Core Concepts
다중 모달 관측 데이터(지상 관측소 및 위성 영상)를 활용하여 대기 온도 프로파일을 효과적으로 보정하는 심층 생성 모델 기반의 데이터 동화 기법을 제안한다.
Abstract
이 연구는 심층 생성 모델을 활용하여 다중 모달 관측 데이터를 통합적으로 활용하는 데이터 동화 기법인 SLAMS(Score-based Latent Assimilation in Multimodal Setting)를 제안한다.
주요 내용은 다음과 같다:
관측 데이터와 모델 출력을 통합적으로 다룰 수 있는 통일된 잠재 공간을 학습하는 오토인코더 구조를 제안한다.
이 잠재 공간에서 확산 기반 생성 모델을 활용하여 관측 데이터를 활용해 모델 상태를 보정하는 데이터 동화 기법을 개발한다.
실제 지상 관측소 데이터와 위성 관측 데이터를 활용하여 대기 온도 프로파일을 보정하는 실험을 수행한다.
저해상도, 노이즈, 희소성 등 다양한 현실적인 데이터 환경에서 제안 기법의 강건성을 검증한다.
Stats
지상 관측소 데이터는 일 단위 강수량 자료를 사용하였다.
위성 관측 데이터로는 NOAA 위성에서 관측한 장파 복사 자료를 활용하였다.
모델 상태 데이터로는 ERA5 재분석 자료의 10개 기압 고도에서의 온도 프로파일을 사용하였다.
Quotes
"다중 모달 관측 데이터(지상 관측소 및 위성 영상)를 활용하여 대기 온도 프로파일을 효과적으로 보정하는 심층 생성 모델 기반의 데이터 동화 기법을 제안한다."
"제안 기법인 SLAMS는 저해상도, 노이즈, 희소성 등 다양한 현실적인 데이터 환경에서 강건한 성능을 보인다."