• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.71-86
• /
• 2022

해양환경을 정량적으로 평가하기 위해 수질평가지수(water quality index, WQI)가 사용되고 있다. 우리나라는 해양수산부고시 해양환경기준에 따라 WQI를 5개 등급으로 구분하여 수질을 평가한다. 하지만, 방대한 수질 조사 자료에 대한 WQI 계산은 복잡하고 많은 시간이 요구된다. 이 연구는 기존의 조사된 수질 자료를 활용하여 WQI 등급을 예측할 수 있는 기계학습(machine learning, ML) 기반의 모델을 제안하고자 한다. 특별관리해역인 시화호를 모델링 지역으로 선정하였다. AdaBoost와 TPOT 알고리즘을 모델 훈련을 위해 사용하였으며, 분류 모델 평가 지표(정확도, 정밀도, F1, Log loss)로 모델 성능을 평가하였다. 훈련하기 전, 각 알고리즘 모델의 최적 입력자료 조합을 탐색하기 위해 변수 중요도와 민감도 분석을 수행하였다. 그 결과 저층 용존산소(dissolved oxygen, DO)는 모델의 성능에서 가장 중요한 인자였다. 반면, 표층 용존무기질소(dissolved inorganic nitrogen, DIN)와 표층 용존무기인(dissolved inorganic phosphorus, DIP)은 상대적으로 영향이 적었다. 한편, 최적 모델의 시공간적 민감도와 WQI 등급 별 민감도를 비교한 결과 각 조사 정점 및 시기, 등급 별 모델의 예측 성능이 상이하였다. 결론적으로 TPOT 알고리즘이 모든 입력자료 조합에서 성능이 더 우수하여 충분한 자료로 훈련된 최적 모델은 새로운 수질 조사 자료의 WQI 등급을 정확하게 분류할 수 있을 거라 판단된다.

• 한국물환경학회지
• /
• 제26권5호
• /
• pp.796-801
• /
• 2010

Water quality index (WQI) can be a great tool that allows experts to translate large amount of complex water quality data into a format more easily understood by the public and policy makers. Canadian Council of Ministers of the Environment Water Quality Index (CCME WQI) can be calculated with the three factors (Scope: $F_1$, Frequency: $F_2$, Amplitude: $F_3$). After all, the WQI for a specific site is produced as a number between 0 to 100; the scale is also divided into five categories, i.e., Excellent, Good, Fair, Marginal and Poor. The WQI was found to be highly related to Chl-a, pH, temperature among the collected items. When the more input parameters were used, the range of variation generally became smaller. $F_3$ among the factors of WQI was influenced by algae. It showed a similar variation tendency between WQI and algal bloom in 2008.

• 생태와환경
• /
• 제46권2호
• /
• pp.225-233
• /
• 2013

부영양호 신갈지의 수질개선을 위하여 이미 개발된 천연물질 혼합제(PMC)의 수질개선능(WQI)에 수온변화가 어떠한 영향을 미치는지 현장실험을 실시하였다. 실험결과 식물플랑크톤, BOD, 총인 등은 $20^{\circ}C$ 이하에서는 70% WQI 이상을 보였으나 $25^{\circ}C$ 이상에서는 40% WQI 이하로 오히려 감소하였다. 한편 수온의 증가에 따라 남조류에 대해서는 WQI는 감소하였고, 규조류는 수온변화에 상관없이 90% 이상 높은 WQI를 나타냈으며, 박테리아와 총 질소는 수온과 상관없이 매우 낮은 WQI를 보였다. 이상의 결과들은 PMC의 수질개선능이 수온과 밀접한 관계를 가지며, $25^{\circ}C$ 이상의 고온기에 Microcystis aeruginosa가 우점하는 남조대발생보다 겨울철 저온기에 우점하는 규조류에 더 효과적일 것으로 판단되었다.

• 한국물환경학회지
• /
• 제21권5호
• /
• pp.470-476
• /
• 2005

The Korean Water Quality Index (K-WQI) was applied to the rivers located in the watershed of Daecheong Lake to assess the status of river water quality, and propose potential target constituents for better water quality management in the watershed. The estimated K-WQI value for each river was varied from 70 to 90, and Youngdongcheon showed the worst score while Mujunamdeachen showed the best score. The total nitrogen (TN) and total coliform bacteria were identified as the most significant constituents that degrade the K-WQI values in the rivers. The correlation coefficients (r) were determined between K-WQI and the delivered specific load ($kg/km^2/yr$) of BOD, TN, and TP to justify potential target constituents that have a great influence on the improvement of K-WQI values. The results showed that TN (r=-0.86) and TP (r=-0.85) have a strong negative relationships with K-WQI, but BOD have almost no effect. This implies that BOD, the surrogate parameter for organic pollutants, is no more a feasible water quality variable for the water quality management in the study site.

• 한국환경보건학회지
• /
• 제31권5호
• /
• pp.398-403
• /
• 2005

This study is undertaken to find the optimal method to make the decision on the degree of water pollution by comparison of K-WQI, KOE-WQI that is made for index with the water quality index and water quality environment standard of the Frame Act on Environment Policy as the result of survey for water quality reality on the major point of the Yeongsan river from 2002 to 2004. The water quality of major rivers has some differences depending on seasons. however, under the water quality standard by the $BOD_5$ density, most of rivers displayed the water quality level of $II{\sim}III$ grading, and on K-WQI that is classified by indexing for 10 categories of pH, DO, $BOD_5,\;COD,\;SS,\;T-N,\;NH_3-N,\;NO_{3^-}$ N, T-P, and E-Coli and classified into 5 groups from 100 points to 40 points, they displayed the score distribution of the first grade in water quality for $85{\sim}100$ points to the second grade in water quality for $70{\sim}84$ points. On KOE-WQI that is classified by indexing for 5 categories of pH, DO, $BOD_5$, COD and T-coli and classified into 5 groups from 90 points or above for outstanding and 29 points or below for very bad, and the water quality distribution is made ranged from the first grade in water quality for 90 points or more to the third grade in water quality for $69{\sim}50$ points. In addition, for the contribution of the water quality decline, the Environmental standard has significant dependency on the $BOD_5$ density, with K-WQI contributing in various water quality decline depending on the environment around the river area of $BOD_5,\;T-N,\;NH_3-N,\;NO_3-N,\;T-P$, and E-Coli, and KOE-WQI acting os the factor contributing to lower the water quality decline by $BOD_5$, COD, and T-coli. As such, the current water quality environment standard has high dependency on $BOD_5$ and KOE-WQI excludes some nitrogen and phosphorus that considers the river environment that the grade in water quality is set by some category, and K-WQI reflected well of the ecology environment of rivers with the diversity of the assessment factor as well as to have the low dependency of specific factor to be objective.

• 해양환경안전학회지
• /
• 제29권1호
• /
• pp.24-35
• /
• 2023

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내·외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

• 한국해양생명과학회지
• /
• 제7권1호
• /
• pp.21-28
• /
• 2022

저서동물은 저서환경특성을 나타내는 중요한 지시자로 알려져 있다. 본 연구에서는 무안만 조하대의 환경 및 저서동물의 분포특성을 조사하였으며, 수질평가지수(WQI)와 저서생물지수(AMBI)를 이용하여 저서생태계 건강성을 평가하였다. 현장채집은 2019년 하계 무안만 조하대의 10개 정점에서 이루어졌다. 무안만 조하대는 상부지역이 하부지역에 비해 세립한 입도특성을 나타내고 있었으며, 높은 유기물 함량을 보였다. 일부 정점에서 오염지표종인 Musculista senhousia, Theora fragilis and Lumbrineris longifolia과 같은 종들도 우점을 나타내고 있었다. 군집분석결과 무안만 조하대는 상부, 중부, 하부 그룹으로 구분되었으며, 유기물 함량과 저서건강성 평가지수(WQI 및 AMBI)와의 상관결과와 일치하였다. 본 연구결과, 무안만 조하대의 저서생태계는 양호한 것으로 평가되었다. 하지만 저서동물이 균등하게 분포하지 않고, 기회종이 출현하고 있어 조하대의 유기물 부하량이 증가하고 있는 것으로 보인다.

• 한국물환경학회지
• /
• 제22권5호
• /
• pp.748-756
• /
• 2006

Accurate and timely information on status and trends in the environment is necessary to shape sound water quality management policy and to implement water quality improvement programs efficiently. One of the most effective ways to communicate information on water quality trends to policy-makers, scientists, and the general public is with comprehensive water quality indices. The derivation and structure of a water quality index (WQI) for the classification of surface water quality is discussed. The WQI generally developed through the selection, transformation and weighting of determinants with rating curves based on legal standards and quality directives or guidelines. The representative pollutants should be included in the index, and the relationship between the quantity of these pollutants in the water and the resulting quality of the water should be based on scientific results. The WQI be simply and meaningfully formulated that nonscientifically trained users can easily become familiar with the framework of the system and use the output data to evaluate their own pollution problems.

• 한국물환경학회지
• /
• 제37권2호
• /
• pp.114-127
• /
• 2021

Water pollution in the lower reaches of the Namhan River is getting worse due to drought and a decrease in water quantity due to climatic changes and hence is affecting the water quality of Paldang Lake. Accordingly, we have used a water quality index (WQI) and statistical analysis in this study to identify the characteristics of the water quality in the lower reaches of the Namhan River, the main causes of water pollution, and tributaries that need priority management. Typically, 10 items (WT, pH, EC, DO, BOD, COD, SS, T-N, T-P, and TOC) were used as the water quality factors for the statistical analysis, and the matrix of data was set as 324 × 10·1. The correlation analysis demonstrated a strong correlation between Chemical Oxygen Demand (COD) and T-P with a high statistical significance (r=0.700, p<0.01). Furthermore, the result of principal component analysis (PCA) revealed that the main factors affecting the change in water quality were T-P and organic substances introduced into the water by rainfall. Based on the Mann-Kendall test, a statistically significant increase in pH was observed in SH-1, DL, SH-2, CM, and BH, along with an increase in WQI in SH-2 and SM. BH was identified as a tributary that needs priority management in the lower reaches of the Namhan River, with a "Somewhat poor" (IV) grade in T-P, "Fair" grade in WQI, and "Marginal" grade in summer.

• 대한원격탐사학회지
• /
• 제32권3호
• /
• pp.221-234
• /
• 2016

우리나라는 대규모 산업단지와 대도시들이 연안에 집중되면서 연안의 오염이 날로 심각해지고 있다. 이러한 연안 오염을 모니터링하기 위해서 위성 영상을 이용한 연안 수질평가지수 모니터링 연구가 수행될 필요가 있다. 수질평가지수란 저층 산소포화도, 엽록소 농도, 투명도, 용존무기질소 및 용존무기인 농도를 수질평가 항목으로 구성하여 해양환경관리법에 따른 해양환경기준을 통해 해역별로 기준을 설정하여 산출하는 지수이다. 이 연구는 한반도 주변의 연안지역을 대상으로 2011년부터 2013년까지의 현장관측 자료 및 Geostationary Ocean Color Imager (GOCI) 위성 영상을 이용하여 연안 표층 해수에 대한 기계학습 기반의 두 가지 수질평가지수 추정 기법을 개발하였다. 첫 번째 방법으로는 GOCI 반사도를 이용하여 추정된 수질평가 항목들로 수질평가지수를 계산하였고, 두 번째 방법은 GOCI 반사도 및 산출물(엽록소 농도, 총 부유물질, 용존유기물)을 이용하여 수질평가지수를 추정하였다. 기계학습으로는 Random Forest(RF), Support Vector Regression (SVR), Cubist를 사용하였다. 수질평가 항목 추정에서 투명도의 정확도가 가장 높게 나타났으며, 모든 수질평가 항목 추정에서 세 가지 기계학습 중 RF의 정확도가 가장 높았다. 하지만 추정된 수질평가 항목들로 계산한 수질평가지수는 추정된 수질평가 항목들의 오차와 저층 산소포화도의 불확실성으로 인해 정확도가 높지는 않았다. 반면 GOCI 반사도와 산출물을 이용하여 추정한 수질평가지수는 현장 관측 기반 수질평가지수와 비교했을 때 첫 번째 방법보다 정확도가 높게 나타났다. 또한 엽록소 농도가 수질평가지수 추정에 가장 중요한 변수로 나타났다.