DOI QR코드

DOI QR Code

해양 미세플라스틱 모니터링을 위한 원격탐사 적용 가능성 검토

Review of Remote Sensing Applicability for Monitoring Marine Microplastics

  • 박수현 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 김창민 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 정성우 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 장성간 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 김수빈 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 하태정 (부경대학교 지구환경시스템과학부 지구환경과학전공) ;
  • 한경수 (부경대학교 지구환경시스템과학부 공간정보시스템공학과) ;
  • 양민준 (부경대학교 지구환경시스템과학부 환경지질과학전공)
  • Park, Suhyeon (Major of Earth and Environmental Sciences, Division of Earth Environmental System Sciences, Pukyong National University) ;
  • Kim, Changmin (Major of Earth and Environmental Sciences, Division of Earth Environmental System Sciences, Pukyong National University) ;
  • Jeong, Seongwoo (Major of Earth and Environmental Sciences, Division of Earth Environmental System Sciences, Pukyong National University) ;
  • Jang, Seonggan (Major of Earth and Environmental Sciences, Division of Earth Environmental System Sciences, Pukyong National University) ;
  • Kim, Subeen (Major of Earth and Environmental Sciences, Division of Earth Environmental System Sciences, Pukyong National University) ;
  • Ha, Taejung (Major of Earth and Environmental Sciences, Division of Earth Environmental System Sciences, Pukyong National University) ;
  • Han, Kyung-soo (Major of Spatial Information Engineering, Division of Earth and Environmental System Sciences, Pukyong National University) ;
  • Yang, Minjune (Major of Environmental Geosciences, Division of Earth and Environmental System Sciences, Pukyong National University)
  • 투고 : 2022.10.07
  • 심사 : 2022.10.18
  • 발행 : 2022.10.31

초록

전 세계적으로 모든 해양 환경에서 발견되는 미세플라스틱이 환경 문제로 대두되면서 해양 미세플라스틱을 모니터링 하기 위한 연구가 국내외적으로 활발히 수행되고 있다. 최근 국외에서는 대규모의 실시간 관측이 가능한 원격탐사 기술을 해양 플라스틱 모니터링에 적용하기 위한 활발한 연구가 진행되고 있다. 그러나 국내에서 해양 미세플라스틱 원격탐사 관련 연구는 매우 미비한 실정이며 중대형 해양 플라스틱 원격탐사 연구만 일부 수행되고 있다. 본 논문에서는 국내와 국외에서 수행된 해양 플라스틱 원격탐사와 관련된 대표적인 연구사례를 통해 국내외 연구 동향을 파악하고, 해양 미세플라스틱 모니터링 시 원격탐사 기술의 적용 가능성에 대해 고찰하여 앞으로 국내에서의 연구 방향성에 대해 제안하고자 한다.

Microplastics have arisen as a worldwide environmental concern, becoming ubiquitous in all marine compartments, and various researches on monitoring marine microplastics are being actively conducted worldwide. Recently, application of a remote detection technology that enables large-scale real-time observation to marine plastic monitoring has been conducted overseas. However, in South Korea, there is little information linking remote detection to marine microplastics and some field studies have demonstrated remote detection of medium- and large-sized marine plastics. This study introduces research cases with remote detection of marine plastics in South Korea and overseas, investigates potential feasibility of using the remote detection technology to marine microplastic monitoring, and suggests some future works to monitor marine microplastics with the remote detection.

키워드

1. 서론

미세플라스틱(<5 mm)은 증가하는 플라스틱 소비와 부적절한 폐플라스틱 관리로 인해 매년 수백만 톤에 달하는 양이 해양 환경에 유입되고 있다(Jambeck et al., 2015; Law et al., 2020). 표층수, 심해, 연안 퇴적물 등 다양한 해양환경에서 발견되고 있는 미세플라스틱은 (Claessens et al., 2011; Van Cauwenberghe et al., 2013; Cincinelli et al., 2017; Güven et al., 2017; La Daana et al., 2017; Wang and Wang, 2018) 해양 생물과 인간의 체내로 섭취되어 치명적인 영향을 끼칠 수 있다(Cole et al., 2013; Smith et al., 2018). 해양 미세플라스틱 오염의 핫스팟을 추정하고, 정화와 환경 오염을 줄이기 위해 시행된 규제의 효율성을 평가하기 위해서는 넓은 범위에서 장기적인 모니터링이 필요하다.

일반적으로 해양 미세플라스틱 샘플은 연구용 선박에 0.33 mm 망목 크기의 뉴스톤망(neuston net)을 설치하여 획득할 수 있다. 채취한 미세플라스틱 샘플은 푸리에 변환적외선분광기(fouriertransform infrared spectroscopy, FT-IR) 및 Raman 분광기와 같은 분광법을 이용하여 분광학적 분석이 수행된다. 이러한 실험실 분석 위주의 모니터링 방법은 시공간 변동성이 높고 지속적으로 증가하는 해양 미세플라스틱 양을 반영하는 모니터링이 힘들기 때문에 해양 미세플라스틱의 시공간적 분포와 풍도에 대한 포괄적인 분석은 부족한 실정이다.

최근에는 원격탐사(remote sensing, RS) 기술을 이용하여 해양 환경 중 플라스틱 폐기물을 현장에서 관측하는 기술에 대한 관심이 높아지고 있으며(Guffogg et al., 2021), 위성, 유인 항공기 및 무인 항공기 시스템 (unmanned aircraft vehicle, UAV)에서 수집한 이미지를 활용하여 해양 환경 중 거대 플라스틱(macro plastics, >25 mm)의 현장 감지에 성공한 연구가 보고된 바 있다 (Balsi et al., 2021; Biermann et al., 2020; Freitas et al., 2021; Garaba et al., 2018). 플라스틱은 C-H, O-H, N-H, C-C, C-O와 같은 흡수 밴드의 지문 영역(fingerprint region)을 가지고 있어, 재활용 산업과 폐기물 자동 광학 분류에서 일반적으로 사용되는 근적외선(near-infrared, NIR)-단파장 적외선(short-wavelength infrared, SWIR) 파장대에서 고유한 광학특성을 나타낸다(Huth-Fehre et al., 1995; Masoumi et al., 2012). 일반적으로 NIR-SWIR 파장범위의 빛은 해수에는 흡수되지만 플라스틱에서는 반사되기 때문에 반사율 측정과 반사 스펙트럼 분석을 통해 수중에서 플라스틱 감지가 가능하다. 이러한 플라스틱의 광학적 특성을 통해 원격탐사 플랫폼에 광학센서를 탑재하여 해양 플라스틱을 대상으로 가시광선(vis)-NIR-SWIR 파장 영역에서 원격탐사를 시도하는 연구가 활발하다. 그러나 거대 플라스틱 규모에서만 원격탐사 관련 연구가 진행되고 있고, 관측 데이터의 낮은 공간 분해능과 신호 대 잡음비(signal to noise ratio, SNR)로 인해 미세플라스틱에 대한 원격탐사기술의 적용 가능성은 검토 단계에 있다.

해외에서는 해양 플라스틱 원격탐사 기술 개발을 위해 감지 파장대에 따른 해양플라스틱의 분광학적 특성을 조사하는 연구가 이루어지고 있으며(Garaba et al., 2018; Garaba and Dierssen, 2018; Peiponen et al., 2019; Biermann et al., 2020), 반사 스펙트럼에서 신호의 노이즈 제거를 위한 수치 보정 방법을 개발하여 해양 플라스틱 원격탐사에 적용한 연구가 이루어지고 있다(Biermann et al., 2020; Topouzelis et al., 2020). 또한, 해외에서는 사회·경제적 지원을 통해 해양 미세플라스틱 모니터링 기술의 개발이 이루어지고 있다. 대표적인 예로 유럽우주국 (TheEuropean SpaceAgency)이 지원하는 Optical methods for marine litter detection 프로젝트와 EU의 연구 혁신 프로그램인 Horizon 2020 중 ODYSSEA 프로젝트에 의해 해양 미세플라스틱 센서 시장이 확장되고 있다. 유럽을 중심으로 미세플라스틱 모니터링 관련 정책 및 법률을 제공하기 위한 노력으로, European quality controlled harmonization assuring reproducible monitoring and assessment of plastic pollution 프로젝트를 통해 비용 효율적인 해양 미세플라스틱 모니터링 전략을 구축하고 있다. 국내에서는 해양 중대형 플라스틱 쓰레기 감시추적 연구가 진행된 바 있으며, 드론을 이용한 해양 쓰레기 원격탐사 시스템을 도입하여, 해양 플라스틱 모니터링에 원격탐사 기술을 접목하기 위한 노력이 이루어지고 있다. 그러나 이는 아직까지 중대형 플라스틱만을 대상으로 한 연구이며, 해양 미세플라스틱 원격탐사 기술 개발에 대한 국내 연구는 미비한 실정이다.

미국 해양대기청 주최로 개최되는 ‘International marine debris conference’는 1984년도 1차 회의부터 6차 회의까지 미국에서 개최되었다. 하지만 2022년 9월 제7차 회의가 한국에서 개최되면서 해양폐기물 관리 선도국가로서의 입지를 보여주었다. 본 회의의 해양 쓰레기 모니터링 기술 세션에서는 전 세계적으로 해양 미세플라스틱 모니터링 기술 개발에 집중하고 있음을 알 수 있었으며, 국내의 해양 미세플라스틱 문제를 효율적으로 대응하기 위해서도 환경·해양 관련 학계에서의 이러한 기술에 대한 논의는 필수적이다.

본 논문에서는 국내 해양 플라스틱 원격탐사에 관한 주요 성과를 정리하고 국외 연구 동향을 파악하여 해양 미세플라스틱에서의 원격탐사 적용 가능성에 관해 논의하고 미세플라스틱 관련 국내 연구의 방향성과 필요성에 대해 제언하고자 한다.

2. 개념모델

원격탐사는 직접적인 접촉없이 대상물의 전자파 반사특성을 파장별로 측정하여 정보를 얻고자 하는 기술이며, 획득된 자료는 영상(image)으로서 표현될 수 있다. 원격탐사는 인공위성이나 항공기에 탑재된 센서를 이용하여 표면에서 반사되는 전자파 세기를 측정하는 기술로, 넓은 지역에서 주기적인 자료 획득이 가능하다는 점에서 각종 지구 환경 모니터링을 위해 활용된다(Lee et al., 2004). 원격탐사는 광학 파장대 영역의 전자파(자외선, 가시광선, 적외선)를 측정하는 수동형 원격탐사 (수동 센서)와 인공적으로 발생시킨 극초단파 에너지를 측정하는 능동형 원격탐사(능동 센서)로 나눌 수 있다. 수동 센서는 물체에 의해 반사되거나 방출되는 태양에너지의 비율을 사용하며 다중 스펙트럼 및 초분광 카메라, 열화상 카메라가 포함된다. 능동 센서는 자체 에너지원을 이용하여 물체를 조사한 다음 신호를 측정하는 방식으로 라이다(Lidar) 및 레이더(Rader)가 해당된다. 특히 이미지 레이더 센서인 synthetic aperture radar (SAR) 를 환경 분야에 적용하는 연구가 많이 수행되고 있다(Davaasuren et al., 2018; Zhang et al., 2018).

Goddijn-Murphy et al. (2018)은 기하광학을 바탕으로 플라스틱과 물의 스펙트럼 특성을 이용한 해양 플라스틱의 초분광 원격탐사에 대해 이론적 개념을 제시하였다(Fig. 1). 태양광 중 일부는 수면에서 반사되거나 굴절되어 표면을 투과하고, 가벼운 광자는 모든 방향으로 흡수되고 산란된다. 해당 연구에서는 해수면에 부유한 플라스틱 물체가 있는 경우 해수면의 반사율과 플라스틱의 반사율의 차이를 통해 해수면에서 플라스틱 표면적의 비율을 추정할 수 있음 제시하였다. 해수면에서 흡수율이 높고 플라스틱에서 반사율이 높은 파장을 조사하고 이들의 표면적 비율을 산출하여 이론적으로 해양 플라스틱 모니터링의 가능성을 제시하였다.

OGCSBN_2022_v38n5_3_835_f0001.png 이미지

Fig. 1. Schematic of sunlight hitting (a) an open water body and (b) the same water body with floating plastic. With Ld total downwelling sunlight (solar beam + diffuse sky light), Lds subsurface downwelling light, Lws subsurface upwelling light, Lwr light reflected directly off the water surface, Lwt subsurface upwelling light transmitted through the water-air interface, Lpr light reflected off the plastic and Lpt subsurface upwelling light transmitted through the plastic. Lw is total water leaving light, Lwr + Lwt, and Lp is total plastic leaving light, Lpt + Lpr; subscript ‘0’ indicates the variables in the absence of plastic and FOV is field of view (Goddijn-Murphy et al., 2018).

여기서, Ld는 해양으로 조사되는 전체 태양광으로, 직접적으로 해수면에 조사되는 태양광과 대기중에서 산란되는 태양광으로 구성된다. Lds는 해수면을 투과하여 침강(downwelling)하는 태양광, Lws는 해수면을 투과한 뒤 다시 상승하는(upwelling)하는 태양광, Lwr은 대기를 통과하여 이동하는 태양광, Lpt는 플라스틱 표면을 투과하여 해수면 아래로 이동하는 태양광, Lpr은 플라스틱 표면에서 반사되는 태양광을 각각 의미한다. 변수에서 표기된 아래첨자 ‘0’은 플라스틱이 없는 환경을 의미하며, FOV는 현장에서 관측함을 나타낸다.

3. 해외동향

해양 플라스틱 원격탐사 분야의 해외 연구 동향을 파악하기 위해 Journal Citation Indicator (JCI) 기준 Q1 저널의 논문(Environmental Science & Technology, Remote Sensing of Environment, Chemosphere, Scientific Reports, Remote Sensing)을 선정하여 연구방법과 결과를 요약하였다.

Garaba and Dierssen (2018)은 해양 환경 내 플라스틱 파편에 대한 광학적 원격탐사의 가능성을 조사하기 위해 해양에서 채취한 플라스틱의 건조 상태와 습식 상태에 따른 광학적 특성의 차이를 분석하였다. 미세플라스틱 시료는 북대서양 서쪽의 해수면 상부 0.25 m 깊이에서 채취하였으며, 미세플라스틱 시료의 스펙트럼 반사율 측정을 위해 vis-SWIR 파장 범위(350–2500 nm)에서 PANalytical사의 ASD FieldSpec 4 분광복사기를 사용하였다. 파장에 따른 미세플라스틱의 반사율을 그래프에 도시한 결과, NIR과 SWIR의 파장 영역 중 특정 파장대에서 흡수 특성에 대한 특징적인 패턴이 관찰되었다(905–955 nm, 1160–1260 nm, 1380–1480 nm, 1715–1750 nm; Fig. 2).

OGCSBN_2022_v38n5_3_835_f0002.png 이미지

Fig. 2. The spectrum of marine-harvested microplastics: (a) Bulk reflectance spectra of aggregated dry marine-harvested microplastics colored by size class (legend in panel (b)). (b) Mean reflectance of each size class. (c) Average reflectance with 1 standard deviation continuous error bars with shaded regions and red dotted lines indicating major and minor absorption features respectively. (d) Second derivative spectra of the mean reflectance spectrum (Garaba and Dierssen, 2018).

Fig. 2(a)와 (b)는 미세플라스틱의 입도별 파장에 따른 반사율을 나타낸 것으로, 특정 파장대(905–955 nm, 1160–1260 nm, 1380–1480 nm, 1715–1750 nm)에서 유사한 패턴의 흡수 스펙트럼이 발생했다. 하지만 수중 환경에서 플라스틱이 다른 물질과 혼합되어 있을 경우, 플라스틱 흡수 스펙트럼은 이물질에 의해 중첩이나 간섭현상이 발생할 수 있기 때문에 특정 파장의 흡수 강도 및 순간 변화율을 계산하여 분석을 진행하였다. 본 연구에서 사용된 전체 미세플라스틱의 평균 반사율을 미분한 결과, Fig. 2(d)와 같이 상기한 영역에서 공통적으로 피크가 발생한 것을 확인하였다. 이는 미세플라스틱의 입도와 상관없이 파장에 따라 반사율의 크기 차이는 있지만 특정 파장대에서 일정한 흡수 특성의 패턴을 가지는 것을 의미한다. Fig. 3은 건조 미세플라스틱과 습식 미세플라스틱의 반사율 차이를 나타내는 그래프로, 습식 미세플라스틱의 반사율과 흡수 스펙트럼은 건조 미세플라스틱에 비해 작게 관측되었다. 또한, 미세플라스틱과 해수의 기여도를 구분하여 반사율을 측정한 결과, 100% 미세플라스틱에서 가장 높은 반사율과 흡수 스펙트럼이 확인되었으며, 75%, 50%, 25%, 해수의 순서로 낮게 측정되었다. 해당 연구의 저자는 본 연구결과를 통해 습식 미세플라스틱과 건식 미세플라스틱의 반사율과 흡수 특성의 차이를 활용하여 해양 환경에서의 미세플라스틱 원격탐사 가능성을 제시하였다.

OGCSBN_2022_v38n5_3_835_f0003.png 이미지

Fig. 3. Spectral mixing simulations using North Atlantic seawater and marine-harvested microplastics (dry and wet) endmembers (Garaba and Dierssen, 2018).

Garaba et al. (2018)은 해양에서 플라스틱을 관측하기 위해 이미지 활용기법을 활용하여 원격탐사를 수행하였다. 연구지역은 북태평양 해양 플라스틱 오염의 핫스팟인 Great Pacific Garbage Patch (GPGP)으로 선정하였으며, 유인 항공기(Lockheed C-130 Hercules)를 통해 고도 400 m에서 2회(2016년 10월 2일, 10월 6일)의 조사를 수행하였다. 각각의 조사는 668 km (10월 2일)과 686 km (10월 6일) 길이에 걸쳐 진행되었으며, 고분해능 Optech CS-4800i 16 메가픽셀 프레임 카메라를 통해 해양 플라스틱의 RGB 이미지를 획득하고, 고성능 첨단 푸시 브룸 스캐너(Push broom scanner)인 Shortwave Airborne Spectrographic Imager (SASI) 600을 이용하여 부유 플라스틱 조각의 초분광 이미지를 획득하였다. 획득한 이미지를 QGIS LAS Palmas 2.18 LTR software를 통해 확인한 결과, SWIR 이미지에 포함된 150개의 잔해 중 118개는 컨테이너, 배, 고스트 넷(ghost net) 등으로 식별되었으나, 나머지 잔해는 식별되지 않았다. 본 연구에서 사용된 해양 플라스틱 시료의 SWIR 신호는 대부분 서로 유사한 형태의 파장 변동성과 광도를 나타내었으며, 가장 높은 유사성을 가지는 플라스틱 시료는 고스트 넷과 배의 파장이었다(유사도 지수 θ=4.3°, Fig. 4). 또한, Raman 분광기와 FT-IR 분석을 통해 확인한 GPGP 플라스틱 샘플의 파장 신호를 스펙트럼 라이브러리의 레퍼런스 물질과 비교한 결과, GPGP 플라스틱은 대부분 폴리에틸렌(polyethylene, PE)과 폴리프로필렌(polypropylene, PP)으로 구성되어 있었다.

OGCSBN_2022_v38n5_3_835_f0004.png 이미지

Fig. 4. Spectral at-sensor radiance (950–2450 nm) of ocean plastics (N=118 items) from the GPGP: (a) Median and (b) median normalized to the maximum spectral at-sensor radiance of different ocean plastic types (Garaba et al., 2018).

본 연구에서 관측한 고스트 넷의 경우 복사휘도(radiance)에 따라 총 3가지 영역으로 구분할 수 있었다. Fig. 5에서 복사휘도가 가장 높은 별 1 영역은 부유하고있는 고스트 넷(floating part), 별 2 영역은 물에 잠긴 고스트 넷 영역(submerged part), 복사휘도가 가장 낮은 별 3부터 6 영역은 해수인 것으로 구분되었다. 각 영역의 파장에 따른 복사휘도와 복사휘도에 대한 도함수를 그래프로 도시한 결과, 몇 가지 스펙트럼 흡수 특성을 확인할 수 있었다(Fig. 6(b), (d)). 첫 번째 특성은 해수의 파장에서는 관찰되지 않았으나, 플라스틱에서는 일정한 형태의 파장이 관찰되었다(1015 nm, 1150 nm, 1215 nm, 1288 nm, 1625 nm, 1732 nm). 특히, floating part와 submerged part에서 관찰되는 1215 nm와 1732 nm의 파장은 상기한 선행연구(Garaba and Dierssen, 2018)에서의 파장 형태와 유사한 것으로 확인되었다. 하지만, 해양 플라스틱의 침수 깊이에 따라 흡수 특성이 상이하다는 것은 해양 플라스틱 상부에 있는 대기와 물이 센서를 통해 획득하는 해양 플라스틱의 복사휘도 규모와 형태에 영향을 끼치기 때문으로 추정하였다. 따라서, 추후 연구는 원격탐사를 통해 해양 플라스틱의 침수깊이에 따른 측정한계를 평가해야할 것으로 제언하였다.

OGCSBN_2022_v38n5_3_835_f0014.png 이미지

Fig. 5. RGB image of the ghost net used for most of the analyses described in this study. Red stars show regions where spectral information from the SWIR imagery were extracted: “floating part” (star 1), “submerged part” (star 2), and “seawater” (stars 3–6) (Garaba et al., 2018).

OGCSBN_2022_v38n5_3_835_f0005.png 이미지

Fig. 6. The spectrum of the seawater pixels surrounding a ghost net: (a) Median spectra of floating and submerged parts of a ghost net and its surrounding seawater (see Fig. 5). (b) Spectrum of the ghost net floating part and absorption features identified with a peak-seeking algorithm (black circles). Dotted lines highlight the absorption features around 1215 and 1732 nm used in our spectral unmixing simulations. (c) First derivative of the spectra shown in panel A. (d) Absorption features (black circles) identified in the first-derivative spectrum of the ghost net floating part (Garaba et al., 2018).

Peiponen et al. (2019)은 현장(in situ)에서 미세플라스틱의 동정이 가능한 센서를 개발하기위해 다양한 플라스틱의 NIR 스펙트럼과 투과율에 대한 광학적 특성을 연구하였다. 이를 위해 수중 환경과 대기 환경에서 1 mm 두께로 준비된 6종류의 플라스틱(Polypropylene (PP), Polystyrene (PS), Unplasticized polyvinyl chloride (UPVC), Low-density polyethylene (LD-PE), Polyethylene terephthalate (PET), Polyamide Nylon 6 (PA))의 흡광도 (adsorption spectra)와 투과율(transmittance)을 분광광도계(Perkin-Elmer Lambda 9)를 사용하여 측정하였다. 연구 결과, 수중 환경과 대기 환경에서 모두 LD-PE의 고유한 파장대가 NIR 범위에서 나타났다(Fig. 7). 특히, 대기 환경에서 나타나지 않았던 파장대가 수중 환경에서 관측되었으며 이는 향후 수중 환경에서 LD-PE의 유무를 확인할 수 있는 중요한 지시자 역할을 할 것으로 기대되었다. 하지만, 플라스틱 종류에 따른 최대 흡광도를 측정한 결과, 수중 환경과 대기 환경에서 큰 차이를 보이지 않았다. 따라서, 현장 시료 내 미세플라스틱을 동정하기 위해서는 현장 시료의 탁도와 시료 내 미세플라스틱의 분산도에 따라 측정 결과가 상이할 수 있음을 고려해야할 것으로 판단하였다.

OGCSBN_2022_v38n5_3_835_f0006.png 이미지

Fig. 7. Spectrum showing the absorption of LD-PE plastics: (a) LD-PE NIRspectrum in air,(b) LD-PEembedded in water (Peiponen et al., 2019).

Biermann et al. (2020)은 해양 폐기물에서 플라스틱을 식별하기 위해서 플라스틱을 포함한 여러 자연 물질들의 스펙트럼을 분석하고 해당 연구에서 개발된 지수를 활용하였다. 해당 연구에서 사용된 플라스틱의 스펙트럼은 Topouzelis et al. (2019; 2020)의 연구 결과를 사용하였다. 해양 플라스틱과 응집될 가능성이 있는 자연 물질들은 해조류, 목재, 포말, 경석으로 분류되었으며, 각각 Barbados, Canada의 British Columbia, Scotland의 동부 해안, Tonga에서 해당 물질들의 스펙트럼을 추출하였다. 연구 결과(Fig. 8), 해조류는 560 nm, 700–780 nm, NIR (833 nm)에서 높은 반사율을 보인 반면, 플라스틱은 833 nm에서만 높은 반사율을 보였다. 해조류는 해수와 플라스틱의 스펙트럼과는 다르게 SWIR (1610 nm)을 흡수하는 것으로 관측되었으며, 이는 대기 보정으로 인한 영향으로 추정되었다. 목재는 833 nm에서 높은 반사율을 보였으며, 664 nm와 1610 nm에서도 상대적으로 강한 반사율을 보였다. 경석은 664 nm, 770–780 nm, 1610 nm에서 높은 반사율을 보였으며, 약 833 nm에서 흡수되었다. 포말의 경우, 560 nm와 664 nm에서 가장 높은 반사율을 나타내었으며, 833 nm에서 가장 작은 반사율을 나타냈다.

OGCSBN_2022_v38n5_3_835_f0007.png 이미지

Fig. 8. Spectral signatures derived from the mean spectra of deployed plastic targets (black line with error bars), seaweed representing floating vascular plants (green), seawater from all test sites (dashed blue line), rafted timber and wood representing non-photosynthetic plant materials (red), pumice representing non-plant debris (light grey), and spume representing sea foam, bubbles and froth (gold line). The x-axis shows the span of Sentinel-2 MSI bands from visible blue light at 490 nm, to short-wave infrared light at 1610 nm. The left-hand y-axis shows remote sensing reflectance (unitless) from Sentinel-2 for seawater, seaweed, sea foam and the plastic targets. Remote sensing reflectance (unitless) of timber and pumice was substantially higher. These were shifted lower to illustrate relative spectral shapes of all materials, and the corresponding reflectances are shown on the right hand y-axis in grey (Biermann et al., 2020).

해당 연구는 해양 폐기물에서 플라스틱과 자연 물질을 분류하기 위해서 floating debris index (FDI)를 개발하였으며, normalized difference vegetation index (NDVI)와 함께 활용하여 Fig. 9에 도식화 하였다. FDI는 NIR과 NIR의 기준선 간의 차이를 통해 산출되며, NDVI는 NIR과 적색의 반사율 차이를 통해 계산될 수 있다. NDVI만을 사용한 경우(Fig. 9(a)), 플라스틱을 다른 자연 물질로부터 구별할 수 있는 반면, FDI는 픽셀에서 차지하는 물질들의 양에 따라 다양한 값을 나타내어 구별하기 어려운 것으로 확인되었다(Fig. 9(b)). 하지만, FDI와 NDVI를 함께 사용한 경우, 각 물질에 대해서 뚜렷한 그룹이 형성된 것으로 확인되어 해양 폐기물에서 플라스틱을 식별 가능할 것으로 판단하였다(Fig. 9(c)). 현장 적용성 검토를 위해 Accra, Da Nang, Gulf Islands, Scotland에서 발생된 해양 폐기물을 대상으로 해당 지수들을 적용하였다. 적용 결과, 많은 수의 픽셀이 플라스틱의 스펙트럼과 유사하게 나타났다(87%, 77%, 100%, 83%). 해당 연구는 해양에서 거대 플라스틱을 탐지, 식별, 특성화하는 방법에 대한 기초자료를 제시하였다. 추후 연구에서는 원격탐사로 고품질 현장 데이터를 수집하기 위해서 해양 플라스틱 식별 능력을 향상시키는 것을 목표로 제시하였다.

OGCSBN_2022_v38n5_3_835_f0008.png 이미지

Fig. 9. Classifying known floating materials in the marine environment. Using NDVI alone (a), we see that clear seawater (blue), wood (dark grey), spume (gold) and pumice (light grey) occupy distinct NDVI ranges that do not overlap with the combined (grouped) plastics. Unlike FDI (b), where values are primarily driven by how much of a given pixel is filled by material. Seaweed, timber wood, and foam detections show highest values here, suggesting that detected materials from these examples filled pixels completely, or to a high degree. Grouped plastics and pumice had some contribution from water and appeared to reply on subpixel detection. The plastic targets were detected on subpixel scales of 30–55%, as confirmed by drones. When visualised in 2-variable feature space (c) the combination of NDVI and FDI demonstrates distinct clustering of materials (Biermann et al., 2020).

Topouzelis et al. (2019) 는 해양 표면에 부유하는 다양한 해양 폐기물 중, 거대 플라스틱 폐기물을 원격탐사를 통해 구별하기 위하여 위성이미지(Copernicus Sentinel-2 Satellite)와 무인항공시스템(unmanned aerialsystems, UAS)을 활용하였다. 해안가로부터 약 30 m 떨어진 해양 표면에 임의로 설치한 세 종류의 거대 플라스틱(plastic bottles, bags, and fishing net)을 10×10 m 프레임 내 고정하여 위치시키고, 위성과 UAS를 통하여 중-고해상도의 이미지를 획득하였다. 이미지 내 플라스틱 프레임을 총4개의 픽셀로 구분하였으며, 각 픽셀에서 차지하는 플라스틱의 면적 비율에 따른 분광 반사율(spectralreflectance)을 파장에 따라 산정하였다. 연구 결과, 플라스틱 병과 비닐 샘플의 경우 플라스틱이 차지하는 비율이 높을수록 픽셀에서 분광 반사율이 높게 측정되었다. 그러나 플라스틱 그물의 경우 파장 범위와 픽셀의 분광 반사율 간의 상관관계가 나타나지 않았으며(Fig. 10) 이는 플라스틱 이외의 천해 환경에서 밝은 퇴적물이 차지하는 반사율(bottom reflectance)에 의한 영향으로 추정되었다. 추후 연구에서는 본 연구에서 플라스틱의 종류와 형태에 따른 분광 반사율을 분석하여, 다중 또는 초분광 이미지를 통한 해양 환경에서의 매크로 플라스틱 식별 알고리즘을 개발하고 배경 라이브러리 구축을 향후 목표로 제시하였다.

OGCSBN_2022_v38n5_3_835_f0009.png 이미지

Fig. 10. Percentage pixel coverage of the floating plastic targets determined in the true colour images captured by the Sony A5100 and matching pixel spectra from the Sentinel-2 A imager (Topouzelis et al., 2020).

Topouzelis et al. (2020)은 Sentinel-2의 분해능 보다 더 작은 플라스틱을 식별하기 위해서 이전 연구에서 활용된 플라스틱 프레임을 축소하여 이미지 분석 및 알고리즘을 통해 보정하였다. 해당 연구는 Greece, Lesvos island의 Tsamakia 해안선에서 30 m 떨어진 곳에 PET로 구성된 5×5 m의 플라스틱 프레임을 GPS와 함께 배치하였다. 플라스틱 프레임은 촬영 날짜에 따라 플라스틱 적용범위와 형태를 다음과 같이 5가지 형태로 배치하였다. 1) 100% 플라스틱 적용 범위를 가진 1개의 5×20 m 플라스틱 프레임(20190418), 2) 100% 플라스틱 적용범위를 가진 4개의 5×5 m 플라스틱 프레임(20190503), 3) 75% 플라스틱 적용 범위를 가진 2개의 5×10 m 플라스틱 프레임(20190518), 4) 50% 플라스틱 적용범위를 가진 2개의 5×10 m 플라스틱 프레임(20190528), 5) 25% 플라스틱 적용범위를 가진 1개의 10×10 m 플라스틱 프레임(20190607). Sentinel-2에서 얻은 이미지는 ACOLITE 소프트웨어를 사용하여 대기 보정과 태양광이 제거되었으며, UAS로 얻은 항공 이미지는 플라스틱 프레임의 실체 위치 및 범위를 계산하기 위해서 활용되었다. 플라스틱 프레임의 PET 분광 신호를 계산하기 위해 ENVI v5.5.2를 활용하여 분광 혼합분석(spectral unmixing) 및 정합 필터링(matched filtering) 과정을 수행하였다. 연구 결과(Fig. 11), 20190503 이미지의 경우, 10×10 m 크기를 가진 단일 픽셀에서 5×5 m의 PET를 감지하였다. 하지만 다른 픽셀에서 나머지 3개의 플라스틱 프레임을 감지하지 못하였으며, 이는 5×5 m 플라스틱 프레임이 단일 픽셀이 아닌 여러 픽셀에 분산되는 방식으로 배치되었기 때문으로 판단되었다. 20190518 이미지의 경우, 75% 플라스틱 범위를 가진 5×10 m 플라스틱 프레임이 두개의 픽셀에서 식별되므로 PET의 존재 범위가 20% 미만으로 계산되어야 하지만, 두 픽셀의 합이 29%로 과대 평가되었다. 이러한 과대 평가는 대기 중 구름 및 높은 농도의 연무질이 포함된 것으로 확인되었으며, 이를 보정하기 위해서 대기 매개변수에 영향을 미치는 픽셀을 제거하는 것이 수행되어야 하는 것으로 판단된다. 20190528 이미지의 경우, 대기 보정 소프트웨어인 ACOLITE를 사용한 태양광 보정 방법(glint correction methodology)이 연구지역에서 햇빛에 대한 영향을 제거하지 못하여 PET가 포함된 픽셀을 감지하지 못한 것으로 판단되었다. 20190607 이미지의 경우, 플라스틱 프레임이 10×10 m이지만 플라스틱 범위가 25%로 줄어들어 픽셀에서 감지되는 PET의 존재 범위가 방해될것으로 예상되었다. 하지만, 태양광 효과로 인해 PET의 존재 범위가 과대평가된 것으로 확인되었다(15% 이상). 추후 연구에서는 ACOLITE가 대기 보정 및 태양광 효과를 제거하여 플라스틱 신호 및 감지 효율성 향상에 중요한 역할을 하기 때문에 이를 활용하여 고품질의 현장 데이터 수집에 대한 대기 보정 방법의 적합성 평가를 향후 목표로 제시하였다.

OGCSBN_2022_v38n5_3_835_f0010.png 이미지

Fig. 11. Target description and results. From left to right: description of the artificial targets configuration, UAS reference images, Sentinel-2 sub scenes after ACOLITE pre-processing, and results of the matched filtering detection (Topouzelis et al., 2020).

국외 연구는 대부분 물 속에 잠긴 플라스틱과 건조 플라스틱의 분광학적 특성을 조사하고 다양한 해양 물질과 플라스틱 간의 고유한 스펙트럼 피크를 조사하며 이루어지고 있다. 또한 위성 이미지인 Sentinel-2 MSI를 이용하여 플라스틱 반사 스펙트럼을 도출하였으며 Sentinel-2 MSI의 탐지한계 개선을 위해 대기 보정을 진행하여 성공적으로 해양 플라스틱 원격탐사를 수행하였다.

3. 국내동향

해외에 비해 국내에서는 해양 플라스틱을 대상으로 원격탐사를 이용하여 관측한 연구는 미비한 것으로 확인되며, 강 내 플라스틱을 대상으로 UAV를 이용한 연구는 일부 수행된 바 있다. 이외에도 담수를 위주로 실시간 미세플라스틱 모니터링이 가능한 방법의 개발을 위해 레이저광원을 이용한 연구가 일부 존재하였다.

Kim et al. (2017)은 UAV 다중분광센서를 이용해 하천 부유 폐기물 탐지 알고리즘 개발 연구를 수행하였다. 낙동강을 대상으로 143 m 고도에서 Canon사의 Powershot S110 RGB와 NIR 센서가 탑재된 Sensefly사의 eBee 고정익 UAV를 사용하였다. 2개의 센서를 동시에 탑재가 불가능하여 1회 모니터링 시 RGB와 NIR 센서를 따로 기체에 탑재하여 영상자료를 취득했다. 분광반사도 측정에는 FieldSpec HandHeld2 (ASD Inc., USA)를 사용하였다. 반사율 값은 하천수를 제외한 수생식물, 초목류, 스티로폼에서 625 nm 보다 850 nm 구간에서 높게 측정되었으며, river floating debris (RFD)를 이용해 Fig. 12와 같이 하천 쓰레기를 분류하였다. Kim et al. (2017)은 다양한 파장대를 이용한다면 보다 정확한 쓰레기 성상분류 및 면적산출이 가능할 것으로 기대하였다.

OGCSBN_2022_v38n5_3_835_f0011.png 이미지

Fig. 12. Floating debris detection result by applying RFD and threshold (Kim et al., 2017).

Jang et al. (2021)은 수학적 방법을 사용하여 반사율을 증폭하고 정규화하여 실험실 조건에서 플라스틱 폴리머(PP, PET, PMMA)의 광학적 특성에 대하여 연구를 진행하였다. 할로겐 램프와 650 nm의 레이저와 ASD FieldSpec 3 분광계(Analytical Spectral DevicesInc., Boulder, CO, USA)를 사용하여 여러 플라스틱의 반사 스펙트럼을 측정하였다(Fig. 13). 연구 결과, PP의 경우 889 nm, 910 nm 및 932 nm, PE의 경우 898 nm 및 931 nm, PET의 경우 868 nm 및 907 nm, PMMA의 경우 887 nm에서 각각의 플라스틱의 고유한 파장 피크를 획득하였다.

OGCSBN_2022_v38n5_3_835_f0012.png 이미지

Fig. 13. Schematics of the experimental setup (signal conditioning components, SCC; data acquisition, DAQ) (Jang et al., 2021).​​​​​​​

Han et al. (2019)은 450 nm 펄스레이저를 이용한 미세플라스틱 실시간 광센서 모니터링 시스템을 제안하였다. 기존 FT-IR 분석 방식과 달리 현장에서 바로 적용할 수 있도록 소형 광학계를 탑재하여 형광 산란광을 측정하여 미세플라스틱 입자를 검출하는 방법을 구현하였다. 검출된 데이터는 저전력원거리 통신 방식인 LoRa 통신을 이용하여 단말기 노트북에서 실시간 확인이 가능하였다(Fig. 14). 검출기는 광증배소자(Photomultiplier tube, PMT) 검출기를 사용하여 미세플라스틱의 약한 형광 신호 수신에 적합하게 구성하였다. 시스템의 입자 크기 측정 오차는 직경 100 µm 미세플라스틱에서 최대 2.22% 이하, 직경 250 µm 와 500 µm 에서는 각각 4.88%와 4.76% 이하로 나타났다. 시스템을 이용한 계수 결과는 현미경 육안계수로 추정한 결과와 비교하여 직경 100 µm 미세플라스틱에서 5.5%, 직경 250 µm 미세플라스틱에 4.87%의 유사성을 나타냈다.

OGCSBN_2022_v38n5_3_835_f0013.png 이미지

Fig. 14. GUI of microplastic optical sensor system (Han et al., 2019).​​​​​​​

국내에서는 통제된 실험환경에서 인공 표적인 미세플라스틱을 검출하기 위한 연구가 수행되고 있다. 상기 연구 중 Jang et al. (2021)의 연구에 따르면 미세플라스틱이 성상에 따라 상이한 반사 스펙트럼을 보인다는 것이 입증되었으며, 넓은 파장 대역에서 미세플라스틱의 분광학적 특성 연구가 필요할 것으로 보이나 관련 연구는 미비한 실정이다. 또한 국내에서는 레이저 광을 이용한 미세플라스틱 검출 연구가 일부 존재하며 상기 연구 중 Han et al. (2019)의 연구 결과는 미세플라스틱 원격탐사가 가능한 모니터링 시스템의 실용화 가능성을 보여주었다.

5. 결론

국외에서는 해양 플라스틱 원격탐사를 위한 기술 및 알고리즘 개발을 위해 많은 연구가 진행되고 있으며 실제 환경 중 플라스틱 탐지에 성공한 사례가 존재하지만, 국내에서 해양 플라스틱 원격탐사를 수행한 연구는 미비한 것으로 확인되었다. 또한 해양 플라스틱 원격탐사를 위해서는 해양 플라스틱의 반사, 흡수, 굴절 등의 분광학적 특성을 규명하여 라이브러리를 구축하는 것이 가장 중요하나 국내에서는 이와 같은 기초적인 연구조차 부족한 실정이다.

국외 연구의 주요 결과는 원격탐사가 해양 환경 중 플라스틱 탐지에 유용한 기술임을 보여주었다. 물속에서의 플라스틱은 건조 상태일 때에 비교하여 낮은 반사율을 보이지만 건조 플라스틱과 매우 유사한 스펙트럼 특성을 보여주었으며, 매크로 플라스틱과 미세플라스틱의 반사 스펙트럼이 유사하게 나타나, 추가적인 연구를 통해 수면 아래의 미세플라스틱에 대해서도 원격탐사가 적용 가능할 것으로 기대된다. 이 때 파장이 긴 적외선 영역에서의 해양 미세플라스틱의 반사율은 매우 낮게 나타나기 때문에 고출력의 광원과 고감도 센서가 필요할 것으로 생각된다.

국외 연구에서 사용된 위성 센서인 Sentinel-2 MSI는 공간 해상도가 10 m로 해양 미세플라스틱의 관측에 적용하기는 어렵기 때문에 해양 미세플라스틱 원격탐사를 위해서는 드론과 같은 UAV, Remotely Operated Vehicles 등을 이용한 근거리 탐지 기술에 대한 연구 및 개발이 필요할 것으로 생각된다. 한편 국내에서는 RGB 와 NIR 센서를 UAV에 동시에 탑재하여 관측을 시도하려는 연구가 진행되었으나, 센서 크기의 문제로 인하여 단일 센서만을 장착하여 관측이 진행되었다. 따라서, 항후에는 초소형 해양 다분광 원격탐사 관측기기의 개발이 필요할 것으로 생각된다.

본 논문은 해양 플라스틱을 대상으로 원격탐사를 적용한 국내외의 연구사례 조사를 통해 해양 미세플라스틱에 대한 원격탐사 기술의 적용 가능성에 대하여 고찰하였다. 국내에서 해양 미세플라스틱 모니터링에 원격탐사를 적용하기 위해서는 광대역 광원 및 고출력 레이저 등을 광원으로 이용하여 SNR을 높이고 근거리 원격탐사 플랫폼과 결합하여 해양 미세플라스틱의 원격탐사 적용 가능성을 검토하는 연구가 추가적으로 필요할 것으로 보인다.

사사

이 논문은 부경대학교 자율창의학술연구비(2022년)에 의하여 연구되었음.

참고문헌

  1. Lee, S. K., K. E. Kim, J. S. Kim, S. G. Park, and M. T. Lim, 2004. Geophysics Exploration, Proc. of 2004 The Korean Society of Engineering Geology Conference, Chuncheon, Korea, Apr. 30-May 1, vol. 1, pp 1-97.
  2. Balsi, M., M. Moroni, V. Chiarabini, and G. Tanda, 2021. High-resolution aerial detection of marine plastic litter by hyperspectral sensing, Remote Sensing, 13(8): 1557. https://doi.org/10.3390/rs13081557
  3. Biermann, L., D. Clewley, V. Martinez-Vicente, and K. Topouzelis, 2020. Finding plastic patches in coastal waters using optical satellite data, Scientific Reports, 10(1): 1-10. https://doi.org/10.1038/s41598-020-62298-z
  4. Cincinelli, A., C. Scopetani, D. Chelazzi, E. Lombardini, T. Martellini, A. Katsoyiannis, M. C. Fossi, and S. Corsolini, 2017. Microplastic in the surface waters of the Ross Sea (Antarctica): Occurrence, distribution and characterization by FTIR, Chemosphere, 175: 391-400. https://doi.org/10.1016/j.chemosphere.2017.02.024
  5. Claessens, M., S. De Meester, L. Van Landuyt, K. De Clerck, and C. R. Janssen, 2011. Occurrence and distribution of microplastics in marine sediments along the Belgian coast, Marine Pollution Bulletin, 62(10): 2199-2204. https://doi.org/10.1016/j.marpolbul.2011.06.030
  6. Cole, M., P. Lindeque, E. Fileman, C. Halsband, R. Goodhead, J. Moger, and T. S. Galloway, 2013. Microplastic ingestion by zooplankton, Environmental Science & Technology, 47(12): 6646-6655. https://doi.org/10.1021/es400663f
  7. Davaasuren, N., A. Marino, C. Boardman, M. Alparone, F. Nunziata, N. Ackermann, and I. Hajnsek, 2018. Detecting microplastics pollution in world oceans using SAR remote sensing, Proc. of 2018 IEEE International Geoscience and Remote Sensing Symposium, Valencia, Spain, Jul. 22-27, pp. 938-941. https://doi.org/10.1109/IGARSS.2018.8517281
  8. Freitas, S., H. Silva, and E. Silva, 2021. Remote hyperspectral imaging acquisition and characterization for marine litter detection, Remote Sensing, 13(13): 2536. https://doi.org/10.3390/rs13132536
  9. Garaba, S.P., J. Aitken, B. Slat, H.M. Dierssen, L. Lebreton, O. Zielinski, and J. Reisser, 2018. Sensing ocean plastics with an airborne hyperspectral shortwave infrared imager, Environmental Science & Technology, 52(20): 11699-11707. https://doi.org/10.1021/acs.est.8b02855
  10. Garaba, S.P. and H.M. Dierssen, 2018. An airborne remote sensing case study of synthetic hydrocarbon detection using short wave infrared absorption features identified from marine-harvested macroand microplastics, Remote Sensing of Environment, 205: 224-235. https://doi.org/10.1016/j.rse.2017.11.023
  11. Goddijn-Murphy, L., S. Peters, E. Van Sebille, N.A. James, and S. Gibb, 2018. Concept for a hyperspectral remote sensing algorithm for floating marine macro plastics, Marine Pollution Bulletin, 126: 255-262. https://doi.org/10.1016/j.marpolbul.2017.11.011
  12. Guffogg, J.A., S.M. Blades, M. Soto-Berelov, C.J. Bellman, A.K. Skidmore, and S.D. Jones, 2021. Quantifying marine plastic debris in a beach environment using spectral analysis, Remote Sensing, 13(22): 4548. https://doi.org/10.3390/rs13224548
  13. Guven, O., K. Gokdag, B. Jovanovic, and A. E. Kideys, 2017. Microplastic litter composition of the Turkish territorial waters of the Mediterranean Sea, and its occurrence in the gastrointestinal tract of fish, Environmental Pollution, 223: 286-294. https://doi.org/10.1016/j.envpol.2017.01.025
  14. Han, S.H., D.G. Kim, H.Y. Jung, and S.H. Kim, 2019. Study on Real Time Sensor Monitoring Systems Based on Pulsed Laser for Microplastic Detection in Tap Water, Journal of Sensor Science and Technology, 28(5): 294-298 (in Korean with English abstract). https://doi.org/10.5369/JSST.2019.28.5.294
  15. Huth-Fehre, T., R. Feldhoff, T. Kantimm, L. Quick, F. Winter, K. Cammann, W. Van den Broek, D. Wienke, W. Melssen, and L. Buydens, 1995. NIRRemote sensing and artificial neural networks for rapid identification of post consumer plastics, Journal of Molecular Structure, 348: 143-146. https://doi.org/10.1016/0022-2860(95)08609-Y
  16. Jambeck, J.R., R. Geyer, C. Wilcox, T.R. Siegler, M. Perryman, A. Andrady, R. Narayan, and K.L. Law, 2015. Plastic waste inputs from land into the ocean, Science, 347(6223): 768-771. https://doi.org/10.1126/science.1260352
  17. Jang, S., J.-H. Kim, and J. Kim, 2021. Detection of Microplastics in Water and Ice, Remote Sensing, 13(17): 3532. https://doi.org/10.3390/rs13173532
  18. Kim, H.-M., H. Yoon, S. Jang, and Y. Chung, 2017. Detection method of river floating debris using unmanned aerial vehicle and multispectral sensors, Korean Journal of Remote Sensing, 33(5-1): 537-546 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.5.1.7
  19. La Daana, K.K., R. Officer, O. Lyashevska, R.C. Thompson, and I. O'Connor, 2017. Microplastic abundance, distribution and composition along a latitudinal gradient in the Atlantic Ocean, Marine Pollution Bulletin, 115(1-2): 307-314. https://doi.org/10.1016/j.marpolbul.2016.12.025
  20. Law, K.L., N. Starr, T.R. Siegler, J.R. Jambeck, N.J. Mallos, and G.H. Leonard, 2020. The United States' contribution of plastic waste to land and ocean, Science Advances, 6(44): eabd0288. https://doi.org/10.1126/sciadv.abd0288
  21. Masoumi, H., S.M. Safavi, and Z. Khani, 2012. Identification and classification of plastic resins using near infrared reflectance, International Journal of Mechanical and Industrial Engineering, 6: 213-220. https://doi.org/10.5281/zenodo.1076916
  22. Peiponen, K.-E., J. Raty, U. Ishaq, S. Pelisset, and R. Ali, 2019. Outlook on optical identification of micro-and nanoplastics in aquatic environments, Chemosphere, 214: 424-429. https://doi.org/10.1016/j.chemosphere.2018.09.111
  23. Smith, M., D.C. Love, C.M. Rochman, and R.A. Neff, 2018. Microplastics in seafood and the implications for human health, Current Environmental Health Reports, 5(3): 375-386. https://doi.org/10.1007/s40572-018-0206-z
  24. Topouzelis, K., D. Papageorgiou, A. Karagaitanakis, A. Papakonstantinou, and M. Arias Ballesteros, 2020. Remote sensing of sea surface artificial floating plastic targets with Sentinel-2 and unmanned aerial systems (plastic litter project 2019), Remote Sensing, 12(12): 2013. https://doi.org/10.3390/rs12122013
  25. Topouzelis, K., A. Papakonstantinou, and S.P. Garaba, 2019. Detection of floating plastics from satellite and unmanned aerial systems (Plastic Litter Project 2018), International Journal of Applied Earth Observation and Geoinformation, 79: 175-183. https://doi.org/10.1016/j.jag.2019.03.011
  26. Van Cauwenberghe, L., A. Vanreusel, J. Mees, and C.R. Janssen, 2013. Microplastic pollution in deepsea sediments, Environmental Pollution, 182: 495-499. https://doi.org/10.1016/j.envpol.2013.08.013
  27. Wang, W. and J. Wang, 2018. Investigation of microplastics in aquatic environments: an overview of the methods used, from field sampling to laboratory analysis, TrAC Trends in Analytical Chemistry, 108: 195-202. https://doi.org/10.1016/j.trac.2018.08.026
  28. Zhang, Y., M. Hallikainen, H. Zhang, H. Duan, Y. Li, and X. San Liang, 2018. Chlorophyll-a estimation in turbid waters using combined SAR Data with hyperspectral reflectance Data: A case study in Lake Taihu, China, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 11(4): 1325-1336. https://doi.org/10.1109/JSTARS.2017.2789247