• 제목/요약/키워드: 홍수유출특성

검색결과 652건 처리시간 0.017초

2011-2012년 낙동강 하구 및 연안역에서 식물플랑크톤 군집의 시·공간적 변화 (Temporal and Spatial Variability of Phytoplankton Communities in the Nakdong River Estuary and Coastal Area, 2011-2012)

  • 정미희;윤석현
    • 한국해양학회지:바다
    • /
    • 제18권4호
    • /
    • pp.214-226
    • /
    • 2013
  • 상류지역의 보 건설과 준설작업이 이루어지고 있던 2011년 1월부터 2012년 10월까지 낙동강, 하구 및 연안역에 걸쳐 식물플랑크톤 군집의 변화양상을 이해하고자 14개 정점에서 총 12회의 조사를 실시하였다. 조사시기동안 낙동강 유역의 월 누적 강수량은 0~502mm 이었다. 강유역은 표 저층 모두에서 해수의 영향이 없었고, 하구역 정점에서는 0.1~34.8 psu의 범위로 강우의 영향으로 염분 변동폭이 컸으며, 연안역에서는 홍수기인 7-8월을 제외하고는 대부분 정점에서 30 psu이상의 염분 특성을 보였다. 식물플랑크톤은 총 402종이 분류 동정되었으며 강유역에서는 178종, 하구 및 연안역에서는 331종이 출현하였다. 식물플랑크톤 현존량은 강유역, 하구역, 연안역 순으로 감소하였으며, 2011년에 비해 2012년에 높게 나타났다. 출현빈도와 우점률 측면에서 전체 조사 수역의 상위 20종은 Stephanodiscus spp., Aulacoseira granulata, Aulacoseira var. angustissima, Pseudo-nitzschia spp.의 순었으며, 중요 분류군은 규조류인 것으로 나타났다. 계절별 각각의 정점에서 가장 우점비율이 높았던 종은 2011년(13종)에 비해 2012년(10종)에 다소 단순화되는 경향을 보였다. 식물플랑크톤 종다양성지수는 조사 연도별로는 큰 차이가 없었으나, 강 및 하구에 비해 연안이 다소 높은 것으로 나타났다. 유사도에 의한 군집분석을 이용해 식물플랑크톤의 군집변화를 살펴보면 2011년은 조사시기에 따라 다양한 군집구조가 나타난 반면 2012년은 군집구조의 변화가 크지 않고 단순화 된 것으로 나타났다. 이와 같이 2011년에 비해 전반적으로 높아진 식물플랑크톤의 현존량, 단순화된 우점종의 수 및 군집구조 등은 낙동강 유역의 급격한 환경변화로 인한 것으로 판단된다. 따라서 본 연구에서 다루지 못했던 낙동강-하구-연안의 영양염 분포, 담수유출 및 범위의 변화 등에 따른 식물플랑크톤을 포함한 생물군집의 통합적 분석이 함께 수행되어야 할 것으로 생각된다.

다종 위성자료와 기계학습을 이용한 고해상도 표층 염분 추정 (Estimation of High Resolution Sea Surface Salinity Using Multi Satellite Data and Machine Learning)

  • 성태준;심성문;장은나;임정호
    • 대한원격탐사학회지
    • /
    • 제38권5_2호
    • /
    • pp.747-763
    • /
    • 2022
  • 해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R2 = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.