연구팀휴맥스 홀딩스 주식 은 일본 기상청이 운영하는 히마와리(Himawari)-8 정지궤도 위성으로부터 10분 간격으로 받은 고빈도 복사·기상 관측 데이터와 AI 기반 기계학습 기법을 결합했다. 논문 제1저자인 배세정 연구원은 "1시간 단위로 식생의 GPP를 정밀하게 추정할 수 있다"며 “기존 극궤도 위성은 하루 1~4회만 관측이 가능해 시간대별 광환경 변화를 반릴게임임대 영하기 어려웠다"고 설명했다. 예측 모델에는 다양한 기상 자료와 함께 대기 중 에어로졸이 햇빛을 얼마나 흡수하거나 산란시키는지를 나타내는 ‘에어로졸 광학두께(AOD)’가 활용됐다. AOD는 미세먼지와 같은 입자상 물질 농도를 간접적으로 반영하는 위성 관측 지표다. 햇빛 세기와 성질에 영향을 준다. 연구팀야마토동영상 은 AI가 예측에 어떤 정보를 바탕으로 판단했는지를 'SHAP((Shapley Additive Explanations)' 기법으로 해석했다. 배세정 연구원은 "연구결과 아침과 해 질 무렵 시간대에 AOD가 광합성 예측에 가장 큰 영향을 미치는 변수로 나타났다"며 "이번에 개발한 AI 기반 모델이 기존 경험적 GPP 추정 방식보다 시간 해상손오공릴게임 도와 정확도 모두에서 우수한 성능을 보여줬다"고 덧붙였다. 임정호 교수는 “2km 공간 해상도에서 동아시아 지역을 대상으로 하루 24시간 동안 탄소 흡수 반응을 시계열로 추정할 수 있다"며 "생태계 탄소 흐름 분석, 식생 반응 감시, 광환경 기반 탄소모델링 등 다양한 분야에 활용될 수 있을 것“이라고 기대했다.
조회 : 5
