Bayesian inversion of GPR waveforms for sub-surface material characterization: an uncertainty-aware retrieval of soil moisture and overlaying biomass properties

기술 요약: 지표 하부 재료 특성화를 위한 GPR 파형의 베이지안 역산

문제 정의
지표 하부의 특성, 구체적으로 토양 수분과 상부 유기물 층(바이오매스)의 깊이를 정확하게 추정하는 것은 정밀 농업, 인프라 모니터링, 산불 위험 평가와 같은 응용 분야에서 매우 중요하다. 현재의 방법들은 상당한 한계에 직면해 있다: 중량법 분석은 노동 집약적이고 파괴적이며, 점 센서(예: TDR, 저항식, 정전용량식)는 비용이 많이 들고 층상 환경에 배치하기 어려우며 표면 유기물에 취약한 경우가 많다. 또한, 기존의 지표 투과 레이더(GPR) 역산 기술은 주로 결정론적(deterministic)이다. 결정론적 접근 방식은 단일 최적해를 찾으려 하며, 복잡하고 다중 모드(multimodal)인 역문제의 내재된 불확실성을 설명하거나 추정치에 대한 신뢰 구간을 제공하지 못한다. 더욱이, 표면 연료층의 깊이와 수분을 정확하게 특성화하는 것은 산불 모델링에 필수적이지만, 이러한 층을 통과하여 직접 측정하는 것은 여전히 어려운 과제이다.

방법론
본 연구는 GPR 신호의 전파형 역전(Full-Waveform Inversion, FWI)과 결합된 베이지안 모델 업데이트(Bayesian Model Updating, BMU)를 사용하는 불확실성 인지 확률적 접근 방식을 제안한다. 방법론은 다음과 같은 핵심 구성 요소를 포함한다:

1. 순방향 모델링 (FDTD): 저자들은 gprMax 솔버를 통해 구현된 시차 분산 유한 차분법(Finite Difference Time Domain, FDTD)을 사용하여 GPR 파동 전파를 시뮬레이션한다. 수치 모델이 실제 데이터를 정확하게 반영하도록 하기 위해, 본 연구는 먼저 전송된 소스 웨이브렛(transmitted source wavelet)을 최적화한다. 베이지안 최적화를 통해, 금속 반사체에 대한 공기 결합 측정값에 대비하여 FDTD 소스의 중심 주파수와 파형 유형(예: 가우시안)을 보정함으로써, 사용된 특정 GSSI 2700 MHz 안테나와 밀접하게 일치시킨다.
2. 베이지안 추론 프레임워크: 본 연구는 매개변수를 추정하기 위해 결정론적 최적화 대신 베이지안 추론을 채택한다. 이 과정은 미지의 매개변수(유전율, 전기 전도도, 층 깊이)를 확률 변수로 취급한다.
   • 사전 분포 (Prior): 과거 데이터가 없으므로 매개변수 공간에 대해 균등(비정보적) 사전 분포를 가정한다.
   • 우도 (Likelihood): 측정 오차가 독립적이고 정규 분포를 따른다는 가정하에 우도 함수를 정의한다. 이는 실험적인 GPR A-스캔과 FDTD 시뮬레이션 응답 사이의 불일치를 정량화한다.
   • 사후 분포 (Posterior): 베이즈 정리를 사용하여 사전 분포를 우도와 결합하여 매개변수의 사후 확률 분포를 얻는다.
3. 샘플링 (MCMC): 마르코프 연쇄 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션을 사용하여 사후 분포를 샘플링함으로써, 매개변수의 확률적 추정치를 생성하고 관련 불확실성을 정량화한다.
4. 실험적 검증: 본 방법은 다음을 통해 검증되었다:
   • 실험실 조사: 다양한 토양 수분(2–25% VWC), 겹쳐진 층 깊이(0, 5, 10, 15 cm), 그리고 재료 유형(나무 조각, 짚, 우드칩)을 포함한 통제된 실험.
   • 현장 조사: 매설된 금속 반사체가 있는 맨 토양에서의 16일간의 모니터링 캠페인을 통해, GPR 유도 수분 값을 TDR 및 중량법 테스트와 비교하였다.

주요 기여

• 층상 시스템에서의 최초 자동 추정: 저자들의 지식에 따르면, 본 연구는 층상 구조 내에서 GPR 파형 역산을 사용하여 토양 수분을 추정하는 자동화된 방법을 제안한 첫 번째 연구이다.
• 동시 다중 매개변수 추출: 알려진 깊이를 기준으로 유전율을 추정해야 하는 전통적인 분석법과 달리, 이 베이지안 접근 방식은 토양 유전율, 표면층 유전율, 전기 전도도, 표면층의 깊이와 같은 여러 미지수를 동시에 추정한다.
• 불확실성 정량화: 이 방법은 단일 지점 추정치가 아닌 확률 분포를 제공한다. 이를 통해 예측 신뢰도를 식별하고, 사후 분포의 확산(spread)을 바탕으로 일관성이 없거나 신뢰할 수 없는 결과를 탐지할 수 있다.
• 안테나 보정: 실제 안테나 특성과 일치하도록 FDTD 시뮬레이션의 GPR 소스 웨이브렛을 보정하는 특정 워크플로우를 제공하여 순방향 모델의 충실도를 높인다.

결과

• 실험실 성능: 제안된 방법은 10 cm 깊이까지의 겹쳐진 층에 대해 예측된 토양 유전율과 TDR 측정값 사이에 강한 상관관계(R-값 범위 0.84 ~ 0.99)를 보여주었다. 또한, 이 방법은 표면층의 깊이를 합리적인 정확도로 성공적으로 예측하였다.
• 현장 성능: 16일 동안의 토양 수분 현장 예측은 강우 이벤트에 대한 반응을 포함하여 TDR 측정 및 중량법 테스트의 추세를 밀접하게 추적하였다.
• 한계 및 불확실성 탐지: 더 깊은 겹침 층(>10 cm) 및 거친 재료(예: 우드칩)의 경우, 신호 감쇠로 인해 상관관계가 감소하고 예측이 일관되지 않게 되었다. 그러나 본 연구는 이러한 일관되지 않은 예측이 사후 분포에서 낮은 확률 밀도와 높은 표준 편차로 나타난다는 것을 발견하였다. 이는 불확실성 지표 자체가 신뢰할 수 없는 데이터를 알리는 플래그 역할을 할 수 있음을 시사한다.
• 비교: 이 방법은 여러 매개변수가 미지수이거나 감쇠로 인해 신호 피크가 모호한 시나리오에서 전통적인 분석적 시간-도달(travel-time) 방법보다 우수한 성능을 보였다.

의의 및 주장
본 논문은 이 베이지안 역산 접근 방식이 지표 하부 매개변수 추정을 위한 유망한 비파괴 도구를 제공하며, 특히 점 추정치만큼이나 불확실성을 이해하는 것이 중요한 위험 평가 응용 분야에서 가치가 높다고 주장한다. 토양 수분과 표면 바이오매스 깊이에 대한 확률적 추정치를 제공함으로써, 이 방법은 산불 위험 평가, 정밀 농업 및 환경 모니터링 분야의 의사결정을 지원한다. 저자들은 불확실성을 정량화하는 능력이 사용자로 하여 able히 신뢰할 수 있는 예측과 신뢰할 수 없는 예측을 구분할 수 있게 해준다는 점을 강조하며, 이는 결정론적 역산 기술에는 결여된 기능이다. 연구는 주파수 제한이 깊은 침투에 영향을 미치지만, 본 방법은 얕은 지표 하부 특성화에 견고하며 인프라 모니터링 및 재료 특성화와 같은 다른 영역으로 확장될 수 있다고 결론짓는다.