2.1. 연구재료 및 방법

연구에 사용된 ’15-’17년 기간동안의 낙동강 현장자료는 각각 강정고령보 상류와 달성보 하류 약 10 km 내외의 구간 에서 자료를 수집하였으며, ’17년 현장자료 수집 구간은 낙 동강 합천창녕보 상류, 금강 대청호 및 백제보 상류 약 10 km 구간, 영산강 죽산보 상류 약 10 km 이내로 여름철 녹조 발생이 빈번한 구간을 선정하였다(Fig. 1). 모형의 정확도 제 고는 ’16년 대비 ’17년 개선된 모형 비교를 통해 이루어졌고, 전체 자료에서 2:1의 비율로 학습자료와 검증자료로 구분하 여 그 결과를 정량적으로 분석하였다(Fig. 2).

Fig. 1. Location map of study areas, including the sampling sites; (A) Habcheon-changnyeong Weir(HW) and (B) Changnyeong-Haman Weir(CW) in Nakdong River, (C) Juksan Weir(JW) in Yeongsan River, (D) Lake Daechung(DL), Baekje Weir(BW) in Geum River. Red circles denote the sampling sites(NIER, 2017).

Fig. 2. Schematic summary of this study.

2.2. 현장자료 수집 및 분석

현장측정은 수체의 반사율 산정을 위한 복사량 측정, 조류 색소 분석을 위한 채수, 실내 분광특성 실험을 위한 샘플수 집을 대상으로 하였다.

2.2.2. 물질별 흡수계수 측정

단일 물질별 고유 분광특성은 내부 반사율이 99.9 %로 코 팅 된 적분구(integrating sphere, DRA-Ca-30I)가 장착된 분 광광도계를 이용하여 측정하였으며, ’16년과 동일하게 QFT (Quantitative Filter Technique)(^{Tassan and Ferrari, 1995})을 적용하였다(Fig. 3). 측정된 흡광도는 여과시킨 입자성 물질 에 적용하는 식 (2)를 이용하여 흡수계수로 변환하였다.

Fig. 3. Sample filteration and IOPs measurement using integrating sphere(Right:Tassan and Ferrari (1995))

(2)

a particle λ = 2.303 × OD particle λ / V / A

여기서, 2.303은 10진 로그를 자연로그로 변환하기 위한 계수이고, V는 시료 여과량, A는 시료가 여과된 여지의 면적 이다.

OD_CDOM(λ)은 시료를 폴리카보네이트 여지(47 mm, 0.2 μm, Whatman)에 여과한 후 분광광도계를 이용해 흡광도를 측정 하였으며, 용해물질과 관련된 식 (3)을 용해 흡수계수로 변 환하였다.

(3)

a soluble λ = 2.303 × OD soluble λ / l

여기서, l은 빛이 투과된 거리(= 0.01 m)이며, 최종 OD_CDOM(λ) 은 700 ~ 750 nm 파장의 평균값을 이용하여 후방산란 영향을 보정하였다.

2.2.3. 시료채수 및 수질분석

남조류 농도 분석을 위한 PC 추출용 현장 시료는 수질 분 석을 위한 시료는 1회당 10-15개 지점을 선정하여 수체 복사 량 측정 직후에 표층수 2 L를 무균채수병에 채수하였다(Fig. 4). 현장 녹조 발생 정도에 따라 10-20 ℓ의 표층수를 식물 플랑크톤 네트를 이용하여 농축하여 150 mL 광구병 채수하 였으며, 냉·암소 조건 운반 후 당일 분석하였다.

Fig. 4. Water sampling and field measurements using portable optic sensor at each stations(NIER, 2017)

현장 수질항목 측정은 원격반사도 측정지점과 동일한 위치 에서 다항목수질측정기(ProDSS, YSI)를 이용하여 DO, pH, 수온 및 전기전도도를 측정하였으며, 수체 투명도는 secchi disk를 이용하였다.

현장 Chl-a 색소의 농도는 Standard Method for the Examination of Water and Wastewater(^{APHA, 2005})를 기초 로 분석하였다.

PC 색소의 추출은 균질화, 동결 및 해동, 고속 원심분리 과 정을 거친 후 상등액을 적당량 분취하여 분광광도계로 620 nm, 652 nm에서의 흡광도를 측정하였다(^{NIER, 2015}; ²⁰¹⁶). PC 농도는 다음 식 (4)(^{Bennett and Bogorad, 1973})를 통해 환산하였다.

(4)

PC mg / m 3 = OD 620 - 0.474 × OD 652 5.34

부유물질(Suspended Solids, SS)의 분석은 수질오염공정시 험기준(환경부고시 제2016-65호)에 근거하여 수행되었으며, 모든 분석에 관한 전처리는 최대한 시료 채수 당일 수행되도 록 하였다.

2.3. 고유광특성 변환 모델(IOPs Inversion Model)

IOPs 변환 모델은 흡수계수 및 후방산란계수의 물리적 관 계식 (5)에 기초하며(^{Gordon et al., 1988}), ^{Gons et al. (2005)} 이 제안한 식 (6)을 이용하여 입자성물질에 의한 후방산란계 수 b_b(778)를 계산하였다.

여기서, R_rs(λ)는 수표면 원격반사율, r_rs(λ)는 수중 원격 반사율을 의미하며, 수중에서 얻을 수 있는 원격반사율은 수 표면에서보다 0.54배 적다는 가정에 기초한다(^{Doxaran et al., 2002}; ^{Salama et al., 2009}). f(λ)는 광 영역 계수, Q(λ)는 광 분산 계수, a(λ)는 흡수계수, b(λ)는 후방산란계수이다. 이때, 수중에서 물질에 의해 일어나는 후방산란은 100% 회 수하는 것이 매우 어렵기 때문에 ^{Gons et al. (2005)}이 가정 하고 제안한 f/Q(778) = 0.082sr^-1 값이 적용되었다.

전 파장에서의 후방산란 계수는 b_b(λ)는 아래 식 (7), (8), (9)를 이용하여 계산된다(^{Lee and Carden, 2004}).

여기서, b_bw(λ)는 ^{Morel (1974)}이 제안한 값이 사용되었다.

식 (10)에서 IOPs 변환 시 가정된 계수의 f(λ)와 Q(λ)의 영향을 거의 받지 않는 709 nm 파장대를 λ_B 로 놓고 나머지 다른 파장을 λ_A 로 하는 반사율 비는 다음 식(15)과 같이 설 명된다.

따라서 물 이외 전체물질에 의한 흡수계수인 a_t-w(λ)는 식 (10)을 대수학적으로 정리하여 식 (11)과 같이 표현할 수 있다.

여기서, a_w(λ)는 20 °C 수온에서 측정된 값을 사용하였다 (^{Buiteveld et al., 1994}).

식물성 플랑크톤에 의한 흡수계수 a_ph(λ)는 a_t-w(λ)를 통 해 분리 계산되며, a_ph-pc(675) 추정 시 가정된 a_t-w(675)≈1.1872a_t-w(665)는 수정 개선하였다.

Colored Detritus Matter (CDM)에 의한 흡광 계수 a_CDM(λ)은 분광학적 기초 이론에 근거하여 PC의 영향을 받지 않는 437 nm 파장을 기준으로 하는 지수함수 식 (12)를 사용하였 다. a_CDM(437) = a_t-w(437) - a_ph-pc(437) 관계는 R_rs(λ)의 500 nm 이하 파장에서 발생하는 오차가 큼에 따라 본 연구에서 는 a_ph-pc(λ)을 통해 추정하는 식으로 개선하였다.

최종 PC 농도는 고유흡수계수(specific absorbtion coefficient) 를 이용하여 아래 식 (13), (14)와 같이 산정되며, 학습자료를 통해 개선된 모형에 검증자료를 적용하여 정확도를 제고하였다.

3.1. 원격반사도 분석

3대강 수계에서 산정된 반사율은 수표면의 반사광 효과를 최소화하기 위해 Power-fitting 기법을 적용하였다(^{Kuster et al., 2013}). 보정된 반사율은 공통적으로 일반적인 수체에서 나타나는 분광곡선 형태와 같이 700 nm 인근에서 반사, 620 nm 인근에서 PC에 의한 흡수, 675 nm 인근에서 Chl-a에 의 한 흡수가 관찰되었다(Fig. 5).

Fig. 5. Remote sensing reflectance measured in three rivers. Reflectance is power-fitted for removing glint effect(NIER, 2017).

3.2. IOPs 모형의 개선

각 수계별 모델의 개선은 낙동강 145개, 금강 147개, 영산 강 66개 자료를 이용하여 수행되었다(Table 1). ’17 낙동강 모형은 ’16과 비교하여 학습자료에 대한 개선 정도를 평가하 였고, 금강과 영산강 모형은 적용 오차 평가와 함께 개선 방 향을 분석하였다. 낙동강 자료는 ’16년에 구분된 학습, 검증 자료를 기준으로 ’17년 자료를 무작위로 추가하였고, 금강과 영산강 자료는 전체 자료수에서 학습, 검증의 비율을 2:1로 무작위 구분하였다.

개선 모델에서는 후방산란 산정 시 ’15 ~ ’17년 취득한 현 장 원격반사도로부터 수체 내 물질들의 강한 흡수특성을 보 이는 437 nm를 λ₁로, 산란 특성을 보이는 565 nm를 기준파 장(λ₀)으로 결정하고 아래 식 (15)를 이용하여 산정하였다.

’15 ~ ’17년 취득한 실내 IOPs 측정결과, 675 nm 파장에서 대부분 빛을 흡수하며 CDM의 영향이 0에 가까운 것을 확인할 수 있었다. 따라서 식물성 플랑크톤이 빛을 흡수하는 파장(675 nm)을 기준으로 식 (16)과 같이 전 파장구간 a_ph-pc(λ)를 산정 하였다. 여기서, 기준 파장이 되는 a_ph-pc(675)는 a_t-w(675) ≈ a_ph-pc(675)로 가정하고, 다음 (17)과 같이 상관관계식을 적용 하여 추정하였다.

현장 AOPs 조사 시 400 nm에서 500 nm 파장대(청색) 구 간은 수표면 물결 등에 의한 태양광 반사 또는 부유성 입자 에 의해 발생하는 오차가 크다. 따라서 기타 물질의 간섭을 제외하고 실내에서 측정 된 IOPs를 통해 선택한 437 nm 파 장 흡수계수와 AOPs간의 회귀분석을 통해 식 (18)과 같이 543 nm 파장을 이용한 관계식을 적용하였다.

전 구간 CDM의 흡수계수는 ’17년 추가 획득 자료로부터 개선되었으며(Fig. 6), 지수함수 관계식 (19)를 적용하여 산 정하였다.

Fig. 6. Comparison of normalized CDM absorption coefficient at 437 amongBricaud et al. (1981),KIOST (1999), ’16 and ’17 optimized model

최종 모형에 적용된 각 수계별 변수는 Table 2와 같다.

3.3. 개선 모형(IOPs-IM)의 적용 결과

개선된 ’17년 IOPs-IM에 학습자료를 적용한 결과는 ’16년 모형에 비해 RMSE, MAE는 각각 감소하였으나, MRE는 증 가하였다(Fig. 7). 이는 추가 획득된 ’17년 자료의 다수가 낮 은 PC 농도값을 가짐에 따라 700 nm 파장대 이후에 발생하 는 후방산란 영향으로 낮은 수치가 측정되어 산정 오차가 증 가한 것으로 판단된다.

Fig. 7. Comparison of modeled PC concentration, that were estimated using ’16 and ’17 IOPs-IM respectively, with measured ones of training data set of Nakdong River. Gray dotted lines are 1:1 lines(NIER, 2017).

’17년에는 금강과 영산강수계에 적합한 IOPs-IM으로 각각 보정자료를 적용한 결과는 Fig. 8과 같다.

Fig. 8. Comparison of modeled PC concentration, that were estimated using the IOPs-IM, with measured ones of training data set of Geum and Yeongsan River respectively. Gray dotted lines are 1:1 lines(NIER, 2017).

IOPs-IM 구조상 700 nm 이후 파장대에서 매우 높게 측정되 어 후방산란 산정 오차를 증가시키는 경우, 추정된 PC 농도값 이 높게 산정된다. 따라서 ’16년 금강 백제보에서 획득 된 8월 12일 1개 지점, 8월 19일 1개 지점 값이 결과에 큰 오차를 가져 왔으나, 2개 지점을 제외한 결과는 R² 0.83, RMSE 35.1 mg/m³, MAE 28.4 mg/m³, MRE 58.5 %으로 향상된 결과를 보였다.

영산강 수계는 높은 PC 농도 지점에서 모형이 과소 추정 하는 결과를 보였다. 이는 전반적으로 획득 자료수가 적고 시기별 측정 지점간 농도 변화폭이 큼에 따라 모형이 잘 추 정하지 못한 것으로 판단된다.

3.4. IOPs-IM 검증

낙동강의 ’17년 추가 생산된 자료를 통해 개선된 각 모형 은 검증자료를 적용하여 평가되었다. 모형은 ’16년에 비해 R² 값이 모두 감소하였으나 RMSE와 MAE 수치는 향상되었 다(Table 3). 모형의 ’16년 ’17년 검증자료에 대한 비교그래 프는 Figure 9와 같다. 금강의 RMSE는 다른 모형에 비해 다 소 높은 것으로 계산되었는데, 이는 ’16년 8월 19일 취득 자 료 중 1개 지점에서 후방산란 산정의 기준이 되는 778 nm 파장 값이 매우 높게 측정됨에 따라 과대추정한 것으로 나타 났다. 1개 지점 값을 제외한 결과는 R² 0.68, RMSE 42.9 mg/m³, MAE 28.0 mg/m³, MRE 58.2 %로 유의한 값을 보였다. 영산강의 자료는 금강에 비해 MRE가 낮으나, RMSE와 MAE는 높게 나타났다. 영산강은 높은 PC 농도를 가지는 특 정지점 자료로 인해 상대적 오차가 컸다(Fig. 10). 가장 높은 PC 농도를 가지는 자료를 제외한 RMSE는 60.2 mg/m³로 절 반 가까이 낮아지는 것으로 보아, 해당 자료는 취득상 오류 가 있는 것으로 판단되었다.

Fig. 9. Comparison of modeled PC concentration, that were estimated using three models, with measured ones of validation data set of ’16 and ’17 Nakdong River respectively. Gray dotted lines are 1:1 lines(NIER, 2017).

Fig. 10. Comparison of modeled PC concentration, that were estimated using three models, with measured ones of validation data set of Geum and Yeongsan River respectively(NIER, 2017).

금강과 영산강 자료의 모형 적용 결과는 낙동강에 비해 전 반적으로 오차가 큰 것으로 나타났고, 이는 모형 개발을 위 한 자료의 질과 양의 한계로 판단된다. 금강의 자료는 전체 양에 비해 낮은 PC 농도를 가지는 자료가 대부분이고, 영산 강은 현상에 대해 통계적으로 설명하기 위한 자료수가 절대 적으로 부족하다. 향후 두 수계의 안정적인 원격 조류 모니 터링을 위해서는 고-저농도 구간 고른 분포를 가지는 자료를 충분히 획득한 후, 모형이 추가 개선되어야 한다.