초록 ▼

□ 연구개요
지면 식생의 생장과 활동은 지면-대기 에너지·물 교환에 직접적인 영향을 준다. 기후 모의 및 기후 연구에 널리 활용되는 지구시스템 모형들은 지면 식생의 생장/활동을 모의하는 물리과정 기반의 세부모형을 갖는다. 본 연구과제에서는 물리과정 기반의 식생 모형 모의가 갖는 불확실성을 보완할 머신러닝기반 통계모형을 개발하고, 이를 지구시스템 모형에 접합한다. 이를 위하여 지면식생/기후요소에 대한 빅데이터를 구축하고, 이를 기반으로 통계모형을 구축한다. 개발된 식생모형은 지구시스템 모형에 접합할 수 있는 구조이며, 잎면적지수

□ 연구개요
지면 식생의 생장과 활동은 지면-대기 에너지·물 교환에 직접적인 영향을 준다. 기후 모의 및 기후 연구에 널리 활용되는 지구시스템 모형들은 지면 식생의 생장/활동을 모의하는 물리과정 기반의 세부모형을 갖는다. 본 연구과제에서는 물리과정 기반의 식생 모형 모의가 갖는 불확실성을 보완할 머신러닝기반 통계모형을 개발하고, 이를 지구시스템 모형에 접합한다. 이를 위하여 지면식생/기후요소에 대한 빅데이터를 구축하고, 이를 기반으로 통계모형을 구축한다. 개발된 식생모형은 지구시스템 모형에 접합할 수 있는 구조이며, 잎면적지수와 지면식생유형을 모의한다. 최종적으로 지구시스템 모형에 접합될 경우, 식생모의와 이에 관련된 지면 에너지·물 순환 모의의 개선이 나타날 것이다.

□ 연구 목표대비 연구결과
본 연구과제는 3개년에 걸쳐 지구시스템 모형에 접합될 수 있는 머신러닝 기반의 식생 모형을 구축하고 그 성능을 평가한다. 본 연구과제의 연구목표와, 지난 18개월 동안 수행된 결과는 다음과 같다.
○ 식생의 잎면적지수를 모의하는 머신러닝 모형 구축
- 잎면적지수를 모의하는 머신러닝 모형이 구축 됨
- 과거 잎면적지수, 기온, 강수를 활용하여 미래 잎면적지수 모의
- 물리과정 기반의 지면모형 모의 대비 월등한 성능
○ 지면식물유형을 예측하는 머신러닝 모형의 구축
- 농경지의 생장계절 시작 시점을 모의하는 모형이 개발
- 주어진 기후 값에 따라 생장계절의 시점이 모의
- 생장계절시점 모의 결과를 바탕으로 지면식물유형 모의 모형 개발 시도
○ 물리과정–머신러닝 모형 결합을 통한 미래 식생 변화 예측
- 연구 중단으로 시도되지 못함

□ 연구개발결과의 중요성
○ 학문적/기술적 중요성
● 식생 모의 성능을 효과적으로 향상하는 방안 제시
● 기상/기후 모형 성능 향상에 위한 새로운 방향 제시
● 머신러닝-물리과정 융합 모형 개발의 기틀 마련

○ 사회적/경제적/산업적 기대효과
● 기상예보모형과 결합을 통한 기상예보정확도 향상
● 개선된 식생 모의를 통한 탄소 순환 및 지구온난화기체의 미래 예측성 향상
● 개선된 계절 예측을 통한 산업계의 계절변화대응 기회 제공

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 5
• 1) 위성 및 지상 자료의 수집을 통한 빅데이터의 구축 ... 5
• 2.) 기후 및 환경 요소에 따라 식생 요소가 모의되는 머신러닝 모형의 구축 ... 5
• 3) 기존 물리과정 기반 식생 모의 모형 대비 머신러닝 모형 개선 검증 ... 6
• 4) 고해상도 위성 자료를 활용한 지면식물유형 자료의 생성 ... 6
• 5) 기후적 특징에 따라 지면식물유형이 결정되는 모형의 구축 ... 7
• 3. 연구개발결과의 중요성 ... 8
• 4. 참고문헌 ... 9
• 5. 연구성과 ... 9
• 끝페이지 ... 9