Spatial Gap-filling of Himawari-8/AHI Hourly AOD Products Using Meteorological Data with Machine Learning

Abstract

에어로솔 (aerosol)은 지속 시간이 비교적 짧고 공간 변동성이 크기 때문에 분포 및 특성에 대한정량적인 관측이 필수적이다. 최근 전 지구 규모에서의 주기적이고 정량적인 정보 획득과 감시 수단으로 위성 관측 AOD (Aerosol Optical Depth)영상이 다양한 연구에 활용되지만 광학센서 기반의 위성 AOD 영상은 구름 등의 조건을 가진 일부 지역에서 결측을 가진다. 일정 수준 이상의 결측은 사용목적에 따른 특정 시기 영상 확보에 어려움이 따른다. 따라서 본 연구에서는 LDAPS 기상 변수, 토지피복도, DEM, 인구 입력 자료 및 랜덤 포레스트 모델을 기반으로 Himawari-8/AHI hourly AOD product의 갭필링을 진행하였다. 2019년 1월 1일부터 12월 31일까지 한반도 육지 영역에 대하여 AOD 품질 검증 플래그의 신뢰도가 “very good”인 픽셀만을 참조 기준으로 사용한 최종 모델의 정확도는 5-cv-R²=0.882, test- R²=0.876으로 안정적인 AOD 복원 모델을 생성하였고 추가 실험을 통해 계절별 모델의 필요성을 확인하였다. 대부분의 선행연구는 극궤도 위성 AOD poduct의 결측복원에 그쳐 diurnal variation 추적이 어려우나, 본 연구는 높은 시간해상도의 정지궤도 위성을 사용하여 PM 추정 등 후속 연구에 높은 활용도를 가진다. 또한, the 정지궤도위성 images from the AMI (Advanced Meteorological Imager) of GK2A (Geostationary Korea Multi-purpose Satellite 2A), GEMS (Geostationary Environment Monitoring Spectrometer) and GOCI2 (Geostationary Ocean Color Imager) of GK2B (Geostationary Korea Multi-purpose Satellite 2B) 등에도 적용할 수 있다.