• Article

    Impacts of Seasonal and Interannual Variabilities of Sea Surface Temperature on its Short-term Deep-learning Prediction Model Around the Southern Coast of Korea

    한국 남부 해역 SST의 계절 및 경년 변동이 단기 딥러닝 모델의 SST 예측에 미치는 영향

    HO-JEONG JU, JEONG-YEOB CHAE, EUN-JOO LEE, YOUNG-TAEG KIM AND JAE-HUN PARK

    주호정, 채정엽, 이은주, 김영택, 박재훈

    Sea Surface Temperature (SST), one of the ocean features, has a significant impact on climate, marine ecosystem and human activities. Therefore, SST …

    해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. …

    + READ MORE
    Sea Surface Temperature (SST), one of the ocean features, has a significant impact on climate, marine ecosystem and human activities. Therefore, SST prediction has been always an important issue. Recently, deep learning has drawn much attentions, since it can predict SST by training past SST patterns. Compared to the numerical simulations, deep learning model is highly efficient, since it can estimate nonlinear relationships between input data. With the recent development of Graphics Processing Unit (GPU) in computer, large amounts of data can be calculated repeatedly and rapidly. In this study, Short-term SST will be predicted through Convolutional Neural Network (CNN)-based U-Net that can handle spatiotemporal data concurrently and overcome the drawbacks of previously existing deep learning-based models. The SST prediction performance depends on the seasonal and interannual SST variabilities around the southern coast of Korea. The predicted SST has a wide range of variance during spring and summer, while it has small range of variance during fall and winter. A wide range of variance also has a significant correlation with the change of the Pacific Decadal Oscillation (PDO) index. These results are found to be affected by the intensity of the seasonal and PDO-related interannual SST fronts and their intensity variations along the southern Korean seas. This study implies that the SST prediction performance using the developed deep learning model can be significantly varied by seasonal and interannual variabilities in SST.


    해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. 최근 들어 과거의 패턴을 학습하여 예측값을 생성할 수 있는 딥러닝을 활용한 해수면 온도 예측이 복잡한 수치모델을 이용한 예측의 대안으로 주목받고 있다. 딥러닝은 입력 자료 간의 비선형적인 관계를 추정할 수 있는 것이 큰 장점이며, 최근 컴퓨터 그래픽카드의 발달로 많은 양의 데이터를 반복적이고 빠르게 계산할 수 있게 되었다. 본 연구에서는 기존의 딥러닝 모델의 단점들을 보완하면서 시공간 자료를 다룰 수 있는 합성곱 신경망(Convolutional Neural Network) 기반의 U-Net을 통해 단기 해수면 온도 예측을 수행하였다. 개발한 딥러닝 모델을 이용한 한국 남부 근해 해수면 온도의 단기 예측은 예측일의 해수면 온도의 중장기 변동성에 따라 달라지는 성능을 보였다. 해수면 온도 변동성의 증감은 계절적 변동 뿐 아니라 Pacific Decadal Oscillation (PDO) 지수의 변동과도 유의미한 상관관계를 보였는데, 이는 계절 변동 및 PDO에 따른 기후 변화에 기인한 수온 전선의 강도 변화가 해수면 온도의 시공간적 변동성에 영향을 줌으로써 발생했음을 확인하였다. 본 연구는 해수면 수온 자료가 가지고 있는 계절적 변동성과 경년 변동성이 딥러닝 모델의 해수면 단기 수온 예측 성능에 기여함을 밝힌 것에 그 의의가 있다.

    - COLLAPSE
    31 May 2022
  • Article

    WQI Class Prediction of Sihwa Lake Using Machine Learning-Based Models

    기계학습 기반 모델을 활용한 시화호의 수질평가지수 등급 예측

    SOO BIN KIM, JAE SEONG LEE AND KYUNG TAE KIM

    김수빈, 이재성, 김경태

    The water quality index (WQI) has been widely used to evaluate marine water quality. The WQI in Korea is categorized into five …

    해양환경을 정량적으로 평가하기 위해 수질평가지수(water quality index, WQI)가 사용되고 있다. 우리나라는 해양수산부고시 해양환경기준에 따라 WQI를 5개 등급으로 구분하여 수질을 평가한다. 하지만, 방대한 …

    + READ MORE
    The water quality index (WQI) has been widely used to evaluate marine water quality. The WQI in Korea is categorized into five classes by marine environmental standards. But, the WQI calculation on huge datasets is a very complex and time-consuming process. In this regard, the current study proposed machine learning (ML) based models to predict WQI class by using water quality datasets. Sihwa Lake, one of specially-managed coastal zone, was selected as a modeling site. In this study, adaptive boosting (AdaBoost) and tree-based pipeline optimization (TPOT) algorithms were used to train models and each model performance was evaluated by metrics (accuracy, precision, F1, and Log loss) on classification. Before training, the feature importance and sensitivity analysis were conducted to find out the best input combination for each algorithm. The results proved that the bottom dissolved oxygen (DOBot) was the most important variable affecting model performance. Conversely, surface dissolved inorganic nitrogen (DINSur) and dissolved inorganic phosphorus (DIPSur) had weaker effects on the prediction of WQI class. In addition, the performance varied over features including stations, seasons, and WQI classes by comparing spatio-temporal and class sensitivities of each best model. In conclusion, the modeling results showed that the TPOT algorithm has better performance rather than the AdaBoost algorithm without considering feature selection. Moreover, the WQI class for unknown water quality datasets could be surely predicted using the TPOT model trained with satisfactory training datasets.


    해양환경을 정량적으로 평가하기 위해 수질평가지수(water quality index, WQI)가 사용되고 있다. 우리나라는 해양수산부고시 해양환경기준에 따라 WQI를 5개 등급으로 구분하여 수질을 평가한다. 하지만, 방대한 수질 조사 자료에 대한 WQI 계산은 복잡하고 많은 시간이 요구된다. 이 연구는 기존의 조사된 수질 자료를 활용하여 WQI 등급을 예측할 수 있는 기계학습(machine learning, ML) 기반의 모델을 제안하고자 한다. 특별관리해역인 시화호를 모델링 지역으로 선정하였다. AdaBoost와 TPOT 알고리즘을 모델 훈련을 위해 사용하였으며, 분류 모델 평가 지표(정확도, 정밀도, F1, Log loss)로 모델 성능을 평가하였다. 훈련하기 전, 각 알고리즘 모델의 최적 입력자료 조합을 탐색하기 위해 변수 중요도와 민감도 분석을 수행하였다. 그 결과 저층 용존산소(dissolved oxygen, DO)는 모델의 성능에서 가장 중요한 인자였다. 반면, 표층 용존무기질소(dissolved inorganic nitrogen, DIN)와 표층 용존무기인(dissolved inorganic phosphorus, DIP)은 상대적으로 영향이 적었다. 한편, 최적 모델의 시공간적 민감도와 WQI 등급 별 민감도를 비교한 결과 각 조사 정점 및 시기, 등급 별 모델의 예측 성능이 상이하였다. 결론적으로 TPOT 알고리즘이 모든 입력자료 조합에서 성능이 더 우수하여 충분한 자료로 훈련된 최적 모델은 새로운 수질 조사 자료의 WQI 등급을 정확하게 분류할 수 있을 거라 판단된다.

    - COLLAPSE
    31 May 2022
  • Article

    Spatial Distribution of Macrozoobenthic Organisms along the Korean Coasts in Summer Season

    한국 연안의 하계 대형저서동물의 공간분포

    JUNG-HO LEE, HYUN-SIG LIM, HYUN CHOOL SHIN AND JONGSEONG RYU

    이정호, 임현식, 신현출, 류종성

    To clarify the spatial distribution pattern of macrozoobenthos in Korean coastal waters in the summer season and investigate the relationship between community …

    우리나라 연안해역의 하계 대형저서동물의 공간분포를 파악하고 군집구조와 저서환경요인간의 연관성을 밝히기 위하여, 2017년 8월 총 117개 정점에서 대형저서동물 군집과 저서환경요인을 조사하였다. 조사 결과 …

    + READ MORE
    To clarify the spatial distribution pattern of macrozoobenthos in Korean coastal waters in the summer season and investigate the relationship between community structure and benthic environmental factors, field surveys on community structure and benthic environmental factors were conducted at 117 stations in August 2017. A total of 613 macrobenthic species were identified, with the mean density of 1,228 ind./㎡ and the mean biomass (wet weight) of 110.9 g WW/㎡. Rich biodiversity was found at stations near Wando and along the coast of the East Sea, and there is a trend that stations with greater biodiversity also showed higher mean density as well. The dominant species in all the coastal areas in Korea was Heteromastus filiformis, which were found at most of the stations during the survey. The relatively deep areas in the East Sea were dominated by Magelona johnsoni and Maldane cristata, which were the third and ninth dominant species in the study areas, respectively. Pseudopolydora kempi and Rhynchospio sp. were observed only at the station located in the Nakdong River estuary. From the cluster analysis the stations could be clustered into three station groups with more similar faunal composition. Group A was located in the eastern coast, characterized with deep water depth and low levels of sand contents, while Group B was located in the southern coast, characterized by shallow depth of water and high content of mud and organic matter. Lastly, Group C was in the western coast, demonstrating low levels of mud content and organic matters. The biodiversity of macrobenthic species in the study area showed high positive correlation coefficients with benthic environmental factors such as sorting, clay, silt, and contents of organic matter in sediments, but negatively correlated with the sand contents. Major dominant species, Theora lata and Eriopisella sechellensis, both showed negative correlation coefficients with the sand contents, but a relatively high positive correlation with the levels of organic contents.It can be concluded that the spatial distribution patterns of macrobenthic organisms in Korean coastal waters are affected by depth, sediment type, and contents of organic matters.


    우리나라 연안해역의 하계 대형저서동물의 공간분포를 파악하고 군집구조와 저서환경요인간의 연관성을 밝히기 위하여, 2017년 8월 총 117개 정점에서 대형저서동물 군집과 저서환경요인을 조사하였다. 조사 결과 대형저서동물의 총 출현종수는 613종이었으며, 평균 서식밀도는 1,228 개체/㎡, 평균 생물량(습중량)은 110.9 g WW/㎡으로 나타났다. 남해의 완도해역과 동해 해역에서 많은 출현종수를 보였으며, 출현종수가 많은 정점에서 동시에 높은 밀도를 보였다. 우리나라 전해역에서 최우점종으로 출현한 종은 고리버들갯지렁이인 Heteromastus filiformis 이며, 이종은 대부분의 정점에서 출현하였다. 상위 우점종 중 동해해역의 비교적 수심이 깊은 정점들에서 높은 밀도로 출현한 종은 양손갯지렁이류인 Magelona johnstoni 및 대나무갯지렁이류인 Maldane cristata 이며, 각각 3위 및 9위의 우점순위를 차지하였다. 특징적으로 얼굴갯지렁이류인 Pseudopolydora kempiRhynchospio sp.는 낙동강 하구에 위치한 정점에서만 높은 밀도로 출현하는 양상을 보였다. 집괴분석 결과 지리적으로 3개의 정점군으로 구분되었으며, 수심이 깊고 니질함량이 많은 정점군인 동해해역(정점군 A), 니질함량과 유기물함량이 많지만 비교적 수심이 얕은 정점군인 남해해역(정점군 B), 니질함량과 유기물함량이 적은 정점군인 서해해역(정점군 C)으로 구분되었다. 대형저서동물 출현종수는 분급도, 실트함량, 니질함량, 유기물함량과 높은 양의 상관관계를 보였으며, Sand 함량과는 음의 상관관계를 보였다. 남해해역에서 비교적 높은 밀도로 출현하는 Theora lataEriopisella sechellensis는 유기물함량과 비교적 높은 양의 상관관계를 보였으며, Sand 함량과 비교적 높은 음의 상관관계를 보였다. 결론적으로, 우리나라 연안의 하계 대형저서동물의 공간분포는 수심, 퇴적상, 퇴적물의 유기물 함량에 의해 영향을 받는 것으로 판단된다.

    - COLLAPSE
    31 May 2022
  • Article

    Characteristics of Meiofauna Community Inhabiting Continental Shelf of Yellow Sea, Korea

    황해 대륙붕에 서식하는 중형저서동물 군집 특성

    MIN GYU JUNG, DONGSUNG KIM, TEAWOOK KANG, JE HYEOK OH, AYONG SHIN AND CHUL WOONG OH

    정민규, 김동성, 강태욱, 오제혁, 신아영, 오철웅

    This study aims to identify the community characteristics of meiofauna inhabiting the Yellow Sea continental shelf. To this end an annual survey …

    본 연구는 황해 중부해역의 대륙붕에 서식하는 중형저서동물의 군집 특성을 파악하기 위한 연구로서, 이를 위해 2018년부터 2020년까지 북위 35도, 36도, 37도에 위치한 수심 …

    + READ MORE
    This study aims to identify the community characteristics of meiofauna inhabiting the Yellow Sea continental shelf. To this end an annual survey was conducted considering the seasons from 2018 to 2020 at 13 stations with a depth of 18~90 m of the Yellow Sea located at latitudes 35, 36 and 37 degrees north latitude. The survey was conducted in three seasons of spring, summer, and autumn at 5 stations in October 2018, 9 stations in April 2019, and 6 stations in August 2020 was used to collect 3 repetitions at each station. The habitat density of meiobenthos in the surveyed area was in the range of 45~1029 inds./10 ㎠, which was similar to the previous studies conducted in the Yellow Sea. The density of meiobenthos according to the seasons was 800±69 inds./10 ㎠ in autumn, the highest, and the lowest at 260±48 inds./10 ㎠ in summer. A total of 19 taxa appeared in meiobenthos, and the average value showed the number of nine taxa. Among the appearing taxa, the most dominant taxon was nematodes, accounting for 80.8% of the total density, followed by benthic copepods (8.8%) and benthic foraminifers (4.7%). As for the size distribution of medium benthic animals, the density of organisms corresponding to the size of 63~125 ㎛ was the highest, and 1∼0.5 mm was the lowest. As for the vertical distribution in the sediments of medium benthic animals, the habitat density gradually decreased as the depth increased in the sediment surface layer. As a result of analysis of the N/C ratio, MPI, and ITD index using medium-sized benthic animals to identify the benthic environment, there were differences by season, but no values ​​indicating pollution overall.


    본 연구는 황해 중부해역의 대륙붕에 서식하는 중형저서동물의 군집 특성을 파악하기 위한 연구로서, 이를 위해 2018년부터 2020년까지 북위 35도, 36도, 37도에 위치한 수심 18~90 m의 13개 정점에서 조사를 수행하였다. 2018년 10월 5개 정점, 2019년 4월 9개 정점, 2020년 8월 6개 정점에서 봄, 여름, 가을의 3계절에 조사를 진행하였으며, 중형저서동물 시료는 직경 3.6 ㎝의 아크릴 코어러를 이용하여 각 정점에서 반복수 3회로 채집하였다. 조사해역의 중형저서동물의 서식밀도는 45~1029 inds./10 ㎠범위로 이는 기존의 황해에서 진행되었던 국내 연안과 중국 중부해역 연구와 유사한 결과를 보였다. 중형저서동물의 계절에 따른 서식밀도는 가을에 800±69 inds./10 ㎠로 가장 높은 서식밀도를 보였고, 여름에 260±48 inds./10 ㎠로 가장 낮았다. 중형저서동물은 총 19개의 분류군이 출현하였으며, 평균값은 9개의 분류군 수를 보였다. 출현 분류군 중 가장 우점하는 분류군은 선충류로 전체 서식밀도의 80.8%로 나타났으며, 그 다음으로 저서성 요각류(8.8%), 저서유공충류(4.7%) 순으로 나타났다. 중형저서동물의 크기 분포는 63 ㎛의 망목을 통과하고 125 ㎛크기의 체에 걸러지는 생물의 서식밀도가 가장 높았으며 1∼0.5 ㎜가 가장 낮게 나타났다. 중형저서동물의 퇴적물 내 수직적 분포는 퇴적물 표층에서 깊이가 깊어질수록 서식밀도가 점차 감소하는 양상을 보였다. 저서환경을 파악하기 위해 중형저서동물을 활용한 N/C ratio, MPI, ITD 지수 분석결과 계절별로 차이를 보이기는 하였으나, 전반적으로 오염을 나타내는 값은 나타나지 않았다.

    - COLLAPSE
    31 May 2022
  • Newsletter

Journal Informaiton The Sea Journal of the Korean Society of Oceanography The Sea Journal of the Korean Society of Oceanography
  • NRF
  • KOFST
  • KISTI Current Status
  • KISTI Cited-by
  • crosscheck
  • orcid
  • open access
  • ccl
Journal Informaiton Journal Informaiton - close