베이지안 기법을 활용한 MODIS 지표 온도 추정 성능 비교

초록

본 연구는 베이지안 추론 기반의 지표 표면 온도(LST) 추정 알고리즘을 Terra MODIS 적외선 밴드 관측 데이터에 적용하여, 기존 MODIS LST 제품과의 일치성을 평가한다. 두 가지 베이지안 구현 방식(반복 수축 매핑과 MAP 탐색)을 검증했으며, 낮·밤 각각 두 개의 구간을 사용해 평균 온도 차이는 0.3 K 이하, 표준편차는 1 K 미만으로 나타났다. 또한 표면 방출율 불확실성을 고려한 68 % 신뢰구간은 약 0.8 K 수준으로, 기존 제품과 비교해 충분히 정확함을 확인하였다.

상세 분석

이 논문은 베이지안 통계학을 LST 추정에 적용한 최초의 사례 중 하나로, 기존 물리‑기반 역전파 방법과는 달리 사전 확률(prior)과 사후 확률(posterior)을 명시적으로 활용한다는 점에서 학술적 의의가 크다. 먼저 저자는 방출율(emissivity)에 대한 사전 지식이 거의 없는 ‘비정보적(prior)’ 범위를 설정하고, 이 범위 내에서 관측된 MODIS 밴드 복사량을 이용해 LST와 방출율의 결합 사후 확률을 계산한다. 두 가지 구현 방식은 본질적으로 동일한 베이지안 프레임워크를 따르지만, 수치적 접근법에서 차이를 보인다. 첫 번째는 기대값(expectation) 추정을 반복적으로 수축시키는 contraction mapping 알고리즘으로, 초기값에 크게 의존하지 않으며 수렴성을 보장한다(부록에서 수학적 증명 제공). 두 번째는 MAP(Maximum A‑Posteriori) 탐색으로, 사후 확률의 최대점을 직접 찾는 최적화 절차이며, 초기값 선택에 따라 수렴 속도가 달라질 수 있다.

데이터 선택 측면에서 저자는 구름이 거의 없고, 관측각이 30° 이하인 지역을 대상으로 낮·밤 각각 두 개의 MODIS granule을 사용하였다. 이는 대기 및 기하학적 왜곡을 최소화함으로써 알고리즘 자체의 성능을 순수하게 평가하려는 의도이다. Level‑1B 원시 복사량을 직접 입력으로 사용함으로써, 전처리 단계에서 발생할 수 있는 오류를 배제하고, Level‑2 MODIS LST 제품과의 직접 비교가 가능하도록 설계하였다.

실험 결과는 두 알고리즘 모두 평균 온도 차이가 0.3 K 이하이며, 표준편차가 1 K를 초과하지 않는다는 점에서 기존 MODIS LST와 거의 동일한 정확도를 보였다. 특히 MAP 방식은 수렴 속도가 빠르고, 개별 픽셀에 대한 68 % 신뢰구간이 약 0.8 K로, 방출율 불확실성을 충분히 반영하면서도 높은 정밀도를 유지한다는 점이 주목할 만하다. 이는 베이지안 접근법이 방출율과 같은 불확실한 파라미터를 자연스럽게 통합할 수 있음을 실증한다.

또한, 알고리즘의 복잡도와 계산 비용을 고려했을 때, 수축 매핑 방식은 반복 횟수에 따라 선형적인 연산량을 요구하지만, 초기값에 민감하지 않아 안정적인 결과를 제공한다. 반면 MAP 방식은 최적화 루틴에 따라 비선형적인 연산이 발생할 수 있으나, 현대 고성능 컴퓨팅 환경에서는 실시간 혹은 대규모 처리에 충분히 적용 가능하다.

결론적으로, 베이지안 LST 추정은 기존 물리‑기반 방법에 비해 사전 지식에 대한 의존도를 낮추면서도 높은 정확도와 신뢰성을 제공한다. 향후 연구에서는 대기 보정 모델을 베이지안 프레임워크에 통합하거나, 다양한 위성 센서(예: VIIRS, Sentinel‑3)와의 호환성을 검증함으로써 적용 범위를 확대할 수 있을 것이다.