DOI QR코드

DOI QR Code

HyperSAS Data for Polar Ocean Environments Observation and Ocean Color Validation

극지 해양환경 관측 및 고위도 해색 검보정을 위한 초분광 HyperSAS 자료구축

  • Lee, Sungjae (Unit of Arctic Sea-ice prediction, Korea Polar Research Institute) ;
  • Kim, Hyun-cheol (Unit of Arctic Sea-ice prediction, Korea Polar Research Institute)
  • 이성재 (한국해양과학기술원 부설 극지연구소 북극해빙예측사업단) ;
  • 김현철 (한국해양과학기술원 부설 극지연구소 북극해빙예측사업단)
  • Received : 2018.11.23
  • Accepted : 2018.12.07
  • Published : 2018.12.31

Abstract

In Arctic and Antarctic ocean, remote sensing is the most effective observation for environmental changes due to the inaccessibility of the regions. Even though satellite, UAV (Unmanned Aerial Vehical) are well known remote sensing platforms, and research vessel also used for automatic measurement on the regions, varied environment of Polar regions require time series and wide coverage of data. Especially, in high latitude, apply an optical satellite remote sensing is not easy due to low sun altitude. In this paper, we introduce an operation of hyper-spectrometer (HyperSAS/Satlantic inc.) which is mounted on Ice Breaker Research Vessel ARAON of Korea Polar Research Institute since 2010, to acquire an above water reflectance atomatically through every research cruise on Arctic and Antarctic ocean and transit both regions. In addition to, auxiliary data for the remotely acquired data, in situ water sampling were also obtained. The above water reflectance and in situ water sampling data are continuously acquired since 2010 will contribute to improve an Ocean Color algorithm in the high latitude and help to understand ocean reflectances over from high latitude through low latitude. Preliminary result from above water reflectance showed characteristics of Arctic ocean and Antarctic Ocean and used to develop algorithms for estimating various ocean factors such as chlorophyll and suspended sediment.

북극해 및 남극해는 접근이 어려운 지역으로 해양환경 모니터링을 위해 원격탐사 기술을 이용한 관측이 효과적이다. 원격탐사 플랫폼인 인공위성, 무인기와 선박 등에 관측센서를 장착하여 연구지역의 환경변화를 모니터링하고 있지만 극지역의 다양한 환경에서는 시계열자료 및 광범위한 데이터가 필요하다. 특히 고위도 지역에서는 낮은 태양고도의 영향으로 광학원격탐사를 적용하기는 쉽지않다. 본 논문에서는 2010년도 부터 극지연구소 쇄빙연구선 아라온호에 초분광계 HyperSAS(Satlantic inc.)를 설치하여 연구항해 및 이동항해 동안 해수의 분광학적 정보를 연속적으로 획득하고, 극지 해색 원격탐사자료 성능개선을 위해 현장에서 해수샘플을 채수하며 수행하고 있는 연구를 소개한다. 해수 상부의 반사도와 현장 해수샘플링은 2010년부터 연속적으로 획득하고 있어 동일 지역에 대한 반사도의 시계열 변화를 모니터링할 수 있다. 또한 고위도에서부터 저위도까지 연속적으로 관측하여 위도별 반사도 값의 연속 변화를 파악할 수 있다. 본 논문에서 취득한 자료는 극지역에서 남극해, 북극해 해수의 반사도가 어떻게 변화하는지 이해하고, 반사도를 통한 엽록소, 부유물질 등의 다양한 인자를 추정하는 알고리즘 개발에 활용될 것이다.

Keywords

1. 서론

엽록소-a 농도(chlorophyll-a concentration)와 부유물질(suspended sediment), 표층수온(Sea surface temperature), CDOM(Colored dissolved organic matter) 등은 해양 생태계에 영향을 주는 주요한 인자로 사용된다(Lee and Lee, 2012; Ardyna et al., 2014; Cao et al., 2018; Son and Kim,2018). 이러한 인자들은 해양에서 직접 채수를 통하여 NASA의 해수 샘플 전처리 절차에 따라 측정한 결과와 분광학적 특성사이의 상관 관계를 이용하여 해색원격탐사(Ocean Color Remote Sensing)에 활용되고 있다. 해양환경의 특성을 대변할 수 있는 인자들의 분광학적 특성은 인공위성, 항공기, 선박 등에 광학, 초분광센서를 탑재하여 측정하는 방법 등이 있다(Churnside and Wilson, 2008; Son et al., 2012; Zibordi et al., 2012; Garaba and Zielinski, 2013; Martinez-Vicente et al., 2013; Park et al.,2017). 인공위성 해색원격탐사 중 해양정보 관측이 가능한 다양한 밴드를 가지고 있는 대표적인 위성센서로는 VIIRS(Visible Infrared Imaging Radiometer Suite/미국 Suomi NPP), MODIS(Moderate Resolution Imaging Spectroradiometer/미국 TERRA, AQUA) 그리고 GOCI(Geostationary Ocean Color Imager/한국 COMS 천리안)등이 있다. 광학 해색원격탐사 인공위성의 경우에는 넓은 지역을 한번에 관측할 수 있는 장점을 가지지만 1 km 내외의 낮은 공간해상도와 대기상태에 따라 측정값의 정확도가 떨어지며, 센서의 특성상 날씨가 좋지않은 경우 관측이 제한적이다. 반면 현장에서 측정하는 경우 위성에 비해 근거리에서 측정하기 때문에 측정값의 정확도 및 정밀도를 높일 수 있다(Ahmed et al., 2011; Hlaing et al., 2012; Martinez-Vicente et al., 2013; Mishra et al., 2014;Kim and Choi, 2018). 현장관측은 플랫폼 또는 연구자의 접근가능한 지역에 대해서만 측정하기 때문에 특정 좁은 영역에서만 측정이 가능한 한계점을 가지게 된다. 현장관측은 정확도 검증이 필요한 인공위성 자료의 검보정 용도로 활용되어 인공위성 관측 자료와 상호 비교 또는 공동 활용을 통해 기상상태 및 공간적인 한계점을 극복하고 해양의 주요인자에 대한 분광학적 특성의 정밀도를 높일 수 있다.

극지연구소에서는 매년 남극과 북극으로 상시 운항하는 쇄빙연구선 아라온호에 HyperSAS 초분광센서를 탑재하여 북극해 및 남극해 일대 그리고 두 극지역간 이동항해 구간(적도를 포함한 중 저위도권)의 분광 정보를 연속적으로 취득하고 다. 득한 자료는 극지 해양 빙권 환경 및 생태계 그리고 위도간의 해양 표면의 분광 특성을 파악하는데 사용된다. 위성센서에서 측정한 분광정보 및 초분광센서에서 측정한 자료는 각 분광대역의 특성에 따라 해양의 Ocean color products(엽록소, 부유물질, CDOM 등)와 큰 상관관계를 가지고 있으며, 이러한 관계를 통한 다양한 알고리즘 개발이 활발히 이루어지고 있다(Moon et al., 2010; Hlaing et al., 2012; Moore etal., 2017; Cao et al., 2018; Kimand Choi, 2018; Son andKim,2018). 그러나 극지역에서는 NASA의 OC3M, OC4L과같은 기존 알고리즘 개발에 활용된 샘플과는 달리 태양의 고도가 낮은 고위도 지역이며 해빙에 의한 영향 등으로 다른 환경 특성을 가지고 있다. 이를 극복하기 위하여 극지의 지역적, 시기적인 특성을 반영할 수 있는 알고리즘이 연구되고 있다(Macdonald et al., 1998; Kim etal., 2014; Son and Kim, 2018).

고위도권(극지포함)의 해양 표면 분광 특성 파악과 해색 위성의 신뢰도 있는 고위도권 활용을 위해 쇄빙연구선에 초분광센서(Hyperspectral Surface Acquisition System, HSAS)를 장착하여 일정한 시간간격으로 연속해수면 반사도를 측정하고, 연구 항해간 해수 샘플링을 통하여 극지역 인공위성 해양환경 관측을 위한 자료를 구축하였다. 연구항해는 2010년부터 진행되었으며, 2017년에 센서 검보정 기간을 제외하고 2018년까지 연속적으로 관측을 하고 있다. 해양환경관측을 위하여 관측되고 있는 자료는 HyperSAS의 해수복사휘도, 대기복사휘도, 하향복사조도와 각 정점별 엽록소 농도, 부유물질 농도, 입자에 의한 흡광, CDOM에 의한 흡광 등이 있다.

2. 연구지역 및 연구자료

1) 연구지역

쇄빙연구선 아라온은 2010년 연구항해를 시작으로 매년 척치해와 배링해를 포함하는 북극해 연구지역과 장보고기지 및 세종기지 부근의 남극해를 주 연구지역으로 연구항해를 해오고 있다. 또한 양극지해양의 연구지역 이동간에 생기는 적도 및 중·저위도권 이동 항해에도 연속으로 해양 분광 분광자료 및 해수 샘플 자료를 획득하고 있다. 연구시기는 연구선의 안전항해 및 연구 환경을 위하여 해당지역의 하계시기로 북극해는 8월에서 9월, 남극해는 11월에서 이듬해 3월까지 연구항해를 진행한다. Fig. 1은 아라온이 진행한 항로 및 HyperSAS 데이터가 획득된 위치를 나타내고 있다.

OGCSBN_2018_v34n6_2_1203_f0001.png 이미지

Fig. 1. Above-water measurement sampled track during IBRV ARAON cruise between October 2010 and August 2018.

북극에서 주 연구지역인 척치해, 배링해, 보퍼트해는 북태평양과 북극해 사이의해수가 지나다니는 통로로 울철에는 해빙으로 가득차 있지만 여름철에는 대부분이 녹는 계절적 해빙지역에 속한다(Han and Lee,2007). 계절적 해빙지역은 시기에 따라 해빙의 분포뿐만 아니라 해양 생태계에 영향을 줄 수 있는 식물성플랑크톤 증식(phytoplankton bloom), 유기탄소(organic carbon), 부유물(sediment)의 변화 심한지역으로 많은 해양학적인 연구가 진행되고 있다(Macdonald et al., 1998; Ardyna et al., 2014). 남극의 연구지역 또한 뉴질랜드와 장보고 기지 및 세종과학 기지 일대의 해빙변화가 심한 남극해가장자리를 관측하고 있다. 남극은 북극과 달리 남극하계시즌(11월~3월)에는 대부분의 해빙이 녹아서 없어지기 때문에 연안까지 접근하여 해양조사가 가능하다.

2) HyperSAS 초분광계

Satlantic사의 HyperSAS 초분광계를 쇄빙연구선 아라온에 장착하여 데이터를 획득하고 있다. HyperSAS를 이용하여 해수로 부터 수출광량과 대기광량을 측정하여 해양 반사도를 측정하였다. 해당 장비는 총 180개의 밴드로 이루어져 있으며 305 nm– 850 nm사이의 대역폭을 가지고 있다. 해수복사휘도 측정을 위하여 센서는 바다를 향하여 아래방향으로 천정각 40도, 대기복사휘도는 하늘을 향하며 천정각 40도를 유지하여 관측하였다(Fig. 2). 또한 하향복사조도를 측정하기 위하여 연직방향으로 센서를 설치하여 태양조도를 관측하였다. 자세한 관측 방법 및 자료처리는 NASA 프로토콜을 기초로 하여 진행하였다(Mueller et al., 2003b).

OGCSBN_2018_v34n6_2_1203_f0002.png 이미지

Fig. 2. System of HyperSAS (Above-water radiometers) installed on the ice breaker research vessel ARAON.

해수의 반사도(Irradiance Reflectance)는 해수표면에 입사되는 총 광량(Downwelling Irradiance)과 해수표면을 통과해서 대기로 나오는 총 광량(Upwelling Irradiance)의 비를 나타낸 것으로, 초분광자료는 해수로부터 나오는 수출광량(Lt, Upwelling water leaving radiance)과 대기광량(Li, Sky leaving radiance)을 통하여 총 수출광량(Lw, Water leaving radiance)을 구하여 하향복사조도(Es, Downwelling solar irradiance)로 나누어 식(1)과 같이 계산한다.

\(R_{r s}=\frac{L_{w}}{E_{s}}=\frac{L_{t}-\rho \cdot L_{i}}{E_{s}}\)       (1)

p>식 (1)에 포함하고 있는 ρ는 대 상태에 따른 해수 표면 반사도 인자(sea surface reflectance factor of sky conditions)로 바람의 속도, 태양 천정각 등에 의해 결정된다. Ruddick et al.(2005)은 750 nm 스펙트럼 대역의 대기광량과 복사조도의 비율로 맑은날과 흐린날의 대기 상태를 구분하여 식 (2)와 식 (3)으로 ρ값을 계산하였다. 해당 인자값을 정확하게 결정해야 정확한 해수의 반사도값을 계산할 수 있다(Groetsch et al., 2017).

\(\begin{aligned} \rho=& 0.0256+0.00039 \cdot W+\\ & 0.000034 \cdot W^{2} \frac{L_{i}(750 \mathrm{nm})}{E_{s}(750 \mathrm{nm})}<0.05 \end{aligned}\)       (2)

       \(\rho=0.0256 \frac{L_{i}(750 \mathrm{nm})}{E_{s}(750 \mathrm{nm})} \geq 0.05\)       (3)

또한 sky glint를 보정하기 위하여 720 nm, 780 nm 스펙트럼의 반사도를 이용한 알고리즘을 활용하였다(Ruddick et al., 2005; Ruddick et al., 2006).

\(R_{r s}=\frac{L_{w}}{E_{s}}-\varepsilon=\frac{L_{t}-\rho \cdot L_{i}}{E_{s}-\varepsilon}-\varepsilon\)       (4)

\(\varepsilon=\frac{a(720 n m, 780 n m) \cdot R_{r s}(780 n m)-R_{r s}(720 n m)}{a(720 n m, 780 n m)}\)       (5)

a(720 nm, 780 nm)는 상수값으로 Ruddick et al.(2006)에서 제시하는 a=2.35를 이용하여 본 연구의 데이터를 처리하였다.

HyperSAS는 해수상부측정(above-water measurement)방법을 사용하여 관측하기 때문에 발생하는 몇 가지 어려움이 있다. 특히 선박의 선수에 센서를 설치하여 이동 중 지속적인 측정을 하기 때문에 발생하는 파도또는 이동에 의한 흔들림 영향을 받을 수 밖에 없다. 이러한 영향을 제거하기 위하여 연구선에서 사용하고있는 모션데이터, Tilt, Yaw, Heae 등의 정보를 통해 분석을 하였다.

3) 현장관측자료

원격탐사 반사도는 원거리에서 해수의 반사도를 측정하는 방식으로 직접적인 해수의 물리적인 특성을 알 수는 없다. 따라서 특정 파장대의 반사도 비율을 이용하여 식물성플랑크톤 및 총부유물 등의 해수 구성성분을 추정하기 위해서는 해수필터를 이용한 직접적인 성분분석 실험이 필요하다. 실험에 필요한 해수는 각 연구정점의 표층, SCM(Subsurface chlorophyll maxima), 유광층의 끝지점에서 채취하였으며, 이동항해간 채수는 약 3~4 m 깊이의 해수를 이용하였다.

현장관측 데이터는 해수분석 NASA 프로토콜에 따라 수행하였다(Mueller et al., 2003a). 해수 중 엽록소의 농도는 식물성플랑크톤이 가지고 있는 클로로필-a(Chlorophyll-a)의 함유량을 뜻한다. 엽록소 농도의 측정은 현장관측 정점에서 Niskin Bottle로 받은 해수를 채수병으로 Sub-Sampling하며, 25 mm GF/F 필터를 이용하여 약 500 ml ~ 1,000 ml의 해수를 여과시킨다. 여과된 필터는 90 % 아세톤으로 색소를 추출하고 2 ml 바이알에 담아 trilogy를 사용하여 측정하였다.

총부유물(Total Suspended Matter, TSM)은 해수에 존재하는 부유물로 퇴적물과 같은 무기 부유물과 생물입자와 같은 유기 부유물을 모두 포함하는 양을 말한다. 총부유물의 측정은 단위 체적당 건중량으로, 사전에 오븐을 이용하여 건조시킨 25 mm GF/F 필터의 초기무게를 측정하여 준비한다. 추후 현장에서 해수를 채수하여 여과를 시킨 뒤 초저온에서 냉동보관하여 실험실로 운반한다. 실험실 환경에서 60 °C의 오븐에서 4시간 이상 건조한 후 정밀저울을 이용하여 무게를 측정한다. 측정된 무게는 사전에 측정한 필터의 무게와의 차이를 여과된 해수의 양으로 나누어 단위 체적당 총부유물의 농도로 계산한다.

해수구성성분 분석 뿐만아니라 현장관측자료로 아라온의 다양한 센서를 활용하였다. 아라온에는 바람의 방향 및 세기, 선박의 움직임 데이터 등이 1초 간격으로 측정되고 있다(Table 1). 바람정보는 해수 측정시 사용되는 식(1)의 ρ 값을 정하는 중요한 인자로 사용되며 선박의 움직임은 초점위치의 오차를 줄이기 위해 사용되었다.

Table 1. Type of data to acquire and acquisition interval

OGCSBN_2018_v34n6_2_1203_t0001.png 이미지

4) 다양한 관측자료의 동기화

획득된 데이터는 측정 간격과 획득 유무상태가 모두 다르기 때문에 데이터 동기화 작업일 필수적이다(Fig. 3). Table 1은 초분광 및 선박 센서의 측정간격을 나타낸 것으로, 해수상부 측정방식인 초분광계는 연속적으로 5분마다 측정하며 선박의 정보를 획득하고 있는 DADIS(쇄빙연구선에서 사용되고 있는 자동관측 자료 통합시스템)는 1초 간격으로 측정하고 있다. 일정한 처리 방법을 위하여 든 자료는 HyperSAS의 시간을 기준으로 정리하였다. 해당 장비는 15분마다 측정이 이루어지지만, 그 중 1분만 데이터를 측정하며 이외의 시간은 유후 상태로 센서의 정비가 이루어진다. 측정시간은 반사도를 획득하는 시간만을 고려하여 해당시간의 중간값으로 두고 다른 데이터들과의 시간을 비교하여 근사값으로 계산하였다. 그러나 선박정보의 유무에 따라 데이터 손실이 발생할 경우를 대비하여 동기화되지 않는 경우에는 NaN값으로 치환하여 나타냈다.

OGCSBN_2018_v34n6_2_1203_f0003.png 이미지

Fig. 3. UTC Time record of the measurements sampled HyperSAS Remote sensing reflectance and DADIS data (Motion of ship, Wind conditions, GPS) of IBRV ARAON.

3. 결과 및 토의

1) HyperSAS Filter

HyperSAS데이터는 2.2절에서 설명한바와 같이 선박 운항시 발생하는 파도에 의한 흔들림, 파도에 의한 빛의 산란 등의 부정확한 데이터가 획득될 가능성이 존재한다. 이러한 불확실한 데이터는 몇 가지의 조건을 통해 제외시킨 후 정리하였다. 배의 흔들림으로 인한 센서의 측정 위치가 크게 변동될 가능성을 고려하여 Roll, Pitch가 5도 이상인 데이터, 바람의 영향으로 측정 지점에 파도 또는 거품이 발생하는 경우를 고려하여 바람의 세기가 15 m/s 인 경우 등을 제외하여 1차적인 데이터 정리를 진행하였다. 또한 기계적인 오차는 일반적인 데이터 값과 비교하여 구분하였다. 일반적으로 대기광량(Li)은 복사조도(Es)보다 작은 값을 나타내기 때문에 기계적인 오차로 보고 제거하였으며(O’Neill et al., 2011), 불규칙적인 신호값을 가지는 데이터는 본 연구에서 제외한 후 수행하였다(Fig. 4). Fig. 4은 데이터 필터링 결과의 일부를 보여주고 있다.

OGCSBN_2018_v34n6_2_1203_f0004.png 이미지

Fig. 4. HyperSAS Remote Sensing Reflectance data filtering: before (Left) and after (Right).

2) Glint correction

해수 반사도를 추정할 때 대기의 상태, 바람의 세기 등의 환경적인 요소에 의한 오차를 최소화하기 위하여 ρ 값을 추정하여 보정한다. 앞선 요소 이외에도 태양 또는 대기에 산란된 빛이 해수면에 영향을 주는 효과가 발생한다. Sun glint와Sky glint correction은 분광센서에는 필수적으로 보정되어야 하는 변수이다(Olszewski and Kowalczuk, 2000; Groetsch et al., 2017). 러한 영향을 최소화 하기 위하여 본 논문에서는 해수 반사도의 720 nm 와 780 nm 에서의 값을 이용하여 식 (4), (5)를 통하여 보정하였다.

Fig. 5와 Fig. 6에는 다중시기에 측정한 반사도 값 중 일부분을 보여주고 있다. 그림은 해수의 특성에 따른 반사도값을 보여주기 위하여 1월과 5월 두시기에 대해서 정리하였다. Fig. 5는 2011년 1월 13일에 측정한 반사도 값으로 좌측의 그래프는 식 (3)을 이용한 대기상태 보정만 진행한 것이며, 우측은 ε(720 nm, 780 nm)값을 이용한 glint correction을 진행한 결과이다. Fig. 5(a)의 스펙트럼 형태는 대부분 유사하지만 0으로 수렴해야하는 700nm이상의 값이 전체적으로 떨어져있는 것을 볼 수 있다. 스펙트럼의 값을 이용하여 보정한 결과는 Fig. 5(b)에 나타나 있는 것과 같이 전체적으로 떨어져있던 스펙트럼이 700 nm부근에서 0으로 수렴하는 값을 가지는 것을 볼 수 있다. Fig. 6는 2011년 5월 12일에 측정한 값으로, 앞선 방법과 동일한 방법으로 보정을 진행하였으며 결과는 그림과 같다.

OGCSBN_2018_v34n6_2_1203_f0005.png 이미지

Fig. 5. The wave scan measurements were made at 02:00 UTC on 13th January 2011 at 65.86S, 127.23W. (a) The first filtering of Remote sensing reflectance and (b) sky corrected estimates using ε (720 nm,780 nm).

OGCSBN_2018_v34n6_2_1203_f0006.png 이미지

Fig. 6. The wave scan measurements were made at 13:00 UTC on 12th May 2011 at 37.43N, 126.57E. (a) The first filtering of Remote sensing reflectance and (b) sky corrected estimates using ε (720 nm,780 nm).

Fig. 5가 측정된 지역의 해수상태는 엽록소 농도가 크지 않은 일반적인 해수로 스펙트럼 내에서 청색대역인 380 nm, 480 nm 부근에서 높은 반사도 값을 보여주고있으며, 680 nm 부근의 형광피크도 비교적 잘 관측이 되었다. Fig. 6는 부유물 또는 엽록소의 영향으로 탁한 해수의 스펙트럼을 보여주고 있다. 녹색대역의 555 nm 부근에서 0.015 sr-1 정도의 값을 보여주고 있으며 미세하지만 680 nm 부근에서 형광피크를 나타내고 있다.

3) 해수 반사도 자료 결과

HyperSAS 초분광계를 이용한 해수 반사도 측정값은 Fig. 7에 도시하였다. 반사도는 2010년 12월부터 측정이 시작되었으며 (a)는 2010년도, (b) 2011년, (c) 2012년, (d) 2016년, (e)는 2018도에 측정된 해수 반사도를 각각 나타내고 있다. 2010년 부터 2018년도 까지 연속적으로 HyperSAS 초분광데이터를 획득하고 있으나, 대기 및 해수의 상태, 각 센서별 데이터 획득의 유무 등의 문제로 인해 유실 데이터가 많이 발생하기도 하였다. 또한 2016년도 말부터 2018년도 초까지는 초분광 센서의 검보정을 위하여 데이터 획득이 중단되었다. 2018년도 데이터는 센서 검보정 이후 자료로 이전과는 다른 Calibration coefficient value를 이용하여 처리한 결과이다.

OGCSBN_2018_v34n6_2_1203_f0007.png 이미지

Fig. 7. Spectra of the HyperSAS remote sensing reflectance in the Research area during. (a) 2010, (b) 2011, (c) 2012, (d) 2016, (e) 2018. Blue line (>60N), red line (<60S) and green line ([60N & ]60S).

북극해 및 남극해 연구지역의 해수 특성을 보기 위하여 위도별 반사도를 살펴보았다. Fig. 7의 붉은색은 위도가 60S 이하인 지역으로 남극해 부근, 푸른색은 60N 이상인 지역으로 북극해 부근을 나타내며, 초록색은 그사이의 지점으로 대부분 연구지역 간 이동항해 및 한반도 주변지점을 뜻하고 있다. 붉은색으로 도시된 남극해 지역은 통산적인 수준의 엽록소 농도인 1 mg m-3 정도의 해수와 엽록소 및 부유농도가 1 mg m-3 이상인 탁한 해수에서 나타나는 스펙트럼 형태가 복합적으로 나타나고 있다(Kim and Choi, 2018). 엽록소 흡광으로 인해서 스펙트럼의 최대가 청색밴드 대역의 490 nm 부근에서 나타나고 있으며, 이는 남극해 연구지역 내에서도 연안과 근접한 지점에서 나타나고 있다. 대부분의 스펙트럼과는 달리 690 nm 부근에서 높은 반사도를 보이는 지점이 관측되었다. 푸른색의 북극해도 마찬가지로 일반적인 해수와 탁한 해수가 복합적으로 나타나고 있으며 490 nm가 최대인 지점을 보여주고 있다. 다만 남극해와는 달리 스펙트럼의 녹색밴드 대역의555 nm에서 반사도가 최대인 지점이 다수 관측되었으며, 이는 부유물의 농도가 타 지역보다 많이 관측된 것으로 보인다. 연구지역 이동간 측정된 초록색으로 도시된 반사도는 대부분 555 nm에서 최대치를 보이고 있다. 이동항해는 대양을 지나가는 경우가 많으나 해당 시기에는 평균 15 knot 속도로 이동에 중점을 두고 운항을 하기 때문에 정확한 데이터를 획득하기는 어렵다. 본 논문에서 사용된 이동 항해 데이터는 한반도와 일본사이를 지나가는 데이터가 다수 존재하여 연안근처에서 많이 보이는 스펙트럼의 양상이 관측되었다.

HyperSAS를 이용한 원격 반사도측정의 검증자료로 활용하기 위하여 연구항해시 해수 샘플링을 통한 엽록소 농도와 부유물 농도를 함께 측정하였다. 측정된 샘플의 통계적인 결과는 Table 2에 정리하다. 연구지역 대부분에서의 엽록소 농도는 평균 2 mg m-3 이하로 나타났으나, 일부지역에 대해서 최대 33 mg m-3의 높은 엽록소 농도를 보였다. 남극해 연구항해의 경우 해수 샘플링 위치가 남극 대륙과 가깝고 수심이 얕은 지역이 다수 존재하여 농도가 다른지역보다 크게 관측이 되었다. 부유물 농도는 대부분의 정점에서 매우낮은 값이 나타났으며, 이는 일반적인 부유물질 추정 알고리즘 개발에 사용된 자료보다 낮은 값으로 북극해 및 남극해에 적합한 알고리즘이 필요하다.

Table 2. Statistical results for in-situ water sampling during 2010 to 2018

OGCSBN_2018_v34n6_2_1203_t0003.png 이미지

4. 결론

극지연구소의 쇄빙연구선에서 운영하고 있는 HyperSAS 초분광계를 이용하여 극지역 해수의 반사도를 측정하였으며, 다중시기 해양의 변화를 관측하기 위한 자료를 구축하였다. 연구대상 지역인 북극해의 반사도는 데이터 정리 후 2016년도, 2018년도의 데이터만 얻을 수 있었지만, 북극해 지역의 일반적인 해수와 탁한해수의 반사도 자료를 획득할 수 있었다. 또한 남극해의 자료는 2010년도 부터 2012년, 2016년의 반사도자료를 획득해오고 있으며 다양한 해수 상태에 대한 반사도를 측정하고있다. 일부 지점에 대해서는 해양 생물량이 많아 적조에서 나타나는 스펙트럼과 유사한 555 nm와 680 nm부근에서 반사도 피크를 가지는 양상을 보여주고 있어, 극지방에서의 엽록소 농도 및 부유물 농도가 크게 변화하는 지점을 관측할 수 있다.

초기 획득자료는 약 9만 지점에 대해서 획득하였으나, 각 센서별 자료의 매치, 에러값의 제거 등으로 인해 약 9천 지점의 자료만 활용할 수 있었다. 이는 선박에 초분광장치를 활용할 경우에 안정적인 자료획득의 필요가 있음을 나타낸다. 또한 연구지역의 특성상 주변 해빙이 다수 존재하여 해수 반사도 획득이 어려운 지역이 존재하며, 쇄빙을 하면서 지나가기 때문에 발생하는 해빙 충돌에 따른 진동이나 부유물이 붙어있는 Dirty Sea-ice가 쇄빙하면서 나타나는 문제점에 대해서도 고려할 필요가 있다.

향후 연구에는 정지된 정점에서 획득하는 일반적인 반사도 측정방법의 단점을 극복하여, 연구선의 이동과 동시에 연속적인 측정이 가능한 HyperSAS 초분광계의 장점을 살려 동일한 연구지역에 대해 해수의 반사도 측정을 지속적으로 하고자 한다. 이러한 자료는 앞서 정리한 내용과 같이 다중시기의 자료를 구축하여 해양의 변화를 보는 중요한 자료로 활용될 것이다. 또한 HyperSAS 해양 반사도 자료를 이용하여 현장 관측자료와 함께 엽록소, 부유물질 등의 농도를 추정하는 기법이나 위성자료와의 비교 분석을 통하여 위성영상 촬영이 불가능한 지역의 반사도를 획득할 수 있는 연구수행에 사용될 것이다.

사사

본 연구는 극지연구소의 북극 해빙 위성관측을 위한 분석 술 개발(PE18120) 연구과제의 지원으로 수행되었습니다.

References

  1. Ahmed, S., T. Harmel, A. Gilerson, S. Hlaing, A. Tonizzo, C. Davis, A. Weidemann, and R. Arnone, 2011. Hyperspectral and multispectral above-water radiometric measurements to monitor satellite data quality over coastal area, Proc. of SPIE-The International Society for Optical Engineering, Orlando, FL, May 5, vol. 8030, pp. 803002.
  2. Ardyna, M., M. Babin, M. Gosselin, E. Devred, L. Rainville, and J.-E. Tremblay, 2014. Recent Arctic Ocean sea ice loss triggers novel fall phytoplankton blooms, Geophysical Research Letters, 41(17): 6207-6212. https://doi.org/10.1002/2014GL061047
  3. Cao, F., M. Tzortziou, C. Hu, A. Mannino, C. G. Fichot, R. Del Vecchio, R. G. Najjar, and M. Novak, 2018. Remote sensing retrievals of colored dissolved organic matter and dissolved organic carbon dynamics in North American estuaries and their margins, Remote Sensing of Environment, 205: 151-165. https://doi.org/10.1016/j.rse.2017.11.014
  4. Churnside, J. H. and J. J. Wilson, 2008. Ocean color inferred from radiometers on low-flying aircraft, Sensors, 8(2): 860-876. https://doi.org/10.3390/s8020860
  5. Garaba, S. P. and O. Zielinski, 2013. Comparison of remote sensing reflectance from above-water and in-water measurements west of Greenland, Labrador Sea, Denmark Strait, and west of Iceland, Optics Express, 21(13): 15938-15950. https://doi.org/10.1364/OE.21.015938
  6. Groetsch, P. M. M., P. Gege, S. G. H. Simis, M. A. Eleveld, and S. W. M. Peters, 2017. Validation of a spectral correction procedure for sun and sky reflections in above-water reflectance measurements, Optics Express, 25(16): A742-A761. https://doi.org/10.1364/OE.25.00A742
  7. Han, H. and H. Lee, 2007. Comparative Study of KOMPSAT-1 EOC Images and SSM/I NASA Team Sea Ice Concentration of the Arctic, Korean Journal of Remote Sensing, 23(6): 507-520 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2007.23.6.507
  8. Hlaing, S., A. Gilerson, T. Harmel, A. Tonizzo, A. Weidemann, R. Arnone, and S. Ahmed, 2012. Assessment of a bidirectional reflectance distribution correction of above-water and satellite water-leaving radiance in coastal waters, Applied Optics, 51(2): 220-237. https://doi.org/10.1364/AO.51.000220
  9. Kim, S. I., H. C. Kim, and C. U. Hyun, 2014. High resolution ocean color products estimation in Fjord of Svalbard, arctic sea using Landsat-8 oli, Korean Journal of Remote Sensing, 30(6): 809-816 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2014.30.6.11
  10. Kim, W. K. and J. M. Choi, 2018. Analysis of Hyperspectral Radiometer and Water Constituents Data for Remote Estimation of Water Quality, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(4): 205-211 (in Korean with English abstract). https://doi.org/10.7848/KSGPC.2018.36.4.205
  11. Lee, K. H. and S. H. Lee, 2012. Monitoring of Floating Green Algae Using Ocean Color Satellite Remote Sensing, Journal of Korean Association of Geographic Information Studies, 15(3): 137-147 (in Korean with English abstract). https://doi.org/10.11108/kagis.2012.15.3.137
  12. Macdonald, R. W., S. M. Solomon, R. E. Cranston, H. E. Welch, M. B. Yunker, and C. Gobeil, 1998. A sediment and organic carbon budget for the Canadian Beaufort Shelf, Marine Geology, 144(4): 255-273. https://doi.org/10.1016/S0025-3227(97)00106-0
  13. Martinez-Vicente, V., S. G. H. Simis, R. Alegre, P. E. Land, and S. B. Groom, 2013. Above-water reflectance for the evaluation of adjacency effects in Earth observation data: initial results and methods comparison for near-coastal waters in the Western Channel, UK, Journal of the European Optical Society Rapid Publications, 8: 13060. https://doi.org/10.2971/jeos.2013.13060
  14. Mishra, D. R., B. A. Schaeffer, and D. Keith, 2014. Performance evaluation of normalized difference chlorophyll index in northern Gulf of Mexico estuaries using the Hyperspectral Imager for the Coastal Ocean, GIScience & Remote Sensing, 51(2): 175-198. https://doi.org/10.1080/15481603.2014.895581
  15. Moon, J. E., Y. H. Ahn, J. H. Ryu, and P. Shanmugam, 2010. Development of Ocean Environmental Algorithms for Geostationary Ocen Color Imager (GOCI), Korean Journal of Remote Sensing, 26(2): 189-207 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2010.26.2.189
  16. Moore, T. S., C. B. Mouw, J. M. Sullivan, M. S. Twardowski, A. M. Burtner, A. B. Ciochetto, M. N. McFarland, A. R. Nayak, D. Paladino, N. D. Stockley, T. H. Johengen, A. W. Yu, S. Ruberg, and A. Weidemann, 2017. Bio-optical Properties of Cyanobacteria Blooms in Western Lake Erie, Frontiers in Marine Science, 4: 300. https://doi.org/10.3389/fmars.2017.00300
  17. Mueller, J. L., A. Morel, R. Frouin, C. Davis, R. Arnone, K. Carder, Z. Lee, R. Steward, S. Hooker, and C. Mobley, 2003a. Ocean optics protocols for Satellite Ocean Color validation, Revision 5. Volume V: Biogeochemical and Bio-Optical Measurements and Data Analysis Protocols, NASA/TM, USA.
  18. Mueller, J. L., A. Morel, R. Frouin, C. Davis, R. Arnone, K. Carder, Z. Lee, R. Steward, S. Hooker, and C. Mobley, 2003b. Ocean Optics Protocols For Satellite Ocean Color Sensor Validation, Revision 4. Volume III: Radiometric Measurements and Data Analysis Protocols, NASA/TM, USA.
  19. O'Neill, J. D., M. Costa, and T. Sharma, 2011. Remote sensing of shallow coastal benthic substrates: in situ spectra and mapping of eelgrass (Zostera marina) in the Gulf Islands National Park Reserve of Canada, Remote Sensing, 3(5): 975-1005. https://doi.org/10.3390/rs3050975
  20. Olszewski, J. and P. Kowalczuk, 2000. Sky glint correction in measurements of upward radiance above the sea surface, Oceanologia, 42(2).
  21. Park, J. I., S. Y. Choi, and M. H. Park, 2017. A Study on Green Algae Monitoring in Watershed Using Fixed Wing UAV, Journal of Korean Institute of Intelligent Systems, 27(2): 164-169 (in Korean with English abstract). https://doi.org/10.5391/JKIIS.2017.27.2.164
  22. Ruddick, K., V. De Cauwer, and B. Van Mol, 2005. Use of the near infrared similarity reflectance spectrum for the quality control of remote sensing data, Proc. of the SPIE International Symposium in Optics and Photonics: Remote Sensing of the Coastal Oceanic Environment, San Diego, CA, Jul. 31-Aug. 1, pp. 588501.
  23. Ruddick, K., V. De Cauwer, Y.-J. Park, and G. Moore, 2006. Seaborne measurements of near infrared water-leaving reflectance: The similarity spectrum for turbid waters, Limnology and Oceanography, 51(2): 1167-1179. https://doi.org/10.4319/lo.2006.51.2.1167
  24. Son, Y. B., Y. H. Kang, and J. H. Ryu, 2012. Monitoring Red Tide in South Sea of Korea (SSK) Using the Geostationary Ocean Color Imager (GOCI), Korean Journal of Remote Sensing, 28(5): 531-548 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2012.28.5.6
  25. Son, Y. S. and H. C. Kim, 2018. Empirical ocean color algorithms and bio-optical properties of the western coastal waters of Svalbard, Arctic, ISPRS Journal of Photogrammetry and Remote Sensing, 139: 272-283. https://doi.org/10.1016/j.isprsjprs.2018.03.024
  26. Zibordi, G., K. Ruddick, I. Ansko, G. Moore, S. Kratzer, J. Icely, and A. Reinart, 2012. In situ determination of the remote sensing reflectance: an inter-comparison, Ocean Science, 8(4): 567-586. https://doi.org/10.5194/os-8-567-2012