Deep learning for simulating Alexandrium with ocean numerical model

Abstract

유해적조는 수생태계 뿐 만 아니라, 인간 활동에도 많은 악영향을 끼치고 있다. 최근 수십 년 동안 전 세계적으로 유해적조가 증가하고 있어, 수생 생태계의 더욱 심각한 위협이 되고 있다. 이러한 유해 적조를 예방 및 조치를 취하기 위해서는 모델링적 접근이 중요하다. 유해 적조를 모델링에 적용 함으로 써, 단순히 적조의 예측 뿐만아니라, 실제로 관측 할 수 없는 지역에 대한 정보를 획득을 할 수 있으며, 모의로 도출된 결과를 이용하여, 유해적조 대발생에 대한 정보를 획득이 가능하다. 하지만, 이러한 수치기반 모델링 접근은 큰 계산능력과 계산시간이 필요하다. 또한, 자연 생태계의 불확실성으로 인한, 모델의 정확도 또한 문제가 대두가 되고 있다. 이에 본 연구에서는 이러한 전통적인 수치모델기반 모델링 아닌 최근에 화제가 되고 있는 딥러닝 모델을 이용하여, 유해적조를 예측하였다. 딥러닝 모델은 머신러닝 모델중 하나이며, 최근에 알파고, 파파고, 구글 번역과 같이 뛰어난 성능을 보여주는 모델이다. 본 연구에서는 이러한 딥러닝 모델중 Convolutional Neurnal Network (CNN)를 사용하였으며, 총 2년의 적조 모니터링을 이용하여 모델을 학습하였다. 개발된 모델은 단순히 적조의 예측 뿐만 아니라, 적조의 공간적 시간적 변화도 또한 보여주었다. 향후, 추가적인 모니터링 데이터를 이용하여, 모델의 정확도를 높여, 국내의 적조연구에 기여가 가능 할 것이라 생각되어진다.