[논문]GOCI 위성영상과 기계학습 기법을 이용한 Ocean Colour-Climate Change Initiative (OC-CCI) Forel-Ule Index의 공간 상세화

성태준; 김영준; 최현영; 임정호

doi:10.7780/kjrs.2021.37.5.1.11

GOCI 위성영상과 기계학습 기법을 이용한 Ocean Colour-Climate Change Initiative (OC-CCI) Forel-Ule Index의 공간 상세화
Spatial Downscaling of Ocean Colour-Climate Change Initiative (OC-CCI) Forel-Ule Index Using GOCI Satellite Image and Machine Learning Technique 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.5 pt.1, 2021년, pp.959 - 974

성태준 (울산과학기술원 도시환경공학과) , 김영준 (울산과학기술원 도시환경공학과) , 최현영 (울산과학기술원 도시환경공학과) , 임정호 (울산과학기술원 도시환경공학과)

초록
AI-Helper

Forel-Ule Index (FUI)는 자연에 존재하는 담수 및 해수의 색을 남색부터 고동색까지 21 가지의 등급으로 구분하는 지표이다. FUI는 여러 선행연구에서 수계의 부영양화 지수, 수질인자, 광 특성 등과 연관 지어 분석되었으며, 여러 수질인자의 광학적 정보를 동시에 가지고 있는 새로운 수질 지표로써의 가능성이 제시되었다. 본 연구에서는 500 m의 높은 공간해상도를 가지는 정지궤도 해양위성해색탑재체(Geostationary Ocean Color Imager; GOCI) 관측 자료와 Random Forest (RF) 기계학습 기법을 활용하여 Ocean Colour-Climate Change Initiative(OC-CCI) 기반의 4 km FUI 자료를 공간 상세화 시켰다. 이를 활용하여 우리나라 연안 해역에 대한 수질인자와의 상관관계와 주요 해역에 대한 FUI의 공간적 분포 및 계절별 특성 변화를 분석하였다. 검증 결과 RF 기법으로 추정한 RF FUI는 결정계수(R²)=0.81, 평균 제곱근 오차(Root Mean Square Error; RMSE)=0.7784로, Pitarch의 OC-CCI FUI 알고리즘을 적용하여 계산한 GOCI FUI 추정 정확도(R²=0.72, RMSE=0.9708) 대비 향상된 결과를 보였다. RF FUI는 총 질소(Total Nitrogen), 총 인(Total Phosphorus), 클로로필-a(Chlorophyll-a), 총 부유물질(Total Suspended Solids), 투명도(Secchi Disk Depth)를 포함하는 5가지 수질인자와 각각 0.87, 0.88, 0.97, 0.65, -0.98의 상관계수로 강한 상관성을 보였다. 산출된 FUI의 시간적 패턴 역시 여러 수질인자와의 물리적 관계를 반영하며 유의미한 계절적 패턴의 변화를 보였다. 본 연구의 결과로 한반도 연안 수질 관리에서 고해상도 FUI의 활용 가능성을 제시하였다.

Abstract ▼ AI-Helper

Forel-Ule Index (FUI) is an index which classifies the colors of inland and seawater exist in nature into 21 gradesranging from indigo blue to cola brown. FUI has been analyzed in connection with the eutrophication, water quality, and light characteristics of water systems in many studies, and the possibility as a new water quality index which simultaneously contains optical information of water quality parameters has been suggested. In thisstudy, Ocean Colour-Climate Change Initiative (OC-CCI) based 4 km FUI was spatially downscaled to the resolution of 500 m using the Geostationary Ocean Color Imager (GOCI) data and Random Forest (RF) machine learning. Then, the RF-derived FUI was examined in terms of its correlation with various water quality parameters measured in coastal areas and its spatial distribution and seasonal characteristics. The results showed that the RF-derived FUI resulted in higher accuracy (Coefficient of Determination (R2)=0.81, Root Mean Square Error (RMSE)=0.7784) than GOCI-derived FUI estimated by Pitarch's OC-CCI FUI algorithm (R2=0.72, RMSE=0.9708). RF-derived FUI showed a high correlation with five water quality parameters including Total Nitrogen, Total Phosphorus, Chlorophyll-a, Total Suspended Solids, Transparency with the correlation coefficients of 0.87, 0.88, 0.97, 0.65, and -0.98, respectively. The temporal pattern of the RF-derived FUI well reflected the physical relationship with various water quality parameters with a strong seasonality. The research findingssuggested the potential of the high resolution FUI in coastal water quality management in the Korean Peninsula.

주제어

표/그림 (8)

그림 Fig. 1. The process flow diagram of the FUI downscaling approach proposed in this study.
그림 Fig. 2. Semi-log distributions of CCI-, GOCI-, and RF-derived FUI by ecoregion: (a) East Sea, (b) Korea Strait, (c) Western South Sea, (d) Central West Sea, and (e) Jeju ecoregions.
그림 Fig. 3. Scatter plots between CCI-derived FUI and (a) GOCI-derived FUI and (b) RF-derived FUI proposed in this study.
그림 Fig. 4. Spatial distribution of (a) CCI-derived FUI, (b) GOCI-derived FUI, and (c) RF-derived FUI and bias of (e) GOCI-derived FUI and (f) RF-derived FUI on April 3, 2019.
그림 Fig. 4. Continued.
그림 Fig. 5. Scatter plots between RF-dervied FUI and the log-transformed concentrations of the averaged in-situ (a) Total Nitrogen (TN), (b) Total Phosphorus (TP), (c) Total Suspended Solids (TSS), (d) Chlorophyll-a (Chl-a) concentrations, and (e) Secchi Disk Depth (SDD) in 2020.
그림 Fig. 6. Monthly distribution of averaged RF-derived FUI proposed in this study, and the number of days used to produce the distribution for the corresponding month: (a and b) February, (c and d) May, (e and f) August, and (g and h) November, respectively, in 2020.
그림 Fig. 7. Box plots of RF-derived FUI by ecoregion: (a) East Sea, (b) Korea Strait, (c) Western South Sea, (d) Central West Sea, and (e) Jeju ecoregions.

AI 본문요약
AI-Helper

문제 정의

본 연구는 500 m의 높은 공간해상도를 가지는 정지궤도 해색탑재체(Geostationary Ocean Color Imager; GOCI) 관측 자료와 기계학습 기법을 활용하여 우리나라 해역에 대한 고해상도 FUI 산출 알고리즘을 개발하였다. 개발한 고해상도 FUI를 활용하여 2020년 우리나라 연안 해 역에 대한 수질인자와의 상관관계를 분석하였다.

제안 방법

본 연구는 500 m의 높은 공간해상도를 가지는 정지궤도 해색탑재체(Geostationary Ocean Color Imager; GOCI) 관측 자료와 기계학습 기법을 활용하여 우리나라 해역에 대한 고해상도 FUI 산출 알고리즘을 개발하였다. 개발한 고해상도 FUI를 활용하여 2020년 우리나라 연안 해 역에 대한 수질인자와의 상관관계를 분석하였다. 또한, 주요 해역에 대한 FUI의 공간적 분포와 계절별 특성 및 변화를 분석하였다.
개발한 고해상도 FUI를 활용하여 2020년 우리나라 연안 해 역에 대한 수질인자와의 상관관계를 분석하였다. 또한, 주요 해역에 대한 FUI의 공간적 분포와 계절별 특성 및 변화를 분석하였다.
1). 마지막으로, 2020년의 GOCI 월평균(2, 5, 8, 11월) 원격반사도를 입력변수로 산출한 월평균 FUI를 통해, 한반도 주요해역에서 FUI 의 계절적 패턴을 분석하였다(Fig. 1).

대상 데이터

또한 본 연구는 산출한 FUI와 수질인자의 상관관계를 분석하기 위하여 해양환경공단에서 조사·관리하는 해양환경측정망 관측자료를 활용하였다
do)에서 받을 수 있다. 본 연구에서는 2020년 해양환경측정망 원본 관측자료 중 총 질소(Total Nitrogen; TN), 총 인(Total Phosphorus; TP), Chl-a, 부유 물질(Totalsuspended solids; TSS) 농도, 투명도(Secchi disk depth; SDD)자료를 활용하였다.
1). 입력 변수로는 2019년의 GOCI 일평균 원격반사도와 슬롯 번호가 사용되었고, OC-CCI FUI를 타겟으로 학습되었다. 이후 RF 모델로 산출된 500 m의 고해상도 FUI를 활용하여, 2020년의 해양환경측정망 현장 수질자료와 상관성 분석을 진행하였다(Fig.

데이터처리

입력 변수로는 2019년의 GOCI 일평균 원격반사도와 슬롯 번호가 사용되었고, OC-CCI FUI를 타겟으로 학습되었다. 이후 RF 모델로 산출된 500 m의 고해상도 FUI를 활용하여, 2020년의 해양환경측정망 현장 수질자료와 상관성 분석을 진행하였다(Fig. 1).

이론/모형

본 연구에서는 기계학습 기법인 Random Forest (RF) 모델을 사용하여 4 km의 OC-CCI FUI를 GOCI 위성의 500 m 해상도에 맞게 공간상세화 시켰다(Fig. 1).

성능/효과

GOCI 및 RF FUI 추정 결과를 반대수(Semi-log) 분포를 활용하여 CCI FUI 자료와 비교하였을 때(Fig. 2), 두 모델 모두 FUI 9 미만의 맑은 해역에 대해서는 추정력이 높은 것으로 나타났다. 하지만, FUI 9 이상의 탁한 해역에 대해서 GOCI FUI가 RF에 비하여 추정력이 떨어지는 것으로 나타났다.

참고문헌 (45)

Aurin, D.A. and H.M. Dierssen, 2012. Advantages and limitations of ocean color remote sensing in CDOM-dominated, mineral-rich coastal and estuarine waters, Remote Sensing of Environment, 125: 181-197.

상세보기
Blondeau-Patissier, D., J.F. Gower, A.G. Dekker, S.R. Phinn, and V.E. Brando, 2014. A review of ocean color remote sensing methods and statistical techniques for the detection, mapping and analysis of phytoplankton blooms in coastal and open oceans, Progress in Oceanography, 123: 123-144.

상세보기
Board, O.S. and N.R. Council, 2000. Clean coastal waters: understanding and reducing the effects of nutrient pollution, National Academies Press, Washington, D.C., D.C., USA.
Breiman, L., 2001. Random forests, Machine Learning, 45(1): 5-32.
Carlson, R.E., 1977. A trophic state index for lakes 1, Limnology and Oceanography, 22(2): 361-369.

상세보기
Chen, Q., M. Huang, and X. Tang, 2020. Eutrophication assessment of seasonal urban lakes in China Yangtze River Basin using Landsat 8-derived Forel-Ule index: A six-year (2013-2018) observation, Science of the Total Environment, 745: 135392.

상세보기
Chen, S., C. Hu, B.B. Barnes, R. Wanninkhof, W.-J. Cai, L. Barbero, and D. Pierrot, 2019. A machine learning approach to estimate surface ocean pCO2 from satellite measurements, Remote Sensing of Environment, 228: 203-226.

상세보기
ESA (European Space Agency), 2000. Product User Guide for v5.0 Dataset, Plymouth Marine Laborat, Plymouth, DV, GB.
Forel, F. A., 1890. Une nouvelle forme de la gamme de couleur pour l'etude de l'eau des lacs, Archives des sciences physiques et naturelles/Societe de physique et d'histoire naturelle de geneve, 6: 25.
Garaba, S.P., A. Friedrichs, D. Voss, and O. Zielinski, 2015. Classifying natural waters with the Forel-Ule Colour index system: results, applications, correlations and crowdsourcing, International Journal of Environmental Research and Public Health, 12(12): 16096-16109.

상세보기
Jafar-Sidik, M., D.G. Bowers, and J.W. Griffiths, 2018. Remote sensing observations of ocean colour using the traditional Forel-Ule scale, Estuarine, Coastal and Shelf Science, 215: 52-58.

상세보기
Jang, E., J. Im, S. Ha, S. Lee, and Y.-G. Park, 2016. Estimation of water quality index for coastal areas in Korea using GOCI satellite data based on machine learning approaches, Korean Journal of Remote Sensing, 32(3): 221-234 (in Korean with English abstract).

원문보기 상세보기
Kim, H.-C., S. Son, Y.H. Kim, J.S. Khim, J. Nam, W.K. Chang, J.-H. Lee, C.-H. Lee, and J. Ryu, 2017. Remote sensing and water quality indicators in the Korean West coast: Spatio-temporal structures of MODIS-derived chlorophyll-a and total suspended solids, Marine Pollution Bulletin, 121(1-2): 425-434.

상세보기
Kim, W., J.-H. Ahn, and Y.-J. Park, 2015. Correction of stray-light-driven interslot radiometric discrepancy (ISRD) present in radiometric products of geostationary ocean color imager (GOCI), IEEE Transactions on Geoscience and Remote Sensing, 53(10): 5458-5472.

상세보기
Kratzer, C.R. and P.L. Brezonik, 1981. A carlson-type trophic state index for nitrogen in Florida lakes 1, JAWRA Journal of the American Water Resources Association, 17(4): 713-715.

상세보기
Lanbu, Z. and Z. Baoreng, 1991. Distributions and Variations of the Transparency in the Bohai Sea, Yellow Sea and East China Sea [J], Transactions of Oceanology and Limnology, 3: 1-11.
Li, H., X. He, Y. Bai, P. Shanmugam, Y.-J. Park, J. Liu, Q. Zhu, F. Gong, D. Wang, and H. Huang, 2020. Atmospheric correction of geostationary satellite ocean color data under high solar zenith angles in open oceans, Remote Sensing of Environment, 249: 112022.

상세보기
Min, J.-E., J.-H. Ryu, and Y.-J. Park, 2015. An analysis of the relationship between inherent optical properties and ocean color algorithms around the Korean waters, Korean Journal of Remote Sensing, 31(5): 473-490 (in Korean with English abstract).

원문보기 상세보기
MOF (Ministry of Oceans and Fisheries), 2013. Marine Environment Standards, Sejong, Korea, p. 186.
Nie, Y., J. Guo, B. Sun, and X. Lv, 2020. An evaluation of apparent color of seawater based on the in-situ and satellite-derived Forel-Ule color scale, Estuarine, Coastal and Shelf Science, 246: 107032.

상세보기
O'Reilly, J.E. and P.J. Werdell, 2019. Chlorophyll algorithms for ocean color sensors-OC4, OC5 & OC6, Remote sensing of environment, 229: 32-47.

상세보기
Park, S., B. Son, J. Im, J. Lee, B. Lee, and C. Kwon, 2019. Development of satellite-based drought indices for assessing wildfire risk, Korean Journal of Remote Sensing, 35(6-3): 1285-1298 (in Korean with English abstract).

원문보기 상세보기
Petus, C., J. Waterhouse, S. Lewis, M. Vacher, D. Tracey, and M. Devlin, 2019. A flood of information: Using Sentinel-3 water colour products to assure continuity in the monitoring of water quality trends in the Great Barrier Reef, Australia), Journal of environmental management, 248: 109255.

상세보기
Pitarch, J., M. Bellacicco, S. Marullo, and H. J. Van Der Woerd, 2021. Global maps of Forel-Ule index, hue angle and Secchi disk depth derived from 21 years of monthly ESA Ocean Colour Climate Change Initiative data, Earth System Science Data, 13(2): 481-490.

상세보기
Pitarch, J., H.J. van der Woerd, R.J. Brewin, and O. Zielinski, 2019. Optical properties of Forel-Ule water types deduced from 15 years of global satellite ocean color observations, Remote Sensing of Environment, 231: 111249.

상세보기
Platt, T., 2008. Why ocean colour?: The societal benefits of ocean-colour technology, International Ocean-Colour Coordinating Group.
Rho, T.-K., T.-S. Lee, S.-R. Lee, M.-S. Choi, C. Park, J.- H. Lee, J.-Y. Lee, and S.-S. Kim, 2012. Reference values and water quality assessment based on the regional environmental characteristics, The Sea, 17(2): 45-58.

원문보기 상세보기
Ruddick, K.G., H.J. Gons, M. Rijkeboer, and G. Tilstone, 2001. Optical remote sensing of chlorophyll a in case 2 waters by use of an adaptive two-band algorithm with optimal error properties, Applied Optics, 40(21): 3575-3585.

상세보기
Sathyendranath, S., R.J. Brewin, C. Brockmann, V. Brotas, B. Calton, A. Chuprin, P. Cipollini, A. B. Couto, J. Dingle, and R. Doerffer, 2019. An ocean-colour time series for use in climate studies: the experience of the ocean-colour climate change initiative (OC-CCI), Sensors, 19(19): 4285.

상세보기
Siswanto, E., J. Tang, H. Yamaguchi, Y.-H. Ahn, J. Ishizaka, S. Yoo, S.-W. Kim, Y. Kiyomoto, K. Yamada, and C. Chiang, 2011. Empirical ocean-color algorithms to retrieve chlorophyll-a, total suspended matter, and colored dissolved organic matter absorption coefficient in the Yellow and East China Seas, Journal of Oceanography, 67(5): 627-650.

상세보기
Son, S., Y.H. Kim, J.-I. Kwon, H.-C. Kim, and K.-S. Park, 2014. Characterization of spatial and temporal variation of suspended sediments in the Yellow and East China Seas using satellite ocean color data, GIScience & Remote Sensing, 51(2): 212-226.

상세보기
Tassan, S., 1994. Local algorithms using SeaWiFS data for the retrieval of phytoplankton, pigments, suspended sediment, and yellow substance in coastal waters, Applied Optics, 33(12): 2369-2378.

상세보기
Tilstone, G. H., A.A. Lotliker, P.I. Miller, P.M. Ashraf, T.S. Kumar, T. Suresh, B. Ragavan, and H.B. Menon, 2013. Assessment of MODIS-Aqua chlorophyll-a algorithms in coastal and shelf waters of the eastern Arabian Sea, Continental Shelf Research, 65: 14-26.

상세보기
Ule, W., 1892. Die bestimmung der Wasserfarbe in den Seen, Kleinere Mittheilungen, Dr. A. Petermanns Mittheilungen aus Justus Perthes geographischer Anstalt: 70-71.
Van der Woerd, H.J. and M.R. Wernand, 2018. Hueangle product for low to medium spatial resolution optical satellite sensors, Remote Sensing, 10(2): 180.

상세보기
Wang, S., Z. Lee, S. Shang, J. Li, B. Zhang, and G. Lin, 2019. Deriving inherent optical properties from classical water color measurements: Forel-Ule index and Secchi disk depth, Optics Express, 27(5): 7642-7655.

상세보기
Wang, S., J. Li, B. Zhang, E. Spyrakos, A.N. Tyler, Q. Shen, F. Zhang, T. Kuster, M.K. Lehmann, and Y. Wu, 2018. Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule index, Remote Sensing of Environment, 217: 444-460.

상세보기
Wernand, M., A. Hommersom, and H.J. van der Woerd, 2013. MERIS-based ocean colour classification with the discrete Forel-Ule scale, Ocean Science, 9(3): 477-487.

상세보기
Wernand, M. and H. Van der Woerd, 2010. Spectral analysis of the Forel-Ule Ocean colour comparator scale, Journal of the European Optical Society-Rapid Publications, 5: 10014S.

상세보기
Woerd, H.J. and M.R. Wernand, 2015. True colour classification of natural waters with medium-spectral resolution satellites: SeaWiFS, MODIS, MERIS and OLCI, Sensors, 15(10): 25663-25680.

상세보기
Wu, J., C. Chen, and S. Nukapothula, 2020. Atmospheric Correction of GOCI Using Quasi-Synchronous VIIRS Data in Highly Turbid Coastal Waters, Remote Sensing, 12(1): 89.

상세보기
Yoo, C., J. Im, S. Park, and D. Cho, 2017. Thermal characteristics of Daegu using land cover data and satellite-derived surface temperature downscaled based on machine learning, Korean Journal of Remote Sensing, 33(6-2): 1101-1118 (in Korean with English abstract).

원문보기 상세보기
Yoon, Y.-J., S. Cho, S. Kim, N. Kim, S.-J. Lee, J. Ahn, E. Lee, S. Joh, and Y.-W. Lee, 2020. An Artificial Intelligence Method for the Prediction of Near-and Off-Shore Fish Catch Using Satellite and Numerical Model Data, Korean Journal of Remote Sensing, 36(1): 41-53 (in Korean with English abstract)

원문보기 상세보기
Zhao, W., N. Sanchez, H. Lu, and A. Li, 2018. A spatial downscaling approach for the SMAP passive surface soil moisture product using random forest regression, Journal of Hydrology, 563: 1009-1024.

상세보기
Zhou, Y., D. Yu, Q. Yang, S. Pan, Y. Gai, W. Cheng, X. Liu, and S. Tang, 2021. Variations of Water Transparency and Impact Factors in the Bohai and Yellow Seas from Satellite Observations, Remote Sensing, 13(3): 514.

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