1 sr^-1) 값을 제거 하여 water-leaving radiance (Lw) 값으로 변환하였다. Lw 값은 현장에서 측정된 down-welling irradiance (Ed, Wm^-2 nm^-1)로 나누어 준 후 최종적인 원격반사도 값으로 변환하였다.
, 2018a). 영상 초기 자세 정보(EO)는 EXIF 추출 라이브러리를 이용하여 촬영된 영상의 위경도 좌표, 고도, 카메라 짐벌 각도(Roll, Pitch, Yaw), FOV(Field of view), 초점거리(Focal length), 영상 해상도(Image row and column) 정보를 추출하였다. 실제 지면상 거리(GSD, Ground Sample Distance)를 계산하 기 위해 FOV를 이용하여 아래와 같은 수식으로 계산하 였으며, 계산된 실제 지면상 거리로 영상의 픽셀 크기 (Pixel size)를 계산하였다(식 3-6).
원격탐사 플랫폼에서 탐지되는 RWT 형광염료의 분광특성을 분석하기 위하여 조사선박 위에서 분광광도계 (Spectroradiometer; ASD FeildSpec®4, Worcestershi, UK)를 이용하여 해수수출광량(Lw(λ), W/m2/nm/sr), 대기산란복사휘도(Lsky(λ), W/m2/nm/sr), 하향복사조도 (Ed(λ, 0+), W/m2/nm)를 측정하였다.
2). 위성의 공간해상도와 분광해상도 특성에 따른 활용도를 비교하기 위하여 Kompsat-2/3/3A, Landsat 8, Sentinel 3, GOCI 위성영상을 분석에 사용하였다. 무인 항공기는 DJI사의 Mavic 2 pro와 Inspire 2를 활용하였고, 각각 250 m와 500 m 고도에서 운용하였다.
현장 조사를 위하여 정지된 선박은 해류나 조류에 의해 지속적으로 표류하기 때문에 무인항공기의 자동비행 기능을 활용하지 못하고 오직 수동 비행만이 가능하였다. 유인 항공기는 사전 결정된 형광염료 투하 지점 주변으로 비행경로를 설정하였고, 남북 방향으로 지그재그 비행을 수행하면서 초다분광영상을 촬영하였다. 본 연구에서는 결과를 포함하지 않았지만 HF 해양레이더를 이용한 표층 해류를 생산하였고, RWT 형광염료의 수평 확산 뿐만 아니라 수직적 이동 확산 계수를 산정하기 위하여 수심 별로 표류 부이를 투하하여 조류 영향을 관측하였다.
이 연구에서는 다중 플랫폼/센서 기반 연안 모니터링의 활용도를 평가하기 위한 연구 방법을 Fig. 2와 같이 모식화 하였다.본 실험에 사용된 형광추적자인 Rhodamine WT (RWT; Turner Designs, CA, USA)는 20% 농도로 제조된 시약을 이용하였고, 붉은색을 띄며 물에 대한 용해성이 큰 특성을 보인다.
실제 지면상 거리와 픽셀 크기, 영상 초기 자세 정보를 좌표변환(Projection), 역투영(Back-projection), 영상재배열(Image resampling) 과정을 통해 개별 정사영상으로 변환하였다. 지상 기준점이 없이 기하보정한 무인항공기 정사영상의 검증은 현장조사에 이용된 조사 선박의 크기 정보를 이용하여 영상내 선박 크기와 비교하였다. 기하보정한 개별 정사영상의 Red와 Blue 밴드의 밴 드비를 이용하여 영상내 형광염료 패치 픽셀을 분류하였다.
RWT 염료의 농도 확산을 추정하기 위하여 국립공원공단 연구 1호(YSR-162826)를 이용하였다. 형광염료 살포 직후(09:40)와 3시간(13:00) 후 국립공원공단 연구 1호에 준비된 소형 보트를 이용하여 20 ml 바이알(vial)에 채수하였고, 실험실로 이동 후 Turner design 10AU로 분석하였다. 염료 패치가 커진 이후에는 연구 1호를 이용하여 형광염료 분포 지역을 지그재그로 운항하며 선박에 장착된 펌프를 이용하여 약 2 m 수심에서 해수를 끌어올려 10AU 형광광도계 (Turner Designs, CA, USA)를 이용하여 연속적으로 측정하였다.

대상 데이터

초다분광 영상을 획득하기 위하여 소형항공기에 ITRES사의 microCASI-1920 센서를 탑재하였고, 이 센서는 push-broom 스캔 방식으로 영상을 획득한다. 400 nm 부터 1,000 nm의 파장대역에서 2.1 nm 간격으로 총 288개의 밴드 정보 획득이 가능하다. 2 km 고도에서 촬영된 초다분광 영상의 공간해상도는 68 cm이고, swath width 는 약 1.
4에 정리하였다. GOCI 영상은 9시 30분부터 약 1시간 간격으로 영상을 획득하였고, 15시 이전까지 총 6회 촬영된 영상을 획득하였다. Sentinel-3 영상은 10시 22분과 11시 2분 총 2회 촬영된 영상이 획득되었다.
Sentinel-3 영상은 10시 22분과 11시 2분 총 2회 촬영된 영상이 획득되었다. Kompsat-2 영상은 10시 10 분에 획득하였고, Kompsat-3 영상과 Kopmsat-3A 영상 은 각각 13시 29분과 33분에 획득되었다. Landsat-8 OLI 영상은 11시 6분에 촬영된 영상을 획득 가능하였다.
Sentinel-3 OLCI(Ocean and LandColourInstrument), Landsat Operational Land Imager (OLI) 영상은 SNAP (Sentinel Application Platform) 소프트웨어를 활용하여 기하보정과 대기보정을 거친 후 원격 반사도 영상으로 변환하였다. Kompsat-2/3/3A 영상은 기하보정된 1G 레벨을 한국항공우주연구원으로부터 제공받았으며, Quick Atmospheric Correction (QUAC)를 사용하여 대기 보정 후 원격 반사도 영상을 생성하였다.
2 L s^-1 속도로 해수 표층에 10분 동안 주입하였다. RWT 염료의 농도 확산을 추정하기 위하여 국립공원공단 연구 1호(YSR-162826)를 이용하였다. 형광염료 살포 직후(09:40)와 3시간(13:00) 후 국립공원공단 연구 1호에 준비된 소형 보트를 이용하여 20 ml 바이알(vial)에 채수하였고, 실험실로 이동 후 Turner design 10AU로 분석하였다.
GOCI 영상은 9시 30분부터 약 1시간 간격으로 영상을 획득하였고, 15시 이전까지 총 6회 촬영된 영상을 획득하였다. Sentinel-3 영상은 10시 22분과 11시 2분 총 2회 촬영된 영상이 획득되었다. Kompsat-2 영상은 10시 10 분에 획득하였고, Kompsat-3 영상과 Kopmsat-3A 영상 은 각각 13시 29분과 33분에 획득되었다.
3). 각 영상의 공간해상 도는 4 m, 2.8 m, 2.2 m, 30 m, 300 m, 500 m이다. GOCI 영상은 한반도를 중심으로 주변 해역을 9시부터 16시까지 매시간마다 하루에 총 8회 관측한다(Ryu et al.
Kompsat-2, Inspire 2, Landsat-8 OLI, 소형 유인 항공기를 통해 획득된 각각의 영상을 true color RGB 영상으로 합성하였다. 각 영상의 공간해상도는 무인항공기(0.5 km 고도), 소형 유인항공기(2 km 고도), Kompsat2, Landsat-8 OLI 순으로 높았으며 각각 10.9 cm, 68 cm, 4 m, 30 m이었다(Table 1). 공간해상도가 가장 낮은 Landsat-8 OLI 영상의 경우 RWT 형광염료 패치와 주변 해수와의 경계가 뚜렷하지 않아 정확한 패치 분포를 확인하기 어려웠다.
방사보정을 거쳐 영상의 digital number (DN) 값은 spectral radiance 단위(1 SRU = 1 µWcm^-2 sr^-1 nm^-1)로 변환되었다. 기하보정은 초다분광 영상 획득 시 ITRES Nav module을 통해 획득된 GPS/IMU 자료를 사용하였고, 최종적으로 2 m 의 공간해상도로 288개의 밴드가 생성되었다. 대기보정에는 초다분광 영상이 획득된 시간과 동시에 측정한 현장 스펙트럼 자료를 활용하였다.
기하보정은 초다분광 영상 획득 시 ITRES Nav module을 통해 획득된 GPS/IMU 자료를 사용하였고, 최종적으로 2 m 의 공간해상도로 288개의 밴드가 생성되었다. 대기보정에는 초다분광 영상이 획득된 시간과 동시에 측정한 현장 스펙트럼 자료를 활용하였다. 영상 전처리가 완료된 영상의 각 픽셀 값인 spectral radiance에서 현장에서 측정된 sky glint radiance (L_sky, Wm^-2 nm^-1 sr^-1) 값을 제거 하여 water-leaving radiance (Lw) 값으로 변환하였다.
본 연 구 해역은 가장 가까운 연안으로부터 약 10 km 떨어진 곳으로 무인항공기 운용성과, 위성영상 전처리 과정에서 연안이 제거(masking)되는 영역을 피하고, 위성 촬영 시기와 영역을 고려하여 선정하였다. 또한 여객선, 화물선 등의 운행으로 인한 교란을 회피하기 위하여 선박 운항 경로 해역을 피하여 연구 해역을 선정하였다. Fig.
위성의 공간해상도와 분광해상도 특성에 따른 활용도를 비교하기 위하여 Kompsat-2/3/3A, Landsat 8, Sentinel 3, GOCI 위성영상을 분석에 사용하였다. 무인 항공기는 DJI사의 Mavic 2 pro와 Inspire 2를 활용하였고, 각각 250 m와 500 m 고도에서 운용하였다. Mavic 2 pro 무인항공기에는 광학카메라가 탑재되었고, Inspire 2 무인항공기에는 광학카메라와 RedEdge-M (Micasense Inc.
위성영상 사용자 입장에서 영상의 품질을 판단하는 근거는 주로 공간해상도와 신호대 잡음 비(SNR, Signal to Noise Ratio)로 결정된다(Park and Lee, 2017). 본 모의 실험에서 활용된 위성영상의 GSD는 Table 1에 정리하였고, Kompsat 3, Kompsat-2, Landsat-8 OLI, Sentinel-3 OLCI, GOCI 순으로 높은 공간해상력을 갖는다. 위성 센서의 신호의 세기와 잡음의 크기를 이용한 SNR은 식 (2)와 같이 구할 수 있다.
2와 같이 모식화 하였다.본 실험에 사용된 형광추적자인 Rhodamine WT (RWT; Turner Designs, CA, USA)는 20% 농도로 제조된 시약을 이용하였고, 붉은색을 띄며 물에 대한 용해성이 큰 특성을 보인다. RWT 형광염료는 형광광도 계(fluorometer)를 이용하여 약 0.
다양한 원격탐사 플랫폼을 동시 다발적 또는 연속적인 자료를 획득하기 위해서는 굉장히 많은 노력과 준비가 필요하다. 본 실험을 수행하기 위하여 4개 기관(한국해양과학기술원, 한국항공우주연구원, 부산대학교, 국립공원공단) 총 20여명의 연구인력이 동원되었고, 약 2개월이 넘는 사전 준비기간이 필요하였다. 먼저 위성의 경우 정기적인 경로로 촬영이 수행 되는 GOCI, Landsat, Sentinel 위성과 더불어 한국항공 우주연구원에서 촬영 영역 설정이 가능한 Kompsat 시리즈 위성의 촬영 일정을 고려하여 현장조사 시기를 결정하였다.
1). 본 연 구 해역은 가장 가까운 연안으로부터 약 10 km 떨어진 곳으로 무인항공기 운용성과, 위성영상 전처리 과정에서 연안이 제거(masking)되는 영역을 피하고, 위성 촬영 시기와 영역을 고려하여 선정하였다. 또한 여객선, 화물선 등의 운행으로 인한 교란을 회피하기 위하여 선박 운항 경로 해역을 피하여 연구 해역을 선정하였다.
본 연구에서 활용된 무인항공기 플랫폼은 광학 카메라가 탑재된 Mavic 2 pro와 Rededge-M 센서가 탑재된 Inspire 2이다. Inspire 기체의 경우 태양광반사(sun glint) 효과를 최소화하기 위하여 카메라를 45° 각도로 촬영하였다.
본 연구에서는 형광염료를 탐지하기 위하여 공간해 상도와 분광해상도가 서로 다른 Kompsat-2, Kompsat-3, Kompsat-3A, Landsat-8 OLCI, Sentinel-3, GOCI 영상을 분석에 이용하였다(Table 1, Fig. 3). 각 영상의 공간해상 도는 4 m, 2.
초다분광 영상을 획득하기 위하여 소형항공기에 ITRES사의 microCASI-1920 센서를 탑재하였고, 이 센서는 push-broom 스캔 방식으로 영상을 획득한다. 400 nm 부터 1,000 nm의 파장대역에서 2.
, 2014). 현장 모의실험이 수행된 9월 26일의 고조는 7시 7분으로 평균해수면 기준 286 cm, 저조는 13시 9분 73 cm의 조위를 기록하였다(국립해양조사원 여수 조위관측소 자료 참조, http://www.khoa.go.kr/).
형광 염료를 이용하여 다중 플랫폼과 센서 통합 관측의 효용성을 시험하기 위하여 전라남도 여수시와 경상 남도 남해군 연안 해역(중심 좌표: 34°37′48.59″N, 127° 58′36.23″E)을 연구 지역으로 선정하였다(Fig. 1).

이론/모형

6 km 이었다. 초다분광 영상의 방사보정과 기하 보정은 ITRES 사에서 제공하는 Radiometric Correction Xpress (RCX) 소프트웨어를 활용하였다. 방사보정을 거쳐 영상의 digital number (DN) 값은 spectral radiance 단위(1 SRU = 1 µWcm^-2 sr^-1 nm^-1)로 변환되었다.

성능/효과

RWT 형광염료 패치 관측이 가능한 품질의 영상만을 선별한 결과, Landsat-8, Kompsat-2, 소형 유인항공기, 무인항공기 영상 4종이 활용 가능하였다. 각기 다른 공간 및 분광해상도 특성을 보이는 원격탐사 플랫폼/센서에서 관측된 RWT 형광염료의 대표 영상을 Fig.
해양 표층에 RWT 주입이 모두 완료되고 13분 후 패치는 200 m²가 확장되어 2,800 m² 면적으로 추정되었다. RWT 형광염료 패치 규모는 지속적으로 증가하였고, 약 138분 후 62,000 m²규모로 확산되었다. 이는 약 449.
현장 해수는 480 nm에서 580 nm까지 거의 일정하며 이후 장파장으로 갈수록 점차 반사도가 감소하는 경향을 보였다. RWT 형광염료가 섞인 해수는 450 nm와 600 nm에서 스펙트럼 피크를 보였고, 600 nm 부근에서 가장 높은 반 사도를 보였다. 현장에서 측정된 스펙트럼을 통해 RWT 형광염료와 주변 해수는 500 – 600 nm 사이에서 뚜렷한 원격반사도 차이를 보였다(Fig.
3에 정리하였다. SNR 값이 가장 높은 위성은 Sentinel-3 OLCI이었고, GOCI, Landsat-8 OLI, Kompsat-2/3/3A 순으로 높은 것으로 나타났다. Kompsat 시리즈 위성의 경우 타 위성과 비교하여 매우 낮은 SNR 값을 보였고, 더욱이 정확한 SNR 값이 알려져 있지 않고, 모두 100 이상의 값을 보인 다는 정보만을 제공하였다.
하지만 위의 연구에서도 단일 플랫폼만을 활용하였기 때문에 제한된 시기의 자료만 획득가능하다는 한계가 있었다. 본 모의실험에서 획득한 몇몇 원격탐사 플랫폼이 RWT 패치 탐지 및 이동 분석에 활용되지 못했음에도 불구하고, 기존 연구와 비교하여 다중 원격탐사 플랫폼 활용을 통해 공간적, 시간적 해상도가 현저하게 향상된 결과를 보여주었다. 또한 동시간에 촬영된 고해상도 무인항공기 영상과 중해상도 위성영상의 직접 비교를 통해 소규모 타겟을 모니터링 하는데 필요한 공간해상도 한계를 판단할 수 있는 근거를 마련하 였다.
종합적으로 보면 이 모의실험 동안 획득한 원격탐사 플랫폼과 센서가 RWT 형광염료 분포와 이동을 관측하는데 모두 활용되지는 못하였지만 공간성, 시간성, 운용성 측면에서 서로 상호보완적인 역할이 가능하였다. 이는 해양환경의 변화가 매우 빠른 연안에서 종합적인 모니터링을 위한 성능을 만족시키기 위해서는 다중 플랫 폼/센서를 활용이 필수임을 확인 가능하였다.
현장에서 측정된 스펙트럼을 통해 RWT 형광염료와 주변 해수는 500 – 600 nm 사이에서 뚜렷한 원격반사도 차이를 보였다(Fig. 5).

후속연구

마지막으로 유인항공기 영상의 촬영 경로 간의 중첩도 (overlap)의 부족으로 패치의 일부가 탐지되지 못하여 정확한 면적 산출에 어려움이 있었다. 따라서 향후에는 통합현장조사를 기획하는 단계에서 탐지 대상의 분광 특성(SNR, 밴드 구성), 분포 규모 등에 대한 면밀한 사전 정보 수집 및 예비 실험을 통해 적합한 플랫폼과 센서를 선택해야 할 것이다. 또한 이 연구에서는 해양에서의 정확한 GCP 부재를 극복하기 위하여 선박의 크기를 이용하여 기하보정된 영상을 검증하였지만 근본적으로 해양에서 촬영된 영상의 정확한 보정이 이루어질 수 있는 기술 개발은 꾸준히 이루어져야 할 것이다.
비록 이 연구에서는 원격탐사 자료만을 이용하여 형광염료의 분포 형태와 이동만을 보여주었지만 향후 연구에서는 동일 모의실험에서 확보한 HF 해양레이더와 표류 부이 관측자료를 통해 연구 해역의 수평적, 수직적 RWT 형광염료의 이동 확산 계수를 산정하고자 한다. 또한 RWT 농도에 따른 분광 반사도 특성을 분석한 자료와 현장 원격반사도와 초다분광 영상 간의 관계식 도출을 통해 형광염료 농도맵을 생성하는 연구를 추가적으로 진행할 계획이다. 이 연구 결과가 연안 수치모델 과 연계된다면 오염 물질의 이동확산 예측이 가능할 것으로 생각되고, 반대로 수치모델의 입력 및 검증 자료로 활용되어 모델 정확도 향상에 기여할 수 있을 것으로 기대된다.
따라서 향후에는 통합현장조사를 기획하는 단계에서 탐지 대상의 분광 특성(SNR, 밴드 구성), 분포 규모 등에 대한 면밀한 사전 정보 수집 및 예비 실험을 통해 적합한 플랫폼과 센서를 선택해야 할 것이다. 또한 이 연구에서는 해양에서의 정확한 GCP 부재를 극복하기 위하여 선박의 크기를 이용하여 기하보정된 영상을 검증하였지만 근본적으로 해양에서 촬영된 영상의 정확한 보정이 이루어질 수 있는 기술 개발은 꾸준히 이루어져야 할 것이다.
비록 이 연구에서는 원격탐사 자료만을 이용하여 형광염료의 분포 형태와 이동만을 보여주었지만 향후 연구에서는 동일 모의실험에서 확보한 HF 해양레이더와 표류 부이 관측자료를 통해 연구 해역의 수평적, 수직적 RWT 형광염료의 이동 확산 계수를 산정하고자 한다. 또한 RWT 농도에 따른 분광 반사도 특성을 분석한 자료와 현장 원격반사도와 초다분광 영상 간의 관계식 도출을 통해 형광염료 농도맵을 생성하는 연구를 추가적으로 진행할 계획이다.
또한 RWT 농도에 따른 분광 반사도 특성을 분석한 자료와 현장 원격반사도와 초다분광 영상 간의 관계식 도출을 통해 형광염료 농도맵을 생성하는 연구를 추가적으로 진행할 계획이다. 이 연구 결과가 연안 수치모델 과 연계된다면 오염 물질의 이동확산 예측이 가능할 것으로 생각되고, 반대로 수치모델의 입력 및 검증 자료로 활용되어 모델 정확도 향상에 기여할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	해양 재해, 재난을 정확하게 탐지에 활용 가능한 플랫폼들은 무엇이 있는가?	위와 같은 다양한 해양 재해, 재난을 정확하게 탐지 하는데 활용하기 위한 다양한 플랫폼의 성능 평가 시도가 이루어지고 있다. 이를 플랫폼 별로 살펴보면, 위성 영상은 광역 조사가 가능한 장점과 주기적인 관측 정보 제공이 가능한 점을 이용하여 해양오염 발생시 빠르게 탐지 가능하고 오염 발생원에 대한 위치 추적 정보를 제공 가능하다(Kim et al., 2018; Wu et al., 2019). 무인항공기 의 경우 다양한 비행체의 개발과 관측 센서의 탑재 용 이성을 장점으로 중요 관측 지역 및 긴급 상황 발생지 역에 대한 정밀 관측자료 제공이 가능하다(Yue and Pan, 2019). 이외에도 관측 주기가 매우 짧은HF 해양레이더 를 이용하여 준실시간의 해양관측 정보를 제공 가능하고, 수상뿐만 아니라 수중 정보 수집이 가능한 이동형 수중무인기가 해양 관측 연구에 활용되고 있다(Maresca et al., 2014; Tonacci et al.
	US-IOOS는 무엇인가?	이러한 요구사항을 만족 하기 위해서는 빠르고 정확한 정보를 고해상도로 수집 할 수 있는 다중플랫폼 기반 관측정보시스템을 구축하 는 것이 점점 더 필요하다. 미국의 경우 미국 연안 해양 환경을 보호하기 해양 경제를 부흥시키며 안전을 도모 하기 위하여 연방과 지역, 학계 기업에서 획득되는 데 이터를 수집, 분석하는 통합 해양관측시스템(US-IOOS: Us-Integrated Ocean Observing System)을 구축하였다 (Thomas, 2003; Jochens et al., 2010).
	체계적인 해양 감시체계의 필요성이 대두되고 있는 이유는 무엇인가?	또한 어업 활동과 해상 무역 활동이 증가하면서 그에 따른 해상사고, 해양오염, 유류유출 등 해양 재해, 재난의 위험성이 증가하고 있다. 해양오염, 해양사고와 더불어 적조, 부유성 녹조(Ulva sp.), 갈조(Sargassum horneri) 등에 의한 조류 대발생 역시 우리나라 주변 해역에서 지속적으로 관측되고 있어 해양 재해/재난에 따른 피해 저감 대책을 마련하고, 안전하고 깨끗한 해양 이용 및 효율 적 해양자원 개발을 위한 체계적인 해양 감시체계 구축이 필요한 시점이다(Kim et al., 2019; Shin et al.

참고문헌 (23)

Clark, D.B., L. Lenain, F. Feddersen, E. Boss, and R.T. Guza, 2014. Aerial Imaging of Fluorescent Dye in the Near Shore, Journal of Atmospheric and Oceanic Technology, 31: 1410-1421.

상세보기
Jochens, A.E., T.C. Malone, R.P. Stumpf, B.M. Hickey, M. Carter, R. Morrison, J. Dyble, B. Jones, and V.L. Trainer, 2010. Integrated ocean observing system in support of forecasting harmful algal blooms, Marine Technology Society Journal, 44(6): 99-121.

상세보기
Jung, B.-K., 2016. A study on the protection plan of fisheries resources against illegal fishing of Chinese fishing vessel, Journal of Fisheries and Marine Sciences Education, 28(6): 1549-1560 (in Korean with English abstract).

원문보기 상세보기
Kim, B.J., Y.J. Ro, K.Y. Jung, and K.S. Park, 2014. Numerical modeling of circulation characteristics in the Kwangyang estuarine system, Journal of Korean Society of Coastal and Ocean Engineers, 26(4): 253-266 (in Korean with English abstract).

원문보기 상세보기
Kim, K., J. Shin, K.Y. Kim, and J.-H. Ryu, 2019. Long-term trend of green and golden tides in the eastern Yellow Sea, Journal of Coastal Research, SI(90): 317-323.
Kim, K., J. Shin, and J.-H. Ryu, 2018. Application of multi-satellite sensors to estimate the green-tide area, Korean Journal of Remote Sensing, 34(2-2): 339-349 (in Korean with English abstract).
Kim, W., S.-H. Roh, Y. Moon, and S. Jung, 2019. Evaluation of Rededge-M camera for water color observation after Image preprocessing, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 37(3): 165-175 (in Korean with English abstract).
Maresca, S., P. Braca, J. Horstmann, and R. Grasso, 2014. Maritime surveillance using multiple highfrequency surface-wave radars, IEEE Transactions on Geoscience and Remote Sensing, 52(8): 5056-5071.

상세보기
Mobley, C.D., 1999. Estimation of the remote-sensing reflectance from above-surface measurements, Applied Optics, 38(36): 7442-7455.

상세보기
Oh, S.-J., K.-H. Choi, and G.-K. Park, 2017. Empirical analysis on economic factors of infringement on ocean sovereignty from Chinese fishing boats, Journal of Korea Port Economic Association, 33(3): 69-90 (in Korean with English abstract).

원문보기 상세보기
Park, J.-E. and K. Lee, 2017. The signal-to-noise ratio enhancement of the satellite electro-optical imager using noise analysis methods, Korean Journal of Remote Sensing, 33(2): 159-169 (in Korean with English abstract).

원문보기 상세보기
Park, S.-H., H.-S. Jung, and M.-J. Lee, 2020. Oil spill mapping from Kompsat-2 high-resolution image using directional median filtering and artificial neural network, Remote Sensing, 12(2): 253.

상세보기
Ryu, H., A.M. Klimkowska, K. Choi, and I. Lee, 2018a. Ship positioning using multi-sensory data for a UAV based marine surveillance, Korean Journal of Remote Sensing, 34(2-2): 393-406 (in Korean with English abstract).
Ryu, J.-H., H. 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: 223-233.

원문보기 상세보기
Ryu, J.-H., S. Lee, D.-J. Kim, and J.D. Hwang, 2018b. Wide integrated surveillance system of marine territory using multi-platform, Korean Journal of Remote Sensing, 34(2-2): 307-311 (in Korean with English abstract).
Shin, J., K. Kim, Y.B. Son, and J.-H. Ryu, 2019. Synergistic effect of multi-sensor data on the detection of Margalefidinium polykrikoides in the South Sea of Korea, Remote Sensing, 11(1): 36 (in Korean with English abstract).

상세보기
Sotillo, M. G., S. Cailleau, P. Lorente, B. Levier, R. Aznar, G. Reffray, A. Amo-Baladron, J. Chanut, M. Benkiran, and E. Alvarez-Fanjul, 2015. The MyOcean IBI ocean forecast and reanalysis systems: operational products and roadmap to the future Copernicus Service, Journal of Operational Oceanography, 8(1): 63-79.

상세보기
Sundermeyer, M.A., E.A. Terray, J.R. Ledwell, A.G. Cunningham, P.E. LaRocque, J. Banic, and W.J. Lillycrop, 2007. Three-dimensional mapping of fluorescent dye using a scanning, depth-resolving airborne lidar, Journal of Atmospheric and Oceanic Technology, 24: 1050-1065.

상세보기
Sutton, D.J., Z.J. Kabala, A. Francisco, and D. Vasudevan, 2001, Limitation and potential of commercially available rhodamine WT as a groundwater tracer, Water Resources Research, 37(6): 1641-1656.

상세보기
Thomas, C.M., 2003. The Coastal Component of the U.S. Integrated ocean observing system, In: Melzian, B.D., Engle, V., McAlister, M., Sandhu, S., Eads, L.K. (eds), Coastal Monitoring through Partnerships, Springer, Dordrecht, Netherlands.
Tonacci, A., G. Lacava, M.A. Lippa, L. Lupi, M. Cocco, and C. Domenici, 2015. Electronic nose and AUV: A novel perspective in marine pollution monitoring, Marine Technology Society Journal, 49(5): 18-24.

상세보기
Wu, X.B., Q. Xu, G. Li, Y.A. Liou, B. Wang, H. Mei, and K. Tong, 2019. Remotely-observed early spring warming in the southwestern Yellow Sea due to weakened winter monsoon, Remote Sensing, 11(21): 2478.

상세보기
Yue, G. and Y. Pan, 2019. Intelligent inspection of marine disasters based on UAV intelligent vision, Journal of Coastal Research, SI(93): 410-416.

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