기상 데이터가 ConvLSTM 기반 모델을 활용한 지표면 예측에서 수행하는 역할 이해하기

기후 변화는 인류와 환경에 가장 큰 단일 위협으로, 대부분의 생물 종이 서식하는 육지 표면에 심각한 영향을 미친다. 비디오 예측 기술에 영감을 받아 Copernicus Sentinel-2 위성 이미지의 가용성을 활용한 최근 연구들은 과거의 육지 표면 변화, 고도, 기상 정보를 바탕으로 육지 표면의 진화를 예측해 보려는 시도를 해왔다. 이러한 접근을 더욱 확장하여, 계산 효율성이 높고 가벼운(경량화된) 구조를 갖되, 기존 베이스라인보다 우수한 성능을 달성하는 컨볼루션 장단기 기억망(ConvLSTM) 기반 모델을 제안한다. 본 연구에서 ConvLSTM 기반 아키텍처를 도입함으로써, Sentinel-2 시계열 데이터, 기상 데이터, 디지털 고도 모델(Digital Elevation Model, DEM)과 같은 이질적인 데이터 소스를 통합 처리할 수 있을 뿐만 아니라, 향후 예측을 기상 조건에 명시적으로 조건화할 수 있다. 실험 결과는 기상 변수가 육지 피복 동역학을 이해하는 데 있어 매우 중요한 역할을 함을 확인하였으며, 이 작업에서 기상 지도는 DEM보다 훨씬 더 중요한 요소임을 보여준다. 또한, 단일 기상 변수를 변화시켰을 때 육지 표면의 진화가 어떻게 달라지는지를 탐색하기 위해 생성적 시뮬레이션을 수행하였다. 모든 연구는 EarthNet2021 데이터셋을 기반으로 수행되었으며, 코드, 추가 자료 및 실험 결과는 https://github.com/dcodrut/weather2land에서 확인할 수 있다.