2.1. 연구지역

본 논문의 연구지역으로는 대한민국 4대강 중 하나인 금강 수계를 기준으로 연구를 실시하였다. 금강은 크고 작은 약 20개 지류가 본류로 합류하는데 금강의 주요 지류는 논산천, 미호천, 갑천, 강경천 등이 있으며, 대한민국에서 소양호와 충주호에 이어 세 번째로 큰 호수인 대청호가 위치해있다. 금강 수계는 호남 및 충청도민들의 주요 식수로 쓰일 뿐만 아니라 산업, 농업, 생활용수로 이용되고 있다. 또한, 대청댐은 금강 하류의 홍수조절 및 수력발전에 이용되고 있다[16-17].

본 연구에서는 2018년에 대한 총인(total phosphorus, TP [mg/L])에 대해서 인공위성 자료의 상관성 분석 및 회귀식을 적용하기 위하여 대청댐 내에서의 관측 지점인 4곳(현도, 대청, 대청댐, 대청댐1)을 선정하였다(Fig. 1, Table 1)(물환경정보시스템, http://water.nier.go.kr/).

Fig. 1.

Geographical information of measurement sites in Daecheong Reservoir.

Table 1.

Summary of information of the water quality measurement.

2.2. Landsat 8

본 연구에서 수질 관측 및 분석을 위하여 Landsat 8 인공위성 자료(LC08-L1TP)를 이용하여 연구를 실시하였다. 이 위성은 Landsat Series 중에서 2013년 2월 11일에 발사되어 가장 최근에 많은 연구에 활용되고 있으며, 가시광역의 공간해상도는 30 m를 가지고 있으며, 열적외선(Thermal Infrared, TIRS) 밴드의 경우에는 기존의 공간해상도에 비하여 100 m 공간해상도를 가지고 있다. 본 연구에서 정밀도 및 지형 보정이 이뤄진 Level-1 Precision Terrain (L1TP) 자료 중 시계열 분석에 적합한 것으로 알려진 Tier 1 (T1) 자료를 활용하여 연구에 적용하였다(https://glovis.usgs.gov/ ). 연구에 사용된 밴드는 1에서 7번 밴드로 Landsat 8에 대한 정보는 Table 2에 정리하였다.

Table 2.

Information of bands from the Landsat 8 (https://landsat.gsfc.nasa.gov/landsat-8/).

연구기간으로는 2018년까지 기간 동안 촬영된 영상자료 중 구름의 양이 10% 미만인 날짜만을 대상으로 하여 연구에 적용하였다. 연구에서 2018년(1월 10일, 4월 16일, 11월 26일)에 물환경정보시스템에서 현도, 대청댐, 대청댐1, 대청에서 관측된 자료를 통한 관계식을 산출하였으며, 이 관계식을 실시간수질정보시스템에서 관측된 지점에 적용하여 검증을 실시하는 연구를 진행하였다. 본 연구에서 관계식을 나타내기 위하여 인공위성 이미지 자료로 제공되는 DN (Digital number)를 전처리 작업을 통해서 반사도 값으로 변화하여 사용하였다(Eq. (1), (2)).

여기서, 여기서 ρλ'는 태양각 보정전의 밴드별 반사도 값이고 DN은 영상에서의 각 밴드별 화소값이며, A_ρ와 M_ρ는 밴드별 고유 반사도 가산 환산 계수와 배수 환산 계수를 나타낸다. ρ_λ는 태양각 보정후의 반사도를 나타내며 θ_SE와 θ_SZ지역 태양 고도각과 지역 태양천정각(θ_SZ = 90° -θ_SE)을 나타낸다. 각 밴드별 정보는 인공위성 자료와 같이 제공되는 메타 정보를 통해서 확인할 수 있다.

2.3. Multiple Linear Regression

본 연구에서는 Multiple Linear Regression (MLR)을 사용하여 종속 변수인 수질 자료와 여러 독립적인 설명 변수(Landsat 8 밴드) 사이의 관계성을 통하여 모형을 구축하였습니다. 연구 지역에서의 수질 매개변수와 Landsat 8 자료사이의 관계를 파악하기 위하여 단계적 다중 회귀가 사용된다.

여기서, water quality parameters (WQP)는 수질 매개 변수(TP)을 나타내며, L8는 Landsat 8의 각 밴드의 reflectance와 조합을 나타냅니다. k는 Landsat 8 밴드 및 밴드 조합 번호를 나타내며, A₀과 A_i는 관측 값을 사용하여 도출된 경험적 회귀 계수이다. WQP와 스펙트럼 특성 사이의 관계에 대한 이전 연구들을 방법을 바탕으로, 이 연구에서 통계 분석을 위해 인공위성의 visible, infrared 밴드들의 각 밴드와 밴드 비를 활용하여 영양염류에 관한 최적 회귀식을 산정하여 연구를 진행하였다.

2.4. 영영상태 평가지표(Trophic State Index, TSI)

호수 및 하천 수질의 영양등급을 구분하기 위해 항목별 단위 기준 또는 계량된 무단위 기반의 영양상태 평가지표가 개발되어왔다. 투명도, Chl-a, TP와 같은 수질 판별 인자들을 통하여 호소의 영양상태를 파악하기 위해 Carlson [18]에 의해서 TSI가 제안되었으며, 기존의 TSI 방법이 투명도를 기준으로 한 방법이라면 클로로필 농도를 기준으로 한 부영양화 지수를 산정하는 Aizaki [19] 제시하였으며, 부영양화와 밀접한 관계를 가진 수질 특성의 어느 한 항목만 측정하여도 영양상태를 파악할 수 있도록 하였다. 영양상태 지수는 아래 식을 통해서 산정할 수 있으며, 부영양화도는 Table 3과 같이 나타낼 수 있다.

Table 3.

Information of classification of TSI.

3.1. Regression Analysis

일반적으로 영양염류인 TN, TP는 하천 및 호수에서의 부영양화를 발생시키며 조류를 번식하는 영양성분이 된다. 선행연구에서 인공위성을 이용한 다양한 스펙트럼 대역 사이의 비를 이용하여 지상기반의 수질 측정값과 원격탐사 자료와의 경험적 관계를 통해 정량화하였다. 선행연구들에서도 확인할 수 있듯이, 다양한 시각 스펙트럼 대역 사이의 비(녹색과 빨간색 사이의 비율, 청색과 적색의 비, 적외선과 적색사이의 비율 등)가 TP의 정량화하기 위하여 사용된다[20-21]. 경험적 관계에 대한 경험식 산출에 앞서 먼저 지상 관측 수질 자료와 Table 2에 표기된 Landsat 8의 1번부터 7번 밴드(Visible과 Near Infrared 영역)와 각 밴드 조합의 상관관계를 파악해 보았다(Table 4). 먼저, 가시광선과 근적외선영역에서는 수질과의 관계성이 있는 반면에 단파장 적외선 영역에서는 TP의 상관성이 확연하게 낮은 것을 확인할 수 있다. 따라서 Landsat 8을 이용한 수질에 대한 분석에서 단파장 적외선 영역(B6과 B7)을 포함한 조합은 제외하였다. TP의 대한 결과를 확인하면, B5, B4, B3와의 관계성이 -0.65의 음의 관계를 보이고 있다. 상대적으로, 다른 밴드에 비하여, B1, B6, B7 밴드에 대한 상관성이 떨어져서 밴드 조합에서도 제외하였다.

Table 4.

Result of Person’s correlation of TP with Landsat 8 bands and band combinations.

3.2. Estimation of the TP using the Regression Model

본 연구에서 Table 3에 나타나있는 Landsat 8의 반사도 및 밴드 조합과 수질 인자인 TP를 이용하여 단계별 다중 회귀분석(stepwise multiple regression) 방법을 이용한 다중회귀분석을 실시하였으며, 이 식을 이용하여 수질인자를 산정하는 회귀모형을 실시하였다. Stepwise는 다른 독립변수가 회귀식에 존재할 때 종속변수에 영향력이 있는 변수만을 고려하는 방법으로 Table 4에 나타나있는 변수 중 유의수준 0.05 (p-value≤0.05) 이내에서 선별된 변수를 포함하도록 하였다. 추정된 TP식은 단일밴드와 밴드비율(B5, B4, B3, B2)조합의 다중회귀 모형으로 표현되었다.

여기서, B는 Landsat 8 위성 영상자료의 band를 나타내며, 각 숫자들은 밴드 번호를 나타내고 있다.

Fig. 2는 Eq (5)의 회귀식을 통해서 인공위성 영상자료를 이용한 TP의 예측치와 지상 관측 TP의 분포도를 나타낸 것이다. 단일밴드와 밴드비를 이용한 다중회귀식을 적용한 예측값과 실측값의 결과는 1:1 선에 거의 근접하게 일치하는 경향을 보였으며, 통계학적 결과를 확인하면 R²는 0.956, p-value는 0.022로 높은 수준의 유의성을 보였고, 평균제곱근편차(root mean square error, RMSE)는 0.001 mg/L를 나타내었다.

Fig. 2.

Scatter plot of measured TP and estimated TP from Landsat 8.

3.3. Spatial Distributions of TP and TSI (TP)

Fig. 3은 2018년에 대해서 대청호 관측 지점과 인공위성으로부터 산정된 TP와 TSI의 결과를 나타내었다. 먼저, 지점 기반의 경향을 확인하면, 4월 말부터 TP의 농도가 증가되었다가 6월에 다시 감소하였으며 8월에는 매우 높은 TP의 증가를 나타내었다가 10월 중순에 다시 평균적인 경향을 나타내었다. 특히 이 시기에 Aizaki가 제안한 TSI (TP)를 계산한 결과 동일한 시기에 부영양화의 상태를 나타내는 것으로 볼 수 있으며, 전반적으로 인공호인 특성을 가지는 대청호가 2018년도에 평균적으로 1월에서 4월 초를 제외하고는 중영양(Mesotrophic) 상태가 유지되는 경향을 나타내었다(Fig. 3). 회귀식을 이용하여 인공위성으로부터 산정된 TP와 이를 이용한 TSI결과(1월 10일, 3월 31일, 4월 16일, 7월 21일, 8월 22일, 10월 25일, 11월 26일)를 실제 관측지점과 비교하였다(Fig. 3). 호소 내에 존재하는 대청댐1과 대청댐 지점의 경우 전반적으로 모든 기간에 대해서 경향을 잘 나타내고 있는 것을 확인할 수 있었으나, 댐 유출구 지역인 현호와 대청 지점의 경우 다른 지점의 비해 과대 및 과소 산정되는 경향이 나타내고 있다. 이는 정제된 호소인 대청댐1과 대청댐과는 다르게 하천에 설치되어 있는 두 지점의 TP의 정확한 관측 시간과 인공위성의 관측 시간의 불일치로 인한 문제로 보여진다. 이는 댐의 방류 등 외부적인 요인으로 인하여 하천의 수질인자의 변동을 회귀식으로 정확하게 판단하지 못한 것으로 보이며, 또한, 매일 관측되지 않는 수질관측 지점의 값이 인공위성이 관측 날짜의 값을 나타내지 않아 실제적인 갑작스러운 변동성을 나타내지 않아 확실한 수질의 변동을 나타낼 수 없다. 이를 해결하기 위해서는 하천지역에서의 연속적인 관측날짜가 제공되는 지점에서의 연구가 필요할 것으로 사료된다.

Fig. 3.

Time series for in-situ and Landsat 8 based TP and TSI (TP) on study sites.

다중회귀분석을 통하여 얻어진 회귀식을 적용하여 대청호에서의 모니터링을 실시하였다. 2018년도에 관측된 Landsat 8 위성 영상자료를 Eq. (5)로 유도된 회귀식을 적용하여 TP의 추정 분포도를 Fig. 4에 나타내었으며, Fig. 5는 Eq. (4)의 Aizaki TSI를 적용하여, 대청호의 영양상태 지수에 대해서 구분하였다. 전반적으로 인공위성 자료를 이용해서 추정된 TP의 공간 분포는 계절 및 기상 조건에 따라 증가되었다가 감소되는 경향을 나타내고 있다(Fig. 4). TP를 통한 영양상태 평가지표의 분석을 위해서 2018년 1월과 3월에 관측된 Landsat 8 위성 영상으로 추정된 TSI (TP)의 분포를 확인하면 빈영양과 중영양상태의 분포양상을 나타내고 있으며 Fig. 3의 대청댐에서의 결과와 비교해보았을 때 적절한 분포양상을 나타내는 것으로 파악된다. Fig. 3 및 조류예보에 따르면, 2018년 8월 말(8.23)에서 9월 초(9.4)까지 약 440 mm의 강우가 발생하였으며 이로 인하여 오염물질이 다량 하천으로 유입되었다고 보고되었다. Fig. 3의 시계열의 결과에서도 8월 말부터 대청댐의 TSI (TP)가 증가되었으며, 10월 말에 들어서 감소되는 경향을 나타내었다. Fig. 5에서 확인하면, 강우가 오기 전인 8월 22일에는 대청호 주변에 대부분 중영양화 상태와 간헐적으로 빈영양상태의 분포를 보였다. 여름철에 강우가 많이 발생하고, 구름 및 외부 영향으로 8월 말에서 10월 말까지의 활용가능한 인공위성 자료가 없어 정확하게 감소하는 시공간적 경향을 나타내기는 어려우나, 강우로 인한 지표면의 오염물질이 하천으로 유입된 후인 10월 25일에 관측된 결과를 보면 시간이 지남에도 불구하고 인공호라는 특성으로 인하여 대청호의 대부분이 부영양화 상태와 중영양화 상태가 혼합되어 있다. 11월 말에 들어서 수온 및 기온이 낮아짐에 따라서 대청호의 주변이 중영양과 빈영양 상태로 변화하는 경향을 나타내었다. 시공간 분석을 통해서 확인한바 계절적 특성에 따른 변동성보다는 강우와 주변환경에 의한 영향이 더 지배적이라고 판단할 수 있다. TSI의 공간적 분포를 통하여 잠재적으로 녹조 발생 가능지역을 영양상태 지수에 대한 분포양상을 시각적으로 확인할 수 있었다.

Fig. 4.

Spatial distribution map of TP estimated from Landsat 8 in study area.

Fig. 5.

Distribution mapping of TSI (TP) estimated from Landsat 8 in study area.