Sentinel-2 MSI와 Oversampling 기법를 활용한 소규모 호수 대상 Chlorophyll-a 산정 = Estimation Chlorophyll-a of Small Scale lake using Sentinel-2 MSI and Oversampling technique

국문 초록 (Abstract)

화성시와 평택시를 연결한 남양방조제 건설로 형성된 간척담수호인 남양호는 형상계수가 낮고 밀집도가 높아 체류시간이 길어 잦은 수질 악화와 녹조가 발생한다. 이러한 문제를 예방하고 해결하기 위해서는 녹조의 분포와 농도를 이해하는 것이 중요하다. 따라서 본 연구에서는 Sentinel-2 Multispectral Image (MSI)와 현장샘플링 자료를 활용하여 Chlorophyll-a (Chl-a) 추정 알고리즘을 개발하고 남양호의 녹조 분포특성을 평가하고자 한다. Chl-a 추정 알고리즘 개발을 위해 MSI영상은 Level-2 A, B 자료에서 B1 (443 nm) ~ B8 (842 nm)반사도 자료를 사용하였으며 수질자료는 EXO-YSI에서 측정된 현장자료와 샘플링검사를 통한 수질자료(Chl-a, Phychocyanin, EC, TSS, CDOM, TOC 등)를 활용하였다. Chl-a 값은 전체기간 동안 2.9 ~ 294.9 mg/l의 범위를 가졌으며 호소 생활환경기준 Chl-a 나쁨 기준인 70mg/l 이상의 고농도 구간 자료개수가 전체 171개의 자료 중 45개로 불균형하다. 따라서 Oversampling 기법인 Synthetic Minority Over-sampling Technique (SMOTE)과 Adaptive Synthesis Sampling Approach (ADASYN)방법으로 합성 데이터를 생성하여 수질 데이터 고농도 구간의 데이터 불균형을 해결하고 Chl-a 알고리즘의 성능을 개선하고자 하였다. 머신러닝 기법인 Artificial Neural Network 을 활용하여 생성된 합성 데이터를 학습시켜 Chl-a 산정 알고리즘을 구축하였다. Oversampling 기법과 기계학습 모델 적용을 통한 알고리즘 개발은 데이터의 불균형을 해결하여 고농도의 Chl-a 탐지 성능을 향상 시킬 수 있으며, 알고리즘을 통해 생성된 Chl-a 분포 맵은 호소 내 효율적인 조류 관리에 도움이 될 수 있을 것으로 판단된다.