Korean Journal of Remote Sensing (대한원격탐사학회지)

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

DOI QR Code

Validation of GOCI-II Products in an Inner Bay through Synchronous Usage of UAV and Ship-based Measurements

드론과 선박을 동시 활용한 내만에서의 GOCI-II 산출물 검증

  • Baek, Seungil (Department of Civil and Environmental Engineering, Pusan National University) ;
  • Koh, Sooyoon (Department of Civil and Environmental Engineering, Pusan National University) ;
  • Lim, Taehong (Department of Civil and Environmental Engineering, Pusan National University) ;
  • Jeon, Gi-Seong (Department of Civil and Environmental Engineering, Pusan National University) ;
  • Do, Youngju (Department of Civil Engineering, Pusan National University) ;
  • Jeong, Yujin (Department of Civil Engineering, Pusan National University) ;
  • Park, Sohyeon (Department of Civil Engineering, Pusan National University) ;
  • Lee, Yongtak (Department of Civil Engineering, Pusan National University) ;
  • Kim, Wonkook (Department of Civil and Environmental Engineering, Pusan National University)
  • 백승일 (부산대학교 사회환경시스템공학과) ;
  • 고수윤 (부산대학교 사회환경시스템공학과) ;
  • 임태홍 (부산대학교 사회환경시스템공학과) ;
  • 전기성 (부산대학교 사회환경시스템공학과) ;
  • 도영주 (부산대학교 토목공학과) ;
  • 정유진 (부산대학교 토목공학과) ;
  • 박소현 (부산대학교 토목공학과) ;
  • 이용탁 (부산대학교 토목공학과) ;
  • 김원국 (부산대학교 사회환경시스템공학과)
  • Received : 2022.10.11
  • Accepted : 2022.10.21
  • Published : 2022.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Validation of satellite data products is critical for subsequent analysis that is based on the data. Particularly, performance of ocean color products in turbid and shallow near-land ocean areas has been questioned for long time for its difficulty that stems from the complex optical environment with varying distribution of water constituents. Furthermore, validation with ship-based or station-based measurements has also exhibited clear limitation in its spatial scale that is not compatible with that of satellite data. This study firstly performed validation of major GOCI-II products such as remote sensing reflectance, chlorophyll-a concentration, suspended particulate matter, and colored dissolved organic matter, using the in-situ measurements collected from ship-based field campaign. Secondly, this study also presents preliminary analysis on the use of drone images for product validation. Multispectral images were acquired from a MicaSense RedEdge camera onboard a UAV to compensate for the significant scale difference between the ship-based measurements and the satellite data. Variation of water radiance in terms of camera altitude was analyzed for future application of drone images for validation. Validation conducted with a limited number of samples showed that GOCI-II remote sensing reflectance at 555 nm is overestimated more than 30%, and chlorophyll-a and colored dissolved organic matter products exhibited little correlation with in-situ measurements. Suspended particulate matter showed moderate correlation with in-situ measurements (R2~0.6), with approximately 20% uncertainty.

위성산출물의 검증은 위성자료를 이용하게 되는 후속 분석작업에 결정적인 영향을 미친다. 특히, 탁하고 얕은 수심의 육상 인근 해역에서의 해색산출물은 해수구성입자 분포의 복잡성으로 인하여 오랫동안 그 성능 개선이 이루어지지 않고 있어왔다. 또한, 선박이나 고정관측소를 이용한 검증은 위성산출물과 현저히 차이나는 공간범위로 인하여 명확한 한계점을 노출해왔었다. 본 연구는 우선 선박을 이용한 현장조사를 통해서 천리안해양위성2호(GOCI-II)의 주요 산출물인 원격탐사반사도, 엽록소농도, 총부유물농도, 용존유기물 등에 대한 검증을 수행하였다. 둘째로, 본 연구에서는 드론영상을 이용한 산출물 검증을 위한 초기분석결과를 제시하였다. 선박과 위성사이의 공간범위 차이를 메우기 위하여 각 선박 정점에서 드론에 탑재된 MicaSense RedEdge 카메라를 이용해 해수에 대한 다분광 영상을 획득하였다. 향후 드론을 이용한 위성산출물 검증에 활용되도록 드론 고도에 따른 해수복사휘도의 변화를 분석하였다. 제한된 숫자의 현장조사 자료 개수이지만, 검증결과, 555 nm 에서의 GOCI-II 원격탐사반사도는 약 30% 가량 과대추정 되는 것으로 나타났고, 엽록소농도 및 용존 유기물은 현장 측정값과의 상관도가 낮았다. 총부유물농도는 결정계수 약 0.6의 상관도를 나타내었고 약 20%의 불확도를 가지는 것으로 나타났다.

Keywords

1. 서론

천리안해양위성 2호(이하 GOCI-II로 칭함)는 GOCI 보다 4개 많은 총 12개의 분광 밴드와 1개의 전정색 밴드를 가지고 있고 약두배 향상된 공간해상도(직하위치에서 250 m)와 하루 8회에서 10회로 2회 더 늘어난 촬영시간 등 향상된 촬영성능으로 바다의 색깔에 대한 정보를 수집하고 있다(Choi et al., 2021). 해색위성자료를 정량적인 목적으로 활용하기 위해서는 광학자료의 검보정이 매우 중요한데(Frouin, 2013), 전통적으로 해색 자료의 검보정은 고정관측소나 선박에서 관측한 다수의 광학자료와 수질측정자료를 위성자료와 비교하여 수행되어 왔다(O’Reilly et al., 1998; Clark et al., 2003; Zibordi et al., 2009; Cui et al., 2010; Zibordi et al., 2015; Barnes et al., 2019). GOCI-II의 경우 한국해양과학기술원과 국립해양조사원에서 초기 검보정 연구를 수행하고 있다(Lee et al., 2021; Park et al., 2021).

기존 검보정 방법의 한계점 중의 하나는 선박이나 고정관측소를 통해 측정된 현장자료가 수 미터 정도의 작은 영역에서 이루어졌기 때문에 GOCI-II 영상의 한화소가 차지하는 면적(최소 250×250 m)의 위성 관측값을 잘 대변하는지 알 수 없었다는 점이다. 육상 인근 해역은 광학적으로 매우 복잡한(optically complex) 해수조건을 가지고 있어서 수질변화를 일으키는 요인이 많고, 수심이 얕아 저질(substrate)의 색이 위성에 보이는 경우가 있다. 또한, 육상과 해양의 경계에 위치하여 대기의 에어로졸 구성의 시간적 변화도 비교적 크다는 점 역시 위성-현장 관측자료간 불일치를 더욱 크게 하는 요인이라고 할 수 있다. 드론을 운영하여 수 백 미터에 달하는 영역에 대한 해색광학자료를 획득할 경우, 선박 측정자료와 위성자료 사이의 해상도 공백을 메울 수 있는 자료로 활용될 수 있다.

본 연구는 GOCI-II가 촬영된 날에 적조가 잘 발생하는 여수 인근의 내만 지역에서 선박조사를 통하여 GOCI-II의 핵심 산출물인 원격탐사반사도와 엽록소농도, 총부유물질농도, 용존유기물의 검증을 수행하였고, 추가적으로 드론을 이용한 검증 방법론을 제시하였다. 선상에서는 채수 및 여과를 통하여 수질 변수 즉, 엽록소농도, 총부유물농도, 용존유기물 농도를 측정하였고, 초분광 흡광 스펙트럼을 위한 입자흡광(ap) 측정을 위한 채수/여과를 수행하였다. 각 조사정점에서 드론을 고도 500 m까지 수직 비행함으로써 GOCI-II 영상의 한화소에 해당하는 면적을 확보하도록 하였고, 선박에서는 초분광 센서를 이용하여 각 정점에서의 대표 원격탐사반사도(remote sensing reflectance, Rrs)를 획득하여 위성 자료와의 비교검증 및 드론영상자료 보정에 대한 참고 자료로 활용하였다.

2. 현장조사

1) 조사개요

연구 대상지는 전라남도 여수시에 위치한 가막만으로 총면적이 약 120 km2인 육지로 둘러 쌓여 있는 타원형의 내만이다(Fig. 1). 육지에서 담수가 유입되고 여수~돌산도, 돌산도~개도 사이로 해수가 유입되며, 약 3 m의 대조차를 가지고 있다(Lee et al., 1990; Kim et al., 2000). 본 연구를 위한 현장조사는 2022년 07월 29일 전라남도 여수시 가막만 일대에서 수행되었으며, 여수에서 개도 사이에 위치한 8개의 정점을 조사하였다. 조사당일의 기온은 27.4°C, 풍속은 약 3–5 m/s, 상대습도는 57%였으며, 구름이 거의 없는 맑은 날씨였다(Fig. 2).

OGCSBN_2022_v38n5_1_609_f0001.png 이미지

Fig. 1. The study area and surveyed stations presented with water depth contour.

OGCSBN_2022_v38n5_1_609_f0002.png 이미지

Fig. 2. Images of (a) the sky condition and (b) the sea condition during the field survey.

연구에 사용된 배는 총 2척이며, 각 선박의 배수량은 2.99톤(Fig. 3(a)), 1.96톤(Fig. 3(b))이다. 수질관측 및 광학 관측을 위한 조사팀(6명)은 2.99톤의 배(선박A)에, 드론 관측을 위한 조사팀(3명)은 1.96톤의 배(선박B)에 각각 탑승하였다. 각 정점으로의 이동은 선박A가 선두, 선박B가 뒤를 따라 움직였으며, 선박A가 정점에 도착하면 선박B는 약 200 m의 거리를 이격하여 관측을 수행하였다. 각 정점에서 선박A에서는 TriOS RAMSES를 이용하여 해수에 대한 광학관측(선상)과 채수를 통한 수질변수 측정을 수행하였고, 선박B에서는 드론을 운용하여 해수에 대한 항공 광학관측을 수행하였다.

OGCSBN_2022_v38n5_1_609_f0003.png 이미지

Fig. 3. Photos of (a) Ship A (2.99 ton) and (b) Ship B (1.96 ton) used in the campaign.

2) TriOS RAMSES 자료 획득 및 전처리

TriOS RAMSES는 복사휘도 센서(ARC-VIS Radiance Radiometer)와 복사조도 센서(ACC-VIS Irradiance Radiometer)로 구성되어 있는 지향성 분광 복사계이다(Fig. 4(a)). ARC 센서는 280–950 nm 파장 구간에서 약 3 nm의 샘플링 간격으로 복사휘도를 측정하고 Field-of-View(FOV)는 약 7°이다. 두개의 ARC센서를 길이 약 2 m 가량의 Y자 모양의 프레임에 장착하여, 각각 천정각 40°, 천저각 40°를 가지고 대기의 복사휘도(Lsky)와 해수의 복사휘도(Lwater)를 측정할 수 있도록 하였다(Fig. 4(a)). 해수 표면에서의 Fresnel 반사를 최소화하기 위하여 Y 프레임이 향하는 방위각은 항상 태양으로부터 90–135°가 되도록 유지하도록 하였다(Fig. 4(a)). ACC 센서는 반구 방향에서 들어오는 복사조도를 디퓨저(diffuser)를 통해 측정하는데, 본 연구에서는 선박의 가장 높은 곳에 수직으로 설치(Fig. 4(b))하여 태양 및 대기로부터의 총 하향복사조도(Ed)를 측정하는데 사용하였다. Y 프레임을 이용한 해수 및 대기 복사휘도 관측에 전후하여 99% 반사도의 Spectralon® white reference판을 각각의 ARC 센서로 측정하여, 추후 ACC 센서로부터의 복사조도값과 비교가 가능하도록 하였고, 아울러 두개의 ARC 센서의 상호 교정에도 사용할 수 있도록 하였다.

OGCSBN_2022_v38n5_1_609_f0004.png 이미지

Fig. 4. Photos of (a) TriOS RAMSES radiance sensors operated onboard with a Y-shaped frame and (b) the irradiance sensor installed at the top of the ship.

3) 드론 운영 방식과 촬영된 다분광 영상의 전처리

Inspire 2 (Fig. 5(a))는 DJI사에서 제작한 회전익 드론으로, 비행가능시간은 약 27분, 약 0.6 kg의 탑재하중을 가지고 있고, 짐벌 1개를 장착할 수 있는 Skyport를 가지고 있다. 배터리와 센서를 모두 장착하였을 때 드론의 총 무게는 약 4 kg이다. 해수의 항공 광학관측을 위해 사용한 센서는 MicaSense사의 RedEdge-Dual (Fig. 5(b))을 이용하였으며, 센서는 분광영상(상향복사휘도 영상)을 촬영하는 카메라 본체 한 세트와 inertial measurement unit (IMU), global positioning system (GPS), 그리고 하향복사조도를 관측할 수 있는 DLS-2(Downwelling Light Sensor-2)로 구성되어 있다. 분광 영상을 촬영하는 카메라는 각각 5개의 분광파장대를 촬영할 수 있는 RedEdge-MX와 RedEdge-Blue의 구성으로 이루어져 있어 단일 촬영으로 10개의 분광정보를 획득할 수 있는 센서이다. RedEdge-MX는 475±16, 560±13, 668±7, 717±6, 842±28 nm의, RedEdge-Blue는 444±14, 531±7, 650±8, 705±5, 740±9 nm의 중심 파장대와 밴드폭을 가지고 있다. 각 밴드당 1280×960 (약 1.2 MP; Mega Pixel)의 해상도를 가지고 있으며, 100 m 고도에서 촬영할 경우 약 6.8 cm의 공간해상도와 약 5,655 m2 (87×65 m)의 면적을 촬영할 수 있다. DLS-2 센서는 RedEdge-Dual과 동일한 분광 파장대의 하향복사조도를 관측할 수 있다. 카메라 세트와 DLS-2, 그리고 케이블까지 포함한 무게는 약 509 g이며, 카메라세트는 Skyport adaptor를 이용하여 DJI Inspire2 드론에 장착하였다(Fig. 6(a)).

OGCSBN_2022_v38n5_1_609_f0005.png 이미지

Fig. 5. Photos of (a) Inspire2 and (b) RedEdge-Dual.

OGCSBN_2022_v38n5_1_609_f0006.png 이미지

Fig. 6. Photos of (a) Inspire2 flying with RedEdge-dual equipped and (b) performing hand launch and catch.

조사 정점에 도착하면 우선 비행전에 (1) 참조패널 촬영, (2) 하늘 촬영을 수행한 후, 매 2초마다 촬영 트리거를 켠뒤 드론을 이륙시켰다. 이때, 참조패널 촬영과 하늘 촬영은 모두 태양 방위각과 135°를 이루는 방위로 각각 상향 및 하향 천정각 약 45°를 유지하고 촬영하였다. 선박 위에서는 이착륙시 파도와 너울에 의하여 착륙지점(선박)이 계속 이동하게 되어 수평을 유지하기가 어려워 자동 이착륙방식을 사용할 수 없었기 때문에, Fig. 6(b)와 같이 hand launch and catch 방식을 이용하였다. 이후, 정점 관측을 위해 드론을 이륙시킨 뒤 선박A 상공으로 약 100 m 고도를 유지한 채 이동하였고, 이후 비행고도 100–500 m 구간에 대하여 수직비행(고도 상승 및 하강)을 수행한 후에 다시 선박B로 복귀시켰다.

참조 패널영상(Fig. 7(a))에서 얻은 복사휘도(Lpanel)는 아래의 식을 통해 하향복사조도(Ed)로 환산할 수 있다(ρ는 참조패널의 반사도. 밴드별로 444 nm: 48.1%, 475 nm: 48.1%, 531 nm: 48.0%, 560 nm: 48.0%, 650 nm: 47.9%, 668 nm: 47.8%, 705 nm: 47.8%, 717 nm: 47.8%, 740 nm: 47.8%, 842 nm: 47.7%).

OGCSBN_2022_v38n5_1_609_f0007.png 이미지

Fig. 7. RGB images of (a) the reference panel, (b) sky, (c) ocean water.

\(\begin{aligned}E_{d}=L_{\text {panel }} * \frac{p i}{\rho}\end{aligned}\)       (1)

하늘을 촬영한 영상(Fig. 7(b))에서 영상 중심의 30% 영역의 픽셀을 평균하여 대기복사휘도(Lsky)를 획득하고, 해수를 촬영한 영상(Fig. 7(c))에서 해수 복사휘도(Lwater)를 획득하면, 해수의 원격탐사 반사도는 아래의 식을 통해 구할 수 있다.

\(\begin{aligned}R_{r s}=\frac{L_{\text {water }}-f \cdot L_{s k y}}{E_{d}}\end{aligned}\)       (2)

여기서 f는 해수표면의 Fresnel 반사효율로 태양 및 관측 기하각과 바람세기에 따라 0.02에서 1.0 이상까지 변하는 값이다.

RedEdge-MX와 RedEdge-Blue 카메라 영상 간의 1차적인 밴드 정합은 카메라 간의 변환 행렬을 구하여 수행하였다(Baek et al., 2021). 2차적으로 각 10개의 밴드 영상을 정밀 정합할 필요가 있는데, Kim et al. (2020)의 방법을 이용하여 10개 밴드의 영상을 정밀 정합하였다.

4) 해수 물리변수 획득

(1) 엽록소농도(Chl-a)

본 연구에서는 Chl-a 측정을 위해 각 정점에서 표층수를 채수하였다. 채수 후 해수 1 L를 선상에서 GF/F 47 mm 필터를 이용하여 필터링하였고, 각 정점별로 3회 반복하여 샘플을 취득하였다. 필터링 된 시료 샘플은 액체질소에 보관 및 운반하였으며, 실험실에서 분광광도계를 이용한 90% 아세톤 시료 처리 방법(Jeffrey and Humphrey, 1975; Johan et al., 2014)으로 Chl-a를 측정하였다. 흡광도 측정에 사용한 장비는 Agilent Technologies사의 Cary-4000 UV-Vis 분광 광도계이다. Chl-a를 추정하기 위해 630, 647, 664 nm 파장대의 흡광도(A630, A647, A664)를 측정하였으며, 탁도 보정을 위해 750 nm파장대의 흡광도(A750)를 측정하였다. Chl-a를 구하는 식은 아래와 같다.

Chl–a = (11.85 · E664 – 1.54 · E647 – 0.08 · E630) · v · L/V       (3)

E630 = A630 – A750, E647 = A647 – A750, E664 = A664 – A750       (4)

여기서, A664는 파장 664 nm의 흡광도이고 A647은 파장 647 nm의 흡광도, A630은 파장 630 nm의 흡광도이다. v는 아세톤 90%의 양(단위: L), L은 빛이 큐벳을 지나가는 길이(단위: cm), V는 해수의 부피(단위: L)를 나타낸다. 본 연구에서 사용한 90% 아세톤의 양은 10 mL, 큐벳의 길이는 1 cm이다.

(2) 총부유물농도(SPM)

총부유물농도(suspended particulate material, SPM)는 Neukermans et al. (2012) 방법을 이용하여 측정하였다. 사용한 필터는 GF/F 47 mm이고, 실험실에서 전처리를 수행한 후 시료를 샘플링 하였다. 전처리를 위해 전기로에서 필터를 450°C로 1시간 동안 가열한 후, 3차 증류수 0.5 L를 필터링 한다. 다음으로 75°C에서 1시간 동안 건조를 하고 전자저울을 이용하여 사전 무게(wb)를 측정한다. 각 정점에서 SPM을 측정하기 위하여 채수한 해수를 0.9 L 필터링 하였고, 각 정점별로 3회 반복하여 시료를 획득하였다. 해수 필터링 시료에서 염분을 제거하기 위하여 3차 증류수 0.4 L를 추가로 필터링 하였고, 이 후 –20°C 냉동고에 보관하였다. SPM 측정을 위하여 실험실에 복귀이후, 오븐에 75°C로 24시간 동안 건조하였고 시료의 무게(wa)를 측정하였다. SPM은 다음 식을 이용하여 계산하였다.

\(\begin{aligned}SPM=\frac{W-a-W_b}{V}\end{aligned}\)       (5)

여기서, wb와 wa는 해수 필터 전·후의 필터 무게(단위: mg)이고, V는 여과에 사용된 해수의 부피(단위: L)이다.

(3)유색용존유기물(CDOM)

유색용존유기물(colored dissolved organic matter, CDOM)을 측정하기 위해 Mannino et al. (2019)의 방법을 참조하였다. 멸균된 주사기와 ADVANTEC사의 멸균 주사기용 필터(지름: 25 mm, 공극: 0.2 μm)를 사용하였고,필터링한시료는4°C냉장고에보관하였다.CDOM 측정을 위해서 분광 광도계를 이용하여 흡광도(ACDOM(λ))를 측정하였다. 흡광도로 부터 CDOM은 아래의 식을 따라 계산되었다.

\(\begin{aligned}a_{C D O M}(\lambda)=\frac{2.303 \cdot A_{C D O M}(\lambda)}{l}\end{aligned}\)       (6)

여기서, aCDOM (λ)의 단위는 m–1이고, ACDOM(λ)는 분광광도계로 측정한 흡광도(m–1)이다. l은 빛이 큐벳을 지나간 경로의 길이(단위: m)이며, CDOM 측정을 위해 사용한 큐벳의 길이는 10 cm이다.

(4) 흡광계수(aph)

aph를 측정하기 위해 각 정점의 표층수를 채수하여 해수 0.5 L를 GF/F 25 mm 필터에 여과하였다. 여과된 샘플은 액체 질소 통에 넣어서 이동하고 보관하였다. 식물성 플랑크톤의 흡광계수(aph)는 입자의 흡광계수(ap)와 부유침전물의 흡광계수(ad)를 이용하여 구할 수 있으며, 그 식은 아래와 같다(Mitchel et al., 2002).

aph(λ) = ap(λ) – ad(λ)       (7)

ap와 ad의 흡광도를 측정하기 위해 분광 광도계를 사용했으며, ap의 흡광도(Ap(λ))를 측정한 후 메탄올을 이용하여 색소를 녹여서 ad의 흡광도(Ad(λ))를 측정하였다. ap와 ad의 흡광도는 각각 800–850 nm의 흡광도의 평균을 모든 파장에서 제거하여 보정하였다. ap와 ad는 아래의 식으로 구하였다.

\(\begin{aligned}a_{p}(\lambda)=\frac{2.303 \cdot A_{p}(\lambda) \cdot A_{f}}{2 \cdot V_{f}}\end{aligned}\)       (8)

\(\begin{aligned}a_{d}(\lambda)=\frac{2.303 \cdot A_{d}(\lambda) \cdot A_{f}}{2 \cdot V_{f}}\end{aligned}\)       (9)

여기서 Af는 필터에서 여과에 사용된 면적(단위: mm2)이고, Vf는 여과에 사용한 해수(단위: mL)이다.

5) GOCI-II 영상 및 산출물

본 연구에서는 연구 대상지인 전남 여수시 가막만 일대를 포함하는 7번 슬롯 영상을 사용하였으며 현장조사를 진행한 시간과 일치한 2022년 7월 29일 14시~18시 사이에 관측된 4장의 GOCI-II 영상을 이용하였다. 분석에 이용한 영상은 국립해양조사원의 홈페이지(http://www.khoa.go.kr/nosc/)에서 다운로드하여 사용하였다. 현장자료와 비교를 위해 사용한 산출물은 총 네 가지로, (1) 원격탐사반사도(Rrs), (2) 엽록소농도(Chl-a), (3) 총부 유물농도(SPM), (4) 용존유기물(CDOM) 이다. GOCI-II 7번 슬롯의 관측시간은 매시 20~30분으로, 정점 관측시간과 정확하게 일치하지 않기 때문에 시간에 의한 영상 화소 변화를 고려하기 위하여 정점 관측시간 전, 후로 관측된 GOCI-II 영상을 이용하였으며, 전, 후 영상의 산출물 값을 추출한 뒤, 시간차이에 따른 가중평균을 이용하여 해당 현장 측정값과 비교하였다.

3. 결과

1) GOCI-II 영상 분석

Fig. 8, 9는 GOCI-II의 기본 산출물 중 555 nm 밴드에서의 원격탐사반사도(Rrs(555)), 엽록소농도(Chl-a), 총 부유물농도(SPM), 용존유기물(CDOM)에 대해 각 시간대별(14시 30분~17시 30분)로 나타낸 영상이다. 전체 조사정점의 Rrs(555)값의 분포범위는 0.004–0.009 sr–1로 나타났고 연안에 가까운 B2, D1, D2의 반사도가 가장 낮게 나타났다(Fig. 8(a), (c), (e), (g)). 연안지역의 Rrs(555)는 0.005 sr–1 이하로 관측되었으며 만내에서 외해로 갈수록 높아지는 것을 볼 수 있었고, 또한, 백야리 인근보다 돌산도인근 해역에서 전반적으로 높게 나타났다. 전체 조사정점의 Chl-a의 분포범위는 2.842–4.037 mg/m3으로 나타났으며, 평균은 약 3.172 mg/m3으로 나타났다(정점D1의 NAN값 제외; Fig. 8(b), (d), (f), (h)). Chl-a는 연안에서 외해로 갈수록 전반적으로 높아지는 것을 볼 수 있었고 특히, 백야리와 돌산도 사이에서 비교적 높은 농도의 엽록소 띠가 형성된 것을 확인하였다.

OGCSBN_2022_v38n5_1_609_f0008.png 이미지

Fig. 8. GOCI-II products of July 29th, 2022 of Rrs (555) (left column) for (a) 14:30, (c) 15:30, (e) 16:30, (g) 17:30, and of Chl-a (right column) for (b) 14:30, (d) 15:30, (f) 16:30, (h) 17:30 in local time.

OGCSBN_2022_v38n5_1_609_f0009.png 이미지

Fig. 9. GOCI-II products of July 29th, 2022 of CDOM (left column) for (a) 14:30, (c) 15:30, (e) 16:30, (g) 17:30, and of SPM (right column) for (b) 14:30, (d) 15:30, (f) 16:30, (h) 17:30 in local time.

전체 조사정점의 CDOM의 분포범위는 0.138–0.156 m–1였으며, 평균은 0.147 m–1로 나타났다(Fig. 9(a), (c), (e), (g)). 가막만 일대에서 육상에 인접하여 있는 픽셀에서 CDOM이 높게 나타났으며, 특히, 돌산도 해역에서 전반적으로 높은 CDOM을 관측할 수 있었다. 전체 조사정점의 SPM의 분포범위는 0.6–2.38 g/m3로 나타났으며, 평균은 1.749 g/m3로 나타났다(Fig. 9(b), (d), (f), (h)). 육지와 가장 가깝게 위치한 정점 D1의 SPM이 가장 낮았으며, 외해와 가장 가까운 정점 B7이 가장 높게 나타났다.

2) 드론 다분광 영상 분석

드론 다분광 센서의 수색 분석 활용성을 보기 위하여 청색(444 nm)~녹색(560 nm)대역의 4개 밴드의 복사휘도 영상에 대한 분석을 수행하였다. 수면 상층 드론 고도에서 아래로 향한 카메라에 수신되는 복사휘도(Lsensor)는 해수표면으로부터 오는 복사휘도(LwT)와 해수면과 드론 센서 사이에 존재하는 대기층으로부터 오는 복사 휘도(Lpath) 즉 path radiance로 구성되어 있다.

Lsensor = t · LwT + Lpath       (10)

여기서 t는 수표면과 드론센서 사이에 발생하는 상향 직선광에 대한 투과도이다. 고도에 따른 Lsensor의 변화를 보기 위하여 정점 B3에서 획득한 100–550 m 까지의 Lsensor에 대한 히스토그램을 각 밴드별(444, 475, 531, 560 nm 파장대)로 Fig. 10에 나타내었다. 우선 각 고도별 분포함수는 양의 왜곡(positive skew)을 가지고 있는 것을 볼 수 있는데, 이는 영상내 각 화소가 가지는 관측기하의 변화에 따른 sky glint와 sun glint에 의한 것으로 보여진다. 고도별 분포함수의 추이를 보면, 각 분포함수의 최대값에 해당하는 복사휘도가 고도상승에 따라 점진적으로 증가하는 것을 볼 수 있다. 이는 해수반사도가 감퇴되는 정도보다(t · LwT) 대기에 의한 Lpath가 증가되는 정도가 크다는 것을 보여준다.

OGCSBN_2022_v38n5_1_609_f0010.png 이미지

Fig. 10. Histograms for the radiance in (a) 444 nm, (b) 475 nm, (c) 531 nm, (d) 560 nm observed at the altitudes from 100 m to 500 m.

양의 왜곡 형태를 고려하여 고도별 Lsensor영상의 최빈값을 대표값으로 하여 고도에 대한 산점도를 나타내면(Fig. 11) 드론의 비행고도가 높아짐에 따라 Lsensor의 최빈값이 선형적으로 증가하는 것을 볼 수 있다. 각 밴드에서의 선형관계는 임의의 고도에서 촬영된 영상을 수표면 기준의 상향복사휘도로 변환할 수 있음을 보여준다.

OGCSBN_2022_v38n5_1_609_f0011.png 이미지

Fig. 11. Scatter plots of representative Lsensor radiance values by altitudes for each band: (a) 444 nm, (b) 475 nm, (c) 531 nm, and (d) 560 nm.

2) TriOS RAMSES 관측 결과

조사해역에서 RAMSES를 이용하여 측정된 항목은 대기복사휘도(sky radiance), 해수복사휘도(water total radiance), 하향복사조도(downward irradiance)이며, 전처리를 통하여 Rrs를 계산하였다. 관측한 해수의 광학변수의 스펙트럼 곡선은 Fig. 12에 정점별로 나타내었다. GOCI-II의 관측 파장 대역 중 하나인 555 nm를 기준으로 보았을 때, 대부분 정점의 하향복사조도는 약 840–1170 mW/m2/nm로 관측되었지만, 하루 중 후반에 조사한 연안에 가까운 정점(B2, D1, D2)에서는 상대적으로 낮은 약 600–760 mW/m2/nm의 하향복사조도를 나타내었다. 이와 마찬가지로 대기복사휘도, 해수복사휘도 역시 일 후반으로 갈수록 전반적으로 낮은 반사도를 나타내었다.

OGCSBN_2022_v38n5_1_609_f0012.png 이미지

Fig. 12. Spectrum curves of (a) sky radiance, (b) water leaving radiance, (c) downward irradiance, and (d) remote sensing reflectance obtained from TriOS RAMSES sensors from the ship.

Rrs 스펙트럼(Fig. 12(d))은 555 nm 부근에서 가장 높은 반사도 값이 나타나는 전형적인 탁한 해수의 반사도 곡선을 나타내었다. 현장에서 측정한 SPM은 평균 2 g/m3이다. 탁도가 약 1 NTU 이상인 정점(B3, B4, B5, B6, B7)들의 Rrs (555)는 0.009–0.0129 sr–1까지 높아진 반면에, 비교적 탁도가 낮은 정점(B2, D1, D2)들의 Rrs(555)는 0.006–0.008 sr–1로 나타났다. 또한 Rrs 스펙트럼의 680 nm 부근에서 형광으로 인한 약한 피크를 관측할 수 있었다.

3) 수질변수 관측 결과

현장에서 채수하여 측정한 수질 변수는, Chl-a, SPM, 탁도(tubidity), aph(ap, ad)이며, 흡광 스펙트럼 곡선과 주요 수질변수간 산점도를 Fig. 13에 나타내었다. 각 aCDOM(400)정점별 aCDOM(400)은 0.062–0.185 m-1범위에서 분포하였으며, 평균 0.129 m–1로 나타났다. aCDOM(400)은 정점 B6이 가장 높게 나타났으며 연안과 가장 가까운정점 D2에서 가장 낮게 나타났다(Fig. 13(a)). 각 정점별 Chl-a는 0.721–2.273 mg/m3범위에서 분포하였으며, 평균 1.4 mg/m3로 나타났다. Chl-a는 외해와 가깝게 위치한 정점 B7에서 가장 높았으며, 연안과 가깝게 위치한 정점 D2에서 가장 낮게 나타났다. 각 정점별 SPM은 1.464–2.766 g/m3 범위에서 분포하였으며, 평균 2.12 g/m3로 나타났다. 외해쪽에 위치한 B6 정점이 가장 높게 나왔으며, 연안쪽에 위치한 D1정점이 가장 낮게 나타났다. 각 정점별 탁도는 0.63–2.24 NTU 범위에서 분포하였으며 정점 B4에서 가장 높게 나타났으며 정점 B2에서 가장 낮게 나타났다. 일반적으로, SPM과 탁도는 양의 상관관계를 나타내는 것으로 알려져 있는데(He et al., 2013; Neukermans et al., 2012), 본 현장조사 결과에서도 SPM과 탁도는 양의 상관관계를 보였으며, 결정계수는 0.459로 나타났다(Fig. 13(e)). Fig. 13(f)는각정점별 Chl-a에 따른 443 nm의 aph간의 산점도로, Chl-a가 증가함에 따라 aph값이 증가하는 것을 알 수 있으며, 결정계수는 0.871로 나타났다.

OGCSBN_2022_v38n5_1_609_f0013.png 이미지

Fig. 13. The spectral curve of absorption coefficients: (a) aCDOM, (b) ap, (c) ad, and (d) aph for the stations and the scatter plots between major water quality variables: (e) SPM and turbidity, (f) aph (443) and Chl-a.

4) 정점별 관측 결과

각 정점별로 GOCI-II와 현장관측자료를 비교할 수 있도록 항목을 다음과 같이 정리하였다(Table. 1). 관측 플랫폼(GOCI-II, 드론 관측자료, 선상 측정자료)간 비교 가능한 항목은 Chl-a, CDOM, SPM, Rrs, 하향복사조도(Ed) 5개 항목이다. GOCI-II와 RedEdge 산출물의 경우 일부 결측치가 발생하였는데, 이는 GOCI-II Flag로 인하여 일부 정점에서 GOCI-II 관측값이 가용하지 않거나, 드론을 비행할 수 있는 기상여건이 확보되지 않아 RedEdge 관측값이 확보되지 않은 경우 때문이다.

Table 1. Location, time, and observation values list of survey points

OGCSBN_2022_v38n5_1_609_t0001.png 이미지

RAM:TriOSRAMSES,RE-MX:RedEdge-MX, G2: GOCI-II

GOCI-II, 드론 RedEdge 카메라, 그리고 선박운영 센서로 측정된 주요 변수간의 산점도와 통계분석을 Fig. 14와 Table 2에 나타내었다. 우선 GOCI-II의 Rrs(555)와 TriOS RAMSES Rrs(555)간의 회귀선을 보았을 때, GOCI-II의 Rrs(555)가 선박측정치보다 약 38% 과대추정되어 있는 것으로 나타난 반면(Fig. 14(a)), RedEdge의 Rrs (560)는 5% 내외로 차이가 나는 것을 볼 수 있다(Fig. 14(b)). Ed를 보아도 RedEdge로부터의 측정값은 선상관측치와 크게 차이가 나지 않음을 볼 수 있다(Fig. 14(c)). 수질변수 3종, 즉 SPM, Chl-a, CDOM에 대한 GOCI-II와 선상 관측 간의 비교는 각각 Fig. 14(d), (e), (f)에 나타나있다. SPM의 경우(Fig. 14(d))위성에서 추정한 값과 현장에서 관측한 값의 상관도(R2=0.607)가 상대적으로 높은 반면, Chl-a 및 CDOM의 상관도(R2=0.002–0.013)는 낮은 것으로 나타났다.

OGCSBN_2022_v38n5_1_609_f0014.png 이미지

Fig. 14. Scatter plots between measurements from GOCI-II, RedEdge camera on drone, and the ship for major radiometric and water quality variables: (a) Rrs from GOCI-II and ship, (b) Rrs from RedEdge and ship, (c) downward irradiance from RedEdge and ship, (d) SPM from GOCI-II and ship, (e) Chl-a from GOCI-II and ship, and (f) CDOM from GOCI-II and ship.

Table 2. More statistics for the variable pairs compared in Fig. 14

OGCSBN_2022_v38n5_1_609_t0002.png 이미지

PRMSE, percentage root mean square errors; MNB, mean normalized biases; MNGE, mean normalized gross errors.

4. 요약 및 결론

본 연구는 내만 지역에서 선박 및 드론 운영을 통한 GOCI-II 산출물 검증에 대한 연구를 수행하였다. 선박에서 측정한 광학 및 수질 변수를 토대로 GOCI-II의 원격탐사반사도 및 엽록소농도, 총부유물농도, 용존유기물흡광 산출물의 성능을 도출하였고, 추가로 드론을 이용한 위성산출물 검증 방법론 정립을 위하여 드론 관측 영상에 대한 초기 분석을 수행하였다.

선박측정치와의 비교결과, GOCI-II의 Rrs(555)은 회귀식상으로는 약 30% 과대 평가되었고, 상대편의 (MNB)는 약 17%로 나타났다. SPM은 상관도 약 0.6, 그리고 상대편의 7% 그리고 20% 가량의 추정불확도를 나타내어 비교적 양호한 추정 성능을 보였으나, Chl-a와 CDOM에 대해서는 상관도가 0에 가까운 결과를 나타내 활용이 어려운 것으로 나타났다. 관측정점이 대부분 육상에서 수 km 이내에 위치하기 때문에, 육상 인접효과(adjacency effect) 역시 이러한 선박 측정치와 GOCI-II 추정치 간 오차의 원인 중 하나로 생각할 수 있다(Bulgarelli and Zibordi, 2018).

한편, 드론에 탑재된 RedEdge카메라로부터의 관측값은 약간의 중심파장대 차이에도 불구하고(555 nm vs. 560 nm) 선박측정치와 비교하여 상대적으로 작은 오차 및 불확도를 나타내어(3% 미만의 상대편의와 10% 미만의 불확도) 위성-선박측정 자료 간의 가교 역할을 해낼 수 있을 것으로 기대된다. 드론의 고도에 따른 관측복사휘도 변화를 분석한 결과, 해수 촬영 영상의 경우 해수 복사휘도의 감쇠량보다 수표면과 드론 카메라사이의 대기로 인한 path radiance의 증가량이 많았고 500 m까지는 선형관계를 나타냄을 확인하였다. 이 결과를 보다 일반화하기 위해서는 다양한 에어로졸 조건 및 관측 기하하에서의 복사전달모의 및 실측이 필요한 것으로 보인다. 또한, 선박관측과 위성관측간의 해상도 격차를 줄이기 위하여, 드론을 활용한 SPM, Chl-a, CDOM 등의 2차 산출물에 대한 위성 검보정 방법론 및 적용 연구의 수행이 필요하다.

사사

이 과제는 부산대학교 기본연구지원사업(2년)에 의하여 연구되었음.

References

  1. Baek, S., M. Byun, and W. Kim, 2021. Improving Precision of the Exterior Orientation and the Pixel Position of a Multispectral Camera onboard a Drone through the Simultaneous Utilization of a High Resolution Camera, Journal of the Korean Society of Surveying, 39(6): 541-548 (in Korean with English abstract). https://doi.org/10.7848/ksgpc.2021.39.6.541
  2. Barnes, B.B., J.P. Cannizzaro, D.C. English, and C. Hu, 2019. Validation of VIIRS and MODIS reflectance data in coastal and oceanic waters: An assessment of methods, Remote Sensing of Environment, 220: 110-123. https://doi.org/10.1016/j.rse.2018.10.034
  3. Bulgarelli, B. and G. Zibordi, 2018. On the detectability of adjacency effects in ocean color remote sensing of mid-latitude coastal environments by SeaWiFS, MODIS-A, MERIS, OLCI, OLI and MSI, Remote Sensing of Environment, 209: 423-438. https://doi.org/10.1016/j.rse.2017.12.021
  4. Choi, J.K., M.S. Park, K.S. Han, H.C. Kim, and J.H. Im, 2021. One Year of GOCI-II Launch Present and Future, Korean Journal of Remote Sensing, 37(5-2): 1229-1234 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.5.2.1
  5. Clark, D.K., M.A. Yarbrough, M. Feinholz, S. Flora, W. Broenkow, Y.S. Kim, B.C. Johnson, S.W. Brown, M. Yuen, and J.L. Mueller, 2003. MOBY, a radiometric buoy for performance monitoring and vicarious calibration of satellite ocean color sensors: measurement and data analysis protocols, In: Mueller, J.L., Fargion, G.S., McClain, C.R. (eds), Ocean Optics Protocols for Satellite Ocean Color Sensor Validation, Revision 4, Volume VI: Special Topics in Ocean Optics Protocols and Appendices, NASA, Washington, D.C, USA, pp. 3-34.
  6. Cui, T., J. Zhang, S. Groom, L. Sun, T. Smyth, and S. Sathyendranath, 2010. Validation of MERIS ocean-color products in the Bohai Sea: A case study for turbid coastal waters, Remote Sensing of Environment, 114(10): 2326-2336. https://doi.org/10.1016/j.rse.2010.05.009
  7. Frouin, R., 2013. In-flight Calibration of Satellite OceanColour Sensors, International Ocean Colour Coordinating Group (IOCCG), Dartmouth, NS, Canada. http://dx.doi.org/10.25607/OBP-105
  8. He, X., Y. Bai, D. Pan, N. Huang, X. Dong, J. Chen, C.-T.A. Chen, and Q. Cui, 2013. Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters, Remote Sensing of Environment, 133: 225-239. https://doi.org/10.1016/j.rse.2013.01.023
  9. Jeffrey, S.T. and G.F. Humphrey, 1975. New spectrophotometric equations for determining chlorophylls a, b, c1 and c2 in higher plants, algae and natural phytoplankton, Biochemie und Physiologie der Pflanzen, 167(2): 191-194. https://doi.org/10.1016/S0015-3796(17)30778-3
  10. Johan, F., M.Z. Jafri, H.S. Lim, and W.W. Maznah, 2014. Laboratory measurement: Chlorophyll-a concentration measurement with acetone method using spectrophotometer, Proc. of 2014 IEEE International Conference on Industrial Engineering and Engineering Management, Selangor, Malaysia, Dec. 9-12, pp. 744-748. https://doi.org/10.1109/IEEM.2014.7058737
  11. Kim, D.S., J.G. Je, and S.H. Shin, 2000. Utilization of meiobenthos for pollution monitoring in the Gamak Bay, Korea, The Korean Society of Fisheries and Aquatic Science, 33(4): 307-319 (in Korean with English abstract).
  12. Kim, W., S. Jung, Y. Moon, and S.C. Mangum, 2020. Morphological band registration of multispectral cameras for water quality analysis with unmanned aerial vehicle, Remote Sensing, 12(12): 2024. https://doi.org/10.3390/rs12122024
  13. Lee, K.H. and K.D. Cho, 1990. Distributions of the Temperature and Salinity in Kamak Bay, The Korean Society of Fisheries and Aquatic Science, 23(1): 25-39 (in Korean with English abstract).
  14. Lee, S.J., K.S. Lee, T.H. Han, J.E. Moon, S. Bae, and J.K. Choi, 2021. Introduction on the products and the quality management plans for GOCI-II, Korean Journal of Remote Sensing, 37(5-2): 1245-1257 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.5.2.3
  15. Mannino, A., M.G. Novak, N.B. Nelson, M. Belz, J.F. Berthon, N.V. Blough, E. Boss, A. Bricaud, J. Chaves, C.D. Castillo, R.D. Vecchio, E.J. D'Sa, S. Freeman, A. Matsuoka, R.L. Miller, A. Neeley, R. Rottgers, M. Tzortziou, and J. Werdell, 2019. Volume 5: Measurement protocol of absorption by chromophoric dissolved organic matter (CDOM) and other dissolved materials, In: Mannino, A., Novak, M. G. (eds), Inherent Optical Property Measurements and Protocols: Absorption Coefficient, International Ocean Colour Coordinating Group (IOCCG), Dartmouth, NS, Canada.
  16. Mitchell, B.G., M. Kahru, J. Wieland, M. Stramska, and J.L. Mueller, 2002. Determination of spectral absorption coefficients of particles, dissolved material and phytoplankton for discrete water samples. Ocean optics protocols for satellite ocean color sensor validation, Revision, 3(2): 231.
  17. Mobley, C.D., 1999. Estimation of the remote-sensing reflectance from above-surface measurements, Applied Optics, 38(36): 7442-7455. https://doi.org/10.1364/AO.38.007442
  18. Neukermans, G., K.G. Ruddick, and N. Greenwood, 2012. Diurnal variability of turbidity and light attenuation in the southern North Sea from the SEVIRI geostationary sensor, Remote Sensing of Environment, 124: 564-580. https://doi.org/10.1016/j.rse.2012.06.003
  19. Neukermans, G., K. Ruddick, H. Loisel, and P. Roose, 2012. Optimization and quality control of suspended particulate matter concentration measurement using turbidity measurements, Limnology and Oceanography: Methods, 10(12): 1011-1023. https://doi.org/10.4319/lom.2012.10.1011
  20. O'Reilly, J.E., S. Maritorena, B.G. Mitchell, D.A. Siegel, K.L. Carder, S.A. Garver, M. Kahru, and C. McClain, 1998. Ocean color chlorophyll algorithms for SeaWiFS, Journal of Geophysical Research: Oceans, 103(C11): 24937-24953. https://doi.org/10.1029/98JC02160
  21. Park, M.S., H.C. Jung, S. Lee, J.H. Ahn, S. Bae, and J.K. Choi, 2021. The GOCI-II early mission ocean color products in comparison with the GOCI toward the continuity of Chollian multisatellite ocean color data, Korean Journal of Remote Sensing, 37(5-2): 1281-1293 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.5.2.6
  22. Zibordi, G., F. Melin, J.F. Berthon, B. Holben, I. Slutsker, D. Giles, D. D'Alimonte, D. Vandemark, H. Feng, G. Schuster, B.E. Fabbri, S. Kaitala, and J. Seppala, 2009. AERONET-OC: a network for the validation of ocean color primary products, Journal of Atmospheric and Oceanic Technology, 26(8): 1634-1651. https://doi.org/10.1175/2009JTECHO654.1
  23. Zibordi, G., F. Melin, K.J. Voss, B.C. Johnson, B.A. Franz, E. Kwiatkowska, J.-P. Huot, M. Wang, and D. Antoine, 2015. System vicarious calibration for ocean color climate change applications: Requirements for in situ data, Remote Sensing of Environment, 159: 361-369. https://doi.org/10.1016/j.rse.2014.12.015