• 한국지리정보학회지
• /
• 제25권1호
• /
• pp.101-119
• /
• 2022

기존의 녹조 모니터링은 현장 채수에 의한 국지적인 조사로 인해 녹조 발생 및 확산 규모 등에 대한 공간적 분포 파악에 한계가 있다. 이에 본 연구에서는 무인항공기 및 다중분광센서를 이용하여 녹조 모니터링을 수행하고, 녹조 분포 현황 자료를 산출하고자 하였다. 조류 우심구간인 낙동강 하류에 위치한 물금·매리 구간을 대상으로 현장조사 및 다중분광영상 촬영을 수행하였다. 현장 채수 시료의 Chlorophyll-a(Chl-a) 값과 분광지수(Spectral Index)들의 상관관계로 도출한 Chl-a 추정식을 비교 분석하였다. 그 결과 분광지수 중 Maximum Chlorophyll Index(MCI)가 가장 높은 통계적 유의성(R²=0.91, RMSE=8.1mg/m³)을 나타냈다. Chl-a 농도가 가장 높은 2021년 08월 05일 영상에 MCI를 적용하여 녹조 분포 지도를 작성하였고, 이로부터 산출한 수계 면적은 1.7km²이며, 조류경보제 발령 단계 중 경계(Warning) 면적은 1.03km²(60.56%), 대발생(Algal Bloom) 면적은 0.67km²(39.43%)를 나타내었다. 또한 연구기간 동안(2021년 07월 01일~2021년 11월 01일) 취득된 영상 내 "경계" 이상에 해당하는 영역에 대한 발생 일수를 계산한 결과, 하천 전 구간에서 최소 12회에서 최대 19회까지 "경계" 이상의 Chl-a 농도가 관측되었다. 본 연구에서 산출한 다중분광영상의 Chl-a 농도와 녹조발생지수는 녹조에 대한 공간적 분석이 용이하므로 조류경보제와 같은 현장 채수 위주의 지점 단위 자료를 보완할 수 있을 것으로 기대된다.

• 상하수도학회지
• /
• 제36권4호
• /
• pp.239-248
• /
• 2022

The prediction of algal bloom is an important field of study in algal bloom management, and chlorophyll-a concentration(Chl-a) is commonly used to represent the status of algal bloom. In, recent years advanced machine learning algorithms are increasingly used for the prediction of algal bloom. In this study, XGBoost(XGB), an ensemble machine learning algorithm, was used to develop a model to predict Chl-a in a reservoir. The daily observation of water quality data and climate data was used for the training and testing of the model. In the first step of the study, the input variables were clustered into two groups(low and high value groups) based on the observed value of water temperature(TEMP), total organic carbon concentration(TOC), total nitrogen concentration(TN) and total phosphorus concentration(TP). For each of the four water quality items, two XGB models were developed using only the data in each clustered group(Model 1). The results were compared to the prediction of an XGB model developed by using the entire data before clustering(Model 2). The model performance was evaluated using three indices including root mean squared error-observation standard deviation ratio(RSR). The model performance was improved using Model 1 for TEMP, TN, TP as the RSR of each model was 0.503, 0.477 and 0.493, respectively, while the RSR of Model 2 was 0.521. On the other hand, Model 2 shows better performance than Model 1 for TOC, where the RSR was 0.532. Explainable artificial intelligence(XAI) is an ongoing field of research in machine learning study. Shapley value analysis, a novel XAI algorithm, was also used for the quantitative interpretation of the XGB model performance developed in this study.

• 한국해양학회지:바다
• /
• 제21권2호
• /
• pp.58-66
• /
• 2016

해수 내 용존 암모늄이온의 농도 자료가 해양환경의 지표로서 가치가 있는지 평가하였다. 먼저 암모니아의 화학적인 특성을 정리하였고, 본론에서 해양환경의 대표성을 띠는 일반해역(원양, 연안, 자연하구역)과 집중비교해역(골재채취해역, 하구역)에서 암모늄 자료의 가치를 비교하였다. 암모늄은 일반해역에서 전반적으로 DO와 음의 상관관계를 갖고, COD와 양의 상관관계를 보임으로써 수질지표로서 광범위한 적용 가능성을 보였다. 특히 DO 또는 COD가 유사한 농도를 나타내는 해양환경조건의 경우, 보다 상세한 해석이 불가능하였으나 ODIN 비율 (산화성용존무기질소: ODIN/TDIN ratio) 혹은 RDIN 비율 (환원성용존무기질소: RDIN/TDIN ratio)를 적용하면, 비교대상 해역의 산화 및 환원 조건에 대한 보다 향상된 정보를 얻을 수 있었다. 집중비교해역에서는 저층퇴적물의 확산, 식물플랑크톤의 단기변화 등 주로 단주기 환경변화와 관련하여 암모늄의 지표로서 잠재력을 확인하였다. 암모늄은 기존의 몇 가지 단점을 보완한다면 해양환경에서 단주기로 변화하는 해양한경을 이해하는데 도움이 될 것으로 판단된다.

• 상하수도학회지
• /
• 제35권6호
• /
• pp.417-424
• /
• 2021

Algal bloom is an ongoing issue in the management of freshwater systems for drinking water supply, and the chlorophyll-a concentration is commonly used to represent the status of algal bloom. Thus, the prediction of chlorophyll-a concentration is essential for the proper management of water quality. However, the chlorophyll-a concentration is affected by various water quality and environmental factors, so the prediction of its concentration is not an easy task. In recent years, many advanced machine learning algorithms have increasingly been used for the development of surrogate models to prediction the chlorophyll-a concentration in freshwater systems such as rivers or reservoirs. This study used a light gradient boosting machine(LightGBM), a gradient boosting decision tree algorithm, to develop an ensemble machine learning model to predict chlorophyll-a concentration. The field water quality data observed at Daecheong Lake, obtained from the real-time water information system in Korea, were used for the development of the model. The data include temperature, pH, electric conductivity, dissolved oxygen, total organic carbon, total nitrogen, total phosphorus, and chlorophyll-a. First, a LightGBM model was developed to predict the chlorophyll-a concentration by using the other seven items as independent input variables. Second, the time-lagged values of all the input variables were added as input variables to understand the effect of time lag of input variables on model performance. The time lag (i) ranges from 1 to 50 days. The model performance was evaluated using three indices, root mean squared error-observation standard deviation ration (RSR), Nash-Sutcliffe coefficient of efficiency (NSE) and mean absolute error (MAE). The model showed the best performance by adding a dataset with a one-day time lag (i=1) where RSR, NSE, and MAE were 0.359, 0.871 and 1.510, respectively. The improvement of model performance was observed when a dataset with a time lag up of about 15 days (i=15) was added.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.445-449
• /
• 2005

Various methods to detect the phytoplankton/red tide blooms in the oceanic waters have been developed and tested on satellite ocean color imagery since the last two and half decades, but accurate detection of blooms with these methods remains challenging in optically complex turbid waters, mainly because of the eventual interference of absorbing and scattering properties of dissolved organic and particulate inorganic matters with these methods. The present study introduces a new method called Red tide Index (Rl), providing indices which behave as a good measure of detecting red tide algal blooms in high scattering and absorbing waters of the Korean South Sea and Yellow Sea. The effectiveness of this method in identifying and locating red tides is compared with the standard Ocean Chlorophyll 4 (OC4) bio-optical algorithm applied to SeaWiFS ocean imagery, acquired during two bloom episodes on 27 March 2002 and 28 September 2003. The result revealed that OC4 bio-optical algorithm falsely identifies red tide blooms in areas abundance in colored dissolved organic and particulate inorganic matter constituents associated with coastal areas, estuaries and river mouths, whereas red tide index provides improved capability of detecting, predicting and monitoring of these blooms in both clear and turbid waters.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.419-430
• /
• 2021

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.

• 한국환경과학회지
• /
• 제19권11호
• /
• pp.1407-1421
• /
• 2010

This study was carried out to elucidate the relation between water quality and structure of the aquatic ecosystem in the agriculture reservoir Otae-ji from January to December in 2009. The proportion of forest was 46.98%, which means that non-point sources are major contributor of water pollution in this area. The annual mean COD(Chemical Oxygen Demand) in Otae-ji was $3.6mgL^{-1}$, indicating, level II of environmental standards and the trophic state was mesotrophic. Although total phosporus concentration in the reservoir was high in August due to large inflow of nutrients from outside the reservoir during monsoon season, there was no break out of significant algal bloom in the summer. The seasonal succession of phytoplankton showed that the dinophyta dominated in the the spring, chlorophyta in the summer, chrysophyta and chlorophyta in the autumn and chrysophyta in the winter. In case of zooplankton, rotifers dominated in the most seasons, but cladoceran(Bosmina longirostris) dominated in June and copepod(Nauplii) in August. The macrophyte plants showed diverse species compositon consisted of 3 varieties, 24 species, 23 genera, 15 families and 14 orders. The macroinvertebrates also showed various FFG(Functional Feeding Groups) such as GC(Gathering-Collector), P(Predator), SH(Shedder), FC(Filter-Collector) and PP(Plant-Piercer). Ecosystem stability analysis using aquatic insects was classified as Group I, which has high resilience and resistance indices. A total of 14 species of fish was collected but exotic species such as Lepomis macrochirus and Micropterus salmoides were not found in Otae-ji. In conclusion, the preservation of healthy food wed in the reservoir ecosystem is closely related to water quality management as well as effective prevention of algal bloom by helping good material circulation in aquatic ecosystems.

• 생태와환경
• /
• 제54권4호
• /
• pp.346-362
• /
• 2021

유사조절지는 하천 하류로 이동하는 모래 등을 조절하기 위해 설치된 인공 횡단구조물로, 하천의 유황을 변화시켜 수체 내 용존유기물질 변화에 영향을 줄 수 있다. 내성천 상류의 영주댐 유사조절지를 대상으로 3차원 형광 EEM (Excitation-Emission Matrix) 및 PARAFAC 분석(Parallel Factor Analysis) 기법을 통해 수중 용존유기물의 주요 성분을 분석한 결과, 4개의 휴믹 유사계열 성분(C1-C3, C5)과 3개의 단백질-트립토판 유사계열 성분(C2, C6-C7)이 검출되었으며 이 중 내·외부로부터 기원된 휴믹계물질(C1-C3)이 주를 이루는 것으로 나타났다. 유기물 성분의 총량과 성분별 조성비는 유광층 내 광량에 따른 수심별 차이를 보이지 않았다. 영주댐 유사조절지에서는 유입된 외부 유기물이 지속적으로 분해되어 내부 유기물로 전환되며 이로 인해 유기물 지수는 조사기간 중 내부 기원 유기물의 우점을 나타냈다. 수체 내 내부 기원 유기물의 증가는 식물플랑크톤 현존량, 특히 남조류의 상대풍부도 및 박테리아와 윤충류 현존량의 증가와 연동되는 경향을 보여 수체 내 부영양화로 인한 녹조 발생은 미생물 먹이망 활성화와 밀접한 관계를 가지는 것으로 나타났다. 수중 유기물 특성에 대한 연구는 물리·화학적 측면에서의 수질 관리뿐만 아니라 생물학적 환경 요인과의 관계 분석을 통해 동·식물플랑크톤을 포함한 미생물 먹이망을 통한 물질 순환 이해에도 중요한 것으로 사료된다.