본 연구는 2018년도 영재원 프로젝트의 기초 과정으로 수행되었다. 공공 기상 데이터를 수집하고 파이썬을 활용하여 기본적인 통계 분석 및 시각화를 진행하였다. 이를 통해 대기 환경의 장기적인 변화 경향을 파악하고 기초적인 데이터 과학의 방법론을 적용하였다.

본 연구는 여름철 국지성 집중호우의 발생 빈도와 지역별 특성을 분석하였다. 강수량 시계열 데이터를 바탕으로 공간적 분포 양상을 확인하고, 주요 발생 원인을 기상학적 관점에서 고찰하였다.

본 연구는 지표 부근의 미세기상학적 특성을 파악하기 위해 플럭스 타워 관측 데이터를 활용하였다. 결측치 보완(Gap-filling) 기술을 적용하여 데이터의 신뢰성을 높이고, 지면과 대기 사이의 에너지 교환 과정을 분석하였다.

본 연구는 대기 경계층 내에서 발생하는 난류의 구조와 강도를 분석하였다. 고해상도 풍속 데이터를 이용하여 난류 운동 에너지 및 관련 스펙트럼을 도출하고, 대기 안정도에 따른 난류의 발달 양상을 규명하였다.

본 연구는 방대한 기상 데이터를 효율적으로 처리하기 위해 머신러닝 기법을 도입하였다. 기상 레이더 및 위성 자료를 활용하여 특정 기상 현상을 자동 분류하는 모델을 구축하고, 그 예측 정확도를 검증하였다.

본 연구는 합성곱 신경망(CNN) 알고리즘을 활용하여 구름의 형태와 이동 경로를 파악하였다. 영상 이미지 내의 공간적 특징을 추출하여 악기상 발생 가능성을 조기에 탐지하는 딥러닝 모델의 활용 가능성을 확인하였다.

본 연구는 대기 중 CO2 농도 변화의 시간적 의존성을 반영하기 위해 순환 신경망 계열인 LSTM 모델을 적용하였다. 과거 기상 조건과 탄소 배출량 데이터를 기반으로 미래의 농도 변화 추이를 예측하여 유의미한 시계열 모델을 구축하였다.

행성 이주를 위한 화성 대기환경 탐사의 사전 연구로서 화성 대기 관측 자료를 분석하였다.