Mutual Information assessment of the quality of the GRAV-D airborne gravity data and its compatibility with the NGS’ historical surface gravity database

지구의 중력장을 지구를 덮고 있는 거대하고 보이지 않는 담요라고 상상해 보세요. 이 담요(과학자들은 이를 '지오이드'라고 부르며 정밀한 높이를 측정하는 데 사용합니다)의 완벽한 지도를 만들기 위해서는 세 가지 서로 다른 출처에서 얻은 정보 조각들을 하나로 엮어야 합니다: 위성(우주에서 큰 그림을 보는 것), 지상 조사(가까이서 세부 사항을 측정하는 것), 그리고 비행기(그 사이의 간극을 채우기 위해 중간에서 비행하는 것).

이 논문은 비행기 측정값이 양호한지, 그리고 그것이 지상 및 위성 데이터와 잘 어우러지는지를 확인하는 새로운 방법에 관한 것입니다. 저자들은 **상호 정보량(Mutual Information, MI)**이라는 수학적 도구를 사용했습니다.

다음은 그들이 수행한 작업과 발견한 내용에 대한 쉬운 요약입니다:

1. "상호 정보량"이란 무엇인가?

두 사람이 같은 그림을 설명하려고 한다고 생각해 보세요.

• **표준 상관관계(Standard Correlation)**는 "그들이 빨간색에 대해 동의하는가?"라고 묻는 것과 같습니다. 이는 단순하고 직선적인 일치 여부만을 확인합니다.
• **상호 정보량(Mutual Information)**은 "그들이 그림의 전체 이야기를 얼마나 공유하고 있는가?"라고 묻는 것과 같습니다. 이것은 이야기가 직선 형태인지 혹은 복잡하게 뒤틀린 형태인지에는 상관하지 않습니다. 한 데이터셋이 다른 데이터셋에 대해 얼마나 많은 것을 "알고 있는지"를 측정합니다.

만약 두 데이터셋이 완벽한 복사본이라면 상호 정보량은 높습니다. 만약 한 데이터셋이 노이즈, 오류 또는 거짓 정보로 가득 차 있다면, "공유된 이야기"는 짧아지고 상호 정보량은 떨어집니다.

2. 테스트 #1: 비행기 데이터는 스스로에게 타당한가?

연구진은 먼저 비행기로 수집한 가공되지 않은 중력 데이터와 동일한 데이터의 매끄럽게 처리된 컴퓨터 생성 버전(이를 "하향 연속 그리드/downward-continued grid"라고 부릅니다)을 비교했습니다.

• 비유: 풍경 사진을 찍은 다음, 컴퓨터를 사용하여 사진의 주름을 매끄럽게 다듬었다고 상상해 보세요. 그런 다음 원본 사진과 매끄럽게 다듬어진 버전을 비교합니다. 만약 두 버전이 거의 동일하다면 당신의 카메라는 좋은 것입니다. 만약 원본 사진이 노이즈나 흐릿한 점들로 가득하다면, 두 버전은 잘 맞지 않을 것입니다.
• 결과: "일치도"는 거의 모든 곳에서 매우 뛰어났으며, 이는 GRAV-D 비행기 데이터가 전반적으로 고품질임을 입증했습니다. 그러나 MI 맵은 (주로 로키 산맥 같은 산악 지대에서) 일치도가 약해지는 특정 지점들을 밝혀냈습니다. 이는 비행기가 험한 공기를 만나 센서가 약간 흔들렸을 가능성이 있는 곳을 과학자들에게 정확히 알려주었습니다.
• 기존 방식보다 나은 점: 전통적으로는 비행 경로가 서로 교차하는 지점(격자의 교차점만 확인하는 것과 같음)에서만 품질을 확인했습니다. 이 새로운 방식은 전체 비행 경로를 연속적으로 확인하여, 데이터가 불안정한 곳의 완전한 그림을 제공합니다.

3. 테스트 #2: 비행기 데이터와 기존 지상 데이터는 일치하는가?

다음으로, 연구진은 새로운 비행기 데이터를 지난 한 세기 동안 지상에서 수집된 역사적 중력 데이터와 비교했습니다.

• 문제점: 비행기는 높이 날고, 지상 요원들은 땅 위에 서 있습니다. 중력은 위치(높이)에 따라 변하며, 특히 높은 산 근처에서 그렇습니다. 이 둘을 직접 비교하는 것은 헬리콥터에서 찍은 사진과 지상에서 찍은 사진을 직접 비교하는 것과 같습니다—각도와 높이 때문에 서로 다른 것을 보기 때문입니다.
• 해결책: 연구진은 산과 높이 차이의 영향을 제거하기 위해 "등정성 이상(isostatic anomalies)"이라는 필터를 사용하여, 핵심적인 중력 신호만을 비교했습니다.
• 결과: 높이 차이를 필터링하고 나니, 동부 해안과 같은 많은 지역에서 두 데이터셋은 매우 잘 일치했습니다. 하지만 MI 맵은 남부 캘리포니아, 남서부 일부 지역, 그리고 일부 해양 지역에서 "레드 존(낮은 일치도)"을 여전히 보여주었습니다.
• 시사점: 이 "레드 존"은 기존 지상 데이터가 틀렸거나, 새로운 비행기 데이터에 오류가 있거나, 혹은 얕은 바다 위에서의 위성 측정이 어려움을 겪고 있는 곳을 알려줍니다. 이는 과학자들이 이 데이터들을 결합할 때 정확히 어느 부분을 주의 깊게 살펴봐야 하는지 알려주는 지도가 됩니다.

4. 테스트 #3: 비행기 데이터는 실제로 어떤 "주파수"를 제공하는가?

중력 데이터에는 서로 다른 "주파수" 또는 파장(wavelength)이 있습니다:

• 위성은 긴, 느린 파동(중력장의 거대한 언덕과 골짜기)을 봅니다.
• 지상 조사는 짧고 날카로운 파동(작은 굴곡과 바위)을 봅니다.
• 비행기는 그 중간을 채워야 합니다.

연구진은 비행기가 실제로 어떤 "파장"을 가장 잘 포착하는지 테스트했습니다.

• 비유: 라디오를 상상해 보세요. 위성은 AM 방송(긴 파동)이고, 지상 조사는 FM 방송(짧은 파동)입니다. 비행기는 완벽한 중간 지점이 되어야 합니다.
• 결과: MI 분석은 비행기가 "중간" 파장(약 40~220km 길이)을 포착하는 데 탁월하다는 것을 확인해주었습니다. 그러나 비행기가 지상 조사처럼 아주 짧고 날카로운 세부 사항을 포착할 수 있는지 시도했을 때, "공유된 이야기"는 사라졌습니다. 비행기는 그 미세한 디테일을 볼 수 없었습니다.
• 결론: 이는 우리가 여전히 가장 정밀한 디테일을 위해 지상 조사가 필요함을 확인시켜 주지만, 동시에 비행기가 중간 영역을 채우는 데는 완벽한 역할을 하고 있다는 점도 확인해 줍니다.

요약

저자들은 새로운 중력 센서를 발명한 것이 아니라, 새로운 품질 관리용 손전등을 발명한 것입니다. 상호 정보량을 사용함으로써 그들은 다음을 할 수 있습니다:

1. 비행기가 정확히 어디서 흔들렸는지 찾아냅니다.
2. 기존 지상 지도와 새로운 비행기 지도가 서로 충돌하는 지점을 정확히 찾아냅니다.
3. 비행기가 중력 스펙트럼의 어느 부분을 측정하는 데 가장 적합한지 확인합니다.

이는 과학자들이 미국 전체의 완벽한 수직 지도를 만들기 위해 모든 데이터 조각을 하나로 엮을 때, 각 데이터를 얼마나 신뢰할 수 있는지 결정하는 데 도움을 줍니다.