인공지능을 활용한 해양과학기지 장기시계열 원격파랑관측자료 보정

Abstract

해양과학기지는 이어도(2003)와 가거초(2014) 그리고 소청초(2014)에 건설된 철골 구조물 형태의 해양 관측 시설이다. 해양과학기지에서는 해양, 기상, 대기환경 등 40여종 이상의 관측자료를 생산하고 있으며, 특히 파랑 관측에서는 원격파랑관측장비인 MIROS Wave and Current Radar (이하 MWR)를 통해 장기파랑시계열자료를 생산하고 있다. 해양과학기지는 연안에서 떨어진 외해에 위치하기 때문에 지형의 영향을 최소화한 장기파랑시계열자료를 관측할 수 있는 이점이 있다. MWR은 레이다로 파랑을 관측하고 적은 전력으로 안정적인 파랑 관측이 가능하지만, 장비의 특성상 바람이 작고(3m/s) 파고가 낮은 환경에서 후방산란효과로 인하여 파랑 파라미터가 과대평가되는 경향이 있기 때문에 MIROS사에서 제공하는 품질관리 필터의 사용이나 품질검사 등에 대한 다양한 연구가 수행되었다. 선행 연구 결과에 따르면 파고는 상당히 개선되었으나 주기와 파향은 낮은 정확도를 보여 개선이 필요하였다. 본 연구에서는 소청초 해양과학기지 인근에서 2015년과 2018년에 Waverider Buoy로 관측한 파랑 자료와 MWR의 파랑자료를 비교하여 품질을 검증하였으며, 품질관리 기법으로는 딥러닝 기법인 DNN (Deep Neural Networ)을 활용하였다. DNN 모델에서는 2015년에 관측된 MWR 자료를 훈련 자료로 사용하였으며, 2018년에 관측된 MWR 자료를 테스트 자료로 사용하였다. DNN모델을 통해 MWR 관측자료를 보정한 결과, 파고와 파주기 그리고 파향 모두 MIROS 사에서 제공하는 품질관리 필터들을 적용하였을 때보다 인공지능 모델을 추가적으로 적용하였을 때 RMSE가 더 효과적으로 개선되었다. 특히 바람이 작을 때 파주기에서 과대평가되었던 이상자료들이 상당히 효과적으로 제거되었다. 본 연구에서 수행한 연구 결과를 통해 해양과학기지의 원격파랑관측장비로 관측된 과거 장기파랑시계열관측자료의 품질을 개선하는데 기여할 수 있을 것이라고 기대한다.