[논문]Google Earth Engine과 Sentinel-2 위성자료를 이용한 러시아 노릴스크 지역의 기름 유출 모니터링

김민주; 현창욱

doi:10.7780/kjrs.2023.39.3.5

Google Earth Engine과 Sentinel-2 위성자료를 이용한 러시아 노릴스크 지역의 기름 유출 모니터링
Oil Spill Monitoring in Norilsk, Russia Using Google Earth Engine and Sentinel-2 Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.3, 2023년, pp.311 - 323

김민주 (동아대학교 에너지자원공학과) , 현창욱 (동아대학교 에너지자원공학과)

초록
AI-Helper

기름 유출 사고는 발생 시 환경과 관련된 다양한 문제들을 야기하므로 신속하게 유출유의 면적과 위치 변화를 파악하는 것이 중요하다. 광학 위성자료를 활용한 기름 유출 탐지의 경우 다양한 위성탑재 센서를 통해 유출유에 대한 정보 수집 후 이를 이용하여 광범위한 기름 유출 범위를 모니터링할 수 있다. 선행 연구에서는 파장별 기름의 반사도를 분석한 후 특정 파장대의 밴드를 이용한 oil spill index가 개발 및 적용되었다. 기름 유출 모니터링을 위해 유출 전후 여러 시기의 위성자료를 분석할 경우 다량의 데이터로 인해 많은 시간과 컴퓨팅 자원이 소비된다. 웹 브라우저를 통해 대량의 위성자료 분석이 가능한 Google Earth Engine을 활용할 경우 효율적으로 기름 유출 탐지가 가능하다. 본 연구에서는 Sentinel-2 MultiSpectral Instrument 위성자료와 클라우드 기반의 위성자료 분석 플랫폼인 Google Earth Engine을 이용하여 기존에 제안된 네 종류의 oil spill index의 다양한 피복 환경에서의 활용성 평가를 수행하였다. 지표 피복별 index 값의 비교를 통해 기름 유출 영역이 타 피복과 잘 구분되는지에 대한 분리도를 평가하고 기름 유출 면적을 산정하였다. 본 연구 결과를 통해 Google Earth Engine이 기름 유출 광역 모니터링에 효율적으로 활용 가능하다는 것을 확인하였고, 복잡한 지표 피복이 분포하는 다른 지역에 기름 유출 사고 발생 시 우수한 성능으로 평가된 oil spill index B ((B3+B4)/B2)와 C (R: B3/B2, G: (B3+B4)/B2, B: (B6+B7)/B5)의 적용은 효과적인 기름 유출 모니터링에 기여할 것으로 판단된다.

Abstract ▼ AI-Helper

Oil spill accidents can cause various environmental issues, so it is important to quickly assess the extent and changes in the area and location of the spilled oil. In the case of oil spill detection using satellite imagery, it is possible to detect a wide range of oil spill areas by utilizing the information collected from various sensors equipped on the satellite. Previous studies have analyzed the reflectance of oil at specific wavelengths and have developed an oil spill index using bands within the specific wavelength ranges. When analyzing multiple images before and after an oil spill for monitoring purposes, a significant amount of time and computing resources are consumed due to the large volume of data. By utilizing Google Earth Engine, which allows for the analysis of large volumes of satellite imagery through a web browser, it is possible to efficiently detect oil spills. In this study, we evaluated the applicability of four types of oil spill indices in the area of various land cover using Sentinel-2 MultiSpectral Instrument data and the cloud-based Google Earth Engine platform. We assessed the separability of oil spill areas by comparing the index values for different land covers. The results of this study demonstrated the efficient utilization of Google Earth Engine in oil spill detection research and indicated that the use of oil spill index B ((B3+B4)/B2) and oil spill index C (R: B3/B2, G: (B3+B4)/B2, B: (B6+B7)/B5) can contribute to effective oil spill monitoring in other regions with complex land covers.

주제어

표/그림 (15)

그림 Fig. 1. True color composite of Sentinel-2 MSI image (R: band 4, G: band 3, B: band 2). (a) Image acquired on June 28, 2020, showing the study area and the location of the oil spill. (b) Image acquired on June 1, 2020, showing the oil spill flowing along the Ambarnaya River, Norilsk, Russia.
그림 Fig. 2. Application of the oil spill index to the study area using Google Earth Engine Code Editor.
표 Table 1. Sentinel-2 MSI images used in this study
표 Table 2. Characteristics of Sentinel-2 MSI bands (European Space Agency, 2015)
그림 Fig. 3. Comparison of spectral reflectance between oil and water (Liu et al., 2016).
표 Table 3. List of oil spill indices used in this study
그림 Fig. 4. A Sentinel-2 MSI image containing random points: (a) Ice (pink dots), (b) land (lime green dots), (c) oil (yellow dots), (d) clouds (green dots), (e) vegetation (red dots), and (f) water (orange dots).
그림 Fig. 5. Application of oil spill indices to distinguish spilled oil. (a) True color composite image of Sentinel-2 MSI acquired on June 1, 2020. (b) Oil spill index A. (c) Oil spill index B. (d) Oil spill index C. (e) Oil spill index D.
그림 Fig. 6. Representing the index values of randomly selected points in each land cover (oil, ice, cloud, land, vegetation, and water), as box-whisker plots and 3D scatter plots. (a) The box-whisker plot representing the index A values of the selected land covers. (b) The box-whisker plot representing the index B values of the selected land covers. (c) The 3D scatter plots representing the index C values of the selected land covers. (d) The 3D scatter plots representing the index D values of the selected land covers.
표 Table 4. Minimum and maximum oil spill index C values in RGB color space
표 Table 5. Minimum and maximum oil spill index D values in RGB color space
그림 Fig. 7. True color composite of Sentinel-2 MSI images from May 18, 2020, to June 26, 2020. The white dots around the river in the imagery starting from June 7, 2020, are tanks used for oil removal.
그림 Fig. 8. Oil spill index B applied Sentinel-2 MSI images from May 18, 2020, to June 26, 2020.
그림 Fig. 9. Oil spill index C applied Sentinel-2 MSI images from May 18, 2020, to June 26, 2020.
그림 Fig. 10. An image showing the oil spilled areas (red pixels) classified using oil spill index B.

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 2020년 5월 29일 러시아 노릴스크(Norilsk) 지역에서 발생한 기름 유출 사고의 효율적인 원격 모니터링을 위해 Sentinel-2 MSI 영상과 클라우드 기반의 위성자료 활용 플랫폼인 Google Earth Engine을 이용하여 기존에 제시된 oil spill index들의 다양한 지표 피복 환경에서의 활용성 평가를 하고자 하였다.
본 연구에서는 Google Earth Engine을 통해 유류 오염 지역에 해당하는 Sentinel-2 위성자료에 네 종류의 oil spill index를 적용 후, 각 결과를 비교하고 유출유에 대한 면적을 산정해보고자 한다. Google Earth Engine에서 제공되는 surface reflectance 위성자료를 이용하여 별도의 영상 전처리를 수행하지 않고 oil spill index 분석에 활용하였다.
본 연구에서는 러시아 노릴스크 지역에서의 기름 유출 사고에 대해 사고 발생 전후에 획득한 Sentinel-2 MSI 위성자료 및 클라우드 기반 플랫폼인 Google Earth Engine을 활용한 분석을 수행하였다. 기름과 주변 피복을 구분하는 반사도를 가진 파장대인 가시광선-근적외선-단파장적외선 영역에 해당하는 밴드들의 비율을 활용하여 기존에 제안된 네 가지 oil spill index를 적용하였다.

제안 방법

기름을 포함하여 총 여섯 가지 지표 피복(기름, 얼음, 토양, 구름, 식생, 물)을 대상으로 생성한 포인트에 해당하는 index 값을 이용하여 box-whisker plot과 3D scatter plot을 생성하였다(Fig. 6).
이 과정에서 다양한 지표 피복이 혼재되어 있으며 계절 변화에 따라 지표 피복이 함께 변화하는 환경에서의 각 index의 활용성을 평가하였다. 또한 기름 유출 면적 산출을 수행하였다. Google Earth Engine 기반 분석 과정에서는 별도의 위성자료 다운로드 및 전처리 과정없이 Sentinel-2 MSI 위성자료를 이용한 기름 유출 탐지와 시계열 분석이 가능하였다.
선택된 oil spill index 적용 영상에 기름과 주변 환경의 index 값 프로파일을 확인하고 세밀한 육안 판독을 통해 임계값을 결정하였다. 임계값보다 작은 값을 가진 화소를 제외시켜 기름에 해당하는 화소만 분류하고 각 화소의 공간해상도를 기반으로 면적을 산정하였다.

대상 데이터

유출유 탐지를 위해 Google Earth Engine에서 사용 가능한 위성자료 중 상대적으로 높은 공간해상도와 다양한 밴드 대역을 가진 Sentinel-2 A/B를 활용하였다. Google Earth Engine Code Editor를 통해 구름 70% 이하의 기상조건을 고려하여 사고발생(2020년 5월 29일) 전후인 2020년 5월 18일부터 2020년 6월 26일까지의 기간 동안 2A 4장, 2B 7장, 총 11장의 위성자료를 사용하였다. 사용한 위성자료 정보는 Table 1에 정리하였다.
2020년 5월 18일부터 2020년 6월 26일까지의 위성자료 10장은 oil spill index 적용 기름 유출 모니터링 및 지표 피복별 index 값 추출에 사용되었고, 2020년 7월 3일의 경우 물 영역의 index 값 추출을 위해 사용되었다. Oil spill index를 적용하기 위해 Sentinel-2의 13개 밴드 중 가시광선-근적외선-단파장적외선 영역의 band 2, 3, 4, 5, 6, 7, 8, 11, 12의 총 9개 밴드를 사용하였고, 각 밴드 영역에 대한 상세 정보는 Table 2와 같다.
본 연구에서는 기름 유출 사고가 발생하였던 러시아 노릴스크 인근의 암바르나야(Ambarnaya)강을 연구지역으로 선정하였다(Fig. 1).
유출유 탐지를 위해 Google Earth Engine에서 사용 가능한 위성자료 중 상대적으로 높은 공간해상도와 다양한 밴드 대역을 가진 Sentinel-2 A/B를 활용하였다. Google Earth Engine Code Editor를 통해 구름 70% 이하의 기상조건을 고려하여 사고발생(2020년 5월 29일) 전후인 2020년 5월 18일부터 2020년 6월 26일까지의 기간 동안 2A 4장, 2B 7장, 총 11장의 위성자료를 사용하였다.
기름 유출 영상에 네 종류의 oil spill index를 적용한 결과 index B와 C가 기름 유출 영역을 효과적으로 구별해내는 것으로 나타났다. 이 결과를 바탕으로 기름 유출 발생 전후의 2020년 5월 18일부터 2020년 6월 26일까지 총 10장의 영상에 index B와 C를 적용하였다(Fig. 7, 8, 9).

데이터처리

기름 유출 면적을 산정하기 위해서는 기름과 기름이 아닌 영역을 구분하기 위한 index 임계값을 결정해야 한다. 선택된 oil spill index 적용 영상에 기름과 주변 환경의 index 값 프로파일을 확인하고 세밀한 육안 판독을 통해 임계값을 결정하였다. 임계값보다 작은 값을 가진 화소를 제외시켜 기름에 해당하는 화소만 분류하고 각 화소의 공간해상도를 기반으로 면적을 산정하였다.

이론/모형

Google Earth Engine에서 제공되는 surface reflectance 위성자료를 이용하여 별도의 영상 전처리를 수행하지 않고 oil spill index 분석에 활용하였다. Google Earth Engine Code Editor를 통해 위성 자료를 불러온 후 자바스크립트 코드를 작성하여 네 종류의 oil spill index를 각 영상에 적용하였다. 육안으로 유출여부를 명확히 확인할 수 있는 oilspill index 적용 결과, 이미지를 도출하기 위해 oil spill index 값을 가시화하는 최소·최대 값을 지정하였다.
본 연구에서는 Google Earth Engine을 통해 유류 오염 지역에 해당하는 Sentinel-2 위성자료에 네 종류의 oil spill index를 적용 후, 각 결과를 비교하고 유출유에 대한 면적을 산정해보고자 한다. Google Earth Engine에서 제공되는 surface reflectance 위성자료를 이용하여 별도의 영상 전처리를 수행하지 않고 oil spill index 분석에 활용하였다. Google Earth Engine Code Editor를 통해 위성 자료를 불러온 후 자바스크립트 코드를 작성하여 네 종류의 oil spill index를 각 영상에 적용하였다.
본 연구에서는 러시아 노릴스크 지역에서의 기름 유출 사고에 대해 사고 발생 전후에 획득한 Sentinel-2 MSI 위성자료 및 클라우드 기반 플랫폼인 Google Earth Engine을 활용한 분석을 수행하였다. 기름과 주변 피복을 구분하는 반사도를 가진 파장대인 가시광선-근적외선-단파장적외선 영역에 해당하는 밴드들의 비율을 활용하여 기존에 제안된 네 가지 oil spill index를 적용하였다. 이 과정에서 다양한 지표 피복이 혼재되어 있으며 계절 변화에 따라 지표 피복이 함께 변화하는 환경에서의 각 index의 활용성을 평가하였다.
사고 발생 후 유출유가 가장 많이 관측되는 2020년 6월 1일 영상에 네 종류의 oil spill index를 적용하였다(Fig. 5).

성능/효과

또한 기름 유출 면적 산출을 수행하였다. Google Earth Engine 기반 분석 과정에서는 별도의 위성자료 다운로드 및 전처리 과정없이 Sentinel-2 MSI 위성자료를 이용한 기름 유출 탐지와 시계열 분석이 가능하였다.
Oil spill index B를 적용한 영상의 기름 유출 영역 index값 범위는 4.13–17.07로 주변 지표 피복의 index 값과 교집합을 가지지 않아(얼음 1.55–1.92,물 1.66–2.31,구름 1.75–2.2,토양 2.07–3.59, 식생 1.95–2.92) 이 index 값을 이용하여 기름 유출 영역을 효과적으로 탐지할 수 있음을 확인하였다
7, 8, 9). 그 결과 시기에 따라 기름 분포가 변화하는 양상이 비교적 명확하게 확인 가능했지만 구름 그림자 지역(2020년 6월 7일 영상)에서 일부 index 값이 크게 나타나는 노이즈(noise)가 발생하였다.
기름 유출 영상에 네 종류의 oil spill index를 적용한 결과 index B와 C가 기름 유출 영역을 효과적으로 구별해내는 것으로 나타났다. 이 결과를 바탕으로 기름 유출 발생 전후의 2020년 5월 18일부터 2020년 6월 26일까지 총 10장의 영상에 index B와 C를 적용하였다(Fig.
본 연구 결과를 통해 Google Earth Engine이 기름 유출 탐지 및 다량의 위성자료를 이용하는 경우에 효율적인 시계열 분석이 가능하다는 것을 확인하였다. 또한 눈, 얼음, 식생, 토양 등 주변의 다양한 지표 피복 사이의 index 값 비교를 통해 추후 다른 계절 및 지역에 기름 유출 사고 발생 시 유출유 탐지 성능이 우수한 것으로 평가된 oil spill index B와 C의 활용은 효과적인 기름 유출 모니터링에 기여할 것으로 판단되었다.
5e)를 적용한 영상에서는 기름 유출 영역이 약간 밝은 녹색으로 강조되긴 했지만 주변 지표 피복과 매우 유사한 색상을 띄고 있어 기름을 명확히 구분하지 못한다. 종합해보면 oil spill index B 및 C를 적용한 영상에서 기름과 주변 지표 피복이 뚜렷하게 구분된 반면 index A 및 D를 적용한 영상의 경우, 기름이 주변 지표 피복과 비슷하게 가시화되어 기름 유출 영역을 구분하기 어려운 결과가 확인된다.

후속연구

본 연구 결과를 통해 Google Earth Engine이 기름 유출 탐지 및 다량의 위성자료를 이용하는 경우에 효율적인 시계열 분석이 가능하다는 것을 확인하였다. 또한 눈, 얼음, 식생, 토양 등 주변의 다양한 지표 피복 사이의 index 값 비교를 통해 추후 다른 계절 및 지역에 기름 유출 사고 발생 시 유출유 탐지 성능이 우수한 것으로 평가된 oil spill index B와 C의 활용은 효과적인 기름 유출 모니터링에 기여할 것으로 판단되었다.

참고문헌 (12)

Andreou, C., Karathanassi, V., and Kolokoussis, P., 2011.？Spectral library for oil types. In Proceedings of？the 34th International Symposium on Remote？Sensing of Environment-The GEOSS Era:？Towards Operational Environmental Monitoring,？Sydney, Australia, Apr. 10-15.
Cheong, C. J., 2008. Behavior and clean-up technique？of spilled oil at sea and shoreline. Journal of？Korean Society of Environmental Engineers,？30(2), 136-145.
European Space Agency, 2015. Sentinel-2 user handbook？(Standard document, Issue 1, Rev. 2). European？Space Agency.
Klemas, V., 2010. Tracking oil slicks and predicting？their trajectories using remote sensors and models:？Case studies of the Sea Princess and Deepwater？Horizon oil spills. Journal of Coastal Research,？26(5), 789-797. https://doi.org/10.2112/10A00012.1

상세보기
Kolokoussis, P. and Karathanassi, V., 2018. Oil spill？detection and mapping using sentinel 2 imagery.？Journal of Marine Science and Engineering, 6(1), 4. https://doi.org/10.3390/jmse6010004

상세보기
Lee, W. Y., Park, M., and Hyun, C. U., 2019. Detection of？two Arctic birds in Greenland and an endangered？bird in Korea using RGB and thermal cameras？with an unmanned aerial vehicle (UAV). PloS One,？14(9), e0222088. https://doi.org/10.1371/journal.pone.0222088

상세보기
Liu, B., Li, Y., Zhang, Q., and Han, L., 2016. Assessing？sensitivity of hyperspectral sensor to detect oils？with sea ice. Journal of Spectroscopy, 2016,？Article ID 6584314. https://doi.org/10.1155/2016/6584314

상세보기
Low, F., Stieglitz, K., and Diemar, O., 2021. Terrestrial？oil spill mapping using satellite earth observation？and machine learning: A case study in South？Sudan. Journal of Environmental Management,？298, 113424. https://doi.org/10.1016/j.jenvman.2021.113424

상세보기
Park, J. and Kang, K., 2022. Research of water-related？disaster monitoring using satellite bigdata based？on Google Earth Engine cloud computing platform.？Korean Journal of Remote Sensing, 38(6-3),？1761-1775. https://doi.org/10.7780/KJRS.2022.38.6.3.2

원문보기 상세보기
Rajendran, S., Sadooni, F. N., Al-Kuwari, H. A. S., Oleg,？A., Govil, H., Nasir, S. et al., 2021a. Monitoring？oil spill in Norilsk, Russia using satellite data.？Scientific Reports, 11(1), 1-20. https://doi.org/10.1038/s41598-021-83260-7

상세보기
Rajendran, S., Vethamony, P., Sadooni, F. N., Al-Kuwari,？H. A. S., Al-Khayat, J. A., Govil, H. et al., 2021b.？Sentinel-2 image transformation methods for？mapping oil spill - A case study with Wakashio oil？spill in the Indian Ocean, off Mauritius. MethodsX,？8, 101327. https://doi.org/10.1016/j.mex.2021.101327

상세보기
Robbe, N. and Hengstermann, T., 2006. Remote sensing of？marine oil spills from airborne platforms using？multi-sensor systems. In: Brebbia, C.A. (eds.),？Water pollution VIII: Modelling, monitoring and？management, WIT Press, pp. 347-355. http://dx.doi.org/10.2495/WP060351

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