Analysis of Color Characteristics of Marine Oil Spills Using PlanetScope Images

PlanetScope 영상을 이용한 해양 유출유의 색상 특성 분석

Abstract

In this letter, we used PlanetScope imagery to conduct experiments on the color characteristics for oil type classification of marine oil spills through Red-Green-Blue (RGB) histogram analysis. The histograms of marine oil spills can be divided into three categories (dark black tones, light silver tones, and light rainbow tones) according to the distribution of pixel values in each band. Thick oil layers with dark black tones can be classified as heavy oil, while thin oil layers with light silver and rainbow tones can be classified as light oil. As more images are analyzed in the future, these oil spill detection and classification methods will become more generalized and reliable.

이 단보에서는 PlanetScope 영상을 사용하여 Red-Green-Blue (RGB) 히스토그램 (histogram) 분석을 통해 해양 유출유의 색상 특성과 유종 구분에 대한 실험을 수행하였다. 해양 유출유의 히스토그램은 각 밴드 화소값 분포에 따라 세 가지 카테고리(어두운 검은색 톤, 밝은 은색 톤, 밝은 무지개색 톤)로 나눌 수 있으며, 어두운 검은색 톤의 두꺼운 기름층은 중유(heavy oil)로 구분할 수 있고, 밝은 은색 및 무지개색 톤의 얇은 기름층은 경유(light oil)로 구분할 수 있다. 향후 보다 많은 영상에 대한 분석이 이루어진다면, 이러한 유출유 탐지와 유종 구분이 보다 더 일반화되고 신뢰도를 높일 수 있을 것으로 사료된다.

1. 서론

해양 유출유는 해양 생태계에 심각한 피해를 초래하기 때문에, 피해 최소화를 위해 신속한 현황정보 수집이 필수이다. 사고 지역 주변의 광역적인 정보가 필요하지만, 해양의 특성상 사고 지역에 쉽게 접근하지 못하기 때문에, 인공위성이나 유무인 항공기를 활용한 원격탐사가 유용하다(Brekke and Solberg, 2005). 특히, 위성에서 레이더 전파를 쏘아 반사되는 정보를 이용하는 synthetic aperture radar (SAR)는 주변보다 점성이 크고 거칠기가 작은 유출유 영역을 탐지하기에 적합하고, 주야간이나 날씨에 상관없이 센싱이 가능하다(Fingas and Brown, 2018). 하지만 계속적으로 변화하는 유출유 상황을 SAR 영상만으로 모니터링 하기에는 부족하기 때문에, 시공간 커버리지를 고려한다면 광학영상도 함께 활용하는 것이 상호보완을 도모할 수 있다. 또한 광학 영상에서 유출유의 색상 특성을 분석함으로써 유종을 추정할 수 있는 부가적인 장점이 있다.

2010년 7.7억 리터의 원유가 유출된 Deepwater Horizon 사건으로부터 Leifer et al. (2012)은 얇은 기름 층은 은색이나 청색 반사가 주를 이루고, 두꺼운 기름 층은 주로 갈색이나 검은색을 띤다고 제시한 바 있다. 또한 Lu et al. (2013)은 기름 수송 및 풍화 공정 분석과 결합하여 다양한 해양 기름 유출 대상의 분광 반사율 특성 및 광학 이론을 탐색하였으며, 그 결과 유출유의 종류를 얇은 기름막, 기름-물 혼합물, 검은색 부유기름 등으로 나누기도 했다. 그러나 광학영상을 이용한 유출유 탐지나 색상 특성 분석은 Ariborne Visible/Infrared Imaging Spectroradiometer (AVIRIS) 등의 항공영상이나 Moderate Resolution Imaging Spectroradiometer (MODIS)와 같은 중저해상도 위성영상 등을 대상으로 한 연구가 일부 진행되었을 뿐이고, 최근 광학센서 기술의 발전에 따라 시공간 커버리지가 향상되고 있는 고해상도 광학위성영상을 활용한 연구가 거의 없는 상황이다.

이 단보에서는 가장 널리 사용되는 고해상도 위성영상인 PlanetScope 영상의 Red-Green-Blue (RGB) 히스토그램(histogram)을 이용하여 해양 유출유의 색상 특성을 분석함으로써 중유(heavy oil), 경유(light oil) 등의 유종 구분 실험을 수행하고자 한다. 이는 향후 컴퓨터 비전(computer vision)과 딥러닝 기반의 유출유 탐지 및 유종 구분을 위한 보조정보로 활용될 수 있을 것이다.

2. 연구자료 및 방법

일반적인 광학위성영상은 구름의 영향을 많이 받기도 하고 시공간 커버리지 및 해상도가 충분하지 않다면 유출유 포착이 쉽지 않다. 그러나 PlanetScope는 200기 이상의 초소형위성이 군집 비행하면서 전지구를 매일 3 m 해상도로 커버하고 있기 때문에, 작은 유출유 사고도 포착할 가능성이 크다. PlanetScope는 5.8 kg 초소형 위성으로서 대부분 태양동기궤도를 가지며, 적도 횡단 시각은 9시 30분에서 11시 30분 사이이다. PlanetScope 영상은 Blue (455–515 nm), Green (500–590 nm), Red (590–670 nm), Near Infrared (NIR, 780–860 nm) 스펙트럼 대역이 포함되어 있고, 위치 오차는 10 m 미만이다(Planet Labs PBC, 2020) (Table 1). 본 연구에서는 문헌과 기사 등을 참조하여 유출유가 뚜렷하게 포착된 8건의 유출유 사고에 대한 PlanetScope 영상 16장을 활용하였다(Table 2, Fig. 1).

Table 1. Instruments of PlanetScope sensors

Table 2. Information of PlanetScope images used in this study

Fig. 1. Oil spill locations in this study.

우선 감마(gamma) 보정을 통해 영상의 밝기를 조절하고 히스토그램 조정을 통해 대비 강조를 수행함으로써, 영상 내에서 유출유와 그 주변 화소가 시각적으로 잘 분별되도록 하였다. 이렇게 보정된 영상에 대해서 유출유 화소만을 분류하는 마스킹(masking) 작업을 수행하였다. Magic Wand Tool은 사용자가 선택한 대표적인 유출유 화소를 기준으로 그와 유사한 분광특성을 가지는 화소를 유출유 클래스로 분류해준다.

그 결과 8비트 영상에 유출유를 255 (흰색), 유출유가 아닌 부분을 0 (검은색)으로 하여 유출유 마스크를 생성하였다(Fig. 2). 이렇게 만들어진 유출유를 마스크에 대하여 RGB 밴드의 히스토그램을 작성해서 유출유의 분광특성을 살펴보고, 박스 플롯(box plot)을 그려서 최솟값 1분위수(Q1), 2분위수(Q2), 3분위수(Q3)와 최댓값 이상치를 탐색하고 밴드별 유출유 화소의 통계량을 계산하였다. 최솟값 1분위수, 2분위수, 3분위수와 최댓값은 영상의 자료특성을 나타내는 중요한 지표이다. 최솟값과 최댓값을 통해 데이터의 존재 범위를 알 수 있고 1분위수, 2분위수, 3분위수는 각각 데이터 집합에서 누적분포 25%, 50%, 75%에 해당하는 값이므로 데이터의 분포를 이해하는데 도움이 된다. 이상치는 통상적인 데이터의 분포에서 발생하기 힘든 극단적인 값이므로 이상치를 식별 및 제거하면 데이터를 보다 안정적으로 분석할 수 있다. 이러한 기초통계를 중심으로 유출유의 색상특성을 분석하고 유종 구분을 시도하였다.

Fig. 2. Example of gamma correction and histogram adjustment to create oil spill masks. (a) Original satellite images. (b) Results of gamma correction and histogram adjustment. (c) Mask images.

3. 결과 및 토의

Figs. 3–6은 유출유가 포착된 사례의 (a) 유출유 마스크, (b) PlanetScope RGB 영상, (c) 히스토그램 및 (d) 박스플롯을 나타낸다. (c)의 x축은 화소 값, y축은 화소 수를 나타내고, (d)의 x축은 화소 값, y축은 RGB 밴드를 나타낸다. Fig. 3와 4는 Table 1에서 (c), (e) 영상의 일부분이며, Fig. 5와 6은 (f), (g), (h) 영상의 일부분이다. Fig. 3와 4의 히스토그램과 박스 플롯은 Red, Green, Blue 밴드 화소값이 모두 낮은 값이면서 편차가 크지 않고 몰려 있음을 알 수 있다. 이와 달리 Fig. 5와 6의 히스토그램과 박스 플롯에서는 Red, Green, Blue 밴드의 화소값 분포가 Fig. 3과 4에 비해 높은 쪽으로 나타나면서 Red, Green, Blue 밴드의 히스토그램이 거의 겹치기도 하고(Fig. 4), 어느 정도 어긋나기도 한다(Fig. 6). RGB 화소값이 상대적으로 낮은 Fig. 3과 4의 유출유는 어두운 검은색에 가깝고, RGB 화소값이 상대적으로 높은 Fig. 5와 6은 밝은 은색 또는 무지개색을 띤다는 것을 알 수 있다.

Fig. 3. Example of (a) oil mask, (b) PlanetScope true color image (Red, Green, Blue), (c) histogram, and (d) box-plot.

Fig. 4. Example of (a) oil mask, (b) PlanetScope true color image (Red, Green, Blue), (c) histogram, and (d) box-plot.

Fig. 5. Example of (a) oil mask, (b) PlanetScope true color image (Red, Green, Blue), (c) histogram, and (d) box-plot.

Fig. 6. Example of (a) oil mask, (b) PlanetScope true color image (Red, Green, Blue), (c) histogram, and (d) box-plot.

Fingas and Brown (2018)은 두꺼운 기름층은 주로 갈색 또는 검은 색상을 띠고 얇은 기름층은 은색으로 나타난다고 하였는데, 이것으로 미루어 볼 때 Fig. 3과 4는 두꺼운 기름층, Fig. 5와 6은 얇은 기름층으로 추정된다. 얇은 기름층에서 나타나는 무지개색은 일종의 빛의 간섭현상인데, 기름 막의 위 표면에서 반사된 빛과 아래 표면에서 반사된 빛이 서로 간섭을 일으키기 때문이다. 또한 기름은 빛의 파장에 따라 굴절률이 다르기 때문에 보는 각도에 따라서 다양한 색상이 나타날 수 있다. Fig. 5와 6의 얇은 기름층은 은색 또는 무지개색을 띠고 있는데, Fig. 5는 은색 톤에 가깝고, Fig. 6은 무지개 색채가 더 분명하다. 이는 히스토그램의 차이를 통해서도 잘 나타나는데, 은색 톤의 경우 Fig. 5처럼 Red, Green, Blue 밴드의 히스토그램이 거의 겹치는 형태를 보이고, 무지개 색채는 Fig. 6처럼 Red, Green, Blue 밴드의 히스토그램이 어느 정도 엇갈리는 형태로 나타난다. 이러한 유출유 색상 특성은 히스토그램 분석을 통해 (1) 어두운 검은색 톤의 두꺼운 기름층, (2) 밝은 은색 톤의 얇은 기름층, (3) 밝은 무지개색 톤의 얇은 기름층으로 분류될 수 있다. 어두운 검은색 톤의 두꺼운 기름층은 벙커C유같은 중유로 추정되고, 밝은 은색 및 무지개색 톤의 얇은 기름층은 경유일 가능성이 크다.

4. 결론

이 단보에서는 PlanetScope 영상을 사용하여 RGB 히스토그램 분석을 통해 해양 유출유의 색상 특성과 유종 구분에 대한 실험을 수행하였다. 해양 유출유의 RGB 히스토그램은 어두운 검은색 톤, 밝은 은색 톤, 밝은 무지개색 톤의 세 가지 카테고리로 나눌 수 있으며, 어두운 검은색 톤의 두꺼운 기름층은 중유로 구분되고 밝은 은색 및 무지개색 톤의 얇은 기름층은 경유로 구분될 수 있다. 향후 보다 많은 영상에 대한 분석이 이루어진다면 이러한 유출유 탐지와 유종 구분이 보다 더 일반화되고 신뢰도를 높일 수 있을 것으로 사료된다. 향후 SAR 영상과의 비교분석을 통해 보다 더 신뢰성 있는 정보를 도출할 수 있을 것으로 기대된다.