최근 몇 년간 딥러닝, 원격탐사 기술 등 관련 학문 분야의 발전과 함께 열대성 저기압 강도 추정 연구가 빠르게 진전되었다. 열대성 저기압 강도 추정에 사용되는 데이터 출처는 단일 채널 데이터에서 적외선, 수증기, 마이크로파 등 다중 채널 데이터로 점차 확장되었으며, 추정 방법도 수동 특징 추출에 의한 주관적 추정에서 딥러닝 모델에 의한 자동화된 객관적 추정 방법으로 발전하였다. 본 논문은 딥러닝 기반의 열대성 저기압 강도 추정 관련 연구 동향을 체계적으로 정리하고, 알고리즘에 사용된 데이터 출처와 데이터셋을 간략히 요약하였다. 마지막으로 열대성 저기압 강도 추정을 위한 향후 연구 방향을 제시하는데, 한편으로 원격탐사 빅데이터 발전 현황에 적응하여 딥러닝 분야의 새로운 이론과 방법을 지속적으로 도입하고 다중 출처 데이터를 종합적으로 활용하여 정밀도와 일반화 능력을 향상시켜야 한다. 다른 한편으로는 열대성 저기압의 기상학적 특성과 메커니즘에 주목하여 기존 방법을 목표지향적으로 개선해야 한다. 또한 기상 빅데이터 환경에서 딥러닝 방법들은 열대성 저기압 강도 추정 분야에서 새로운 돌파구를 마련할 것이다.

열대성 저기압; 딥러닝; 강도 추정; 컨볼루션 네트워크; 다중 채널 데이터