[논문]위성영상을 활용한 2023년 소양호 녹조 현상 관측 및 분석

박성재; 이슬기; 박은석; 이창욱

doi:10.7780/kjrs.2023.39.5.1.17

[국내논문] 위성영상을 활용한 2023년 소양호 녹조 현상 관측 및 분석
Observation and Analysis of Green Algae Phenomenon in Soyang-ho in 2023 Using Satellite Images 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.683 - 693

박성재 (강원대학교 스마트지역혁신학과) , 이슬기 (강원대학교 스마트지역혁신학과) , (강원대학교 과학교육학과) , 박은석 (강원대학교 과학교육학부) , 이창욱 (강원대학교 과학교육학부)

초록
AI-Helper

본 연구에서는 1973년 완공된 소양호에 처음으로 발생한 녹조현상에 대하여 위성영상을 사용하여 분석하였다. 연구자료는 2023년 7월부터 약 2개월간의 광학영상 13장을 사용하였으며, 소양호에 발생한 녹조의 면적을 산출하였다. 정확한 녹조 발생 면적을 산출하기 위하여 support vector machine 알고리즘 기반으로 영상분류를 수행하였다. 그 결과 소양호의 녹조는 녹조 발생을 유발하게 한 불순물이 유입된 지점을 중심으로 발생하였다. 2023년 8월 태풍 카눈의 효과로 일시적으로 감소하는 듯 보였으나 지속된 더위로 인해 다시 녹조가 증가하였다. 본 연구결과는 소양호는 수도권 주요 수원지 중 하나로 반복적인 녹조 발생을 대비해야 하는 점을 시사한다.

Abstract ▼ AI-Helper

In this study, we used satellite images to analyze the green algae phenomenon that first occurred in Soyang-ho, which was completed in 1973. The research data used 13 optical images over a period of about 2 months from July 2023, and the area of green algae that occurred in Soyang-ho was calculated. To calculate the exact area where green algae occurred, image classification was performed based on the support vector machine algorithm. As a result, green algae in Soyang-ho occurred around the point where the impurities that caused the green algae were introduced. It seemed to temporarily decrease due to the effects of Typhoon Khanun in August 2023, but green algae increased again due to the continued heat. Soyang-ho is one of the major water sources in the metropolitan area, suggesting that we must prepare for repeated green algae outbreaks.

Keyword

표/그림 (13)

그림 Fig. 1. Workflow in this study.
그림 Fig. 2. Photograph of Soyang-ho. (a) Soyang-ho filmed with a drone (Aug. 5, 2023). (b) Soyang-ho filmed with a drone (Aug. 9, 2023). (c) News report (Aug. 20, 2023) (Lee, 2023a). (d) News report (Sep. 8, 2023) (Jeon, 2023).
그림 Fig. 3. Sentinel-2 image of Soyang-ho at the time of the inflow of impurities (True Color image, July 1, 2023).
그림 Fig. 4. Basic classification by SVM (Foody and Mathur, 2004).
표 Table 1. Satellite image data listed in this study
표 Table 2. Example of confusion matrix
표 Table 4. Confusion matrix from classification result (2023/07/19)
표 Table 3. Precision, Recall, and Accuracy calculated from the confusion matrix
그림 Fig. 5. Image classification result of Soyang-ho: (a) 2023/07/04 from PlanetScope, (b) 2023/07/19 from PlanetScope, (c) 2023/07/21 from Sentinel-2, (d) 2023/07/26 from Sentinel-2, (e) 2023/08/01 from PlanetScope, (f) 2023/08/05 from Sentinel-2, (g) 2023/08/08 from Sentinel-2, (h) 2023/08/18 from PlanetScope, (i) 2023/08/25 from Sentinel-2, (j) 2023/08/26 from PlanetScope, (k) 2023/09/01 from PlanetScope, (l) 2023/09/08 from PlanetScope, and (m) 2023/09/09 from PlanetScope.
표 Table 5. Confusion matrix from classification result (2023/09/01)
그림 Fig. 7. Time-series analysis result rainfall and temperature: (a) Injae and (b) Chuncheon.
그림 Fig. 6. Time-series analysis result in Algae.
표 Table 6. Algae areas from SVM classification result

AI 본문요약
AI-Helper

제안 방법

이에 본 연구에서는 2023년 여름철 소양호에 발생한 녹조의 변화를 분석하기 위하여 Sentinel-2 위성과 PlanetScope 위성 영상을 수집하고 영상분류를 수행하였다. 영상분류 결과에서 시기별 녹조의 발생 면적을 산출하고 소양호에 발생한 녹조 변화에 대한 시계열 분석을 수행하였다.
5는 획득된 각 영상의 분류 결과이다. 각 영상은 녹조(Algae), 산지(Forest), 물(Water), 도시(Urban)의 4가지 클래스 기준으로 분류하였다. 일부 영상에서 구름이나 누락된 영역이 포함된 경우는 구름(Cloud), 그림자(Show) 2개의 클래스를 추가하여 6가지의 클래스로 분류를 수행하였다.
일부 영상에서 구름이나 누락된 영역이 포함된 경우는 구름(Cloud), 그림자(Show) 2개의 클래스를 추가하여 6가지의 클래스로 분류를 수행하였다. 각 영상분류는 정확도 분석을 수행하여 85% 이상의 영상분류 정확도에 도달하도록 반복수행하였다. 대부분의 영상은 6가지의 클래스로 분류되었으며 8월 18일 영상은 5가지 클래스, 9월 8일과 9월 9일 영상은 4가지 클래스로 분류되었다.
본 연구에서는 2023년 여름철 갑작스럽게 발생한 소양호의 녹조 면적의 변화를 위성영상을 사용하여 분석하였다. 녹조의 면적을 정량적으로 산출하기 위하여 머신러닝 알고리즘 중 하나인 SVM 알고리즘을 사용하여 영상분류를 수행하였고 그 결과에서 녹조의 면적을 산출하였다.

대상 데이터

본 연구에서는 자료에 자유롭게 접근이 가능하며 무료로 사용이 가능한 유럽항공우주국(European Space Agency, ESA)의 Sentinel-2 위성과 Planet사의 고해상도 위성영상인 PlantScope 위성 영상을 사용하여 2023년 여름철 소양호에 발생한 녹조의 변화를 분석하였다. 녹조의 변화를 분석하기 위해서는 획득한 자료에서 녹조를 관측하기 위한 밴드를 선택하고 조합하는 가공을 수행해야 한다.
이에 본 연구에서는 소양호 녹조의 진행을 시계열로 분석하기 위하여 녹조가 최초로 보고된 강원도 인제군의 인제대교 인근부터 하류 방향으로 약 30 km 구간을 연구지역으로 설정하였다. 실제로 6월 29일과 30일에 걸쳐 60 mm 이상의 강수가 있었고 7월 1일 위성영상에서 불순물이 유입된 것을 확인하였다(Fig.
본 연구에서는 녹조 발생의 원인으로 지목된 불순물 유입이 발생한 7월 1일을 기준으로 이후의 약 2달 간의 Sentinel-2 위성과 PlanetScope 위성 영상을 사용하였다(Table 1). 각 위성영상은 지표 반사도(surface reflectance)로 가공된 Level-2 데이터 중 주변환경과 녹조의 파장별 반사도 특징을 고려하여 식(1)과 같이 near-infrared(NIR), Red, Green, Blue 4개의 밴드를 조합하여 영상분류에 사용하였다.

데이터처리

이에 본 연구에서는 2023년 여름철 소양호에 발생한 녹조의 변화를 분석하기 위하여 Sentinel-2 위성과 PlanetScope 위성 영상을 수집하고 영상분류를 수행하였다. 영상분류 결과에서 시기별 녹조의 발생 면적을 산출하고 소양호에 발생한 녹조 변화에 대한 시계열 분석을 수행하였다.
SVM 기반의 영상분류를 수행하기 위해 사전에 훈련데이터와 검증데이터로 나누어 데이터세트를 준비한다. 이 후 훈련데이터를 사용하여 영상분류를 수행한 뒤 그 결과를 검증데이터와 비교하여 영상분류의 정확도를 검증한다. 검증된 영상분류 결과를 기반으로 연구지역 내의 녹조 발생 면적을 산출한 뒤 시계열 분석을 수행하였다(Fig.
이 후 훈련데이터를 사용하여 영상분류를 수행한 뒤 그 결과를 검증데이터와 비교하여 영상분류의 정확도를 검증한다. 검증된 영상분류 결과를 기반으로 연구지역 내의 녹조 발생 면적을 산출한 뒤 시계열 분석을 수행하였다(Fig. 1).

이론/모형

가공된 영상 자료는 녹조 면적의 변화를 분석하기 위하여 먼저 영상분류 과정을 수행한다. 영상분류는 머신러닝 기법 중 하나인 support vector machine(SVM) 알고리즘을 적용하였다. SVM 기반의 영상분류를 수행하기 위해 사전에 훈련데이터와 검증데이터로 나누어 데이터세트를 준비한다.
본 연구에서는 2023년 여름철 갑작스럽게 발생한 소양호의 녹조 면적의 변화를 위성영상을 사용하여 분석하였다. 녹조의 면적을 정량적으로 산출하기 위하여 머신러닝 알고리즘 중 하나인 SVM 알고리즘을 사용하여 영상분류를 수행하였고 그 결과에서 녹조의 면적을 산출하였다.

성능/효과

영상분류는 정확도 기준치인 85% 이상을 달성하기 위하여 최소 1회부터 최대 5회까지 반복수행 되었다. 그 결과 분석대상인 영상 전체가 정확도 기준치에 도달하였다. 영상분류의 정확도는 최소 0.
987이었다. 영상분류의 정밀도와 재현율의 평균값의 차이는 크지 않았으나 정밀도에 비해 재현율의 범위가 더 크게 나타났다.
위성영상을 통해 분석한 결과, 녹조는 홍수 등에 의해 하천에 영양분이 공급되고 기온이 상승하면 발생하는 것을 보였다. 실제로 태풍 카눈에 의해 녹조가 감소될 것을 기대하였으나 희석되기에는 적은 강수량과 카눈 발생 이후 고온이 유지됨에 따라 녹조가 재증식한 것으로 판단된다.

후속연구

또한 한국수자원공사는 녹조 발생을 7월 28일 최초로 보고되었으나, 위성영상분석 결과 그보다 몇주앞선 시점에 녹조가 발생한 것으로 나타났다. 본 연구결과는 전세계적으로 기후변화가 진행되는 상황에서 앞으로도 소양호에 녹조가 발생할 가능성을 보여주고 있다. 이는 소양호의 녹조 발생을 이례적인 현상으로 보지 않고 앞으로 지속적으로 발생할 가능성을 염두하고 지속적인 모니터링이 필요함을 시사한다.
본 연구결과는 전세계적으로 기후변화가 진행되는 상황에서 앞으로도 소양호에 녹조가 발생할 가능성을 보여주고 있다. 이는 소양호의 녹조 발생을 이례적인 현상으로 보지 않고 앞으로 지속적으로 발생할 가능성을 염두하고 지속적인 모니터링이 필요함을 시사한다.

참고문헌 (23)

Amini, S., Saber, M., Rabiei-Dastjerdi, H., and Homayouni,？S., 2022. Urban land use and land cover change？analysis using random forest classification of？Landsat time series. Remote Sensing, 14(11), 2654. https://doi.org/10.3390/rs14112654

상세보기
Cortes, C., and Vapnik, V., 1995. Support-vector networks.？Machine Learning, 20, 273-297.

상세보기
Foody, G. M., and Mathur, A., 2004. A relative evaluation？of multiclass image classification by support？vector machines. IEEE Transactions on Geoscience？and Remote Sensing, 42(6), 1335-1343. https://doi.org/10.1109/TGRS.2004.827257

상세보기
Han, S., Qubo, C., and Meng, H., 2012. Parameter？selection in SVM with RBF kernel function. In？Proceedings of the World Automation Congress？2012, Puerto Vallarta, Mexico, June 24-28, pp.？1-4. https://ieeexplore.ieee.org/abstract/document/6321759
Jargal, N., and An, K. G., 2023. Seasonal and interannual？responses of blue-green algal taxa and chlorophyll？to a monsoon climate, flow regimes, and N:P？ratios in a temperate drinking-water reservoir.？Science of the Total Environment, 896, 165306.？https://doi.org/10.1016/j.scitotenv.2023.165306

상세보기
Jeon, S. Y., 2023. Hello TV news. Available online:？https://news.lghellovision.net/news/articleView.html?idxno435390 (accessed on Sept. 25, 2023).
Jung, M., Kang, W., Song, A., and Kim, Y., 2020. A？study on the improvement of geometric quality？of KOMPSAT-3/3A imagery using PlanetScope？imagery. Journal of the Korean Society of Surveying,？Geodesy, Photogrammetry and Cartography,？38(4), 327-343. https://doi.org/10.7848/ksgpc.2020.38.4.327

원문보기 상세보기
Jung, S., Shin, M., Kim, J., Eum, J., Lee, Y., Lee, J. et？al., 2016. The effects of Asian summer monsoons？on algal blooms in reservoirs. Inland Waters,？6(3), 406-413. https://doi.org/10.1080/IW-6.3.967

상세보기
Kang, N. Y., Go, S. Y., and Cho, G. S., 2013. A comparative？study on suitable SVM kernel function of land cover？classification using KOMPSAT-2 imagery. Journal？of Korean Society for Geospatial Information？Science, 21(2), 19-25. https://doi.org/10.7319/kogsis.2013.21.2.019

원문보기 상세보기
Korea Meteorological Administration, 2023a. Temperature？analysis - Graph. Available online: https://data.kma.go.kr/stcs/grnd/grndTaList.do?pgmNo70？(accessed on Sept. 25, 2023).
Korea Meteorological Administration, 2023b. Daily？data. Available online: https://www.weather.go.kr/w/obs-climate/land/past-obs/obs-by-day.do?stn211&yy2023&mm8&obs1 (accessed on？Oct. 19, 2023).
Lee, Y. J., 2023a. KBS news. Available online: https://news.kbs.co.kr/news/pc/view/view.do?ncd7752574&refA (accessed on Sept. 25, 2023).
Lee, Y. J., 2023b. KBS news. Available online: https://news.kbs.co.kr/news/pc/view/view.do?ncd7741630 (accessed on Oct. 18, 2023).
Lee, Y. K., Hong, S. H., and Kim, S. W., 2021. Monitoring？of water level change in a dam from high-resolution？SAR data. Remote Sensing, 13(18), 3641. https://doi.org/10.3390/rs13183641

상세보기
Paerl, H. W., 2018. Mitigating toxic planktonic cyanobacterial？blooms in aquatic ecosystems facing increasing？anthropogenic and climatic pressures. Toxins,？10(2), 76. https://doi.org/10.3390/toxins10020076

상세보기
Park, D. K., and Lee, Y., 2020. Numerical simulations？on the application of a closed-loop lake water？heat pump system in the Lake Soyang, Korea.？Energies, 13(3), 762. https://doi.org/10.3390/en13030762

상세보기
Ramayanti, S., Kim, B. C., Park, S., and Lee, C. W., 2022. Performance of support vector machine for？classifying land cover in optical satellite images:？A case study in Delaware River port area. Korean？Journal of Remote Sensing, 38(6-4), 1911-1923.？https://doi.org/10.7780/kjrs.2022.38.6.4.5

원문보기 상세보기
Shin, H. S., 2023. Press release. Available online: https://www.me.go.kr/wonju/web/board/read.do?menuId1056&boardMasterId258&boardCategoryId528&boardId1618200 (accessed on Sept. 25,？2023).
Szantoi, Z., and Strobl, P., 2019. Copernicus Sentinel-2？calibration and validation. European Journal of？Remote Sensing, 52(1), 253-255. https://doi.org/10.1080/22797254.2019.1582840

상세보기
Talukdar, S., Singha, P., Mahato, S., Shahfahad, Pal, S.,？Liou, Y. A., and Rahman, A., 2020. Land-use？land-cover classification by machine learning？classifiers for satellite observations-A review.？Remote Sensing, 12(7), 1135. https://doi.org/10.3390/rs12071135

상세보기
Tu, Y. H., Johansen, K., Aragon, B., El Hajj, M. M., and？McCabe, M. F., 2022. The radiometric accuracy of？the 8-band multi-spectral surface reflectance from？the planet SuperDove constellation. International？Journal of Applied Earth Observation and？Geoinformation, 114, 103035. https://doi.org/10.1016/j.jag.2022.103035
Wainer, J., and Fonseca, P., 2021. How to tune the RBF？SVM hyperparameters? An empirical evaluation？of 18 search algorithms. Artificial Intelligence？Review, 54(6), 4771-4797. https://doi.org/10.1007/s10462-021-10011-5

상세보기
Yeom, H. J., Hong, E. M., and Kim, B. C., 2023. A study？on the monitoring of stratification variability in？Lake Soyang over the past 30 years. In Proceedings？of the 2023 Korea Water Resources Association？Conference, Goseong, Republic of Korea, May？25-26, pp. 502-502. https://koreascience.kr/article/CFKO202323654251567.page

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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