광역주파수 음향반사자료의 K-L 변환을 이용한 해저면 분류: 지질음향 모델링을 위한 유용한 방법 = Seabed Classification Using the K-L (Karhunen-Lo$\grave{e}$ve) Transform of Chirp Acoustic Profiling Data: An Effective Approach to Geoacoustic Modeling

국문 초록 (Abstract)

광대역 주파수변조(wide-band FM) 선호를 음원으로 사용하는 Chirp sonar 시스템을 이용하여 획득한 음향반사 자료의 통계학적 처리를 통하여 해저면을 분류하였다. 음향학적 분류변수로서 Chirp 자료의 K-L(Karhunen-Lo$\grave{e}$ve) 변환을 이용하여 계산된 유사도 지수(similarity index)를 고안하였다. 유사도 지수는 근접한 트레이스 자료들에 포함된 공통된 반사신호성분의 양을 지시하므로 해저면 퇴적물의 성분에 따른 음향학적 거침도를 반영한다고 할 수 있다. 유사도 지수는 0에서 1사이의 값을 가지며, 각기 다른 퇴적상을 나타내는 지점에서 획득된 Chirp 자료를 처리한 결과, 퇴적물의 성분이 균질할수록, 입자의 크기가 작을수록, 그리고 연한 퇴적층일수록 증가하는 것을 관측할 수 있었다. 실제의 응용 예로서 제주도 성산포 해역을 이 방법으로 분류하였으며, 그 결과를 검증하기 위해 동일해역에서 획득된 side-scan sonar 자료 및 퇴적물로부터 해석된 해저면의 퇴적상과 비교하였다. 그 결과 음향자료의 유사도 지수에 의해 분류된 해저면은 실제의 퇴적상을 매우 잘 반영할 뿐만 아니라 퇴적물 성분의 특성에 따른 음향반응을 더욱 세밀히 나타내었다. 그러므로 이러한 방법은 음향자료로부터 직접 해저면을 분류하는 지질음향 모델링으로서 매우 효과적이다.

다국어 초록 (Multilingual Abstract)

We introduce a statistical scheme to classify seabed from acoustic profiling data acquired using Chirp sonar system. The classification is based on grouping of signal traces by similarity index, which is computed using the K-L (Karhunen-Lo$\grave{e}$ve) transform of the Chirp profiling data. The similarity index represents the degree of coherence of bottom-reflected signals in consecutive traces, hence indicating the acoustic roughness of the seabed. The results of this study show that similarity index is a function of homogeneity, grain size of sediments and bottom hardness. The similarity index ranges from 0 to 1 for various types of seabed material. It increases in accordance with the homogeneity and softness of bottom sediments, whereas it is inversely proportional to the grain size of sediments. As a real data example, we classified the seabed off Cheju Island, Korea based on the similarity index and compared the result with side-scan sonar data and sediment samples. The comparison shows that the classification of seabed by the similarity index is in good agreement with the real sedimentary facies and can delineate acoustic response of the seabed in more detail. Therefore, this study presents an effective method for geoacoustic modeling to classify the seafloor directly from acoustic data.