Introduction and Evaluation of the Production Method for Chlorophyll-a Using Merging of GOCI-II and Polar Orbit Satellite Data

GOCI-II 및 극궤도 위성 자료를 병합한 Chlorophyll-a 산출물 생산방법 소개 및 활용 가능성 평가

Abstract

Satellite-based chlorophyll-a concentration, produced as a long-term time series, is crucial for global climate change research. The production of data without gaps through the merging of time-synthesized or multi-satellite data is essential. However, studies related to satellite-based chlorophyll-a concentration in the waters around the Korean Peninsula have mainly focused on evaluating seasonal characteristics or proposing algorithms suitable for research areas using a single ocean color sensor. In this study, a merging dataset of remote sensing reflectance from the geostationary sensor GOCI-II and polar-orbiting sensors (MODIS, VIIRS, OLCI) was utilized to achieve high spatial coverage of chlorophyll-a concentration in the waters around the Korean Peninsula. The spatial coverage in the results of this study increased by approximately 30% compared to polar-orbiting sensor data, effectively compensating for gaps caused by clouds. Additionally, we aimed to quantitatively assess accuracy through comparison with global chlorophyll-a composite data provided by Ocean Colour Climate Change Initiative (OC-CCI) and GlobColour, along with in-situ observation data. However, due to the limited number of in-situ observation data, we could not provide statistically significant results. Nevertheless, we observed a tendency for underestimation compared to global data. Furthermore, for the evaluation of practical applications in response to marine disasters such as red tides, we qualitatively compared our results with a case of a red tide in the East Sea in 2013. The results showed similarities to OC-CCI rather than standalone geostationary sensor results. Through this study, we plan to use the generated data for future research in artificial intelligence models for prediction and anomaly utilization. It is anticipated that the results will be beneficial for monitoring chlorophyll-a events in the coastal waters around Korea.

위성영상 기반 클로로필-a (chlorophyll-a) 농도는 전지구 기후변화 연구를 위해 장기간의 시계열 자료로 생산되고 있으며, 시간합성 또는 다종위성 자료의 병합(merging)을 통해 결측이 없는 자료의 생산이 요구된다. 그러나 한반도 주변 해역에서의 위성영상 기반 클로로필-a 농도와 관련된 연구는 단일 해색센서로 산출하여 계절적 특징을 평가하거나 연구해역에 적합한 알고리즘을 제시하는 연구가 주로 수행되었다. 본 연구에서는 한반도 주변 해역에서의 공간 커버리지가 높은 클로로필-a 농도 산출을 위해 정지궤도 해색센서 GOCI-II와 극궤도 센서(MODIS, VIIRS, OLCI)의 원격반사도(Remote Sensing Reflectance) 병합자료를 이용하였다. 연구결과 산출물의 공간 커버리지는 극궤도 해색센서 자료보다 약 30% 증가하여 구름으로 인한 결측을 보완하였다. 그리고 현장 관측자료와 함께 Ocean Colour Climate Change Initiative (OC-CCI)와 GlobColour에서 제공하는 전지구 클로로필-a 합성장 자료와의 비교를 통해 정확도를 정량적으로 제시하고자 하였다. 그러나 현장관측 자료의 절대적인 수 부족으로 유의미한 통계적 결과는 제시하지 못하였지만, 전지구 자료와의 비교 결과보다 과소 추정 경향을 확인하였다. 또한 적조와 같은 해양재해·재난 대응 목적의 활용성 평가를 위해 2013년 동해에서 발생한 대번성 사례와 정성적으로 비교하여 정지궤도 해색센서 단독 결과보다 OC-CCI와 유사하게 나타나는 것을 확인하였다. 본 연구를 통해 산출한 결과를 사용하여 향후 인공지능모델 기반의 예측 연구와 아노말리(anomaly) 활용 연구를 수행할 예정이며, 이를 통해 우리나라 연안해역에서 발생하는 클로로필-a 이벤트 모니터링에 유용하게 활용이 가능할 것으로 기대된다.

1. 서론

클로로필-a (chlorophyll-a, CHL)는 해색(Ocean Color, OC)을 결정하고 해양 식물플랑크톤 생체량(biomass) 측정 척도로 탄소순환에 기여하며, 전지구 기후변화 연구에 사용하는 핵심기후변수(Essential Climate Variables, ECVs)이다(Gregg, 2006; Jackson, 2020). 일반적으로 기후 변화 연구에서는 결측이 없는 장기간의 시계열 자료가 요구되지만 구름 영향이나 인공위성의 관측 폭(swath), 재방문주기(revisit period)로 인해 넓은 해역을 대상으로 결측 영역이 반드시 발생한다. 이를 해결하기 위해 일반적으로 단일 센서 자료를 8일 또는 그 이상으로 합성(composite)하거나 다양한 종류의 극궤도(polar orbit) 해색 위성영상 자료를 병합(merging)하여 합성장을 생산한다(Moradi, 2022; Park et al., 2022a; Park et al., 2022b; Son et al., 2012; Gregg, 2006; Jackson, 2020; Yu et al., 2023; Xiao et al., 2018).

해색위성 영상에서 클로로필-a 농도는 원격반사도(Remote Sensing Reflectance, R_rs)를 경험적 알고리즘, 반해석적 알고리즘, Hybrid 알고리즘에 입력하여 산출한다(O’Reilly and Werdell, 2019; Park et al., 2019). 생산된 개별 센서의 클로로필-a 농도는 사용 목적에 따라 다양한 기법을 이용하여 공간적으로 결측이 없는 병합자료를 생성하기도 한다(Moradi, 2022; Park et al., 2022a; Pramlall et al., 2023; Shin et al., 2020; Gregg, 2006).

대표적으로 유럽우주국 기후변화기구(European Space Agency Ocean Colour Climate Change Initiative, ESA OC-CCI, 이하 CCI)에서는 다종 극궤도 해색센서의 원격반사도를 병합한 후에 전지구 클로로필-a 합성장을 생산하여 제공하고 있으며(Jackson, 2020; Mélin et al., 2016), GlobColour 프로젝트(이하, GC)를 통해 다종 극궤도 해색센서의 클로로필-a를 병합하여 전지구에 대해 제공하고 있다(ACRI-ST GlobColour Team, 2020). 병합자료를 이용하는 대부분의 클로로필-a 연구는 연구해역에 대해 두 전지구 자료와 단일 해색센서의 클로로필-a 자료를 사용하여 각 자료별 공간 커버리지와 시계열 자료의 일관성을 비교하고 그 결과를 제시하였다(Moradi, 2022; Pramlall et al., 2023; Yu et al., 2023).Xiao et al. (2018)은 CCI에서 제시하는 병합방법을 활용하여 새로운 센서의 원격반사도를 추가하거나 기존 센서를 변경한 후에 산출한 클로로필-a 병합결과를 평가하였고, 같은 영역에 대해 새로운 병합결과에서 5–15% 공간 커버리지가 향상된 결과를 도출하였다.

우리나라 주변 해역에서의 위성영상 기반 클로로필-a 농도 산출 연구는 Geostationary Ocean Color Imager (GOCI), Moderate Resolution Imaging Spectroradiometer (MODIS),Visible Infrared Imaging Radiometer Suite (VIIRS), Ocean and Land Colour Instrument (OLCI), Operational Land Imager (OLI) 등 단일 해색센서 기반으로 연구해역에서의 클로로필-a 산출에 가장 적합한 알고리즘을 새로 제시하는 연구가 중점적으로 수행되었다(Choi et al., 2020; Han et al., 2018; Park et al., 2021; Park et al., 2022a; Park et al., 2022b; Shin et al., 2020; Son et al., 2012; Yoon et al., 2019).

2011년부터 운영되고 있는 GOCI 및 GOCI-II는 정지궤도(geostationary orbit) 인공위성에 탑재되어 있어 장기간의 합성장을 생성하기에는 매우 좋은 조건의 자료이다. 하지만 생산 가능 영역이 정지궤도 인공위성 촬영 영역에 한정되어 있으며, 계절적으로 태양 고도와 촬영 각도의 영향으로 인해 전체 촬영 영역의 일부 외곽 해역에서 저품질의 영상이 획득되는 등 한계점이 존재한다(Concha et al., 2019; Mikelsons and Wang, 2019; Wang et al., 2023). 한반도 주변 해역을 중심으로 기후변화 등에 활용하는 최적의 클로로필-a 합성장을 생성하기 위해서는 극궤도 위성과 정지궤도 위성의 서로 간 장단점을 보완할 수 있는 합성장 생산이 요구된다. 하지만 정지궤도 위성만을 이용한 합성장 생산 관련 연구가 진행되었을 뿐(Choi et al., 2020; Han et al., 2018; Park et al., 2022b; Shin et al., 2020; Yoon et al., 2019), 이를 병합하는 연구사례는 없다.

본 연구에서는 정지궤도 및 극궤도 해색센서 원격반사도 병합 방법과 병합 원격반사도를 이용한 클로로필-a 합성장 생산 방법을 제시한다. 또한 클로로필-a 합성장과 다른 자료와의 비교를 통해 성능 평가 및 활용방안을 소개한다. 이때 사용한 원격반사도 병합 방법은 CCI에서 제시한 방법을 기반으로 하였다. 그러나 본 연구에서는 CCI 방법과는 다르게 한반도 주변 해역을 1일 10회 촬영하는 정지궤도 해양탑재체인 GOCI-II 센서를 기준 센서로 설정하였다. 2021년 1월 1일~12월 31일 해당 해역의 4종 센서 관측 영상을 대상으로 01~05 UTC에 촬영된 443, 490, 510, 555 nm 원격반사도를 병합하고 Four-band Ocean Color (OC4) 알고리즘을 적용하여 클로로필-a 일 합성장을 생산하였다. 생산한 자료는 현장 관측자료와의 비교를 통해 정확도를 평가하였다. 또한, GOCI-II L2 클로로필-a 농도 산출물 및 개별 센서의 클로로필-a 농도 산출물과 공간 커버리지 향상 여부를 검토하였다. 마지막으로 클로로필-a 대번성(bloom) 이벤트 사례를 대상으로 CCI와 GC에서 제공하는 결과와 비교하여 이 연구결과의 재현성을 평가하였다.

2. 연구지역 및 자료

2.1. 연구지역

연구지역은 GOCI-II 국부영역(Local Area, LA)으로 한반도 주변 해역인 황해, 발해, 동해, 동중국해, 북서태평양 일부를 포함한다(Fig. 1). 우리나라 주변 해역은 봄과 가을에 클로로필-a 농도가 높게 나타나는 계절적 대번성이 나타난다. 동중국해와 발해에서는 하천을 통한 유기물 유입으로 여름에 클로로필-a 농도가 가장 높게 나타나기도 하며, 북서태평양에서는 영양소 공급이 적어 낮은 농도가 특징이다. 동해에서는 중간 정도의 클로로필-a 농도 특성이 나타나지만 용승 해역과 동한난류 영향을 받는 특정 해역에서 농도가 높게 나타나는 특징이 있다(Choi et al., 2020; Park et al., 2021; Park et al., 2022a; Park et al., 2022b; Shin et al., 2020; Son et al., 2012; Yoon et al., 2019).

Fig. 1. GOCI-II RGB (R-8 660 nm, G-6 555 nm, and B-3 443 nm) image of the study area captured at 03:15 UTC on April 19, 2021 (from Korea Hydrographic and Oceanographic Agency and National Ocean Satellite Center).

2.2. 위성자료

본 연구에서는 1종의 정지궤도 해색위성과 3종의 극궤도 해색 위성을 사용하였다. 4종 센서의 원격반사도는 2021년 1월부터 12월 자료까지 수집하였다. 각 센서별 자료는 1시 UCT 부터 5시 59분 UTC 사이에 촬영된 자료 중 연구지역이 포함되는 경우에만 수집하였고(Table 1; Choi et al., 2019; Doxaran et al., 2014; Feng et al., 2022; Park et al., 2021; Park et al., 2022b; Sung et al., 2021; Xu et al., 2021), 이를 단순 산술 평균하여 일 합성(daily averaging) 원격반사도를 생산하였다(Fig. 2). 또한, 대역 이동(band shifting)을 위해 고유광특성(Inherent Optical Properties, IOP) 자료도 함께 수집하였으며, 합성과정에서 고품질 자료 사용 및 마스킹 작업을 위해서 각 위성의 플래그 정보를 수집하였다.

Table 1. The specification of satellite data used in this study

Fig. 2. Daily mean Rrs at 443 nm of each sensor on April 19, 2021. The (a-d) indicate the mean Rrs of GOCI-II, VIIRS, OLCI, and MODIS, respectively. The red lines represent the production area of this study, while the black lines represent the captured area of each sensor. (a) The space with a certain width inside the red line on the right side represents the result excluding the border of the GOCI-II image.

2.2.1. GOCI-II

GOCI-II는 Geostationary Korea Multi-Purpose Satellite-2B (GK-2B) 위성의 센서로 250 m 공간해상도를 가지며, 하루에 1시간 간격으로 10회(23–08 UTC) 촬영한다. 국립해양조사원 국가해양위성센터 홈페이지를 통해 2021년 1월 1일에서 12월 31일까지의 원격반사도 산출물(*AC.nc)을 수집하였고, 사용한 원격반사도의 파장은 443, 490, 510, 555 nm이다(https://www.nosc.go.kr/program/actionGociDownload.do; Fig. 2a).

2.2.2. VIIRS

극궤도 인공위성 Suomi National Polar-Orbiting Partnership (Suomi-NPP)에 탑재된 센서이며, 공간해상도는 약750 m이고, 동일한 지역을 16일마다 촬영한다. 2021년 동안의 443, 486, 551 nm의 원격반사도(*OC.nc)와 고유광특성(*IOP.nc) 산출물을 연구지역에 대하여 NASA Ocean Biology Processing Group (OBPG) Ocean Color Web을 통해 수집하였다(https://oceandata.sci.gsfc.nasa.gov/directdataaccess/Level-2/; Fig. 2b).

2.2.3. OLCI

Sentinel-3A와 Sentinel-3B에 탑재되어 있는 센서로 300 m 공간해상도를 갖는다. 2개 위성은 동일한 궤도에 180° 위상차이로 운용되고 있으며, 이는 장기간의 서비스를 안정적으로 유지하기 위해서이다. 2021년의 연구지역을 대상으로 443, 490, 510, 560 nm의 원격반사도(*OC.nc)와 고유광특성(*IOP.nc) 산출물을 NASA OBPG Ocean Color Web을 통해 수집하였다(Fig. 2c).

2.2.4. MODIS

MODIS는 Terra와 Aqua 위성의 탑재체 중 하나로, 공간해상도는 1 km이고 2일의 재방문주기를 갖는다. Terra 위성은 1999년 12월에 발사되었고, Aqua 위성은 2002년 5월 발사되었다. 이 연구에서는 Aqua 위성의 MODIS 센서의 443, 488, 531, 555 nm 원격반사도(*OC.nc)와 고유광특성(*IOP.nc) 산출물을 사용하였고 NASA OBPG Ocean Color Web을 통해 수집하였다(Fig. 2d).

2.3. 현장 관측자료

2023년 5월부터 9월까지 목포와 부산 주변, 울릉분지 해역에서 선박을 이용한 현장관측을 수행하였다(Table 2, Fig. 3). 탁도가 높은 황해(Case 2 waters)에서는 목포 주변 해역(34.4–35.4°N, 124.9–126.0°E)으로 관측영역을 설정하였고, 5월 11일부터 19일까지 35개 정점, 9월 17일부터 23일까지 31개 정점에서 현장 관측자료를 수집하였다. 맑은 해수인 동해(Case 1 waters)의 울릉분지 해역(36.4–37.5°N, 129.5–131.9°E)에서 7월 29일부터 8월 6일까지 47개 정점에서 현장 자료를 수집하였다. 남해안 해역은 6월 22일부터 25일까지는 부산 주변 해역에 대해서만 현장 조사를 하였고, 8월 22일부터 27일까지는 제주 주변 해역까지 광범위한 영역에서 현장 조사를 하였다(Fig. 3). 현장 관측자료는 특정 정점의 표층해수를 채수하여 실험실에서 여과장치로 해수를 필터한 후에 분광광도계(Cary 6000i UV-Vis-NIR)와 형광광도계(Trilogy-K)를 통해 분석한 결과이고, Table 5에그결과를 제시하였다.

Table 2. The observation area information

Fig. 3. This is the observation areas based on sea zones in 2023. (a) Location of the in-situ observation areas in 2023. (b) The orange square points represent in May 2023, and the red circle points represent in September 2023 around Mokpo (Yellow Sea). (c) The light green circle points represent in June 2023, and the green square points represent in August 2023 around Busan (South Coastal). (d) The blue circle points represent in July 2023 around Ulleung (East Sea).

3. 연구방법

3.1. 다종 해색센서 R_rs 기반 클로로필-a 일합성장 생산 흐름도

CCI가 제시한 핵심기후변수(v5) 생산 체계를 참고하여, 해당 문서에서 정의한 입력대상 센서와 기준이 되는 센서를 변경하였다. 기존에 사용한 센서 중 Medium Resolution Imaging Spectrometer (MERIS)와 Sea-viewing Wide Field-of-view Sensor (SeaWiFS)는 본 연구 기간에 자료가 존재하지 않아 제외하였고, Sentinel-3B의 OLCI와 우리나라 정지궤도 해색센서인 GOCI-II를 새롭게 추가하였다. 그리고 GOCI-II를 기준 센서로 하여 다른 센서들의 공간해상도, 좌표계, 대역을 일치시켰으며, 이외 센서는 입력대상 센서로 정의하였다(Fig. 4).

Fig. 4. Merged daily CHL production system diagram. The method provided by ESA OC-CCI for multi-sensor remote sensing reflectance was used in this study, with GOCI-II replacing the standard sensor.

3.2. 품질처리

품질처리(quality control)는 다종 해색센서 자료를 사용하는 분석을 위해 필요하고, 각 센서의 flag 정보를 이용하여 처리된다. Flag 정보는 각 픽셀마다 숫자로 부여되고 숫자마다 해당되는 명칭이 센서마다 다르다. 이 연구에서는 기준 센서인 GOCI-II의 flag 정보와 유사한 대상 센서의 flag를 선택하고 제외하였다(Park et al., 2021). 품질처리에 사용한 GOCI-II flag는 구름/얼음(flag 1: Cloud_or_Ice), 육지(flag 2: Land), 대기보정 실패(flag 3: AC_fail), 아주 높은 탁도(flag 4: Extrm_Turbid), 높은 태양 및 위성 천정각(flag 5: High_SZA, flag 6: High_VZA), 구름 가장자리(flag 19: Cloud_Edge)이고, 해당하는 원격 반사도 픽셀은 제외하였다.

3.3. 대역이동

대역이동(band shifting)은 Mélin and Sclep (2015)가 제시한 방법을 사용하였으며, 고유광특성인 흡광계수(Absorption coefficient, a)와 후방산란계수(Backscattering-coefficient, b_b)를 생광학모델(bio-optical model)에 적용하여 추정 원격반사도를 산출하는 과정이다. 이 연구에서는 GOCI-II 클로로필-a 농도 산출에 사용하는 OC4 알고리즘의 입력 대역(443, 490, 510, 555 nm)에 맞게 대상 센서의 기본 R_rs 대역 중 가장 가까운 대역을 선택하여 대역이동을 수행하였다(Table 3). VIIRS는 486와 551 nm의 원격반사도와 고유광특성 산출물을 사용하여 490과 510 nm 원격반사도를 추정하였고, 551과 671 nm를 사용하여 555 nm 원격반사도를 추정하였다. OLCI는 510과 560 nm를 사용하여 555 nm를, MODIS는 488과 531 nm를 사용하여 490과 510 nm 추정 원격반사도를 산출하였다. VIIRS 센서의 대역이동 전 원격반사도는 Fig. 5(a)에, 후는 Fig. 5(c)에 제시하였고, MODIS 센서의 대역이동 전과 후 비교 결과는 Fig. 5(b)와 (d)에 제시하였다.

Table 3. Bands that require band shifting for each sensor based on GOCI-II standards

Fig. 5. The results of band shifting on April 19, 2021. (a) The original remote sensing reflectance of VIIRS at 486 and 551 nm before band shifting. (b) The original remote sensing reflectance of MODIS at 488 nm before band shifting. (c) The remote sensing reflectance of VIIRS at 490 and 510 nm after band shifting. (d) The remote sensing reflectance of MODIS at 490 nm after band shifting. The red lines represent the production area of this study.

Fig. 5(d)에서 추정 원격반사도의 값 일부(동해)가 없어진 것이 확인되는데, 이는 대역이동에 사용하는 고유 광특성 픽셀 중 nan 값이 포함되어 있어 추정 원격반사도가 산출되지 않는 것으로 파악하였다. 또한 Rodrigues et al. (2018)은 Mélin and Sclep (2015)이 제안한 대역이동 방법에서 고유광특성이 음의 값을 생성하는 것을 제시하였고, 이러한 이유로 해당 방법을 사용하는 것에 제한이 있을 수 있다(Salem et al., 2023).

대역이동을 통해 추정한 원격반사도를 검증하기 위해 GOCI-II의 555 nm 원격반사도와 추정한 555 nm 원격반사도를 비교하였다(Fig. 6). 추정 555 nm 원격반사도(Fig. 6a)는 510과 620 nm 대역의 자료를 사용하여 산출한 결과이다. Fig. 6(b)와 같이 상관계수(r)는 0.99, Root Mean Squared Error (RMSE)는 0.001로 산출되어 대역이동이 잘 재현된 것을 확인하였다.

Fig. 6. Band shifting test results of GOCI-II. (a) The original remote sensing reflectance at 555 nm from GOCI-II and the estimated remote sensing reflectance at 555 nm using band shifting on April 19, 2021. For band shifting, the remote sensing reflectance at 510 nm and 620 nm was used. (b) The scatter plot of the two results, a correlation of 0.99 and RMSE of 0.001 were confirmed.

3.4. 편향보정

편향보정(bias correction)은 센서별 원격반사도 차이(bias)를 기준 센서 대비 산출하여 대상 센서의 원격반사도를 보정하는 것으로 모두 픽셀단위에서 수행된다(Fig. 7). 평균비율(averaged ratio)은 기준 센서와 대상 센서의 파장별 및 일별로 원격반사도 비율을 산출하는 것이고(Fig. 7a), 한 픽셀에 대해 기준일 전·후 D±3일을 포함한 총 7일 동안의 평균비율에 가중치를 다르게 적용(weight averaged ratio)하여 기준일의 평균비율을 재처리한다(Yoder, 1999; Fig. 7b). 이 평균비율은 대상 센서의 파장별 원격반사도에 적용하면 편향보정된 원격반사도(corrected remote sensing reflectance)가 생성된다(Fig. 7c).

Fig. 7. The bias correction process and examples of results for each stage using the VIIRS 443 nm remote sensing reflectance on April 19, 2021. (a) The averaged ratio is calculated as the ratio of GOCI-II to VIIRS. (b) The weighted averaged ratio results from applying a weighted application to the averaged ratio over a span of three days before and after the reference date (April 19, 2021). (c) The VIIRS 443 nm remote sensing reflectance (sr-1) is corrected through the bias correction process. The red lines represent the production area of this study, while the black lines represent the captured area of each sensor. The empty space with a certain width inside the red line on the right side represents the result excluding the border of the GOCI-II image.

3.5. 공간보간

공간보간은 보정된 원격반사도의 결측을 채우기 위하여 결측의 중심픽셀(core pixel)에 인접한 픽셀(adjacent pixels) 수를 최소 5개 확보하여야 한다. 이를 위해 중심 픽셀로부터 윈도우 크기를 3 × 3부터 11 × 11까지 확장하였고, 윈도우 내에 있는 보정된 원격반사도의 평균값을 공간보정에 사용하였다. 윈도우 크기는 인접픽셀 최소 수가 충족되면 확장하지 않기 때문에 공간보간에 사용하는 픽셀 수는 픽셀마다 다르다. 이때 중심픽셀에 가까운 인접픽셀 값에 더 많은 가중치를 부여하여 보간하였다.

3.6. 일합성 클로로필-a 농도 생산

일합성 클로로필-a 농도는 O’Reilly et al. (1998)이 제시한 OC4 알고리즘에 다종 해색센서 병합 원격반사도 일합성 자료를 입력하여 생산하였다(식 1). 이 알고리즘은 원격반사도 대역비(band-ratio) 기반 엽록소 농도 산출 알고리즘으로, 해수 표층의 엽록소 농도 탐지에 사용하는 443 nm, 490 nm, 510 nm 원격반사도 값과 부유 물질의 산란에 의해 나타나는 555 nm 원격반사도 값의 대역비를 이용한 것이다. 식(1)에서 a₀부터 a₄는 대역비와 현장관측 클로로필-a 농도 사이의 최적합 상관성을 위해 센서별로 제시되는 상수 값이다(Korea Institute of Ocean Science & Technology, 2021).

\(\begin{aligned}\mathrm{CHL}=10^{a_{0}+\sum_{i-1}^{4} a_{i}\left(\log _{10}\left(\frac{\max \left(R_{s}(443,490,510)\right)}{R_{n}(555)}\right)\right)^{i}}\end{aligned}\)       (1)

a₀ = 0.3272, a₁ = –2.9940, a₂ = 2.7218, a₃ = –1.2259, a₄ = –0.5683

4. 연구결과 및 토의

4.1. 다종 해색센서 원격반사도 기반 클로로필-a 일합성장 생산 결과 비교

다종 해색센서 원격반사도 기반 클로로필-a 일합성장(이하, CHL 일합성장)은 GOCI-II, VIIRS, MODIS, OLCI의 원격반사도를 병합하고, 이를 OC4 알고리즘에 적용하여 생산하였다(Fig. 8a). 생산한 결과의 정성적 비교를 위해 국가해양위성센터에서 제공하는 동일 날짜의 GOCI-II L2 클로로필-a 01:15–04:15 UTC 매시별 자료를 단순산술 평균하여 일합성장을 생성하였다. 해당 매시별 자료는 GOCI-II 원격반사도를 이용하여 OC4 알고리즘을 적용해 산출한 자료이다(Fig. 8b). CHL 일합성장은 여러 센서의 자료를 병합하였기 때문에 구름으로 인해 미탐지되는 해역이 줄어들었고, GOCI-II 결과와 마찬가지로 동해에서 소용돌이가 동일하게 재현된 것을 확인하였다. 하지만 황해 전체 해역에서 GOCI-II의 클로로필-a 농도가 높게 산출되는 경향이 있었는데, 특히 탁도가 높은 연안해역에서 두드러지게 나타났다(Fig. 8).

Fig. 8. The daily CHL concentration on April 19, 2021. (a) The result of using the daily merged remote sensing reflectance of multi-sensor. (b) The result of using the daily GOCI-II from 01 to 05 UTC. The red lines represent the production area of this study, and the empty space with a certain width inside the red line on the right side represents the result excluding the border of the GOCI-II image.

CHL 일합성장 농도는 GOCI-II 클로로필-a 결과와 정성적으로 비교하였을 때, 상대적인 농도의 변화 분포는 매우 잘 일치하였다. 하지만 절대적인 농도값은 황해 전역에서 GOCI-II 단일 센서 결과에 비해 낮게 추정되었다. 이는 위성 기반 클로로필-a 농도는 연안에서 부유 물질(Suspended Particulate, SPM)과 용존유기물(Colored Dissolved Organic Matter, CDOM) 등으로 인한 광 간섭과 복합한 해역 특성으로 정확한 추정에 한계가 있기 때문인 것으로 판단된다(Park et al., 2019; Park et al., 2021; Shin et al., 2020). CHL 일합성장은 다종 해색센서 원격 반사도를 병합하는 과정을 통해 보정된 원격반사도 값이 광 간섭 영향을 적게 받는 효과처럼 작용한 것으로 판단된다. 그러나 해당 현상은 다른 위성 결과와의 비교 또는 현장관측 자료와의 상관관계 분석을 통해 명확한 해석이 가능할 것이다.

4.2. 클로로필-a 일합성장 생산 영역 비교 결과

한반도 주변에 구름이 거의 없는 2021년 4월 19일을 대상으로 CHL 일합성장과 GOCI-II, MODIS, OLCI, VIIRS 개별 센서의 클로로필-a 단순 일합성장을 산출하여 생산한 영역을 비교하였다(Fig. 9). 개별 센서의 클로로필-a 일합성장은 산출영역에 대해 동일일에 수집되는 01:00–05:00 UTC 자료를 단순평균하여 생산하였고, 250 m로 재격자화(resampling) 하여 공간해상도를 일치시켰다. 이때 linear interpolation과 cubic interpolation을 적용한 테스트 결과에서 linear 방법이 적합한 것을 확인하였다.

Fig. 9. Comparison of CHL concentration map for each dataset on April 19, 2021. (a) Merged daily CHL (this study), (b) GOCI-II, (c) MODIS, (d) OLCI, and (e) VIIRS. The red lines represent the production area of this study. (b) The empty space with a certain width inside the red line on the right side represents the result excluding the border of the GOCI-II image.

공간 커버리지(%)는 육지를 제외한 해양 전체 영역의 픽셀수 대비 클로로필-a 농도가 산출된 픽셀수를 백분율로 계산한 결과로(Table 4), GOCI-II 촬영 영역을 기준으로 계산된 수치이다. MODIS, OLCI, VIIRS 각 센서별 클로로필-a 일합성장은 극궤도 센서의 촬영궤도와 촬영영역으로 인해 공간 커버리지가 29.27–35.16%로 계산되었다. 반면에 CHL 일합성장은 66.66% 만큼의 유효 픽셀 면적이 존재하였으며, 이는 GOCI-II 단일 센서 사용 경우보다 약 4% 증가한 결과이다.

Table 4. Spatial coverage percentage (%) of CHL concentration map for each dataset on April 19, 2021

CHL 일합성장은 특히 GOCI-II 단독 사용과 비교하여 동한만 서측 연안과 동해의 일본쪽 연안, 동중국해 일부 해역에서 구름으로 인한 결측 부분이 감소한 것으로 확인되었다(Figs. 9a, b). 극궤도 위성영상은 전지구 영역의 촬영이 가능하므로(Figs. 9c–e), 본 연구에서 제시하는 정지궤도 및 극궤도 자료를 융합한 합성장 생산 기법은 한반도 주변 영역에서의 극궤도 센서 단독 사용과 비교하여 약 30% 정도의 유효 픽셀 증가를 기대할 수 있으며, GOCI-II 촬영영역보다 더 넓은 영역에서의 합성장 생산이 가능하므로 해양생물 또는 기후 모델에서의 활용성이 증대할 것으로 기대된다.

4.3. 현장 관측자료와의 비교

본 연구에서 소개한 융합 합성장 생산 방법으로 산출된 CHL 일합성장의 활용 가능성을 정량적으로 평가하기 위해 현장 관측자료와 비교를 수행하였다. 하지만, 유의미한 통계적 평가를 얻기에는 현장 관측자료의 절대적인 수량이 부족하여, 전지구 해역 대상의 CCI와 GC의 CHL 합성장 자료와도 동시에 비교하였다. 농도 값은 모두 로그(log10) 스케일로 변환한 후에 비교하였다. 현장 관측자료(O)와 비교를 위해 CHL 일합성장(S)은 현장 관측점을 중심으로 3 × 3 윈도우(750 × 750 m)에 포함된 CHL 일합성장 값을 평균하여 사용하였다(Pramlall et al., 2023; Yu et al., 2023; Xiao et al., 2018; Yoon et al., 2019). 정확도는 상관계수(r), RMSE (mg/m³), bias (mg/m³)를 산출하여 평가하였다(Table 5, Fig. 10). 상관계수(r)은 1에 가까울수록 두 자료 간의 상관도가 높은 것을 의미하고(식 2), RMSE (식 3)와 bias (식 4)는 0에 가까울수록 높은 정확도를 나타낸다.

Table 5. Comparison of daily CHL concentration from multi-sensor CHL daily, OC-CCI, and GlobColour with in-situ data and the evaluation of result accuracy

Fig. 10. The comparison results between multi-sensor CHL daily (a, d, g, j, m), OC-CCI (b, e, h, k, n), GlobColour (c, f, i, l, o), and in-situ data. (a–c) represent the in-situ in Mokpo (Yellow Sea) in May 2023. (d–f) represent the in-situ in Mokpo (Yellow Sea) in September 2023. (g–i) represent the in-situ in Ulleung (the East Sea) in July 2023. (j–l) represent the in-situ in Busan (South Coastal) in June 2023. (m–o) represent the in-situ in Busan (South Coastal) in August 2023.

\(\begin{aligned}r_{S, O}=\frac{\sum_{i=1}^{N}\left(S_{i}-\bar{S}\right)\left(O_{i}-\bar{O}\right)}{(N-1) S_{s} S_{O}}\end{aligned}\)       (2)

\(\begin{aligned}R M S E=\sqrt{\frac{1}{N} \sum_{i=1}^{N}\left(S_{i}-O_{i}\right)^{2}}\end{aligned}\)       (3)

\(\begin{aligned}\text {bias}=\frac{1}{N} \sum_{i=1}^{N}\left(S_{i}-O_{i}\right)\end{aligned}\)       (4)

S_i: 위성기반 CHL 일합성장 값, O_i: 현장 관측자료 값, N: 자료 수, \(\begin{aligned}\bar {S}\end{aligned}\), \(\begin{aligned}\bar {O}\end{aligned}\): S, O의 평균, S_s, S_O: S, O의 표준편차

현장 관측자료와 본 연구를 통해 생성된 CHL 일합성장의 비교를 통해 상관계수 0.38–0.87, RMSE 0.28–0.40, Bias 0.15–0.35로 나타났다(Table 5, Fig. 10(a, d, g, j, m)). CCI는 상관계수 0.20–0.89, RMSE 0.23–0.56, Bias 0.06–0.44 (Table 5, Fig. 10(b, e, h, k, n))이고, GC의 상관계수 0.51–0.92, RMSE 0.14–0.30, Bias 0.07–0.29 (Table 5, Fig. 10(c, f, i, l, o))로 계산되었다. 가장 많은 수의 현장관측 자료 비교가 수행된 울릉의 경우 CHL 일합성장, CCI, GC의 RMSE는 0.81, 0.86, 0.92로 각각 나타났는데, CHL 일합성장은 다른 합성장 대비 과소추정된 경향을 보였다. 다른 해역 및 시기에서의 비교 결과는 현장관측 자료의 부족으로 유효한 통계적 분석은 어렵지만, 전체적으로 과소추정 되는 경향을 나타내었다. 특히 25개 비교 자료가 존재하는 2023년 8월 부산 비교 결과에서도 같은 경향을 보였다. 이는 GOCI-II의 운영 초기 단계에서 발생하는 대기보정의 미안정화에서 기인하거나 비교대상 현장관측 자료의 절대적인 수 부족에 의한 것으로 추정된다.

4.4. 클로로필-a 대번성 사례 모니터링 활용 가능성 평가

클로로필-a는 해양재해·재난 관점에서 수산업에 막대한 피해를 유발하는 적조 발생 여부를 판단하는 기준으로 빈번하게 사용된다(Choi et al., 2020; Shin et al., 2020; Son et al., 2012). 인공위성 영상에서 탐지되는 적조 관련 정보는 현장조사와 비교하여 많은 한계점을 갖고 있다. 그러나 넓은 공간에 대한 적조 모니터링의 보조자료 활용 목적으로는 많은 장점을 보유하고 있으며, 이러한 장점을 극대화하기 위해서는 높은 공간해상도와 결측 최소화 조건을 만족해야 한다.

본 연구에서 생산한 CHL 일합성장에 대해 적조와 같은 해양재해·재난 대응 목적의 활용성 평가를 위해서, 2013년 8월 13일 동해에서 발생한 클로로필-a 대번성 이벤트 사례를 대상으로 정성적 비교를 실시하였다(Figs. 11, 12). CHL 일합성장 결과는 GOCI 클로로필-a, CCI에서 제공하는 전지구 클로로필-a 결과와 비교하였다(Fig. 11). 이때 CCI의 공간해상도에 맞게 4 km로 재격자화 하였고, 사용한 방법은 CHL 일합성장 생산에 적용한 것과 동일한 linear interpolation 방법을 활용하였다. 또한 3개의 동위도선(isolatitude)에 대해 CHL 일합성장, GOCI L2 일합성 및 CCI 합성장의 클로로필-a 농도 시계열을 비교하여 경향성을 분석하였다(Fig. 12).

Fig. 11. The daily CHL concentration results at a 4 km spatial resolution on August 13, 2013. (a) the merged GOCI (this study), (b) GOCI, and (c) OC-CCI. The three black lines represent the same latitude.

Fig. 12. The comparison of this study (red line), GOCI (blue line), and OC-CCI (dotted black line) along each isolatitude line. (a) represents the results at latitude 36.670°N, (b) represents the results at latitude 36.625°N, and (c) represents the results at latitude 36.583°N, as shown in Fig. 11.

CCI클로로필-a농도가가장높게추정되었고(Fig. 11c), 그에 비해 CHL 일합성장과 GOCI는 과소추정되는 경향이 나타났다. 다만 CHL 일합성장은 GOCI 산출결과 보다 높게 나타났고(Figs. 11a, b), 경도별 농도 변화값의 변화 패턴이 GOCI 단독 사용 대비 CCI와 유사하게 나타나는 것을 확인하였다(Figs. 12a–c, 적색 실선). 비록 적조와 같이 엽록소 농도가 높은 해역에서는 대기보정 정확도 저하 및 클로로필-a 산출 알고리즘의 다소 높은 부정확성으로 인해 정량적 평가가 부적절하지만, GOCI 단독 사용과 비교하여 과소추정되는 경향이 다소 완화되는 것을 확인하였다. 따라서 해양재해·재난 모니터링 관점에서 높은 시공간 해상도의 정지궤도 위성 장점을 사용하면서, 상대적으로 정확한 클로로필-a의 농도를 산출하기 위해서는 극궤도 위성과의 병합이 필요하다.

5. 결론

본 연구에서는 정지궤도 및 극궤도 위성의 원격반사도를 융합하여 CHL 일합성장을 생산하는 기술을 소개하고, 그 결과를 정량적 및 정성적으로 평가하였다. 또한, 우리나라 주변 해역에서 발생하는 클로로필-a 대량 번식 사례에 적용하여 활용 가능성을 평가하였다. 비록 적은 현장 관측자료 수와 GOCI-II의 운영 초기 단계에서 발생하는 대기보정의 미안정화로 다소 낮은 성능 지표 결과가 산출되었지만, RMSE 평균이 약 0.34 mg/m³로 기존 연구사례와 비교하여 과소추정되는 결과로 나타났다. 또한, GOCI-II 산출물 결과와 비교하여 CHL 일합 성장의 유효픽셀 산출 공간범위는 약 3% 증가하였다. 특히, 한반도 주변 해역을 대상으로 극궤도 위성만을 이용하는 경우보다 산출 공간범위의 약 30% 증가를 확인하였으며, 정지궤도 위성만을 사용하는 경우에 산출이 불가능한 해역을 대상으로 합성장 생산이 가능하기 때문에 활용성 증대가 기대된다.

마지막으로 2013년 8월에 동해에서 발생한 적조 사례를 대상으로 우리나라 주변 해역에서의 재해·재난 모니터링 활용 가능성을 평가하여 정지궤도 해색센서를 단독 사용하는 경우보다 과소추정되는 경향이 다소 완화하고, 경도별 클로로필-a 농도 값의 변화 패턴이 CCI와 유사하게 나타나는 것을 확인하였다. 향후 2012년도를 시작으로 10년 이상의 장기간 CHL 일합성 자료를 산출할 계획이며, 이를 이용한 인공지능모델 기반의 예측 기술 연구 및 아노말리 활용 연구를 진행할 계획이다. 본 연구의 결과는 연안해역에서 발생하는 클로로필-a 기인의 다양한 해양환경 이벤트 모니터링에 유용하게 활용될 것으로 기대되며, 특히 넓은 해양을 대상으로 하는 다양한 모델의 입력자료로 사용될 수 있다.