[논문]K-Means Clustering 기법과 원격탐사 자료를 활용한 탄소기반 글로벌 해양 생태구역 분류

김영준; 배덕원; 임정호; 정시훈; 추민기; 한대현

doi:10.7780/kjrs.2023.39.5.3.12

K-Means Clustering 기법과 원격탐사 자료를 활용한 탄소기반 글로벌 해양 생태구역 분류
Classification of Carbon-Based Global Marine Eco-Provinces Using Remote Sensing Data and K-Means Clustering 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.1043 - 1060

김영준 (울산과학기술원 지구환경도시건설공학과) , 배덕원 (울산과학기술원 지구환경도시건설공학과) , 임정호 (울산과학기술원 지구환경도시건설공학과) , 정시훈 (울산과학기술원 지구환경도시건설공학과) , 추민기 (울산과학기술원 지구환경도시건설공학과) , 한대현 (울산과학기술원 지구환경도시건설공학과)

초록
AI-Helper

최근 기후변화의 가속화로 바다에 의한 탄소의 흡수 작용을 칭하는 '블루 카본(blue carbon)'에 대한 관심이 많아지고 있지만, 탄소 순환의 핵심이 되는 해양 생태계에 대한 우리의 이해는 아직 부족한 실정이다. 본 연구는 탄소 순환을 고려한 글로벌 해양 생태 권역(marine eco-province)을 k-means clustering 기법을 활용하여 분류·분석하였다. 지난 20년 간(2001-2020) 위성을 활용하여 생산된 Carbon-based Productivity Model (CbPM) 순 일차 생산량(Net primary production, NPP), particulate inorganic and organic carbon (PIC and POC), 위성 관측과 재분석모델을 결합하여 생산한 해수면 염분(sea surface salinity, SSS) 및 온도(sea surface temperature, SST) 총 다섯가지 자료를 활용하였다. 최적화 과정을 거쳐 총 9개의 생태권역을 도출하였으며, 각 권역의 공간분포와 특성을 분석하였다. 이 중 5개의 권역은 주로 대양의 특성을 반영하고, 4개의 권역은 연안 및 고위도 해역의 특성을 반영하는 것으로 나타났다. 또한, 기존에 알려진 해양 생태 권역과의 정성적 비교를 통하여 탄소순환을 고려한 해양 생태권역의 특징을 상세히 분석하였다. 마지막으로 과거 5년 단위(2001-2005, 2006-2010, 2011-2015, 2016-2020)로 생태 권역의 변화를 분석하였으며, 연안생태계의 빠른 변화와 특히 담수유입으로 인해 생산량이 높고 생태적으로 중요한 권역의 감소를 확인하였다. 이러한 연구 결과는 탄소 순환 및 기후변화를 고려한 해양 생태 권역 분류 및 연안 관리에 대한 중요한 참고자료로 활용 될 수 있으며, 기후 변화에 취약한 지역에 대한 체계적인 관리 지침 개발에 활용될 수 있다.

Abstract ▼ AI-Helper

An acceleration of climate change in recent years has led to increased attention towards 'blue carbon' which refers to the carbon captured by the ocean. However, our comprehension of marine ecosystems is still incomplete. This study classified and analyzed global marine eco-provinces using k-means clustering considering carbon cycling. We utilized five input variables during the past 20 years (2001-2020): Carbon-based Productivity Model (CbPM) Net Primary Production (NPP), particulate inorganic and organic carbon (PIC and POC), sea surface salinity (SSS), and sea surface temperature (SST). A total of nine eco-provinces were classified through an optimization process, and the spatial distribution and environmental characteristics of each province were analyzed. Among them, five provinces showed characteristics of open oceans, while four provinces reflected characteristics of coastal and high-latitude regions. Furthermore, a qualitative comparison was conducted with previous studies regarding marine ecological zones to provide a detailed analysis of the features of nine eco-provinces considering carbon cycling. Finally, we examined the changes in nine eco-provinces for four periods in the past (2001-2005, 2006-2010, 2011-2015, and 2016-2020). Rapid changes in coastal ecosystems were observed, and especially, significant decreases in the eco-provinces having higher productivity by large freshwater inflow were identified. Our findings can serve as valuable reference material for marine ecosystem classification and coastal management, with consideration of carbon cycling and ongoing climate changes. The findings can also be employed in the development of guidelines for the systematic management of vulnerable coastal regions to climate change.

주제어

표/그림 (10)

표 Table 1. The data used in this study
그림 Fig. 1. The result of k-means clustering. (a) Nine eco-provinces considering particulate carbons using k-means clustering (k=9) during 2001-2020. (b) Evaluation scores (Calinski-Harabasz index) according to the changes in k.
그림 Fig. 2. Characteristics of the nine eco-provinces by five input variables. (a) Carbon-based Production Model (CbPM) Net Primary Production (NPP). (b) Particulate inorganic carbon (PIC). (c) Particulate organic carbon (POC). (d) Sea surface salinity (SSS). (e) Sea surface temperature (SST).
표 Table 2. Statistics of the input variables for nine eco-provinces (A-I)
그림 Fig. 3. Maps for eco-provinces and five input variables. (a) Nine eco-provinces and average values of five input variables (2001–2020). (b) Carbon-based Production Model (CbPM) Net Primary Production (NPP). (c) Particulate inorganic carbon (PIC). (d) Particulate organic carbon (POC). (e) Sea surface salinity (SSS). (f) Sea surface temperature (SST).
그림 Fig. 4. Maps for Longhurst Global Biogeochemical Provinces (BGCPs; Longhurst, 2007) and Large Marine Ecosystem (LMEs; Sherman, 2005). (a) BGCPs. (b) LMEs. (c) Nine eco-provinces with BGCPs. (d) Nine eco-provinces with LMEs.
그림 Fig. 5. Maps for nine eco-provinces with Large Marine Ecosystems (LMEs) focusing on four regions. (a) Yellow Sea and East China Sea. (b) Bay of Bengal. (c) North Brazil Shelf. (d) Gulf of Mexico.
그림 Fig. 6. Spatial distributions of nine eco-provinces for four periods. (a) 2001-2005. (b) 2006-2010. (c) 2011- 2015. (d) 2016-2020. The dashed circles (R1-R3) indicate the regions of interest in the analysis.
그림 Fig. 7. Spatial distributions of CbPM NPP for four periods with Longhurst Global Biogeochemical Provinces. (a) 2001-2005. (b) 2006-2010. (c) 2011-2015. (d) 2016-2020.
그림 Fig. 8. Comparison of the percentage of extents of nine eco-provinces located throughout open oceans by four periods: 2001-2005, 2006-2010, 2011-2015, and 2016-2020. (a) Provinces A-E. (b) Provinces F-I.

AI 본문요약
AI-Helper

문제 정의

본 연구는 탄소순환을 고려한 글로벌 해양 생태권역을 분류하고자 하였다. 지난 20년(2001–2020)간 해색위성을 활용하여 관측된 NPP, PIC, POC, SSS, SST 자료를 활용하였으며, 널리 사용되는 비지도 분류기법인 k-means clustering 알고리즘을 사용하였다.

제안 방법

더 나아가 본 연구에서 제시한 생태권역을 과거 5년단위로 나누어(2001–2005, 2006–2010, 2011–2015, 2016–2020) 각 생태 권역의 변화를 분석하였다.
따라서 본 연구는 탄소순환을 고려할 수 있는 변수를 활용하여 글로벌 해양 생태권역을 분류·분석 하였다
본 연구는 CbPM NPP, PIC, POC를 활용하여 아직까지 시도되지 않은 탄소순환을 고려한 해양 생태 구역 분류를 수행하였다. 총 9개의 생태권역을 도출하여 아직은 대분류 수준에 그치고 있지만, 추후 탄소순환과 기후변화를 고려한 글로벌 및 지역별 생태구역 분류를 위한 기초자료 및 가이드 자료로 활용할 수 있다.
본 연구에서 제시한 K-means clustering 기법을 활용한 탄소순환을 고려한 생태권역 분류 결과와 기존 널리 알려진 생태권역 분류 지도를 정성적으로 비교하였다(Fig. 4).
생태 권역 분류 모델을 활용하여 지난 20년간(2001–2020) 생태 권역의 변화를 5년 단위로 분석하였다(Fig
4). 앞서 설명하였듯, 각각의 생태권역은 각자 본연의 목적에 맞추어 글로벌 및 연안 해역을 분류한 결과일 뿐 만 아니라, 분석의 수준도 각각 BGCPs와 LMEs 각각 54개와 66개로 본 연구의 수준(9개)과 다르기 때문에, 본 연구에서 제시한 결과와 일치할 필요는 없으며, 정성적인 비교용으로만 활용을 하였다(Figs. 4a and b).

대상 데이터

지난 20년간(2001–2020) 위성을 활용하여 생산된 탄소량을 고려한 NPP, 유기 및 무기 탄소 관련 산출물, 그리고 위성관측과 재분석모델을 결합하여 생산한 해수면 염분(sea surface salinity, SSS) 및 온도(sea surface temperature, SST) 자료를 활용하였다.

데이터처리

그 후, 각 생태권역이 가지는 특징을 다섯가지 입력변수의 측면에서 상세하게 분석하였다. 2.1.4.절에 소개한 기존 알려진 생태권역과의 정성적 비교를 통하여 본 연구에서 제시하는 탄소순환을 고려한 글로벌 해양 생태권역의 특징을 분석하였다. 더 나아가 본 연구에서 제시한 생태권역을 과거 5년단위로 나누어(2001–2005, 2006–2010, 2011–2015, 2016–2020) 각 생태 권역의 변화를 분석하였다.

이론/모형

지난 20년(2001–2020)간 해색위성을 활용하여 관측된 NPP, PIC, POC, SSS, SST 자료를 활용하였으며, 널리 사용되는 비지도 분류기법인 k-means clustering 알고리즘을 사용하였다

성능/효과

가장 먼저 BGCPs의 경우, 남아메리카의 서쪽을 가로지르는 적도-무역풍 지대와 유사한 권역(Pacific Equatorial Divergence Province)이 D, E 권역으로 구분할 수 있음을 관측하였고, 남반구의 A, B, C권역이 남극해, 아열대수렴대(subtropical convergence zone, STCZ)와 편서풍지역(BGCPs에서 각각 Antarctic Province, Subantatctic Province 및 S.Subtropical Convergence Province)을 잘 분리하는 것으로 관측되었다(Fig. 4c).
과거 5년 단위(2001–2005, 2006–2010, 2011–2015, 2016–2020) eco-province 분포 변화 분석을 통해 탄소순환과 생물다양성의 측면에서 상대적으로 중요한 생태구역인 G와 I 권역이 유의미하게 감소하고 있는 것을 확인하였다.
3b and d)의 공간분포와 유사하게 나누어진 것을 확인하였다. 해양 탄소순환과 밀접한 관계가 있는 CbPM NPP와 POC가 잘 반영된 것으로 보이며, 연안 지역의 경우 PIC 값의 분포에 따라서 생태권역 분류가 잘 이루어진 것으로 보인다. SSS와 SST의 경우, 생태권역 분류 결과의 공간 분포와 밀접한 관계가 있는 것으로 보이지는 않지만, 두 변수 모두 NPP를 비롯한 생태계 구성에 중요한 요소로 활용되는 자료일 뿐만 아니라, 앞서 분석하였듯, 저염분, 저수온과 관련된 생태권역의 분류에 있어 주요한 입력자료로 활용 되었을 것이라 판단된다.

후속연구

해양 탄소순환과 밀접한 관계가 있는 CbPM NPP와 POC가 잘 반영된 것으로 보이며, 연안 지역의 경우 PIC 값의 분포에 따라서 생태권역 분류가 잘 이루어진 것으로 보인다. SSS와 SST의 경우, 생태권역 분류 결과의 공간 분포와 밀접한 관계가 있는 것으로 보이지는 않지만, 두 변수 모두 NPP를 비롯한 생태계 구성에 중요한 요소로 활용되는 자료일 뿐만 아니라, 앞서 분석하였듯, 저염분, 저수온과 관련된 생태권역의 분류에 있어 주요한 입력자료로 활용 되었을 것이라 판단된다.
비지도 분류기법(k-means clustering)을 사용하여 탄소순환을 고려하여 글로벌 해양을 총 9개의 생태권역으로 구분하였지만, 너무 적은 분류군으로 인하여 BGCPs와 LMEs와 비교하였을 때 모든 해역을 세부적으로 구분하지 못하고 대분류 수준에서 그쳤다는 한계가 있다. 또한, 같은 권역으로 분류가 되었다 할 지라도 H권역과 같이 지리적인 차이뿐만 아니라 생태학적으로 상이한 성격을 가지는 경우도 나타나고 있어, 같은 생태군의 지위를 갖는다고 보기 어려운 분류결과가 있다는 것도 한계점으로 고려할 수 있다. 이러한 분류 한계는 추후 보다 많은 수의 분류군(k)을 지정해주거나 다른 분류 기법의 활용 함으로써 보다 체계적인 생태권역 분류가 가능할 것으로 기대된다.
또한, 같은 권역으로 분류가 되었다 할 지라도 H권역과 같이 지리적인 차이뿐만 아니라 생태학적으로 상이한 성격을 가지는 경우도 나타나고 있어, 같은 생태군의 지위를 갖는다고 보기 어려운 분류결과가 있다는 것도 한계점으로 고려할 수 있다. 이러한 분류 한계는 추후 보다 많은 수의 분류군(k)을 지정해주거나 다른 분류 기법의 활용 함으로써 보다 체계적인 생태권역 분류가 가능할 것으로 기대된다.
본 연구는 CbPM NPP, PIC, POC를 활용하여 아직까지 시도되지 않은 탄소순환을 고려한 해양 생태 구역 분류를 수행하였다. 총 9개의 생태권역을 도출하여 아직은 대분류 수준에 그치고 있지만, 추후 탄소순환과 기후변화를 고려한 글로벌 및 지역별 생태구역 분류를 위한 기초자료 및 가이드 자료로 활용할 수 있다.
또한, 동남아시아와 호주 북부해안, 대서양 연안해역에 분포한다고 알려진 맹그로브(Mangoroves) 숲 또한 거대한 탄소저장고로써 연안 생태계의 중요한 지위를 가진다. 추후 갯벌 및 맹그로브 서식지에 대한 보다 상세하고 정확한 지도가 생산된다면, eco-province와 비교 수행을 통한 심도싶은 분석이 가능할 것으로 기대된다.
추후 연구에서는 실제 해양 생물량을 대표할 수 있는 동·식물 플랑크톤 농도, 수산자원 어획량 등의 변수, 생태계의 건강 척도로 활용되는 각종 종 다양성 지표(biodiverisity), 대양과 연안의 특성을 대표할 수 있는 수심(bathymetry) 자료 등을 추가적으로 고려한다면 탄소를 고려한 해양 생태계에 대한 보다 심도있는 분석이 가능할 것으로 기대된다.

참고문헌 (48)

Akhil, V. P., Vialard, J., Lengaigne, M., Keerthi, M. G.,？Boutin, J., Vergely, J. L., and Papa., F., 2020.？Bay of Bengal Seasurface salinity variability？using a decade of improved SMOS re-processing.？Remote Sensing of Environment, 248, 111964.？https://doi.org/10.1016/j.rse.2020.111964

상세보기
Balch, W. M., Gordon, H. R., Bowler, B. C., Drapeau,？D. T., and Booth, E. S., 2005. Calcium carbonate？measurements in the surface global ocean based？on moderate-resolution imaging spectroradiometer？data. Journal of Geophysical Research: Oceans,？110(C7). https://doi.org/10.1029/2004JC002560

상세보기
Balch, W. M., and Mitchell, C., 2023. Remote sensing？algorithms for particulate inorganic carbon (PIC)？and the global cycle of PIC. Earth-Science Reviews, 104363. https://doi.org/10.1016/j.earscirev.2023.104363

상세보기
Basu, S., and Mackey, K. R., 2018. Phytoplankton as key？mediators of the biological carbon pump: Their？responses to a changing climate. Sustainability,？10(3), 869. https://doi.org/10.3390/su10030869

상세보기
Behrenfeld, M. J., Boss, E., Siegel, D. A., and Shea, D.？M., 2005. Carbon-based ocean productivity and？phytoplankton physiology from space. Global？Biogeochemical Cycles, 19(1). https://doi.org/10.1029/2004GB002299

상세보기
Budillon, G., Castagno, P., Aliani, S., Spezie, G., and？Padman, L., 2011. Thermohaline variability？and antarctic bottom water formation at the ross？sea shelf break. Deep Sea Research Part I:？Oceanographic Research Papers, 58(10), 1002-1018. https://doi.org/10.1016/j.dsr.2011.07.002

상세보기
Calinski, T., and Harabasz, J., 1974. A dendrite method？for cluster analysis. Communications in Statisticstheory and Methods, 3(1), 1-27. https://doi.org/10.1080/03610927408827101
Chaitanya, A. V. S., Lengaigne, M., Vialard, J.,？Gopalakrishna, V. V., Durand, F., Kranthikumar,？C. et al., 2014. Salinity measurements collected？by fishermen reveal a "River in the Sea" flowing？along the Eastern Coast of India. Bulletin of the？American Meteorological Society, 95(12), 1897-1908. https://doi.org/10.1175/BAMS-D-12-00243.1

상세보기
Chapman, E. J., Byron, C. J., Lasley-Rasher, R., Lipsky,？C., Stevens, J. R., and Peters, R., 2020. Effects？of climate change on coastal ecosystem food？webs: Implications for aquaculture. Marine？Environmental Research, 162, 105103. https://doi.org/10.1016/j.marenvres.2020.105103

상세보기
Chen, Y., Dong, J., Xiao, X., Ma, Z., Tan, K., Melville,？D. et al., 2019. Effects of reclamation and natural？changes on coastal wetlands bordering China's？Yellow Sea from 1984 to 2015. Land Degradation？& Development, 30(13), 1533-1544. https://doi.org/10.1002/ldr.3322

상세보기
Cowardin, L. M., 1979. Classification of wetlands and？deepwater habitats of the United States. Fish？and Wildlife Service, US Department of the？Interior. https://pubs.usgs.gov/publication/2000109
Cramer, A. N., and Katz, S. L., 2021. Primary production？and habitat stability organize marine communities.？Global Ecology and Biogeography, 30(1), 11-24.？https://doi.org/10.1111/geb.13192

상세보기
Fournier, S., Chapron, B., Salisbury, J., Vandemark, D.,？and Reul, N., 2015. Comparison of spaceborne？measurements of sea surface salinity and colored？detrital matter in the Amazon Plume. Journal of？Geophysical Research: Oceans, 120(5), 3177-3192.？https://doi.org/10.1002/2014JC010109

상세보기
Gomes, H. D. R., Xu, Q., Ishizaka, J., Carpenter, E. J.,？Yager, P. L., and Goes, J. I., 2018. The influence？of riverine nutrients in niche partitioning of？phytoplankton communities-A contrast between？the Amazon River Plume and the Changjiang？(Yangtze) River diluted water of the East China？Sea. Frontiers in Marine Science, 5. https://doi.org/10.3389/fmars.2018.00343

상세보기
Gordon, H. R., Boynton, G. C., Balch, W. M., Groom,？S. B., Harbour, D. S., and Smyth, T. J., 2001.？Retrieval of coccolithophore calcite concentration？from SeaWiFS imagery. Geophysical Research？Letters, 28(8), 1587-1590. https://doi.org/10.1029/2000GL012025

상세보기
Gouveia, N. A., Gherardi, D. F. M., Wagner, F. H., Paes,？E. T., Coles, V. J., and Aragao., L. E. O. C., 2019. The salinity structure of the Amazon River？Plume drives spatiotemporal variation of oceanic？primary productivity. Journal of Geophysical？Research: Biogeosciences, 124(1), 147-165. https://doi.org/10.1029/2018JG004665

상세보기
Gregr, E. J., and Bodtker, K. M., 2007. Adaptive？classification of marine ecosystems: identifying？biologically meaningful regions in the marine？environment. Deep Sea Research Part I: Oceanographic Research Papers, 54(3), 385-402. https://doi.org/10.1016/j.dsr.2006.11.004

상세보기
Guo, J., Wang, J., Xu, C., and Song, Y., 2022. Modeling？of spatial stratified heterogeneity. GIScience &？Remote Sensing, 59(1), 1660-1677. https://doi.org/10.1080/15481603.2022.2126375

상세보기
Hong, G. H., Ahn, Y. H., Son, Y. B., Ryu, J. H., Kim, C.？J., Yang, D. B., Kim, Y. I., and Chung, C. S., 2011.？Particulate Organic Carbon (POC) Algorithms？for the southwestern part of the East Sea during？spring-summer period using MODIS Aqua. Korean？Journal of Remote Sensing, 27(2), 107-120. https://doi.org/10.7780/kjrs.2011.27.2.107

원문보기 상세보기
Hopkinson, B. M., Mitchell, B. G., Reynolds, R. A., Wang,？H., Selph, K. E., Measures, C. I. et al., 2007.？Iron limitation across chlorophyll gradients in the？southern Drake Passage: Phytoplankton responses？to iron addition and photosynthetic indicators of？iron stress. Limnology and Oceanography, 52(6),？2540-2554. https://doi.org/10.4319/lo.2007.52.6.2540

상세보기
Jang, E., Kim, Y. J., Im, J., and Park, Y. G., 2021.？Improvement of SMAP sea surface salinity in？river-dominated oceans using machine learning？approaches. GIScience & Remote Sensing, 58(1),？138-160. https://doi.org/10.1080/15481603.2021.1872228

상세보기
Kim, D. W., Park, Y. J., Jeong, J. Y., and Jo, Y. H., 2020. Estimation of hourly sea surface salinity？in the East China Sea using Geostationary Ocean？Color Imager measurements. Remote Sensing,？12, 5. https://doi.org/10.3390/rs12050755

상세보기
Kim, H., Kim, J., and Paeng, D., 2015. Analysis of？surface sound channel by low salinity water and？its mid-frequency acoustic characteristics in the？East China Sea and the Gulf of Guinea. The？Journal of the Acoustical Society of Korea,？34(1), 1. https://doi.org/10.7776/ASK.2015.34.1.001

원문보기 상세보기
Kim, Y. S., Jang, C. J., and Son. Y., 2015. Interannual？variability of summer chlorophyll in the Southern？Ocean: ENSO effects. Ocean and Polar Research,？37(2), 149-159. https://doi.org/10.4217/OPR.2015.37.2.149

원문보기 상세보기
Longhurst, A. R., 2007. Chapter 1 - Toward an ecological？geography of the sea. Ecological geography of？the sea (2nd ed.), Elsevier, pp. 1-17. https://doi.org/10.1016/B978-0-12-455521-1.X5000-1
Pereira, M. P. S., Mendes, K. R., Justino, F., Couto, F., da？Silva, A. S., da Silva, D. F., and Malhado, A. C.？M., 2020. Brazilian dry forest (Caatinga) response？to multiple ENSO: The role of Atlantic and Pacific？Ocean. Science of the Total Environment, 705,？135717. https://doi.org/10.1016/j.scitotenv.2019.135717

상세보기
Reygondeau, G., Cheung, W. W., Wabnitz, C. C.,？Lam, V. W., Frolicher, T., and Maury, O., 2020.？Climate change-induced emergence of novel？biogeochemical provinces. Frontiers in Marine？Science, 7, 657. https://doi.org/10.3389/fmars.2020.00657

상세보기
Reygondeau, G., Longhurst, A., Martinez, E., Beaugrand,？G., Antoine, D., and Maury, O., 2013. Dynamic？biogeochemical provinces in the global ocean.？Global Biogeochemical Cycles, 27(4), 1046-1058.？https://doi.org/10.1002/gbc.20089

상세보기
Ryan-Keogh, T. J., Thomalla, S. J., Chang, N., and？Moalusi, T., 2023. A new global oceanic multimodel net primary productivity data product.？Earth System Science Data Discussions, 2023,？1-34. https://doi.org/10.5194/essd-2023-244
Sayre, R. G., Wright, D. J., Breyer, S. P., Butler, K. A.,？Van Graafeiland, K., Costello, M. J. et al., 2017.？A three-dimensional mapping of the ocean based？on environmental data. Oceanography, 30(1),？90-103. https://www.jstor.org/stable/24897845

상세보기
Sherman, K., 1986. Introduction to parts one and two:？Large marine ecosystems as tractable entities for？measurement and management. In Sherman, L.？M. Alexander (Eds.), Variability and Management？of Large Marine Ecosystems, Westview Press,？p. 319.
Sherman, K., 2005. 1 - The large marine ecosystem？approach for assessment and management of？ocean coastal waters. Large Marine Ecosystems,？13, 3-16. https://doi.org/10.1016/S1570-0461(05)80025-4
Smitha, A., Sankar, S., and Satheesan, K., 2023. Impact？of tropical Indian Ocean warming on the surface？phytoplankton biomass at two significant coastal？upwelling zones in the Arabian Sea. Dynamics？of Atmospheres and Oceans, 104, 101401. https://doi.org/10.1016/j.dynatmoce.2023.101401

상세보기
Sonnewald, M., Dutkiewicz, S., Hill, C., and Forget,？G., 2020. Elucidating ecological complexity:？Unsupervised learning determines global marine？eco-provinces. Science Advances, 6(22), eaay4740.？https://doi.org/10.1126/sciadv.aay4740

상세보기
Spalding, M. D., Fox, H. E., Allen, G. R., Davidson, N.,？Ferdana, Z. A., Finlayson, M. A. X. et al., 2007.？Marine ecoregions of the world: A bioregionalization？of coastal and shelf areas. BioScience, 57(7),？573-583. https://doi.org/10.1641/B570707

상세보기
Stramski, D., Reynolds, R. A., Babin, M., Kaczmarek,？S., Lewis, M. R., Rottgers, R. et al., 2008.？Relationships between the surface concentration？of particulate organic carbon and optical properties？in the eastern South Pacific and eastern Atlantic？Oceans. Biogeosciences, 5(1), 171-201. https://doi.org/10.5194/bg-5-171-2008

상세보기
Tagliabue, A., Barrier, N., Du Pontavice, H., Kwiatkowski,？L., Aumont, O., Bopp, L. et al., 2020. An iron？cycle cascade governs the response of equatorial？Pacific ecosystems to climate change. Global？Change Biology, 26(11), 6168-6179. https://doi.org/10.1111/gcb.15316

상세보기
Tagliabue, A., Kwiatkowski, L., Bopp, L., Butenschon,？M., Cheung, W., Lengaigne, M., and Vialard, J.,？2021. Persistent uncertainties in ocean net primary？production climate change projections at regional？scales raise challenges for assessing impacts on？ecosystem services. Frontiers in Climate, 3. https://doi.org/10.3389/fclim.2021.738224

상세보기
Thakur, K. K., Vanderstichel, R., Barrell, J., Stryhn,？H., Patanasatienkul, T., and Revie, C. W., 2018.？Comparison of remotely-sensed sea surface？temperature and salinity products with in situ？measurements from British Columbia, Canada.？Frontiers in Marine Science, 5, 121. https://doi.org/10.3389/fmars.2018.00121

상세보기
Thompson, K., Miller, K., Johnston, P., and Santillo, D., 2017. Storage of carbon by marine ecosystems？and their contribution to climate change mitigation？(Report No. 03-2017). Greenpeace Research？Laboratories. https://www.greenpeace.to/greenpeace/wp-content/uploads/2017/05/Carbon-in-Marine-Ecosystems-Technical-Report-March-2017-GRL-TRR-03-2017.pdf
Vichi, M., Allen, J. I., Masina, S., and Hardman-Mountford, N. J., 2011. The emergence of ocean？biogeochemical provinces: A quantitative assessment？and a diagnostic for model evaluation. Global？Biogeochemical Cycles, 25(2). https://doi.org/10.1029/2010GB003867

상세보기
Yin, S., Wang, J., and Zeng, H., 2023. A bibliometric？study on carbon cycling in vegetated blue carbon？ecosystems. Environmental Science and Pollution？Research, 1-18. https://doi.org/10.1007/s11356-023-27816-2

상세보기
Yoon, S. T., 2022. Responses of the Ross Sea to the？climate change: Importance of observations in the？Ross Sea, Antarctica. Ocean and Polar Research,？44(1), 69-82. https://doi.org/10.4217/OPR.2022004

원문보기 상세보기
Westberry, T. K., Silsbe, G. M., and Behrenfeld, M. J., 2023. Gross and net primary production in the？global ocean: An ocean color remote sensing？perspective. Earth-Science Reviews, 104322.？https://doi.org/10.1016/j.earscirev.2023.104322

상세보기
Westberry, T., Behrenfeld, M. J., Siegel, D. A., and Boss,？E., 2008. Carbon-based primary productivity？modeling with vertically resolved photoacclimation.？Global Biogeochemical Cycles, 22(2). https://doi.org/10.1029/2007GB003078

상세보기
Zhang, Y., Hepner, G. F., and Dennison, P. E., 2012.？Delineation of phenoregions in geographically？diverse regions using k-means++ clustering: A？case study in the Upper Colorado River Basin.？GIScience & Remote Sensing, 49(2), 163-181.？https://doi.org/10.2747/1548-1603.49.2.163

상세보기
Zhang, Y., and West, N. E., 2021. Implement and analysis？on current ecosystem classification in Western？Utah of the United States & Yukon Territory of？Canada. Grasses and Grassland-New Perspectives.？http://dx.doi.org/10.5772/intechopen.100557
Zhao, Q., Basher, Z., and Costello, M. J., 2020. Mapping？near surface global marine ecosystems through？cluster analysis of environmental data. Ecological？Research, 35(2), 327-342. https://doi.org/10.1111/1440-1703.12060

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