Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Estimation of Benthic Microalgae Chlorophyll-a Concentration in Mudflat Surfaces of Geunso Bay Using Ground-based Hyperspectral Data

지상 초분광자료를 이용한 근소만 갯벌표층에서 저서성 미세조류의 엽록소-a 공간분포 추정

  • Koh, Sooyoon (Department of Civil and Environmental Engineering, Pusan National University) ;
  • Noh, Jaehoon (Marine Ecosystem Research Center, Korea Institute of Ocean Science and Technology) ;
  • Baek, Seungil (Department of Civil and Environmental Engineering, Pusan National University) ;
  • Lee, Howon (Marine Ecosystem Research Center, Korea Institute of Ocean Science and Technology) ;
  • Won, Jongseok (Marine Ecosystem Research Center, Korea Institute of Ocean Science and Technology) ;
  • Kim, Wonkook (Department of Civil and Environmental Engineering, Pusan National University)
  • 고수윤 (부산대학교 사회환경시스템공학과) ;
  • 노재훈 (해양과학기술원 해양생태연구센터) ;
  • 백승일 (부산대학교 사회환경시스템공학과) ;
  • 이호원 (해양과학기술원 해양생태연구센터) ;
  • 원종석 (해양과학기술원 해양생태연구센터) ;
  • 김원국 (부산대학교 사회환경시스템공학과)
  • Received : 2021.10.15
  • Accepted : 2021.10.26
  • Published : 2021.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Mudflats are crucial for understanding the ecological structure and biological function of coastal ecosystem because of its high primary production by microalgae. There have been many studies on measuring primary productivity of tidal flats for the estimation of organic carbon abundance, but it is relatively recent that optical remote sensing technique, particularly hyperspectral sensing, was used for it. This study investigates hyperspectral sensing of chlorophyll concentration on a tidal flat surface, which is a key variable in deriving primary productivity. The study site is a mudflat in Geunso bay, South Korea and field campaigns were conducted at ebb tide in April and June 2021. Hyperspectral reflectance of the mudflat surfaces was measured with two types of hyperspectral sensors; TriOS RAMSES (directionalsensor) and the Specim-IQ (camera sensor), and Normal Differenced Vegetation Index (NDVI) and Contiuum Removal Depth (CRD) were used to estimate Chl-a from the optical measurements. The validation performed against independent field measurements of Chl-a showed that both CRD and NDVI can retrieve surface Chl-a with R2 around 0.7 for the Chl-a range of 0~150 mg/m2 tested in this study.

갯벌 표면에는 저서성 미세조류의 생체량이 높고, 그에 따라 높은 일차생산을 나타낸다. 갯벌의 탄소순환 및 유기탄소 부존량을 추산하기 위한 일차생산력 측정 연구가 기존에 진행되어 왔지만, 최근에는 광학 원격탐사, 특히 초분광센서를 이용하는 연구는 비교적 최근에 시도되기 시작하였다. 본 연구에서는 지상에서 관측된 초분광자료를 통하여 생산성 추정의 기초자료가 되는 갯벌 표면의 엽록소 농도를 추정하는 연구를 수행하였다. 연구 대상지는 충청남도 태안군에 위치한 근소만이며, 현장조사는 2021년 4월과 6월 간조시에 수행하였다. 갯벌 표면의 초분광반사도를 얻기 위하여 지향형 센서인 TriOS RAMSES와 카메라 형태의 Specim-IQ, 두 종류의 초분광센서를 사용하였고, 광학관측자료를 통해 갯벌 표면의 엽록소-a 농도를 추정하기 위해 정규식생지수(NDVI)와 Continuum Removal Depth(CRD)기법을 사용하였다. 현장조사시 시료분석을 통해 측정한 엽록소-a 농도와의 비교 결과, 두 기법 모두 엽록소-a 농도 약 0~150 mg/m2의 범위에 대해 추정 결정계수 약 0.7을 달성할 수 있는 것으로 나타났다.

Keywords

1. 서론

갯벌은 육지와 해양의 전이역에 위치한 갯벌생물에게 다양한 서식처를 제공할 뿐만 아니라, 해양생물의 생산력 유지, 유기물과 영양염의 순환에 있어서 중요한 생태적 기능을 담당하고 있다(Yoo and Choi, 2005; Choi et al., 2010; Kim et al., 2019). 특히, 갯벌 표면에 주로 서식하는 저서성 미세조류는 광합성을 통해 유기물을 생산하고 대기 중의 이산화탄소를 흡수하여 연안의 생태적 구조와 기능을 유지함에 있어서 일차생산자로서의 역할을 담당한다.

저서성 미세조류는 퇴적물 식자뿐만 아니라 부유물 식자로 구성된 상위 포식자에게 훌륭한 먹이원임과 동시에 퇴적물과 수층 사이의 영양염 순환 조절자로 기여하는데(Sullivan and Moncreiff, 1990; Heip et al., 1995; MacIntyre et al., 1996), 이러한 저서 미세조류의 공간적 분포는 조석주기에 따른 갯벌 표면의 대기노출시간, 퇴적물의 입도, 광량, 온도, 영양염, 포식압 등 여러 가지 환경적 요인에 따라 결정된다(Kim and Cho, 1985; Oh, 1995; Yoo and Choi, 2005; Lee et al., 2009).

갯벌 일차생산자의 현존량과 일차생산을 추정하기 위한 연구는 1970년대부터 수행되어 왔다(Colijnl and Dijkema, 1978; Joint, 1978). 하지만 기존에 주로 수행되어 왔던 방식인 접촉식 현장 관측기기를 이용하는 관측하는 방식은 넓은 영역의 일차생산을 단시간에 파악하기에는 많은 인력적, 시간적 제약이 있어왔다. 이러한 단점을 보완하기 위하여, 최근에는 광학 원격탐사를 이용하여 갯벌 표층의 엽록소 농도와 일차생산량을 추정하는 연구들이 활성화되고 있다(Murphy et al., 2005; Dube et al., 2012; Daggerset al., 2018;Choiet al., 2011,Chang et al., 2019).Murphy et al. (2005)는 호주 시드니에 위치한 갯벌에서 초분광 분광복사계로 관측한 현장자료와 갯벌의 엽록소 농도와의 상관관계를 다양한 지수와 비교하여 평가한 바 있다. Dube et al. (2012)는 네델란드 Wadden 갯벌의 1차 생산성을 Landsat TM5와 ASTER 위성자료를 통해 추정하였고 Spectral Angular Mapper(SAM) 기법을 기반으로 감독 분류를 수행하여 갯벌의 퇴적물 유형 및 분포양상을 파악하였다. Daggers et al. (2018)은 네덜란드 남서부에 위치한 갯벌에서 광학원격탐사 자료를 사용하여 평균 일일 일차생산량을 추정하는 모델을 개발하였다. 국내에서는 Choi et al. (2011)은 Geographic Information System(GIS)과 원격탐사를 이용해 황도 갯벌에서의 대형 저서동물의 공간적 분포를 연구하였으며, Chang et al. (2019)는 동막리 갯벌에서 염생식물 현장조사자료와 Sentinel-2A 위성 및 항공촬영초분광영상(CASI-1500)을 이용하여 염생식물을 분류하는 연구를 수행하였다. 국외 갯벌 지역에 대해서는 엽록소 농도 및 일차생산성을 추정하는 연구가 국지적으로 이루어져 왔으나, 국내 갯벌 지역에 대해서는 입도분포 추정 및 식생분류 연구 외에 초분광자료를 이용한 엽록소 농도 추정에 대한 연구는 현재까지 미미한 실정이다.

본 연구는 국내의 대표적인 갯벌 지역인 서해의 근소만에 대하여, 두 종류의 초분광센서를 통해, 갯벌 표면 저서 미세조류의 부존량을 대표할 수 있는 엽록소-a 농도를 추정하는 연구를 수행하였다. 초분광센서로는 지향성 초분광복사계인 TriOS RAMSES와 초분광카메라인 Specim-IQ를 이용하였고, 3차례의 현장 조사를 통해 측정한 갯벌 표면 시료의 엽록소 농도를 추정 기법 개발 및 검증에 사용하였다.

2. 연구재료 및 현장관측

1) 연구 대상지

연구 대상지는 충청남도 태안군에 위치하고 있는 근소만 갯벌로 총 면적은 약 30 km2이며 부채꼴 모양으로 반 폐쇄성만을 이루고 있다(Fig. 1). 근소만은 담수 유입의 원인이 되는 하천이 주변에 위치하고 있지 않기 때문에 육상에서 직접 유입되는 담수의 영향이 적고, 만과 외부의 해수 교환은 약 2 km 폭의 만 입구를 통해서만 제한적으로 이루어진다(Choi et al., 2010; An et al., 2018). 남서-북동 방향으로 형성되어 있는 근소만의 전체길이는 10 km, 폭은 2.5~6 km로 간조 시 갯벌 면적의 70% 이상이 대기에 노출되며(평균조차 6 m), 갯벌 퇴적물은 대부분 사니질로 구성되어 있다(Kim and Kim, 2008).

OGCSBN_2021_v37n5_1_1111_f0001.png 이미지

Fig. 1. The study area in Geunso bay tidal flat is located in Taean on the west coast of Korea peninsula. The ocean observation tower installed by KIOST (Korea Institute of Ocean Science and Technologies) is located in the center of the flat, marked with a red circle.

또한 근소만 갯벌에는 한국해양과학기술원(Korea Institute of Science and Technologies)이 관리하고 있는 해양관측타워(36°44′14″N 126°10′42″E)가 중부 조간대에 형성되어 있어 조석 주기에 따른 연구 수행이 용이하며, 이전 근소만에서 수행된 연구 결과들을 통해 조석에 따른 해수유동, 영양염, 퇴적환경, 생물 군집 등의 생지화학적 특성과 관련된 과거 관측자료가 가용하다는 장점이 있다(Woo et al., 2010; Choi et al., 2016; Shin et al., 2016; Kim et al., 2019). 본 연구의 시료채취 및 광학관측은 해양관측타워 인근 반경 200 m 내에 10개 정점을 선정하여 수행하였다.

2) 연구장비

(1) TriOS RAMSES

TriOS사의 RAMSES는 지상 및 수중에서 운영할 수 있는 지향성 초분광 분광복사계로 복사휘도 센서(ARC-VIS Radiance Radiometer)와 복사조도 센서(ACC-VIS Irradiance Radiometer)로 구성되어 있다(Fig. 2(a)). ARC 센서는 약 7°의 FOV (Field-Of-View)를 가지며, 280-950 nm 파장대에서 약 3 nm 간격으로 관측 대상물의 복사 휘도를 측정한다. ACC 센서는 센서에 장착된 디퓨저 (diffuser)를 이용해 반구에서 들어오는 복사조도를 측정한다. 표면의 반사도는 다음 Eq. (1)을 이용하여 계산된다.

\(R_{r a m}(\lambda)=\frac{L_{u}(\lambda) \times \pi}{E_{d}(\lambda)}(\%)\)       (1)

OGCSBN_2021_v37n5_1_1111_f0013.png 이미지

Fig. 2. (a) TriOS RAMSES; ARC-VIS for radiance (up) and ACC-VIS for irradiance (down), (b) Specim IQ, hyperspectral camera, and (c) 10-AU fluorometer (Turner Design) are presented.

Rram(λ)는 λ(nm)파장대에서의 반사도, Lu(λ)는 λ(nm)파장대에서의 상향복사휘도(Wm–2sr–1nm–1),  Ed(λ)는 λ(nm)파장대에서의 하향복사조도(Wm–2sr–1nm–1)이다.

(2) Specim-IQ

Specim-IQ는 현장에서 이미지 시각화, 분석 및 반사도 스펙트럼을 처리할 수 있는 지상용 초분광카메라이다(Fig. 2(b)). 총 무게 1.3 kg, 크기 207×91×74 mm (depth with lens 125.5 mm), 4.3″ 화면 터치스크린으로 구성되어 있어 현장에서 이동하며 촬영하기에 용이하다. 본 카메라는 CMOS 센서를 채택하고 있고 라인 스캐닝방식으로 400-1000 nm 파장대에서 약 7 nm 간격으로 관측대상물을 관측하여 512×512픽셀을 가진 반사도영상을 산출한다. 대상물 촬영은 다음과 같은 과정을 통해 이루어진다. (i) 관측대상물 설정, (ii) 99% 반사도의 백색 참조 패널 거치, (iii) 대상물 촬영, (iv) 반사도영상 산출 과정으로 이루어진다. 센서를 통해 얻어진 Digital Number (DN)은 다음 식을 통해서 초분광반사도로 변환된다.

\(R_{\text {spec }}(x, y, \lambda)=\frac{S(x, y, \lambda)-D(x, y, \lambda)}{W(\lambda)-D(x, y, \lambda)}\)      (2)

x, y는 영상좌표의 위치, λ(nm)는 파장대, Rspec는 반사도, W는 백색 참조패널을 측정한 DN의 평균, D는 암흑 신호의 DN, S는 영상의 각 화소의 DN이다.

(3) 10-AU Fluorometer (Turner Design)

본 연구에서 시료의 엽록소-a 농도 분석에 사용된 장비는 Turner Design사의 10-AU Fluorometer이다. 해당 장비는 현장용 형광광도계로 열악한 현장에서 사용할 수 있도록 견고하게 설계되어 안정적인 측정이 가능하고 다량의 샘플을 비교적 짧은 시간 내 쉽게 분석할 수 있는 장점이 있다(Fig. 2(c)). 엽록소 농도를 측정할 수 있는 범위는 0-250 µg/L에서 측정할 수 있고 엽록소 농도 측정을 위해 사용한 형광 모듈은 Extractive and in-vivo Chlorophyll을 적용하였고, Excitation Filter P/N는 10050R(340-500 nm), Emission Filter P/N는 10-051R(>665 nm)를 사용하였다.

3) 현장 관측

(1) 현장 광학자료 관측

현장조사는 2021년 4월 7일과 6월 8-9일 두 차례에 거쳐 각 해당일의 간조시에 수행되었다. 조사일의 날씨와 물때는 Table 1에 나타냈다. 해양관측타워의 인근에서 10개의 정점을 임의로 선정하였고, 각 정점에서 3개씩 코어샘플을 채취하였다. 표층 퇴적물을 정량 채집하기 위해 내경 10 cm, 길이 15 cm의 아크릴코어를 이용하였다. 갯벌 표면의 퇴적물은 위치에 따른 엽록소-a 농도 변화가 크기 때문에, Fig. 3(a)와 같이 직경 10 cm의 표면 영역을 1개의 전체 영역과 총 4개의 소영역(직경 각 2 cm), 즉 한 코어 시료에 대해 총 5개의 영역을 설정하였고, 이후로는 각 코어 시료 표면의 전체 영역을 Main-core, 4개의 소영역을 Sub-core라 부르기로 한다.

Table 1. In the field survey, the time of low and high tide (height at sea level in cm) and the number of samples

OGCSBN_2021_v37n5_1_1111_t0001.png 이미지

OGCSBN_2021_v37n5_1_1111_f0014.png 이미지

Fig. 3. (a) An illustration on the areas of Sub-cores (1-4) and Main-core (5, whole area) and, (b) the configuration of TriOS RAMSES system for the observation of mudflats samples, and (c) configuration of Specim-IQ.

갯벌 표면의 초분광반사도를 얻기 위해 지향형 센서인 TriOS RAMSES와 카메라 형태의 Specim-IQ 두 종의 초분광센서를 운영하였다(Fig. 3(b), Fig. 3(c)). Main-core는 시료표면 전체의 평균적인 농도분포를 파악하기 위한 것으로, Main-core에 대해서는 엽록소-a 농도 측정과 TriOS RAMSES, Specim-IQ 관측을 수행하였다. Sub-core 영역에 대해서도 역시 엽록소-a 농도 측정이 이루어졌으나, 광학관측은 Specim-IQ를 통해서만 이루어졌다. TriOS RAMSES는 관측각(FOV)의 한계로 관측물과 관측 거리가 가까울 경우, 관측 대상 표면에 센서의 그림자가 발생하기 때문에 Sub-core 영역의 분석에는 사용되지 않았다(Table 2).

Table 2. Specification of core samples presented with the measured variables and the instruments used

OGCSBN_2021_v37n5_1_1111_t0002.png 이미지

(2) 갯벌 표면의 엽록소-a 농도 측정

갯벌 표면에 서식하는 저서성 미세조류는 수직상에 균질적으로 분포하지 않고, 낮에는 표층 2 mm 내에 집중되는 경향이 있다(MacIntyre and Cullen, 1995; Kromkamp and Forster, 2003; Kromkamp et al., 2006; Jesus et al., 2006). 이는 갯벌 퇴적물에서 광합성을 하는 유효깊이가 2 mm에서 최대효율을 나타내는 것을 의미하므로, 본 연구에서는 갯벌 표면의 상부 2 mm에 대한 엽록소-a 농도를 측정하였다. 엽록소-a 농도 측정을 위해 현장에서 채취한 퇴적물 표면 시료를 각 아크릴 코어에서 상부 2 mm까지 잘라 conical tube에 담은 후, 50 ml의 여과 해수를 넣고, 교반기로 균질화시켰다. 균질화된 혼합액은 마이크로 파이펫으로 2 ml 정량 후, 47 mm GF/F 여과지에 여과하였다. 현장에서의 채집한 시료는 드라이아이스를 가득 채운 아이스박스에 담아 운반하였고, 분석하기 전까지 실험실에서 -80°C 초저온 냉동고에 보관하였다. 엽록소-a 추출을 위한 모든 시료는 동결건조 후 95% 아세톤을 이용하여 추출하였고, 조류의 세포를 파쇄하기 위하여 초음파 분쇄를 실시 후, 24시간 냉암소에 보관하였다. 추출된 시료는 PTFE syringa filter (pore size = 0.2 µm)를 이용하여 이물질을 제거한 후, 10-AU Fluorometer (Turner Design)를 이용하여 형광법으로 측정하였다(Arar and Collins, 1997). 한 개의 관측시료에서 Main-core와 Sub-core의 엽록소-a 농도를 측정하였다. 앞서 설명한 대로 Sub-core는 Main-core의 일부분을 샘플링하였으며, Main-core에 대한 관측값은 Sub-core를 제외한 부분을 샘플링하여 측정한 후 Sub-core의 관측값과 더하여 산출하였다. 관측값은 단위면적당 엽록소 농도로 나타냈다(Table 2).

3. 연구방법

1) 관측자료의 전처리

관측된 반사도 스펙트럼은 관측장비마다 파장대와 밴드의 개수가 다르기 때문에 분광 추출 간격(spectral sampling interval)을 서로 동일하게 맞출 필요가 있다. 두 장비 모두 관측 가능한 400-900 nm 파장대에서 cubic spline interpolation 방법을 이용하여 TriOS RAMSES의 복사휘도 및 복사조도자료와 Specim-IQ의 반사도를 1 nm 간격으로 보간하였다.

또한, 현장에서 관측된 분광자료는 복합적인 환경에 의해 잡음이 발생하기 때문에 스펙트럼 평활 과정을 통해 노이즈를 제거해야 할 필요가 있다(Chen et al., 2004). 본 연구에서는 초분광데이터에서 일반적으로 사용되는 평활화기법인Savitzky-Golay필터를적용하였다(Savitzky and Golay, 1964). 이를 위해 Python 소프트웨어 환경의 ‘signal’ 패키지를 사용하였으며 스펙트럼에 대한 이동 격자의 크기가 3인 1차 다항식 필터를 적용하였다.

2) 광학자료 분석

광학자료로부터 엽록소-a의 양을 추정하기 위하여 본 연구에서는 엽록소의 흡광특성을 반영할 수 있는 Continuum Removal Depth(CRD)와 Normalized Difference Vegetation Index (NDVI)의 두 가지 지표를 이용하였다. 우선, CRD 기법은 특정 파장대에서의 반사도 변화를 변화 전의 반사도 스펙트럼과 비교하여 변화를 일으킨 물리량을 추정하는 방법이다. 특정 파장대역에서 일어난 변화를 정량화하기 위하여 변화가 일어난 것으로 추정되는 파장대역의 양 끝단의 반사도를 기준으로 연속체 선(RL(λ))을 설정하고, 관측된 반사도 스펙트럼을 양끝단에서의 반사도가 1이 되도록 정규화를 수행한다(Eq. (3)). 그 후, 그 파장대역 내에서 가장 큰 반사도 차이를 보이는 파장을 λi 이라고 할 때, CRD는 정규화 이후 최고 값인 1과 λi에서의 정규화 후 반사도 즉, RC(λi)의 차이로 정의된다(Eq. (4))

\(R_{C}(\lambda)=\frac{R(\lambda)}{R_{L}(\lambda)}\)       (3)

\(\mathrm{CRD}=1.0-R_{C}\left(\lambda_{i}\right)\)       (4)

λ는 정규화하고자 하는 파장대(nm)의 범위, RC는 Continuum removed spectrum, R은 관측된 스펙트럼, RL은 연속체 선의 반사도이다. 본 연구에서는 갯벌 표면의 초분광반사도 스펙트럼에서 변화가 나타나는 570 nm과 750 nm 사이에서 CRD를 계산하였다. Fig. 4(a)는 관측된 스펙트럼과 RL(λ)를, Fig. 4(b)는 반사도 스펙트럼의 변화차이를 설명하기 위해 정규화 후의 RC(λi)와 CRD를 나타낸 그래프이다.

OGCSBN_2021_v37n5_1_1111_f0002.png 이미지

Fig. 4. (a) Reflectance spectrum of a core sample is displayed with a continuum line connected at two end points (left one at 570 nm and right one at 750 nm), and (b) the normalized spectrum was plotted to show the concept of CRD.

다음으로, NDVI는 근적외선대역과 적색대역의 비율을 이용하여 식생량을 추정하는 지표이다(Eq. (5)). 식생은 적색대역의 반사율이 근적외선대역 영역보다 낮으므로 NDVI가 양수로 나타나며 1에 가까워질수록 식생이 많다고 할 수 있다.

\(N D V I=\frac{\rho_{N I R}-\rho_{R F D}}{\rho_{N R}+\rho_{R E D}}vvv\)       (5)

NDVI는 관측된 샘플에서 가장 강한 흡수 peak가 나타나는 670 nm의 반사도를 ρRED로, 840 nm의 반사도를 ρNIR로 설정하여 계산하였다(Fig. 5).

OGCSBN_2021_v37n5_1_1111_f0015.png 이미지

Fig. 5. A comparison of reflectance spectrum from TriOS RAMSES (dotted line) and Specim-IQ (solid line). The wavelength lines are located at 670 nm and 840 nm.

4. 연구결과

1) 시료 관측

연구기간에 획득된 근소만 갯벌의 Main-core 엽록소-a 농도분포는 25.4~144.4 mg/m2로 나타났고, 평균과 중앙값은 각각 64.5 mg/m2, 52.5 mg/m2로 나타났다. 한 시료 안에서 Sub-core들의 엽록소 농도 표준편차는 1~53 mg/m2로 나타났으며, 이는 엽록소-a 농도의 공간적 분포가 Main-core의 직경인 10 cm 내에서도 최대 100%까지 변함을 의미한다(Fig. 6).

OGCSBN_2021_v37n5_1_1111_f0003.png 이미지

Fig. 6. Mean Chl-a concentrations of individual core samples, each of which is calculated from 4 sub core areas of one core sample, are presented. Standard deviations of 4 Chl-a values are presented in error bars.

엽록소-a의 농도 구간별 반사도 스펙트럼을 나타내기 위하여, 관측된 엽록소-a 농도를 3구간으로 분류하여 각 구간에서의 평균을 구하였다. 각 구간에서의 관측된 엽록소-a 농도의 범위는 21-40 mg/m2, 40-80 mg/ m2, 80-180 mg/m2이고, 구간별 평균 엽록소-a 농도는 33 mg/m2, 58 mg/m2, 125 mg/m2이다. 3가지 구간을 분류한 후, 본 연구에서는 구간별로 대표성을 띠는 샘플의 반사도 스펙트럼을 3개씩, 총 9개의 그래프로 나타냈다(Fig. 7). 관측된 엽록소-a 농도가 높아질수록 반사도 스펙트럼의 620-650 nm에서 작은 골이 발생하고 670 nm 부근에서 더 깊은 골을 형성함을 볼 수 있다. 또한, 엽록소-a 농도가 높은 스펙트럼은 500 nm부터 급격한 경사를 가지고 반사도가 높아지는 특성이 나타난다

OGCSBN_2021_v37n5_1_1111_f0004.png 이미지

Fig. 7. Reflectance spectrum for the surfaces of the 9 samples presented in Table 3. Dotted line represents TriOS RAMSES, and solid line does Specim-IQ.

2) 관측엽록소-a와 초분광자료의 관계

Main-core와 Sub-core에서 관측된 반사도로부터 계산된 CRD, NDVI와 엽록소-a 농도 간의 산포도를 Fig. 8 에 도시하였다. CRD의 범위는 0.028~0.682, NDVI의 범 위는 0.001~0.570 로 나타났고, CRD와 엽록소-a 농도 간의 결정계수(R2 = 0.76)가 NDVI와 엽록소-a 농도 간의 결정계수(R2 = 0.72)보다 다소 높게 나타났다.

OGCSBN_2021_v37n5_1_1111_f0005.png 이미지

Fig. 8. (a) Measured CRD (RAMSES, Specim-IQ) and sampled Chl-a in the upper 2 mm of the sediment (R2= 0.76, p < 0.001, n =180). (b) Measured NDVI (RAMSES, Specim-IQ) and sampled Chl-a in the upper 2 mm of the sediment (R2= 0.72, p < 0.001, n =180).

두 기법 모두 R2가 0.7 이상으로 엽록소-a 농도가 높아질수록 CRD와 NDVI가 높아지는 양의 관계를 나타냈으며, CRD, NDVI와 엽록소-a 농도 간의 관계식은 최소 제곱법을 통해 아래와 같이 도출되었다(Eq. (6), Eq. (7)).

Chl-a(CRD) = 171.79 × CRD+ 26.612       (6)

Chl-a(NDVI) = 204.17 × NDVI+ 21.726       (7)

Fig. 9에서 나타냈던 대표 샘플 9개의 관측된 엽록소-a 농도와 CRD, NDVI를 나타냈다(Table 3). 대표 샘플에서 나타나는 CRD의 범위는 저농도 구간에서 0.067-0.109, 중농도 구간에서 0.137-0.255, 고농도 구간에서 0.266-0.740로 나타났으며, NDVI의 범위는 저농도 구간에서 0.066-0.128, 중농도 구간에서 0.106-0.264, 고농도 구간에서 0.199-0.645로 나타났다.

OGCSBN_2021_v37n5_1_1111_f0016.png 이미지

Fig. 9. A scatter plot for CRD and NDVI is presented with its linear regression equation and R2.

Table 3. Chl-a concentration and CRD, NDVI for the 9 samples which are arbitrarily selected from the 3 Chl-a ranges

OGCSBN_2021_v37n5_1_1111_t0003.png 이미지

주목할 만한 점은 동일한 샘플에서 관측된 CRD와 NDVI는 일관되게 TriOS RAMSES보다 Specim-IQ를 통해 도출된 값이 더 크게 나타나는 경향을 보였다. 이는 Fig. 9에서 볼 수 있듯이, Main-core의 반사도 스펙트럼에서 Specim-IQ가 700 nm 이상에서 RAMSES보다 높기 때문으로 보인다.

Fig. 9는 동일한 샘플에 대해 도출된 CRD와 NDVI의 산점도를 보여준다. 두 지수 간의 선형 관계식은 그림에 표시하였으며 결정계수는 약 0.96이다. CRD와 NDVI는 모두 적색대역과 근적외선대역 반사도의 차이를 이용하여 색소량을 추정하는 지수이기 때문에, 두 값의 선형 상관관계는 높게 나오는 것이 어느정도 당연하다고 할 수 있다. 선형 관계식의 기울기가 0.8로 NDVI가 CRD에 비해 80%가량의 크기를 가지는 것으로 나타나지만, 각각의 별도의 선형 관계식을 통해 엽록소 농도 추정이 이루어지므로 엽록소 농도 추정 시에는 크게 다르지 않은 성능을 나타내게 된다.

3) 초분광자료에 엽록소a-농도 추정식 적용

위의 제시한 엽록소-a 농도 추정식으로 도출된 엽록소-a 농도와 시료로부터 관측된 엽록소-a 농도의 산포도를 Fig. 10(a), (b)에 도시하였다. 각 기법을 통합 엽록소-a 농도 추정치의 성능은 평균 제곱근 편차(RMSE: Root Mean Square Error)와 평균 절대비 오차(MAPE: Mean Absolute Percentage Error)를 이용하여 분석하였다. CRD 기법을 통한 엽록소-a 농도 추정치의 RMSE는 16.41 mg/m2 , MAPE는 21.24%로, NDVI기법의 RMSE는 17.66 mg/m2, MAPE는 24.68%로 나타났으며 전반적으로 관측된 엽록소-a 농도보다 광학장비를 통하여 추정한 엽록소-a 농도가 과소평가되는 경향이 나타났다.

OGCSBN_2021_v37n5_1_1111_f0008.png 이미지

Fig. 10. Scatter plots between the measured and the estimated Chl-a; (a) estimation by CRD, and (b) estimation by NDVI.

Fig. 11, Fig. 12는 각각 CRD와 NDVI를 이용하여 추정한 Specim 센서의 엽록소-a 농도 영상을 나타냈다(Table 3에서 제시된 9개의 대표 샘플에 대해). 우선, 모든 샘플에서, Main-core 내부의 10 cm 직경에서도 엽록소-a 농도가 불규칙적이고 다양하게 분포하는 것을 확인하였다. 각 샘플의 Main-core에 해당하는 면정된 엽록소-a 농도의 오차는 약 6-22 mg/m2로 나타났다(Table 4). 저, 중, 고 세 농도구간 별 엽록소-a 농도 추정의 MAPE를 구한 결과, CRD의 엽록소-a 농도 추정오차는 저농도 21%, 중농도 14%, 고농도 9%로, NDVI의 엽록소-a 농도 추정오차는 저농도 35%, 중농도 21%, 고농 도 11%로 나타났다. 전반적으로 저농도 구간에서 엽록소-a 농도 추정값의 정확도가 낮음을 확인하였고, 두 지표 중에서는 CRD로 추정된 엽록소-a 농도가 참조값에 근접한 것을 알 수 있다.

OGCSBN_2021_v37n5_1_1111_f0009.png 이미지

Fig. 11. Images of estimated Chl-a concentration of sample cores derived with the CRD (Eq. 7). The sample ID in each subfigures corresponds to the numbering in Table 3.

OGCSBN_2021_v37n5_1_1111_f0010.png 이미지

Fig. 12. Images of estimated Chl-a concentration of sample cores derived with the NDVI (Eq. 8). The sample ID in each subfigures corresponds to the numbering in Table 3.

Table 4. Chl-a concentrations for the Main-core area of 9 selected samples; field measurements, and estimation by CRD and NDVI

OGCSBN_2021_v37n5_1_1111_t0004.png 이미지

Fig. 13에는 9개의 대표 샘플에 대해 NDVI 기반 엽록소-a 농도와 CRD 기반 엽록소-a 농도의 차이를 영상으로 나타냈다. 두 지표를 통해 추정된 엽록소-a 농도 간의 차이는 저농도 구간으로 제시된 1-3번 영상에서는 평균 7~13 mg/m2, 표준편차 4~5 mg/m2, 중농도 구간으로 제시된 4-6번 영상에서는 평균 0~3 mg/m2, 표준편차 3~5 mg/m2 고농도 구간으로 제시된 7-9번 영상에서는 평균 -2~5 mg/m2 , 표준편차는 2~7 mg/m2로 나타났다(Fig. 14). 중농도, 고농도 구간의 차영상에서는 대체로 추정된 엽록소-a 농도의 차이가 없는 것으로 볼 수 있지만, 저농도 구간에서는 엽록소-a 농도 추정값이 CRD보다 NDVI가 약 10%정도 크게 났음을 확인할 수 있었다. CRD, NDVI와 엽록소-a 농도 간의 산점도(Fig. 10)에서 볼 수 있듯이, 저농도 구간의 엽록소-a 농도(20-50 mg/m2)에서는 CRD보다 NDVI의 엽록소-a 농도가 과대평가되어 있고, CRD로 추정된 엽록소-a 농도가 시료측정 엽록소-a 농도와 더 가까운 것을 알 수 있다.

OGCSBN_2021_v37n5_1_1111_f0011.png 이미지

Fig. 13. Images of Chl-a concentration difference between the estimates from CRD (Fig. 11), and NDVI (Fig. 12).

OGCSBN_2021_v37n5_1_1111_f0012.png 이미지

Fig. 14. Mean and standard deviation of the main-core in the difference image of Chl-a concentration (Fig. 13).

5. 결론

본 연구에서는 지상 초분광센서를 이용하여 갯벌 표층의 엽록소-a 농도의 공간적 분포를 추정하는 연구를 수행하였다. 초분광센서를 이용하여 관측한 갯벌 표면의 반사도 스펙트럼을 분석할 결과, 저서성 미세조류의 생체량을 나타내는 엽록소-a 농도가 증가할수록 670 nm 인근의 갯벌 표면 반사도 감소가 더 커지는 것이 관측되었다. 현장 시료분석을 통하여 획득한 엽록소-a 농도와 CRD, NDVI간의 선형 관계식을 이용하여 엽록소-a 농도를 추정한 결과, 약 0~150 mg/m2 구간에 대하여 두 방법 모두 약 0.7의 결정계수와 약 23%의 MAPE를 가지는 것으로 나타났다.

향후 연구로, 엽록소-a 외의 갯벌 퇴적물 특성, 즉 입도, 함수량 등이 초분광반사도 및 엽록소-a 농도 추정에 미치는 영향에 대한 분석이 필요하고, CRD와 NDVI 외의 지수(예: NDRE(Normalized Difference Red-Edge) (Gitelson et al., 1996; Chang-Hua et al., 2010), GNDVI (Green Normalized Difference Vegetation Index)(Bell et al., 2004; Shanahan et al., 2004))를 적용한 추정 성능 분석 역시 수행할 계획이다. 지상 초분광센서를 통해 도출된 본 연구의 갯벌 엽록소-a 농도 추정기법은 드론, 항공기 및 위성에서 관측된 다분광 및 초분광영상에 확장하여 적용 가능하기 때문에, 갯벌 재질에 따른 반사도 차이 등의 연구 후에 다른 지역 및 다른 시기에 대한 다중 플랫폼 갯벌 생산량 추정에 활용될 수 있을 것으로 기대 된다.

References

  1. An, S.M., D.H. Choi, H. Lee, J.H. Lee, and J.H. Noh, 2018. Next-generation sequencing reveals the diversity of benthic diatoms in tidal flats, Algae, 33(2): 167-180. https://doi.org/10.4490/algae.2018.33.4.3
  2. Arar, E.J. and G.B Collins, 1997. Method 445.0: In vitro determination of chlorophyll a and pheophytin a in marine and freshwater algae by fluorescence, Cincinnati: United States Environmental Protection Agency, Office of Research and Development, National Exposure Research Laboratory, Washington, D.C., D.C., USA, pp. 1-22.
  3. Bell, G.E., B.M. Howell, G.V. Johnson, W.R. Raun, J.B. Solie, and M.L. Stone, 2004. Optical sensing of turfgrass chlorophyll content and tissue nitrogen, HortScience, 39(5): 1130-1132. https://doi.org/10.21273/hortsci.39.5.1130
  4. Chang-Hua, J.U., T.I.A.N. Yong-Chao, Y.A.O. Xia, C.A.O. Wei-Xing, Z.H.U. Yan, and D. Hannaway, 2010. Estimating leaf chlorophyll content using red edge parameters, Pedosphere, 20(5): 633-644. https://doi.org/10.1016/S1002-0160(10)60053-7
  5. Chang, M.C., Y.S. Choi, J.S. Noh, and S.H. Kim, 2019. Study on Classification and Ecological Characteristics of Halophyte in Tidal Flat Using Remote Sensing Technique: Application to Marine Spatial Planning, The Korean Society for Marine Environment and Energy, 22(1): 34-46 (in Korean with English abstract). https://doi.org/10.7846/JKOSMEE.2019.22.1.34
  6. Chen, J., P. Jonsson, M. Tamura, Z. Gu, B. Matsushita, and L. Eklundh, 2004. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter, Remote sensing of Environment, 91(3-4): 332-344. https://doi.org/10.1016/j.rse.2004.03.014
  7. Choi, J.K., H.J. Oh, B.J. Koo, J.H. Ryu, and S. Lee, 2011. Crustacean habitat potential mapping in a tidal flat using remote sensing and GIS, Ecological Modelling, 222(8): 1522-1533. https://doi.org/10.1016/j.ecolmodel.2010.12.008
  8. Choi, J.K., J.H. Ryu, J.A. Eom, S.M. Roh, and J.H. Noh, 2010. Analysis on the Sedimentary Environment and Microphytobenthos Distribution in the Geunso Bay Tidal Flat Using Remotely Sensed Data, Journal of Wetlands Research, 12(3): 67-78 (in Korean with English abstract).
  9. Choi, Y.H., Y.S. Choi, Y.S. Cho, Y.T. Kim, and S.R. Jeon, 2016. A Study on the habitait suitability considering survival, growth, environment for Ruditapes philippinarum in Geunso bay (Pado and Beopsan), The Korean Society of Marine Environment and Safety, 22(6): 723-730 (in Korean with English abstract). https://doi.org/10.7837/kosomes.2016.22.6.723
  10. Colijn, F. and K.S. Dijkema, 1981. Species composition of benthic diatoms and distribution of chlorophyll a on an intertidal flat in the Dutch Wadden Sea, Marine Ecology Progress Series, 4(1): 9-21. https://doi.org/10.3354/meps004009
  11. Daggers, T.D., J.C. Kromkamp, P.M. Herman, and D. Van Der Wal, 2018. A model to assess microphytobenthic primary production in tidal systems using satellite remote sensing, Remote Sensing of Environment, 211: 129-145. https://doi.org/10.1016/j.rse.2018.03.037
  12. Dube, T., 2012. Primary productivity of intertidal mudflats in the Wadden Sea: a remote sensing method, Master's thesis, University of Twente, Overijssel, NL.
  13. Gitelson, A.A., M.N. Merzlyak, and H.K. Lichtenthaler, 1996. Detection of red edge position and chlorophyll content by reflectance measurements near 700 nm, Journal of Plant Physiology, 148(3-4): 501-508. https://doi.org/10.1016/S0176-1617(96)80285-9
  14. Heip, C.H.R., N.K. Goosen, P.M.J. Herman, J. Kromkamp, J.J. Middelburg, and K. Soetaert, 1995. Production and consumption of biological particles in temperate tidal estuaries, Oceanography and Marine Biology: An Annual Review, 33: 1-149.
  15. Jesus, B., C.R. Mendes, V. Brotas, and D.M. Paterson, 2006. Effect of sediment type on microphytobenthos vertical distribution: Modelling the productive biomass and improving ground truth measurements, Journal of Experimental Marine Biology and Ecology, 332(1): 60-74. https://doi.org/10.1016/j.jembe.2005.11.005
  16. Joint, I.R., 1978. Microbial production of an estuarine mudflat, Estuarine and Coastal Marine Science, 7(2): 185-195. https://doi.org/10.1016/0302-3524(78)90074-9
  17. Kim D.S. and K.H. Kim, 2008. Tidal and Seasonal Variations of Nutrients in Keunso Bay, the Yellow Sea, Ocean and Polar Research, 30(1): 1-10 (in Korean with English abstract).
  18. Kim, E.Y., S.M. AN, D.H. Choi, H.W. LEE, and J.H. NOH, 2019. Monthly HPLC Measurements of Pigments from an Intertidal Sediment of Geunso Bay Highlighting Variations of Biomass, Community Composition and Photo-physiology of Microphytobenthos, The Sea, 24(1): 1-17 (in Korean with English abstract). https://doi.org/10.7850/JKSO.2019.24.1.001
  19. Kim J.H. and K.J. Cho, 1985. The Physico-chemical properties of sediment, the species composition and biomass of benthic diatoms in the intertidal zone of Kum river estuary, The Korean Journal of Ecology, 8(1): 21-29 (in Korean with English abstract).
  20. Kromkamp, J.C., E.P. Morris, R.M. Forster, C. Honeywill, S. Hagerthey, and D.M. Paterson, 2006. Relationship of intertidal surface sediment chlorophyll concentration to hyperspectral reflectance and chlorophyll fluorescence, Estuaries and Coasts, 29(2): 183-196. https://doi.org/10.1007/BF02781988
  21. Kromkamp, J.C. and R.M. Forster, 2003. Developments in microphytobenthos primary productivity studies. Functioning of microphytobenthos in estuaries, Royal Netherlands Academy of Arts and Sciences (KNAW), Amsterdam, 103: 9-30.
  22. Lee, Y.W., Choi, E.J. Kim, Y.S. and Kang, C.K, 2009. Seasonal variations of microphytobenthos in sediments of the estuarine muddy sandflat of Gwangyang Bay: HPLC Pigment Analysis, The Sea, 14(1): 48-55 (in Korean with English abstract).
  23. MacIntyre, H.L. and J.J. Cullen, 1995. Fine-scale vertical resolution of chlorophyll and photosynthetic parameters in shallow-water benthos, Marine Ecology Progress Series, 122: 227-237. https://doi.org/10.3354/meps122227
  24. MacIntyre, H.L., R.J. Geider, and D.C. Miller, 1996. Microphytobenthos: the ecological role of the "secret garden" of unvegetated, shallow-water marine habitats. I. Distribution, abundance and primary production, Estuaries, 19(2): 186-201.
  25. Murphy, R.J., T.J. Tolhurst, M.G. Chapman, and A.J. Underwood, 2005. Estimation of surface chlorophyll-a on an emersed mudflat using field spectrometry: accuracy of ratios and derivative-based approaches, International Journal of Remote Sensing, 26(9): 1835-1859. https://doi.org/10.1080/01431160512331326530
  26. Oh, S.H. and C.H. Koh, 1995. Distribution of diatoms in the surficial sediments of the Mangyung-Dongjin tidal flat, west coast of Korea (Eastern Yellow Sea), Marine Biology, 122(3): 487-496. https://doi.org/10.1007/BF00350883
  27. Savitzky, A. and M.J. Golay, 1964. Smoothing and differentiation of data by simplified least squares procedures, Analytical Chemistry, 36(8): 1627-1639. https://doi.org/10.1021/ac60214a047
  28. Shanahan, J.F., K.H. Holland, J.S. Schepers, D.D. Francis, M.R. Schlemmer, and R. Caldwell, 2004. Use of a crop canopy reflectance sensor to assess corn leaf chlorophyll content, Digital Imaging and Spectral Techniques: Applications to Precision Agriculture and Crop Physiology, 66: 135-150.
  29. Shin, A., D. Kim, T. Kang, J. H. Oh, J. Lee, and J.S. Hong, 2016. Seasonal Fluctuation of Meiobenthic Fauna Community at Keunso Tidal Flat in Taean, Korea, The Sea, 21(4): 144-157 (in Korean with English abstract). https://doi.org/10.7850/JKSO.2016.21.4.144
  30. Sullivan, M.J. and C.A. Moncreiff, 1990. Edaphic algae are an important component of salt marsh food-webs: evidence from multiple stable isotope analyses, Marine Ecology Progress Series, 62(1): 149-159. https://doi.org/10.3354/meps062149
  31. Woo, H.J., J.H. Cho, K.S. Jeong, J.K. Choi and J.H. Ryu, 2010. Seasonal variation of sedimentary environments in Geunso Bay at the west coast of Korea, Proc. of 18th International Sedimentological Congress, Mendoza, AR, Sep. 26-Oct. 1, Vol. 413, p. 413.
  32. Yoo, M.H. and J.K. Choi, 2005. Seasonal distribution and primary production of microphytobenthos on an intertidal mud flat of the Janghwa in Ganghwa Island, Korea, The Sea, 10(1): 8-18 (in Korean with English abstract).