위성 기반 황해·동중국해 광학적 수형 및 클로로필-a 농도 장기변동 = Satellite-Based Optical Water Types and Long-Term Variability of Chlorophyll-a Concentration in the Yellow Sea and the East China Sea

국문 초록 (Abstract)

기후변화의 가속화에 따른 해양 일차생산량 변동성 및 해양 생태계 안정성을 파악하기 위하여, 지난 20년(2003-2022)간의 MODIS/Aqua 인공위성 자료를 수집하여 황해와 동중국해의 광학적 수형을 분류하고 표층 엽록소 농도 추세를 분석하였다. 위성 해색 자료에 존재하는 스펙클 오류를 제거하고, 최적 내삽법을 통해 결측값을 보간하여 자료의 신뢰도를 높였다. 연구 결과, 여름에는 맑은 광학적 수형이 우세하고 겨울에는 탁한 수형이 출현하는 계절 변동을 보였다. 연구 해역은 항상 일정한 광학적 특성을 유지하지 않으므로, 해역의 반사도를 고려한 적절한 엽록소 농도 알고리즘 선정이 중요함을 이해하였다. 탁한 연안 해역의 특성을 반영하는 YOC(YSLME on Ocean Color) 알고리즘이 기존 엽록소 농도 알고리즘의 과대 추정 문제를 해결할 수 있음을 확인하여 YOC 변동 알고리즘으로 엽록소 농도를 계산하였다. 공간적으로는 양쯔강 하구를 포함한 중국 연안에서 고농도 엽록소 분포가 나타나고 외해로 갈수록 엽록소 농도와 변동 폭이 감소하는 대비가 나타났다. 한반도 서해안에서는 여름철에 엽록소가 번성하는 특성을 보였다. 엽록소 농도의 장기변동 추세는 해역에 따라 증가 및 감소 양상이 달랐다. 해수면 온도 상승률이 높고 수심이 얕은 해역일수록 엽록소 농도 감소 추세가 강화되는 경향성을 파악하였다. 본 연구는 위성 해색 자료를 이용하여 광학적 수형을 분류하고 연안에 적합한 엽록소 농도 계산 알고리즘의 필요성을 입증하였다. 향후 다양한 현장 관측 자료와의 비교를 통해 위성 자료의 신뢰도를 높이고 수치모델에 활용하여 기후 온난화에 따른 해양 환경 변화를 예측하는 기초 자료가 될 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

To understand the variability of marine primary production and the stability of marine ecosystems due to accelerating climate change, 20 years of MODIS/Aqua satellite data (2003-2022) were collected, and the optical water types of the Yellow Sea and the East China Sea were classified to analyze trends in surface Chl-a (Chlorophyll-a) concentrations. Speckle errors in satellite ocean color data were removed and missing values were interpolated using optimal interpolation to enhance data reliability. The study results showed seasonal variations, with clear optical water types prevalent in summer and turbid water types in winter. Because the study area did not maintain consistent optical characteristics, the importance of selecting an appropriate Chl-a concentration algorithm that considers regional reflectance was recognized. The YOC (YSLME on Ocean Color) algorithm, which reflects the characteristics of turbid coastal waters, was confirmed to address the overestimation problem of existing Chl-a concentration algorithms, and Chl-a concentrations were calculated using the YOC variation algorithm. High Chl-a concentrations were observed along the Chinese coast, including the Yangtze River estuary, and a contrast was observed in which Chl-a concentration and fluctuation range decreased offshore. The west coast of the Korean Peninsula exhibited a characteristic high Chl-a environment, during the summer. Long-term trends in Chl-a concentrations varied across the sea area, with increases and decreases occurring in varying degrees. The tendency for Chl-a concentration declines to be more pronounced in areas with high sea surface temperature increases and shallow water depths was observed. This study used satellite ocean color data to classify optical water types and demonstrated the need for a coastal-specific Chl-a concentration calculation algorithm. Comparisons with various field observations in future work are expected to enhance the reliability of satellite data and utilize them in numerical models, providing fundamental data for predicting changes in the marine environment due to global warming.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 2 장 연구 자료 및 방법 7
• 2.1. MODIS/Aqua 위성 해색 자료 7
• 2.2. 실측 자료 9
• 2.2.1. 일치점 생산을 위한 실측 해양 표층 엽록소 농도 9
• 2.2.2. 실측 엽록소 및 대기·해양 환경 변수 자료 11
• 2.2.3. 다변량 선형회귀 13
• 2.3. 해수면 온도 자료 14
• 2.4. 기후 변동 지수 14
• 2.4.1. 엘니뇨-남방 진동 14
• 2.4.2. 북극 진동 17
• 2.4.3. 태평양 10년 주기 진동 19
• 2.5. 원격반사도 기반 광학적 수형 분류 21
• 2.5.1. 실측 원격반사도를 이용한 기준 스펙트럼 21
• 2.5.2. MODIS/Aqua 원격반사도 기반 수형 분류 23
• 2.6. 위성 엽록소 농도 산출 26
• 2.6.1. YOC(YSLME on Ocean Color) 알고리즘 26
• 2.6.2. 위성 엽록소 이상치 제거 28
• 2.6.3. 위성 엽록소 월별 합성장 산출 29
• 2.7. 장기 추세 및 기후 변동 지수에 대한 반응 32
• 제 3 장 연구 결과 33
• 3.1. 광학적 수형 분류 33
• 3.2. 알고리즘에 따른 엽록소 농도의 차이 41
• 3.2.1. 실측 자료를 활용한 YOC 알고리즘의 신뢰도 검증 41
• 3.2.2. OC 알고리즘과 YOC 알고리즘 엽록소 농도 비교 43
• 3.3. 엽록소 농도의 시공간 변동성 51
• 3.3.1. 엽록소 농도의 장기 분포와 계절 변동성 51
• 3.3.2. 한반도 서해안에서의 여름 엽록소 번성 57
• 3.4. 엽록소 농도의 장기 추세 69
• 3.5. 엽록소 농도의 기후변화에 대한 반응성 73
• 제 4 장 토 의 77
• 4.1. 해수면 온도와 엽록소 농도의 장기 추세 77
• 4.2. 위성 자료 분석의 불확실성 85
• 제 5 장 결 론 87
• 참고문헌 89
• Abstract 99