[표지] 1
제출문 2
요약문 4
목차 10
제1장 서론 16
제1절 연구의 배경 16
제2절 연구의 목적 16
제2장 연구내용 및 방법 18
제1절 연구 내용 18
제2절 연구 방법 19
1. 인공지능 기법 기반 지상농도 산출 현업 알고리즘 개선 및 결측 보완 19
2. 인공지능 기법 기반 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘 현업화 32
제3절 연구 추진 체계 36
제3장 연구결과 및 고찰 38
1. 인공지능 기법 기반 지상농도 산출 현업 알고리즘 개선 및 결측 보완 38
2. 인공지능 기법 기반 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘 현업화 58
제4장 결론 68
1. 인공지능 기법 기반 지상농도 산출 현업 알고리즘 개선 및 결측 보완 68
2. 인공지능 기법 기반 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘 현업화 70
제5장 기대성과(활용방안) 또는 향후계획 72
제1절 기대성과 72
1. 인공지능 기법 기반 지상농도 산출 현업 알고리즘 개선 및 결측 보완 72
2. 인공지능 기법 기반 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘 현업화 72
제2절 향후계획 72
2. 인공지능 기법 기반 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘 현업화 73
제6장 참고문헌 74
[뒷표지] 75
표 2-2-1-1. 지상 미세먼지(PM₁₀, PM₂.₅) 농도 추정 모델에 사용된 입력 변수 20
표 2-2-1-2. 지상 미세먼지(PM₁₀, PM₂.₅) 농도 추정 모델에 고려된 RDAPS 입력 변수 및 KIM 모델... 24
표 2-2-1-3. GOCI TOA 반사도 활용 고해상도 지상 초미세먼지(PM₂.₅) 농도 직접 산출 알고리즘에 사용된 입력 변수 30
표 2-2-1-4. GOCI-I 및 GOCI-II의 분광 밴드 정보 및 각 scheme 별 입력 변수로 사용된 밴드 구성 30
표 3-1-1. 개발된 전천에서의 AOD 알고리즘의 훈련 및 세 가지 교차검증(랜덤, 시간별, 공간별) 결과(N=4,389) 48
그림 2-2-1-1. 10-fold 교차검증 방식 업데이트. (좌) 검증 fold가 미리 나누어진 기존... 21
그림 2-2-1-2. Multiple buffer 활용 시 거리에 다른 단계별 버퍼 예시 22
그림 2-2-1-3. RF(Random forest) 내 트리별 결과를 활용한 격자별 불확도 제시 23
그림 2-2-1-4. 대기화학 수송모델과 융합한 지상 미세먼지 농도산출 알고리즘의 흐름도 26
그림 2-2-1-5. Hybrid-RFK 및 실시간학습 기반 모델을 융합한 지상 미세먼지... 27
그림 2-2-1-6. Hybrid-RFK 및 RTL 모델을 융합한 지상 미세먼지 농도 산출... 28
그림 2-2-1-7. GOCI TOA 반사도 활용 고해상도 지상 초미세먼지(PM₂.₅) 농도 직접 산출 알... 29
그림 2-2-1-8. GOCI TOA 반사도 활용 고해상도 지상 초미세먼지(PM₂.₅) 농도 직접 산출... 32
그림 2-2-2-1. 지상 가스상 물질(NO₂, O₃) 산출 알고리즘 자동화 흐름도 34
그림 2-3-1. 본 연구개발의 국내외 협력 체계도 36
그림 2-3-2. 본 연구개발의 추진 체계도 37
그림 3-1-1. 2021년 1월 – 2022년 6월에 대한 월별 실시간학습 지상 PM₁₀ 농도 산출 알고리즘의 모델 성능 39
그림 3-1-2. 2021년 1월 – 2022년 6월에 대한 월별 실시간학습 지상 PM₂.₅ 농도 산출 알고리즘의 모델 성능 40
그림 3-1-3. (위) 샘플이 많을 때(2021년 03월 23일 00:00 UTC), (아래) 샘플이 적을 때(2021년... 41
그림 3-1-4. (위) 샘플이 많을 때(2021년 03월 23일 00:00 UTC), (아래) 샘플이 적을 때(2021년... 42
그림 3-1-5. PM₁₀ 지상농도 산출 현업 알고리즘의 (a) 샘플이 많을 때(2021년 03월... 43
그림 3-1-6. PM₂.₅ 지상농도 산출 현업 알고리즘의 (a) 샘플이 많을 때(2021년 03월... 44
그림 3-1-7. 2021년 3월 1일 02 UTC에 대한 관측소 밀집도에 따른 격자별 불확도 분포 45
그림 3-1-8. 2021년 8월 23일 23 UTC에 대한 (왼) 추정된 PM₁₀ 농도분포와 (오) 트리별 결과를 활... 45
그림 3-1-9. 2022년 1월 1일 18:00(UTC)의 RDAPS의 Maximum wnd speed height above ground 3... 46
그림 3-1-10. 지상 미세먼지(PM₁₀, PM₂.₅) 및 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘에서... 47
그림 3-1-11. 지상 미세먼지(PM₁₀, PM₂.₅) 산출 알고리즘에서 사용된 입력 변수의 상관계수 히트맵(heatmap) 47
그림 3-1-12. 전천에서의 지상 미세먼지(PM₁₀, PM₂.₅) 농도 공간 분포(2021년 3월 13일 0시(UTC)... 49
그림 3-1-13. 2021년 3월 12일 0시(UTC)에 CMAQ AOD, 전천 AOD 산출물에서 사용된 운천에서... 49
그림 3-1-14. 2021년 3월 16일 5시(UTC)에 Hybrid-RFK, RTL, Hybrid-RFK와 RTL 모델 융합 알고... 50
그림 3-1-15. 2021년 3월 12일 0시(UTC)에 Hybrid-RFK, RTL, Hybrid-RFK와 RTL 모델 융합 알고... 51
그림 3-1-16. 2021년 2월부터 3월까지 CMAQ 활용 전천 알고리즘과... 52
그림 3-1-17. 2021년 2월부터 3월까지 평균한 CMAQ 활용 전천 알고리즘과 Hybrid-RFK와 RTL 융... 53
그림 3-1-18. 2021년 2월부터 3월까지 평균한 CMAQ 활용 전천 알고리즘과 Hybrid-RFK와 RTL 융... 53
그림 3-1-19. 2021년 2월부터 3월까지 평균한 CMAQ활용 전천 알고리즘과 Hybrid-RFK와 RTL 융... 54
그림 3-1-20. GOCI-I 및 GOCI-II TOA 반사도 활용 지상 미세먼지 농도 직접 추정 알고리즘 정확... 55
그림 3-1-21. (a) GOCI-I, (b) GOCI-II의 TPCV fold 별 정확도 비교... 55
그림 3-1-22. 스킴별((a) scheme 1, (b) scheme 2, (c) scheme 3) 구축된 GOCI TOA 반사도 활용... 56
그림 3-1-23. 스킴별((a) scheme 1, (b) scheme 2, (c) scheme 3) 사용된 GOCI 밴드의 SHAP... 56
그림 3-1-24. (a) 분석에 사용된 서울 청계천로 관측소와 부산 연산동 관측소의 위치, (b-e) 시간... 58
그림 3-2-1. 지상 가스상 물질(NO₂, O₃) 농도 산출 알고리즘에서 구름 비율 (CF) 변... 59
그림 3-2-2. 2021년 1월 - 8월에 대한 실시간 학습 기반 (위) NO₂ 및 (아래) O₃ 지상... 60
그림 3-2-3. 2021년 1월 - 8월에 대한 실시간 학습 기반 월별 NO₂ 지상 농도 산출... 61
그림 3-2-4. 2021년 1월 - 8월에 대한 실시간 학습 기반 월별 O₃ 지상 농도 산출 알... 61
그림 3-2-5. 2021년 1월에 대한 실시간 학습 기반으로 추정된 NO₂ 시간별 평균 공간 분포도 62
그림 3-2-6. 2021년 6월에 대한 실시간 학습 기반으로 추정된 O₃ 시간별 평균 공간 분포도 63
그림 3-2-7. 고농도 NO₂, O₃ 시기에 대해 1) 기존에 개발된 알고리즘, 2) AOD 관련 변수(AOD... 64
그림 3-2-8. 고농도 NO₂, O₃ 시기에 대해 1) 기존에 개발된 알고리즘, 2) AOD 관련 변수(AOD... 65
그림 3-2-9. 고농도 NO₂, O₃ 시기에 대해 10-fold 교차검증 결과를 구름... 66