오늘날, 원격 감지 장비들이 다양한 영역의 문제들을 해결하기 위해 사용되고 있다. Skylab 사진과 Landsat 위성 데이터는 특히 범지구적 문제를 해결하고 연구하는 데에 적합하게 이용된다. 본 연구에서는 쟁점이 되는 두 가지의 주제를 제시하고 이를 해결하기 위해 원격 장비와 최신 딥러닝 (DL) 기법을 적용한 사례를 소개할 예정이다. NIR 분광계로 원격 신호를 분석하여 소량의 미세플라스틱과 온실가스 (GHG)를 검출하는 알고리즘을 제시하고, 실제 실험을 통해 분석한 결과를 논의한다.
첫 번째 주제는 미세플라스틱 모니터링이다. 해양환경에 존재하는 미세플라스틱은 생태계 전체에 큰 위협이 되며 최근 들어 해양, 호수, 바다, 강, 해안지역, 심지어 극지방에까지 큰 영향을 미치고 있다. 우리는 분광기의 원격 감지 데이터를 사용하여 미세플라스틱의 존재를 실시간으로 분석할 수 있는 가능성을 보였다. 주로 소비되는 PP, PET, PMMA, 그리고 PE 을 대상으로 정상 상태와 물이나 얼음 환경에서의 신호의 변화를 분석했다. 작은 크기의 폴리머로부터 발생된 미세 신호를 구별하기 위해 알고리즘을 설계하여 NR (Normalized Reflection)이라는 새로운 지표로 나타냈다. 또한 환경조건에 의한 중첩 문제를 해결하기 위해 물과 얼음의 스펙트럼을 입력 신호에 따라 재조정 및 제거하여 폴리머 고유의 스펙트럼을 추출할 수 있도록 보정했다. 검출된 특징 피크 (Peak)의 파장과 폭을 기준으로 판단했을 때 검출률은 81%였고, NR 데이터를 시각화하여 CNN 기반 딥러닝 모델을 적용했을 때 검출률은 96% 가까이 상승했다.
두 번째 연구는 온실가스 모니터링이다. 지구의 온실 효과에 가장 많이 기여하는 가스는 H₂O, CO₂, N₂O, CH₄, 그리고 O₃ 이다. 이러한 온실기체의 측량은 온실효과의 작용과 이에 대응하기 위해 방법을 논의하는 데에 필수적이다. 인공위성이나 관측소 중심의 기존 측량방식은 배출량과 산업지역을 직접적으로 연관 짓는 것이 거의 불가능했다. 하지만 분광신호로부터 저농도의 GHG 를 검출하는 방법은 기존 방식에 비해 설치비용을 감소시킬 뿐만 아니라 배출되는 GHG 가스별 특정 지역의 연관관계를 파악하는데 도움이 될 것이다. 가스 셀에 담긴 특정 농도의 GHG 가스를 측정한 데이터는 RS-485 프로토콜과 병렬 프로그래밍 방법을 사용하여 파이썬 플랫폼에서 실시간으로 동기화되어 추출된다. MFC 와 분광기의 동작을 제어하는 UI 를 설계하여 실험실 조건에서 실시간 유량, 누적유량 및 스펙트럼을 그래픽으로 시각화하였고, 실험자의 의도에 부합하는 수많은 데이터 생성을 가능하게 했다. 이렇게 생성된 빅데이터를 사용하여 온실가스 검출을 위한 딥러닝 모델을 구성하였고 농도와 가스의 정체를 추정했다. 시계열 분석법인 LSTM 및 GRU 모델과 이미지 분석의 CNN 모델이 고려되었다. 초기의 CNN 모델은 입력되는 데이터가 가스의 특징을 뚜렷하게 나타내지 못하고 따라서 손실 (loss)이 수렴되지 않는 반면, 측정된 신호를 시간에 따라 연속적으로 입력하고 해석한 RNN, GRU, 그리고 LSTM 은 적절한 데이터 전처리 과정을 거칠 경우 손실 값이 수렴하며 안정적으로 모델이 학습되었다. 이를 기반으로 CO₂ 와 CH₄ 의 표적 스펙트럼 신호만 추출하는 필터링 알고리즘이 다수 제안되었으며, 분광계의 낮은 분해능에도 불구하고 혼합 또는 단일 기체 조건에서 CO₂ 의 경우, 1000ppm, 그리고 CH₄ 의 경우 500ppm 에 달하는 낮은 농도까지의 검출을 가능하게 했다.