WO2021141310A1 - 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체 - Google Patents

해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체 Download PDF

Info

Publication number
WO2021141310A1
WO2021141310A1 PCT/KR2020/019219 KR2020019219W WO2021141310A1 WO 2021141310 A1 WO2021141310 A1 WO 2021141310A1 KR 2020019219 W KR2020019219 W KR 2020019219W WO 2021141310 A1 WO2021141310 A1 WO 2021141310A1
Authority
WO
WIPO (PCT)
Prior art keywords
primary production
marine
primary
sand
harvesting
Prior art date
Application number
PCT/KR2020/019219
Other languages
English (en)
French (fr)
Inventor
김종성
권봉오
Original Assignee
서울대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교 산학협력단 filed Critical 서울대학교 산학협력단
Publication of WO2021141310A1 publication Critical patent/WO2021141310A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work

Definitions

  • the present invention relates to a method for predicting changes in the primary production of a marine ecosystem, and in particular, a maritime marine ecosystem capable of quickly and accurately determining a change in primary production of a marine ecosystem using data acquired from remote sensing and data acquired from a primary ocean production model To a method for predicting changes in primary production of marine ecosystems during harvesting, and to a computer-readable recording medium.
  • phytoplankton are photosynthetic plants that live a floating life in water, and are primary producers belonging to the bottom of the marine ecosystem food chain with a microscopic size.
  • nutrient salt is a generic term for silicate, phosphate, nitrate, nitrite, etc., constituting the skeleton material of phytoplankton or seaweed, and constraining the synthesis of the organic material.
  • concentrations of chlorophyll-a and phycocyanin are mainly analyzed as indicators of algal growth.
  • sea color sensors such as a Moderate Imaging Spectroradiometer (MODIS), a Sea-viewing Wide Field-of-view Sensor (SeaWiFS), and a Medium Resolution Imaging Spectrometer (MERIS)
  • MODIS Moderate Imaging Spectroradiometer
  • SeaWiFS Sea-viewing Wide Field-of-view Sensor
  • MERIS Medium Resolution Imaging Spectrometer
  • Tassan's algorithm using the blue and green bands of Ocean Color Sensors and the National Aeronautics and Space Administration (NASA) chlorophyll-a standard algorithm.
  • a more three-dimensional prediction value is calculated by grafting spatial information such as a geographic information system (GIS) to ocean water quality modeling.
  • GIS geographic information system
  • chlorophyll-a concentration using remote sensing is based on the correlation between reflectance and intrinsic optical factors such as absorption and backscattering coefficients of water bodies.
  • the representative example extracted by combining several visible light bands from sea color exploration satellite data is the marine chlorophyll-a distribution.
  • Phytoplankton in the ocean is known as a food source supplied to secondary and tertiary consumers in the marine ecosystem, and it is very important as a basic producer that forms the basis of the marine ecosystem.
  • the K&I algorithm used in this estimation was researched from 1998 to 2012 using satellite data of the ocean view wide-view sensor and normal imaging spectroradiometer, and has been verified and corrected through comparative analysis with field observation basic productivity data. will be.
  • the basal productivity in September of the East Sea area ranged from 600 to 1100 mgC/m 2 /day, and the average productivity was estimated to be about 800 mgC/m 2 /day.
  • the conventional technique for observing and modeling ocean water quality using remote sensing technology is to use remote sensing data to calculate and acquire at least one data among water transparency, chlorophyll-a concentration, and total phosphorus concentration, then acquire The water quality of the marine water system was evaluated by calculating the eutrophication index based on the collected data.
  • the conventional technique has a limitation in that it cannot calculate the primary production of the marine ecosystem and cannot evaluate the change in water quality due to external factors such as sea harvesting.
  • the present inventor calculates the primary production of the marine ecosystem using the data obtained from remote sensing and the data obtained from the marine primary production model, and numerically simulates the spread of floating sand that occurs during sea harvesting.
  • An object of the present invention is to calculate the primary production of the marine ecosystem using remote sensing data, determine the change in the primary production according to the change in ocean transparency at the time of sea harvesting, and determine how the activity of sea harvesting affects the primary production of the marine ecosystem.
  • the purpose of this study is to provide a method for predicting changes in the primary production of marine ecosystems during sea harvesting that can be evaluated.
  • Another object of the present invention is to provide a computer-readable recording medium recording a program for executing a method for predicting changes in the primary production of marine ecosystems during sea harvesting in a computer in order to achieve the above object.
  • the method for predicting a change in the primary production of a marine ecosystem during sea harvesting of the present invention includes: calculating the primary production of the marine ecosystem using data acquired from remote sensing and data acquired from a primary marine production model; and simulating the spread of floating sand that occurs during sea sand harvesting, predicting the maximum diffusion range of floating sand according to the amount of sea sand harvesting, and determining a change in primary production of the marine ecosystem; It is characterized in that it includes.
  • the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above object is (a) the primary production calculation unit using the data acquired from remote sensing and the data acquired from the marine primary production model as input values for the marine ecosystem estimating the primary production of (b) modeling the floating sand diffusion analyzer numerically simulating the floating sand spread that occurs during sea collection; (c) predicting, by the transparency change prediction unit, the maximum diffusion range and transparency change of the floating sand according to the amount of sand collected by using the simulated floating sand diffusion modeling; And (d) determining the change in the primary production of the marine ecosystem by one-way combining the predicted maximum diffusion range and transparency change of the floating sand by the primary production change determination unit to the marine primary production model; It is characterized in that it includes.
  • the step (a) of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above object is (a-1) the primary production of a remote sensing-based marine ecosystem using the data obtained from the remote sensing. (PP eu ) is calculated; and (a-2) calculating an annual primary production using data obtained from the marine primary production model; It is characterized in that it includes.
  • the primary production (PP eu ) of the remote sensing-based marine ecosystem is water temperature, surface light amount, light It is characterized in that it is calculated using the product of penetration depth, chlorophyll-a concentration data, and sunlight time data.
  • Calculating the instantaneous primary production (PG (t)) using the set photosynthetic parameter and the chlorophyll-a concentration according to the temperature change, the chlorophyll-specific maximum photosynthetic capacity, the chlorophyll-specific photosynthetic efficiency, and the intensity of light calculating the daily primary yield by integrating from 'low tide' to 'high tide' in consideration of the exposure period with respect to the calculated instantaneous primary yield ( PG (t)); and calculating the annual primary production amount by integrating from '0' to '365 days' with respect to the calculated daily primary production amount; It is characterized in that it includes.
  • the floating sand diffusion analyzer applies the Lagrangian particle tracking technique to the movement and diffusion of suspended sand particles and seawater It is characterized by numerically simulating a mixture of sequentially.
  • the degree of diffusion of the suspended sand particles is determined by tidal, density, wind, current and diffusion rate. It is characterized in that it is calculated as the vector sum of the movement factors.
  • the vector of the particle transfer factor by 'wind' of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above object is 'wind' measured in the global forecasting system of the National Oceanic and Atmospheric Administration (NOAA). It is characterized in that it is a vector value of .
  • NOAA National Oceanic and Atmospheric Administration
  • the vector of particle movement factors by the 'tidal', the 'density' and the 'wind and current' of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above object is a global ocean circulation model It is characterized as a vector value based on currents and currents measured at (HYCOM).
  • step (b) of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above object in the sequential simulation, when mud and cuttings are discharged, clay is aggregated, and plume is gravity set in a vertical downward direction by a convection jet step in which suspended particles are accumulated on the seabed; a dynamic collapse step in which the upper layer of mud and cut-off plumes are dissolved by algae just below the water surface; and a diffusion step in which light mud and cut materials among the discharged mud and cut materials are moved at an intermediate depth by algae; It is characterized in that it includes.
  • the convective jet step of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above object includes: spreading and diluting the discharged mud and cuttings in the horizontal direction by algae; It is characterized in that it further comprises.
  • the off-line unidirectional coupling is based on the penetration depth of light that is reduced due to the floating sand generated by sea harvesting, the adjusting the grid size in the floating sediment diffusion modeling to fit the marine primary production model; and determining a decrease in primary production for each grid by applying the reduced light penetration depth to each grid of the satellite image. It is characterized in that it includes.
  • the computer-readable recording medium of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above other object is the primary of the marine ecosystem using data obtained from remote sensing and data obtained from the marine primary production model. a step in which production is calculated; and simulating the spread of floating sand that occurs during sea sand harvesting, predicting the maximum diffusion range of floating sand according to the amount of sea sand harvesting, and determining a change in primary production of the marine ecosystem; It is characterized in that it includes.
  • the computer-readable recording medium of the method for predicting changes in the primary production of marine ecosystems during sea harvesting of the present invention for achieving the above other object is (a) data acquired by the primary production calculation unit from remote sensing and data acquired from the marine primary production model calculating the primary production of the marine ecosystem by taking as an input value; (b) modeling the floating sand diffusion analyzer numerically simulating the floating sand spread that occurs during sea collection; (c) predicting, by the transparency change prediction unit, the maximum diffusion range and transparency change of the floating sand according to the amount of sand collected by using the simulated floating sand diffusion modeling; And (d) determining the change in the primary production of the marine ecosystem by one-way combining the predicted maximum diffusion range and transparency change of the floating sand by the primary production change determination unit to the marine primary production model; It is characterized in that it includes.
  • the change in the primary production of the entire region where the floating sand is spread can be identified quickly and accurately.
  • FIG. 1 is a block diagram of a prediction device for implementing the method of predicting changes in the primary production of marine ecosystems during sea sand harvesting of the present invention.
  • FIG. 2 is a flowchart for explaining the operation of a method for predicting a change in the primary production of a marine ecosystem during sea sand harvesting according to an embodiment of the present invention.
  • FIG. 3 is a distribution map photograph of the coast of Korea taken by a satellite to measure the water temperature and the maximum photosynthesis rate in step S100 of the method for predicting changes in the primary production of the marine ecosystem shown in FIG. 2 .
  • FIG. 4 is a picture of a distribution map of the coast of Korea taken by a satellite to measure a light penetration depth in step S100 of the method for predicting changes in the primary production of marine ecosystems shown in FIG. 2 .
  • FIG. 5 is a distribution map photograph of the coast of Korea taken from a satellite to measure the chlorophyll-a (Chl-a) concentration in step S100 of the method for predicting changes in the primary production of marine ecosystems shown in FIG. 2 .
  • FIG. 6 is a picture of a distribution map of the coast of Korea taken by a satellite to measure the primary marine production in step S100 of the method for predicting changes in the primary production of the marine ecosystem shown in FIG. 2 .
  • FIG. 7 is a schematic diagram illustrating a process of modeling the primary marine production in step S100 of the method for predicting a change in the primary production of the marine ecosystem shown in FIG. 2 .
  • FIG. 8 is a schematic diagram in which floating sand occurs sequentially step by step in the process of mixing and spreading sediment and seawater when collecting aggregate from the coast.
  • FIG. 9 is a simulation graph in consideration of six types of particle sizes with respect to the path through which the floating sand generated in the schematic diagram shown in FIG. 8 is vertically diffused.
  • FIG. 10 is a screen of simulation results with respect to the horizontal diffusion path of the floating sand generated in the schematic diagram shown in FIG. 8 .
  • the component when it is described that a certain component is "exists in or connected to" of another component, the component may be directly connected to or installed in contact with the other component.
  • they may be installed spaced apart from each other by a certain distance, and in the case where they are installed spaced apart by a certain distance, there may be a third component or means for fixing or connecting the corresponding component to another component. .
  • one component is a different component. It is used so that it can be clearly distinguished from the element.
  • FIG. 1 is a block diagram of a prediction device for implementing the method for predicting changes in marine ecosystem primary production during sea harvesting of the present invention, a primary production calculation unit 100, a floating sand spread analysis unit 200, a transparency change prediction unit ( 300) and a primary production change determination unit 400 .
  • FIG. 2 is a flowchart for explaining the operation of a method for predicting a change in the primary production of a marine ecosystem during sea sand harvesting according to an embodiment of the present invention.
  • FIGS. 1 and 2 An operation of the method for predicting changes in the primary production of marine ecosystems during sea harvesting according to an embodiment of the present invention will be schematically described with reference to FIGS. 1 and 2 .
  • the primary production calculation unit 100 calculates the primary production of the marine ecosystem by using the data acquired from remote sensing and the data acquired from the marine primary production model as input values (S100).
  • the floating sand diffusion analyzer 200 numerically simulates and models the floating sand spread that occurs when sea sand is collected (S200).
  • the transparency change prediction unit 300 predicts the maximum diffusion range and transparency change of the floating sand according to the amount of seaweed using the floating sand diffusion modeling simulated in step S200 (S300).
  • the primary production change determination unit 400 determines the change in the primary production of the marine ecosystem by unidirectionally combining the maximum diffusion range and transparency change of the floating sand predicted in step S300 to the marine primary production model (S400).
  • FIG. 3 is a distribution map photograph of the coast of Korea taken by a satellite to measure the water temperature and the maximum photosynthesis rate in step S100 of the method for predicting changes in the primary production of the marine ecosystem shown in FIG. 2 .
  • FIG. 4 is a picture of a distribution map of the coast of Korea taken by a satellite to measure a light penetration depth in step S100 of the method for predicting changes in the primary production of marine ecosystems shown in FIG. 2 .
  • FIG. 5 is a distribution map photograph of the coast of Korea taken from a satellite to measure the chlorophyll-a (Chl-a) concentration in step S100 of the method for predicting changes in the primary production of marine ecosystems shown in FIG. 2 .
  • FIG. 6 is a picture of a distribution map of the coast of Korea taken by a satellite to measure the primary marine production in step S100 of the method for predicting changes in the primary production of the marine ecosystem shown in FIG. 2 .
  • FIG. 7 is a schematic diagram illustrating a process of modeling the primary marine production in step S100 of the method for predicting changes in the primary production of the marine ecosystem shown in FIG. 2 .
  • FIG. 8 is a schematic diagram in which floating sand occurs sequentially step by step in the process of mixing and spreading sediment and seawater when collecting aggregate from the coast.
  • FIG. 9 is a simulation graph in consideration of six types of particle sizes with respect to the path through which the floating sand generated in the schematic diagram shown in FIG. 8 is vertically diffused.
  • FIG. 10 is a screen of simulation results with respect to the horizontal diffusion path of the floating sand generated in the schematic diagram shown in FIG. 8 .
  • data obtained through remote sensing is data observed by artificial satellites such as SeaWiFS or MODIS satellites or aircraft.
  • the visible light band is mainly used to detect ocean colors, and the radiation resolution ( Data with high radiometric resolution are used.
  • the equation for calculating the primary production (PP eu ) of the remote sensing-based marine ecosystem is as follows.
  • , , , represents the water temperature, maximum photosynthesis rate, surface light amount, light penetration depth, chlorophyll-a concentration, and sunlight time, respectively.
  • the amount of light in the surface layer is usually measured by means of an imaging spectroradiometer (MODIS).
  • MODIS imaging spectroradiometer
  • the photosynthetic parameters such as chlorophyll-specific maximum photosynthetic capacity (P b max ) and saturated light intensity (I k ) are set using input data of temperature and light intensity data (S110) (S120).
  • Chl-a(t) is the chlorophyll-a concentration according to the temperature change
  • P b max (t) is the chlorophyll-specific maximum photosynthetic capacity according to the temperature change
  • ⁇ b (t) is the chlorophyll-a concentration according to the temperature change
  • the chlorophyll-specific photosynthetic efficiency, I(t) represents the intensity of light as a function of temperature.
  • the daily primary production amount (Daily PP(t)) is calculated using the calculated instantaneous primary production amount P G (t) and the following Equation 3 (S140).
  • the annual primary production amount (Annual PP) is calculated using the calculated daily production amount (Daily PP(t)) and the following Equation (4) (S150).
  • the floating sand diffusion analyzer 200 applies the Lagrangian particle tracking technique to numerically simulate the diffusion of suspended sand that occurs during sea sand collection, thereby numerically increasing the movement of suspended sand particles and Diffusion and mixing with seawater are sequentially simulated and modeled (S200).
  • the Lagrangian particle tracking technique refers to a method of finding the position where each floating object moves with time by advection and diffusion under the assumption that floating objects having a certain volume move independently of each other on the water surface.
  • the degree of diffusion of suspended sand is calculated as the vector sum of particle movement factors caused by tides, density, wind, ocean currents, and diffusion.
  • U wind is the vector value of 'wind' measured by the global forecasting system of the National Oceanic and Atmospheric Administration (NOAA), U tide , U density , U wind X current are the global ocean circulation, respectively. It represents the vector values of 'tidal', 'density', and 'wind and current' based on currents and currents measured by the model (HYbrid Coordinate Ocean Model, HYCOM).
  • NOAA National Oceanic and Atmospheric Administration
  • U diffusion refers to the diffusion rate due to turbulence, and among them, the horizontal diffusion rate is calculated by extracting two components in the north-south direction and east-west direction and using them as input values for the floating sediment diffusion model. Since the calculation method is a known technique, a detailed description thereof will be omitted.
  • the mixing and diffusion of sediment and seawater is a convective jet stage (stage 1), a dynamic collapse stage (stage 2), and a diffusion stage (stage 3) in that order. sequentially simulated.
  • the convection jet stage (stage 1), when the mud and cuttings are discharged, the clay flocculates, and the plume is quickly set in the vertical downward direction by gravity, Coarse suspended particles pile up on the seafloor.
  • mud and cuttings are horizontally dispersed and diluted by the algae.
  • stage 2 the dynamic disintegration stage (stage 2), the upper mud and cuttings plumes are dissolved just below the water surface by the algae.
  • the diffusion stage stage 3
  • light mud and cuttings among the discharged mud and cuttings are moved by algae at a moderate depth of water.
  • the transparency change prediction unit 300 predicts the maximum diffusion range and transparency change of the floating sand according to the amount of seaweed using the floating sand diffusion modeling simulated in step S200 (S300) .
  • the primary production change determination unit 400 combines the maximum diffusion range and transparency change of the floating sand predicted in step S300 to the marine primary production model analyzed in step S100 , one-way offline coupling. (offline one-way coupling) method is applied to determine the change in the primary production of the marine ecosystem (S400).
  • the off-line unidirectional coupling technique refers to a method of inputting the maximum diffusion range and transparency change of floating sand according to the grid size of the satellite primary production model.
  • the light penetration depth is reduced by that much.
  • the grid size in the floating sand diffusion modeling to fit the marine primary production model analyzed in step S100, the reduced light
  • the penetration depth is applied to each grid of the satellite image.
  • the recording medium according to the present invention is a computer-readable recording medium recording a program for executing the above-described method for predicting changes in the primary production of marine ecosystems during sea harvesting according to the present invention in a computer.
  • a recording medium comprising: calculating a primary production of a marine ecosystem using data acquired from remote sensing and data acquired from a primary marine production model; and simulating the spread of floating sand that occurs during sea sand harvesting, predicting the maximum diffusion range of floating sand according to the amount of sea sand harvesting, and determining a change in the primary production of the marine ecosystem; is included
  • the medium includes the steps of: (a) calculating, by the primary production calculation unit, data acquired from remote sensing and data acquired from the marine primary production model as input values; (b) modeling by numerically simulating, by the floating sand diffusion analysis unit, the floating sand diffusion occurring during sea collection; (c) predicting, by the transparency change prediction unit, the maximum diffusion range and transparency change of the floating sand according to the amount of sand collected by using the simulated floating sand diffusion modeling; And (d) determining the change in the primary production of the marine ecosystem by one-way combining the predicted maximum diffusion range and the transparency change of the floating sand by the primary production change determining unit to the marine primary production model in one direction; is included
  • the computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the recording medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
  • the present invention examines the censorship time and prediction time using nonlinear regression models with different error periods, and determines a model with a high coefficient of determination and a low mean square error to predict future failure times.
  • a method for predicting changes in primary production of marine ecosystems and a computer-readable recording medium are provided.

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체를 공개한다. 이 방법은 (a) 일차 생산량 산정부가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정하는 단계; (b) 부유사 확산 분석부가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링하는 단계; (c) 투명도 변화 예측부가 상기 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측하는 단계; 및 (d) 일차 생산량 변화 판별부가 상기 예측된 부유사의 최대 확산 범위 및 투명도 변화를 상기 해양 일차 생산 모델에 오프라인 단방향 결합하여 상기 해양 생태계의 일차 생산량의 변화를 판별하는 단계; 를 포함하는 것을 특징으로 한다.

Description

해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체
본 발명은 해양 생태계 일차 생산량의 변화 예측 방법에 관한 것으로, 특히, 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량 변화를 신속하고 정확하게 판별할 수 있는 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체에 관한 것이다.
일반적으로 식물 플랑크톤은 수중에서 부유 생활을 하는 광합성 식물로서, 현미경으로 볼 수 있는 작은 크기의 해양 생태계 먹이 사슬의 최하위에 속하는 일차 생산자이다.
또한,영양염은 식물 플랑크톤이나 해조류의 골격 물질을 구성하며, 그 유기물질 합성에 제약 요인이 되는 규산염, 인산염, 질산염, 아질산염 등의 총칭이다.
특히, 아시아 국가들의 인구 증가, 산업화, 빠른 경제 성장 등으로 질소 오염물질의 대기 배출이 증가하고 있어 해양 질소 유입도 더욱 증가하고, 이에 따른 해양 생태계의 질적 변화가 예측된다.
한편, 조류 증식의 지표 인자로 주로 엽록소-a와 파이코사이아닌 (phycocyanin) 농도를 분석하고 있다.
최근에는 내륙수와 연안수의 수질과 부 영양화의 발생과 확산 및 조류 증식 등을 모니터링하는데, 위성 영상을 이용한 미국 USGS, EPA, 캐나다 환경부, 유럽 등에서는 일찍부터 원격탐사 자료를 이용하여 광역적이고 주기적인 해양 수질 모니터링을 시도하고 있다.
즉, 통상 이미징 분광 복사계(Moderate Imaging Spectroradiometer, MODIS), 해양 전망 광 시야 센서(Sea-viewing Wide Field-of-view Sensor, SeaWiFS), 중간 해상도 이미징 분광계(Medium Resolution Imaging Spectrometer, MERIS) 등의 해색 센서(Ocean Color Sensors)의 청색 및 녹색 밴드를 이용하는 타싼(Tassan)의 알고리즘과 미국 항공 우주국(National Aeronautics and Space Administration, NASA)의 엽록소-a 표준 알고리즘과 같은 다양한 엽록소-a 농도 추정 알고리즘이 개발되었다.
또한, 해양 수질 모델링에 지리정보 시스템(geographic information system, GIS)과 같은 공간 정보를 접목하여 보다 입체적인 예측값을 산출하는데, 최근에는 모델의 경계 조건(Boundary condition), 연안의 지표면 처리(Land surface process) 분석 등에 위성 영상을 도입하여 해양 수질 관측과 모델링을 보완하는 노력을 하고 있다
국내의 경우에도 국산 위성 기술과 원격탐사 기술의 발달에 따라 인공위성을 이용한 광역적, 지속적, 객관적인 환경감시 기술 개발의 폭이 넓어지고 있는 추세이다.
특히, 원격탐사를 이용한 엽록소-a 농도 분석은 수체의 흡광(Absorption), 후방산란 계수(Backscattering coefficient) 등과 같은 고유한 광학 인자와 반사도(Reflectance)와의 상관성을 기초로 한다
이와 같이, 해색탐사 위성자료 여러 개 가시광선 밴드를 결합하여 추출되는 대표적인 것은 해양 엽록소-a 분포이다.
그런데, 가시광선 자료로서 R(red), G(green), B(blue)만을 포함하고 있는 육상 탐사용 위성인 LANDSAT나 SPOT 위성 자료로부터는 해양의 식생분포에 대한 특성을 알아내는 것이 거의 불가능하다.
또한, 항공기를 이용한 칼라 영상의 R, G, B 자료로부터도 해양의 엽록소 분포를 파악하는 것도 기존 기술로는 거의 불가능한 한계가 있다.
한편, 해양수산부 국립수산과학원은 동해 해양 생태계 생산력을 좌우하는 식물 플랑크톤 기초 생산력 자료를 2019년 10월부터 시범적으로 제공한다고 공시한 바 있다.
해양에서 식물 플랑크톤은 해양 생태계 내 2차, 3차 소비자로 공급되는 먹이원으로 알려져 있으며, 이는 해양 생태계 근간이 되는 기초 생산자로서 매우 중요하다.
하지만, 기존의 현장에서 관측된 식물 플랑크톤의 양적/질적 평가는 식물 플랑크톤 대표 색소인 엽록소-a 농도를 이용하므로, 넓은 연안의 기초 생산력 추정에는 한계가 있었다.
이에 국립수산과학원에서는 위성의 다양한 해색(Ocean color) 자료와 표층 수온자료를 기초 생산력 알고리즘을 통해 동해안 식물 플랑크톤 기초 생산력을 추정했다.
이번 추정에 사용된 K&I 알고리즘은 1998년부터 2012년까지 해양 전망 광 시야 센서 및 통상 이미징 분광 복사계의 위성자료를 이용해 연구가 완료된 것으로서, 현장 관측 기초 생산력 자료와의 비교 분석을 통해 검증 및 보정을 마친 것이다.
동해 해역의 9월 기초 생산력은 600~1100 ㎎C/m 2/day의 범위를 보였으며, 평균 생산력은 약 800 ㎎C/m 2/day로 추정되었다.
동해 중앙부 해역에서는 전반적으로 낮았으며, 포항 인근 해역과 동해 북부(블라디보스톡) 해역에서는 높은 생산력 값을 보였다.
전 세계 해양과 비교할 때 동해 연 평균 기초 생산력(240 gC/m 2/yr)은 페루 등 용승 해역(300~400 gC/m 2/yr)보다 낮지만, 미국 등 연안 해역(100gC/m 2/yr), 인도양 (84gC/m 2/yr), 대서양 (102gC/m 2/yr), 태평양 (55gC/m 2/yr), 지중해(134gC/m 2/yr)보다 높게 나타나 어족 자원이 풍부할 것으로 기대된다.
그런데, 종래에 원격탐사 기술을 이용하여 해양 수질을 관측하고 모델링하는 기법은 원격탐사 데이터를 이용하여 수계의 투명도, 엽록소-a 농도, 총인 농도 중 적어도 어느 하나의 데이터를 산정 및 획득한 후에, 획득된 데이터를 기반으로 부영양화 지수를 계산함으로써 해양 수계의 수질을 평가하였다.
이에 따라, 종래의 기법은 해양 생태계의 일차 생산량을 산정하지 못하고, 해사 채취와 같은 외부 요인에 의한 수질 변화를 평가하지 못하는 한계가 있었다.
이에 본 발명자는 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량을 산정하고, 해사 채취시 발생하는 부유사의 확산을 수치적으로 모사하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측함으로써, 해양 생태계의 일차 생산량 변화를 신속하고 정확하게 판별할 수 있는 해양 생태계 일차 생산량의 변화 예측 방법을 발명하기에 이르렀다.
[선행기술문헌]
[특허문헌] JP 3131661 B2
본 발명의 목적은 원격탐사 데이터를 이용하여 해양 생태계의 일차 생산량을 산정하고, 해사 채취시 해양 투명도의 변화에 따른 일차 생산량의 변화를 판별하여 해사 채취 행위가 어떻게 해양 생태계의 일차 생산량에 영향을 미치는지에 대한 평가를 할 수 있는 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법을 제공하는데 있다.
본 발명의 다른 목적은 상기 목적을 달성하기 위하여 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능 기록 매체를 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법은 원격탐사에서 획득한 데이터 및 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량이 산정되는 단계; 및 해사 채취시 발생하는 부유사의 확산을 모사하고 해사 채취량에 따른 부유사의 최대 확산 범위가 예측되어, 상기 해양 생태계의 일차 생산량의 변화가 판별되는 단계; 를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법은 (a) 일차 생산량 산정부가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정하는 단계; (b) 부유사 확산 분석부가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링하는 단계; (c) 투명도 변화 예측부가 상기 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측하는 단계; 및 (d) 일차 생산량 변화 판별부가 상기 예측된 부유사의 최대 확산 범위 및 투명도 변화를 상기 해양 일차 생산 모델에 오프라인 단방향 결합하여 상기 해양 생태계의 일차 생산량의 변화를 판별하는 단계; 를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (a) 단계는 (a-1) 상기 원격탐사에서 획득한 데이터를 이용하여 원격탐사 기반 해양 생태계의 일차 생산량(PP eu)이 산정되는 단계; 및 (a-2) 상기 해양 일차 생산 모델에서 획득한 데이터를 이용하여 연간 일차 생산량이 산정되는 단계; 를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (a-1) 단계에서, 상기 원격탐사 기반 해양 생태계의 일차 생산량(PP eu)은 수온, 표층 광량, 빛 투과 깊이, 엽록소-a 농도 데이터 및 일조 시간 데이터의 곱을 이용하여 산정되는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (a-2) 단계는 온도 및 광량 데이터를 입력 데이터로 하여 엽록소-특정 최대 광합성 용량(P b max) 및 포화된 광도(I k)로 구성된 광합성 파라미터가 설정되는 단계; 상기 설정된 광합성 파라미터와 온도의 변화에 따른 엽록소-a 농도, 엽록소-특정 최대 광합성 용량, 엽록소-특정 광합성 효율 및 광의 강도를 이용하여 순간 일차 생산량(P G(t))이 산출되는 단계; 상기 산출된 순간 일차 생산량(P G(t))에 대하여 노출 기간을 고려하여 '간조시'부터 '만조시' 까지 적분하여 1일 일차 생산량이 산출되는 단계; 및 상기 산출된 1일 일차 생산량에 대하여 '0'부터 '365일' 까지 적분하여 상기 연간 일차 생산량이 산출되는 단계; 를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (b) 단계는 상기 부유사 확산 분석부가 라그랑지안 입자 추적 기법을 적용하여 부유사 입자의 이동과 확산 및 해수와의 혼합을 순차적으로 수치적 모사하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (b) 단계에서, 상기 부유사 입자의 확산의 정도는 조석, 밀도, 바람, 해류 및 확산 속도에 의한 입자 이동 인자의 벡터합으로 산출되는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 ‘바람’ 에 의한 입자 이동 인자의 벡터는 국립 해양 대기국(NOAA)의 글로벌 예보 시스템에서 측정된 ‘바람’ 의 벡터값인 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 '조석’, 상기 '밀도’ 및 상기 '바람 및 해류’에 의한 입자 이동 인자의 벡터는 전 지구 해양 순환 모델(HYCOM)에서 측정된 해류 및 조류에 기초한 벡터값인 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (b) 단계에서, 상기 순차적 모사는 진흙 및 절단물이 배출되면 점토가 응집되고, 플룸(plume)이 중력에 의해 수직 하향 방향으로 셋팅되며, 부유사 입자들이 해저에 축적되는 대류 제트 단계; 상층의 진흙 및 절단물 플룸(plume)이 조류에 의해 수면 바로 밑에서 용해되는 동적 붕괴 단계; 및 상기 배출된 진흙 및 절단물 중 경량의 진흙 및 절단물이 조류에 의해 중간 수심에서 이동되는 확산 단계; 를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 대류 제트 단계는 상기 배출된 진흙 및 절단물이 조류에 의해 수평 방향으로 확산 및 희석되는 단계; 를 더 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 상기 (d) 단계에서, 상기 오프라인 단방향 결합은 해사 채취로 발생한 부유사로 인해 감소되는 빛의 투과 깊이에 따라, 상기 부유사 확산 모델링에서의 격자 크기를 상기 해양 일차 생산 모델에 맞도록 조정하는 단계; 및 상기 감소되는 빛의 투과 깊이를 인공위성 영상의 격자 별로 적용하여 격자 별 일차 생산량 감소분을 판별하는 단계; 를 포함하는 것을 특징으로 한다.
상기 다른 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 컴퓨터 판독 가능 기록 매체는 원격탐사에서 획득한 데이터 및 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량이 산정되는 단계; 및 해사 채취시 발생하는 부유사의 확산을 모사하고 해사 채취량에 따른 부유사의 최대 확산 범위가 예측되어, 상기 해양 생태계의 일차 생산량의 변화가 판별되는 단계; 를 포함하는 것을 특징으로 한다.
상기 다른 목적을 달성하기 위한 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 컴퓨터 판독 가능 기록 매체는 (a) 일차 생산량 산정부가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정하는 단계; (b) 부유사 확산 분석부가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링하는 단계; (c) 투명도 변화 예측부가 상기 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측하는 단계; 및 (d) 일차 생산량 변화 판별부가 상기 예측된 부유사의 최대 확산 범위 및 투명도 변화를 상기 해양 일차 생산 모델에 오프라인 단방향 결합하여 상기 해양 생태계의 일차 생산량의 변화를 판별하는 단계; 를 포함하는 것을 특징으로 한다.
기타 실시예의 구체적인 사항은 "발명을 실시하기 위한 구체적인 내용" 및 첨부 "도면"에 포함되어 있다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 각종 실시예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 각 실시예의 구성만으로 한정되는 것이 아니라 서로 다른 다양한 형태로도 구현될 수도 있으며, 단지 본 명세서에서 개시한 각각의 실시예는 본 발명의 게시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구범위의 각 청구항의 범주에 의해 정의될 뿐임을 알아야 한다.
본 발명에 의할 경우, 원격탐사 데이터의 영상 밴드를 이용하여 일차 생산량을 산정하고, 해사 채취시 발생하는 부유사에 의한 투명도 변화를 예측함으로써, 부유사가 확산되는 범위인 전 지역의 일차 생산량 변화를 신속하고 정확하게 판별할 수 있게 된다.
도 1은 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법을 구현하기 위한 예측 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 동작을 설명하기 위한 순서도이다.
도 3은 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 수온 및 최대 광합성률을 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 4는 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 광 투과 깊이를 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 5는 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 엽록소-a(Chl-a) 농도를 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 6은 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 해양 일차 생산량을 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 7은 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 해양 일차 생산량을 모델링하는 과정을 도시한 개략도이다.
도 8은 해안에서 골재 채취시 퇴적물과 해수의 혼합 및 확산 과정에서 부유사가 단계별로 순차적으로 발생하는 모식도이다.
도 9는 도 8에 도시된 모식도에서 발생한 부유사가 수직 확산되는 경로 에 대하여 6개의 입도 종류를 고려하여 시뮬레이션한 그래프이다.
도 10은 도 8에 도시된 모식도에서 발생한 부유사가 수평 확산되는 경로 에 대하여 시뮬레이션한 결과의 화면이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 바람직한 실시예에 대하여 상세히 설명하면 다음과 같다.
본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있다.
더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.
즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시예를 설명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니다.
이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.
또한, 본 명세서에 있어서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있다.
또한, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.
본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.
더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거나, 연결되어 설치된다"고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있다.
또한, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결시키기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있다.
한편, 상기 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.
반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수단이 존재하지 않는 것으로 이해하여야 한다.
마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.
또한, 본 명세서에 있어서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용된다.
하지만, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아야 한다.
또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 한다.
또한, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으로 이해하여서는 아니된다.
더욱이, 본 발명의 명세서에서는, "…부", "…기", "모듈", "장치" 등의 용어는, 사용된다면, 하나 이상의 기능이나 동작을 처리할 수 있는 단위를 의미한다.
이는 하드웨어 또는 소프트웨어, 또는 하드웨어와 소프트웨어의 결합으로 구현될 수 있음을 알아야 한다.
본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.
또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대한 상세한 설명은 생략될 수도 있다.
도 1은 본 발명의 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법을 구현하기 위한 예측 장치의 블록도로서, 일차 생산량 산정부(100), 부유사 확산 분석부(200), 투명도 변화 예측부(300) 및 일차 생산량 변화 판별부(400)를 구비한다.
도 2는 본 발명의 일 실시예에 따른 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 동작을 설명하기 위한 순서도이다.
도 1 및 도 2를 참조하여 본 발명의 일 실시예에 따른 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 동작을 개략적으로 설명하면 다음과 같다.
먼저, 일차 생산량 산정부(100)가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정한다(S100).
부유사 확산 분석부(200)가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링한다(S200).
투명도 변화 예측부(300)가 단계(S200)에서 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측한다(S300).
일차 생산량 변화 판별부(400)가 단계(S300)에서 예측된 부유사의 최대 확산 범위 및 투명도 변화를 해양 일차 생산 모델에 오프라인 단방향 결합하여 해양 생태계의 일차 생산량의 변화를 판별한다(S400).
도 3은 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 수온 및 최대 광합성률을 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 4는 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 광 투과 깊이를 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 5는 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 엽록소-a(Chl-a) 농도를 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 6은 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 해양 일차 생산량을 측정하기 위해 위성에서 촬영한 대한민국 연안의 분포도 사진이다.
도 7은 도 2에 도시된 해양 생태계 일차 생산량의 변화 예측 방법 중 단계(S100)에서 해양 일차 생산량을 모델링하는 과정을 도시한 개략도이다.
도 8은 해안에서 골재 채취시 퇴적물과 해수의 혼합 및 확산 과정에서 부유사가 단계별로 순차적으로 발생하는 모식도이다.
도 9는 도 8에 도시된 모식도에서 발생한 부유사가 수직 확산되는 경로 에 대하여 6개의 입도 종류를 고려하여 시뮬레이션한 그래프이다.
도 10은 도 8에 도시된 모식도에서 발생한 부유사가 수평 확산되는 경로 에 대하여 시뮬레이션한 결과의 화면이다.
도 1 내지 도 10을 참조하여 본 발명의 일 실시예에 따른 해양 생태계 일차 생산량의 변화 예측 방법의 유기적인 동작을 상세하게 설명하면 다음과 같다.
일차 생산량 산정부(100)가 원격탐사에서 획득한 수온, 최대 광합성율, 표층 광량, 빛 투과 깊이, 엽록소-a(Chl-a) 농도 데이터 및 일조 시간 데이터와, 해양 일차 생산 모델링에서 획득한 엽록소-특정 최대 광합성 용량 및 포화된 광도를 입력값으로 하여 해양 생태계의 일차 생산량을 산정한다(S100).
여기에서, 원격탐사를 통해 획득되는 데이터는 SeaWiFS 또는 MODIS 위성 등의 인공 위성이나 항공기에 의해 관측되는 데이터이다.
특히, 해수는 태양광 근적외선(NIR)을 거의 100％ 흡수하므로 해색(ocean color) 탐지에는 가시광선(visible light) 밴드가 주로 활용되며, 공간적인 해수 특성의 미소한 차이를 구분하기 위해서 방사 해상도(radiometric resolution)가 높은 자료가 사용된다.
즉, 원격탐사 기반 해양 생태계의 일차 생산량(PP eu)을 산정하는 수학식은 다음과 같다.
[수학식 1]
Figure PCTKR2020019219-appb-img-000001
여기에서,
Figure PCTKR2020019219-appb-img-000002
,
Figure PCTKR2020019219-appb-img-000003
,
Figure PCTKR2020019219-appb-img-000004
,
Figure PCTKR2020019219-appb-img-000005
,
Figure PCTKR2020019219-appb-img-000006
는 각각 수온 및 최대 광합성율, 표층 광량, 빛 투과 깊이, 엽록소-a 농도, 일조 시간을 나타낸다.
특히, 표층 광량은 통상 이미징 분광 복사계(MODIS)에 의해 측정된다.
도 7에서 보는 바와 같이, 수학식 1을 이용하여 해양 일차 생산 모델링 과정을 설명하면 다음과 같다.
입력 데이터인 온도 및 광량 데이터를 이용하여(S110) 엽록소-특정 최대 광합성 용량(P b max) 및 포화된 광도(saturated light intensity, I k)와 같은 광합성 파라미터를 설정한다(S120).
순간 일차 생산량(instant primary production, P G(t))은 설정된 광합성 파라미터(P b max, I k) 및 다음의 수학식 2를 이용하여 산출한다(S130).
[수학식 2]
Figure PCTKR2020019219-appb-img-000007
여기에서, Chl-a(t)는 온도의 변화에 따른 엽록소-a 농도, P b max(t)는 온도의 변화에 따른 엽록소-특정 최대 광합성 용량, α b(t)는 온도의 변화에 따른 엽록소-특정 광합성 효율, I(t)는 온도의 변화에 따른 광의 강도를 나타낸다.
1일 일차 생산량(Daily PP(t))은 상기 산출된 순간 일차 생산량(P G(t)) 및 다음의 수학식 3을 이용하여 산출한다(S140).
[수학식 3]
Figure PCTKR2020019219-appb-img-000008
즉, 순간 일차 생산량(P G(t))에 대하여 노출 기간을 고려하여 바닷물의 높이가 가장 낮아졌을 때인 '간조시(ebb)'부터 바닷물의 높이가 가장 높아졌을 때인 '만조시(flood)' 까지 적분한 값이다.
연간 일차 생산량(Annual PP)은 상기 산출된 1일 일차 생산량(Daily PP(t)) 및 다음의 수학식 4를 이용하여 산출한다(S150).
[수학식 4]
Figure PCTKR2020019219-appb-img-000009
즉, 1일 일차 생산량(Daily PP(t))에 대하여 '0'부터 '365일' 까지 적분한 값이다.
다음으로, 도 2에서 보는 바와 같이, 부유사 확산 분석부(200)가 해사 채취시 발생하는 부유사의 확산을 수치적으로 모사하기 위해 라그랑지안 입자 추적 기법을 적용하여 수치적으로 부유사 입자의 이동과 확산 및 해수와의 혼합을 순차적으로 모사하여 모델링한다(S200).
여기에서, 라그랑지안 입자 추적 기법이란 일정한 부피를 가진 부유물들이 수면 위에서 서로 독립적으로 움직인다는 가정 하에, 이류와 확산에 의하여 각각의 부유물들이 시간에 따라 이동된 위치를 구하는 방법을 말한다.
이를 위해 아래의 수학식 5에서 보는 바와 같이, 부유사의 확산 정도는 조석, 밀도, 바람, 해류, 확산 작용에 의한 입자 이동 인자의 벡터합으로 산출한다.
[수학식 5]
Figure PCTKR2020019219-appb-img-000010
여기에서, U 바람은 국립 해양 대기국(National Oceanic and Atmospheric Administration, NOAA)의 글로벌 예보 시스템에서 측정된 ‘바람’ 의 벡터값이고, U 조석, U 밀도, U 바람X해류는 각각 전 지구 해양 순환 모델(HYbrid Coordinate Ocean Model, HYCOM)에서 측정된 해류 및 조류에 기초한 '조석’, '밀도’, '바람 및 해류’의 벡터값을 나타낸다.
또한, U 확산은 난류에 의한 확산 속도를 의미하며, 그 중 수평 확산 속도는 남-북, 동-서 방향의 두 가지 성분이 추출되며 이를 부유사 확산 모델의 입력값으로 이용하여 산출되는데, 이를 계산하는 방식은 공지된 기술이므로 상세한 설명은 생략한다.
도 8에서 보는 바와 같이, 퇴적물과 해수의 혼합과 확산을 대류 제트(convective jet) 단계(stage 1), 동적 붕괴(dynamic collapse) 단계(stage 2), 확산(dispersion) 단계(stage 3) 순으로 순차적으로 모사한다.
즉, 제1 단계인 대류 제트 단계(stage 1)에서는, 진흙 및 절단물(cuttings)이 배출되면 점토가 응집(flocculation)되고, 중력에 의해 수직 하향 방향으로 플룸(plume)이 신속하게 셋팅되며, 조잡한 부유사 입자들이 해저에 축적(pile)된다.
또한, 조류에 의해 진흙 및 절단물(cuttings)이 수평 방향으로 확산(dispersion) 및 희석(dilution)된다.
제2 단계인 동적 붕괴 단계(stage 2)에서는, 상층의 진흙 및 절단물(cuttings) 플룸(plume)이 조류에 의해 수면 바로 밑에서 용해(dissolution)된다.
제3 단계인 확산 단계(stage 3)에서는, 배출된 진흙 및 절단물 중에서 경량의 진흙 및 절단물(cuttings)이 조류에 의해 중간 정도의 수심에서 이동한다.
다음으로, 도 2에서 보는 바와 같이, 투명도 변화 예측부(300)가 단계(S200)에서 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위와 투명도 변화를 예측한다(S300).
다음으로, 도 2에서 보는 바와 같이, 일차 생산량 변화 판별부(400)가 단계(S300)에서 예측된 부유사의 최대 확산 범위 및 투명도 변화를 단계(S100)에서 분석된 해양 일차 생산 모델에 오프라인 단방향 결합(offline one-way coupling) 기법을 적용하여 해양 생태계의 일차 생산량의 변화를 판별한다(S400).
여기에서, 오프라인 단방향 결합 기법이란 부유사 최대 확산 범위 및 투명도 변화를 인공위성 일차 생산 모델의 격자 크기에 맞게 입력하는 방법을 말한다.
즉, 해사 채취로 인해 부유사가 발생하면 빛의 투과 깊이가 그 만큼 감소하게 되는데, 부유사 확산 모델링에서의 격자 크기를 단계(S100)에서 분석된 해양 일차 생산 모델에 맞도록 조정하여 감소된 빛의 투과 깊이를 인공위성 영상의 격자 별로 적용한다.
이를 통해, 일차 생산 모델에 감소된 빛의 투과 깊이를 적용하여 격자 별 일차 생산량 감소분을 판별하게 된다.
한편, 본 발명에 따른 기록 매체는 전술한 본 발명에 따른 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능 기록 매체이다.
본 발명의 일 실시예에 따른 기록 매체에는 원격탐사에서 획득한 데이터 및 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량이 산정되는 단계; 및 해사 채취시 발생하는 부유사의 확산을 모사하고 해사 채취량에 따른 부유사의 최대 확산 범위가 예측되어, 상기 해양 생태계의 일차 생산량의 변화가 판별되는 단계; 가 포함된다.
본 발명의 일 실시예에 따른 기록 매체에는 매체는 (a) 일차 생산량 산정부가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정하는 단계; (b) 부유사 확산 분석부가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링하는 단계; (c) 투명도 변화 예측부가 상기 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측하는 단계; 및 (d) 일차 생산량 변화 판별부가 상기 예측된 부유사의 최대 확산 범위 및 투명도 변화를 상기 해양 일차 생산 모델에 오프라인 단방향 결합하여 상기 해양 생태계의 일차 생산량의 변화를 판별하는 단계; 가 포함된다.
상기 컴퓨터 판독 가능 기록 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 기록 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이와 같이, 본 발명은 에러 기간이 다른 비선형 회귀 모형을 사용하여 중도 절단 시간과 예측 시간을 검토하고, 결정 계수가 높고 평균 제곱 오차가 낮은 모형을 결정하여 장래의 고장 시간을 예측할 수 있는 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체를 제공한다.
이를 통하여, 소프트웨어 시스템 설계 및 소프트웨어 신뢰성 분야에서, 소프트웨어 개발자 및 운용자들이 데이터를 검열하는 데 필요한 정보의 증가를 정확하게 예측하고 고려하게 되어, 소프트웨어 고장 시간을 신속하고 정확하게 분석하고 예측이 가능해져 소프트웨어 안정성을 향상시킬 수 있다.
이상, 일부 예를 들어서 본 발명의 바람직한 여러 가지 실시예에 대해서 설명하였지만, 본 "발명을 실시하기 위한 구체적인 내용" 항목에 기재된 여러 가지 다양한 실시예에 관한 설명은 예시적인 것에 불과한 것이며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이상의 설명으로부터 본 발명을 다양하게 변형하여 실시하거나 본 발명과 균등한 실시를 행할 수 있다는 점을 잘 이해하고 있을 것이다.
또한, 본 발명은 다른 다양한 형태로 구현될 수 있기 때문에 본 발명은 상술한 설명에 의해서 한정되는 것이 아니며, 이상의 설명은 본 발명의 개시 내용이 완전해지도록 하기 위한 것으로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이며, 본 발명은 청구범위의 각 청구항에 의해서 정의될 뿐임을 알아야 한다.
[부호의 설명]
100: 일차 생산량 산정부
200: 부유사 확산 분석부
300: 투명도 변화 예측부
400: 일차 생산량 변화 판별부

Claims (14)

  1. 원격탐사에서 획득한 데이터 및 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량이 산정되는 단계; 및
    해사 채취시 발생하는 부유사의 확산을 모사하고 해사 채취량에 따른 부유사의 최대 확산 범위가 예측되어, 상기 해양 생태계의 일차 생산량의 변화가 판별되는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  2. (a) 일차 생산량 산정부가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정하는 단계;
    (b) 부유사 확산 분석부가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링하는 단계;
    (c) 투명도 변화 예측부가 상기 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측하는 단계; 및
    (d) 일차 생산량 변화 판별부가 상기 예측된 부유사의 최대 확산 범위 및 투명도 변화를 상기 해양 일차 생산 모델에 오프라인 단방향 결합하여 상기 해양 생태계의 일차 생산량의 변화를 판별하는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  3. 제 2 항에 있어서,
    상기 (a) 단계는
    (a-1) 상기 원격탐사에서 획득한 데이터를 이용하여 원격탐사 기반 해양 생태계의 일차 생산량(PP eu)이 산정되는 단계; 및
    (a-2) 상기 해양 일차 생산 모델에서 획득한 데이터를 이용하여 연간 일차 생산량이 산정되는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  4. 제 3 항에 있어서,
    상기 (a-1) 단계에서,
    상기 원격탐사 기반 해양 생태계의 일차 생산량(PP eu)은
    수온, 표층 광량, 빛 투과 깊이, 엽록소-a 농도 데이터 및 일조 시간 데이터의 곱을 이용하여 산정되는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  5. 제 3 항에 있어서,
    상기 (a-2) 단계는
    온도 및 광량 데이터를 입력 데이터로 하여 엽록소-특정 최대 광합성 용량(P b max) 및 포화된 광도(I k)로 구성된 광합성 파라미터가 설정되는 단계;
    상기 설정된 광합성 파라미터와 온도의 변화에 따른 엽록소-a 농도, 엽록소-특정 최대 광합성 용량, 엽록소-특정 광합성 효율 및 광의 강도를 이용하여 순간 일차 생산량(P G(t))이 산출되는 단계;
    상기 산출된 순간 일차 생산량(P G(t))에 대하여 노출 기간을 고려하여 '간조시'부터 '만조시' 까지 적분하여 1일 일차 생산량이 산출되는 단계; 및
    상기 산출된 1일 일차 생산량에 대하여 '0'부터 '365일' 까지 적분하여 상기 연간 일차 생산량이 산출되는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  6. 제 2 항에 있어서,
    상기 (b) 단계는
    상기 부유사 확산 분석부가 라그랑지안 입자 추적 기법을 적용하여 부유사 입자의 이동과 확산 및 해수와의 혼합을 순차적으로 수치적 모사하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  7. 제 6 항에 있어서,
    상기 (b) 단계에서,
    상기 부유사 입자의 확산의 정도는
    조석, 밀도, 바람, 해류 및 확산 속도에 의한 입자 이동 인자의 벡터합으로 산출되는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  8. 제 7 항에 있어서,
    상기 ‘바람’ 에 의한 입자 이동 인자의 벡터는
    국립 해양 대기국(NOAA)의 글로벌 예보 시스템에서 측정된 ‘바람’ 의 벡터값인 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  9. 제 7 항에 있어서,
    상기 '조석’, 상기 '밀도’ 및 상기 '바람 및 해류’에 의한 입자 이동 인자의 벡터는
    전 지구 해양 순환 모델(HYCOM)에서 측정된 해류 및 조류에 기초한 벡터값인 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  10. 제 6 항에 있어서,
    상기 (b) 단계에서,
    상기 순차적 모사는
    진흙 및 절단물이 배출되면 점토가 응집되고, 플룸(plume)이 중력에 의해 수직 하향 방향으로 셋팅되며, 부유사 입자들이 해저에 축적되는 대류 제트 단계;
    상층의 진흙 및 절단물 플룸(plume)이 조류에 의해 수면 바로 밑에서 용해되는 동적 붕괴 단계; 및
    상기 배출된 진흙 및 절단물 중 경량의 진흙 및 절단물이 조류에 의해 중간 수심에서 이동되는 확산 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  11. 제 10 항에 있어서,
    상기 대류 제트 단계는
    상기 배출된 진흙 및 절단물이 조류에 의해 수평 방향으로 확산 및 희석되는 단계;
    를 더 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  12. 제 2 항에 있어서,
    상기 (d) 단계에서,
    상기 오프라인 단방향 결합은
    해사 채취로 발생한 부유사로 인해 감소되는 빛의 투과 깊이에 따라, 상기 부유사 확산 모델링에서의 격자 크기를 상기 해양 일차 생산 모델에 맞도록 조정하는 단계; 및
    상기 감소되는 빛의 투과 깊이를 인공위성 영상의 격자 별로 적용하여 격자 별 일차 생산량 감소분을 판별하는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법.
  13. 원격탐사에서 획득한 데이터 및 해양 일차 생산 모델에서 획득한 데이터를 이용하여 해양 생태계의 일차 생산량이 산정되는 단계; 및
    해사 채취시 발생하는 부유사의 확산을 모사하고 해사 채취량에 따른 부유사의 최대 확산 범위가 예측되어, 상기 해양 생태계의 일차 생산량의 변화가 판별되는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 컴퓨터 판독 가능 기록 매체.
  14. (a) 일차 생산량 산정부가 원격탐사에서 획득한 데이터와 해양 일차 생산 모델에서 획득한 데이터를 입력값으로 하여 해양 생태계의 일차 생산량을 산정하는 단계;
    (b) 부유사 확산 분석부가 해사 채취시 발생하는 부유사 확산을 수치적으로 모사하여 모델링하는 단계;
    (c) 투명도 변화 예측부가 상기 모사된 부유사 확산 모델링을 이용하여 해사 채취량에 따른 부유사의 최대 확산 범위 및 투명도 변화를 예측하는 단계; 및
    (d) 일차 생산량 변화 판별부가 상기 예측된 부유사의 최대 확산 범위 및 투명도 변화를 상기 해양 일차 생산 모델에 오프라인 단방향 결합하여 상기 해양 생태계의 일차 생산량의 변화를 판별하는 단계;
    를 포함하는 것을 특징으로 하는,
    해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법의 컴퓨터 판독 가능 기록 매체.
PCT/KR2020/019219 2020-01-10 2020-12-28 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체 WO2021141310A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0003477 2020-01-10
KR1020200003477A KR102156107B1 (ko) 2020-01-10 2020-01-10 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체

Publications (1)

Publication Number Publication Date
WO2021141310A1 true WO2021141310A1 (ko) 2021-07-15

Family

ID=72469750

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/019219 WO2021141310A1 (ko) 2020-01-10 2020-12-28 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체

Country Status (2)

Country Link
KR (1) KR102156107B1 (ko)
WO (1) WO2021141310A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102156107B1 (ko) * 2020-01-10 2020-09-15 서울대학교산학협력단 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체
CN115100537B (zh) * 2022-06-27 2023-03-28 中国科学院地理科学与资源研究所 一种基于遥感影像的潮汐能资源评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004028616A (ja) * 2002-06-21 2004-01-29 Nec Corp 海洋環境計測間隔決定方法及び装置
KR100798412B1 (ko) * 2006-10-24 2008-01-28 (주)한국해양과학기술 해양 및 대지의 과학적 자료를 3차원으로 가시화하여서비스하는 시스템 및 이의 서비스 방법
KR20160005832A (ko) * 2014-07-07 2016-01-18 서울대학교산학협력단 해양 생태계의 시뮬레이션을 위한 데이터 변환 장치
KR20170112404A (ko) * 2016-03-31 2017-10-12 광주과학기술원 원격탐사 초분광 영상이미지를 이용한 병원성 미생물의 농도 예측방법
KR102156107B1 (ko) * 2020-01-10 2020-09-15 서울대학교산학협력단 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3131661B2 (ja) 1992-07-07 2001-02-05 株式会社日立製作所 水質汚染監視装置及びその方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004028616A (ja) * 2002-06-21 2004-01-29 Nec Corp 海洋環境計測間隔決定方法及び装置
KR100798412B1 (ko) * 2006-10-24 2008-01-28 (주)한국해양과학기술 해양 및 대지의 과학적 자료를 3차원으로 가시화하여서비스하는 시스템 및 이의 서비스 방법
KR20160005832A (ko) * 2014-07-07 2016-01-18 서울대학교산학협력단 해양 생태계의 시뮬레이션을 위한 데이터 변환 장치
KR20170112404A (ko) * 2016-03-31 2017-10-12 광주과학기술원 원격탐사 초분광 영상이미지를 이용한 병원성 미생물의 농도 예측방법
KR102156107B1 (ko) * 2020-01-10 2020-09-15 서울대학교산학협력단 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HWANG, JINHWAN ET AL.: "Comparison of Monitoring Technologies for the Behavior of Suspended Sediment Due to Namhae EEZ Sand Extraction and Simulation of the Distribution Area of the Suspended Sediment Discharged to the Middle Floor", 10 September 2014 (2014-09-10), pages 1 - 30, XP009529196, Retrieved from the Internet <URL:https://www.kwater.or.kr/kiwe/resu/reportDown.do?otxt_atchfl_id=LIB20072014154113314&fileSeq=1> *

Also Published As

Publication number Publication date
KR102156107B1 (ko) 2020-09-15

Similar Documents

Publication Publication Date Title
WO2021141310A1 (ko) 해사 채취시 해양 생태계 일차 생산량의 변화 예측 방법 및 컴퓨터 판독 가능 기록 매체
Lee et al. Improved detection of hotspots using the AVHRR 3.7-um channel
Kumar et al. Meteorological, atmospheric and climatic perturbations during major dust storms over Indo-Gangetic Basin
Xing et al. Remote sensing of early-stage green tide in the Yellow Sea for floating-macroalgae collecting campaign
Iversen et al. Size does not matter after all: No evidence for a size-sinking relationship for marine snow
Román-Rivera et al. A synthetic review of remote sensing applications to detect nearshore bars
CN106250835A (zh) 基于特征识别的输电线路上的鸟巢识别方法
Morris et al. Video-derived mapping of estuarine evolution
WO2011019111A1 (ko) 웹 3ｄ를 이용한 해양정보 제공시스템 및 그 방법
Wang et al. Temporal continuous monitoring of cyanobacterial blooms in Lake Taihu at an hourly scale using machine learning
Sun et al. A numerical study of the Ulva prolifera biomass during the green tides in China-toward a cleaner Porphyra mariculture
Shao et al. Expansion of Urban Impervious surfaces in Lahore (1993–2022) based on GEE and remote Sensing Data
Kabiri et al. Fluctuation of sea surface temperature in the Persian Gulf and its impact on coral reef communities around Kish Island
Ghirardi et al. Using remote sensing and numerical modelling to quantify a turbidity discharge event in Lake Garda
Yasunari et al. Impacts of Asian dust storm associated with the stratosphere-to-troposphere transport in the spring of 2001 and 2002 on dust and tritium variations in Mount Wrangell ice core, Alaska
Xiong et al. Storm-induced coastward expansion of Margalefidinium polykrikoides bloom in Chesapeake Bay
Ji et al. Identification and assessment of the drift velocity of green tides using the maximum cross-correlation method in the Yellow Sea
Kim et al. A Preliminary Study on Benthic Mapping of Uljin Coast Based on Airborne Hyperspectral Imagery Towards the Whitening Detection
Morales et al. Ageostrophic contribution by the wind and waves induced flow to the lateral stirring in the mediterranean sea
Coscarella et al. Small scale habitat modeling for Commerson's dolphin (Cephalorhynchus commersonii) in northern Patagonia, Argentina.
Perry et al. Autonomous Underwater Vehicle Collaborations to Improve Hurricane Forecasting and Environmental Monitoring in the Gulf of Mexico
Pizzolla et al. Soil moisture estimation from high-resolution UASs imagery based on machine learning approaches for land cover classification
Brovkina et al. Application of Airborne Data to Monitor Urban Infrastructure Objects
Du et al. Impact of the “Tianjin 8.12 Explosion” on Chlorophyll-a Concentration in the Bohai Sea
Moutzouris-Sidiris et al. Assessment of chlorophyll-a retrievals algorithms from Sentinel-2 satellite data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20912513

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20912513

Country of ref document: EP

Kind code of ref document: A1