Research Article

Journal of Korea Water Resources Association. 30 April 2022. 301-308
https://doi.org/10.3741/JKWRA.2022.55.4.301

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 실험방법

  • 3. 실험 결과

  • 4. 결 론

1. 서 론

녹조현상에 대한 사회적 관심이 늘어남에 따라 이에 대한 정책 및 연구가 이루어지고 있다. 실제로 환경부 조류경보제 기준항목 Chl-a, 남조류 세포수에서 2016년 이후 남조류 세포수로 기준항목이 개정 되었다. 이를 위한 기존 하천 내 담수조류의 조사방식은 채수를 통한 동정 및 검경 또는 센서를 통한 입경에 대한 측정으로 조류의 농도에 대하여 점, 선단위의 간헐적으로 측정이 진행됨에 따라 하천 내 남조류에 대한 전반적인 분포 현황에 대하여 파악하기에는 한계가 있다. 이에 대한 원격모니터링에 대한 연구가 국내외에서 활발히 진행되고 있다. 1970년대 미국항공우주국(NASA)에서 초분광센서의 개발이 시작되어왔으며(Kim et al., 2005) 탑제체를 활용한 초분광센서를 이용하여 취득한 고해상도 영상의 공간정보를 이용한 객체의 탐지, 분류 분석, 모니터링 방법으로 분류가 가능하다(Xie et al., 2014; Kim and Choi, 2018; You et al., 2018). 최근 이러한 위성영상, UAV 기반 분광정보를 활용하여 조류의 면단위의 공간적 분포를 통해 모니터링을 진행하기 위한 맵핑사례로 위성영상 및 UAV를 활용하여 식생지수 및 Chl-a를 활용하여 녹조지도를 작성하기위한 연구를 진행한 사례(Kim et al., 2017), 위성영상 기반 클로로필a 투명도 분석을 통한 호소 내 영양상태를 분석(Yi et al., 1997)등이 있다. 이에 대한 선행연구로 조류량 추정을 위해 Chl-a, PC의 색소와 밴드비를 이용한 분석을 통한 조류량을 산정하는 연구가 진행되고 있다(Choe et al., 2021; Shin et al., 2020; Kim et al., 2018; Lee et al., 2014; Back et al., 2016). 본 연구에서는 저고도로 인한 우수한 공간해상도를 가지는 무인항공기(Unmanned Aearial Vehicles, UAV)를 탑제체로 이용하여 RGB영상 및 다중분광 영상보다 우수한 공간해상도를 초분광영상을 활용하였다. UAV, 초분광 카메라 두 장비의 장점들을 활용하여 색소 기반 결과 이상의 원격모니터링을 진행하고자 하였다. 이를 위해 실제 하천수를 이용하여 1.4 m의 이동식 거치대를 활용한 실험실 규모의 초분광영상 실험을 진행하였으며, 실제 하천 내 검경 및 동정 기반 초분광 영상분석을 통해 수체 내 조류 분포 현황을 파악하고 추후 원격 모니터링에 대한 선행연구를 진행하고자 하였다.

2. 실험방법

초분광 센서를 활용한 원격 모니터링을 위해서 UAV에 탑재하여 활용할 때 짐벌과 함께 장착하여 운용을 진행한다. 본 연구는 이에 대한 선행연구로 높이 1.4 m의 지상거치대를 활용하여 촬영장비로는 초분광 센서 CORNING사의 MicroHSITM 410 Shark (Fig. 1(a); Corning, 2017)를 활용하였으며, 라인 스캐닝 특성상 바람, 비행진동, 촬영각도 등 흔들림에 민감한 센서의 움직임을 후처리를 통해 보정하여 영상을 취득하기에는 어려움이 있어 이를 보정하기 위한 DJI 사의 짐벌 Ronin-MX (Fig. 1(b))를 함께 운용하였다. 구축 된 장비를 통해 일정한 (99%)반사율을 가지도록 특수 재작된 반사판(Fig. 1(c))과 함께 전처리 과정을 거쳐 제조한 시료를 촬영(Fig. 2)하여 연구를 진행하였으며, 조류 검 ‧ 동정 등 전체 연구 방법에 대한 모식도는 다음과 같다(Fig. 3).

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F1.jpg
Fig. 1.

Measuring equipment used in research

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F2.jpg
Fig. 2.

Acquisition of hyperspectral images

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F3.jpg
Fig. 3.

Schematic diagram according to research method

본 연구에서는 하천 채수를 통한 초분광 촬영은 종별 라이브러리 구축에 한계가 있다. 따라서, 기후별, 계절별 분포 현황이 다른 조류의 특성에 따라 환경에 구애 받지 않도록 실내에서 배양한 조류를 구매하였다. 서낙동강 인근 조류가 발생한 해반천, 조만강, 신어천, 평강천(Fig. 4)에서 채수를 통해 낙동강 주요 출연종 중 녹조류 Scenedesmus sp., 남조류 Anabaena sp. 배양액과 함께 촬영을 진행하였다. 하천수 내 조류의 분광정보 및 동정 및 검경 결과를 통해 구매된 해당 조류 배양액의 분광 정보와 비교하여 지점 내 녹조류, 남조류 등 우점종을 파악하고자 하였다.

각 시료별 조류의 분광정보를 추출하기 위해 구매한 조류 배양액(Fig. 5(a))과 채수한 하천수(Fig. 5(b)), 조류가 포함되어 있는 시료를 Object로 지정하였으며, 채수한 하천 수를 0.7μm의 GF/C 필터를 이용하여 여과하여 조류를 제거한 시료와 증류수 98.9% Trace Metal Mix A5 with Co 0.1%, BG11 Broth 1% 로 구성된 배양 유지액을 Base로 지정하였다. 또한 시료 제조 과정에서 남조류의 경우 녹조류와 다르게 군집을 형성하는 특성을 나타내 초음파 파쇄기(Sonicatot)를 이용하여 군집을 파쇄하여 시료제조를 진행하였다.

초분광 센서가 라인 스캐닝 방식으로 촬영이 진행됨에 따라 일정한 속도를 유지하여 제조한 시료와 99.9% 반사판을 촬영하여 취득한 광학 이미지는 Fig. 6(a), 초분광 이미지는 Fig. 6(b)와 같이 나타났다.

취득한 초분광 영상의 각각 시료별 100개의 Pixel 범위를 지정하여 100개의 분광스펙트럼의 추출하였다(Fig. 7). 추출한 100개의 분광스펙트럼에 대하여 평균치를 산정, 평균하여 하나의 새로운 분광스펙트럼을 만들어 반사판을 이용하여 방사보정을 진행하였다. 방사보정에 사용된 표준 참조 패널(Spectralon)인 99.9%의 반사도를 갖는 백색판(White Plate)으로 분광정보를 활용할 경우 휘도로부터 도출되는 반사도는 Eq. (1)과 같이 표현 할 수 있다. 99.9% 반사판에 Radiance (Fig. 8(a))에 대하여 대한 방사보정 결과 Fig. 8(b)와 같은 결과를 나타내었다.

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F4.jpg
Fig. 4.

Sampling points within the study

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F5.jpg
Fig. 5.

Sample preparation according to river water filtration

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F6.jpg
Fig. 6.

Optical and hyperspectral imaging of samples

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F7.jpg
Fig. 7.

Hyperspectral image spectral information extraction and averaging

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F8.jpg
Fig. 8.

Hyperspectral image radiation correction

(1)
Reflectance(λ)=Radiance(λ)irradiance(λ)×100=Radiance(λ)Radiancewhiteplate(λ)×100

배양액 및 하천수 내 조류의 분광 특성을 추출하기 위해서는 이미지의 분광정보에서 조류를 포함한 Object 시료의 분광정보와 조류를 filtering한 Base시료의 분광정보를 제외하는 방법으로 취득할 수 있다. 이를 위하여 Stock solution 및 하천수를 여과하여 시료를 제조하여 Base 시료와 Object 시료를 구분하여(Fig. 5) 촬영하였으며 아래 식을 이용하여 Base를 제거한 조류의 분광정보를 추출하였다(Gwon et al., 2020)(Fig. 9).

(2)
Reflectance(λ)=Reflectanceobject(λ)-Reflectanceba.se(λ)

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F9.jpg
Fig. 9.

Base removal process to acquire algae spectroscopic information within the sample

다음 과정을 거친 각각의 분광정보를 상호 비교분석을 위해 분광 스펙트럼 강도를 일치시키기 위해 아래 식을 이용하여 Vector normalization을 수행하였다(Gwon et al., 2020) (Eq. (3)).

(3)
I=λminλmaxR(λ)2

여기서, I는 벡터화된 반사도의 크기, λmax 최대파장, λmin 최소파장, Rλ는 반사도를 나타내며, Eq. (4)을 이용하여 구한 벡터화된 반사도의 크기를 이용하여 최종적으로 Vector Normalize된 반사도를 산정한다(Gwon et al., 2020).

(4)
R'(λ)=R(λ)I

위의 식은 최종 라이브러리 구축에 이용되는 Vector Normalize Reflectance를 도출하고자 사용하였으며 여기서, R'λ은 Vector Normalize 된 반사도를 나타낸다(Gwon et al., 2020).

3. 실험 결과

각 하천의 조류 동정 및 검경 결과 Table 1와 같이 나타났다. 녹조류의 경우 평강천에서 Scenedesmus ecornis가 가장 많이 나타났으며 총 9,375 Cells/ml, 신어천에서 Pandorina morum가 가장 많이 나타났으며 총 9,975 Cells/ml, 남조류의 경우 신어천에서 Microcystis viridis가 가장 많이 나타났으며 총 63,350 Cells/ml, 규조류의 경우 평강천에서 Cyclotella atomus가 가장 많이 나타났으며 총 6,975 Cells/ml로 다른 하천에 비하여 가장 많이 나타났다.

분광 정보를 추출하여 배양액과 각 하천별 여과 전 ‧ 후에 대한 그래프를 나타내었으며(Figs. 10(a)~10(e)) 각 하천 원수의 분광정보를 취합하여 나타내었다(Fig. 9(f)).

시료별 추출한 분광정보에서 Base가 되는 시료의 분광정보를 제외시켜 줌으로써 각 대상의 조류 분광 정보를 추출하여 그래프로 나타내었다(Fig. 11).

분광정보 추출 결과 400 nm~500 nm와 670 nm 사이에서 각 조류의 흡수율이 높아 파형이 아래로 내려간 특성을 확인할 수 있다. 하천 내 녹조의 농도가 높게 나타난 녹조류 Scenedesmus sp. 내 Chl-a로 인한 특성상 400 nm~500 nm에서 높은 흡수율을 가지기 떄문에 낮은 반사율을 가지는 파형을 나타내었으며 남조류 Anbaena sp. 배양액의 경우 PC에 대한 특성으로 인해 670 nm 부근에서 높은 흡수율을 가지기 때문에 낮은 반사율을 가지는 파형으로 나타났으며 400 nm~500 nm에서도 녹조류 Scenedesmus sp. 와 비슷한 파형을 가지는데 이는 남조류의 경우 Chl-a 또한 포함되어 있어 다음과 같은 파형을 가지는 것으로 판단되었다. Table 1Fig. 10의 결과를 함께 비교 분석시 신어천의 경우 Microcystis viridis 외 9종 63,350 Cells/ml로 남조류가 가장 우점해 있는 것을 확인 가능하며 남조류 대표종 Anbaena sp.와 가장 유사한 파형을 나타냄에 따라 하천내 조류 우점종에 따른 라이브러리 분광특성과 유사하다는 것을 확인 가능하였다. 또한, 녹조류의 경우 신어천 동정 및 검경 결과 Pandorina morum외 15종으로 다른 하천에 비하여 녹조류 농도가 가장 높게 나타났으며 평강천에서는 Scenedesmus ecornis외 21종으로 2번째로 높은 농도를 나타내었으나 400 nm ~500 nm 에서는 비교적 비례하지 않은 결과를 나타내었다. 이는 해반천 분광정보 및 검경 결과를 확인해보면 규조류가 가장 많이 나타났으며 Scenedesmus sp., Anabaena sp.의 경향성이 비교적 높지 않은 결과를 나타낸 것을 보아 평강천 또한 규조류의 영향을 받은 것으로 추측된다. 남조류의 경우 또한 신어천 동정 및 검경결과 Microcystis viridis 외 9종으로 다른 하천에 비하여 가장 높은 농도로 나타났으며 이에 따른 670 nm부근에서 가장 높은 흡수율을 나타내었다.

Table 1.

Algae speculum and identification results

Joman River
(JMR)
Cells/ml Pyeonggang Stream
(PGC)
Cells/ml Haeban Stream
(HBC)
Cells/ml Sineo Stream
(SEC)
Cells/ml
Green
algae
Scenedesmus
communis
5 other types
950 Scenedesmus
ecornis
21 other types
9,375 Scenedesmus
opolinesis
3 other types
150 Pandorina
morum
15 other types
9,975
blue-green
algae
Borzia sp. 100 Borzia sp. 2,150 X 0 Microcystis viridis
9 other types
63,350
diatom Synedra ulna
16 other types
3,825 Cyclotella atomus
24 other types
6,975 Melosira varians
19 other types
2,650 Amphora veneta
13 other types
875
Sum 4,875 18,500 2,800 74,200

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F10.jpg
Fig. 10.

Spectrum before and after filtration

https://static.apub.kr/journalsite/sites/kwra/2022-055-04/N0200550405/images/kwra_55_04_05_F11.jpg
Fig. 11.

Extraction of algae spectral information for each sample

4. 결 론

본 연구는 최근 원격 모니터링에 대한 연구가 활발히 진행되고 있으며 원격 모니터링에 이용되는 UAV를 대신하여 1.4 m의 이동식 거치대와 초분광센서를 이용하여 채수한 하천수를 시료로 원격 모니터링 적용 가능성에 대해 선행연구를 진행하였다. 하천 내 조류의 분광정보의 참조점을 만들기 위해 라이브러리를 구축을 진행하였다. 조류는 기후별 계절별 분포현황이 다르고 수체 내 혼합되어 있기 때문에 라이브러리 구축에 사용된 시료는 실내에서 배양된 조류를 구매하여 연구를 진행하였다. 녹조류 Scenedesmus sp., 남조류 Anaebaena sp.에 대해 라이브러리를 구축하였으며 시료는 서낙동강 인근 조류가 나타나는 하천수를 채수, 여과하여 Base와 Object를 구분하여 촬영을 진행하였다. 추출한 분광정보를 전처리 과정을 진행하였으며 이 중 수체 내 조류 분광정보를 추출하고자 Object에서 Base를 제외 시켜 조류 분광정보를 취득하였다. 하천수 조류 검경 결과 녹조류의 경우 신어천과 평강천의 ml당 개체수가 가장 높게 나타났으며 이후 조만강, 해반천으로 나타났다, 남조류의 경우는 해반천에서는 남조류를 확인할 수 없었고 신어천의 ml당 개체수가 현저히 높게 나타났으며 평강천, 조만강 순으로 높게 나타났다. 하천 내 규조류의 ml당 개체수는 평강천, 조만강, 해반천, 신어천으로 나타났다. 일반적으로 녹조류의 경우 Chl-a로 인해 400~500 nm에서 높은 흡수율을 보이며 남조류의 경우 PC의 높은 흡수율을 가지는 620 nm와 670 nm인근에서 높은 흡수율을 보이며 실제 취득한 Scenedesmus sp., Anabaena sp. 분광 스펙트럼 결과 유사하게 나타났다. 검경 결과와 취득한 분광정보를 비교분석한 결과 구축된 라이브러리 분광 스펙트럼과 비슷한 경향의 파형을 나타내었으며 농도에 따라 라이브러리 결과에 가까운 형태를 나타내었다. 다만 남조류의 경우 PC 뿐만 아니라 Chl-a 색소 모두 포함하고 있어 400 nm~500 nm의 파장대에서도 녹조류와 비슷한 경향을 나타내 정확한 분석 결과를 나타내는데 한계가 있었다. 따라서, 종 분류에 대한 추가 실험을 통해 조류에 대한 정확한 분류기법에 대해 연구할 필요가 있으며 데이터 및 케이스가 축적 될 시 실제 하천에 적용, 모티러링 진행에 도움이 될 것으로 판단된다.

Acknowledgements

본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었습니다(과제번호 21DPIW-C153746-03).

Conflicts of Interest

The authors declare no conflict of interest.

References

1
Back, S.C., Park, J.K., and Park, J.H. (2016). "Spatial distribution mapping of cyanobacteria in Daecheong reservoir using the satellite imagery." Korean Society of Agricultural Engineers, Vol. 58, No. 2, pp. 53-63. 10.5389/KSAE.2016.58.2.053
2
Choe, E.Y., Jung, K.M,. Yoon, J.S., Jang, J.H., Kim, M.J., and Lee, H.J. (2021). "Application of spectral indices to drone-based multispectral remote sensing for algal bloom monitoring in the river." Korean Journal of Remote Sensing, Vol. 37, No. 3, pp. 419-430.
3
Corning (2017). Corning microHSI 410 SHARK: Integrated, coherent, airborne hyperspectral imaging system, accessed 2 May 2020, <https://www.corning.com/microsites/coc/oem/documents/hyperspectral-imaging/Corning-MicroHSI-410-SHARK-Brochure.pdf>.
4
Gwon, Y.H., Kim, D.S., and You, H.J. (2020). "A standardized procedure on building spectral library for hazardous chemicals mixed in river flow using hyperspectral image." Korea Water Resources Association, Vol. 52, No. 10, pp. 845-859.
5
Kim, E.J., Nam, S.H., Koo, J.W., and Hwang, T.M. (2018). "Monitoring algal bloom in river using unmanned aerial vehicle (UAV) imagery technique." Journal of Korean Society of Water and Wastewater, Vol. 32, No. 6, pp. 573-581. 10.11001/jksww.2018.32.6.573
6
Kim, E.J., Nam, S.H., Koo, J.W., Lee, S.L.M., Ahn, C.H., Park, J.R., Park, J.I., and Hwang, T.M. (2017). "Applicability of unmanned aerial vehicle for chlorophyll-a map in river." Journal of the Korean Society of Water and Wastewater, Vol. 31, No. 3, pp. 197-204. 10.11001/jksww.2017.31.3.197
7
Kim, S.H., Lee, G.S., Ma, S.L., and Kook, M.J. (2005). "Current status of hyperspectral remote sensing: Principle, data processing techniques, and application." Korean Journal of Remote Sensing, Vol. 21, No. 4, pp. 341-369
8
Kim, W.K., and Choi, J.M. (2018). "Analysis of hyperspectral radiometer and water constituents data for remote estimation of water quality." Korea Society of Surveying, Vol. 36, No. 4, pp. 205-211.
9
Lee, H., Gang, T.G., Min, J.H., Kim, K.H., Nam, G.B., and Ha, R. (2014). A study on romote monitoring of algal distribution using hyperspectral imagery in Lake Uiam. National Institute of Environmental, No. TRKO021500013971.
10
Shin, J.S., Kim, K.Y., and Ryu, J.-H. (2020). "Comparative study on hyperspectral and satellite image for the estimation of Chlorophyll a concentration on Coastal areas." Korean Journal of Remote Sensing, Vol. 36, No. 2-2, pp. 309-323.
11
Xie, H., Luo, X., Hwang, S., Xu, X., Tong, X., Jin, Y., Pan, H., and Zhou, B. (2014). "New hyperspectral difference water index for the extraction of urban water bodies by the use of airborne hyperspectral images." Journal of Applied Remote Sensing, Vol. 8, No. 1, 085098. 10.1117/1.JRS.8.085098
12
Yi, G.H., Jeon, H.S., Kim, T.G., and Cho, G.S. (1997). "The Interpretation of Chlorophyll a and transparency in a lake using LANDSAT TM imagery." Korean Journal of Remote Sensing, Vol. 13, No. 1, pp. 47-56.
13
You, H.J. (2018). Development of riverine bathymetry survey technique using drone-based hyperspectral image. Ph. D. dissertation, University of Dankook.
페이지 상단으로 이동하기