Machine-learning prediction of dust aerosol optical depth at 550 nm over West Africa

기술 요약: 서아프리카 지역의 550 nm 파장 대역 먼지 에어로졸 광학 두께(AOD)에 대한 머신러닝 예측

문제 정의
서아프리카 지역의 먼지 에어로졸 광학 두께(AOD)는 태양 에너지 생산, 대기 질 평가, 위성 관측 데이터의 정확도 측면에서 매우 중요한 변수이다. 그러나 이 지역은 지상 관측 자료가 희소하여 일일 먼지 변동성을 평가하는 데 어려움이 있다. CAMS(Copernicus Atmosphere Monitoring Service)와 같은 에어로졸 재분석 자료가 전 지구적 데이터셋을 제공하지만, 그 성능은 지역과 계절에 따라 차이가 있다. 본 연구는 직접적인 에어로졸 정보나 전일(previous-day) 먼지 AOD를 입력값으로 사용하지 않고, 오직 기상 및 지표면 예측 변수만을 사용하여 서아프리카 지역의 일일 CAMS 먼지 AOD(550 nm)를 재구성하는 구체적인 과제를 다룬다.

연구 방법론
본 연구는 20°W–20°E, 0°–20°N 영역을 대상으로 2003년부터 2024년까지의 기간을 포함하는 머신러닝 프레임워크를 개발하였다.

• 데이터 소스: 타겟 변수는 일일 CAMS 재분석 먼지 AOD이다. 예측 변수로는 ERA5 재분석 자료로부터 얻은 지표 근처 기상 요소(2m 온도, 이슬점, 10m 풍속 성분), 경계층 높이, 토양 수분과 CHIRPS의 강수량 데이터를 포함하였다.
• 특성 공학(Feature Engineering): 유도된 변수로는 풍속, 상대 습도, 그리고 단기 기억 효과를 포착하기 위한 시차(lagged) 예측 변수(풍속, 토양 수분, 경계층 높이에 대한 1일 시차; 강수량에 대한 1일 및 3일 누적치)가 포함되었다.
• 모델 아키텍처: 시간적 누수(temporal leakage)를 방지하기 위해 시간 기반 분할(time-based split)을 사용하여 세 가지 모델을 비교하였다.
  • 선형 회귀(Linear Regression): 선형 베이스라인 역할을 한다.
  • 랜덤 포레스트(Random Forest): 배깅 방식의 결정 트리 앙상블이다.
  • LightGBM: 그래디언트 부스팅 결정 트리 알고리즘이다.
• 평가 전략: 데이터를 학습(2003–2018), 평가(2019–2020), 독립 테스트(2021–2024) 기간으로 나누었다. 가장 성능이 우수한 모델(LightGBM)은 최종 테스트 전 2003–2020년 결합 데이터를 사용하여 재학습되었다.
• 진단 도구: 성능 평가는 표준 지표($R^2$, RMSE, MAE, 편향), 확률 밀도 함수(PDF), 누적 분포 함수(CDF), 그리고 고농도 먼지 이벤트(90 백분위수로 정의)에 대한 분할 표를 사용하여 수행되었다. 또한, 특성 기여도 분석을 위해 SHAP(SHapley Additive exPlanations)을 사용하였고, 공간적 먼지 패턴과 모델 오차 구조를 분류하기 위해 자기 조직화 지도(SOM)를 활용하였다.

주요 결과

• 모델 성능: LightGBM은 선형 회귀 및 랜덤 포레스트보다 우수한 성능을 보였다. LightGBM은 독립 테스트에서 $R^2$ 0.50, 상관계수($r$) 0.71을 달 기록하였다. 선형 회귀는 연간 주기(annual cycle)의 전반적인 흐름은 포착했으나, 일일 변동성을 재현하는 데 실패하였고 체계적인 공간적 편향을 보였다. LightGBM은 남북 방향의 먼지 AOD 구배와 계절적 구조를 성공적으로 재현하였으나, 35월 및 68월 기간 동안 오차가 여전히 크게 나타났다.
• 분포 특성: 모델은 저~중농도 먼지 AOD 범위는 정확하게 포착하였으나, 상위 꼬리 부분이 짧아지는 현상(shortened upper tail)을 보였으며, 이는 관측된 것보다 적은 수의 고농도 먼지 이벤트를 예측함을 의미한다. 90 백분위수 임계값에서 모델은 고농도 먼지 이벤트의 41%만을 탐지하였으며, 빈도 편향(frequency bias)은 0.76으로 나타나 전반적으로 이벤트 발생을 과소 예측하는 경향을 보였다.
• 특성 중요도: SHAP 분석 결과 2m 온도, 10m 풍속, 상대 습도, 토양 수분이 주요 예측 변수로 식별되었다. 분석 결과 비선형적이고 임계값에 의존적인 관계가 드러났다. 고온과 강한 바람(특히 약 3 m/s 이상)은 예측된 AOD를 크게 증가시킨 반면, 높은 상대 습도는 AOD를 억제하였다. 강수 변수는 단독 예측 변수로서 기여도가 미미하였다.
• 공간 패턴 분류: 일일 공간 패턴에 대한 SOM 분석 결과, 모델들은 빈번하게 발생하는 저~중농도 먼지 패턴은 성공적으로 재현하였다. 그러나 모델은 가장 드물게 나타나는 노드(예: 노드 5, 9, 13)에 거의 예측치를 할당하지 못하였는데, 이는 광범위한 고농도 먼지 조건을 나타내는 노드들이다. 이는 직접적인 발생원(source) 또는 수송 이력 데이터 없이 극단적인 이벤트를 예측하는 것이 어렵다는 점을 확인시켜 준다.

의의 및 주장
본 논문은 기상 구동 요인만을 사용하여 서아프리카의 먼지 AOD를 예측할 때의 역량과 남은 한계를 모두 규명한다고 주장한다.

• 역량: 본 연구는 ERA5 및 CHIRPS 데이터를 사용하여 일일 CAMS 먼지 AOD를 효과적으로 재구성할 수 있음을 입증하였으며, LightGBM이 공간적 및 시간적 변동성을 가장 신뢰성 있게 표현함을 보여주었다. 또한, 본 프레임워크는 풍속에 대한 임계값 반응 및 온도와 습도 간의 상호작용과 같은 먼지 배출의 비선형적 제어 기작을 성공적으로 식별하였다.
• 한계: 주요 한계점으로 식별된 것은 강렬한 먼지 조건의 과소 표현이다. 모델은 예측 변수 세트에 발생원의 활동, 선행 에어로졸 부하량, 상류 수송 이력을 직접적으로 나타내는 지표가 부족하기 때문에 고농도 먼지 이벤트를 예측하는 데 어려움을 겪는다.
• 결론: 저자들은 본 프레임워크가 일일 재구성과 진단 분석에는 유용하지만, 향후 개선을 위해서는 극단적인 이벤트를 더 잘 포착할 수 있도록 발생원 활성화와 수송 이력을 더 직접적으로 설명하는 예측 변수의 포함이 필요하다고 결론지었다. 본 연구는 극단적인 먼지 이벤트 예측 문제를 해결했다고 주장하는 것이 아니라, 기상 예측 변수만으로 달성 가능한 현재의 경계를 명확히 규정하는 데 목적이 있다.