Detection and Dispersion of Oil and Hazardous and Noxious Substances (HNS) Spills Using Optical Satellite Imagery = 광학 위성 영상 활용 유류 및 위험유해물질(HNS) 유출 탐지와 확산|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Oil and hazardous and noxious substance (HNS) spills in marine environments cause severe ecological and socio-economic damage. Rapid monitoring is therefore essential, yet direct access to spill sites is often difficult due to the toxicity and dangerous nature of oil and HNS materials. Satellite remote sensing offers an effective solution for wide-area, rapid monitoring, and optical satellites in particular provide the advantage of spectrally distinguishing pollutants through spectral analysis. In this study, Sentinel-2 optical satellite imagery was used to detect, classify, and assess the environmental impacts of four real spill events: the diesel spill in Jeju (Republic of Korea), the BTEX and petroleum spills in Houston (USA), the sunflower oil spill in Mykolaiv (Ukraine), and the ferric chloride spill at the Lavéra refinery (France). A refined preprocessing workflow—comprising land masking, cloud removal, and ship removal—was established, after which N-FINDR was applied to extract endmembers and separate pollutants based on their spectral characteristics to derive spill extents. Furthermore, the N-FINDR detection results were used as training data to train three AI algorithms—CNN, SVM, and Random Forest—and then applied to satellite images to detect pollutants. The analysis results showed that N-FINDR effectively distinguished the spectral characteristics of the spilled pollutants and surrounding substances such as seawater, and successfully detected the pollutants. Among the AI algorithms based on the N-FINDR algorithm detection results, Random Forest showed the best performance even under limited training data conditions. This is because Random Forest can effectively classify data with a small training data set because it learns through multiple decision trees. In the case of the Jeju Island oil spill, a satellite-based high-resolution bathymetric map was generated using the Stumpf model, which confirmed the presence of a small seamount that was not visible in the existing bathymetric map. These small coastal geographic features were found to significantly influence the dispersion of spilled oil. Furthermore, Normalized Difference Chlorophyll Index(NDCI) was applied to satellite imagery to monitor changes in chlorophyll concentration after a pollutant spill, and the Particulate Organic Carbon Index(POCI) was used to observe changes in organic carbon concentration. The analysis results confirmed that chlorophyll and organic carbon concentrations changed significantly after a pollutant spill depending on the type of pollutant, demonstrating that pollutant spills clearly impact the ecosystem. This study observed coastal pollutant spills of diesel, BTEX, sunflower oil, and ferric chloride using Sentinel-2 satellite imagery. To the authors' knowledge, this is the first time an actual HNS spill has been monitored and analyzed using a high-resolution optical satellite. The spectral characteristics of the pollutants were analyzed using the N-FINDR spectral mixture analysis technique. Additionally, clustering algorithms such as Kmeans and FCM, as well as artificial intelligence algorithms such as CNN, SVM, and Random Forest, were utilized to detect the spilled pollutants and cross-validate the detection results with those of NFINDR. This demonstrates the broad applicability of pollutant monitoring techniques using high-resolution optical satellites to various pollutants and spill environments.

번역하기

국문 초록 (Abstract)

해양 환경에서 발생하는 유류 및 유해·위험물질(HNS) 유출은 심각한 생태적 및 사회경제적 피해를 초래한다. 따라서 신속한 모니터링이 필수적이나, 유류 및 HNS의 독성과 위험성으로 인해 유출 지점에 직접 접근하기 매우 어려운 한계가 존재한다. 이에 위성 원격탐사는 광역적이고 신속한 모니터링을 제공할 수 있으며, 특히 광학 위성은 분광 분석을 통해 오염물질을 스펙트럼 특성으로 구분할 수 있다는 이점이 있다. 본 연구에서는 Sentinel-2 광학 위성영상을 활용하여 대한민국 제주도 경유 유출, 미국 휴스턴 BTEX 및 석유 유출, 우크라이나 미콜라이우의 해바라기씨유 유출, 프랑스 라베라 정유소의 염화제2철 유출 등의 네 가지 유출 사례를 탐지·분류하고 환경 영향을 평가하였다. 육지 제거, 구름 제거, 선박 탐지로 구성된 정교한 전처리 절차를 수행하였으며, 그 후 N-FINDR 알고리즘을 적용하여 엔드멤버를 추출하고 분광 특성 차이에 기반해 오염물질의 공간적 분포를 도출하였다. 이후 CNN, SVM, Random Forest 등 지도학습 기반 분류 알고리즘을 적용하여 유출 경계를 더욱 정밀하게 분류하고 정량화하였다. 연구 결과, N-FINDR는 물질 간 고유한 스펙트럼 차이를 효과적으로 분리해냈으며 얇은 기름막의 가시광–근적외 반사도 증가, BTEX의 근적외–단파적외 반사도 감소, 해바라기씨유의 황색 밴드 반사도 증가, 염화제2철의 강한 적색 밴드 반사도 증가 등 오염물질의 분광 특징을 성공적으로 식별하였다. 지도학습 기법 중에서는 제한된 학습데이터 조건에서도 Random Forest가 가장 우수한 성능을 보였다. 제주 사례에서는 Stumpf 모델로 생성한 위성 기반 수심도를 통해 기존 수로도에 기록되지 않은 미세한 해저 지형을 확인하였으며, 이는 초기 기름막의 양분화 및 확산 경로에 크게 기여하는 것으로 나타났다. 또한 NDCI(Normalized Difference Chlorophyll Index) 및 POCI(Particulate Organic Carbon Index)를 활용한 생태 반응 분석을 통해 유출 이후 식물플랑크톤 생산성 감소 및 유기물 농도 변화 등 뚜렷한 환경 변화를 확인하였다. 본 연구는 BTEX, 해바라기씨유, 염화제2철을 포함한 실제 HNS 유출 사건에 고해상도 광학 위성 기반 분석을 적용한 최초의 사례로 의의가 크다. 분광 혼합 해석, 군집화, 머신러닝 분류를 통합한 본 프레임워크는 다양한 물질 유형, 유출 규모, 해양환경 조건에 적용 가능한 높은 확장성과 실효성을 보여준다. 제안한 방법론은 향후 유류 및 HNS 유출에 대한 실시간 모니터링, 환경 영향 평가, 재난 대응 시스템의 핵심 기반 기술로 활용될 것으로 기대된다.

번역하기

해양 환경에서 발생하는 유류 및 유해·위험물질(HNS) 유출은 심각한 생태적 및 사회경제적 피해를 초래한다. 따라서 신속한 모니터링이 필수적이나, 유류 및 HNS의 독성과 위험성으로 인해 유...

목차 (Table of Contents)