인공지능을 이용한 해수면 염분 보간

Abstract

해수면 염분(Sea surface salinity; SSS)은 물순환에 영향을 끼치는 중요한 지표이며 기후변화를 분석하기 위해 모니터링이 필수적이다. 효율적인 해수면 염분 모니터링을 위해서 수동 마이크로파 센서를 탑재한 Soil Moisture Ocean Salinity (SMOS)와 Soil Moisture Active Passive (SMAP) 위성이 전지구 해역의 해수면 염분 자료를 산출하여 제공한다. 이러한 수동 마이크로파 센서 기반 위성들은 revisit time이 길고 swath 형태로 자료가 제공되기 때문에 일일 자료로 전지구 해역을 커버하지 못한다. 전지구 해역을 대상으로 제공되는 해수면 염분 재분석 자료는 실시간 위성 관측 자료를 사용하지 않고 기후 자료를 기반으로 만들어지기에 변화가 큰 저염수 지역에서 정확도가 떨어지는 한계점이 있다. 본 연구는 이러한 현재의 해수면 염분 자료의 한계점을 해결하고자 인공지능 기법을 이용하여 위성 기반 해수면 염분 산출물을 보간하였다. 인공지능 기법으로는 U-Net Convolutional Neural Network (CNN) 알고리즘을 사용하였다. U-Net 모델 기반으로 보간되어 값이 채워진 픽셀들을 현장 관측 자료를 이용하여 검증한 결과 (RMSE:0.256psu), 기존에 제공되고 있는 SMAP 8일 평균 해수면 염분 자료(RMSE:0.667psu)보다 더 높은 정확도를 보였다.