이 연구 주제는 위성자료와 수문 관측기술을 활용하여 기후변화의 영향을 진단하고, 지역 및 국가 차원의 대응 역량을 강화하는 데 중점을 둔다. 토양수분과 지표 밝기온도 같은 핵심 환경 변수를 지속적으로 감시함으로써 가뭄, 홍수, 산불, 농업재해와 같은 기후재난의 발생 가능성을 조기에 파악할 수 있다. 특히 지상관측 인프라가 부족한 지역에서는 위성 기반 관측이 사실상 유일한 정보원이 될 수 있어, 연구실의 기술적 접근이 매우 실용적이다. 연구실은 농경지와 산림지역에서의 L-band 라디오미터 관측, 위성 기반 검·보정, 지표모델 정확도 향상, 강수 및 토양수분의 지역별 특성 분석 등을 통해 관측과 모델링을 유기적으로 연결한다. 또한 북한 지역의 기후변화 대응 역량 분석과 같은 응용 연구를 통해, 단순한 학술적 성과를 넘어서 정책 수립과 국제·남북 협력 모델 개발로 이어질 수 있는 연구를 수행한다. 이러한 연구는 관측자료의 과학적 신뢰성을 확보하는 동시에, 기후위기 취약 지역에 대한 실질적 대응전략 수립에 기여한다. 향후 이 분야의 연구는 수문·기후 정보의 고해상도화, 실시간성 강화, 재난 대응 시스템과의 연동이라는 방향으로 발전할 가능성이 크다. 연구실은 위성 원격탐사, 수문학, AI를 결합해 단순 관측을 넘어 의사결정 지원이 가능한 정보 체계를 구축하고자 한다. 이는 기후변화 적응, 식량안보, 물관리, 국제협력 등 다양한 사회문제 해결에 기여할 수 있는 응용지향적 연구축으로 평가된다.

이 연구 주제는 SMAP, SMOS, ASCAT, CYGNSS, Sentinel-1과 같은 다양한 위성 센서를 활용해 전 지구 및 지역 규모의 토양수분을 정밀하게 추정하고, 그 정확도와 불확실성을 체계적으로 분석하는 데 초점을 둔다. 토양수분은 가뭄, 홍수, 농업 생산성, 증발산, 대기-지표 상호작용을 이해하는 핵심 변수이기 때문에, 위성 기반 관측의 품질을 높이는 것은 수문학과 기후과학 전반에 매우 중요한 의미를 가진다. 특히 산림지역과 농경지처럼 지표 피복 특성이 복잡한 환경에서 관측 오차를 정량화하는 연구가 핵심 축을 이룬다. 연구실은 수동형 및 능동형 마이크로파 위성자료를 비교·융합하고, 삼중 공위치 분석(triple collocation analysis), 기계학습 기반 오차지도 생성, 베이지안 방법론 등을 통해 토양수분 산출물의 실제 오차 구조를 밝히는 데 강점을 보인다. 단순한 정확도 비교를 넘어, 센서 종류, 토지피복, 기후대, 관측 스케일 차이에 따라 발생하는 편향과 불확실성을 설명 가능한 형태로 모델링한다. 이를 통해 서로 다른 위성 자료 간 장단점을 파악하고, 특정 지역과 조건에서 어떤 자료가 더 신뢰할 수 있는지 제시한다. 이러한 연구는 위성 토양수분 자료의 활용성을 높여 수문모형, 농업 모니터링, 재난예측, 기후변화 대응 등 다양한 응용 분야로 확장된다. 궁극적으로는 고빈도·고해상도 토양수분 정보 생산과 운영형 예보 시스템 연계를 가능하게 하며, 지상관측이 부족한 지역에서도 안정적인 수문 정보를 제공하는 기반 기술로 작용한다. 연구실의 축적된 오차 평가 및 보정 기술은 향후 차세대 수문위성 활용과 국가 단위 환경·재난 대응 시스템 고도화에도 중요한 역할을 할 것으로 기대된다.

이 연구 주제는 인공지능을 활용해 수문 변수를 빠르고 정밀하게 예측하는 요소모델을 개발하고, 이를 수치예보모델과 결합하여 위험기상 조기예측 성능을 향상시키는 데 목적이 있다. 기존의 물리 기반 수치모델은 계산비용이 크고 복잡한 지표-대기 상호작용을 완전히 반영하기 어려운 한계가 있는데, 연구실은 이러한 한계를 보완하기 위해 AI 기반 surrogate model 또는 emulator를 구축하는 방향으로 연구를 수행하고 있다. 특히 고빈도 위성 수문관측자료를 기반으로 예측 정확도와 계산 효율을 동시에 확보하려는 접근이 특징적이다. 구체적으로는 토양수분, 강수, 순수문플럭스 등 수문 상태량을 학습하는 딥러닝 및 베이지안 기계학습 기법을 적용하고, 한국형수치예보모델(KIM)과 같은 운영형 예보체계에 연계 가능한 형태로 발전시키고 있다. 또한 자료동화, 전이학습, 설명가능 인공지능, 불확실성 정량화 기법을 함께 활용하여, 단순히 예측값을 내는 것을 넘어 모델이 어떤 입력에 민감한지와 어떤 조건에서 오차가 커지는지를 해석하는 연구도 포함된다. 이는 기상·수문 예보 시스템의 신뢰성과 현장 적용성을 높이는 데 필수적이다. 이 연구는 집중호우, 가뭄, 극한기상과 같은 위험현상에 대한 조기 경보 능력을 강화하고, 자연재해 대응 기술의 정밀도를 높이는 데 직접적으로 기여한다. 더 나아가 AI-역학 하이브리드 전지구기후모델 개발과도 연결되어, 단기 예보부터 장기 기후 시뮬레이션까지 확장 가능한 연구 기반을 제공한다. 연구실은 수문학과 데이터사이언스를 접목해 차세대 예보 기술을 구현하는 융합 연구를 추진하고 있으며, 이는 국내 기상·환경 분야 디지털 전환의 핵심 방향과도 맞닿아 있다.