UNIST 임정호 교수팀, 시간 단위 식물 광합성량 예측 인공지능 모델 개발

전 세계 이산화탄소 배출량의 약 30%는 식물의 광합성을 통해 제거된다. 이러한 탄소 흡수 작용을 시간 단위로 정밀하게 예측할 수 있는 인공지능 기반 분석 기술이 개발됐다. 과학적 기후 변화 대응과 탄소중립 정책 마련에 도움이 될 것으로 기대된다.

UNIST지구환경도시건설공학과 임정호 교수팀은 정지궤도 기상위성의 고빈도 복사·기상 자료를 인공지능에 학습시켜 총일차생산량을 1시간 단위로 추정하는 AI 모델을 개발했다고 2일 밝혔다.

총일차생산량(GPP, Gross Primary Production)은 광합성에서 식물이 실제로 흡수한 탄소량을 나타내는 지표로 생태계의 탄소 제거량을 수치화할 때 활용된다.

연구팀이 개발한 이번 모델은 Himawari-8 정지궤도 위성의 10분 간격 관측 자료를 활용해 GPP를 1시간 단위로 정밀 예측할 수 있다. 제1저자인 배세정 연구원은 “기존 극궤도 위성은 하루 1~4회만 관측이 가능해 시간대별 광환경 변화를 반영하기 어려웠지만, 이 모델은 더 촘촘한 시간 해상도를 바탕으로 광합성 반응의 변화를 정확히 추정할 수 있다”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 물질의 농도를 간접적으로 반영하는 위성 관측 지표로, 햇빛의 세기와 성질에 영향을 주어 광합성 조건을 바꾸는 요소다.

AI가 예측에 어떤 정보를 바탕으로 판단했는지를 확인하기 위해 연구팀은 설명 가능한 인공지능 기법(SHAP)을 이용했다. 분석 결과, AOD는 아침과 저녁 시간대에 광합성량 예측에 가장 큰 영향을 미치는 변수로 나타났다. 이는 태양 고도가 낮을수록 산란광의 비중이 커지고, 그에 따라 식물의 광합성 반응이 민감하게 달라지는 경향을 잘 반영한 결과로 풀이된다.

임정호 교수는 “2km 공간 해상도에서 동아시아 지역을 대상으로 하루 24시간 동안의 탄소 흡수 반응을 시계열로 추정할 수 있어 생태계 탄소 흐름 분석, 식생 반응 감시, 광환경 기반 탄소모델링 등 다양한 분야 활용될 수 있을 것“이라고 기대했다.

연구 결과는 원격탐사 분야 최상위 국제 학술지인 ‘환경원격탐사(Remote Sensing of Environment, IF 11.1)’에 6월 1일 게재되었다. RSE는 환경과학 및 위성 관측 연구의 국제적 흐름을 주도하는 저널로 평가받고 있다.

연구 수행은 환경부 한국환경산업기술원, 국토교통부 국토교통과학기술진흥원 등의 지원을 받아 이뤄졌다.

이남주 기자