▲ 개발된 복원 AI 모델과 그 성능 데이터. (좌측)적대적생성신경망기반의 시간별 해수면온도 복원 알고리즘 모식도와 모델 구조. (중앙) 기술선진국인 미국과 유럽의 자료와 정량적·정성적 비교 그리고 (우측) 개발된 자료를 활용한 북서태평양의 시간별 해수면온도 변동성 분석에 대한 그래프.(그림 및 설명=UNIST)  © 특허뉴스

매년 여름 한반도를 위협하는 태풍과 폭염, 가뭄 등 극단적 기후 현상이 해수면 고온과 밀접하게 연관되면서 해수면 온도 예측의 중요성이 날로 커지고 있는 가운데, UNIST(울산과학기술원) 연구팀이 위성 관측의 결측 구간을 복원하는 인공지능(AI) 모델을 개발해 주목받고 있다. 

UNIST 지구환경도시건설공학과 임정호 교수팀은 위성 관측망의 공백을 보완해 해수면 온도 데이터를 1시간 단위, 2km 공간 해상도로 재구성할 수 있는 AI 복원 모델을 개발했다고 19일 밝혔다. 바닷물은 지구 열에너지의 90%를 저장하며, 해수면은 바다와 공기 사이에서 열에너지가 직접 오가는 지점으로, 해수면 온도가 상승하면 태풍, 폭염, 집중호우와 같은 기상 현상을 유발할 수 있다. 

위성 관측은 해수면 온도를 광범위하게 모니터링할 수 있는 장점이 있지만, 구름, 강수, 관측 각도 제한 등으로 인해 시공간적 결측 구간이 자주 발생하여 해수면 온도 변화의 흐름을 읽기 어렵고 정확한 장기 예측에도 한계가 있었다. 

연구팀은 이러한 문제 해결을 위해 GAN(Generative Adversarial Networks) 인공지능 모델에 고빈도 위성 관측자료와 수치예보모델의 열역학적 지식을 학습시켜 위성의 결측 구간을 복원하는 모델을 만들었다. 이 모델은 이미지 생성에 주로 사용되는 GAN 모델에 수치예보모델의 열역학 정보를 함께 학습시켜, 실제 해양 물리 조건에 부합하는 해수면 온도 데이터를 더욱 정밀하게 복원할 수 있도록 설계되었다. 

제1저자인 정시훈 연구원은 "기존 수치예보모델이나 통계 기반 기법은 위성의 해상도를 그대로 유지하기 어렵고 계산 비용도 컸다"며, "이 모델은 실제 실험에서 기존의 선형 보간 기법이나 통계 기반 모델보다 복원 정확도가 높고, 급격한 온도 변화 구간에서도 예측 성능이 우수한 것으로 확인됐다"고 설명했다. 

임정호 교수는 "이번에 개발한 AI 기반 복원 기술은 태풍 발생이 잦고 기후 변동성이 큰 북서태평양 해역에서 고해상도 해수면 온도 데이터를 생산할 수 있다"며, "이 지역은 한반도 기후에도 직접적인 영향을 미치는 만큼, 날씨 예측과 기후 분석의 정밀도를 높이는 데 큰 도움이 될 것이며, 장기적으로 고수온 현상과 같은 해양 재해 대응에도 활용될 수 있을 것"이라고 말했다. 

이번 연구 결과는 원격탐사 분야 최상위 국제 학술지인 '환경원격탐사(Remote Sensing of Environment, IF 11.1)'에 6월 1일 게재되었다. 

논문명은 PARAN: A novel physics-assisted reconstruction adversarial network using geostationary satellite data to reconstruct hourly sea surface temperatures이다.