엽록소-a농도는 대양과 연안, 섬과 만에서 바다물의 생물물리적상태를 평가하는 중요한 지표이다. 위성관측으로부터 엽록소농도에 대한 오랜 기간의 시공간적정보를 얻을수 있으며 이것은 물의 생물지구화학적과정을 알수 있게 한다.
바다색알고리듬에는 반사에 기초한 분류방법, 스펙트르대역비방법, 스펙트르대역차방법 및 생물광학적방법들이 있는데 이것들은 열린 대양의 1형태물에 적당하다. 광학적으로 복잡한 2형태의 물에서는 1형태의 바다물에서 리용되는 엽록소평가방법이 적당하지 못하다. 이러한 바다색원격조사방법의 제한성을 극복하기 위하여 엽록소회복에 인공신경망기술을 리용한다.
이 연구에서는 MODIS위성자료를 리용하여 신포만 연안에서 엽록소의 계절적 및 공간적변화를 평가하기 위하여 유전알고리듬에 의한 인공신경망의 최량화방법을 제기하였다.
연구에서 인공신경망의 입구자료로 MODIS의 4개의 대역 즉 488, 547, 667, 678nm가 리용되였다.
인공신경망은 3개의 층 즉 한개의 입구층(4개의 세포), 한개의 숨은층(10개의 세포), 한개의 세포를 가진 출구층으로 구성되였다.
인공신경망은 수렴속도가 느리고 일반화능력이 약하며 풀이가 국부적극소점에로 수렴하는것과 같은 주요한 결함들을 가진다.
이로부터 적당한 초기무게와 편차를 주어 인공신경망을 최량화하기 위하여 유전알고리듬이 리용된다.
연구에서 리용된 유전알고리듬에 의한 인공신경망의 최량화과정을 그림에서 보여준다.
연구결과는 유전알고리듬－인공신경망모형이 광학적으로 복잡한 2형태의 물에서 엽록소농도에 대한 평가를 훨씬 개선할수 있다는것을 보여준다.
이상의 연구결과는 잡지 《Journal of the Indian Society of Remote Sensing》에 《A Genetic Algorithm-Optimized Neural Network for Chlorophyll a Estimation Using MODIS Satellite Data in Coastal Water: Application to the Sinpho Bay of DPR Korea》(https://doi.org/10.1007/s12524-023-01719-8)라는 제목으로 출판되였다.
