식물의 탄소 흡수 작용을 시간 단위로 정밀하게 예측할 수 있는 인공지능(AI) 기반 분석 기술을 울산과학기술원(UNIST) 연구진이 개발했다.

 UNIST 지구환경도시건설공학과 임정호 교수팀은 정지궤도 기상위성의 고빈도 복사·기상 자료를 AI에 학습시켜 총일차생산량(GPP·Gross Primary Production)을 1시간 단위로 추정하는 모델을  개발했다고 3일 밝혔다.

 제1저자 배세정 연구원은 "기존 극궤도 위성은 하루 1∼4회만 관측할 수 있어 시간대별 광환경 변화를 반영하기 어려웠지만, 이 모델은 더 촘촘한 시간 해상도를 토대로 광합성 반응의 변화를 정확히 추정할 수 있다"고 설명했다.

 모델에는 다양한 기상 자료와 함께 대기 중 에어로졸이 햇빛을 얼마나 흡수하거나 산란시키는지를 나타내는 '에어로졸 광학두께'(AOD)가 활용됐다.

 AOD는 미세먼지와 같은 입자상 물질의 농도를 간접적으로 반영하는 위성 관측 지표로, 햇빛의 세기와 성질에 영향을 줘 광합성 조건을 바꾼다.

 연구팀은 AI가 어떤 정보를 바탕으로 예측했는지를 확인하기 위해 설명 가능한 AI 기법(SHAP)을 이용했다.

 분석 결과 AOD는 아침과 저녁 시간대 광합성량 예측에 가장 큰 영향을 미치는 변수로 나타났다.

 이는 태양 고도가 낮을수록 산란광 비중이 커지고, 그에 따라 식물의 광합성 반응이 민감하게 달라지는 경향을 반영한 결과로 풀이된다.

 임정호 교수는 "2㎞ 공간 해상도에서 동아시아 지역을 대상으로 하루 동안의 탄소 흡수 반응을 시계열로 추정할 수 있다"며 "생태계 탄소 흐름 분석, 식생 반응 감시, 광환경 기반 탄소모델링 등 다양한 분야에서 활용될 수 있을 것"이라고 말했다.

 이런 연구 결과는 원격 탐사 분야 국제 학술지인 '환경원격탐사'(Remote Sensing of Environment)에 1일 게재됐다.

 연구는 환경부 한국환경산업기술원, 국토교통부 국토교통과학기술진흥원 등의 지원을 받았다.