신경망 모델로 구성한 동해 울릉분지 표층 이산화탄소 분압과 변동성 (Sea Surface pCO2 and Its Variability in the Ulleung Basin, East Sea Constrained by a Neural Network Model)

서지정보

· 발행기관 : 한국해양학회
· 수록지 정보 : 바다 / 21권 / 1호 / 1 ~ 10페이지
· 저자명 : 박소예나, 이동섭, 조영헌

초록

동해 표층 해수에서 측정한 이산화탄소 분압(pCO2)에 대해 기 확보된 자료는 해양-대기간 CO2 교환율을 정량화하고자 통계 기법을 적용하기에는 부족한 편이다. 이를 보완하기 위해 위성자료를 이용하여 관측이 이루어지지 않은 해역의 pCO2를 신경망모델을 이용하여 채워 넣는(mapping) 연구를 시도하였다. 본 연구는 동해에서 현장관측자료가가장 많이 축적된 울릉분지를 대상으로 2003년부터 2012년까지의 표층pCO2자료와, Aqua 위성의 MODIS 센서로관측한 해표면 온도(SST)와 엽록소(chlorophyll) 자료, 경위도 자료로 신경망모델을 구축하여 pCO2 분포도 작성과변동성을 추정하고자 하였다. 신경망모델의 학습은 pCO2 관측자료와 모델결과값의 상관도가 95% 이상을 달성하도록 하였다. 모델 결과의 평균제곱근오차(RMSE)는 19.2 μatm으로 관측자료의 변동 크기와 비교해서 훨씬 작은 수준이었다. SST와 chlorophyll에 연관된 pCO2의 변동성을 살펴보면 chlorophyll 보다는 SST에 대해 더욱 강한 음의상관 관계를 보였다. 모델이 출력한 pCO2의 변동성은 SST가 내려감에 따라 커지는 경향을 보였다. 15 oC 이하에서는pCO2 변동성에 대한 SST와 chlorophyll의 기여도가 뚜렷하게 나타났다. 반면 SST가 15 oC 이상일 경우에는 pCO2 변동성은 SST와 chlorophyll의 변화에 대해 그리 민감하게 반응하지 않았다. 신경망모델 출력값으로 추정한 2003- 2014년 사이의 울릉분지 표층수의 연평균 pCO2 증가율은 0.8 μatm이었다. 신경망 모델이 울릉분지의 pCO2에 대해이전 연구보다 해상력과 오차가 향상된 pCO2 채워넣기를 가능케 해 준 점에 비추어 볼 때 국제정세에 따라 전역 관측이 수월하지 않은 동해의 탄소순환을 이해하는데 유용한 도구로 쓰일 수 있을 것으로 판단된다.

영어초록

Currently available surface seawater partial pressure carbon dioxide (pCO2) data sets in the East Sea are not enough to quantify statistically the carbon dioxide flux through the air-sea interface. To complement the scarcity of the pCO2 measurements, we construct a neural network (NN) model based on satellite data to map pCO2 for the areas, which were not observed. The NN model is constructed for the Ulleung Basin, where pCO2 data are best available, to map and estimate the variability of pCO2 based on in situ pCO2 for the years from 2003 to 2012, and the sea surface temperature (SST) and chlorophyll data from the MODIS (Moderate-resolution Imaging Spectroradiometer) sensor of the Aqua satellite along with geographic information. The NN model was trained to achieve higher than 95% of a correlation between in situ and predicted pCO2 values. The RMSE (root mean square error) of the NN model output was 19.2 μatm and much less than the variability of in situ pCO2. The variability of pCO2 with respect to SST and chlorophyll shows a strong negative correlation with SST than chlorophyll. As SST decreases the variability of pCO2 increases. When SST is lower than 15 oC, pCO2 variability is clearly affected by both SST and chlorophyll.
In contrast when SST is higher than 15 oC, the variability of pCO2 is less sensitive to changes in SST and chlorophyll.
The mean rate of the annual pCO2 increase estimated by the NN model output in the Ulleung Basin is 0.8 μatm yr-1 from 2003 to 2014. As NN model can successfully map pCO2 data for the whole study area with a higher resolution and less RMSE compared to the previous studies, the NN model can be a potentially useful tool for the understanding of the carbon cycle in the East Sea, where accessibility is limited by the international affairs.

참고자료

· 없음