1. 서론

잘피(Seagrass)는 연안 해역에 서식하는 해양수생관속식물로 극지방을 제외한 전 세계 연안에 약 60여 종이 분포하고 있다(Park et al., 2012). 우리나라에는 9종의 잘피가 서식하고 있으며, 그 중 거머리말(Zostera marina)이 동해, 서해, 남해에 걸쳐 가장 널리 서식하는 종으로 알려져 있으며 Zostera속 5종, Phyllospadix속 2종, 하구종인 Ruppia martima와 아열대성 잘피인 Halophila nipponica의 9종이 자생하고 있는 것으로 보고되었다(Lee and Lee, 2003; Kim et al., 2009a). 잘피는 대기로부터 이산화탄소 흡수가 가능하며, 그들의 높은 생산성과 낮은 섭식률로 인하여 많은 양의 무기탄소 제거가 가능한 것으로 알려져 있다(Duarte and Cebrian, 1996; Short and Neckles, 1999). 세계 연안에 분포하는 잘피의 면적은 164,000 km2로 추정되며, 우리나라 연안에서는 55-70 km2의 잘피 자생지를 추정하고 있으나 (Lee and Lee, 2003) 지금까지 우리 연안의 잘피 자생지 면적이 연구된 경우는 많지 않다(Kang et al., 2006; Kim et al., 2008a). 연안 및 하구에서 잘피 자생지는 중요한 생태적 역할을 수행하므로 연안관리 측면에서도 잘피 자생지의 정확한 분포면적에 대한 조사는 필수적이다(Komatsu et al., 2003).

국내의 잠수조사에 기반한 잘피 분포특성 연구결과에는 전남 고흥군 두원면 대금리 연안에서 도양읍 용정리 연안까지 득량만에 자생하는 잘피의 분포 면적 5.11 km2를 포함한 종조성, 그리고 환경특성, 형태적 특성 등에 대해서 조사된 바 있으며(Kim et al., 2009a), 섬진강 하구에 자생하고 있는 잘피 자생지에 대한 분포 면적, 종조성, 그리고 환경특성 등에 대한 연구를 통해 1.84 km2의 서식면적이 확인된 바 있다(Kim et al., 2010). 제주도 동북해안에서 출현한 거머리말 자생지는 23.86 km2로 확인되었고 추자도에서는 총 3종의 잘피(수거머리말, 포기거머리말, 거머리말)가 23.58 km2 면적으로 넓게 분포하고 있음이 확인되었다(Park et al., 2012).

원격탐사 기반 해초류, 잘피 분포특성에 대한 연구결과를 살펴보면, 장흥군 회진면에 위치한 해초지 군락을 대상으로 수중 음향 측심기와 Kompsat-2 위성영상을 활용한 식생의 유무탐지를 통한 해초지 분포면적이 조사된 바 있으며(Kim et al., 2012), 인천시 옹진군 자월도 해변을 대상으로 컬러, 다중분광, 초분광 센서가 장착된 드론을 활용한 잘피 탐지 적정성 분석에 대한 연구도 수행된 바 있다(Kim, 2019).

한국수산자원공단(FIRA: Korea Fisheries Resources Agency)에서는 우리나라 연안해역의 잘피 서식지에 대한 기반자료를 확보하고자 잠수조사를 기반으로 2015년 전국 연안 천연 잘피장 정밀 실태조사를 수행한 바 있고, 이후 무인항공기(컬러, 다중분광, 초분광)를 이용하여 남해(경남, 전남) 연안해역 약 7,200 ha의 잘피 군락 실태 및 현황 파악을 통해 2018년 12월부터 2019년 6월까지 원격탐사를 수행하였다. 본 연구대상해역인 완도군에 대해서는 2019년 5월 169개소가 촬영되었고, 6개 정점의 현장검증조사(지상분광 및 표본채집)를 수행한 바 있다.

기존의 잠수조사 방법은 잠수사의 조사경로에 따른 점형(Point based) 좌표를 기반으로 잘피 서식지에 대한 분포범위를 산정하며, 정성적인 잘피 종의 분류나 자생밀도, 생물량과 같은 생태환경특성파악에는 유용하지만 광범위한 지역에 대한 섬세하고 객관적인 정량적 자료도출이 어렵다. 또한 잘피 서식지의 정량적 분포범위와 시공간적 변화를 파악함에 있어서도 낮은 정확도(Validarity), 정밀도(Reliability)를 가지고 있기 때문에 해저지형학적 특성과 생태환경적 특성의 공간적 상관관계를 파악하기 어렵다.

한편으로는 인공위성, 무인항공기를 활용한 원격탐사를 통해 해초지, 잘피 서식지의 분포범위와 잘피 종의 분류 등에 대한 연구결과도 있지만, 이를 활용한 잘피 서식지 분포의 공간적 특성을 규명하기 위해서는 지형, 수심, 경사도 등의 복합적인 연구 또한 필요하다.

따라서 본 연구는 완도해역을 대상으로 실시한 무인항공기(컬러, 다중분광, 초분광)자료 결과와 공개된 수심자료를 이용한 수심, 경사도, 해저지형 특성을 비교하여 잘피 서식지의 공간적특성을 분석하고 그 상관관계를 파악하는데 목적이 있다.

2. 본론

2.1 조사해역

완도 해역은 비교적 안정된 수질과 영양염류가 풍부하며 201개(유인 54, 무인 147)의 크고 작은 섬들로 이루어져 외해 해양파랑에 안전한 공간, 낮은 연안 수심 및 넓은 개펄 분포, 조류와 기후적 조건이 양호하다(Cho et al., 2009). 본 연구에서 조사해역은 잘피 서식지 분포가 확인된 곳들을 기준으로 크게 3구역(Site A, B, C)으로 구분하였다. Fig. 1에서 살펴보면 중앙 상부의 완도, 고금도, 신지도를 포함하는 Site A, 상부 우측의 조약도와 생일도, 금일도, 금당도를 포함하는 Site B, 마지막으로 좌측하단부에 위치한 보길도, 노화도, 소안도, 넙도를 아우르는 Site C로 구분된다. 드론 촬영 조사를 수행하기 위해 Pix4D Capture 애플리케이션을 이용하여 비행경로를 설계하였으 며, 공간해상도 10 cm이상의 결과물을 얻기 위해 컬러영상을 취득하는 드론의 촬영고도는 150~250 m로 설정하였고 다중분광 영상의 경우 150 m로 설정하였다. 정사영상 생성을 위해 종중복도 80%, 횡중복도 70%로 설정하였다. 지표 피복물에 대한 분광정보는 물체를 식별하는데 가장 중요한 요소이기 때문에 드론촬영과 동일시기에 시작구간과 끝나는 구간에 대해 지상 분광 라이브러리 샘플을 취득하였다.

새창으로 보기
Figure 1

Map showing study area (Site A, B, C) at the Wan Is.

GEODATA-4-2-23_F1.tif
새창으로 보기
Table 1

Location of Ground truth for Drone surveying

GEODATA-4-2-23_T1.tif

2.2 조사 장비

현장조사시 컬러, 다중분광, 초분광센서를 각각 탑재한 드론을 이용하였는데, 컬러영상을 획득하기 위한 드론은 SONY사의 미러리스 카메라(A6000)가 탑재된 DV-1800과 DJI 사의 매빅2 Pro를 사용하였다. 다중분광영상은 Parrot사의 Disco, 초분광영상은 Corning사의 MicroHSI 410 shark를 DJI사의 M200에 탑재하여 획득하였다.

새창으로 보기
Figure 2

Surveyed UAV models

GEODATA-4-2-23_F2.tif

Survey3는 미국 Mapir사에서 제작한 다중분광센서로 별도의 GPS모듈을 이용하여 영상을 취득할때마다 지오태깅이 가능하고 사용자가 원하는 파장대역을 선택할 수 있는 장점이 있다. 지상분광데이터 취득을 위해 사용된 장비는 FieldSpec3 VNIR을 이용하였다. 이 장비의 측정 파장대는 350 nm ~ 1,025 nm이며 1.4 nm 간격으로 측정하며, 분광반사율을 측정하기 위해 표준 백색 판(BaSO4)을 사용한다. 측정에 사용된 분광반사계의 제원과 사용장비는 Table 4에 나타내었다.

새창으로 보기
Table 2

Specification of Spectral sensor (Survey3)

GEODATA-4-2-23_T2.tif
새창으로 보기
Table 3

Specification of HyperSpectral sensor

GEODATA-4-2-23_T3.tif
새창으로 보기
Table 4

Specification of Terrestrial Spectrometer

GEODATA-4-2-23_T4.tif

2.3 자료처리

드론 영상처리는 캘리브레이션, 대기보정, 영상 지오레퍼런싱, 정사영상 제작 등의 4단계로 구성된다. 캘리브레이션은 카메라의 렌즈와 빛의 값이 저장되는 감지기와의 관계를 보정하는 과정으로 영상 취득을 수행하기 전에 실내에서 제조사 또는 영상 처리 소프트웨어에서 제공하는 캘리브레이션 소프트웨어로 수행하였다. 대기보정 과정은 빛의 양이 변하더라도 지표면의 반사율이 항상 일정한 값을 유지할 수 있게 하기 위한 과정으로 컬러영상보다 다중분광 영상에 중요하다. 영상 지오레퍼런싱은 영상의 외부표정요소를 정밀하게 결정하는 과정인데, 외부표정요소는 드론의 항공촬영 당시의 기하학적 조건으로 재현하는 요소로서 위도, 경도, 높이와 같은 위치값과 Roll, Pitch, Yaw 등의 자세값을 말한다. 네번째 과정은 영상 지오레퍼런싱 과정으로 결정된 외부표정요소를 이용하여 사진의 모든 상에 대하여 시차를 계산하여 매칭되는 픽셀들을 3차원 점들로 추출하는 과정인 포인트 클라우드가 수행되며, 이 과정에서 추출된 포인트는 절대 좌표 값을 가지게 된다. 정사영상은 기하보정 된 항공사진에 DSM (Digital Surface Model)을 보간하여 생성되며, 영상의 형태 및 색상을 보정할 수 있으며 왜곡이 심한 경우 수동으로 편집 가능하다.

새창으로 보기
Figure 3

Examples of hyperspectral raw image and geometrically calibrated image

GEODATA-4-2-23_F3.tif

잘피 분류 및 규모 산정을 위해 영상강조, 훈련샘플 취득, 잘피탐지 감독분류, 결과검수, 면적산출의 과정을수행하였다. 영상강조는 잘피와 다른 지표물들을 효과적으로 분리하기 위한 과정을 말하며 히스토그램, 선형강조기법, Density slicing 등의 방법이 있다. 훈련샘플 취득은 탐지하고자 하는 지표물의 분광반사곡선을 영상 강조 후의 특정 픽셀로부터 얻거나 현장에서 지상분광계를 이용하여 측정한다.

초분광 영상에서 얻을 수 있는 가장 중요한 정보는 각 화소에 해당하는 지표물의 연속적인 분광반사값(Spectral reflectance)이라 할 수 있는데 여기서는 ENVI 소프트웨어의 Georeference from IGM 도구를 이용, 지오레퍼런싱을 통한 기하보정을 실시한 후 대기보정을 실시하였다. 취득된 잘피 분광반사곡선을 분광각 매퍼(Spectral Angle Mapper) 알고리즘을 이용하여 잘피를 분류하였다.

새창으로 보기
Figure 4

Spectral reflection curves of seagrass, algal blooms, Sargassum fulvellum and ground truth survey

GEODATA-4-2-23_F4.tif
새창으로 보기
Figure 5

Drone orthogonal images: Seagrass (Left), Microalgae attached to gravel (Center), Mixture of seagrass and sargassum fulvellum (Right)

GEODATA-4-2-23_F5.tif

잘피 탐지 감독분류는 강조된 영상과 취득된 훈련샘플을 활용하여 영상에서 잘피 군락지를 탐지하는 과정이다. MF (Matched Filtering), CEM (Constrained Energ Minimization), ACE (Adaptive Coherence Estimator), SAM (Spectral Angle Mapper), OSP (Orthogonal Space Projection), TCIMF (Target-Constrained Interference-Minimized Filter), MTTCIMF (Mixture-Tuned Target-Constrained Interference-Minimized Filter), MTMF (Mixture-Tuned Matched Filtering)와 같은 알고리즘이 존재하는데 그 중에서 최적의 성능을 보여주는 MF 알고리즘을 활용하였다. MF필터 알고리즘으로 추출된 잘피영역은 벡터화하여 Shape형식 파일로 변환되며 검수과정을 거친 후 면적산출이 가능해진다.

새창으로 보기
Figure 6

Example of Vectorized seagrass image

GEODATA-4-2-23_F6.tif

등수심선과 경사도, 그리고 3차원 해저지형도를 작성하기 위해 바다누리 해양정보서비스(Ocean Data in Grid Framework)에서 제공하는 격자형 해양정보를 활용하였다. 위도, 경도, 수심으로 구성된 txt파일은 Fledermaus 소프트웨어를 이용하여 DTM (Digital Terrain Model)을 생성 후 3차원 해저지형으로 가시화 하였고, 잘피 군락이 확인되는 대표 위치에서 교차방향으로 단면도를 그어 경사도를 확인하였다. 등수심선을 제작하기 위해 QGIS (Quantum GIS) 를 이용하여 TIN (Triangulated Irregular Networks)방법으로 보간(Interpolation)하고 DEM (Digital Elevation Models)을 추출하였으며 필요에 맞게 원하는 등수심선(5 m, 10 m)만을 추출하여 벡터형식의 shape파일로 저장 후 잘피 분포 벡터파일과 중첩 분석하였다.

새창으로 보기
Figure 7

Data processing of Bathymetric data for DTM, slope with Fledermaus software

GEODATA-4-2-23_F7.tif
새창으로 보기
Figure 8

QGIS TIN processing (upper), Overall flow chart of Data processing data (lower)

GEODATA-4-2-23_F8.tif

2019년 5월의 완도해역에 위치하는 면허양식장과 잘피 서식지의 분포현황 등을 파악하기 위해 유럽우주국(ESA: European Space Agency)에서 무료로 제공하는 공간해상도 10 m급의 Sentinel-2 위성영상을 획득하였다. 획득된 자료는 오픈소스 지리 참조 소프트웨어인 QGIS의 SCP (Semi-Automatic Classification Plugin) 플러그인을 통해 대기보정 전처리를 거친 후 2, 3, 4, 8번 밴드를 합성하였다. 양식장의 면허어장 속성정보와 위치정보를 확인하기 위해 국립해양조사원에서 제공하는 국가해양정보 마켓센터(KOMC: Korea Ocean data Market Center)에서 shp파일 형식의 어장정보도를 다운로드하여 위성영상과 중첩하였다.

3. 결과

3.1 지형, 수심, 경사도 분석

Fig. 9는 Site A 구역으로 완도, 고금도, 신지도를 포함한다. 완도 동측과 고금도 서측, 그리고 신지도 북측과 고금도 남측 사이에 최대 2 km폭의 수심 약 25 m깊이의 수로지형이 확인된다. 고금도 남측연안은 해안선에서부터 외해방향으로 넓게 발달된 조간대와 조하대를 포함하는 만(Bay) 지형으로 구분되는데, 해안선을 따라 5 m 등수심선내에 비교적 치밀하게 밀집된 잘피 서식지가 확인된다. 대표구역에 대한 경사도를 분석한 결과, 평균 0.2도의 낮은 경사도를 보였다.

새창으로 보기
Figure 9

Water depth (m), topography and slope with distribution of Seagrass on site A

GEODATA-4-2-23_F9.tif

Fig. 10은 Site B 구역으로 조약도, 금당도, 금일도, 생일도를 포함하는데, 조약도의 북측 연안 대부분은 해안선이 복잡하게 육지 쪽으로 파고들어오는 만의 지형이며 5 m등수심선내에 잘피 서식지가 넓고 치밀하게 분포한다. 금당도의 경우 섬 중앙을 기준으로 북측연안 오른쪽에서 해안선을 따라 비교적 빈약한 잘피 서식지가 확인되며, 도각도 우측과 금당도 서측연안 사이에 치밀한 잘피 서식지가 확인된다. 수심이 급격히 깊어지는 금당도 남측연 안에서는 10 m 등수심선 이내에서 치밀한 잘피 서식지가 확인되었다. 금일도의 경우 외해역과 인접한 섬의 동남부를 제외하고 5 m 등수심선 이내 만 지형에서 잘피가 분포하였다.

새창으로 보기
Figure 10

Water depth (m), topography and slope with distribution of Seagrass on site B

GEODATA-4-2-23_F10.tif

대표구역에 대한 경사도를 분석한 결과, 평균 0.3도의 비교적 낮은 경사도를 보였다.

Fig. 11은 Site C 구역으로 노화도, 보길도, 소안도, 넙도, 횡간도 등을 포함한다. 노화도 남측과 보길도 북측 사이에는 최소 300 m에서 최대 1,300 m 폭의 동-서 방향 수로지형이 확인되며, 수심은 10~20 m 전후이다. 노화도 서측연안 만 지형에서는 대부분 잘피가 확인되었고, 상대적으로 동측연안에서는 수로지형과 인접한 곳 일부에서 잘피가 확인되었다. 소안도 서측과 노화도 동측 사이에 수심 약 15~35 m의 남-북 방향 수로지형이 존재하는데 폭의 범위는 대략 800 m에서 1,000 m내외이다. 보길도, 노화도와 마주보는 소안도 서측연안 대부분에서 확인된 잘피 서식지가 10 m등수심선 이내에서 해안선까지 근접할 정도로 밀집하여 분포하였다. 보길도의 경우 노화도와의 사이에 발달된 보길도 우측 수로지형 부근에서 10 m등수심선 이내에 잘피 서식지가 확인되었고 중앙과 좌측 수로지형 부근에서는 얇은 띠 형태의 잘피 서식지가 5 m등수심선 이내에서 확인되었다. 횡간도는 노화도 북측으로부터 약 700 m 거리에 위치하며 북측과 남측일부 만 지형의 5 m등수심선 이내에서 대부분의 잘피 서식지가 확인되었다. 넙도와 서넙도, 후장구도 그리고 마안도는 비교적 10 m이내의 얕은 수심대와 완만한 지형 특징을 보이며 이들 모든 섬의 5 m등수심선 이내에서 잘피 서식지가 확인되었다. 넙도 우측으로 해안선과 나란한 방향의 비교적 치밀한 잘피 서식지가 확인되었고 북동측과 서측연안에서는 치밀하진 않지만 해안선을 따라 길게 분포하는 특징의 잘피 서식지가 확인되었다. 후장구도 남측 만 지형에서 비교적 치밀하게 발달된 잘피 서식지가 확인되었고 서넙도의 경우 우측연안에서 비교적 치밀하고 광범위한 잘피 서식지가 확인되었다. 대표구역에 대한 경사도를 분석한 결과, 평균 0.8도로 확인되었다.

새창으로 보기
Figure 11

Water depth (m), topography and slope with distribution of Seagrass on site C

GEODATA-4-2-23_F11.tif

3.2 잘피 서식지의 공간적 특성

Fig. 12는 Site B에서 확인된 잘피 서식지 대표 영상이며, 하늘색으로 표시된 부분(왼쪽)은 2015년 잠수조사를 통해 획득한 잘피 서식지 분포 결과로서, 24개소에서 238.4 ha 면적의 잘피 분포를 확인하였다. 보라색으로 표시된 부분(오른쪽)은 2019년 무인항공기 원격탐사를 통해 획득한 결과로서, 121개소에서 1070.9 ha의 잘피 서식지 분포면적을 확인하였다. 잘피 서식지의 분포 형태를 살펴보면, 2015년의 경우 연속되는 경계가 단조로운 폴리곤 형태이지만, 2019년 조사에서는 잘피 분포의 세부적인 경계가 잘 나타날 뿐만 아니라 폐합되는 경계부분이 아주 세밀하게 표현되었다. 잘피 서식지에서 확인된 종들을 살펴보면, 2015년의 경우 거머리말, 수거머리말, 해호말, 새우말이 확인된 반면, 2019년의 경우에는 거머리말, 수거머리말, 애기거머리말이 확인되었다.

새창으로 보기
Figure 12

Seagrass confirmed Area (Sky Blue color: 2015; Violet color: 2019)

GEODATA-4-2-23_F12.tif

3.3 잘피 서식지의 주변환경 특성

잘피 서식지의 주변환경을 파악하기 위해 2019년 5월의 위성영상자료와 면허어장 정보도를 중첩한 결과, Site A의 고금도 남측 연안과 조약도 북측 연안의 잘피 서식지가 밀집한 곳에 매생이(Seaweed fulvescens) 양식장이 위치하였으며(Fig. 13), 실제로도 매생이 양식어업이 활발하게 이루어지고 있음을 위성영상과 면허어장 속성정보를 통해 확인할 수 있었다. 협수로를 포함한 대부분의 수면에서 전복(Abalone), 다시마(Kelp), 김(Seaweed), 미역(Sea mustard seaweed), 매생이(Seaweed fulvescens) 등의 양식어업활동이 활발이 이루어지고 있었다.

새창으로 보기
Figure 13

Map showing the distribution of seagrass habitat in places where seaweed fulvescens are closely distributed on Site A

GEODATA-4-2-23_F13.tif

4. 결론 및 토의

본연구에서는 완도해역에 분포하는 잘피 서식지의 공간적 분포 특성을 규명하기 위해 잠수조사(2015), 드론 원격탐사(2019. 05), 위성영상(2019. 05), 수심분석자료를 이용하였다. 수심자료 결과 분석을 통해 외해역과 연안 역에서의 잘피 서식지 분포를 제한하는 수심 경계가 상이함을 확인할 수 있었는데(외해역: 10 m이내, 연안역: 5 m이내) 이는 연안역에 비해 투명도가 높아 광합성에 필요한 태양에너지의 투과심도가 상대적으로 깊은 외해역 해양환경의 차이가 반영된 것으로 사료된다. 다만 현장에서 직접 획득한 고해상도 수심자료가 아닌 공개된 저 해상도 수심자료를 사용했기 때문에, 이러한 결과의 신뢰도 확보를 위해서는 추후 고해상도 멀티빔음향측심조 사와 같은 보완조사가 필요할 것으로 판단된다.

지형 및 경사도, 수심 분석 결과, 조류의 영향을 적게 받는 저 에너지 환경의 만 지형이면서 경사도는 0.2~0.8도 이하로 비교적 완만한 수심 10 m이내인 곳에서 대다수의 밀집된 잘피 서식지가 분포하였다. 이를 통 해 지형, 경사도, 그리고 수심이 잘피 서식지 분포의 제한에 영향을 주고 있음을 알 수 있었다. 향후 해양지질 학적 요소인 퇴적물 특성과 물리환경적 요소(수온, 염분, 조류, 유속, 파고)와 생물, 화학적 인자를 포함한 다양 한 연구들이 추가된다면 본 연구와 더불어 보다 신뢰있는 자료의 구축이 가능할 것으로 판단된다.

2015년 잠수조사 결과 완도해역 전체 24개소에서 238.4 ha의 면적이 확인되었으며 2019년 드론 원격탐사를 통해 121개소에서 1,070.9 ha의 잘피 서식지 면적이 확인되었다. 이는 자료 획득 시기의 차이는 있지만 기존 잠수조사 방법과 비교 시 짧은 기간에 약 4.5배정도 넓은 면적을 조사할 수 있었음을 나타낸다. 원격탐사 방식 에 의한 고해상도 정사영상 이미지로부터 섬세하게 분류된 잘피 분포 결과는 연속성이 약한 점형 좌표획득 방 식에 의한 잠수조사 기반의 단순한 면형태와는 분류 정확도와 식별능력에서 뚜렷한 차이를 보였다.

위성영상 자료와 면허어장정보도를 확인한 결과, 해조류(다시마, 미역, 김, 매생이), 패류(전복)양식장이 완도수 역 대부분에 밀집하여 시설되어 있었고, 매생이 양식장을 제외한 나머지 양식장들은 대부분이 잘피 서식지와 이격 되어 분포하고 있었다. 매생이는 수질오염에 민감하며 수심이 너무 얕은곳의 직사광선에 녹기 때문에 수 온과 수심의 영향을 받는 잘피의 생장환경 특성과 유사하지만 이러한 상호관계에 대한 연구는 부족하기 때문 에 향후 추가적인 연구가 필요할 것으로 판단된다.

완도해역에서는 거머리말(Zostera marina), 수거머리말(Zostera caulescens), 애기거머리말(Zostera japonica)이 2019년 드론 원격탐사를 통해 확인되었지만 2015년 잠수조사에서 확인되었던 새우말(Phyllospadix iwatensis)과 해호말(Halophila nipponica)은 확인할 수 없었다. 이는 드론을 이용한 원격탐사방법이 암반과 식생의 분류는 가능하지만 암반 기질에 부착하여 함께 존재하는 식생의 종류를 분류하는 것에는 한계가 있음이 확인되었고, 게다가 형태학적으로 잎의 크기가 2~3 cm로 짧은 해호말의 경우 저조위에도 수면위로 드러나지 않기 때문에 식별이 어려웠다. 이러한 부분들은 향후 추가적인 잠수조사나 탐문조사, 또는 소형보트에 장착된 수중카메라를 활용하는 보완조사방법 등을 고려해 볼 수 있을 것이다. 추가적으로 다학제적 보완 연구가 수행된다면 향후 타 해역에서의 광범위한 잘피 서식지 분포 특성을 연구함에 있어 유용한 판단자료가 될 것으로 기대된다.

5. 사사

본 연구는 한국수산자원공단의 바다숲조성사업 일환으로 수행되었음.

6. 참고문헌

Cho ES, Kim SS, Lee SY, Kim SY (2009) Marine Environmental Characteristics in Western Coastal water of the South Sea Korea. Korean Soc. Mar. Environ. Saf. 15(3): 187-204

Duarte CM Cebrian J (1996) The fate of marine autotrophic production. Limnol. Oceanogr.41(8): 1758-1766 https://doi.org/10.4319/lo.1996.41.8.1758

Komatsu T, lgarashi C, Tatsukawa K, Sultana S, Matsuoka Y Harada A (2003) Use of multi-beam sonar to map seagrass beds in Otsuchi Bay on the Sanriku coast of Japan. Aquat Liv Res 16(3):223-230 https://doi.org/10.1016/S0990-7440(03)00045-7

Kang DH, Cho SH, La HS, Kim JM, Na JY Myoung JG (2006) Estimating spatial and vertical distribution of seagrass habitats using hydroacoustic system. Ocean and Polar Res 28(3):225-236 https://doi.org/10.4217/OPR.2006.28.3.225

Kim KY, Kim JH, Kim KY (2008a) Using a digital echosounder to estimate eelgrass (Zostera marina L.) cover and biomass in Kwangyang Bay. Algae 23(1):83-90 https://doi.org/10.4490/ALGAE.2008.23.1.083

Kim JB, Park JI, Jung CS, Lee PY Lee KS (2009b) Distributional range extension of the seagrass Halophila nipponica into coastal waters off the Korean peninsula. Aquat Bot 90(3):269-272 https://doi.org/10.1016/j.aquabot.2008.10.007

Kim JB, Park JI, Choi WJ, Lee JS Lee KS (2010) Spatial Distribution and Ecological Characteristics of Zostera marina and Zostera japonica in the Seomjin Estuary.Aquat Sci 43(4):351-361 https://doi.org/10.5657/kfas.2010.43.4.351

Kim KY, Eom JA, Choi JK,, Ryu JH Kim KY (2012) Application of Hydroacoustic System and Kompsat-2 Image to Estimate Distribution of Seagrass Beds. The sea 17(3):181-188 https://doi.org/10.7850/jkso.2012.17.3.181

Kim TS (2019) An Analysis on appropriateness of seagrass detection using images from a drone. Master's degree, University of Seoul,p62

Lee KS Lee SY (2003) The seagrasses of the republic of Korea. In: World Atlas of Seagrasses: present status and future conservation, edited by Green EP, Short FT and Spalding MD. University of California Press. Berkeley, U.S.A., pp193-198

Park JI, Park JY Son MH (2012) Seagrass Distribution in Jeju and Chuja Islands, Korean Journal of Environmental Biology, Korean J. Environ. Biol. 30(4): 339-348(in Korean with English abstract). https://doi.org/10.11626/KJEB.2012.30.4.339

Short FT Neckles HA. (1999) The effects of global Climate Change on seagrasses. Aquat Bot 63(3-4): 169-196 https://doi.org/10.1016/S0304-3770(98)00117-X

7. 데이터셋에 대한 메타데이터