최근 4차 산업혁명으로 인해 물환경 분야 역시 데이터 형태의 다각화가 이루어지고 있다. 따라서 본 연구에서는 다중모드(multimodal) 데이터를 활용하는 모델링 기법을 개발하고자 한다. 이와 더불어 시공간적 규모에 따라 달라지는 스트레스 요인을 규명하고 이로 인한 수질, 수생태 영향을 다중규모(multiscale)에서 분석하기 위해 모듈화 및 상위 어플리케이션의 적용을 통한 모듈화 모델의 개발 제안하고자 한다. 본 연구는 1. 국내 가용 환경 데이터 확보 및 통계분석을 통한 특성파악, 2. 다중모드 환경 데이터 분석 알고리즘 개발, 3. 다중규모 환경 데이터 분석 알고리즘 개발, 마지막으로 4. 모듈화 모델 개발 및 검증 단계로 이루어져 있다. 각 단계의 연구 내용은 다음과 같다. 1단계: 국내 축적된 가용 데이터의 확보 및 데이터베이스 구축, 구축된 데이터베이스에 대한 통계분석을 통해 데이터의 가용성 및 특성을 파악하고 분석 결과를 바탕으로 데이터의 형태(modality), 규모(spatiotemporal scale)에 따라 분류한다. 2단계: 환경 외 분야에서 다중모드 데이터 분석에 대한 사례 연구 및 적용성을 검토한 뒤, 시퀀스, 영상 등으로 형태가 다양한 다중모드 환경데이터 분석을 위한 RNN(Recurrent Nerual Network), CNN(Convolutional Neural Network) 알고리즘 등의 융합을 통한 다중모드 인공지능 기반 알고리즘의 개발 및 검증을 수행한다. 3단계: 다중규모 모델링 사례에 대한 연구 및 적용성을 검토하여 분석 알고리즘의 scale-up 및 scale-down 방안을 마련하고, 국지적, 지역적 국가적 등의 공간적 모델링 규모와 고빈도, 저빈도 등의 시간적 모델링 규모에 따른 다중규모 분석 알고리즘을 개발한다. 4단계: 개발된 다중환경 데이터 분석 알고리즘과 다중규모 환경 데이터 분석 알고리즘의 결합을 통해 모듈화 모델을 구축하며, 구축된 모델의 물환경 분석 능력 평가를 통해 모델 검증을 수행한다.