본 연구에서는 글로벌 분광-수질 데이터셋인 GLORIA(GLObal Reflectance community dataset for Imaging and optical sensing of Aquatic Environments)를 이용하여 탁도 면단위 모니터링을 위한 알고리즘을 제안하였다. 350nm ~ 900nm의 파장 대역에서 측정된 7572개의 초분광반사율 값과 Pair되는 탁도(NTU)값을 정제하여 Sentinel-2 위성자료에 적용이 가능하도록 데이터셋을 가공하였으며, 알고리즘 개발을 위해 GBDT(Gradient Boosting Decision Tree) 기반의 머신러닝 기법인 LightGBM(Light Gradient Boosting Machine) 기술을 적용하였다. 검증 결과, 테스트데이터 R²는 0.82, 학습데이터의 R²는 0.98로 알고리즘 추정 및 실측 탁도 값의 상관성이 높음을 입증하였으며, Sentinel-2 위성영상 적용을 통해 광역 담수 수질 관리를 위해 활용될 수 있음을 확인하였다.