Application of Spectral Indices to Drone-based Multispectral Remote Sensing for Algal Bloom Monitoring in the River

하천 녹조 모니터링을 위한 드론 다중분광영상의 분광지수 적용성 평가

Abstract

Remote sensing techniques using drone-based multispectral image were studied for fast and two-dimensional monitoring of algal blooms in the river. Drone is anticipated to be useful for algal bloom monitoring because of easy access to the field, high spatial resolution, and lowering atmospheric light scattering. In addition, application of multispectral sensors could make image processing and analysis procedures simple, fast, and standardized. Spectral indices derived from the active spectrum of photosynthetic pigments in terrestrial plants and phytoplankton were tested for estimating chlorophyll-a concentrations (Chl-a conc.) from drone-based multispectral image. Spectral indices containing the red-edge band showed high relationships with Chl-a conc. and especially, 3-band model (3BM) and normalized difference chlorophyll index (NDCI) were performed well (R²=0.86, RMSE=7.5). NDCI uses just two spectral bands, red and red-edge, and provides normalized values, so that data processing becomes simple and rapid. The 3BM which was tuned for accurate prediction of Chl-a conc. in productive water bodies adopts originally two spectral bands in the red-edge range, 720 and 760 nm, but here, the near-infrared band replaced the longer red-edge band because the multispectral sensor in this study had only one shorter red-edge band. This index is expected to predict more accurately Chl-a conc. using the sensor specialized with the red-edge range.

신속하게 면단위(2-Dimension)로 하천의 녹조 우심지역을 관측하기 위해 드론 다중분광영상을 이용한 분석기법을 연구하였다. 드론은 항공기나 위성에 비해 관측 면적이 작지만 높은 공간해상도와 현장접근 및 데이터 획득 용이성, 대기에 의한 간섭 저감, 다중분광센서를 이용한 신속한 자료처리로 녹조 모니터링 효율성을 향상시킬 수 있을 것으로 보고 있다. 이러한 드론의 다중분광센서 영상으로 하천의 녹조발생 현황을 모니터링하기 위해 광합성 색소에 의한 분광특성을 반영하는 분광지수들을 비교 분석하고 Chlorophyll-a(Chl-a) 농도 추정식에 적용 가능성을 평가하였다. 주로 Red-edge 밴드를 포함하는 분광지수가 Chl-a 농도와 높은 상관성을 보였는데, 그 중에서도 3-Band Model(3BM), Normalized Difference Chlorophyll Index(NDCI)가 각각 비슷한 수준으로 가장 높은 통계적 유의성(R²=0.86, RMSE=7.5)을 나타내었다. NDCI의 경우에는 두 개의 분광밴드만 적용되는 간결한 수식과 정규화된(Normalizing) 결과값으로 신속하고 표준화된 프로세싱이 가능할 것으로 보이며 드론 녹조 모니터링에서 적용성이 높을 것으로 기대된다. 3BM의 경우에는 Red-edge 영역에서 두 개의 파장대를 적용해야 하나 본 연구에서 사용한 드론 센서에는 한 개의 Red-edge 밴드만 포함되어서 근적외선으로 대체하여 수식을 적용하였는데 Red-edge 파장영역이 세밀한 분광센서를 활용할 경우에 NDCI 보다 높은 정확도를 나타낼 수 있을 것으로 보인다.

1. 서론

기후변화와 더불어 하천에 저수지나 보가 건설되면서 유속저하, 수리학적 체류시간의 증가 등으로 조류 성장이 촉진되어 녹조현상이 빈번하게 발생하고(Lee et al., 2012; Suh et al., 2002), 상수원으로 사용하는 하천의 경우에는 조류 대량 증식에 의해 정수처리 여과장치의 기능저하 및 일부 남조류에 의한 독성물질 발생 가능성이 높아졌다(Matthewset al., 2009; Choe et al., 2011; NIER, 2020). 조류 발생으로 인한 피해 최소화 및 상수원 안정성 확보를 위해 환경부에서는 대상 호소, 하천을 조류경보제 지점으로 지정하여 지속적으로 모니터링하고 있다(NIER, 2020). 수질 관리에 있어서 현장채수에만 의존하는 방식은 인력, 시간 소모가 많아 관측 지점 수에 한계가 있고 관측 구역 내의 점(Point) 단위 데이터로 현장의 대표성을 충분히 나타내기 어렵다(Kim et al., 2018).

이러한 한계점을 보완하고 넓은 구역을 신속하게 관측하기 위해 위성영상이나 항공영상을 이용한 원격탐사기법이 연구되고 있고, 해양 조류의 경우에는 Moderate Imaging Spectroradiometer (MODIS), Sea-viewing Wide Field-of-viewSensor(SeaWiFS), MEdiumResolution Imaging Spectrometer (MERIS), Geostationary Ocean Color Imager(GOCI) 등의 해색 위성센서(Ocean color sensors)를 이용한 관측이 매뉴얼화되고 있다(Choe et al., 2011; Lee and Lee, 2012). 대부분 조류의 원격탐사 기법은 조류에 포함된 광합성 색소에 의한 작용 스펙트럼(Active spectrum) 특징을 지수(Index)화하여 나타내는 방식으로,Normalized DifferenceVegetation Index (NDVI),ChlorophyllAbsorption Ration Index(CARI), 3-Band Model(3BM)와 같이 육상 식생의 엽록소(Chlorophyll)분광특성을 나타내기 위해 개발된 지수나 전통적인 Blue/Green Ratio를 비롯한 Maximum ChlorophyllIndex(MCI), Surface Algal Bloom Index(SABI), Normalized Difference Chlorophyll Index(NDCI)와 같이 해양 조류 분석을 위해 개발된 분광지수들이 적용된 바 있다(O’Reilly et al., 1998; Alawadi, 2010; Choe et al., 2011; Lee and Lee, 2012; Mishra and Mishra, 2012; Binding et al., 2013).

최근에는 현장 접근이 용이하고 신속하게 소규모 면적을 동시에 관측할 수 있는 드론이 다양하게 활용되고 있는데, 항공기나 위성에 비해 관측 면적이 작지만 높은 공간해상도와 데이터 획득의 용이성 및 구름, 에어로졸 등의 대기에 의한 간섭 저감의 장점이 있고 다중분광영상을 이용하여 빠르고 표준화된 자료처리 및 공간분석이 가능한 것으로 알려져 있다. 본 연구에서는 이러한 드론에 탑재된 다중분광센서 영상으로 하천의 녹조발생 현황을 신속하게 모니터링하고자, 기존에 해양조류 탐지나 육상에서의 식생 관측을 위해 위성영상 분석에 활용되고 있는 여러 지수들 중에서 광합성 색소에 의한 분광특성을 반영하는 분광지수(Spectral index)들을 비교 분석하고 드론 다중분광영상의 Chl-a 농도 추정식 산출에 적용 가능성을 평가하고자 한다.

2. 재료 및 방법

1) 연구지역

낙동강 중하류 구간 중 남지철교(NJ), 창녕함안보(CH) 일대를 대상으로 하였다(Fig. 1). 남지철교 주변에는 상류 쪽으로 남강이 합류하고 1 km 하류 지점에 칠서취수장이 위치하고 있고, 조류경보제 지점으로 지정되어 지속적으로 모니터링이 이루어지고 있는 구역이다. 창녕함안보는 낙동강에 설치된 보 중에서 가장 하류에 위치하여 낙동강 하굿둑까지의 수질과 유량에 미치는 영향이 크다. 낙동강 하굿둑 ~ 창녕함안보 구간에는 매리취수장, 강서취수장, 양산 신도시 취수장, 물금취수장, 원동취수장 및 부산시 공업용 취수장 등 여러 취수장이 위치해 있으며 현재 김해, 양산 및 부산의 식수 공급원 및 농·공업용수로 이용되고 있어(Kim et al., 2018) 창녕함안보 구역에서 꾸준한 환경 모니터링이 이루어지고 있다.

Fig. 1. Location of the study area and sampling points and drone-based multispectral images of NJ and CH.

2) 드론 분광영상 및 현장자료

드론 분광영상 및 현장자료는 조류 우심기간인 8~10월 중 총 8회에 걸쳐 취득하였다. 연구지점 내 교각을 중심으로 상·하류 각 1 km씩 총 2 km 구역을 촬영하였는데, 연구지점의 하폭은 평균 300 m 이상이고 한 구역당 하천 길이 2 km를 촬영하기 위해 상대적으로 장시간 비행이 가능한 고정익(Fixed wing) 드론을 이용하였다. 고정익은 비행기처럼 날개로 되어 있어 헬리콥터형인 회전익에 비해 연료 소모가 비교적 적고 체공시간이 긴 장점이 있다. 본 연구에 이용된 드론은 eBee X 모델이며, 날개길이 116 cm, 무게 약 1.7 kg(센서 포함), 최대체공시간은 90분이다. 드론에 탑재한 다중분광센서는 Micasense사의 Rededge MX로 청(475 nm), 녹(560 nm), 적(670 nm), 적색경계(Red-edge, 720 nm), 근적외선(NIR, 840 nm) 파장대의 5개 분광밴드로 이루어져 있다. 드론은 고도 약 300 m, 촬영방향 중복도 80%, 인접코스 중복도 70%로 설정하여 한 구역당 약 30 km 코스를 비행하여 영상을 촬영하였다. 수체에 나타나는 태양광 반사(Sun-glint)를 피하기 위해 남지 구간 10시 이전, 창녕함안보 구간은 14시 이후에 촬영을 진행하였다.

현장조사는 드론 촬영일에 동시에 진행되었고 각 구역 교각에서 하천 양안과 중앙(NJ1~3, CH1~3) 및 취수장 인근(NJ4)의 표층수를 채취하고 pH, DO, EC, 수온은 현장측정하였다. 채수한 시료는 실험실에서 수질공정시험기준(NIER, 2019)에 의거해 Chl-a, SS 항목을 분석하였다. 또한, 환경부 물환경정보시스템(http://water.nier.go.kr)의 남지(NJ2), 함안(CH4) 수질측정망 지점 및 칠서(Chilseo), 청암(Cheongam) 자동측정소 자료를 활용하여 조류 우심기간인 6~10월 중 낙동강 중하류 유역 Chl-a 농도 현황을 분석하였다. 남지 수질측정망 지점은 남지철교, 함안 지점은 창녕함안보 300 m 상류 지점으로 물환경정보시스템에서 주단위 분석자료를 제공한다. 칠서 자동측정소는 연구지점 중 남지철교에서 약 3 km 상류에, 청암 측정소는 남지철교(NJ)와 창녕함안보(CH) 중간 정도에 위치해 있고(Fig. 1) 일단위 수질분석자료가 제공되어 현장조사일 외에도 연구지점 인근의 지속적인 조류상황 파악에 활용하였다.

3) 분광지수

밴드비(Band Ratio) 기반의 분광지수를 이용하여 다양한 요인의 광산란(Optical scattering)에 의한 오차를 줄이고, 광합성 색소에 의한 분광반응 파장을 조합함으로써 드론 다중분광영상 데이터의 Chl-a 농도에 대한 상관성을 높이고자 하였다. 본 연구에서는 위성영상으로 육상 식생의 엽록소 분광특성을 나타내기 위해 개발된 지수(NDVI, CARI, 3BM)나 해양 조류 분석을 위해 개발된 분광지수들(MCI, SABI, NDCI)이 드론 다중분광영상에 적용되었고 각 분광지수의 수식은 Table 1에 정리하였다.

Table 1. Formulas of spectral indices used in the study

NDVI는 위성영상 분석을 이용한 녹조 탐지 연구에서 가장 많이 이용되는 탐지 기법의 하나로, 근적외선과 적색광을 이용하여 -1과 1사이의 값을 통해 식생 분포 특성을 나타낸다(Cho et al., 2020). Alawadi (2010)에 의해 제안된 SABI는 수표면에 부유하는 조류를 탐지하기 위해 육상 식생(적색광, 근적외선)과 맑은 물(청색광), Water column bloom(녹색광)의 분광특징을 나타내는 4개 파장밴드가 적용된 경험적 알고리즘이다. 특히 MODIS 위성영상에 적용하여 탁수(Turbid water) 조건이나 광산란 등에 의한 간섭에도 효과적으로 조류 대발생을 탐지한 바 있다.

식물체의 분광 스펙트럼에서 엽록소의 양과 밀접한 관계를 갖는 지점이 형성되는 대략 680~760 nm 파장 부근을 Red-edge라고 일컫는데 광합성 작용이 활발한 일정 성장시기부터 뚜렷하게 나타나므로 이 파장대를 포함하는 지수들은 식생정보 파악에 유용하다고 알려져있다(Shin et al., 2003). 본 연구에서는 엽록소의 분광특성으로 조류 발생 정도를 파악하기 위해 Red-edge가 포함되는 분광지수 중 CARI, 3BM, MCI, NDCI를 적용하였다. CARI는 육상 식생의 분광반응에 대해 670 nm 적색광에서 Chl-a에 의한 최대 흡수피크를 중심으로 550 nm 와 700 nm 구간의 스펙트럼의 형태적 특징 변화를 지수화하였다. 식물체는 엽록소 양이 다르더라도 550 nm 와 700 nm 밴드비가 일정하게 나타나는데 주변의 토양, 낙엽, 나뭇가지 등 비광합성 물질(Nonphotosynthetic materials)의 영향에 의해 밴드비가 변화하는 것을 수식에 반영하여 간섭효과를 저감시켰다(Kim et al., 1994).

3BM은 적색광과 Red-edge 영역에서 반사와 흡수피크가 나타나는 밴드로 총 세 개의 밴드를 조합하여 육상 식물체의 잎색소 분석을 위해 개발되었는데 최근에는 탁도가 있는 수체의 Chl-a 농도 분석에도 적용되고 있다(Choe et al., 2011). MCI는 Red-edge 영역의 반사피크 크기를 수식화하였는데, 근적외선 영역에서 후방산란(Backscattering)이 증가하는 간섭물질로부터 조류를 구분하고 수체 표면에 나타나는 조류 발생현황을 파악할 수 있어서 MERIS, MODIS 등의 해색위성영상을 이용한 광역 해양 조류감시에 많이 활용되고 있다(Alikaset al., 2010). NDCI는 Mishra and Mishra (2012)에 의해 연안수나 하천수와 같이 탁한 수역에 중간급 해색위성영상(MERIS)을 이용하여 Chl-a 농도를 계산하기 위해 제안되었다. Red-edge와 적색광 파장의 분광값 차이에 의한 지수값으로 NDVI처럼 정규화(Normalizing)를 통해 반사도값, 태양방위각(Azimuth) 변화 등에 의한 광오차를 줄일 수 있다.

4) 분광영상 자료처리

드론으로 촬영한 개별 이미지들은 지오태깅(Geo tagging)과 기하보정 후 접합점을 기반으로 자동으로 영상을 정합하여 구역당 한 장의 정사영상으로 제작하였다. 촬영 후처리 작업으로 개별 이미지 상태에서 기하보정을 수행하였지만 정합된 정사영상에서 채수 지점의 위치 정확도를 위해 각기 다른 시기에 촬영된 정사영상끼리 정밀기하보정을 하였다.

기본적인 프로세스 후 드론 분광영상은 ENVI5.6(Harris Geospatial Solutions)의 BandMath로 각 분광지수식(Table 1)을 계산하여 NDVI, NDCI, SABI, 3BM, CARI, MCI 분광지수 영상을 도출하였다. 각 분광지수와 Chl-a 시험분석값 간의 상관관계로 Chl-a 농도 추정식을 산출하여 결정계수(Determination coefficient, R2)와 평균제곱근오차(Root Mean Square Error, RMSE)로 통계적 유의성을 비교하였다.

3. 결과 및 토의

1) 현장채수 시료 데이터 분석

연구지역의 수질현황을 파악하기 위해 8~10월 현장채수한(Fig. 1) 시료의 시험분석값과 조류 우심기간인 6~10월 물환경정보시스템 자료를 활용하였다. Fig. 2에서 조류 발생이 빈번해지는 6월에 관측지점 전반적으로 점차 Chl-a 농도가 높아지다가 7월 본격적인 장마로 인한 집중호우로 체류시간이 감소하여 조류도 감소하는 상황을 유지했으나, 8월 중순 이후 일조시간 증가 및 수온 상승(평균 27°C 이상)으로 Chl-a 농도가 가파르게 상승하고(51.0~61.7 mg/m3) 8월 마지막 주에는 조류경보제 ‘관심’ 단계(기준: 남조류 세포수 1,000 세포/mL 이상)가 발령되었다(물환경정보시스템 조류현황 참조). 9월에는 점차 조류가 감소세를 보였지만 일시적으로 9월 중순에 남지 구간은 다른 지점에 비해 약간 높은 수준을 나타내었고 9월 하순부터 10월 말까지 Chl-a 농도가 높아지는 경향(최대치: 함안 72.6 mg/m3)을 보였다(Fig. 2). 현장채수 지점인 남지철교(NJ), 창녕함안보(CH)는 8월에서 10월까지 수온 약 17~30°C, Chl-a 농도는 3.6~70.2 mg/m3로 분포하였고(Table 2) 총 45개 시료 중 28개 시료에서 10 mg/m3 이상의 값을 나타내었다.

Fig. 2. Time series analysis of measured chlorophyll-a concentrations in the study area.

Table 2. Statistics of analysis elements for sampling points in Nakdong river from August to October

2) 조류 분광특성

조류는 엽록소와 보조색소(Accessary pigment)로 이루어진 광합성 색소에 의해 가시광선 영역에서는 육상식생과 유사하게 청색, 적색광 영역에서 강한 흡수, 녹색광 영역에서는 반사가 일어난다. 엽록소에 의해 청색, 적색광의 흡수가 일어나는데 Chl-a는 430, 660 nm, Chl-b는 458, 646 nm 파장에서 흡수가 나타난다. 보조색소는 엽록소가 흡수하지 못하는 파장대에서 빛에너지를 모으는 역할을 하며, 그 중 카로티노이드계(Carotenoids)는 420-500 nm, 피코빌린계(Phycobilins)는 450-620 nm의 빛을 흡수한다(Bidigare et al., 1990; Shin et al., 2003). Fig. 3(b)에서 적색광 이후의 긴 파장대에서 Fig. 3(a)의 식생과는 다른 분광학적 특징이 나타나는데 Red-edge 부근에서 강한 반사, 800 nm 근처의 근적외선 영역에서는 약한 반사피크가 나타나고 더 긴 파장대에서는 흡수가 일어난다(Pettorelli et al., 2011).

Fig. 3. Spectral characteristics of vegetation and algae in water : (a) spectral variation according to chlorophyll-a concentrations in the water (Jensen, 2006) and (b) comparison of the spectrum of coastal water and vegetation in the Spectral Library (ENVI 5.6).

3) 분광지수별 Chl-a 추정 정확도

위성영상에 적용된 광합성 색소 관련 분광지수 중 NDVI, SABI, CARI, 3BM, MCI, NDCI에 대해 Chl-a 농도 계산식을 산출하고 통계적 유의성을 비교함으로써 드론 다중분광영상 분석에 적용 가능성을 평가하였다.

분광지수식에 적용된 드론 분광영상의 파장밴드는 475 nm(청), 560 nm(녹), 670 nm(적), 720 nm(Red-edge), 840 nm(근적외)로, 3BM과 MCI 수식(Table 1)의 Rededge2 밴드는 740 nm 이상의 Red-edge 영역을 나타내지만 본 연구에서 이용한 다중분광센서에는 포함되지 않아 근적외선 밴드로 대체하였다. 조류의 분광스펙트럼에서 740 nm 부근의 긴 파장의 Red-edge2 영역에서 흡수반응이 나타나는데 근적외선 파장대에서도 흡수반응이 발생하므로 대체 가능성이 있고, MCI의 경우 조류매핑에 RapidEye 위성영상을 활용하기 위해 Red-edge2 대신 근적외선을 적용하여 유의미한 결과를 보인 사례(Mishra et al., 2019)가 있다.

분석에 이용된 Chl-a 농도범위는 10 mg/m³ 이하에서 MCI와 같은 분광지수의 Chl-a에 대한 민감도(Sensitivity)가 낮다는 연구결과를 참고하여(Binding et al., 2013; Mishra et al., 2019) 저농도 데이터에 의한 추정오차를 줄이고 분광지수의 적용성을 검토하기 위해 분광지수의 Chl-a 검출한계(Limit of detection, LOD)를 10 mg/m³으로 설정하고 그 이상의 값을 갖는 시료만 포함하였다(n=28).

위성영상 분석을 이용한 녹조 탐지 연구에서 가장 많이 이용되는 기법의 하나인 NDVI를 가장 먼저 평가하였다. 정규화식생지수인 NDVI는 -1과 1사이의 값으로 나타내는데 대개 식생지역은 양수, 나지, 구름, 인공구조물, 암석 등에서는 0에 가깝고 하천, 바다 등 수체에 대해서는 음수를 나타낸다고 알려져 있다(Neigh et al., 2008; Pettorelli et al., 2011; Cho et al., 2020). 육상 식생의 경우 근적외선 영역에서 엽록소의 양자수율이 급격히 저하되어 반사량이 증가하므로 가시광선 영역의 반사율이 근적외선 영역보다 낮아(Fig. 3) 식생이 분포하는 지역에서는 NDVI 값이 양수로 나타나게 된다(Cho et al., 2020). 그러나 드론 분광영상 내 연구지점의 분광밴드 값은 가시광선 영역인 1~3번 밴드 값이 Red-edge 이후의 두 밴드 값보다 높게 나타났다(Fig. 4). 수체에 발생된 조류는 가시광선 영역에서는 광합성 색소에 의한 작용 스펙트럼이 나타나지만 Red-edge 이후의 영역에서는 광합성 색소의 빛에너지 흡수가 줄어들고 물의 분광특성이 크게 작용한다. 따라서 근적외선 영역의 흡수가 응집형태(Scum)를 형성하는 수준으로 발생해야 육상 식생과 같이 엽록소에 의한 분광특성이 지배적으로 작용하게 되고 근적외선 영역에서 반사도가 커져 NDVI가 양의 값을 나타낼 수 있다(Sawtell et al., 2019). 본 연구기간 동안 대상지역의 Chl-a 농도가 최대 70.2 mg/m³ 정도로 조류 발생상황이 scum을 형성하는 정도가 아니었고, 영상의 수계영역에서 NDVI값이 -0.028~-0.486로 나타나 조류에 의한 분광값보다는 물의 분광특성이 지배적으로 작용되는 것으로 판단하여, NDVI는 Chl-a 추정식 산출에서 제외되었다.

Fig. 4. Spectral variations at each waveband of drone-based multispectral sensor according to chlorophyll-a (Chl-a) concentrations attaching suspended solid (SS) data.

SABI의 적용 결과, SABI값과 Chl-a 농도와의 상관관계는 R² 0.52로 통계적 유의성이 높지 않게 나타났다. MODIS SABI는 양의 값이면 표층수에 있는 조류의 광합성에 의한 반응을 탐지한 것으로 보고 음의 값이면 조류가 수직하강했거나 광합성 작용이 멈춘 것으로 파악할 수 있다(Alawadi, 2010). 드론 분광영상에서 계산된 SABI도 NDVI와 유사하게 분광지수값이 -0.022~-0.454로 음의 값으로 나타나 수표면에 조류가 응집상태로 존재하지 않는 것으로 보이고, SABI와 Chl-a 농도와의 상관성이 낮은 것은 분광지수식에 청색, 녹색광 파장대가 포함되어 있어 무기성 부유물질에 의한 영향이 존재했을 가능성이 있다. 따라서 드론의 다중분광영상을 이용한 SABI는 Chl-a 농도로 직접 계산하는데 적용하는 것보다 NDVI와 마찬가지로 수표면에 조류 발생상태를 정성적으로 파악하는 것은 가능할 것으로 보인다.

CARI는 Chlorophyll Absorption in Reflectance(CAR)와 R_RE와 R_red의 밴드비의 곱으로 표현되는데 CAR는 기존 연구(Kim et al., 1994)에서와 같이 Chl-a 농도와 음의 상관관계를 나타내었고 R² 0.75로 통계적으로 유의한 수준을 나타내었다(Fig. 5). CARI는 육상 식생을 대상으로 개발된 지수이지만 근적외선 영역이 포함되지 않아서 물에 의한 분광반응의 영향을 낮추고 광합성 색소에 의한 반응만을 고려할 수 있어서 Chl-a에 대해 보다 높은 상관성을 기대하였다. 그러나 수식에 적용된 녹색 파장은 식생을 표현하는데 유효하지만 조류 분석에 있어서는 무기성 부유물질 등에 의해 조류의 스펙트럼 간섭이 발생하여(Suh et al., 2002) 통계적 유의성이 저하되었을 가능성이 있다. 또한 CARI는 550 nm~700 nm 구간의 분광 스펙트럼의 형태적 특징을 수식화하였는데, 원 식에서는 550, 670, 700 nm 밴드가 이용된데 비해 본 연구에서는 560, 670, 720 nm 밴드가 이용되어 적용 파장대의 변동이 분광지수 계산값에 영향을 미쳤을 것으로 판단된다.

Fig. 5. Relationship between the measured chlorophyll-a concentration (Chl-a conc.) and each spectral index (NDCI, 3BM, MCI, and CARI).

MCI는 Red-edge 파장의 반사피크를 녹조 탐지 주요 변수로 하여 Red-edge의 반사피크를 꼭지점으로 하고 좌우의 흡수피크인 적색광, Red-edge2 밴드를 Baseline으로 계산한다. 본 연구에서는 R₆₇₀(흡수), R₇₂₀(반사)와 Rededge2(흡수) 대신 R₈₄₀(흡수)이 적용되었다. 드론 MCI와 Chl-a 농도와의 상관성은 선형관계에서 R² 0.74로 통계적으로 유의한 수준을 나타내었다. MERIS 위성영상을 이용한 MCI는 R² 0.7~0.9 수준으로 Chl-a 농도와의 상관성을 나타내었던 연구 사례(Binding et al., 2013)와 어느 정도 유사한 결과를 보였지만, MERIS 영상에서는 Red-edge2(753 nm) 밴드를 이용하였으므로 840nm 밴드를 이용한 드론 영상과는 분광지수식의 계산 결과에 차이가 발생한 것으로 보인다.

3BM도 적색광과 Red-edge2의 흡수와 Red-edge1 파장대의 반사반응이 수식에 반영되었는데, 기존 연구에서 최적화기법(Optimization procedure)을 통해 665, 700, 730 nm 파장대를 선정하여 Chl-a 농도와 선형관계 계산식으로 R² 0.96의 높은 상관관계를 얻었다(Zhang et al., 2011). RapidEye 영상을 이용한 다른 연구에서는 기존 밴드와 가장 가까운 파장영역인 657, 710, 805 nm 밴드를 계산에 적용하였는데, 3차함수를 이용한 Chl-a 농도 추정식에서 R²가 0.73으로 Red-edge2 파장을 이용했을 때보다 성능이 저하되었다(Choe et al., 2011). 본 연구에서는 Red-edge2 대신 근적외선 영역의 840 nm 파장대를 이용하여 3BM을 산출하였고 Chl-a 농도와의 상관관계는 R2 0.86로 나타났다. 근적외선 영역에서도 805 nm 파장에서는 약한 반사가 일어나지만 820 nm 이후의 긴 파장대의 근적외선에서는 흡수가 일어나 760 nm 근처의 Red-edge2 영역과 비슷한 분광반응을 보이므로(Fig. 3(a)) Choe et al. (2011)의 연구보다 Chl-a 농도와의 상관관계가 더 높게 나타난 것으로 보인다.

NDCI는 적색광과 Red-edge 두 개 밴드만 이용하여 분광지수를 나타냈는데 NDVI와 같이 정규화된 값으로 -1~1로 표현되었다. Mishira and Mishira (2012)에 따르면 깨끗한 수체일수록 NDCI 값이 -1에 가깝고 녹조발생현황이 Chl-a 50 mg/m³ 이하 수준에 이르는 경우 - 0.3~0.5 정도의 값을 나타내며 scum을 형성하는 정도의 녹조 대발생 상황에서는 0.5~1.0의 값을 나타낸다고 하였다. 연구지점의 NDCI값은 -0.2에서 0.2까지 분포하였고, 현장시료의 Chl-a 농도는 9.5~70.2 mg/m³로 기존의 연구에서 제시한 NDCI와 Chl-a 값의 분포에서 크게 벗어나지 않음을 알 수 있었다. NDCI와 Chl-a 농도와의 상관관계도 R² 0.86, RMSE 7.50으로, 통계적으로도 비교적 높은 유의성을 나타내었으며 3BM 분광지수와 더불어 가장 적용성이 높은 결과를 보였다(Table 3). 적용성과 드론 다중분광센서의 활용면에서 용이한 NDCI를 이용하여 Chl-a 농도를 계산한 분포 영상(NJ, CH)을 Fig. 6에 나타내었는데, 현장시료의 분석값과 영상에서 분포하는 계산값이 비슷한 수준을 보임을 확인하였다.

Table 3. Statistical parameters of the performance in estimating chlorophyll-a concentrations using each spectral index (NDCI, 3BM, CARI, and MCI)

Fig. 6. Mapping of chlorophyll-a concentrations derived from NDCI of drone-based multispectral images of NJ (left) and CH (right) area with the measured dataset.

4. 결론

드론 탑재 다중분광센서를 이용하여 하천의 녹조를 모니터링하고자 Chl-a 농도 추정식 산출에 분광지수의 적용성을 평가하였다. 조류의 광합성 색소에 의한 작용스펙트럼 특징을 나타낼 수 있는 수식으로 여러 위성영상에 적용된 NDVI, CARI, 3BM과 같이 육상 식생의 분광특성을 나타낸 지수와 MCI, SABI, NDCI와 같이 해양 조류 분석을 위해 개발된 분광지수들을 적용하였다. 가장 일반적인 분광지수인 NDVI는 계산값이 영상 내수계영역 전체에서 음수로 나타났는데, 해당 지점에서 연구기간 동안 조류의 광합성 색소에 의한 분광특성보다는 물의 분광특성이 지배적으로 나타난 것으로 조류의 Chl-a 농도 추정에 적합치 않았다. SABI도 Chl-a 농도와의 상관성이 높지 않았는데(R² = 0.5) 수식에 청색, 녹색광 파장대가 포함되어 있어 수체의 무기성 부유물질에 의한 간섭 가능성이 있고 NDVI와 마찬가지로 840 nm 영역의 파장대에서 물의 영향이 커서 Chl-a 농도 추정에 어려움이 있었다. NDVI와 SABI는 수표면에 scum을 형성하는 정도에서 조류 발생상태의 정성적 파악은 가능할 것으로 보인다.

광합성 색소에 의해 흡수반응이 강하게 나타나는 적색광 이후에 급격히 빛에너지 흡수율이 떨어지면서 반사가 일어나는 지점을 Red-edge라고 하며 이 파장대가 포함된 분광지수인 CARI, MCI, 3BM, NDCI가 비교적 통계적 유의성이 높게 나타났다(Table 3). 그 중에서 MCI, CARI는 상대적으로 낮은 적용성을 나타내었는데, 이들 지수는 분광 스펙트럼의 형태적 특징을 수식화하여 원 식에서 제안한 파장밴드와 사용할 센서의 분광 파장대의 차이에 유의해야 한다. 3BM, MCI는 Red-edge 영역에서 두 개의 밴드를 적용해야 하는데, 해당 파장대가 없는 분광센서를 이용하는 경우에는 원래 제안된 파장대에서 일어나는 분광반응과 대체해야 하는 파장대에서 유사한 반응이 나타나는 영역인지 검토가 필요하다. 여기서는 750 nm의 Red-edge 밴드를 840 nm 파장으로 대체하였는데 정도의 차이는 있으나 두 영역 모두에서 흡수반응이 나타나 적용이 가능하였고 Chl-a 농도 추정식에서 통계적 유의성이 확인되었다(Table 3).

NDCI는 NDVI처럼 적색광과 Red-edge 두 파장대만 이용하여 정규화된 수식으로 나타내지는데 3BM과 함께 가장 유의성 있는 결과(R² = 0.86, RMSE = 7.53)를 나타내었다. 청색, 녹색광의 짧은 파장대가 제외되어 하천의 탁도에 의한 간섭도 배제하고 비교적 보편적인 분광 파장대를 이용하므로 적용하는 센서 파장대의 차이에 의한 오차도 줄일 수 있어서 가장 간단하고 적용성 높은 결과를 도출할 수 있다. 3BM도 NDCI와 유사한 결과(R² = 0.86, RMSE = 7.50)를 보였는데 Red-edge2 파장대를 활용할 수 있는 분광센서를 활용할 경우에 NDCI보다 나은 Chl-a 추정결과를 나타낼 수 있을 것으로 사료된다.

또한, 이러한 결과를 바탕으로 높은 적용성이 확인된 NDCI나 3BM 분광지수에 대해 더 다양한 간섭현상과 수체환경의 조건을 적용하여 Chl-a 농도 계산식을 검증하고 정확도를 더 높여 표준화된 수식을 도출한다면 드론 다중분광영상을 이용하여 하천 녹조 우심지역에 실시간 수준의 정량적인 모니터링(Near real-time monitoring)이 가능할 것으로 기대된다.