본 연구는 고해상도 미세먼지(PM2.5) 매핑을 위한 새로운 프레임워크인 Spatiotemporal Physics-Guided Inference Network (SPIN)을 제안합니다. SPIN은 위성 에어로졸 광학 깊이(AOD)의 공간적 희소성 및 데이터 누락 문제를 극복하기 위해 물리적 advection 및 diffusion 프로세스를 딥러닝에 통합합니다. AOD를 직접 입력으로 사용하는 대신, 손실 함수 내에서 공간적 기울기 제약 조건으로 활용하여 데이터 누락에 강건한 모델을 구축했습니다. 베이징-톈진-허베이 및 주변 지역(BTHSA)에서 검증한 결과, SPIN은 9.52 ug/m^3의 평균 절대 오차(MAE)를 달성하여 새로운 최고 성능을 기록했으며, 미관측 지역에서도 연속적이고 물리적으로 타당한 오염 필드를 생성했습니다.
시사점, 한계점
•
시사점:
◦
위성 AOD의 데이터 누락 문제를 극복하고, 물리 기반 모델링을 통해 정확한 PM2.5 매핑을 가능하게 함.
