원격 탐사 위성의 급속한 발전과 함께 다중 스케일 및 광역 커버리지 특징을 갖는 해수면 온도 원격 탐사 제품 데이터가 전통적인 해수면 온도 SST(Sea Surface Temperature) 수집 방법을 점진적으로 대체하고 있습니다. 열적외선 위성 센서는 높은 주파수와 광범위한 커버리지를 통한 SST 데이터 역산 능력으로 과학적 응용에서 큰 잠재력을 보여주고 있습니다. 그러나 구름 덮개는 종종 구름 아래 SST 예측 이상 현상을 초래하며, 일부 부분 구름 덮개 구간에서는 SST 데이터 누락 현상도 발생합니다. 이러한 문제를 극복하기 위해 본 연구는 현장 해수 온도 데이터를 기준으로 시공간 매칭 방식을 사용하여 AHI(Advanced Himawari Imager) 근적외선 영상과 ATMS(Advanced Technology Microwave Sounder) 마이크로파 복사계 밴드 데이터를 융합하여 매칭 데이터셋을 구축하고, 세 가지 머신러닝 방법을 통해 융합 데이터의 SST 역산 정확도를 평가합니다. 또한 주야간 조건에서 SST 역산 정확도를 각각 분석하였습니다. 연구 결과 AHI/ATMS 결합 밝기 온도 데이터를 활용한 SST 역산은 전천후 SST 데이터의 정확도를 크게 향상시켰으며, AHI 데이터 단독 사용 대비 융합 AHI/ATMS 데이터 방법은 구름 아래 영역의 R²를 7.7% 향상시키고 RMSE는 0.896 ℃ 감소시켰습니다. 또한 열적외선 역산 방법과 비교했을 때 ATMS 데이터 융합 방식은 구름 덮개 영역의 SST를 효과적으로 역산할 수 있어 전천후 조건에서 SST 역산을 위한 중요한 기술적 참고 자료를 제공합니다.

다중 소스 원격 탐사 데이터; 해수면 온도; 전천후 SST 역산; 시공간 매칭; 머신러닝; 열적외선 및 마이크로파 원격 탐사; AHI 근적외선 영상; ATMS 마이크로파 복사계