해양 자원 개발이 심화됨에 따라 중국 연안 해역의 생태 환경은 점점 더 심각한 도전에 직면하고 있다. 원격 탐사 기술은 연속 관측과 광역 커버리지를 갖추고 있어 해양 생태 위험을 식별하고 분석하는 중요한 기술 수단이 되었다. 본 연구는 옌타이 남안 근해 수역을 연구 구역으로 선정하여 기름 유출과 우무(해조류)의 두 가지 대표적인 생태 위험원을 대상으로 광학 및 SAR 다중 원격 탐사 영상을 활용해 기름 유출과 우무 식별을 위한 딥러닝 모델을 구축하고 해당 해역의 기름 유출 및 우무 현상을 장기 시계열 모니터링하였다. 이를 기반으로 연구 구역 내 2018년부터 2021년까지 두 위험원의 시공간 분포 특성을 분석하였다. 결과는 두 위험원의 식별 정확도가 여러 평가 지표에서 90%를 초과했음을 보여주었으며; 시공간 분석 결과 기름 유출 사건은 해안으로부터 약 30해리 떨어진 동남해역에 주로 집중되어 있고, 2018년, 2019년 및 2021년에 발생 빈도가 높으며 주로 선박 배출에 기인한다는 것을 나타냈다; 우무 폭발은 주로 여름에 나타나며 2019년과 2021년에 대규모 폭발이 발생했고, 남서해역에서 폭발 강도가 더 높았다. 추가 공간 중첩 분석은 연구 구역 내 생태 위험의 공간 분포 패턴을 밝혀냈으며, 전체적으로 ‘근안 우무 위험 우세, 중안 기름 유출 위험 증가, 원해 지역 이중 위험 중첩’의 분포 양상을 보였다.

해양 생태 환경;기름 유출;우무;원격 탐사;딥러닝