지구정지위성으로 보는 코르시카 섬 2차원 태양복사 예측 모델

초록

본 연구는 HelioClim‑3 데이터와 Heliosat‑2 모델을 이용해 코르시카 섬 전역의 1시간 단위 2차원 태양복사 시계열을 생성하고, 인공신경망(ANN)과 두 종류의 지속성 모델(스케일링 포함)을 비교한다. 정규화된 RMSE는 최우수 모델인 스케일링 지속성 및 ANN에서 약 16.5%를 기록했으며, 이는 현장 측정치 대비 35~45% 수준이다. 또한 의료 물리학에서 차용한 감마 지수(γ‑index)를 도입해 예측 지도 전체의 정확도를 평가했으며, 계절별로 스케일링 지속성(겨울·봄), 단순 지속성(가을), ANN(여름)이 가장 높은 통과율을 보였다.

상세 분석

이 논문은 지구정지위성의 고해상도 영상 데이터를 활용해 전 지구적 규모의 태양복사량을 시간적으로 연속된 2‑D 시계열로 전환하는 방법론을 제시한다. 데이터는 HelioClim‑3 데이터베이스에서 추출했으며, Heliosat‑2 모델을 통해 구름 커버와 대기 투과율을 보정해 표면 일사량을 계산한다. 각 격자점(≈1 km²)을 독립적인 학습 샘플로 취급해, 입력 변수로는 전 시간대의 복사량, 클라우드 인덱스, 일사량의 전날값 등을 사용하였다. 두 종류의 지속성 모델은 (1) 단순 지속성: 현재값을 다음 시간에 그대로 적용, (2) 스케일링 지속성: 전날 동일 시각값에 일사량 스케일링 팩터를 곱해 보정한다. ANN은 다층 퍼셉트론 구조를 채택했으며, 학습에는 역전파와 교차 검증을 적용해 과적합을 방지하였다. 성능 평가는 nRMSE와 함께, 의료 물리학에서 사용되는 γ‑index를 도입해 예측 지도와 관측 지도 간의 공간·값 차이를 동시에 고려하였다. γ‑index는 허용 오차(ΔI)와 허용 거리(Δr)를 설정해, 두 기준을 모두 만족하면 ‘통과’로 간주한다. 실험 결과, 스케일링 지속성 모델이 겨울·봄에 67.7%·86%의 통과율을 보이며 가장 안정적이었고, 가을에는 단순 지속성이 95.3%로 최고였으며, 여름에는 ANN이 99.8%의 높은 통과율을 달성했다. 이는 계절별 구름 패턴과 일사량 변동성이 모델 선택에 큰 영향을 미친다는 점을 시사한다. 또한, 전체 nRMSE가 16.5% 수준으로, 현장 관측에 비해 35~45% 정도의 오차를 보였지만, 전 지구적 적용 가능성과 실시간 예보 능력을 고려하면 충분히 실용적인 수준이다. 논문은 향후 고해상도 위성 데이터와 딥러닝 기반 모델을 결합해 예보 정확도를 더욱 향상시킬 여지를 제시한다.