인공신경망을 이용한 적조탐지 알고리듬

Abstract

이 연구는 한국 연안에서 20년 이상 환경·사회·경제적 문제를 일으켜온 Cocchlodinium polykrikoides적조를 광학적으로 탐지할 수 있는 알고리듬에 대한 것이다. 그동안 여러 종류의 적조 탐지알고리듬이 제안되었으나 대부분 경험적 알고리듬으로 현장의 환경적 특성에 따라 정확도가 크게 달라져 현장 적용에 한계가 있었다. 이러한 문제를 극복하기 위하여 C. polykrikoides적조의 광학적 특성에 근거하여 광학 모델을 활용한 알고리듬을 개발하고 있다. IOCCG 데이터베이스와 측정자료에 기반한 반사도 시뮬레이션을 통해 다양한 광 조건에서의 반사도 스펙트럼을 모사하였다. 약 2,200여개의 반사도 스펙트럼을 분석한 결과 C. polykrikoides적조와 적조가 아닌 경우의 반사도는 청-녹 파장대에서 매우 다른 특성을 보였으며 Rrs(555)/Rrs(531), Rrs(488)/Rrs(443), 두 개의 밴드 공간에서 분리가 가능했다. 이 정보를 이용하여 다양한 자연 환경과 밀도 하에서 판별이 가능하도록 3-layer backpropagation neural network 알고리듬을 개발하고 있다. 위성자료에 적용할 수 있도록 유사한 알고리듬을 개발하고 있으며 궁극적으로 KISTI와 공동개발 중인 적조 빅데이터에 적용하여 Cocchlodinium 적조의 장기적 분포 변화 자료를 생산할 예정이다.환경적 특성에 따라 정확도가 크게 달라져 현장 적용에 한계가 있었다. 이러한 문제를 극복하기 위하여 C. polykrikoides적조의 광학적 특성에 근거하여 광학 모델을 활용한 알고리듬을 개발하고 있다. IOCCG 데이터베이스와 측정자료에 기반한 반사도 시뮬레이션을 통해 다양한 광 조건에서의 반사도 스펙트럼을 모사하였다. 약 2,200여개의 반사도 스펙트럼을 분석한 결과 C. polykrikoides적조와 적조가 아닌 경우의 반사도는 청-녹 파장대에서 매우 다른 특성을 보였으며 Rrs(555)/Rrs(531), Rrs(488)/Rrs(443), 두 개의 밴드 공간에서 분리가 가능했다. 이 정보를 이용하여 다양한 자연 환경과 밀도 하에서 판별이 가능하도록 3-layer backpropagation neural network 알고리듬을 개발하고 있다. 위성자료에 적용할 수 있도록 유사한 알고리듬을 개발하고 있으며 궁극적으로 KISTI와 공동개발 중인 적조 빅데이터에 적용하여 Cocchlodinium 적조의 장기적 분포 변화 자료를 생산할 예정이다.