Deep learning in polar science

Abstract

해빙자료는 극지 기후변화 연구와 쇄빙연구선의 안전한 항해에 있어 중요한 정보로 사용된다. 일반적으로 해빙정도는 수동마이크로 위성영상으로터 산출되는데, 1978년 이후 매일 극지역 전체에 대한 정보가 생산되고 있다. 빅데이터와 인공진으이 주목받고 있는 오늘날, 위성해빙정보는 양과 질적으로 극지연구에 있어 가장 대표적인 빅데이터의 한 종류이다. 본 발표에서는 위성 해빙 빅데이터를 딥러닝을 통해 분석하여 해빙정보를 산출하고 예측하는 연구를소개하고자 한다. 첫째로 과거 36년간 수집된 월간 북극 해빙농도자료와 순환신경망의 한 종류인 Long Short-Term Memory를 이용하여 해빙농도를 예측하였고 이를 기존 전통적으로 사용되는 통계 및 수치모델 기반의 해빙예측모델과 비교하였다. 전통적 모델의 경우 다양한 환경변수를 요구하는데 반해 딥러닝 기반의 예측모델은 과거 해빙농도 자료만을 이용하여 유사한 예측성능을 보여주었다. 두 번째 연구는 수동마이크로파 위성의 밝기 온도값과 Multi-Layer Perceptron 모델을 이용한 해빙농도 산출로, 기존 해빙농도 산출 알고리즘보다 계절적,지역적으로 더욱 향상된 해빙농도 값을 산출하였다. 이러한 정보는 향후 다양한 극지연구의 기초자료로 활용되어 연구의 질적 향상을 기대할 수 있다.