Physical Validation of Geostationary-Satellite Heavy-Precipitation Predictors Using Aura MLS Upper-Tropospheric Water Vapor and Cloud-Ice Observations
국가간협력기반조성 · (인력교류) 미국_여성대학원생
2026년
2710115148
과학기술정보통신부
한국연구재단
이화여자대학교
최화연
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
2,000만원
2,000만원
기초연구
대학
서울특별시 서대문구
지구과학(지구/대기/해양/천문) > 대기과학 > 대기물리
정지궤도기상위성 GK2A의 강한 강수 예측변수(상층 수증기·권운 관련 복사신호)가 실제 상층 대기 상태를 반영하는 물리적 신호임을, 상층 수증기·구름얼음을 직접 관측하는 Aura MLS 자료로 독립적으로 검증한다. 이를 통해 기계학습(SHAP) 기반 예측변수 해석의 물리적 타당성을 규명하고, 여러 정지위성에 전이 가능한 물리 기반 강수 산출 알고리즘의 토대...
GK2A 영상과 기계학습(Random Forest, SHAP)으로 도출된 동아시아 중위도 강한 강수의 핵심 예측변수(R1.37, R1.37?R1.61, BT6.2?BT9.6)는 상층 수증기·권운의 프록시로 해석되었으나 직접 검증되지 않았다. 본 연구는 상층 수증기·구름얼음(IWC)을 연직으로 직접 관측하는 Aura MLS 자료를 독립적 물리 기준으로 사용하...
본 연구는 설명가능 인공지능(SHAP)이 찾아낸 통계적 중요도를 직접적인 위성 관측으로 검증함으로써, 산출 알고리즘의 물리적 신뢰도를 높이고 위성 원격탐사 분야에서 기계학습 결과의 신뢰성을 확보하는 검증 사례를 제시한다. 물리적으로 검증된 예측변수는 위성 기종이나 관측 시기가 달라져도 동일한 의미를 유지하므로, GOES(미국)·Himawari(일본)·MTG(유럽) ...