A study on red tide detection and prediction based on multi-sensor remote sensing data

Abstract

본 학위논문은 원격탐사를 기반으로 하는 다중센서를 활용한 적조 탐지와 예측 연구에 대하여 기술하고 있다. 적조현상은 전 세계적으로 증가하고 있으며, 특히 한반도 주변해역은 1995년 이후 유해성 적조가 점차 대규모화, 광역화, 만성화되는 추세를 보인다. 이러한 현상은 관광 산업, 어업 및 양식업 등에서의 경제적 피해를 증가시키고 있어 심각한 사회․경제적 문제가 되고 있다. 따라서 한반도 해역의 적조 감시를 위한 탐지 및 예측의 중요성이 증가하고 있다. 현재까지는 선박을 이용한 정점 조사를 중심으로 적조와 관련된 현장자료가 제공되고 있다. 하지만 이러한 방법으로는 인력, 비용, 시간적 측면뿐만 아니라 점차 광역적으로 발생하고 있는 적조 영역을 감시하기에는 한계가 있다. 위성 및 항공기를 통해 획득된 원격탐사 자료는 적조 발생 시 빠르고 정확한 감시 차원에서 주기적이고 광역적인 탐지 및 모니터링을 가능하게 해준다. 적조 탐지 연구는 적조 면적 산출, 적조 종 구분, 적조 셀 농도 정량화로 나누어 연구되었다. 이에 대한 연구를 위하여 적조 발생 시 획득된 해수 스펙트럼, 클로로필 농도, 적조 셀 농도가 분석되었다. Margalefidinium polykrikides 적조 종을 포함한 스펙트럼은 570 nm와 680-710 nm 부근에서 최대값을 보인 반면 Noctiluca scintillans 적조 종은 청색 파장대에서는 낮은 값을 보이고 580 nm 이후에 높은 반사도가 나타났다. 한반도 남해안 해역에서 획득된 M. polykrikoides 적조 종의 셀 농도와 현장 클로로필 농도 자료를 분석한 결과, 클로로필 농도로부터의 셀 농도 추정은 유효하지 않았다. 적조 면적 산출과 관련하여 두 가지 연구를 수행하였다. 첫 번째는 해색 센서인 GOCI 영상과 육상 센서인 OLI 영상을 이용하여 공간적인 융합과 분광기반 융합을 시도하였다. 두 영상의 공간 융합을 통해서 GOCI 영상에서 관측 불가능했던 연안지역의 적조와 OLI 영상의 품질이 낮았던 외해역의 적조 모두 개선된 탐지결과 획득이 가능하였다. 분광기반 융합은 Feature-level과 rawdata-level로 나누어 수행하였다. 두 방법을 통해 산출된 적조 면적은 큰 차이를 보이지 않았지만, feature-level 방법에서 영상의 공간해상도가 낮을수록 적조 면적이 과대추정되는 경향이 나타났다. 두 번째는 연안에서 발생하는 적조를 대상으로 다중 센서를 활용할 때 발생하는 시너지 효과에 대한 연구를 수행하였다. 동일 시기에 획득된 다중 센서 영상을 활용하여 적조 통합 맵을 생성하여 현장 자료와 비교해 본 결과, 단일 센서를 사용했을 때보다 다중 센서를 사용했을 때 탐지 정확도가 높게 산출되었다. 이러한 결과를 통해 한반도 남해안과 같이 해안선이 복잡한 연안 해역에서의 적조 면적 산출 시에는 단일 센서보다 다중 센서를 활용하는 것이 보다 효과적이라는 것을 알 수 있었다. 적조 종 구분을 위하여 스펙트럼 분석 결과와 기존 적조 탐지 인덱스를 활용한 체계도를 생성하였다. GOCI 영상을 활용하여 총 8개의 적조 종의 스펙트럼 자료를 기반으로 적조 종 구분을 위한 decision tree가 개발되었다. Noctiluca 적조 종은 555 nm 파장밴드의 정규수출광량 값과 FRTD 인덱스 값을 통해 구분이 가능했다. Prorocentrum donghaiense 적조 종은 SS 인덱스 값으로 나머지 6종에서부터 구분이 가능했으며, 청색과 녹색 파장 대역의 기울기를 활용하여 나머지 적조 종을 두 개의 그룹으로 나눌 수 있었다. 412 nm와 443 nm 밴드의 기울기를 활용하여 Case-1과 Case-2 해역의 적조 발생 구분도 가능했다. GOCI 영상을 decision tree에 적용하여 추출된 영역을 확인해 본 결과, 실제 적조 발생 영역과 유사한 패턴을 보여 개발된 decision tree의 유효성을 확인하였다. 적조 셀 농도를 정량화하기 위하여 항공기 기반 초분광 자료를 활용한 새로운 인덱스 개발을 수행하였다. 현장 조사를 통해 획득된 M. polykrikoides 적조 셀 농도 자료와 해수 스펙트럼을 활용하여 기존 적조 탐지 인덱스의 최적화와 밴드 상관도가 분석된 후 이를 기반으로 green-to fluorescence ratio (GFR) 인덱스가 제안되었다. 초분광 영상에 GFR 인덱스에 적용한 결과, 0.52의 R2, 877.98 cells mL-1의 RMSE, -18.42 cells mL-1의 MBE를 보였다. 생성된 셀 농도 맵은 정밀한 적조 분포를 제공하였고, 5,000 cells mL-1 수준의 셀 농도 범위 추정이 가능했다. 적조 발생 시기 예측을 위하여 1998년부터 2016년까지의 M. polykrikoides 적조 발생 자료를 기반으로 deep neural network model인 long short-term memory (LSTM)를 sea surface temperature (SST)와 photosynthetically available radiation (PAR) 위성 영상 자료에 적용하였다. 2017년과 2018년 적조 발생 자료를 통해 평가한 결과, 적조가 발생하지 않았던 2017년은 100% 예측한 반면 2018년은 0.233의 RMSE, 94.8%의 정확도로 적조 발생 시기를 예측하였다. 본 학위논문은 위성 영상과 항공기 기반 초분광 영상을 활용하여 적조 면적 산출, 적조 종 구분, 적조 셀 농도 추정, 적조 발생 시기 예측을 수행하였다. 적조 면적 산출과 적조 종 구분은 위성 기반 해색 센서와 육상 센서 자료를 통해 유효한 결과를 보였으며, 적조 발생 시기는 위성 기반 SST와 PAR 자료를 활용하여 높은 정확도의 예측이 가능했다. 적조 셀 농도는 높은 분광 해상도를 갖는 항공기 기반 초분광 자료를 통해 정량화가 가능하였다. 이러한 연구 결과들은 적조를 탐지함에 있어서 원격탐사를 활용한 연구에 유용한 자료가 될 것으로 기대된다.