식물의 CO2 처리 능력 AI로 확인했다
식물의 CO2 처리 능력 AI로 확인했다
식물의 CO2 처리 능력 AI로 확인했다
고양이도 주인 냄새로 구분한다 일본 연구진이 과학적 입증
전 세계적으로 배출되는 이산화탄소 중 약 30%가 식물의 광합성을 통해 흡수되고 있다는 사실은 널리 알려져 있습니다.
하지만 식물이 특정 시간대에 얼마나 이산화탄소를 흡수하는지 정확히 파악하는 것은 오랜 과제로 남아 있었습니다.
그런데 최근 국내 연구진이 이 과정을 시간 단위로 정밀 분석할 수 있는 새로운 인공지능(AI) 기술을 선보여 주목받고 있습니다.
이 기술은 기후변화 대응은 물론 탄소중립 정책 설계에도 중요한 기여를 할 것으로 기대됩니다.
이번 기술 개발을 주도한 임정호 울산과학기술원(UNIST) 교수 연구팀은 인공위성 데이터를 활용해 식물의 이산화탄소 흡수량을 1시간 단위로 예측할 수 있는 AI 모델을 개발했습니다.
이 연구 결과는 국제 학술지 환경원격탐사(Remote Sensing of Environment)에 게재되며 큰 관심을 모으고 있습니다.
광합성은 자연 생태계 내에서 식물이 햇빛을 이용해 이산화탄소를 흡수하고 유기물을 생성하는 기본적인 과정입니다.
이 과정에서 흡수된 탄소량을 수치화한 지표를 '총일차생산량(GPP)'이라고 합니다.
GPP는 생태계가 얼마나 많은 탄소를 저장할 수 있는지를 보여주는 중요한 측정 기준인데요
기존의 GPP 예측은 하루 단위로 한정된 위성 관측 데이터를 활용해왔기 때문에 시간 변화를 세세하게 반영하는 데 한계가 있었습니다.
특히 햇빛, 구름, 미세먼지 등 광합성에 영향을 미치는 요소들이 매 시간 달라지는 상황에서 이를 정교하게 추적하는 기술 개발은 쉽지 않았습니다.
특히 미세먼지를 포함한 '에어로졸'은 햇빛을 흡수하거나 산란시켜 광합성에 직간접적인 영향을 미치지만
그 영향을 시시각각 분석할 방법이 부족했던 것도 문제였습니다.
임 교수 연구팀은 이와 같은 한계점을 극복하기 위해 고빈도 위성 데이터와 AI 기술을 결합한 새로운 방식의 예측 모델을 도입했습니다.
이 모델은 일본 히마와리-8 위성이 매 10분마다 제공하는 데이터를 활용합니다.
이러한 고빈도 데이터를 AI에 학습시키면서 연구팀은 1시간 간격으로 GPP 변화를 예측할 수 있도록 했습니다.
덕분에 식물의 광합성 반응을 더욱 정밀하고 촘촘하게 분석할 수 있는 길이 열렸습니다.
또한, 이 모델은 날씨 정보 외에도 에어로졸의 햇빛 산란과 흡수를 측정하는 '에어로졸 광학두께(AOD)'라는 지표를 활용합니다.
AOD는 공기 중 미세먼지 농도를 간접적으로 나타내며, 이는 햇빛의 강도와 특성을 변화시켜 광합성 과정에 큰 영향을 미칩니다.
이를 통해 연구팀은 시간대별로 에어로졸이 식물 광합성에 끼치는 영향을 더욱 명확하게 파악할 수 있었습니다.
특히 AI가 어떤 데이터 기반으로 예측값을 도출했는지 이해하기 위해 사용된 설명 가능한 AI 기법(SHAP)은 아침과
저녁과 같이 햇빛이 약하고 산란이 많은 시간대에서 AOD가 중요한 역할을 한다는 결론을 내놓았습니다.
태양 고도가 낮아질수록 산란광의 비율이 커지고, 이는 광합성 반응의 민감성을 크게 변화시키는 요인으로 작용한다고 연구팀은 분석했습니다.
임 교수는 이번 성과가 동아시아 지역을 대상으로 2km 공간 해상도에서 하루 동안의 탄소 흡수를 시계열적으로 추적 가능하게 했다고 설명하며
생태계의 탄소 흐름 분석이나 식물 반응 감시 등 다양한 분야에서 활용 가능성을 제시했습니다.
뿐만 아니라 이 기술은 광환경 기반의 탄소 모델링에도 큰 기여를 할 것으로 기대됩니다.
이번 연구는 우리가 기후변화 시대를 대비해 자연과 조화를 이루며 지속 가능한 미래를 설계하는 데 중요한 디딤돌이 될 전망입니다.
