Quantifying Regional Carbon Flux in Terrestrial Ecosystems with Geostationary Satellites and Machine Learning = 정지궤도 위성과 머신러닝 기반 하이브리드 모형을 이용한 고해상도 지역규모 탄소플럭스 추정

국문 초록 (Abstract)

육상 생태계 탄소 플럭스를 정밀하게 산정하는 것은 전 지구 탄소 순환에 대한 이해를 심화시키고 효과적인 기후변화 완화 전략을 수립하는 데 필수적이다. 최근 위성 원격탐사 기술의 발전으로 전 지구 규모의 총일차생산량(Gross Primary Production, GPP) 모니터링이 가능해졌으나, 기존 모델링 접근법에는 여전히 구조적인 한계가 존재한다. 전통적인 과정 기반 모델인 광이용효율 (Light Use Efficiency, LUE) 모델은 식생 기능형(Plant Functional Type, PFT)에 기반한 정적 매개변수에 의존하여 환경 변화에 따른 빠른 생리적 반응을 충분히 반영하지 못한다. 반면, 순수한 데이터 기반 기계학습 모델은 높은 예측 성능을 보이는 경우가 많으나, 생물물리적 해석 가능성이 제한적이며 극한 기후 조건에서의 강건성이 부족하다. 정지궤도 위성을 통해 고시간 해상도의 관측 자료가 확보됨에 따라, 과정 기반 모델의 생리적 타당성과 기계학습의 적응적 유연성을 결합한 새로운 모델링 프레임워크의 필요성이 대두되고 있다.
본 연구에서는 이러한 한계를 극복하기 위해, 시간 단위의 육상 탄소 플럭스를 진단적으로 추정하는 하이브리드 모델링 프레임워크인 CArbon Simulator from Space (CASS)를 제안한다. CASS는 환경 변수를 입력으로 Gradient Boosting Machine(XGBoost)을 활용하여 시간별 LUE를 동적으로 추정하고, 이를 생물물리적 공식(GPP = LUE × APAR)에 결합함으로써 과정 기반 해석 가능성을 유지하면서도 데이터 기반 매개변수화를 가능하게 한다. 모델 학습에는 전 지구 FLUXNET 에디 공분산 관측 자료를 사용하여 생물군계 및 기후대 전반에 대한 일반성을 확보하였다. 한반도 적용을 위해서는 Himawari-8/9 정지궤도 위성으로부터 산출된 고빈도 광합성유효복사(PAR)와 기상청에서 제공하는 500 m 해상도의 지상 기상 분석 자료를 결합하여, 시공간적으로 일관된 입력 자료를 구성하였다. 이를 통해 일변화 및 공간적 이질성을 고해상도로 표현할 수 있는 탄소 흡수량 산출 체계를 구축하였다.
모델 성능 평가는 국내 태화산 활엽수림(Taehwa Broadleaf Forest, TBK) 플럭스 타워 지점을 대상으로 수행되었다. CASS는 정적 LUE 모델과 GPP를 직접 예측하는 기계학습 모델에 비해 가장 높은 관측 일치도를 보였으며(R² = 0.805), 저일사 조건 및 30 °C 이상의 고온 환경에서도 현실적인 일변화 패턴을 안정적으로 재현하였다. 이는 극한 조건에서 성능 저하를 보인 순수 기계학습 모델과 대비되는 결과로, 하이브리드 접근법의 장점을 명확히 보여준다.
국가 규모로 확장 적용한 결과, 우리나라의 평균 연간 육상 탄소 흡수량은 42.24 MtC로 추정되었다. 또한 CASS는 극한 기후 사건에 대한 생태계 반응을 진단적으로 분석할 수 있게 하였으며, 2018년 폭염 시 강원도 지역에서는 GPP 증가가 나타난 반면, 경상북도 지역에서는 탄소 흡수가 현저히 감소하는 등 뚜렷한 지역적 대비가 확인되었다. 추가 분석을 통해 우리나라 육상 생태계의 임계 생리 온도는 31.2 °C로 도출되었으며, 이 임계값을 초과할 경우 탄소 흡수량은 온도 1 °C 증가당 0.48 μmol CO₂ m⁻² s⁻¹의 속도로 감소하는 것으로 나타났다. 이는 온대 산림 생태계가 고온 스트레스에 취약함을 정량적으로 입증하는 결과이다.
본 연구는 CASS를 위성 기반 준실시간(quasi-real-time) 탄소 순환 진단 도구로 확립하였으며, 해석 가능성과 예측 성능 간의 기존의 상충 관계를 효과적으로 극복하였다. 제시된 결과는 폭염과 몬순과 같은 극한 기후 현상이 지역별 탄소 수지에 미치는 영향을 정량적으로 평가할 수 있는 근거를 제공하며, 기후변화 적응 및 탄소 중립 정책 수립에 중요한 시사점을 제공한다. 향후 태양유도 엽록소 형광(Solar-Induced Chlorophyll Fluorescence, SIF) 및 차세대 위성 자료의 통합을 통해 생태계 회복탄력성 모니터링 역량은 더욱 향상될 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Accurate quantification of terrestrial carbon fluxes is essential for understanding the global carbon cycle and informing climate change mitigation strategies. Although recent advances in satellite remote sensing have enabled global-scale monitoring of gross primary production (GPP), existing modeling approaches remain limited. Traditional process-based models, such as Light Use Efficiency (LUE) models, rely on static parameters prescribed by plant functional types (PFTs) and fail to represent rapid physiological responses to environmental variability, while purely data-driven machine learning (ML) models often lack biophysical interpretability and robustness under extreme climate conditions.
Here, we introduce the CArbon Simulator from Space (CASS), a hybrid diagnostic framework that integrates the physiological structure of LUE models with the adaptive flexibility of machine learning. CASS employs a gradient boosting machine (XGBoost) to dynamically estimate hourly LUE as a function of environmental drivers, which is subsequently embedded within a biophysical formulation of GPP (GPP = LUE × APAR). The model was trained using observations from the global FLUXNET eddy covariance network to ensure generalizability across biomes. For regional application over the Korean Peninsula, CASS assimilated high-frequency photosynthetically active radiation from the Himawari-8/9 geostationary satellites together with high-resolution (hourly) meteorological reanalysis data from the Korea Meteorological Administration.
Model evaluation at the Taehwa Broadleaf Forest (TBK) flux tower site demonstrated that CASS outperformed both static LUE models and ML models that directly predict GPP, achieving the highest agreement with observations (R² = 0.805). Notably, CASS reproduced realistic diurnal GPP dynamics under low-light conditions and extreme heat (>30 °C), where purely data-driven models showed degraded performance.
At the national scale, CASS estimated the mean annual terrestrial carbon uptake of South Korea to range from 89.74 MtC in 2020 to 97.43 MtC in 2024, and enabled diagnostic analyses of ecosystem responses to climate extreme. During the 2018 heatwave, pronounced regional contrasts were observed, with positive GPP anomalies in Gangwon-do and substantial declines in Gyeongsangbuk-do. Further analysis identified a critical physiological temperature threshold of 31.2 °C, beyond which GPP decreased at a rate of 0.48 μmol CO₂ m⁻² s⁻¹ °C⁻¹, highlighting the vulnerability of temperate forest ecosystems to extreme heat.
Overall, this study establishes CASS as a robust, quasi-real-time diagnostic framework for monitoring terrestrial carbon dynamics from space. By adopting a hybrid modeling strategy that integrates machine learning with biophysical constraints, CASS reduces the occurrence of physically implausible estimates that often arise in purely data-driven approaches, while maintaining high predictive performance. The quasi-real-time capability of the framework further enables timely tracking of ecosystem carbon uptake, providing a practical basis for informing forest management policies, including the formulation, monitoring, and evaluation of Nature-based Solutions (NbS) targets under changing climate conditions. As additional high-frequency satellite observations and emerging data streams are integrated, CASS is expected to further enhance its accuracy and diagnostic value for assessing ecosystem function and resilience in an era of increasing climate variability.

목차 (Table of Contents)

• Chapter 1. Introduction １
• 1.1. Study Background １
• 1.2. Purpose of Research ４
• Chapter 2. Methods ６
• 2.1. Data ６
• 2.2 Structure of CASS model １３
• 2.3 Model evaluation １５
• 2.4. CASS regional application １７
• Chapter 3. Result ２０
• 3.1. Evaluation of Global Model Performance ２０
• 3.2. Evaluation of Model Performance in region ３３
• 3.3. Spatiotemporal GPP Patterns over South Korea ４１
• 3.4. Diagnostic Analysis of Climate Impact ４７
• Chapter 4. Discussion and Conclusion ５４
• 4.1. Advancing Regional GPP Estimation via Hybrid Modeling ５４
• 4.2. The Critical Role of Geostationary Satellites ５６
• 4.3. Regional Vulnerability and the 31.2°C Tipping Point ５８
• 4.4. Uncertainties and Future Directions ６０
• Chapter 5. Conclusion ６２