Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-7672(Print)
ISSN : 2287-822X(Online)
Journal of the Korean Society of Water and Wastewater Vol.32 No.6 pp.573-581
DOI : https://doi.org/10.11001/jksww.2018.32.6.573

Monitoring algal bloom in river using unmanned aerial vehicle(UAV) imagery technique

Eun-Ju Kim, Sook-Hyun Nam, Jae-Wuk Koo, Tae-Mun Hwang*
Korea Institute of Civil Engineering and Building Technology, Gyeonggi-Do, Goyang-Si, Ilsanseo-Gu, Goyangdae-Ro 283, 10223
Corresponding author: Tae-Mun Hwang (E-mail: taemun@kict.re.kr)
17/09/2018 16/10/2018 28/11/2018

Abstract


The purpose of this study is to evaluate the fixed wing type domestic UAV for monitoring of algae bloom in aquatic environment. The UAV used in this study is operated automatically in-flight using an automatic navigation device, and flies along a path targeting preconfigured GPS coordinates of desired measurement sites input by a flight path controller. The sensors used in this study were Sequoia multi-spectral cameras. The photographed images were processed using orthomosaics, georeferenced digital surface models, and 3D mapping software such as Pix4D. In this study, NDVI(Normalized distribution vegetation index) was used for estimating the concentration of chlorophyll-a in river. Based on the NDVI analysis, the distribution areas of chlorophyll-a could be analyzed. The UAV image was compared with a airborne image at a similar time and place. UAV images were found to be effective for monitoring of chlorophyll-a in river.



UAV(Unmanned aerial vehicle)를 활용한 하천 녹조 모니터링 평가

김 은주, 남 숙현, 구 재욱, 황 태문*
한국건설기술연구원, 경기도 고양시 일산서구 고양대로 283, 10223

초록


    Ministry of Environment
    18AWMP-B098632-04

    1. 서 론

    1.1 연구의 배경과 목적

    농업·주거·도시지역의 유출(Runoff) 때문에 연안 및 내륙 수체의 영양염 부하가 증가하고(Sellner et al., 2003), 하천 유역이 개발된 곳에서는 부영양화와 녹조 발생 빈도가 높아지고 있다. 특히, 하천 녹조는 빛(일사 량), 수온, 영양염류(질소, 인), 체류시간 등과 같은 환경 조건에 따라 종류별로 성장과 사멸을 반복되기 때문에, 녹조 발생 단계별 및 우심지역별 발생에 관한 현상을 신속하고 잦은 빈도로 데이타를 확보해야 한다. 하천 녹조 발생이 심해질수록 과도한 박테리아 호흡과 분해 를 통해 지표수의 산소를 고갈시키며, 조류의 존재 때문 에 상수원의 변색과 악취가 발생할 수 있다 (Sugiura et al., 1998). 또한, 인간과 동물을 중독시킬 수 있는 독소 를 생산하는 종이 포함된 유해조류발생(Harmful algal blooms; HABs)의 빈도와 다양성이 전 세계적으로 높아 졌다 (Sellner et al., 2003). 조류의 구성·빈도·밀도에 관한 모니터링은 수질에 관한 중요한 지표를 제공하며 (Richardson, 1996), 유해할 수 있는 수준으로 조류 수치 가 높아지는 경우 이를 경보 시스템으로 알리는데 유용 할 수 있다. 전통적인 조류 증식 모니터링에는 현장 샘 플링을 통해 조류 생물량 측정의 지표로 사용되는 광합 성색소의 하나인 클로로필-a(Chl-a) 농도를 지표로 활용 한다 (Gregor et al., 2004). 그러나, 현장 샘플링을 통한 클로로필-a 측정을 통한 모니터링은 비, 바람 같은 여러 요인 때문에 짧은 시간 안에 대규모 조류 대발생의 위 치나 구성이 극적으로 바뀌는 일이 많아 시공간적 해 상도에 문제점이 있다. 따라서, 대상 지역에서 측정된 조류 농도가 지역 전체의 조류 발생 분포 및 농도를 대표할 수 없다. 이러한 문제점을 해결하기 위한 원격 탐사(Remote sensing)는 현장 측정에서 얻을 수 없는 해상도로 넓은 지역의 조류 발생 상황을 제공할 수 있 다 (Park and Ruddick, 2007; Richardson, 1996). 과거 및 현재 이용되는 위성센서(Statellite sensor)에는 landsat, CZCS(Coastal zone color scanner), SPOT, SeaWIFS (Sea-viewing wide field-of-view sensor), MODIS(Moderate resolution imaging spectroradiometer), MERIS(Medium resolution imaging spectrometer) 등이 있 으며, 여기서, 개발된 위성 모형은 광합성색소(클로로필 -a)의 분광 특징을 기초로 조류 발생을 탐지하는데 사용 하였으며, 유용한 것으로 보고된바 있다 (Hooker et al., 1992; Jensen, 2007;McClain et al., 1998). 그러나, 위성영 상에 의한 원격탐사 기법은 대기 중 에어로졸의 광학적 간섭이 크고, 수체 내에 탁도, CDOM, 부유물질 등이 존재하기 때문에 클로로필-a를 예측하기는 하나 모델의 신뢰도가 저하되며, 시공간적 해상도의 문제점을 갖고 있다 (Morel et al., 1977). 따라서, 최근에는 무인항공기 (UAV; Unmanned aearial vehicles)를 활용하여 다양한 원 격탐사 기술로 적용하는 연구가 진행되고 있다 (Flynn et al., 2014;Pajares, 2015;Su et al., 2015;Watanabe et al., 2016;Zaman et al., 2014). 또한, UAV를 이용하여 조류 발생을 대표할 수 있는 클로로필-a 모니터링에 대 한 연구결과가 보고되고 있다 (Hwang et al., 2012; Mishra et al., 2012;Su et al., 2015;Su, 2017). 원격탐사를 활용한 클로로필-a 모니터링에는 다중분광(Multispectral) 및 초 분광(Hyperspectral) 센서에서 클로로필-a와 관련된 파장 대를 이용하거나, 정규화 식생지수(NDVI; Normalized distribution vegetation index)를 사용하고 있다 (Hwang et al., 2012; Mishra et al., 2012;Su et al., 2015;Su, 2017). 환경에서 위성영상을 이용한 모니터링에는 크고 넓은 지역의 데이터를 감시하는데 사용하며, UAV를 이용한 모니터링은 조류 발생 우심지역 또는 지류에서 유입하 는 오염물 모니터링을 위해 사용되어야 하며, 온라인 수질 감시 데이터 등을 통합하여 모니터링하는 감시체 계를 구축하는 것이 필요하다 (Liu et al., 2010). 본 연구 에서는 국산 고정익 타입의 UAV를 이용하여 모니터링 한 클로로필-a 영상 결과와 환경부에서 외부 공개를 하 고 있는 동일기간의 항공촬영된 클로로필-a 영상 사진 을 비교하여 UAV 장비의 활용성을 검토하고자 하였다.

    2. 실험방법 및 조건

    2.1 UAV(Unmanned aerial vehicle)

    UAV는 고정익(Fixed wing) UAV(Plan)와 회전익(Rotary wing) UAV(Multi-copter)로 나눌 수 있다. 고정익 UAV 는 일반적인 비행기와 같이 고정 날개 형태인 무인항공 기시스템이며, 연료 소모가 상대적으로 적어 장기 체공 이 가능하나 활주로나 넓은 개활지가 필요하다. 회전익 UAV는 비행체가 헬리콥터형인 무인항공기시스템으로 수직 이착륙이 가능하여 좁은 공간에서의 이착륙이 가 능하고 공중에서 정지 비행이 가능하고 상대적으로 급 격한 선회가 가능하며, 연료 효율이 낮아 장기체공이 제 한적이다. 산악지형과 선박운용에 적합하며, 단거리 임 무 및 기상의 변화가 많은 지역에 적합하다. 이러한 특징 으로 하천의 클로로필-a를 위한 UAV는 고정익 UAV를 선정하는 것이 적합하다. 본 연구에서는 국가 하천을 대 상으로 국산 고정익 UAV 선정하였으며, 대상 하천에 발 생하는 클로로필-a 모니터링에 대한 적용성 여부를 평가 하였다. 본 연구에 활용한 UAV(Remo-M; Uconsystem Inc., Korea)는 국내 개발 제품이며, 사양은 날개길이 70.8 인치, 무게는 3.4 kg이다. 모터의 경우 Aero-naut 사의 카 본 프로펠러, Brushless AXI 2826/10 모터가 장착되어 있 으며, 최대속도 80 KPH, 운용거리 8 ㎞ 이상이다. 카메라 는 다중스펙트럼 센서(Sequoia; Parrot Cor., France)가 장 착되었으며, Fig. 1과 같다. 사용된 센서는 4 밴드로 녹색 (Green; 550 ㎚), 적색(Red; 660 ㎚), 레드 에지(Red edge; 735 ㎚), 근적외선(Near-infrared; 790 ㎚) 영역의 다중스 펙트럼 이미지를 생성한다.

    본 연구의 대상지역은 최근 녹조 발생으로 관심을 받고 있는 영산강 수계 J보 전후 지역을 대상으로 하 였다. 이 지역은 위도 34.971941°, 경도 126.625571°이 며, 보를 중심으로 좌측 1 ㎞, 우측 1 ㎞ 지역을 대상 으로 촬영하였다. 정사영상에는 위치오차가 발생하는 데, 이를 보정하기 위하여 지상기준점(GCP; System arranging ground control points)을 촬영 전에 사용하게 되며, Fig. 2와 같다. 즉, 지상기준점은 이미지 정합 후 생성되는 포인트 클라우드의 정확성을 높여준다. 본 연구에서 대상 하천의 수질모니터링을 위해 수립한 비행계획은 다음과 같다. 비행고도는 200 m에서 오전 8시경부터~9시까지 보를 중심으로 좌우 약 1 ㎞ 구간 에 걸쳐 lateral overlap–80 %, longitudinal–85 % 이상을 확보하기 위해 1sortie는 19 strip 및 2sortie는 29 strip 으로 촬영하였다. 비행시간의 풍속은 0~2 m/s였다. 촬 영비행경로는 Fig. 3와 같다.

    촬영된 사진은 orthomosaics, georeferenced 디지털 표면 모델(DSMs) 및 3D 매핑을 작성하는 상용 프로 그램인 Pix4D mapper pro를 이용하여 처리하였다.

    2.2 현장 수질 측정

    대상하천을 대상으로 2017년 9월 4일에 오전 8~9시 에 촬영하였으며, 수질 분석은 촬영 후 1시간 이내에 측정하였다. 현장 측정 클로로필-a 농도는 배를 이용해 수심 50 ㎝ 지점의 표층수를 대상으로 온라인 형광강도 계(Multiparameter portable fluorometer, MODERNWATER AlgaeChek, UK)로 측정하였다. 수질 측정 위치는 GNSS(Global navigation satellite systems) 장비를 이용 해 각 측정지점에 대한 위치정보를 취득하였으며 Fig. 4와 같다. 현장 수질 측정시간은 UAV 촬영 후 1시간 이내에 측정하였다.

    3. 연구결과 및 고찰

    3.1 정사영상 생성 및 자료 분석

    본 연구에 적용한 클로로필-a 모니터링을 위한 UAV 촬영 및 영상분석 절차는 Fig. 5와 같다. 비행촬 영과 현장 수질 분석으로 나눌 수 있으며, 비행촬영을 통한 이미지 분석을 통해 NDVI 값을 추출하고, 현장 에서 분석된 클로로필-a와 회귀식을 도출하여 클로로 필-a 이미지 생성 여부를 결정한다. 클로로필-a 농도 가 높은 우심 구역을 설정하고 이를 처리하기 위한 면적 등을 산출할 수 있다.

    본 연구에서는 무인항공기를 이용하여 촬영한 대상 하천지역 영상의 정사영상 생성을 위해 Computer vision(CV)에서 개발된 Scale-invariant keypoints(SIFT) 알고리즘이 내재된 AgiSoft사의 Pix4D 프로그램을 이 용하였다 (Lowe, 2004). 영상처리 진행과정은 Fig. 6 및 Fig. 7과 같다. SIFT 알고리즘에 의하여 개별 이미 지간 정확한 특징 점을 추출하게 되는데, 이는 동일한 특징점을 이용해 영상을 서로 접합하는 기술이다 (Xie et al., 2015). Fig. 6은 프로그램에서 영상접합 진행 과 정을 나타낸 것이다. UAV 영상은 접합점(Tie point)을 기반으로 자동으로 영상을 정합하고 포인트 클라우 드(Point cloud)를 생성하는 기술이 적용되며, 그 결과는 Fig. 7과 같다 (Kim et al., 2015;Park et al., 2017). 추 출한 포인트 중에서 이상치(Outlier) 포인트는 삭제하 거나 재측정하여 영상을 생성할 수 있다. 영상처리 결 과 공간해상도(Ground sample distance; GSD)는 11 ㎝ 의 영상을 취득할 수 있었다.

    3.2 클로로필-a 영상 생성

    현장에서 측정된 온라인 측정 장비의 신뢰성을 위 해 형광광도계로 측정한 클로로필-a 농도와 실험실에 서 수질오염공정시험기준 ES 04312.1a법으로 분석한 클로로필-a 농도에 대해 상관성 분석을 하였으며, Fig. 8과 같다. 실험실에서 분석한 클로로필-a 값이 현장에 서 온라인 측정 장비로 분석한 값보다 조금 높게 나 타났지만, R2=0.96으로 현장 측정 장비에 신뢰성이 있 는 것으로 나타났다.

    본 연구에서는 하천의 녹조와 간접적 연관성이 있 는 클로로필-a를 NDVI라는 지표와의 상관성 분석을 통해 클로로필-a 모니터링 기법을 제시하고자 하였다. NDVI 값은 식생의 클로로필-a 추정에 많이 사용되는 모델이며 식 (1)과 같다. 클로로필-a는 분광센서의 레 드(Red) 파장대에서 낮게, NIR 파장대에서 높게 검출 되는 특성이 있다.

    N D V I = ( N I R r e d ) ( N I R + r e d )
    (1)

    정사영상 생성이 끝나면 하천의 현장에서 수질 측 정한 클로로필-a를 NDVI와의 상관성 분석을 통해 회 귀 모델을 추정하고 추정된 선형 회귀식을 입력하여 클로로필-a 발생 농도를 도시화한다. NDVI와 클로로 필-a의 상관성 분석 결과 Fig. 9와 같으며, 클로로필-a 추정식은 식 (2)와 같이 얻을 수 있었고 R2=0.87로 나 타났다.

    [ C h l a ] = 71.07 [ N D V I ] + 54.78
    (2)

    적색(660 ㎚) 밴드와 근적외선(790 ㎚) 밴드값 계산 을 통해 식 (1)을 통해 NDVI를 추출하였으며, Fig. 10 과 같다. 영상에서 계산된 대상 지역 내의 NDVI 값은 최소 –0.85에서 최대 0.93로 나타났으며, 수계 내의 NDVI 값은 최소 –0.5에서 최대 0.3으로 나타났다.

    UAV 촬영 영상 픽셀의 분광값을 위 식을 이용하여 NDVI로 전환하고 동일한 위치의 실측 수질 자료를 매칭하여 클로로필-a 추정식을 산출한 후 프로그램에 적용하여 클로로필-a 농도를 나타내는 영상을 생성한 다. Fig. 11은 NDVI와 클로로필-a의 회귀 모델식을 입 력하여 클로로필-a 농도로 전환한 결과이다. 영산강 J 보 주변의 하천의 클로로필-a 농도는 15~60 ㎍/L로 나타났으며, 보 주변과 하천 가장자리의 클로로필-a 농도가 본류보다 60~75 ㎍/L로 높게 나타났다. 또한 보를 중심으로 좌측 및 우측의 클로로필-a 농도가 다르 게 나타남을 볼 수 있었다. 본 연구를 통해서 UAV를 활용한 하천 조류 모니터링은 대상 하천의 신속한 수 질감시에 적용성이 높고 효과적인 것으로 분석된다.

    3.3 조류항공영상과 비교

    작성 완료된 클로로필-a 정사영상은 물환경지리정보 홈페이지인(http://211.114.21.35/KRF_DEV/#)에서 제공 하는 비슷한 시기와 지점의 클로로필-a의 조류항공영상 자료와 비교하였다. 본 연구에서 J 보를 대상으로 UAV 촬영으로 작성된 클로로필-a 농도 정사영상과 물환경 지리정보시스템 홈페이지에서 공개하고 있는 영상강 조류항공영상 2018년도 9월 3일자 자료와 비교해 보았 으며 정사영상 생성 비교는 Table 1과 같다. 조류항공영 상자료는 연간 약 20회의 항공촬영을 통해 이루어지며, 촬영된 영상은 국립환경과학원이 개발한 원격모니터링 기법을 통해 초분광영상에 자체 개발한 관계모델(절대 값)을 적용하여 클로로필-a 농도와 피코시아닌 농도 지 도로 나타내게 된다. 조류항공영상자료의 특징은 초분 광센서를 사용하는데 일반 카메라와 달리 가시광선 영 역(400~700 ㎚)과 근적외선 영역(700~1,000 ㎚) 파장 대를 수백 개의 구역(밴드)로 세분하여 관측함으로써 조류(藻類)가 빛에 반응하여 내놓은 특징적인 복사파장 을 감지하게 된다. 촬영된 조류의 초분광 영상 정보와 동일 시간대에 현장에서 측정한 실제 조류의 양을 비교 하여 관계모델 개발하여 최적의 클로로필-a 농도와 피 코시아닌 농도를 산출하게 된다 (Lee et al., 2015). 조류 항공영상자료는 초분광 영상으로 생성된 절대값을 가 지는 관계 모델식으로 광범위한 지역 및 시간대의 클로 로필-a 농도의 영상을 생성한다. 본 연구에서 적용한 기 술은 조류 우심 및 관심지역을 선정하여 UVA 촬영을 1시간 이내로 진행하여 다중분광 영상을 생성하고, 현 장에서 바로 분석한 클로로필-a 농도와의 상관성 분석 을 통해 생성된 모델식(상대값)을 통해 클로로필-a 농도 의 영상을 생성하게 된다. 조류항공영상의 공간해상도 는 200 ㎝, UAV 영상 공간해상도는 11 ㎝로 나타났다. 조류항공영상과 UAV 영상 결과는 Fig. 12와 같다. 조류 항공영상에서는 대상지역의 클로로필-a 농도가 40~50 ㎎/㎥ 범위로 나타났으며, UAV 영상은 보를 중심으로 좌측 의 클로로필-a 농도는 15~30 ㎍/L로 나타났으며, 우측의 클 로로필-a 농도는 30~45 ㎍/L로 나타났다. 비교결과 조류항 공영상보다는 UAV 영상자료가 좀 더 자세하게 영상을 표현 하는 것으로 나타났다. 따라서, MODIS(Moderateresolution imaging spectroradiometer) 및 MERIS(Mediumresolution imaging spectrometer)와 같이 중거리에서 저해 상도 위성 이미지는 폭이 넓고 시간적으로 범위가 넓기 때문에 낮은 공간해상도를 가지므로 지역 규모 측정에 적합하며(Olmanson et al., 2010; Tarrant et al., 2010), UAV를 이용한 촬영은 국소지역 촬영에 적합하다고 판 단된다. 항공촬영은 고고도에서 촬영이 이루어지므로 일부 구간에서는 난반사나 구름으로 인해 영상에 보이 지 않는 부분이 존재하며, 영상분석을 위한 전처리과정 에서 대기보정 필요하여 그 모델 생성 절차가 복잡하고 어렵다(Fraser et al., 1992;Huang et al., 2014;Kaufman et al., 1996). 그러나, UAV를 이용한 영상분석은 대부분 50~200 m 이내에서 촬영이 이루어지므로 대기보정이 필요 없으며, 멀티 스펙트럼 센서를 가지고 환경 모니터 링에 효율적이라는 것을 입증하였다 (Zarco-Tejada et al., 2012). 이전 연구들에 의하면 클로로필-a 모니터링 을 위한 동일지역에 대한 위성영상자료와 UAV의 영상 자료의 비교에 대한 연구 사례는 거의 없다. 그러나, UAV를 이용한 수질 모니터링에 관한 연구사례에 의하 면, 타이완 저수지를 대상으로 클로로필-a 모니터링을 위해 UAV를 적용한 결과 UAV의 영상을 방해하는 요 인으로 날씨를 배제할 수 있는 결과를 보여주었으며, 위성원격 감지기술과 비교하였을 때 국소지역의 촬영 비용과 수익에 효율적으로 것으로 나타났으며 위성영상 보다 높은 공간해상도를 나타내었다 (Su et al., 2015). UAV를 이용한 환경 모니터링은 위성영상보다 공간해 상도 및 시간적 제약을 받지 않는 장점이 있는 것으로 나타났으며(Tripolitsiotis et al., 2015), 호수의 피코시아닌 농도 예측에도 효과적인 것으로 평가하였다 (Kageyama et al., 2016). 실험 결과 UAV를 이용한 영상 촬영은 하천 녹조 모니터링을 위해 국소지역에 긴급하게 투입할 수 있고 클로로필-a 농도를 나타내는 정사영상 적용도 적 합한 것으로 나타났다.

    4. 결 론

    연구 결과 클로로필-a 농도를 나타내는 정사영상 지 도 작성을 위한 UAV의 활용은 하천의 조류 모니터링을 위해 신속하게 대응할 수 있는 장점이 있다. 또한, 비, 바람 같은 여러 요인 때문에 짧은 시간 안에 영향을 받 고 위치나 구성이 극적으로 바뀌는 일이 많은 조류의 모니터링의 경우 현장에서 수질 분석이 동시에 이루어 지기 때문에 실시간 변화를 감시할 수 있는 장점이 있 다. 본 연구에서 클로로필-a 농도를 산출하기 위해 사용 하고 있는 NDVI 값은 현장에서 항상 동시에 수질 분석 이 이루어지기 때문에 데이터의 신뢰도가 증가하며, 클 로로필-a 회귀 모델식도 정확도가 높은 것으로 나타났 다. 하천의 조류 모니터링을 향상시키기 위해서는 여러 가지 다양한 데이터 확득하여 통합하여 모니터링 시스 템을 구축하는 것이 중요하다. 조류항공영상의 경우 넓 은 지역의 클로로필-a 농도를 광범위하게 모니터링 하 는데 사용하며, 모니터링 중 관심대상지역을 선정하고 선정된 지역을 대상으로 UAV를 활용한 신속한 영상정 보 획득은 조류 모니터링 예측을 향상시킬 수 있는 방법 중의 하나가 될 것이다. 또한, 데이터의 신뢰성을 위해 하천의 수질 데이터는 다량으로 확보하는 것이 중요하 다. 따라서, 향후에는 UAV 플랫폼을 기반으로 하는 원 격 감지 및 환경 모니터링 기술과 기존의 지상 기반 모 니터링 및 온라인 모니터링 기술을 결합한 원격 감지 기술을 개발해야할 것으로 판단된다.

    사 사

    본 연구는 환경부 물관리연구사업의 연구비지원(과 제번호 18AWMP-B098632-04)에 의해 수행되었습니다.

    Figure

    JKSWW-32-573_F1.gif

    UAV and camera used in this study.

    JKSWW-32-573_F2.gif

    Study sites and GCP surveying.

    JKSWW-32-573_F3.gif

    Flight path.

    JKSWW-32-573_F4.gif

    Distribution of sampling station in lake.

    JKSWW-32-573_F5.gif

    Flowchart of mapping for chlorophyll-a using UAV.

    JKSWW-32-573_F6.gif

    Result of image processing.

    JKSWW-32-573_F7.gif

    Result of the point cloud.

    JKSWW-32-573_F8.gif

    Relationship of chlorophyll-a in laboratory and in situ.

    JKSWW-32-573_F9.gif

    Relationship of chlorophyll-a and NDVI.

    JKSWW-32-573_F10.gif

    NDVI distribution.

    JKSWW-32-573_F11.gif

    Distribution of chlorophyll-a map.

    JKSWW-32-573_F12.gif

    Comparison of chlorophyll-a by airborne image and UAV image.

    Table

    Comparison of chlorophyll-a by airborne image and UAV image

    References

    1. Kim, B.J. , Kim, Y.K. and Choi, J.K. (2015). Investigating applicability of unmanned aerial vehicle to the tidal flat zone , IEEE Korean J. Remote. Sens., 31(5), 461-471.
    2. Kim, E.J. , Nam, S.H. , Koo, J.W. , Lee, S.M. , Ahn, C.H. , Park, J.R. , Park, J.I. and Hwang, T.M. (2017). Applicability of unmanned aerial vehicle for chlorophyll-a map in river , J. Korean Soc. Water Wastewater, 31(3), 197-204.
    3. Chen, L. , Tan, C.H. , Kao, S.J. and Wang, T.S. (2008). Improvement of remote monitoring on water quality in a subtropical reservoir by incorporating grammatical evolution with parallel genetic algorithms into satellite imagery , Water Res., 42(1–2), 296-306.
    4. Flynn, K.F. and Chapra, S.C. (2014). Remote Sensing of submerged aquatic vegetation in a shallow Non-turbid river using an unmanned aerial vehicle , Korean J. Remote. Sens., 6, 12815-12836.
    5. Fraser, R.S. , Ferrare, R.A. , Kaufman, Y.J. , Markham, B.L. and Mattoo, S. (1992). Algorithm for atmospheric corrections of aircraft and satellite imagenary , Int. J. Remote. Sens., 13(3), 541-557.
    6. Huang, C. , Wang, X. , Yang, H. , Li, Y. , Wang, Y. , Chen, X. and Xu, L. (2014). Satellite data regarding the eutrophication response to human activities in the plateau lake Dianchi in China from 1974 to 2009 , Sci. Total Environ., 485-486(1), 1-11.
    7. Gregor, J. and Marsˇa′lek, B. (2004). Freshwater phytoplankton quantification by chlorophyll-a: a comparative study of in vitro, in vivo and in situ methods , Water Res., 38, 517-522.
    8. Jensen, J.R. (2007). Remote sensing of the environment: An earth resource perspective(2nd edition)Upper Saddle River, NJ: Pearson Prentice Hall.
    9. Kageyama, Y. , Takahashi, J. , Nishida, M. , Kobori, B. and Nagamoto, D. (2016). Analysis of water quality in Miharu Dam reservoir, Japan, using UAV Data , IEEJ Trans. Electr. Electron. Eng., 11(S1), S183-S185.
    10. Kaufman, Y.J. and Tanre, D. (1996). Strategy for direct and indirect methods for correcting the aerosol effect on remote sensing: From AVHRR to EOS-MODIS , Remote. Sens.Environ., 5(5), 65-79.
    11. Inamori, Y. , Sugiura, N. , Iwami, N. , Matsumura, M. , Hiroki, M. and Watanabe, M.M. (1998). Degradation of the toxic cyanobacterium Microcystis viridis using predaceous micro ‐animals combined with bacteria , Phycol. Res., 46, 37-44.
    12. Lee, H. Kang, T.G. , Nam, G.B. , Ha, R. and Cho, K.H. (2015). Remote estimation models for deriving chlorophyll-a concentration using optical properties in turbid inland waters : Application and valuation , J. Korean Soc. Water Environ., 31(3), 272-285.
    13. Liu, R. , Xie, T. , WangQ. and Li, H. (2010). Space-earth based integrated monitoring system for water environment , Proced. Environ. Sci., 2, 1307-1314.
    14. Lowe, G.D. (2004). Distinctive image features from scale-invariant keypoints , Int. J. Comput. Vis., 20, 91-110.
    15. McClain, C.R. , Cleave, M.L. , Feldman, G.C. , Gregg, W.W. , Hooker, S.B. and Kuring, N. (1998). Science quality SeaWiFS data for global biosphere research, Sea Technol. Repr., 10-16.
    16. Merwe, D.V. and Price, K.P. (2015). Harmful algal bloom characterization at ultra-high spatial and temporal resolution using small unmanned aircraft systems , Toxins, 7(4), 1065-1078.
    17. Mishra, S. and Mishra, D.R. (2012). Normalized difference chlorophyll index: A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters , Remote. Sens. Environ., 117, 394-406.
    18. Morel, A. and Prieur, L. (1977). Analysis of variation in ocean , Limnol. Oceanogr., 22, 709-722.
    19. Olmanson, L.G. , Brezonik, P.L. and Bauer, M.E. (2011). Evaluation of medium to low resolution satellite imagery for regional lake water quality assessments , Water Resour. Res., 47(9), 1-14.
    20. Pajares, G. (2015). Overview and current status of remote sensing applications based on unmanned aerial vehicles (UAVs) , Am. Soc. Photogramm. Remote. Sens., 81(4), 281-329.
    21. Park, Y.J. and Ruddick, K. (2010). Detection of algal blooms in European waters based on satellite chlorophyll data from MERIS and MODIS , Int. J. Remote. Sens., 31(24), 6567-6583.
    22. Park, J.I. , Choi, S.Y. and Park, M.H. (2017). A study on green algae monitoring in watershed using fixed wing UAV , J. Korean Inst. Intell. Syst., 27(2), 164-169.
    23. Richardson, L.L. (1996). Remote sensing of algal bloom dynamics , BioSci., 46(7), 492-501.
    24. Sellner, K.G , Doucette, G.J. and Kirkpatrick, G.J. (2003) . Harmful algal blooms: causes, impacts and detection , J. Ind. Microbiol. Biotechnol., 30(7), 383-406.
    25. Su, T.C. and Chou, H.T. (2015). Application of multispectral sensors carried on unmanned aerial vehicle (UAV) to trophic state mapping of small reservoirs: A case study of Tain-Pu reservoir in Kinmen, Taiwan , Remote. Sens., 7, 10078-10097.
    26. Su, T.C. (2017). A study of a matching pixel by pixel (MPP) algorithm to establish an empirical model of water quality mapping, as based on unmanned aerial vehicle (UAV) images , Int. J. Appl. Earth Observation Geoinform., 58,213-224.
    27. Su, T.C. and Chou, H.T. (2015). Application of multispectral sensors carried on unmanned aerial vehicle (UAV) to trophic state mapping of small reservoirs: A case study of Tain-Pu reservoir in Kinmen, Taiwan , Remote. Sens., 7(8), 10078-10097.
    28. Tarrant, P.E. , Amacher, J.A. and Neuer, S. (2010). Assessing the potential of medium-resolution imaging spectrometer (MERIS) and moderate-resolution imaging spectroradiometer (MODIS) data for monitoring total suspended matter in small and intermediate sized lakes and reservoirs , Water Resour. Res., 46(9), 1-7.
    29. Tripolitsiotis, A. , Prokas, N. , Kyritsis, S. , Dollas, A. , Ioannis, P. and Partsinevelos, P. (2017). Dronesourcing: a modular, expandable multisensor UAV platform for combined, real-time environmental monitoring , Int. J. Remote. Sens., 38(8-10), 2757-2770.
    30. Watanabea, Y. and Kawaharab, Y. (2016). UAV photogrammetry for monitoring changes in river topography and vegetation , Proced. Eng., 154, 317-325.
    31. Xie, X. , Xu, Y. , Liu, Q. , Hu, F. , Cai, T. , Jiang, N. and Xiong, H. (2015). A study on fast SIFT image mosaic algorithm based on compressed sensing and wavelet transform , J. Ambient. Intell. Humaniz. Comput., 6, 835-843.
    32. Zaman, B. , Jensen, A. , Clemens, S.R. and McKee, M. (2014). Retrieval of spectral reflectance of high resolution multispectral imagery acquired with an autonomous unmanned aerial vehicle , Am. Soc. Photogramm. Remote. Sens., 80(12), 1139–1150.
    33. Zarco-Tejada, P.J. , González-Dugo, V. and Berni, J.A.J. (2012). Fluorescence, temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera , Remote. Sens. Environ., 117, 322-337.