Article information

Abstract

Trans Abstract

1. 서론

대한민국 남해안에서 여름철에 주로 발생되고 있는 적조현상은 바다의 식물성 또는 동물성 플랑크톤이 일시에 대량번식 하거나 집적되는 현상으로서 적조를 일으키는 생물에 따라서 붉은색, 황갈색 또는 적갈색 등으로 나타난다. 최근 한반도 주변해역은 거의 전 해역이 부영양화 되어서 계절에 관계없이 발생하고 있으며 적조가 발생하면 장기간 지속되는 경향을 보이고 있다(Kim et al., 2015).

우리나라의 경우는 1997년 이후 줄어들던 양식어업 생산량이 2001년부터 다시 빠르게 증가하기 시작했으며, 2006년부터는 조업이 부진한 일반 해면어업 생산량을 앞지르기 시작하였고, 2015년에는167만 3천 톤에 달하였다. 1971년 14만 7천 톤으로 전체 어업 생산량의 1.5%에 불과하였던 양식 어업 생산량이 40년 만에 약 12배로 늘어난 것인데, 이는 전체 어업 생산량의 50.0%에 해당하는 것으로 우리나라 어업생산량에서 가장 큰 비중을 차지하고 있다(Lee, 2016). 그러나 매년 적조의 양식어장 유입에 따라 양식어종들이 폐사하며 피해를 받고 있다. 적조발생에 의한 양식장의 피해는 1995년의 경우 54일간 지속되어 765억원의 피해가 발생하였고, 2001년은 84억원(42일), 2003년은 215억원(62일), 2007년 115억원(50일), 2013년은 247억원(51일), 2014년은 74억원(86일), 2015년은 53억원(56일), 그리고 2016년은 43억(14일) 피해가 발생하였다(Ministry of Oceans and Fisheries, 2016). 특히 2013년 발생한 유해성 적조는 적조발생해역이 외해에서 연안까지 광범위하게 발생하여 남해안 해역에서 사상최대 피해를 발생시켰다(Kim and Yoo, 2014).

이와 같이 넓은 범위를 포함하여 발생하는 적조에 대한 리스크를 줄이고 피해를 최소화하기 위해 여러 방법의 적조 예측 및 모니터링에 대한 연구가 지속되어 왔다. 원격 탐사에 의한 적조 탐지 및 감시에 관한 연구는 대부분 위성영상에서 추정된 클로로필-a 농도를 근거로 시도되었다. 국내외 선행연구로는 Stumpf et al.(2003)은 적조의 스펙트럼 특성을 분리하고 대기 영향에 민감한 연안 해역 및 주변 해수 신호에서 적조를 검출하는 알고리즘에 대한 연구를 수행하였다. Yoon and Kim(2003)은 대한민국 남해안의 적조발생과 기상 및 해양 인자와의 관계 그리고 위성을 이용한 적조 모니터링의 가능성에 대한 연구를 수행하였고, Kim and Kim(2008)은 MODIS에서 제공하는 클로로필-a 정보를 기반으로 하여 2단계 필터링을 통해 적조를 탐지하는 알고리즘을 제시하였다. Moon et al.(2010)은 현장관측 자료와 해양광특성을 이용하여 해수환경분석 알고리즘을 개발하였고, Son et al.(2012)은 GOCI 영상을 이용하여 한국 남해안에 발생한 적조범위를 검출하는 4단계 sepectral classification 방법론을 GOCI 파장에 맞도록 개선하는 연구를 진행하였다. Kim et al.(2015)은 GOCI 영상을 이용하여 남해안 해역의 적조발생 패턴을 연구하여 적조의 확산과 감소를 모니터링 할 수 있는 결과를 제시하였다. 이와 같이 적조연구에 있어 인공위성 자료의 활용은 대부분 현장관측을 통해 발생한 적조의 이동 및 확산 경로 등을 나중에 위성자료를 활용하여 역추적 하거나 혹은 적조 발생 매커니즘 연구에 보조적인 자료로만 활용되었다(Ahn et al., 2006; Moon et al., 2010). 그러나 양식어장의 적조유입에 대한 리스크를 관리하고, 적조에 취약한 어장의 운영관리를 위한 리스크 평가 연구는 부족한 실정이다. 국내의 관련 연구는 전무하고, 국외 관련 연구로는 유해한 조류 번식으로 인한 생태학적 리스크 및 영향에 대한 연구(Dolah et al., 2001), 적조발생 빈도를 커널 밀도 추정을 통해 매핑하고, 적조 생물의 물리화학적 특성을 기반으로 잠재적인 발생 리스크를 평가한 연구(Wang and Wu, 2009), 그리고 연안환경 관리에 적용하기 위해 연안에서 발생한 적조를 생태학적 리스크평가한 연구(Yu et al., 2015) 등의 생태학적 관점에서의 리스크평가가 주를 이루고 있다. 본 연구에서는 리스크 평가 모델을 향후 적용하기 위한 리스크 매핑을 위해 GOCI위성영상으로부터 매년 발생하는 적조의 속성 데이터(위도, 경도, 클로로필-a 농도)를 분석하였다. 대한민국 남해안에서 발생하는 적조 및 피해 양식어장의 범위를 탐색하기 위해 GIS를 기반으로 한 공간 분석을 수행하고, 적조의 속성 데이터, 적조 발생 해역에 포함된 양식어장, 피해어가의 면적 및 양식어종에 대한 리스크 매핑을 수행하였다. 또한, 클로로필-a 농도와 양식어종의 경제적 가치를 사건의 확률과 잠재적손실로 결합시켜 4단계의 리스크 수준을 나타내는 리스크 매트릭스를 작성하였다.

2. 위성영상 분석

2.1 연구 지역 양식장 현황

연구지역은 우리나라 남해안으로 외해역은 쿠로시오 해류의 영향으로 맑은 해수특성을 갖지만, 연안으로 갈수록 용존유기물(dissolved organic matter, DOM)과 부유물질의 함량이 높아지는 복잡한 해역 특성을 나타낸다(Son et al., 2012; Shin et al., 2017). 위와 같은 특징을 갖는 남해안에는 많은 양식어장이 분포하고 있는데, 전국 총 1,644어가 중 전남과 경남이 1,119어가로 68%를 차지하고, 총 종사자 5,502명 중 전남과 경남이 3,021명으로 55%, 총 생산량 43,816톤 중 전남과 경남이 24,926톤 57%, 총 수면적 4,615,605 m² 중 전남과 경남이 1,998,468 m²로 43%를 차지한다(Table 1).

Table 1

Aquaculture Farm Trend Survey (Statistics Korea, 2016)

Table 2

Abnormal Pixels

우리나라 전체 50% 이상을 차지하는 양식어장이 분포한 남해안은 적조 발생 빈도 또한 높아 매년 막대한 양의 양식어류가 폐사하고 피해를 받는데 그중 피해가 컸던 2013년 발생한 적조를 대상으로 양식어장 리스크평가를 진행하였다. 또한 본 연구에서 남해안 유해성 적조의 시/공간적 정보는 국립수산과학원의 적조 속보 자료를 이용하였다(Son et al., 2012).

Fig. 1은 2013년 5월 23일 최초로 거제도 앞바다에서 발생한 적조를 시작으로 9월 21일 까지 대한민국 전해역으로 확산된 총 325건의 적조분포 중 남해안에서 발생한 적조분포를 나타내고 있다(National Institute of Fisheries Science, 2017). 본 연구에서는 한국 해양 위성 센터에 ftp서버를 통한 실시간 영상 다운로드 시스템을 적용하여 실제 분석 시간 해상도를 높임으로써 정확성을 향상 시키려고 노력했다. GOCI (Level 1b, 공간 해상도 500 m) 데이터는 한국 해양 과학 기술 연구소(KIOST)의 한국 해양 위성 센터(KOSC) (Son et al., 2012)의 자료를 이용하였다. 클로로필-a 농도분석과 적조 범위 추정을 위한 영상처리용 소프트웨어는 GDPS 버전 10.3을 이용하였다. 본 연구에서 사용 된 이미지는 2013년 발생한 325건(발생지역별)의 적조 속보와 GDPS로 분석 가능한 구름이 없는 맑은 날씨에 촬영된 GOCI영상 날짜를 매칭하여 선별하고 총 84건의 위성영상을 분석에 사용하였다. Fig. 2는 84건의 위성영상 중 남해안 전역에 유해성 적조 주의보 및 경보가 발표되었던 8월 13일에 촬영된 영상을 분석한 클로로필-a 농도이다.

Fig. 1

HABs Distribution Map in 2013 (National Institute ofFisheries Science)

Fig. 2

Chlorophyll-a Concentration (2013.08.13.)

클로로필-a 농도 분석 영상을 취득하는 과정은 먼저 한반도를 중심으로 2,500×2,500 km으로 촬영된 위성영상 영역을 남해안 영역으로 나누기 위해 좌상단(경도: 126.745, 위도: 35.218) 우하단 (경도: 129.326, 위도: 34.199) 부분을 GDPS의 devide area 기능을 통해 나누어 연구지역으로 구분하였다. 다음 클로로필-a 농도 분석을 위해 OC2 분석 알고리즘을 적용하여 Level1 GOCI영상을 클로로필-a 농도 분석을 통해 적조 발생 가능성이 있는 범위를 추정하는 연구를 수행하였다. 클로로필-a 분석에 사용된 알고리즘은 SeaDAS에서 사용 중인 SeaWiFS 표준 엽록소 농도 산출 알고리즘인 OC2 알고리즘을 사용하였다(Moon et al., 2010). Eq. (1)에서 Rrs(490), Rrs(555)는 각 파장 490 nm, 555 nm에서의 원격반사도 값이다. 이 알고리즘은 O’Reilly et al.(2000)이 개발 하였고, GDPS 또한 같은 계수를 채택하여 사용하고 있다.

(1)CHLOC2=e0+10e1+e2×R+e3×R2+e4×R3

where, R=log10(Rrs(490)Rrs(555))

(e₀ = −0.0929, e₁ = 0.2974, e₂ = −2.2429, e₃ = 0.8358, e₄ = −0.0077)

연구대상 지역의 GOCI영상을 위 알고리즘을 통해 분석한 결과 특정 픽셀의 경우 매우 높은 클로로필-a 농도 값을 보이는 경우가 있었다. 이러한 픽셀들은 이상픽셀(abnormal pixels)로 정의하며, 이는 통계적 분석에 있어 정확한 값을 얻는데 영향을 주기 때문에 제외해야 한다(KISTI, 2013).

Fig. 3은 2013년 8월 2일(UTC)에 촬영된 영상을 분석한 클로로필-a 농도 데이터의 scatter diagram으로 정상범위에서 벗어난 이상 픽셀을 보여주고 있다. Garate-Lizarraga et al.(2004)은 Cochlodinium polykrikoides 적조 발생 시 클로로필-a의 농도가 2.7-56.8 mg/m³라고 제시하고 있고(Kim and Kim, 2008), 본 연구에서는 정규분포를 이용하여 한 픽셀의 클로로필-a 값이 30 mg/m³을 초과 할 경우 이상픽셀로 판단하고 제거하였다. 아래 표는 데이터에 포함되는 정상픽셀에 대한 이상 픽셀의 비율을 보여주고 있다. 84건의 위성영상이 포함하는 총 픽셀 수는 3,467,956개로 하나의 영상 당 평균 약 51,316개의 픽셀을 포함하고 있다. 이 중 비정상 픽셀의 평균 비율은 0.0940%로 나타나고, 비정상 픽셀의 비율이 가장 높은 데이터의 경우 0.74%를 차지한다. 이러한 픽셀들은 전체 데이터에 대하여 0.1% 이하에 불과하기 때문에 이상픽셀들을 처리할 데이터에서 제외하여도 전체 데이터에 큰 영향을 주지 않을 것으로 판단된다.

Fig. 3

Data Scatter Diagram

3. GIS를 이용한 리스크맵핑

리스크 맵은 국가, 지역 혹은 조직에서 직면할 수 있는 특정 위험을 전달하기 위한 데이터 시각화 도구로써, 리스크의 성격과 영향에 대한 결과를 명확히 하여 리스크 평가 모델을 향상시키는데 목적이 있다. 리스크 맵은 리스크 레벨을 구분하기 위해 매트릭스로 제시되기도 한다. 양식장 리스크 매핑을 위한 전체적인 GIS상에서의 연구흐름도는 Fig. 4와 같다.

Fig. 4

GIS Workflow with Processing Steps

첫 번째 단계로는 위성영상 분석을 통해 얻은 위경도 정보를 통한 위치와 클로로필-a 농도에 대한 정보를 포함한 ASCII 파일을 포인트데이터로 GIS상에 나타냈다(Fig. 7(a)). 포인트 데이터간의 간격은 위성영상의 공간해상도와 마찬가지로 500 m이다. 포인트 데이터를 셀크기 500 m의 격자로 point to raster를 이용하여 래스터데이터로 변환하였다. 래스터로 변환된 총 84개의 클로로필-a 농도 레이어를 Fig. 5의 cell statistics를 적용하여 평균값을 도출하였다. 평균값을 구하는 과정에서 데이터 값이 없는 회색으로 표시된 셀(NoData)은 무시하고 농도값이 있는 데이터들만 통계계산에 포함하여 평균을 구하였다.

Fig. 7

Risk Mapping Process

Fig. 5

Cell Statistics (ArcMap 10.1)

Fig. 7(b)는 고흥, 여수 일대의 를 클로로필-a 평균농도 래스터 데이터셋을 보여주고 Fig. 7(c)는 남해안 전체의 클로로필-a 평균농도 래스터 데이터셋을 보여주고 있다. 구름에 의한 마스킹으로 연안 부근의 정보는 알 수 없었지만 적조가 발생한 실제 영역 부근에서 높은 값을 나타내는 것을 알 수 있었다. Fig. 7(d)는 국가공간정보포털(NSDI, Korea National Spatial Data Infrastructure Portal)에서 제공하는 연안정보도(양식장)의 김(laver), 다시마(kelp), 미역(seaweed), 굴(oyster), 어류(fish), 그리고 전복(abalone)에 대한 양식장 정보를 다운로드 받아 polygon 형태의 각각의 객체를 당시 도매가격을 기준으로 순위화하여 raster로 변환한 것이다. Fig. 7(e)래스터로 변환된 클로로필-a 평균 농도와 양식어장의 격자 정보를 raster calculation을 위해 overlay한 것이다. Fig. 7(f)는 raster calculation을 통해 나온 결과를 남해안 양식장 전체의 리스크 매핑을 실행하여 시각화 하였다. 또한 클로로필-a 농도가 높을수록 적조 발생 확률이 높아지고, 양식어종의 경제적 가치가 높을수록 잠재적인 경제피해가 높아지는 리스크 특성을 이용해 리스크 매트릭스(Fig. 6)를 작성하고 리스크가 높음(H), 보통(M), 낮음(L), 낮음(VL) 네 단계로 구분하였다(Westen et al., 2011).

Fig. 6

Risk Matrix

리스크 매핑 결과 12단계로 나눠진 양식장을 네 단계의 리스크 레벨로 구분하여 양식장 Cell들의 개수와 리스크에 대한 설명을 나타낸다. 리스크 레벨이 높은 양식장(A)은 42개로, 분석된 남해안의 총 리스크 셀 545개 중 7.7%를 차지한다. 리스크 레벨이 보통인 양식장(B)은 43개로 7.9%를 차지하고, 리스크 레벨이 낮은 양식장(C)은 83개로, 15.2%를 차지하고, 리스크 레벨이 매우 낮은 양식장(D)은 377개로 69.2%를 차지한다(Table 3). 연안쪽에 클로로필-a 농도가 높고 양식장이 많이 분포하고 있으나 구름에 의한 마스킹으로 인해 분석 가능한 부분이 연안에서 좀 떨어진 곳으로 한정되어, 클로로필-a이 낮은 지역에서 분석된 결과가 많고, 상대적으로 저렴한 김, 다시마, 미역이 양식어장 중 많은 부분을 차지해 리스크가 낮은 부분이 대다수를 차지하는 결과가 나온 것으로 판단된다.

Table 3

Risk Matrix

4. 결론

최근 기후 변화에 따른 고밀도의 적조 현상이 양식어장에 유입되며 피해를 야기하여 양식어종들의 폐사로 인해 매년 발생하는 경제적 피해 저감을 위한 대책을 마련해야 한다. 국내외의 선행연구에서는 적조에 대한 RS모니터링과 감시체계 연구가 주를 이루었을 뿐 피해에 대한 리스크평가에 대한 연구는 진행되지 않았다. 따라서 본 연구에서는 위성영상을 통해 분석한 적조 발생을 간접적으로 파악할 수 있는 클로로필-a 농도를 이용하여 과거 적조가 발생한 기간 중 구름이 없는 맑은 날 촬영된 분석 가능한 위성영상을 분류하고 클로로필-a 농도 분석을 수행하였다. 또한 양식어장에서 기르는 어종의 상품가치를 순위화하고 이를 토대로 리스크 레벨을 시각화 하는 리스크 매핑을 진행하였다. 레스터데이터셋으로 변환된 12단계의 리스크 셀들을 4단계의 리스크 레벨으로 나누어 적조에 대한 리스크가 높은 양식어장을 구분하였다. 이는 양식어장에서 적조 유입에 대한 예방, 완화 조치 및 대응에 관련된 비용을 고려할 때 수용할 수 있는 리스크 수준에 대한 합리적 판단 근거로 사용 될 수 있다.

GOCI영상은 구름에 의한 영향, 연약역 마스킹으로 인해 분석에 애로사항이 있었다. 또한 양식어종에 따른 취약성, 적조 유입 예측을 위한 수치모델의 접목이 되지 않은 점 등은 본 연구의 한계성으로 판단된다. 향후 양식어장별 피해액, 적조 유입 빈도 등의 데이터가 갖추어 진다면 정성적⋅정량적 리스크평가를 수행하고 리스크 매핑을 접목하여 다양한 리스크를 줄이는 방안을 제시할 수 있을 것이다.

Article information Continued