http://dx.doi.org/10.7850/jkso.2012.17.3.181 Free Access
181
수중음향과 Kompsat-2 위성영상을 이용한 해초지 분포 추정
김근용·엄진아1·최종국1·유주형1·김광용*
전남대학교 해양학과
1한국해양과학기술원 해양위성센터
Application of Hydroacoustic System and Kompsat-2 Image to Estimate Distribution of Seagrass Beds
KEUNYONG KIM, JINAH EOM1, JONG-KUK CHOI1, JOO-HYUNG RYU1AND KWANG YOUNG KIM*
Department of Oceanography, College of Natural Sciences, Chonnam National University, Gwangju 500-757, Korea
1Korea Ocean Satellite Center, Korea Institute of Ocean Science & Technology, Ansan 426-744, Korea
해초지의 생태적 중요성에도 불구하고 국내 연안에 분포하는 해초지 규모에 대한 정보가 미비하다. 장흥군 회진 면 일대의 해초지를 대상으로 수중음향측심기와 고해상도 Kompsat-2(4×4 m) 위성영상을 이용하여 식생유무를 탐 지하고 분포크기를 파악하는 연구가 수행되었다. 위성영상을 이용한 식생분석의 정확도는 음향측심기를 통해 얻은 자료분석과 이를 비교하여 검증되었다. Kompsat-2 영상분석으로 계산된 회진면 일대의 해초지 면적은 약 3.9 km2 로 수중음향 탐사를 통해 구해진 4.5 km2보다 과소평가 되었다. Kompsat-2 위성영상을 객체기반 영상분류법으로 해초 식생을 분석한 결과는 수중음향 결과 값에 대해 90%의 정확도를 보였는데, 이와 같이 높은 정확도는 Kappa 지수(0.85)로도 확인되었다. 또한 위성영상과 수중음향 결과 간의 유사도는 77.1%로 비교적 높았다. 생물 비파괴적 인 수중음향조사와 Kompsat-2 영상분석으로 국내 연안에 산재해 있는 해초지 식생의 광역적인 조사가 가능할 것으 로 기대되며, 보다 정확한 탐지를 위해서 다양한 고해상도 위성을 이용한 연구가 활발히 이루어져야 할 것이다.
Despite the ecological importance of seagrass beds, their distributional information in Korean coastal waters is insufficient. Therefore, we used hydroacoustic system to collect accurate bathymetry and classification of sea- grass, and Kompsat-2 (4 m spatial resolution) image for detection of seagrass beds at Deukryang Bay, Korea.
The accuracy of Kompsat-2 image classification was evaluated using hydracoustic survey result using error matrix and Kappa value. The total area of seagrass beds from satellite image classification was underestimated compared to the hydroacoustic survey, estimated 3.9 and 4.5 km2 from satellite image and hydroacoustic data, respectively. Nonetheless, the accuracy of Kompsat-2 image classification over hydroacoustic-based method showing 90% (Kappa=0.85) for the three class maps (seagrass, unvegetated seawater and aquaculture). The agreement between the satellite image classification and the hydroacoustic result was 77.1% (the seagrass pres- ence/absence map). From our result of satellite image classification, Kompsat-2 image is suitable for mapping seagrass beds with high accuracy and non-destructive method. For more accurate information, more researches with a variety of high-resolution satellite image will be preceded.
Key words: Deukryang bay, Hydroacoustic survey, Kompsat-2 image, Seagrass beds
서 론
다양한 연안생물의 서식처인 해초지(seagrass beds)는 광합성을 통해 유기 쇄설물을 생산하고 용존 유기물을 분비하여 연안 생태 계 내의 물질순환을 주도한다(Phillips and Meñez, 1988; Thresher
et al., 1992). 또한 경제적 가치가 큰 어류의 산란 및 성육장을 제 공하고 퇴적물의 부유와 이동을 제어하여 저질을 안정화시키고 있 어 연안에서 생태적 가치가 매우 큰 장소이다(Duffy, 2006).
해초지에 대한 이러한 생태적 가치 때문에 국내에서도 해초지 분포, 생산, 유해 물질에 대한 독성 평가 등의 연구가 꾸준히 진행 되어 왔다(최 등, 2005; 박 등, 2009; 김 등, 2010). 특히 해초 중 에서 가장 흔한 거머리말(Zostera marina) 또는 잘피(seagrass)의
*Corresponding author: [email protected]
형태적 특징, 분포, 생물계절, 생산, 현존량에 대한 연구가 주류를 이루고 있다(Lee et al., 2002; Kim and Choi, 2004; Lee et al., 2006). 해초지 분포와 현존량 연구의 경우 대부분 스쿠버 다이빙을 통한 직접 샘플링 방법에 의존하기 때문에 일부에 제한된 지역과 수심에서 현장조사가 이루어졌다(김 등, 2010). 또한 일부 장소를 제외하면 대부분 특정 시기의 현존량과 분포면적에 대한 정보를 제 공하고 있기 때문에 우리나라 연안의 해초지 규모에 대한 시공간 적 변화, 그리고 광역범위에서 장기적 변동 추이를 이해하는데 어 려움이 많다.
이와 같은 해초지 식생의 분포 및 시공간 변동 연구의 어려움에 도 불구하고 다양한 기술을 이용한 현장 조사방법이 시도되고 있 다. 비디오 카메라를 이용한 수중 촬영방법은 저렴한 비용으로 종 동정, 밀도, 식물의 건강상태 등을 파악할 수도 있지만, 직선상의 좁은 관찰범위에 제한되어 자료가 얻어지는 단점이 있고, 특히 해 수의 탁도에 의해 정밀도가 좌우되어 현장의 전체 식생을 분석하 는데 다소 어려움이 있다(Fairbanks and Norris, 2004). 해초지 식 생의 크기, 새로운 해초지 출현, 해초 이식 후 식생발달 및 소멸속 도 등을 분석하기 위해 항공촬영을 이용한 국외 연구 사례가 있다 (McKenzie et al., 2001). 그러나 이 방법은 분석비용 부담이 크기 때문에 천이 연구와 같은 특정 지역에 대한 시간적 반복분석 연구 에는 적합하지 않다. 따라서 국내 연안에 광범위하게 산재해 있는 해초식생의 시공간적 분포특성을 규명하기 위해서는 비용 부담이 크지 않고 식생을 파괴하지 않으면서 효과적으로 식생을 분석할 수 있는 기술이 강구되어야 할 시점에 있다.
최근 해초지 규모 및 시공간 식생 변화의 광역조사를 위해 수중 음향 탐사기술이 이용되고 있다. 음파의 후방산란을 이용한 수중 음향 탐사기술은 짧은 시간과 적은 노동력으로 넓은 조사지역에서 식생의 피도 및 크기 자료를 얻을 수 있어 해초지 생태연구에 효 과적인 것으로 평가되고 있다(Sabol et al., 2002). 이 기술은 대형 해조류의 분포, 어류의 이동 및 생물량 추정 등에도 적용되고 있다 (Winfield et al., 2007). 최근 국내에서도 수중음향탐사를 통해 해 초의 크기, 피도 및 분포에 대한 연구가 시도된 바 있으며(강 등, 2006; 김 등, 2008), 특히 우리나라 해초지는 낮은 밀도와 현존량 그리고 다양한 크기의 팻치(patch)로 단절되어 나타나는 식생 특징 때문에 비파괴적으로 광역분석이 가능한 수중음향탐사 기술이 매 우 유용한 것으로 평가하였다(김 등, 2008).
수중음향탐사 기술과 더불어 해초의 생육유무 및 분포크기 조사 를 위한 방법으로 인공위성 영상을 이용한 원격탐사 연구가 많은 관심을 받고 있다. 원격탐사 기술은 광대역의 신속한 분석이 가능 하기 때문에 1980년대 이후 인공위성 영상을 이용한 연안 식생분 포 연구가 꾸준히 진행되어 왔고, 그 응용기술도 발전을 거듭해 오 고 있다. 과거 인공위성 영상은 낮은 공간해상도 때문에 정밀한 연 구에 적용할 수 없는 한계가 있었지만, 최근 원격탐사 센서 및 기 술의 급격한 발전으로 높은 공간해상도 영상을 이용한 식생연구가 활발하게 진행되고 있다(Mumby et al., 2004). Barillé et al.(2010) 는 고해상도 위성인 SPOT(10 m spatial resolution)영상을 이용하 여 프랑스 Bourgneuf Bay 해초지를 대상으로 1991년부터 2005년 까지 시공간 분포변화를 보여주었다. 공간해상도 4 m의 고해상도 영상인 IKONOS 영상과 다목적 실용위성 2호(Korea Multi-purpose Satellite-2; Kompsat-2) 영상을 이용하여 남태평양 열대해역의 해
초, 산호초 등 다양한 식생의 반사도 특성으로부터 연안해역의 생 물 서식환경 변화가 조사된 바 있다(민 등, 2010). Kompsat-2 인 공위성 영상을 이용한 국내 연구는 육상식생이나 갯벌 연구에 집 중되어있고, 부유성 녹조 대발생과 적조연구에 적용된 바 있지만, 연안 해초지 연구에 Kompsat-2 영상을 적용한 사례는 아직까지 없 다(최 등, 2010a, 2010b).
본 연구는 다양한 크기의 패치로 구성된 득량만의 해초지를 대 상으로 수중음향탐사 기술을 이용하여 비식생 지역과 양식장을 구 분하여 해초지 식생의 크기를 계산하고자 한다. 또한 국내 연안에 서 해초지의 생태적 기능을 유지하고 보전시키기 위해서는 현장의 생물을 손상시키지 않는 방법으로 광역대 생태조사가 절실한데, 효 과적인 방법의 하나로 고해상도 Kompsat-2 영상 분석 방법을 제 안하고자 분석기술의 정확도를 수중음향 탐사와 비교 평가할 것이다.
재료 및 방법 연구 지역
수중음향탐사와 인공위성 영상분석을 통한 해초지 식생분석 및 분석방법의 정확도 평가는 득량만의 입구에 위치한 전라남도 장흥 군 회진면 진목리와 옹암리 일대 연안에서 수행되었다(Fig. 1). 득 량만은 우리나라 남서해역에 위치한 반폐쇄성 만으로, 고흥군, 보 성군, 장흥군으로 둘러싸여 있고, 만의 입구는 남서쪽으로 열려져 있다. 이 해역은 비교적 맑고, 원활한 해수 유통으로 충분한 영양 염이 공급되며, 수심 0-10 m 범위의 얕은 지역에 거미리말(Zostera marina)이 우점하여 분포하고, 수거머리말(Z. caulescens) 또한 일 부 해역에서 출현한다(김 등, 2009). 수심이 얕은 곳에서는 겨울철 김양식, 수심이 다소 깊은 곳에서는 미역, 다시마 등의 해조류 양 식이 성행하고 있다. 하지만 최근 대규모 간척지 매립과 방조제, 해 안도로 건설 등으로 해초가 자생할 수 있는 갯벌 면적이 1920년과 비교해 약 40% 감소한 것으로 보고되었다(해양수산부, 2007).
Fig. 1. The study area and hydroacoustic transect (yellow line). Dot- ted red line is indicated a specific research area to compare seagrass distribution between hydroacoustic data and satellite image (Komp- sat-2 MSC, RGB-321 composite image on 7 January 2012).
수중음향 자료 수집 및 자료분석
수중음향탐사는 2012년 1월 17일부터 20일과 2월 21일 총 5일 동안, 빔 폭이 6o인 420 kHz 센서의 음향송수신기(transducer)를 부 착한 음향측심기(DT-X Digital Echosounder, Biosonics Inc., USA)를 이용하였다. 해초의 음향신호를 수신하기 위해 센서의 송 신신호 폭(pulse width)은 0.1 ms, 센서 송신 간격(pings rate)은 5 pings s-1로 설정하였다. 음향송수신기 센서는 선박이 이동하는 동 안 발생할 수 있는 저항을 최소화하기 위해 예인체(towing vehicle;
Biosonics, USA)에 장착하여 수면으로부터 약 50 cm 잠기도록 조 사선에 고정하였다. 또한 선박의 이동으로 발생되는 기포에 의한 영향을 최소화하기 위해 조사선의 이동속도는 3-4 knots로 유지되 었다. 조사 정선(transect)의 위치 정보는 수평 오차가 ±5 m인 DGPS(Differential Global Positioning System; JRC, Japan)를 이 용하였고, 음향 조사자료와 함께 매초 간격으로 저장되어 해초식 생의 공간분포를 도시하는데 이용되었다. 수중음향탐사 총 면적은 약 16 km2이었고, 선박의 진입이 어려운 수심 1 m 이하 지역과 육 지와 인접한 양식장 지역은 조사대상에서 제외되었다. 연안에 인 접한 지역은 정선 간의 간격을 조밀하게 하여 해안선에 대해 세로 또는 가로 방향으로 평행하게 조사가 이루어졌고, 양식장 밀집 지 역은 정선 간의 간격을 넓히는 대신 해안선에 대해 가로 정선과 세로 정선이 서로 교차되도록 조사하였다(Fig. 1). 현장조사에서 얻어진 음향자료는 EcoSAV 소프트웨어(Biosonics, USA)를 이용하여 해 초의 길이, 피도 및 위치 정보를 얻었다. 수중음향신호의 식생 탐 지 한계는 주로 크기(< 8 cm)와 생물량(< 60 g WW m-2)에 의해 제한되기 때문에 해초지 내부에 존재하는 갈파래류(Ulva species)
와 같은 해조류의 음향신호는 무시할 수 있다(Sabol et al. 2002).
위성 자료 분석
위성영상을 이용한 해초식생 탐지는 수중음향탐사와 시기가 비 슷한 2012년 1월 7일 Kompsat-2 영상을 이용하였다. Kompsat-2 영상은 공간해상도가 4×4 m로 3개의 가시광선 밴드(Blue, Green and Red bands)와 1개의 근적외선 밴드(NIR band)로 구성되어 있 다. 각 밴드에 대해 구글(Google)영상에 위성영상과 동일한 지상기 준점(GCP; ground control point) 10 곳을 지정한 후 이를 기준점 으로 하여 Kompsat-2 영상을 WGS-84/NUTM52 좌표로 기하보정 을 하였는데, 이때 오차는 1 픽셀(pixel) 이내이었다. 기하보정 영 상은 Dark-object subtraction (DOS) 방법을 이용해 대기효과를 제 거해 주었는데, 이 영상에서 완전한 암상태(absolute dark)를 보이 는 곳이 없었기 때문에 1% 이내의 암상태로 보이는 물체의 평균을 완전 암상태의 값으로 이용하였다(Song et al., 2001). Kompsat-2 영상의 4개 밴드를 각각 123(Blue, Green, Red Bands), 124(Blue, Green, NIR bands), 134(Blue, Red, NIR bands), 234(Green, Red, NIR bands) 밴드로 조합하여 분석한 사전 분석결과에서 Green band 가 제외된 134밴드 조합이 가장 적합한 것으로 판단되었기 때문에 이 연구에서는 134밴드를 이용하였다. 해초식생 분류는 객체기반 영상분류 기법(object-based classification)을 이용한 Definiens® Developer 7 소프트웨어(Definiens, Germany)로 분석하였다. 영상 에서 비슷한 특징을 갖는 픽셀을 객체화(segmentation)시키는 작업 은 multiresolution segmentation을 이용하였고, scale 10, shape 0.1, compactness 0.5로 설정하였다. 객체기반 영상분류 기법을 통
Fig. 2. Field observation and in situ spectral measurement: (a) dotted yellow line divide the seagrass beds (below) and unvegetated area (above), (b) unvegetated seawater, (c) seagrass beds, (d) seaweed aquaculture.
해 분류된 위성영상의 정확도는 수중음향탐사를 통한 현장 실측자 료와 비교하는 방법으로 검증하였는데, 이 때 현장관측 음향탐사 자료의 50% 정도가 해초지, 양식장(aquaculture), 식생이 없는 지 역(unvegetated area)의 분류지표로 지정하는데 이용되었다. 또한 각 분류지표에 따른 반사도 특성은 2012년 2월 20일 현장에서 휴 대용 분광측정기인 FieldSpec® 3(Analytical Spectral Devices Inc., USA)로 스펙트럼을 측정하여 비교하였다(Fig. 2).
위성영상 분류지도의 정확도 분석
Kompsat-2 위성영상에서 분류된 해초지 분포의 정확도 평가는 이산다변량 기법의 하나인 Kappa 분석을 이용하였다(Foody, 2002).
Kappa 값은 원격탐사를 이용하여 만든 분류지도와 참조 자료 사이 의 일치도나 정확도를 나타내는데, 완전한 우연의 결과는 0, 완벽 하게 일치하는 경우는 1의 값으로 나타난다. 이는 우연에 의해 일 치할 수 있는 경우를 배제하기 위해 도입된 개념으로, 기존에 주로 이용된 Error matrix는 전체 정밀도에서 단순히 행렬의 대각선 요 소들만을 이용해 계산되므로 누락오차가 고려되지 않는데 반해, Kappa 값은 행렬의 대각선 요소가 아닌 다른 요소들이 고려되기 때문에 원격탐사 분류지도의 정확도 평가에 있어서 더 적합하다 (Laurent et al., 2005). 이 연구에서는 수중음향조사로부터 얻어진 총 50지점의 현장 관측자료를 이용하여 아래 식 (1)과 같이 Kappa 값을 계산하였다.
(1)
식 (1)에서 k는 행렬에서 열의 수, xii는 열 i와 행 i에서의 관측 수, xi+와 x+i는 각각 열 i와 행 i에 대한 합계이며, N은 총 관측수 이다.
또한 인공위성 영상에서 분류된 해초지와 수중음향측정으로 구
한 해초지 간의 유사도는 두 자료를 동일한 크기로 조정한 후 MATLAB 프로그램을 이용하여 계산하였고, 두 자료의 동일 좌표 픽셀에 대해 각각 비교 분석되었다.
결 과
수중음향탐사에 의한 해초지 분포
장흥군 회진면 일대 해초식생 규모를 파악하기 위해 수중음향탐 사한 총 면적은 16 km2이었으며, 이 중에서 해초지 규모는 총 4.5 km2로 추산되었다(Fig. 3a). 해초는 최저저조면(Lowest Low Water level, LLW) 기준 0-2 m 이내에 주로 분포하였다. 조사지역의 남 쪽과 동쪽 해역은 7-9 m의 수심으로 이곳에 해초가 출현하지 않 는 것으로 보아 수심은 해초의 생육 한계를 결정짓는 중요한 요인 임을 알수 있었다. 수중음향측정에 의해 해초지 피도분석이 가능 하였는데, 피도 0-20% 계급군은 전체 식생 면적의 약 28%를 차지 하였고, 피도 60% 이상 계급군은 약 35%를 차지하였다(Fig. 3b).
해초의 길이는 100 cm 이하에서 20-40 cm 계급군이 약 38%로 가 장 큰 비중을 차지하는데 반해 나머지 길이 계급군들에서 약 15%
정도로 고르게 분포하여 다양한 길이의 해초가 생육하는 것을 알 수 있었다(Fig. 3c).
스펙트럼 특성
조사해역은 비교적 맑고 수심이 얕아 해초식생의 존재 유무가 해수 색(color) 차이에 의해 쉽게 확인되어 식생이 존재하지 않는 지역 및 양식장과의 구별이 가능하였다(Fig. 2). 표층 스펙트럼의 350-950 nm 파장에서 해초지, 식생이 없는 지역, 양식장으로 구분 되는 각 지표들은 흡수, 반사되는 파장 영역이 구분되는 특성을 보 였다(Fig. 4). 수심 7 m 이상의 식생이 없는 지역에서 측정된 표층 해수의 스펙트럼 특성은 해초 위에서 측정한 해수 스펙트럼 특성 Kˆ N∑ki 1=xii–∑ki 1=(xi+×x+i)
N2–∑ki 1=(xi+×x+i) ---
=
Fig. 3. Seagrass mapping result from hydroacoustic method (a) seagrass habitat, (b) percent cover and (c) percent height.
과 뚜렷하게 구분되었다(Fig. 4a,b). 식생이 없는 지역의 해수는 500-600 nm 영역에서 피크가 있는데 반해, 해초지의 해수는 550 nm 파장에서 작은 피크와 700-800 nm 영역에서 큰 피크가 나타 났다(Fig. 4a,b). 수심 1 m 이내의 식생이 없는 지역에서 측정된 해 수 스펙트럼은 550 nm 영역에서 피크를 보였는데(Fig. 4c), 이는 Fig. 4a의 스펙트럼 특성과 유사한 것이다. 한편 양식장 스펙트럼 은 해초지 스펙트럼과 유사하게 750 nm 영역에서 피크가 나타났 다(Fig. 4d).
위성영상 분석에 의한 해초 탐지
수중음향 탐사에 의한 현장 관측자료로 위성영상에서 분류된 해 초지 분포의 정확도 평가는 Fig. 1의 붉은색 점선 지역의 자료를 이용하였다. Kompsat-2 영상의 134(Blue, Red and NIR) 밴드를 객체기반 영상분류 방법으로 분류한 결과에서 녹색은 해초로 분류 된 지역, 붉은색은 양식장, 노란색은 식생이 없는 지역으로 분류된 것이다(Fig. 5). 위성영상 분류결과에서 해초지는 조사해역의 북서 부와 남서부에 두 개의 큰 해초지로 나뉘어져 있었고, 두 해초지 사이 수심이 깊은 수로에는 대부분 식생이 없는 지역으로 분류되
었다. 양식장은 주로 직사각형의 일정한 모양으로 나타났고, 해초 지 주변 보다 식생이 없는 지역의 양식장은 쉽게 구분되는 것을 알 수 있었다. 위성영상에서 분류된 해초지 분포는 수중음향으로 분 석한 해초지 분포와 매우 유사한 결과를 보였다(Figs 3 and 5). 하 지만 위성영상분석에 의한 분류는 수중음향에서 나타난 해초지 영 역의 일부가 양식장이나 식생이 존재하지 않는 지역으로 잘못 분 류되는 경우가 있었다. 수중음향 결과에서도 위성영상과 마찬가지 로 해초지는 두 개의 큰 해초지로 구분되고, 두 해초지 사이에 수 심이 7 m 이상의 골이 존재하며, 이곳에는 해초가 출현하지 않는 것을 보였다(Fig. 3). 그러나 위성영상 분석결과를 보면, 두 해초지 사 이에 형성된 수로의 동쪽에서 해초식생으로 오분류되는 것을 볼 수 있다. Kompsat-2 위성영상 분류의 정확도는 수중음향에 의한 현장 관측 값에 대해 90%의 정확도를 보였고, Kappa 지수에서도 이와 같은 높은 정확도를 반영한 0.85값을 보였다(Table 1). 해초지와 양 식장은 약 94%의 정확도를 보이는 반면, 식생이 없는 지역은 현장 관측자료에 대해 81%의 정확도를 보였다. 일부 해초지와 양식장 이 식생이 없는 지역으로, 식생이 없는 일부 지역이 해초지로 잘못 분류되는 경우가 있어 이와 같이 식생이 없는 지역에서 상대적으 로 낮은 정확도가 나타난 것으로 보인다.
수중음향 자료와 위성영상 분석 자료의 유사도
수중음향탐사 결과를 Kompsat-2 위성영상에 중첩(overlap)시킨 후 동일 지점(위경도)의 각 분류지표를 픽셀(4×4 m) 단위로 비교 하여 분류된 해초지에서 두 방법 간의 유사도가 분석되었다(Fig.
6). 음향탐사로 얻어진 해초 출현 유무를 기반으로 위성영상에서도 해초지로 분류 되었는지를 비교한 유사도는 77%의 값을 보였다 (Table 2). 해초지 중심 부분에서는 음향자료와 위성영상 자료 간 의 높은 유사도를 보이는 반면에 가장자리에서는 두 방법 간의 오 차가 존재하는데, 이는 해초가 출현하지 않은 남서쪽과 북동쪽에 서 위성영상에 의한 해초지 오분류 때문으로 보인다(Fig. 6). 음향 Fig. 4. Reflectance spectra of the four different surface type.
Fig. 5. The result of the object-based classification using Kompsat- 2 image acquired on 7 January 2012.
Fig. 6. Comparison of seagrass distribution between Kompsat-2 classification result and hydroacoustic mapping result.
자료에서 식생이 없는 지역인데 위성영상에서 해초지로 분류된 경 우와 음향자료에서 해초지가 위성영상에서 식생이 없는 장소로 분 류된 경우는 각각 13와 10% 정도이었다. 한편 위성영상에서 해초 지로 분류된 픽셀의 계수를 통해 계산된 해초지 면적은 3.9 km2로 수중음향 탐사를 통해 구한 해초지 면적 4.5 km2보다 다소 적은 것으로 나타났다.
토 의
해초지에 대한 연구인력과 연구방법의 제한으로 국내 연안에 분 포하는 해초식생의 시공간 분포특징과 장기변화에 대한 정보가 부 족하다. 본 연구는 생물을 훼손하거나 파괴하지 않은 상태에서 해 초지 생태연구를 위한 광역조사가 가능한 수중음향탐사 기술과 인 공위성영상 분석을 적용해 보고, Kompsat-2 영상을 이용한 해초지 분석의 정확도를 점검하여 원격탐사를 통한 연안 생태연구의 적용 가능성을 제시하고자 시도되었다.
수중음향탐사를 통해 구한 장흥군 회진면 일대의 해초지 크기는 약 4.5 km2이었는데, 이 결과는 2007년 동일 장소에서 김 등(2009) 이 GPS의 위경도 정보를 이용해 선상에서 육안으로 관찰하여 구 한 3 km2 보다 넓은 면적이다. 연구시기가 동일하지 않기 때문에 시간적인 분포 변화에 의한 차이가 있을 수 있지만, 대부분 물속에 잠겨있는 해초 규모에 대해 육안으로 측정한 값을 신뢰하기에는 다 소 어려움이 있다. 특히 해초는 빛이 생육 조건에 가장 중요한 요 인으로 작용하기 때문에 분포 수심이 제한되지만 김 등(2009)은 약 7 m 이상의 수심까지 해초가 생육하는 것으로 보고 분포 면적을 추산하였음에도 불구하고 본 연구의 음향조사를 통해 구한 해초지 규모에 비해 작은 것을 보면 육안으로 관찰하는 방법의 한계를 확 인할 수 있다.
또한 이 연구에서는 Kompsat-2 영상의 식생분류 정확도를 평가 를 위해 수중음향 탐사 결과를 검증을 위한 비교자료로 이용하였 다. 해초는 서식환경에 따라 다양한 수심에 분포하는데 최대 90 m 이상의 수심까지 서식하는 것으로 알려져 있다(Duarte, 1991). 하 지만 이러한 수심에서는 스쿠버 다이빙이나 비디오 카메라로는 정 확도 검증을 위한 현장 관측자료 획득이 현실적으로 어려운 문제
가 있다. 더욱이 이와 같은 직접 측정자료는 해초 식생의 극히 일 부 면적에서 이루어지기 때문에 위성영상의 정확도 검증을 위해서 는 수중음향탐사와 같은 비교적 넓은 범위에서 자료를 획득할 수 있는 방법이 필요하다. 본 연구지역은 비교적 맑고 수심이 얕아 육 안 관측만으로도 대략적인 해초지 규모 파악이 가능하지만, 수중 음향 탐사를 이용한 현장관측은 해초 생육유무 확인은 물론이고, 해초의 길이, 피도 및 공간 분포 자료까지 수집이 가능하기 때문에 다양한 수심과 서식환경에서 현장관측 자료를 얻을 수 있다.
수중음향 탐사기술의 많은 장점에도 불구하고 광역대 조사를 위 해서는 역시 많은 조사시간이 소요되는 단점이 있다. 수중음향 탐 사는 보통 1 km2면적을 조사하는데 4시간이 소요되는데(Sagawa et al., 2008), 이 연구에서 장흥군 회진면 연안의 16 km2면적을 조사하기 위해 총 5일(평균 6 h day-1)이 소요되었고, 이는 규모가 더 큰 지역에 대해 정밀 조사한다면 대단히 많은 시간이 필요할 것 이다. 또한 음향송수신기 센서의 좁은 빔 폭(6o)으로 인하여 해초 지의 수심이 얕을수록, 즉 센서와 해초와의 거리가 가까울수록 수 중음향 방법으로 탐지 가능한 해초지 면적은 감소하게 된다. 따라 서 대규모의 해초지 분포연구가 필요하다면 수중음향탐사 보다 탐 지 면적이 훨씬 넓은 인공위성영상 분석이 이용되어야 할 것이다.
원격탐사를 이용한 수중식생 분포 및 생태연구는 Landsat(30 m), SPOT-4(20 m), SPOT-5(2.5, 5, 10 m), IKONOS(4 m), QuickBird (2.4 m) 등 다양한 공간해상도의 위성영상이 활용되고 있다. 예를 들면 Wabnitz et al.(2008)은 Landsat 영상을 이용해 Wider Caribbean 지역의 해초지 분포를 도시하였고, Pasqualini et al.(2005)은 SPOT- 5영상을 이용해 지중해 Laganas Bay 해초지 분포를 높은 정확도 로 분류하였다. 하지만 위성영상을 이용한 식생탐지 연구는 주로 투명도가 높은 일부 열대해역에서 이루어졌을 뿐, 국내 연안과 같 이 탁도가 높은 해역에서는 위성영상을 이용한 생태연구가 제한되 고 있다. 이는 비교적 높은 탁도 또는 낮은 투명도의 해수에서는 반사된 광이 해수를 통과하여 나오는 동안 각 지표의 고유 특성이 감쇄되거나 왜곡되는 현상 때문이다(민 등, 2010). 또한 수중음향 탐사 결과에서 알 수 있듯이 연구지역의 해초식생은 다양한 피도 와 크기로 분포하고, 다양한 식생이 복잡하게 혼재하는 해역임에 도 불구하고 본 연구의 Kompsat-2 영상 분석을 통한 해초 식생탐 Table 2. The similarity of seagrass habitat between hydroacoustic data and classification result of Kompsat-2 image
Echosounder data
Seagrass area of satellite image Classification Seagrass Unvegetated
Satellite image Seagrass 77.1% 12.9%
3.9 km2
unvegetated 10.0% -
Seagrass area of echosounder 4.5 km2
Table 1. Error matrix for classification of seagrass habitat at Deukryang Bay. In situ data in column, classification results in rows
In situ data User’s
accuracy
Kappa value Classification Seagrass Aquaculture Unvegetated Total
Satellite image
Seagrass 17 0 3 20 85.0%
Aquaculture 0 15 0 15 100% 0.85
Unvegetated 1 1 13 15 86.7%
Total 18 16 16 50
Producer’s accuracy 94.4% 93.8% 81.3% 90%
지 결과는 90%의 높은 정확도를 보였고, 이를 통해 탁도가 높은 국내 연안의 수중식생 탐지를 위한 고해상도 영상분석 방법의 적 용 가능성을 보여 주었다.
본 연구에서 이용한 Kompsat-2 영상은 공간해상도(spatial resolution) 4 m급의 고해상도 영상으로 광역적인 해초식생을 분석 하는데 활용 가치가 큰 것으로 평가된다. Kompsat-2 영상을 이용 한 연안 해초 탐지 연구는 대기효과를 제거하기 위한 대기보정이 필요하지만 이제까지 정형화된 보정기술이 확립되지 않아 극히 제 한되어 이루어져 왔다. 하지만 본 연구에서는 대략적인 대기효과 제거에 Dark-object subtraction (DOS) 방법을 이용해 Kompsat-2 영상을 효과적으로 대기보정 하였다(Song et al., 2001). DOS 방 법을 통한 대기보정 전과 후의 Kompsat-2 영상을 음향조사 결과 와 비교해 정확도를 검증한 결과, 대기보정 후 정확도가 약 10%
증가하였다. 이는 DOS 방법으로 완벽한 대기보정이 이루어지지 않더라도 대략적인 대기 효과 제거를 통해 위성영상 분석의 정확 도를 향상시킬 수 있음을 의미하는 것이다.
Kompsat-2 영상과 같은 고해상도 영상은 저해상도 영상에 비해 식생에 대한 더 많은 정보를 제공하지만, 식생을 분류하는 정확도 에 있어서 긍정적인 면만 있는 것이 아니다. 일반적으로 위성영상 의 공간해상도(spatial resolution)와 분광해상도(spectral resolution) 는 역상관 관계, 즉 영상의 공간해상도가 높을수록 원격탐사 센서 가 감지 가능한 전자기 스펙트럼상의 특정 파장간격 및 수(band) 를 나타내는 분광해상도가 감소되는 특성을 갖는다(Hsieh et al., 2001). 이는 각 분류지표의 고유 스펙트럼 특성을 감지하기 위한 스펙트럼 분해능(spectral separability)을 감소시켜 영상분석의 분 류 오차(classification error)를 증가 시킨다(Treitz et al., 1992). 또 한 여러 분류지표가 혼재된 영상에서 화소기반 영상분류 기법(pixel- based classification)의 이용은 유사 스펙트럼에 대해 분류 정확도 가 낮아지는 결과를 보인다(Mumby et al., 1998). 본 연구는 이러 한 고해상도 영상분류의 문제점을 제거하기 위해 픽셀의 모양과 색 을 기반으로 객체를 추출한 후, 객체가 갖는 광학 특성과 더불어 크기, 모양, 주변객체와의 관계에 따라 분류하는 객체기반 영상분 류 기법(object-based classification)을 이용해 해초지 식생을 분류 하였다. 이 분류기법을 통해 양식장과 식생이 없는 해수와 유사한 스펙트럼 특성을 가지는 해초지 경우에도 높은 정확도로 분류가 가 능하였다.
이 연구에서 수중음향탐사와 Kompsat-2 위성영상 분석을 통해 생물 비파괴적이면서 높은 정확도를 갖는 해초지 식생분석 방법을 제안하였지만, 현장의 고유여건 또는 상황에 따라 분석의 정확도에 영향을 주는 요소들이 수없이 존재할 것으로 예상되는 바, 연안의 해초식생을 보다 정확하게 분석하기 위해서는 관련된 다양한 방법과 연구자료가 축적되어야 할 것이다. 이 연구에서는 Kompsat-2 영상 분석을 통해 해초식생의 존재 유무를 확인하고 주어진 공간에서 분 포크기를 도시하였지만, 음향탐사를 통해 얻은 해초의 피도 분포를 기반으로 위성영상으로부터 해초의 피도나 밀도분포 또한 추정이 가능할 것으로 사료된다. 실제로 Wabnitz et al.(2008)은 Landsat 영상분석을 통해 해초의 밀도를 세가지 계급(dense, medium-dense, sparse)으로 분류하여 현장의 식생을 이해하였다. 위성영상을 이용 해 해초의 밀도를 추정하기 위해서는 해수특성에 의해 차이가 생 기는 분류지표의 고유특성을 보정하고, 현장의 다양한 해초지에서
직접 측정한 밀도와 해수 간의 스펙트럼 특성을 반영해야 할 것이 다. 또한 수백 개의 밴드를 통해 영상을 획득하는 초다분광 영상 (hyperspectral image)과 같은 분광해상도가 뛰어난 영상을 이용할 경우, 분류지표 즉 해초지, 식생이 없는 갯벌, 양식장 등이 보다 쉽 게 구분될 것으로 예상된다. 이 연구에서는 특정 시기의 해초지 분 포특성에 대해 한가지의 위성영상만을 이용하였지만, 다양한 공간 해상도의 위성영상을 활용하고 분석시기와 조사장소를 추가하여 연안 해초지의 생태적 기능 유지와 보전에 필요한 광역적 분석방 법의 확립이 시급한 과제이다.
사 사
이 논문은 2011년도 정부(교육과학기술부)의 재원으로 한국연구 재단의 기초연구사업 지원을 받아 수행되었습니다(과제번호 2011- 0011940). 현장조사에 도움을 준 공병주 대학원생에게 감사를 표 합니다.
참고문헌
강돈혁, 조성호, 라형술, 김종만, 나정열, 명정구, 2006. 수중음향 을 이용한 해초 서식처(Seagrass Habitats)의 공간 및 수직 분포 추정. Ocean and Polar Research, 28: 225−236.
김근용, 김주형, 김광용, 2008. 디지털 음향측심기를 이용한 광양 만 잘피(Zostera marina L.)의 피도와 생물량 추정. Algae, 23: 83−90.
김정배, 박정임, 이근섭, 2009. 득량만에 자생하는 잘피의 분포 현황. 한국수산학회지, 42: 509−517.
김정배, 박정임, 최우정, 이재성, 이근섭, 2010. 섬진강 하구에 자 생하는 잘피의 분포 현황 및 생태적 특성. 한국수산학회지, 43: 351−361.
민지은, 유주형, 최종국, 박흥식, 2010. 고해상도 위성영상을 이용 한 산호초 서식환경 모니터링: 축라군 웨노섬을 중심으로.
Ocean and Polar Research, 32: 53−61.
박정임, Wentao Li, 김정배, 이근섭, 2009. 이식된 잘피의 생산성 및 형태적 특성 변화. 한국해양학회지, 14: 41−47.
최동림, 노재훈, 유주형, 이재학, 장풍국, 이태희, 최동한, 2010a.
2008년 여름철 북부 동중국해에서 대규모 녹조(가시파래) 출현.
Ocean and Polar Research, 32: 351−359.
최종국, 유주형, 엄진아, 노승복, 노재훈, 2010b. 원격탐사 자료를 이용한 근소만 갯벌 퇴적환경 및 저서미세조류 환경 분석. 한 국습지학회지, 12: 67−78.
최태섭, 김광용, 이병권, 이정석, 2005. 잘피의 광합성에 대한 중 금속 및 TBT의 독성 영향과 중금속 흡수에 대한 연구.
Algae, 20: 157−166.
해양수산부, 2007. 득량만 환경보전해역 환경관리방안 연구. 171 pp.
Barillé, L., M. Robin, N. Harin, A. Bargain, and P. Launeau, 2010.
Increase in seagrass distribution at Bourgneuf Bay (France) detected by spatial remote sensing. Aquat. Bot., 92: 185−194.
Duarte, C.M. 1991. Seagrass depth limits. Aquat. Bot., 40: 363−377.
Duffy, J.E. 2006. Biodiversity and the functioning of seagrass eco- systems. Mar. Ecol. Prog. Ser., 311: 233−250.
Fairbanks, C. and J.G. Norris, 2004. Whatcom County submerged aquatic vegetation survey methods. Fairbanks Environmental Ser-
vices, Inc Marine Resources Consultants.
Foody, G.M. 2002. Status of land cover classification accuracy assessment. Remote Sens. Environ., 80: 185−201.
Hsieh, P.F., L.C. Lee, and N.Y. Chen, 2001. Effect of spatial reso- lution on classification errors of pure and mixed pixels in remote sensing, IEEE Trans. Geosci. Remote Sens., 39: 2657–2663.
Kim, K.Y. and T.S. Choi, 2004. Variability in abundance and mor- phological attributes of Zostera marina L. from the southern coast of Korea. Bot. Mar., 47: 287−294.
Laurent, E.J., H. Shi, D. Gatziolis, J.P. LeBouton, M.B. Walters and J. Liu, 2005. Using the spatial and spectral precision of satellite imagery to predict wildlife occurrence patterns. Remote Sens.
Environ., 97: 249−262.
Lee, S.Y., C.J. Kwon, S. Lee, and C.I. Choi, 2002. Distribution of eelgrass, Zostera marina L. on coast of the Koreas peninsula:
Preliminaty study for eelgrass restoration. Ocean and Polar Research, 24: 55−61.
Lee, S.Y., J.B. Kim, and S.M. Lee, 2006. Temporal dynamics of sub- tidal Zostera marina and intertidal Zostera japonica on the south- ern coast of Korea. Mar. Ecol., 27: 133−144.
McKenzie, L.J., M.A. Finkbeiner, and H. Kirkman, 2001. Methods for mapping seagrass distribution. In: Global Seagrass Research Methods, edited by Short, F.T. and R.G., Coles, Elsevier, Amster- dam, Natherlands, pp. 101−121.
Mumby, P.J., E.P. Green, C.D. Clark, and A.J. Edwards, 1998. Dig- ital analysis of multispectral airborne imagery of coral reefs.
Coral Reefs, 17: 59−69.
Mumby, P.J., W. Skirving, A.E. Strong, J.T. Hardy, E.F. LeDrew, E.J.
Hochberg, R.P. Stumpf, and L.T. David, 2004. Remote sensing of coral reefs and their physical environment. Mar. Pollut. Bull., 48:
219−228.
Pasqualinia, V., C. Pergent-Martinia, G. Pergenta, M. Agreila, G. Skou- fasb, L. Sourbesc, and A. Tsirika, 2005. Use of SPOT 5 for map- ping seagrasses: An application to Posidonia oceanica. Remote Sens. Environ., 94: 39−45.
Phillips, R.C. and E.G. Meñez, 1988. Seagrasses. Smithsonian Insti- tution Press. Washington DC.
Sabol, B.M., R.E. Melton Jr., R. Chamberlain, P.H. Doering, and K.
Haunert, 2002. Evaluation of a digital echosounder system for detection of submersed aquatic vegetation. Estuaries, 25: 133−141.
Sagawa, T., A. Mikami, T. Komatsu, N. Kosaka, A. Kosako, S.
Miyazaki, and M. Takahashi, 2008. Mapping seagrass beds using IKONOS satellite image and side scan sonar measurements: a Japanese case study. Int. J. Remote Sens, 29: 281−291.
Song, C., C.E. Woodrock, K.C. Seto, M.P. Lenney, and S.A. Macomber, 2001. Classification and change detection using Landsat TM data:
When and how to correct atmospheric effects? Remote Sens.
Environ., 75: 230−244.
Thresher, R.E., P.D. Nichols, J.S. Gunn, B.D. Bruce, and D.M. Furlani, 1992. Seagrass detritus as the basis of a coastal planktonic food chain. Limnol. Oceanogr., 37: 1754−1758.
Treitz, P.M., P.J. Howarth, R.C. Suffling, and P. Smith, 1992. Appli- cation of detailed ground information to vegetation mapping with high spatial resolution digital imagery. Remote Sens. Environ., 42: 65–82.
Wabnitz, C.C., S. Andréfouët, D. Torres-Pulliza, F.E. Müller-Karger, P.A. Kramer, 2008. Regional-scale seagrass habitat mapping in the Wider Caribbean region using Landsat sensors: Applications to conservation and ecology. Remote Sens. Environ., 112: 3455−
3467.
Winfield, I.J., C. Onoufriou, M.J. O’Connell, M. Godlewska, R.M.
Ward, A.F. Brown, and M.L. Yallop, 2007. Assessment in two shallow lakes of a hydroacoustic system for surveying aquatic macrophytes. Hydrobiologia, 584: 111–119.
2012년 5월 2일 원고접수 2012년 7월 9일 수정본 접수 2012년 7월 9일 수정본 채택 담당편집위원: 신현출
