DNN을 이용한 ASCAT 해상풍자료의 정확도 향상

Abstract

ASCAT(Advanced Scatterometer)은 인공위성 MetOp-A/B/C(Meteorological Operational Satellite-A/B/C)호에 탑재된 산란계이다. ASCAT은 해양표면의 후방산란계수를 측정하여 해상풍을 추정하며, 한반도 연안을 포함한 전지구의 해상풍 정보를 제공하고 있다. 기존 연구에서 ASCAT에서 추정된 해상풍은 대양에서 약 1.5 m/s의 오차를 지니는 것으로 알려져 있다. 현재까지 ASCAT 추정 해상풍의 오차를 줄이기 위한 연구들이 지속되고 있으나, 전통적인 선형회귀분석에 의한 보정은 그 한계가 명확하다. 이에 본 연구에서는 DNN(Deep Neural Network) 이용한 한반도 연안의 ASCAT 해상풍 보정 연구를 수행하였다. 기상청 부이 10점에서 2012년부터 2019년까지 관측된 해상풍과 ASCAT Level 2B 해상풍 자료를 취득하였으며, 공간조건식을 적용하여 학습을 위한 데이터쌍을 구성하였다. 학습은 DNN(Deep Neural Network) 모델을 구성하여 수행하였으며, 정확한 보정을 위하여 위성에서 산출할 수 있는 관측 날짜, 관측 시간, 풍향, 화소의 위경도값을 포함하여 학습을 수행하였다. 수행 결과는 부이 관측 해상풍과 평균제곱근오차(root mean squared error, RMSE)를 구하여 정확도를 평가하였다. 분석결과 ASCAT 풍속을 보정하기 위해서 ASCAT 풍향, 위성관측 날짜 및 시각, 픽셀 위경도를 포함하여 학습하는 모델이 가장 높은 정확도를 나타냈으며, RMSE를 이용한 평가결과 보정 전 1.38 m/s에서 0.93 m/s로 정확도가 개선되었다. 한반도 연안의 모든 부이 관측지점에서 해상풍 오차는 1 m/s 이하로 나타났으며, 특히, 낮은 풍속(4 m/s 이하)와 높은 풍속(12 m/s 이상)에서 해상풍 오차는 0.5 m/s 수준으로 평가되었다. 본 연구를 통해 ASCAT 해상풍 자료를 정밀하게 보정할 수 있었으며, 이는 향후 해양재난재해 예측 향상에 기여할 수 있을 것이다.