1. Title & Journal
- Community patterning and identification of predominant factors in algal bloom in Daechung Reservoir (Korea) using artificial neural networks / Ecological Modelling, Vol.203 109-118
2. Author's Background
- Hee-Mock Oha, Chi-Yong Ahna, Jae-Won Leea, Tae-Soo Chonb , Kyung Hee Choib, Young-Seuk Parkc*
a) Environmental Biotechnology Center, Korea Research Institute of Bioscience, Daejeon 305-806, Republic of Korea
b) Division of Biological Science, Pusan National University, Busan 609-735, Republic of Korea
c) Department of Biology and Institute of Global Environment, Kyung Hee University, Dongdaemun-gu, Seoul 130-701, Republic of Korea
3. Summary.
- 본 논문은 대청호에서 1999, 2001, 2003년에 샘플링한 데이터를 토대로 하여 ANN 모델을 이용하여 대청호에서의 Algal bloom의 주요 원인이 되는 인자를 알아보기 위한 논문이다. 본 논문에서 사용한 ANN모델은 두 개의 ANN 모델을 결합한 것으로 Self Organizing Map(SOM) 과 Multilayer Perception (MLP)를 결합하여 연구에 이용하였다. 먼저 SOM을 Phytoplankton Community를 군집 분석하는데 이용하고 MLP를 이용하여 나눠진 군집 내에서 어떤 인자들이 Algal bloom을 일으키는지 분석하였다.
4. method
- Ecological model을 만들기 위한 데이터는 1999년, 2001년, 2003년에 각각 초여름부터 가을에 걸친 약 4~5개월간의 샘플링을 거쳐 이들의 수질을 분석하였다.
- SOM을 이용한 부분에서는 Output neuron을 24개로 설정하였다. ( 6 * 4 = 24 )
- MLP를 이용한 분석에서는 Ouput을 클로로필-a로 선정하였고, Input 데이터를 DO, pH, Conductivity, Turbidity 등등 그 이외의 나머지들을 이용하였다
- MLP 민감도분석도 실시하였다.
5. Result
- 대청댐 샘플링 지역에서 얻어 낸 데이터들을 바탕으로 분석한 결과에서 일반적인 abandance of Phytoplankton 은 1999년과 2001년이 상대적으로 2003년보다는 더 높은 것으로 나타났으며 1999년, 2001년과는 다르게 2003년에는 7월에 Phytoplankton이 크게 발견되지 않았다. 저자는 이를 1999년의 평균강수량(1455.2mm)이 각각 2001년과 2003년의 평균 강수량(1748.9m) 보다 낮음과 수온이 고온현상이 대채적으로 다른해보다 오래 지속되었음을 언급하였다.
(PDF 첨부 그림 1 참조)
- SOM을 이용하여 분석한 결과는 아래 그림과 같았다.
(PDF 첨부 그림 2 참조)
Ward linkage method을 이용한 (b) 결과 다음과 같은 그룹 4개로 나눌 수 있었다. 그룹 I와 II는 7월부터 9월까지 얻어 낸 샘플들로 구성되어 있고, 이 때는 Cyanobacterial bloom이 일어난 기간과 연결되었다. 반면 그룹 IV는 5월, 6월, 7월 그리고 가을인 10월에 얻어진 샘플링 날짜들로 구성되었으며 Cyanobacterial bloom과 growth가 상대적으로 낮은 기간에 해당되었다. 그룹 III은 이들 사이값으로 보았다. 여기서 각각의 Phytoplankton의 종들이 분포하는 unit diagram은 다음과 같다.
(PDF 첨부 그림 3 참조)
SOM 분석을 통해서 우리는 그룹 II는 8, 9월에 얻어진 데이터를 기반으로 볼 수 있으며 이는 Cyanobacterial bloom과 어느정도 일치하는 모습을 찾아 볼 수 있었다. 이는 Cyanophyceae의 우점으로 분류하였다. 반면, 그룹 IV은 그룹 II에 속하지 않은 다른 달 ( 4, 5, 6, 7, 10) 등이 포함된 데이터를 기반으로 했으며 이 때는 Bacillariophyceae의 우점으로 분류하였다.
- MLP모델을 이용한 Cyanobacterial bloom 모델링에서는 클로로필-a의 농도와 abandance of Cyanophyceae를 예측하는 데 있어서 어떤 환경적인 요소들이 가장 큰 기여를 하는지를 알아보았다.
클로로필-a가 낮은 농도에서는 Secchi depth은 낮은 강한 음의 상관관계를 보였다. 하지만 클로로필-a의 농도가 높아질수록 강한 음의 상관관계는 점차 약해지는 것으로 확인되었다.
(PDF 첨부 그림 4 참조)
Cyanophyceae 의 우점이 total algal bloom과의 연관관계가 깊음을 확인할 수 있었고, 동시에 이는 클로로필-a 의 농도 변화와 밀접한 관계를 가지고 있었다. 일간 일사량과 강우량 역시 클로로필 -a 와 음의 상관관계에 있었지만 탁도 는 양의 상관관계에 있었다. TPN 과 TN 그리고 수온은 널리 알려진 대로 클로로필-a의 농도와 Cyanophyceae에 강한 양의 상관관계가 있음을 확인할 수 있었다.
6. Creativity
- algal bloom의 조기예측의 호소의 생태학적으로 꼭 필요한 일임을 상기하고, 이에 접근하는 방법을 discussion chapter에서 이야기 하였다. 샘플데이터와 ANN모델을 이용한 분석을 통해서 Early warning of algal blomm에 접근하려는 시도가 현재 쓰는 과제와 많이 유사해서 좋은 선행연구를 볼 수 있는 계기가 되었다.
Reviewer : 박지환 (jhjeeh@gist.ac.kr)