[논문]랜덤포레스트를 이용한 낙동강 본류의 남조류 발생 영향인자 분석

정우석; 김성은; 김영도

doi:10.17663/jwr.2021.23.1.27

랜덤포레스트를 이용한 낙동강 본류의 남조류 발생 영향인자 분석
Analysis of influential factors of cyanobacteria in the mainstream of Nakdong river using random forest 원문보기

한국습지학회지 = Journal of wetlands research, v.23 no.1, 2021년, pp.27 - 34

정우석 (인제대학교 환경공학과(낙동강유역환경연구센터)) , 김성은 (서울연구원 안전환경연구실) , 김영도 (명지대학교 토목환경공학과)

초록
AI-Helper

본 연구에서는 랜덤포레스트를 이용하여 8개 보 지점별 남조류 발생 주요 영향인자를 도출하고, 조류경보제 기반의 범주형 예측모델을 개발하였다. 8개 보 지점의 랜덤포레스트의 변수 중요도를 살펴본 결과, 상류의 보 지점들은 남조류 발생에 있어 보 운영에 따른 영향을 직접적으로 받는 것으로 나타났다. 이는 효율적인 보 운영을 통한 남조류 관리가 가능할 수 있다는 것을 의미한다. 중류 구간은 DO와 E.C가 주요 영향인자로 도출되었다. 공간적으로 구미와 김천에 대규모 산업공단들이 밀집되어 있으며, 환경기초시설의 배출량이 큰 영향을 끼치는 구간이다. 따라서 폭염 및 가뭄 시기에 중류 유역에서 배출되는 환경기초시설의 방류는 본류의 E.C를 증가하게 하고 남조류 발생을 촉진 시키는 것으로 나타났다. 중·하류에 위치한 보 지점들은 폭염 및 가뭄의 영향을 가장 많이 받는 지역으로 여름철 가뭄에 따른 남조류 대발생에 대비하여 선제적인 관리가 필요한 지점으로 나타났다. 본 연구를 통해 지점별 남조류 발생 영향인자를 도출하였으며, 맞춤형 조류관리를 위한 정책적 의사결정의 기초자료로 제공될 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

In this study, the main influencing factors of the occurrence of cyanobacteria at each of the eight Multifunctional weirs were derived using a random forest, and a categorical prediction model based on a Algal bloom warning system was developed. As a result of examining the importance of variables in the random forest, it was found that the upstream points were directly affected by weir operation during the occurrence of cyanobacteria. This means that cyanobacteria can be managed through efficient security management. DO and E.C were indicated as major influencers in midstream. The midstream section is a section where large-scale industrial complexes such as Gumi and Gimcheon are concentrated as well as the emissions of basic environmental facilities have a great influence. During the period of heatwave and drought, E.C increases along with the discharge of environmental facilities discharged from the basin, which promotes the outbreak of cyanobacteria. Those monitoring sites located in the middle and lower streams are areas that are most affected by heat waves and droughts, and therefore require preemptive management in preparation for the outbreak of cyanobacteria caused by drought in summer. Through this study, the characteristics of cyanobacteria at each point were analyzed. It can provide basic data for policy decision-making for customized cyanobacteria management.

주제어

표/그림 (9)

그림 Fig. 1. Multifunctional weir position of nakdong river.
표 Table 1. Average summary statistics of input variables
표 Table 2. Algal bloom warning system in south korea(Jung, 2019)
그림 Fig. 2. Random Forest schematic.
표 Table 3. Input data composition and accuracy evaluation
표 Table 4. Top three important variables of cyanobacteria selected by random forest models in different sites
그림 Fig. 3. Variable importance scatterplot for 8 different weir sites.
그림 Fig. 4. Prediction of the forest for different values of important variables.
그림 Fig. 5. Location characteristics of the midstream section

AI 본문요약
AI-Helper

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

문제 정의

특히 낙동강수계에 위치한 8개 보 지점을 대상으로 머신러닝을 이용한 조류경보제 기반의 영향인자들을 분석한 사례는 전무하다. 따라서 본 연구에서는 낙동강 수계의 8개 보 지점들을 대상으로 보 방류량과 수질, 기상학적 영향까지 포괄한 남조류 발생의 주요 영향인자를 각 지점별로 도출하고자 한다.
특히 낙동강수계에 위치한 8 개 보 모든 지점을 대상으로 조류경보제 기반의 남조류 발생 영향인자를 분석한 사례는 전무한 실정이라 할 수 있다. 따라서 본 연구에서는 보 운영과 수질, 기상학적 영향까지 포괄하여 조류경보제 기반의 랜덤포레스트 모델을 개발하여 보 지점별 남조류 발생의 주요 영향인자를 분석하였다. 본 연구의 결과를 요약하면 다음과 같다.
본 연구에서는 랜덤포레스트를 이용하여 8개 보 지점별 남조류 발생 주요 영향인자를 도출하고, 조류경보제 기반의 범주형예측모델을 개발하고자 하였다. 랜덤포레스트는 여러 개의 의사결정트리를 만들고, 투표를 시켜 다수결로 결과를 결정하는 방법이다.
본 연구에서는 랜덤포레스트를 이용하여 낙동강 본류에 위치하고 있는 8개 보 지점들의 남조류발생의 주요 영향인 자를 도출하였다. 상류에 위치한 SJ지점과 ND지점은 Out Flow(보 방류량)이 주요 영향인자로 도출되었다.
보 지점의 상류 500 m 지점에서 남조류 세포수를 측정하고 있다. 본 연구에서는 물환경정보시스템(http://water.nier.go.kr)에서 제공하는 보 지점별 수질 측정망 자료를 이용하여 남조류 발생 영향인자들을 분석하였다. 기상자료는 기상청의 기상자료개방 포털(https://data.
현재 낙동강 8개 보 가운데 조류경보제를 시행하고 있는 지점은 CG, GG, CH으로 총 3지점이다. 본 연구에서는 조류경보제 지점과 더불어 낙동강본류 8개 모든 보 지점을 대상으로 랜덤포레스트를 이용한 남조류 발생 영향인자들을 분석하였다.

제안 방법

(1) 모형학습의 결과로 나오는 Mean Gini decrease, Mean Accuracy decrease 값을 사용하여 각 설명변수의 중요도를 통해 8개 보 지점별 주요 영향인자를 도출하였다. 조류경보제 발생 등급은 발령기준으로 관심, 위험, 대발생으로 구분된다.
남조류 발생확률이 높을수록 붉은색으로 나타난다. 각 지점별 중요 변수를 이용하여 대략적인 등급별 발생확률을 분석하였다. 본 연구에서 제시한 Normal 단계는 Attention 등급에 못미치는 남조류 세포수가 1,000 cell/mL 미만일 때를 의미한다.
학습데이터로 관심 단계 기준인 남조류세포수 1,000 cell/mL 보다 작게 측정된 데이터들은 관심미만의 데이터로 Normal 등급으로 구분하였다. 구분된 발생등급을 범주형 변수로 설정하여 학습 데이터를 통해 모형을 개발하였다. 모델의 입력자료 자료현황과 정확도 평가는 아래 Table 3과 같다.
Seo (2020)는 낙동강의 달성보와 창녕함안보, 금강의 세종보와 백제보, 영산강의 송촌보와 죽산보를 대상으로 3차원 수리-수질 모델을 이용하여 가동보 운영에 따른 수질 및 녹조 현상 예측 결과를 비교 분석하였다. 녹조현상 발생 특성은 위치에 따라 수리학적 체류시간, 용존성 무기인 농도 및 수위변화에 따른 광량의 변화 등에 의해 서로 다르게 나타나는 것으로 분석하였다. Sin (2016)은 대청호를 대상지점으로 강우와 수문학적 요인이 녹조현상의 증감 변동과 조류경보제의 장기화에 미치는 영향을 파악하였으며, 댐의 조절 방류로 인해 대청호의 상류수역은 녹조현상에 취약할 수 있다고 설명하였다.
즉 특정변수의 Mean Gini Decrease 값이 높다는 것은 그 만큼 그 변수를 가지고 개체들을 분류하게 되면 불순도를 감소시키는 방향으로 즉, 동일 범주끼리 묶이도록 하는데 일조한다는 것을 의미한다. 본 연구에서는 R Studio를 이용하여 8개 보 지점별 랜덤 포레스트 모델을 구축하여 분석하였다.
kr)이 제공하는 대상지점과 가장 근접한 지역의 기상대 자료를 이용하였다. 수질, 기상, 수리학적 자료들의 시공간적 해상도를 일치시켜 남조류 세포 수를 측정한 날짜에 맞춰 제공되는 자료로 구성하였다.
조류경보제 발생 등급은 발령기준으로 관심, 위험, 대발생으로 구분된다. 학습데이터로 관심단계 기준인 남조류 세포 수 1,000 cell/mL 보다 작게 측정된 데이터들은 관심 미만의 데이터로 Normal 등급으로 구분하여 분석하였다. SJ 지점은 기온, Out Flow, Chl-a 순으로 나타났으며, ND 지점은 기온, SPI, Out Flow 순으로 나타났다.

대상 데이터

kr)에서 제공하는 보 지점별 수질 측정망 자료를 이용하여 남조류 발생 영향인자들을 분석하였다. 기상자료는 기상청의 기상자료개방 포털(https://data.kma.go.kr)이 제공하는 대상지점과 가장 근접한 지역의 기상대 자료를 이용하였다. 수질, 기상, 수리학적 자료들의 시공간적 해상도를 일치시켜 남조류 세포 수를 측정한 날짜에 맞춰 제공되는 자료로 구성하였다.
근거하여 시행되고 있다. 대상은 총 28개소로 상수원 호소 22개소, 상수원 하천 5개소, 친수활동 구간 1개소로 구성되어 있다. 발령기준은 2회 연속 남조류 세포 수가 기준을 초과하면 발령된다.
그리고 인체에는 무해하다고 밝혀졌지만 수돗물 등에서 흙냄새와 같은 좋지 않은 냄새를 유발하는 냄새 물인 지오스민, 2-MIB을 분비하여 정수공급체계의 악영향을 미친다. 본 연구대상 지점인 낙동강은 다기능 보 건설로 인해 하천 수심이 증가하고 유속이 느려지면서 정체성 수역 특성을 나타내고 있다. 이는 호소성 수역 특성을 나타내고 있음과 동시에 녹조발생과 같은 수질환경적 변화가 이루어지고 있다는 것을 의미한다(Jung, 2019).
본 연구에 이용한 자료는 Outflow(보 방류량), pH, E.C(electric conductivity), DO(dissolved oxygen), BOD(biochemical oxygen demand), COD(chemical oxygen demand), T-P(total phosphorus), Chl-a(chlorophyll-a), Temperature(기온), SPI(standard precipitation index), 남조류세포수(cyanobacteria(cell/mL))이다. Table 1 은 2012년 8월부터 2019년 4월까지 수집한 자료들에 대한 평균 통계자료를 나타내었다.

이론/모형

분류 정확도를 높이는데 큰 영향을 준 변수일수록 그 변수를 제거했을 때의 정확도 감소량은 커지게 된다. 노드 불순도 개선에 중요한 변수는 Mean Gini Decrease의 값으로 판단하며, 각 나무가 가지를 뻗어 나갈 때마다 선택되는 변수들의 불순도 감소량을 측정하여 전체 나무로부터의 그 평균치 값을 사용한다. 즉 특정변수의 Mean Gini Decrease 값이 높다는 것은 그 만큼 그 변수를 가지고 개체들을 분류하게 되면 불순도를 감소시키는 방향으로 즉, 동일 범주끼리 묶이도록 하는데 일조한다는 것을 의미한다.

성능/효과

(2) 상류에 위치한 SJ지점과 ND지점은 Out Flow(보 방류량)이 주요 영향인자로 도출되었다. 이는 상류의 보 지점들은 남조류 발생에 있어 보 운영에 따른 영향을 직접적으로 받는 것으로 판단된다.
GM지점은 기온 20℃ 미만, DO 10 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. CG지점은 E.C 300 μS/cm 미만, DO 10 mg/L이상일 때 Normal 등급이 높은 것으로 나타났으며, 남조류 세포수 1,000 ~ 10, 000 cell/mL 미만인 등급인 Attention 단계일 때는 Normal 등급 조건과 반대로 E.C 300 μS/cm 이상, DO 10 mg/L 이하일 때 확률이 높은 것으로 나타났다. GG지점은 E.
HC지점은 기온 20 ℃ 미만, DO 9 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났으며, 이 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다. CH 지점은 기온 20 ℃ 미만, SPI 0 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났으며, 이 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다.
남조류 세포수 10, 000~1,000, 000 cell/mL 미만인 등급인 Warning 단계일 때는 Normal 등급 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다. DS 지점은 기온 20 ℃ 미만, DO 10 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. 또한 기온 22 ℃ 이상, DO 7 mg/L 이하 일 때 Warning 등급이 될 확률이 높은 것으로 나타났다.
Table 1 은 2012년 8월부터 2019년 4월까지 수집한 자료들에 대한 평균 통계자료를 나타내었다. GG지점부터 하류로 갈수록 평균 남조류 세포 수는 급격히 증가하며, 오염지표를 나타내는 BOD, COD, T-P도 높아지는 것으로 나타났다.
ND지점은 기온 20℃ 미만, SPI 0 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. GM지점은 기온 20℃ 미만, DO 10 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. CG지점은 E.
또한 기온 22 ℃ 이상, DO 7 mg/L 이하 일 때 Warning 등급이 될 확률이 높은 것으로 나타났다. HC지점은 기온 20 ℃ 미만, DO 9 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났으며, 이 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다. CH 지점은 기온 20 ℃ 미만, SPI 0 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났으며, 이 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다.
것으로 나타났다. ND지점은 기온 20℃ 미만, SPI 0 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. GM지점은 기온 20℃ 미만, DO 10 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다.
C 280 μ S/cm 미만, DO 8 mg/L이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. 남조류 세포수 10, 000~1,000, 000 cell/mL 미만인 등급인 Warning 단계일 때는 Normal 등급 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다. DS 지점은 기온 20 ℃ 미만, DO 10 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다.
DS 지점은 기온 20 ℃ 미만, DO 10 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났다. 또한 기온 22 ℃ 이상, DO 7 mg/L 이하 일 때 Warning 등급이 될 확률이 높은 것으로 나타났다. HC지점은 기온 20 ℃ 미만, DO 9 mg/L 이상일 때 Normal 등급이 될 확률이 높은 것으로 나타났으며, 이 조건과 반대일 때 Warning 등급이 될 확률이 높은 것으로 나타났다.
본 연구대상 지점인 낙동강은 다기능 보 건설로 인해 하천 수심이 증가하고 유속이 느려지면서 정체성 수역 특성을 나타나는 동시에 남조류발생에 취약하다고 설명할 수 있다. 또한 선행연구사례를 살펴보았을 때, 낙동강 뿐만 아니라 각 지점마다 유역특성에 따른 다양한 남조류 발생 특성을 보이는 것으로 나타났다.
선행 연구사례와 같이 조류경보제 지점마다 유역특성에 따른 다양한 남조류 발생특성을 보이는 것으로 나타났다. 특히 낙동강수계에 위치한 8개 보 지점을 대상으로 머신러닝을 이용한 조류경보제 기반의 영향인자들을 분석한 사례는 전무하다.
전체적으로 남조류 발생에 기온이 가장 중요한 인자로 설명되었다. 가뭄 영향을 받는 지점은 하류 3개 지점과 상류 ND지점으로 특히 하류구간은 가뭄에 따른 조류 발생의 영향을 고려해야 할 것으로 판단된다.
모델의 입력자료 자료현황과 정확도 평가는 아래 Table 3과 같다. 정확도 결과 조류경보제 기반의 남조류 발생 영향인자를 도출하기에 적합한 모형으로 판단되었다.
C가 주요 영향인자로 도출되었다. 중류구간은 구미, 김천과 같은 대규모 산업공단들이 밀집되어 있으며, 하천 유량이 부족한 가뭄시기에 용존성 물질이 증가하면서 남조류 발생에 영향을 주는 것으로 나타났다. 중·하류에 위치한 DS지점과 HC, CH지점은 SPI와 기온이 주요 영향 인자로 도출되었다.

후속연구

(3) 본 연구에서는 보 지점별 남조류 영향인자를 랜덤 포레스트의 변수 중요도와 경보등급에 따른 남조류 발생을 예측함으로써 8개 보 지점별 남조류 관리를 위한 맞춤형 정책적 의사결정을 위한 기초 자료를 제공할 수 있을 것으로 판단된다.

참고문헌 (11)

Canale, R.P, Vogel, A.H (1974). Effects of temperature on Phytoplankton growth. J. of Environmental Engineering Division, 100(1), pp. 231-241.
Choi, HG, Han, GY, Park, JH (2017). Reproducibility evaluation of stratification using EFDC model in Nakdong river. J. of Korean Society of Civil Engineers, 37(3), pp. 561-573. [Korean Literature] [DOI:10.12652/Ksce.2017.37.3.0561]

원문보기 상세보기
Hayes, M, Svoboda, M, Wall, N, Widhalm, M (2011). The Lincoln declaration on drought indices: universal meteorological drought index recommended. Bulletin of the American Meteorological Society, 92(4), pp. 485-488. [DOI:10.1175/2010bams3103.1]

상세보기
Jung, WS, Kim, YD (2019). Effect of abrupt topographical characteristic change on water quality in a river. KSCE J. of Civil Engineering, 23(7), pp. 3250-3263. [DOI:10.1007/s12205-019-2131-6]

상세보기
Jung, WS, Jo, BG, Kim, YD, Kim SE (2019). A study on the characteristics of cyanobacteria in the mainstream of Nakdong river using decision trees. Journal of Wetlands Research, 21(4), pp. 312-320. [Korean Literature] [DOI:10.17663/JWR.2019.21.4.312]

원문보기 상세보기
Lee, HM, Shin, RY, Lee, JH, Park, JG (2019). A Study on the Relationship between Cyanobacteria and Environmental Factors in Yeongcheon Lake. Journal of Korean Society on Water Environment, 35(4), pp. 352-361. [Korean Literature] [DOI:10.15681/KSWE.2019.35.4.352]

원문보기 상세보기
Kim, YH, Lee, EH, Kim, KH, Kim SH (2016). Analysis of Exclusive Causality between Environmental Factors and Cell Number of Cyanobacteria in Guem River. Journal of Environmental Science International, 25(7), pp. 937-950. [Korean Literature] [DOI:10.5322/JESI.2016.25.7.937]

원문보기 상세보기
Mosley, LM (2015). Drought impacts on the water quality of freshwater systems : review and integration. Earth Science, 140, pp. 203-214. [DOI:10.1016/j.earscirev.2014.11.010]

상세보기
Park, DY, Park, HS, Kim, SJ, Chung, SW (2019). Analysis of water quality variation by lowering of water level in Gangjeong-Goryong weir in Nakdong river. J. of Environ. Impact Assess, 28(3), pp. 245-262. [Korean Literature] [DOI:10.14249/eia.2019.28.3.245]

원문보기 상세보기
Seo, DI, Kim JY, Kim, JS (2020). Analysis of influence on water quality and harmful algal blooms due to weir gate control in the Nakdong River, Geum River, and Yeongsan River. J. Korea Water Resour. Assoc, 53(10), pp. 877-887. [Korean Literature] [DOI:10.3741/JKWRA.2020.53.10.877]

원문보기 상세보기
Shin JK, Kang BG, Hwang, SJ (2016). Water-Blooms (Green-Tide) Dynamics of Algae Alert System and Rainfall-Hydrological Effects in Daecheong Reservoir, Korea. Korean Journal of Ecology and Environment, 49(3), pp. 153-175. [Korean Literature] [DOI:10.11614/KSL.2016.49.3.153]

원문보기 상세보기

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