APCC, 인공지능 기법 도입 동아시아 기후재해 예측력 향상

관련 논문 국제저명학술지 헬리온 게재

예측 기간 동안 U-Net 모델(딥러닝 모델,실선)과 MLR 모델(기계학습 모델,점선)로 후처리된 6개 기후 모델 및 다중모델 앙상블(MME)의 계절내(S2S) 일별 강수 예측의 일별 이상 상관 계를 후처리 이전과 비교한 결과./APCC 제공

아시아·태평양경제협력체 기후센터(APCC)는 연구팀 논문인 '동아시아에서의 계절내(S2S,Sub-seasonal to Seasonal) 다중모델앙상블 강수 예측 향상 : 딥러닝 기반의 후처리 통한 정확도 향상'이 국제저명학술지인 '헬리온(Heliyon)'에 온라인으로 게재됐다고 22일 밝혔다.

현재 APCC는 전 세계 11개국 15개의 유수한 기후예측기관이 제공하는 예측정보를 다중모델앙상블(MME) 기법을 활용해 신뢰성 있는 장기기후(계절) 예측정보를 생산해 아시아·태평양 지역에 제공하고 있다. 다중모델 앙상블(MME) 기법은 기후예측기관이 제공하는 각 기후예측모델의 예측정보를 체계적으로 분석·통합해 기후예측의 정확도를 높인다.

기후예측모델은 지구기후시스템을 구성하는 각 요소들을 설명하기 위한 수학적 표현이다. 기후 인자 간의 복잡한 상호작용을 일련의 수학방정식으로 단순화시켜 기후의 진행 과정을 이해하는 데 도움을 줄 뿐만 아니라 기후를 모의·예측할 수 있게 한다.

6개의 기후 모델과 다중모델 앙상블(MME)의 계절내(S2S) 일별 강수 예측에 대한 공간 상관 계를 비교한 결과./APCC 제공

최근에 급격한 기후 및 날씨 변화로 인해 신뢰성 높은 계절내(S2S) 예측정보에 대한 사회적 수요가 늘고 있다. 계절내 예측은 통상 1~6주에 해당하는 기간을 대상으로 주간의 기후변동을 예측한다. 10일 이후의 날씨를 예측하는 중기 예측과 통상 3개월 이상의 수개월을 예측하는 계절 예측 사이의 중간을 메워주는 예측을 담당하고 있다.

수십일을 규모로 하는 계절내 기후의 변동은 수천~수만 킬로미터에 이르는 광범위한 영역에서 서로 밀접한 관련성을 가지며 지구환경을 구성하는 대기권, 수권, 빙권, 암석권, 생물권의 집합체인 지구시스템의 다양한 요소에 의해 영향을 받는다. 지금까지 기후예측모델이 모의하는 주된 관심 대상은 대기였지만 최근에는 해양·지면·해빙·식생 등 다양한 요소로 확대되고 있다.

기후예측모델에서 입력된 초기 조건의 영향이 급격히 낮아지는 1~2주 이상에 대한 예측에서는 신뢰도가 급격히 떨어진다. 이에 따라 이 모델이 생산하는 예측정보를 사람들이 현실적으로 활용하는 데 어려움이 있다. 특히 계절내 예측에서 정확한 강수량과 강수빈도에 대한 예측은 매우 어렵다.

전체 시험 기간에 걸쳐 각 지역별로 2주차와 3주차 동안의 ACC를 계산하여 ACC의 공간적 분포를 비교한 결과./APCC 제공

APCC 연구팀은 이러한 계절내 예측의 어려움을 해결하고자 인공지능 기술인 딥러닝에 기반한 후처리를 통해 2주에서 4주 동안의 동아시아 계절내 다중모델 앙상블 강수 예측의 신뢰성이 높아짐을 확인했다.

딥러닝 기반 후처리란 딥러닝 모델이 지금까지 축적한 계절내 예측 데이터를 바탕으로 장기적인 기상 패턴을 학습 및 예상하고 이를 기반으로 다음 날의 기상 조건을 순차적으로 예측하는 기법이다.

이번 논문 결과는 해당지역의 강수예측을 위해 기계학습 혹은 딥러닝 기법으로 후처리된 예측 모델들 간의 예측 성능을 비교함으로써 기후예측모델의 예측기간 내 강수량 및 강수빈도의 예측 정확도에 대한 평가를 가능하게 했다. 이를 통해 동아시아 각 지역의 강수예측을 위해 해당 지역별로 예측 성능이 우수한 특정한 기후예측 모델의 선택이 가능해져 신뢰성 있는 기후예측정보의 생산에 기여할 것으로 기대된다.

정유한 APCC 선임연구원은 "이번의 연구결과로 기후재해 관리에서 핵심적인 요소인 신뢰성 있는 강수량 및 강수빈도에 대한 예측이 가능해졌다"며 "농업 등 기후민감 분야에서의 효과적 기후정보 활용과 이를 통한 올바른 의사결정을 지원해 기후재해로 인한 인적·물적 손실을 줄이는데 이바지할 수 있다"고 전했다.
부산=김성욱 기자 attainuk0518@