최근 기온 증가, 집중 강우 등 기후변화로 인해 댐 저수지에서의 녹조발생이 공간적으로 다양해지고 있고, 다양한 요인에 영향을 받기 때문에 지점 단위 관측만으로는 녹조발생을 파악하는데 한계가 있다. 이를 보완하기 위해 국내외에서 위성영상, 무인항공 등 원격 녹조 모니터링 연구가 진행되고 있다. 하지만, 위성영상 기반으로 사전 녹조관리를 위한 예측기법 연구는 부족한 실정이며 알고리즘 개발을 위한 측정자료 확보에도 한계가 있다. 이에, 본 연구에서는 3차원 수질모델을 활용하여 공간적 Chl-a 합성데이터를 생성하였으며 위성영상, 기상 및 수문자료를 연계하여 단기 클로로필-a를 예측하는 알고리즘을 개발하기 위해 앙상블 및 딥러닝 기법을 적용하였다. 연구 대상지는 금강 수계 대청댐 저수지와 낙동강 수계의 영주댐 저수지를 선정하였으며 AEM3D 모델을 적용하여 재현성을 검토한 후에 공간적 Chl-a 농도를 생성하였다. 위경도별 Chl-a와 Sentinel-2 밴드별 반사도, 기온 및 유입량을 매칭하여 3, 5, 7일 후 Chl-a 예측 알고리즘 개발을 위한 DB를 구축하였다. 랜덤포레스트(RandomForest), XGBoost, CNN(Convolutional neural network) 기법을 적용하여 비교하였으며 70%는 학습, 30%는 검증에 활용하였다. 각 댐별로 알고리즘을 분석하여 비교한 결과, XGBoost 보다 랜덤포레스트와 CNN-RF 모델 성능이 높은 것으로 분석되었다. 예측 기간별 모델 성능은 유사하게 나타났으며 모델의 입력변수의 기여율을 분석한 결과, 예측 기간이 길수록 위성영상 반사도값 보다는 기온과 유입량의 영향이 더 큰 것으로 분석되었다.