경계 기반 어텐션 및 다중 스케일 특징 융합을 활용한 풍속 초해상화 = Wind Speed Super-Resolution Using Edge-Based Attention and Multi-Scale Feature Fusion

국문 초록 (Abstract)

고해상도 풍속 자료는 풍력 발전 단지 입지 선정, 항공 안전 등 다양한 분야에서 높은 활용 가치를 지닌다. 그러나 전 지구 기후모델은 출력 해상도의 제약으로 인해 지형 효과와 난류에 의해 형성되는 풍속장의 미세한 공간 구조를 충분히 재현하지 못한다. 이를 보완하기 위해 본 연구에서는 SFGM(Shared Frequency Guidance Module)과 FCFB(Fine–Coarse Fusion Block)를 결합한 풍속 초해상화 모델을 제안한다. SFGM은 학습 가능한 Sobel 필터와 마스크 생성기를 통해 고주파 성분을 강조하고, 이를 주파수 강화 쿼리 형태로 FCFB에 전달한다. FCFB는 CNN(Convolutional Neural Network) 기반 Fine Branch와 Transformer 기반 Coarse Branch를 결합하여 국지적 세부 구조와 전역 의존성을 동시에 학습한다. 실험은 목표 해상도 약 2 km의 WIND Toolkit 기반 데이터셋과 목표 해상도 약 5.5 km의 ERA5–CERRA 기반 데이터셋에서 5배 업스케일링 조건으로 수행했다. 그 결과, 제안하는 모델은 EDSR, HAN, SwinIR 등 기존 모델 대비 WIND Toolkit 및 ERA5-CERRA 기반 데이터셋에서 각각 RMSE 0.614 m/s, 1.060 m/s로 최저 오차를 달성했다. 또한, 복잡 지형 및 급변 영역에서 구조 복원 성능의 향상을 정성적으로 확인했다. 나아가 Ablation 실험을 통해 각 모듈과 분기·융합 설계의 기여도를 검증함으로써 제안한 구조의 유효성을 입증했다.

다국어 초록 (Multilingual Abstract)

High-resolution wind speed data are valuable for a wide range of applications, including wind farm siting and aviation safety. However, because the output resolution of global climate models is limited, fine-scale wind-field structures induced by topography and turbulence are not adequately resolved. To address this limitation, this thesis proposes a wind-speed super-resolution model that integrates a Shared Frequency Guidance Module (SFGM) and a Fine–Coarse Fusion Block (FCFB). The SFGM selectively enhances high-frequency components using learnable Sobel filters and a mask generator, and injects the resulting frequency-guided queries into the FCFB. The FCFB combines a CNN-based fine branch with a Transformer-based coarse branch to jointly capture local details and long-range dependencies. The proposed model is evaluated under a 5× upscaling setting on two datasets: WIND Toolkit (target resolution ≈ 2 km) and ERA5–CERRA (target resolution ≈ 5.5 km). The proposed approach achieves the lowest RMSE among the considered baselines, including EDSR, HAN, and SwinIR, yielding 0.614 m/s on WIND Toolkit and 1.060 m/s on ERA5–CERRA. Qualitative results further indicate improved structural reconstruction in complex terrain and rapidly varying regions. Ablation studies confirm the contributions of the proposed modules and the fine–coarse branch fusion design.

목차 (Table of Contents)

• I. 서론 1
• 1. 연구 배경 및 목표 1
• 2. 논문의 구성 3
• II. 관련 연구 4
• 1. CNN 기반 초해상화 4
• 2. Transformer 및 Hybrid 구조 기반 초해상화 5
• 3. 풍속 초해상화 7
• III. 제안하는 방법 10
• 1. 제안하는 풍속 초해상화 모델의 개요 10
• 2. SFGM 11
• 3. FCFB 13
• IV. 데이터셋 18
• 1. WIND Toolkit 18
• 2. ERA5-CERRA 18
• 3. 데이터 분할 및 정규화 19
• 4. 비교 의의 20
• Ⅴ. 구현 및 성능평가 23
• 1. 실험 환경 23
• 2. 비교 실험 설정 23
• 3. 훈련 세부 사항 24
• 4. 평가 지표 25
• 5. 실험 결과 27
• 6. 추가 실험 및 고찰 32
• Ⅵ. 결론 35