Oil Spill Monitoring in Norilsk, Russia Using Google Earth Engine and Sentinel-2 Data

Google Earth Engine과 Sentinel-2 위성자료를 이용한 러시아 노릴스크 지역의 기름 유출 모니터링

Abstract

Oil spill accidents can cause various environmental issues, so it is important to quickly assess the extent and changes in the area and location of the spilled oil. In the case of oil spill detection using satellite imagery, it is possible to detect a wide range of oil spill areas by utilizing the information collected from various sensors equipped on the satellite. Previous studies have analyzed the reflectance of oil at specific wavelengths and have developed an oil spill index using bands within the specific wavelength ranges. When analyzing multiple images before and after an oil spill for monitoring purposes, a significant amount of time and computing resources are consumed due to the large volume of data. By utilizing Google Earth Engine, which allows for the analysis of large volumes of satellite imagery through a web browser, it is possible to efficiently detect oil spills. In this study, we evaluated the applicability of four types of oil spill indices in the area of various land cover using Sentinel-2 MultiSpectral Instrument data and the cloud-based Google Earth Engine platform. We assessed the separability of oil spill areas by comparing the index values for different land covers. The results of this study demonstrated the efficient utilization of Google Earth Engine in oil spill detection research and indicated that the use of oil spill index B ((B3+B4)/B2) and oil spill index C (R: B3/B2, G: (B3+B4)/B2, B: (B6+B7)/B5) can contribute to effective oil spill monitoring in other regions with complex land covers.

기름 유출 사고는 발생 시 환경과 관련된 다양한 문제들을 야기하므로 신속하게 유출유의 면적과 위치 변화를 파악하는 것이 중요하다. 광학 위성자료를 활용한 기름 유출 탐지의 경우 다양한 위성탑재 센서를 통해 유출유에 대한 정보 수집 후 이를 이용하여 광범위한 기름 유출 범위를 모니터링할 수 있다. 선행 연구에서는 파장별 기름의 반사도를 분석한 후 특정 파장대의 밴드를 이용한 oil spill index가 개발 및 적용되었다. 기름 유출 모니터링을 위해 유출 전후 여러 시기의 위성자료를 분석할 경우 다량의 데이터로 인해 많은 시간과 컴퓨팅 자원이 소비된다. 웹 브라우저를 통해 대량의 위성자료 분석이 가능한 Google Earth Engine을 활용할 경우 효율적으로 기름 유출 탐지가 가능하다. 본 연구에서는 Sentinel-2 MultiSpectral Instrument 위성자료와 클라우드 기반의 위성자료 분석 플랫폼인 Google Earth Engine을 이용하여 기존에 제안된 네 종류의 oil spill index의 다양한 피복 환경에서의 활용성 평가를 수행하였다. 지표 피복별 index 값의 비교를 통해 기름 유출 영역이 타 피복과 잘 구분되는지에 대한 분리도를 평가하고 기름 유출 면적을 산정하였다. 본 연구 결과를 통해 Google Earth Engine이 기름 유출 광역 모니터링에 효율적으로 활용 가능하다는 것을 확인하였고, 복잡한 지표 피복이 분포하는 다른 지역에 기름 유출 사고 발생 시 우수한 성능으로 평가된 oil spill index B ((B3+B4)/B2)와 C (R: B3/B2, G: (B3+B4)/B2, B: (B6+B7)/B5)의 적용은 효과적인 기름 유출 모니터링에 기여할 것으로 판단된다.

1. 서론

해양 또는 하천에서의 기름 유출은 주변 환경과 생태계에 심각한 악영향을 미칠 수 있다. 수면에 유출된 기름은 수면의 유동을 따라 이동하면서 유출 범위가 확대되고(Cheong, 2008), 이로부터 방제 작업이 어려움을 겪는다. 따라서 피해를 최소화하기 위해서는 신속하게 유출유의 위치 변화와 유출 범위를 파악하는 것이 필요하다.

하지만 대부분의 해양 또는 하천에서 발생하는 기름 유출의 경우, 넓은 영역에 걸쳐 발생하므로 지상 또는 저고도에서 모니터링하기에 어려움이 있다. 위성 원격 탐사는 넓은 지역의 이미지를 제공하여 광범위하게 일어난 기름 유출에 대해 위치 탐지, 규모 산정, 확산 모니터링을 수행할 수 있으며, 인공위성에 탑재된 센서에 따라 다양한 데이터를 획득하여 유출된 기름에 대한 탐지가 가능하다(Robbe and Hengstermann, 2006). 광학 위성 자료의 경우 일반적으로 다중분광 센서를 활용하여 유출유의 고유 흡광특성이 나타나는 특정 파장대에서 반사도를 측정 후 이를 활용한다.

선행연구에서는 여러 종류의 유류에 대한 파장별 반사도를 분석하였고(Andreou et al., 2011), 이를 기반으로 기름 유출 감지 및 모니터링이 이루어지고 있다. 또한, 이와 관련하여 기름에 대해 특정한 반사도를 보이는 파장 영역의 밴드 비율로 구성된 oil spill index를 이용한 연구가 수행되었고, 높은 공간해상도와 넓은 파장 영역은 더 효과적으로 oil spill index를 통한 기름 유출 탐지를 가능하게 하였다(Rajendran et al., 2021b).

이러한oilspill index적용을위해서는높은공간해상도와 넓은 파장 영역을 가진 위성자료의 활용이 필요하다. 무료로 운용되고 있는 Google Earth Engine에서 사용 가능한 위성자료 가운데 European Space Agency (ESA)에서 제공하는 Sentinel-2는 2A/2B 두 개의 위성이 5일 주기로 전 세계를 관측하고, Sentinel-2에 탑재된 MultiSpectral Instrument (MSI) 센서는 가시광선, 근적외선 및 단파장 적외선 영역에서 13개의 밴드를 포함한다. Sentinel-2 위성자료를 사용하기 위해서는 통상적으로 Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus)에서 영상 확보 후 ESA에서 제공하는 Sentinel Application Platform (SNAP) 소프트웨어 등을 이용한 영상의 전처리가 필요한데 이러한 과정은 연구에 사용되는 영상 수, 분석 환경에 따라 많은 시간이 소비된다(Park and Kang, 2022).

Google Earth Engine은 지구 전역의 지리적 공간 분석을 지원하는 클라우드 컴퓨팅으로써 대량의 위성자료를 브라우저를 통해 분석할 수 있다. 위성자료를 직접 다운로드하지 않아도 Google Earth Engine Code Editor에서 자바스크립트 코드(JavaScript code)를 통해 수 초 내에 위성자료를 불러오거나 원하는 분석 작업을 수행할 수 있기 때문에 효율적으로 장기 시계열 분석이 가능하다(Park and Kang, 2022). 하지만 장기 광역 관측이 필요한 기름 유출 모니터링 연구에서 Google Earth Engine 적용 사례는 소수만 보고되었다(Löw et al., 2021).

따라서 본 연구에서는 2020년 5월 29일 러시아 노릴스크(Norilsk) 지역에서 발생한 기름 유출 사고의 효율적인 원격 모니터링을 위해 Sentinel-2 MSI 영상과 클라우드 기반의 위성자료 활용 플랫폼인 Google Earth Engine을 이용하여 기존에 제시된 oil spill index들의 다양한 지표 피복 환경에서의 활용성 평가를 하고자 하였다.

2. 연구자료 및 방법

2.1. 연구지역 및 자료획득

2.1.1. 연구지역

본 연구에서는 기름 유출 사고가 발생하였던 러시아 노릴스크 인근의 암바르나야(Ambarnaya)강을 연구지역으로 선정하였다(Fig. 1). 이 곳은 러시아의 시베리아 중부지역으로 위도 69°27′24.7″N, 경도 87°55′44.8″E에 위치하고 있다. 지난 2020년 5월 29일 니켈·팔라듐 생산 업체인 ‘노릴스크 니켈’의 자회사가 운영하는 발전소의 연료 탱크 붕괴로 인해 기름 유출 사고가 발생하였다. 유출된 기름은 약 21,000톤으로 12 km 떨어진 주변의 다르디칸(Daldykan)강을 통해 암바르나야강으로 흘러 들어갔다. 사건 현황 및 오염 정화 과정에 대한 자세한 내용은 ‘노릴스크 니켈’ 회사 홈페이지(https://www.nornickel.com)에서 확인할 수 있다. 노릴스크 기름 유출 사고는 러시아 역사상 두 번째로 큰 기름 유출이자 북극권에서 발생한 역대 오염사고 가운데 가장 큰 규모이다.

Fig. 1. True color composite of Sentinel-2 MSI image (R: band 4, G: band 3, B: band 2). (a) Image acquired on June 28, 2020, showing the study area and the location of the oil spill. (b) Image acquired on June 1, 2020, showing the oil spill flowing along the Ambarnaya River, Norilsk, Russia.

2.1.2. 연구자료

유출유 탐지를 위해 Google Earth Engine에서 사용 가능한 위성자료 중 상대적으로 높은 공간해상도와 다양한 밴드 대역을 가진 Sentinel-2 A/B를 활용하였다. Google Earth Engine Code Editor를 통해 구름 70% 이하의 기상조건을 고려하여 사고발생(2020년 5월 29일) 전후인 2020년 5월 18일부터 2020년 6월 26일까지의 기간 동안 2A 4장, 2B 7장, 총 11장의 위성자료를 사용하였다. 사용한 위성자료 정보는 Table 1에 정리하였다. 2020년 5월 18일부터 2020년 6월 26일까지의 위성자료 10장은 oil spill index 적용 기름 유출 모니터링 및 지표 피복별 index 값 추출에 사용되었고, 2020년 7월 3일의 경우 물 영역의 index 값 추출을 위해 사용되었다. Oil spill index를 적용하기 위해 Sentinel-2의 13개 밴드 중 가시광선-근적외선-단파장적외선 영역의 band 2, 3, 4, 5, 6, 7, 8, 11, 12의 총 9개 밴드를 사용하였고, 각 밴드 영역에 대한 상세 정보는 Table 2와 같다.

Table 1. Sentinel-2 MSI images used in this study 

Table 2. Characteristics of Sentinel-2 MSI bands (European Space Agency, 2015)  

2.2. 연구방법

2.2.1. Google Earth Engine 기반 영상 처리

본 연구에서는 Google Earth Engine을 통해 유류 오염 지역에 해당하는 Sentinel-2 위성자료에 네 종류의 oil spill index를 적용 후, 각 결과를 비교하고 유출유에 대한 면적을 산정해보고자 한다. Google Earth Engine에서 제공되는 surface reflectance 위성자료를 이용하여 별도의 영상 전처리를 수행하지 않고 oil spill index 분석에 활용하였다. Google Earth Engine Code Editor를 통해 위성 자료를 불러온 후 자바스크립트 코드를 작성하여 네 종류의 oil spill index를 각 영상에 적용하였다. 육안으로 유출여부를 명확히 확인할 수 있는 oilspill index 적용 결과, 이미지를 도출하기 위해 oil spill index 값을 가시화하는 최소·최대 값을 지정하였다. Fig. 2는 연구지역에 oil spill index의 적용과정을 나타내는 Google Earth Engine Code Editor 화면이다.

Fig. 2. Application of the oil spill index to the study area using Google Earth Engine Code Editor.

2.2.2. Oil Spill Index

밴드 비율 연산에서는 화소별 밴드 사이의 상대적인 강도 또는 밝기 차이를 나타내는 정보를 얻을 수 있고, 획득한 비율값을 이용하여 특정 대상에 대한 밴드 사이의 관계나 특성을 분석할 수 있다. 이러한 밴드 비율 정보를 활용하여 다양한 지구 표면의 특성, 환경 변화 등을 관측하고 관련 정보를 추출할 수 있다. 기름은 가시영역에서 물보다 약간 더 높은 반사도를 보이며(Fig. 3), 기름의 광택은 넓은 파장 영역에서 빛을 반사한다(Klemas, 2010). 암바르나야강의 물은 band 3 (560 nm)에서 약한 흡광도를, band 6 (740 nm), 8a (865 nm), 11 (1610 nm)에서 높은 흡광도를 보였으며, 기름 유출이 된 강물의 경우 그렇지 않은 강물에 비해 band 3 (560 nm), 4 (665 nm)에서 강한 흡광 특성을 보였다. 식생은 band 4 (665 nm), 8a (865 nm)에서, 토양은 band 3 (560 nm), 4 (665 nm), 5 (705 nm), 8a (865 nm)에서, 얼음은 band 8a (865 nm) 및 11 (1610 nm)에서 높은 흡수를 보였다. 따라서 Sentinel-2의 band 3, 4, 5, 6, 8a, 11은 연구지역의 기름 유출 탐지 및 주변 피복 구별에 유용하게 활용될 수 있다(Rajendran et al., 2021a).

Fig. 3. Comparison of spectralreflectance between oil and water (Liu et al., 2016).

본 연구에서는 사고 발생 전후 2020년 5월 18일에서 2020년 6월 26일 기간 중 10장의 영상에 대해 가시광선-근적외선-단파장적외선 영역의 다양한 밴드 조합 및 비율을 활용한 네 가지의 oil spill index를 적용하였다. 사용한 oil spill index 종류 및 밴드 비율은 Table 3과 같다. 밴드 비율 B2/B11의 경우 얕지 않은 물에서의 유출유 탐지에 적합하다(Kolokoussis and Karathanassi, 2018). 가시광 밴드로만 구성된 밴드 비율(B3+B4)/B2은 이미지에 대한 기름 유출과 관련된 분광스펙트럼 특성을 강조하고, (B6+B7)/B5 및 (B5+B6)/B7은 근적외선 밴드를 사용한다. (B11+B12)/B8은 단파장적외선 밴드로 지질 관련 특성이 강조되어 연구 지역의 지질 정보를 파악할 수 있다(Rajendran et al., 2021b).

Table 3. List of oil spill indices used in this study

네 가지 oil spill index 중 A와 B는 단일 밴드 결과물이 생성되어 화소값 또는 가시화 결과에서의 화소 밝기 차이로부터 기름 유출 지역이 강조된다. Oil spill index C와 D의 경우 세 밴드 비율 연산 결과를 각각 red, green, blue 밴드에 할당 후 컬러 조합 영상이 생성된다. 컬러 조합 영상에서 기름 유출 지역은 다른 지표 피복과는 차별화된 색상으로 가시화됨으로써 기름 유출 지역이 강조된다.

각 영상에 oil spill index를 적용하고 도출된 index 값을 이용하여 기름과 주변 환경을 비교하기 위한 분석을 수행하였다. ArcGIS Pro 소프트웨어의 ‘Create Random Points’ 툴을 사용하여 index 적용 영상에 무작위로 포인트를 생성하였다. 다양한 주변 지표 피복 환경 및 계절의 변화로 인한 지표 피복의 변화에서도 oil spill index를 활용하여 유출유를 잘 탐지할 수 있는지 평가하기 위해 기름을 포함하여 주변 환경을 얼음, 토양, 구름, 식생, 물의 총 여섯 가지로 분류하여 각 피복을 명확하게 확인할 수 있는 시기의 영상에 random point를 할당하였다(Fig. 4). 그 중 기름, 얼음, 구름 및 물의 경우 넓은 연구 지역에 비해 해당하는 범위가 상대적으로 매우 작아 각 피복 영역을 region of interest (ROI)로 설정한 후 ROI 내에서 무작위로 각 40개의 포인트를 생성하였다. 토양과 식생의 경우 연구 지역 전체에 각 70개의 포인트를 무작위로 생성하고 서로 다른 피복 사이의 경계에 할당된 포인트는 제외하여 토양 45개, 식생 37개의 포인트를 결정하였다. 각 포인트에 대해 샘플링 된 oil spill index 값은 단일 밴드인 index A 및 B의 경우 box-whisker plot으로, RGB 합성 이미지인 index C 및 D의 경우 3D scatter plot으로 도시하였다(Lee et al., 2019). Box-whisker plot은 최소값, 제1사분위수, 중앙값, 제3사분위수, 최대값으로 구성되어 있으며 상자 가운데에 위치한 선은 데이터의 중앙 값을 의미한다. 3D scatter plot은 각 RGB 성분별 값을 X, Y, Z 축에 할당하여 데이터의 분포를 시각화하였다.

Fig. 4. A Sentinel-2 MSI image containing random points: (a) Ice (pink dots), (b) land (lime green dots), (c) oil (yellow dots), (d) clouds (green dots), (e) vegetation (red dots), and (f) water (orange dots).

2.2.4. 유출 면적 산정

기름 유출 면적을 산정하기 위해서는 기름과 기름이 아닌 영역을 구분하기 위한 index 임계값을 결정해야 한다. 선택된 oil spill index 적용 영상에 기름과 주변 환경의 index 값 프로파일을 확인하고 세밀한 육안 판독을 통해 임계값을 결정하였다. 임계값보다 작은 값을 가진 화소를 제외시켜 기름에 해당하는 화소만 분류하고 각 화소의 공간해상도를 기반으로 면적을 산정하였다.

3. 연구결과 및 토의

3.1. Oil Spill Index 적용성 평가

사고 발생 후 유출유가 가장 많이 관측되는 2020년 6월 1일 영상에 네 종류의 oil spill index를 적용하였다(Fig. 5). 육안으로 판독했을 때 oil spill index A (Fig. 5b)가 적용된 영상의 경우, 기름 유출 영역이 어두운 회색으로 나타났고 토양, 호수 및 구름과 같은 주변 지표 피복과 뚜렷하게 구분이 되지 않는 것을 확인할 수 있다. 반면에 oil spill index B (Fig. 5c)를 적용한 영상을 살펴보면 기름 유출 영역은 밝게 강조되고, 그 외 주변 지표 피복은 상대적으로 어두운 회색 톤으로 나타나 기름과 기름이 아닌 영역이 뚜렷하게 구분된다. Oil spill index C (Fig. 5d) 적용 영상의 경우 토양 및 구름은 보라색, 물은 주황색으로, 기름 유출 영역은 밝은 노란색에서 밝은 연두색으로 구분되었다. Oil spill index D (Fig. 5e)를 적용한 영상에서는 기름 유출 영역이 약간 밝은 녹색으로 강조되긴 했지만 주변 지표 피복과 매우 유사한 색상을 띄고 있어 기름을 명확히 구분하지 못한다. 종합해보면 oil spill index B 및 C를 적용한 영상에서 기름과 주변 지표 피복이 뚜렷하게 구분된 반면 index A 및 D를 적용한 영상의 경우, 기름이 주변 지표 피복과 비슷하게 가시화되어 기름 유출 영역을 구분하기 어려운 결과가 확인된다.

Fig. 5. Application of oil spill indices to distinguish spilled oil. (a) True color composite image of Sentinel-2 MSI acquired on June 1, 2020. (b) Oil spill index A. (c) Oil spill index B. (d) Oil spill index C. (e) Oil spill index D.

기름을 포함하여 총 여섯 가지 지표 피복(기름, 얼음, 토양, 구름, 식생, 물)을 대상으로 생성한 포인트에 해당하는 index 값을 이용하여 box-whisker plot과 3D scatter plot을 생성하였다(Fig. 6). Oil spill index A의 경우(Fig. 6a), 기름 유출 영역의 index 수치가 다른 지표 피복의 index 수치와 중첩되는 것을 확인할 수 있다. Oil spill index A를 적용시킨 영상의 기름 영역 index 값 범위는 0.14–1.11로 얼음을 제외한 주변 지표 피복의 index 값과 범위가 상당한 범위에서 중첩되어(얼음 3.99–51.79, 물 0.72–2.78, 구름 0.78–1.21, 토양 0.15–0.95, 식생 0.19–0.35) 기름만을 구별해내기 어렵다. Oil spill index B의 그래프(Fig. 6b)를 보면 주변 지표 피복과 중첩되는 부분 없이 기름이 잘 구별되는 것을 볼 수 있다. Oil spill index B를 적용한 영상의 기름 유출 영역 index값 범위는 4.13–17.07로 주변 지표 피복의 index 값과 교집합을 가지지 않아(얼음 1.55–1.92,물 1.66–2.31,구름 1.75–2.2,토양 2.07–3.59, 식생 1.95–2.92) 이 index 값을 이용하여 기름 유출 영역을 효과적으로 탐지할 수 있음을 확인하였다. RGB 합성 이미지인 oil spill index C 및 D 영상의 경우 3D scatter plot을 이용하여 index 값을 도시하였다. 각 RGB 밴드에 해당하는 oil spill index C와 D의 각 RGB 성분별 최대 및 최소값은 Table 4와 5에 도시하였다. Oil spill index C의 경우(Fig. 6c), 소량의 기름 클래스 포인트들이 토양과 중첩되는 범위를 가지지만 대부분의 경우 주변 지표 피복과 구분된다. 하지만 oil spill index D의 그래프(Fig. 6d)를 보면 기름 포인트의 분포가 물, 구름과 중첩되는 것을 확인할 수 있다.

Fig. 6. Representing the index values of randomly selected points in each land cover (oil, ice, cloud, land, vegetation, and water), as box-whisker plots and 3D scatter plots. (a) The box-whisker plot representing the index A values of the selected land covers. (b) The box-whisker plot representing the index B values of the selected land covers. (c) The 3D scatter plots representing the index C values of the selected land covers. (d) The 3D scatter plots representing the index D values of the selected land covers.

Table 4. Minimum and maximum oil spill index C values in RGB color space

Table 5. Minimum and maximum oil spill index D values in RGB color space

기름 유출 영상에 네 종류의 oil spill index를 적용한 결과 index B와 C가 기름 유출 영역을 효과적으로 구별해내는 것으로 나타났다. 이 결과를 바탕으로 기름 유출 발생 전후의 2020년 5월 18일부터 2020년 6월 26일까지 총 10장의 영상에 index B와 C를 적용하였다(Fig. 7, 8, 9). 그 결과 시기에 따라 기름 분포가 변화하는 양상이 비교적 명확하게 확인 가능했지만 구름 그림자 지역(2020년 6월 7일 영상)에서 일부 index 값이 크게 나타나는 노이즈(noise)가 발생하였다.

Fig. 7. True color composite of Sentinel-2 MSI images from May 18, 2020, to June 26, 2020. The white dots around the river in the imagery starting from June 7, 2020, are tanks used for oil removal.

Fig. 8. Oil spill index B applied Sentinel-2 MSI images from May 18, 2020, to June 26, 2020.

Fig. 9. Oil spill index C applied Sentinel-2 MSI images from May 18, 2020, to June 26, 2020.

3.2. 기름 유출 면적 산정

네 종류의 oil spill index 중 유출유 탐지 결과가 가장 우수한 것으로 판단된 index B를 적용한 2020년 6월 1일 영상을 대상으로 index 값을 이용하여 유출 면적을 산정하였다. 기름 유출 영역 분류 과정에서 앞서 언급한 내용과 같이 구름으로 인해 매우 진한 그림자가 생성된 위치에서의 노이즈로 판단된 부분이 함께 포함되었다. 유출유 탐지를 위해 유출유와 주변 지역 사이에서의 공간 프로파일을 통해 확인된 4.14의 임계값을 선택하고 적용하였다. Fig. 10은 마스크(mask) 과정을 통해 분류된 유출유 영역만 추출하여 RGB 컬러 영상 위에 중첩하여 나타낸 이미지이다. 기름 유출 영역은 약 0.29 km²의 면적으로 확인되었다.

Fig. 10. An image showing the oil spilled areas (red pixels) classified using oil spill index B.

4. 결론

본 연구에서는 러시아 노릴스크 지역에서의 기름 유출 사고에 대해 사고 발생 전후에 획득한 Sentinel-2 MSI 위성자료 및 클라우드 기반 플랫폼인 Google Earth Engine을 활용한 분석을 수행하였다. 기름과 주변 피복을 구분하는 반사도를 가진 파장대인 가시광선-근적외선-단파장적외선 영역에 해당하는 밴드들의 비율을 활용하여 기존에 제안된 네 가지 oil spill index를 적용하였다. 이 과정에서 다양한 지표 피복이 혼재되어 있으며 계절 변화에 따라 지표 피복이 함께 변화하는 환경에서의 각 index의 활용성을 평가하였다. 또한 기름 유출 면적 산출을 수행하였다. Google Earth Engine 기반 분석 과정에서는 별도의 위성자료 다운로드 및 전처리 과정없이 Sentinel-2 MSI 위성자료를 이용한 기름 유출 탐지와 시계열 분석이 가능하였다.

본 연구 결과를 통해 Google Earth Engine이 기름 유출 탐지 및 다량의 위성자료를 이용하는 경우에 효율적인 시계열 분석이 가능하다는 것을 확인하였다. 또한 눈, 얼음, 식생, 토양 등 주변의 다양한 지표 피복 사이의 index 값 비교를 통해 추후 다른 계절 및 지역에 기름 유출 사고 발생 시 유출유 탐지 성능이 우수한 것으로 평가된 oil spill index B와 C의 활용은 효과적인 기름 유출 모니터링에 기여할 것으로 판단되었다.