APCC·KIST, 이상기후 원인 'MJO' AI 예측 기간 연장

MJO 예측 최대 29일 연장
현상·배경 분리 학습 기법
이상기후 대비 시간 확보
권위적 학술지 논문 게재

기온이나 강수량 같은 기상요소가 수년에서 수십 년에 걸쳐 아주 천천히 변해가는 모습./APCC 제공

아시아·태평양경제협력체 기후센터(APCC)와 한국과학기술연구원(KIST) 연구진이 인공지능(AI) 딥러닝 기술을 활용해 전 세계 기상·기후의 핵심 변수인 '매든-줄리안 진동(MJO)'의 예측 성능을 획기적으로 높였다.

이번 연구는 기상청 연구개발 사업의 일환으로 진행됐으며, APCC 김미애 선임연구원이 주저자로 참여한 논문이 기상·기후 분야 권위지인 '지오피지컬 리서치 레터스'에 게재되며 학술적 가치를 인정받았다.

연구팀은 기존 AI 모델이 대기 및 해양의 변동 성분인 MJO 현상 자체에만 집중했던 한계를 넘어, MJO가 활동하는 무대인 계절적 배경과 주변 기후 환경을 동시에 학습시키는 방식을 도입했다.

매든-줄리안 진동(MJO)은 열대 인도양에서 발생해 태평양으로 이동하는 대규모 대기 순환 현상으로, 약 30~90일 주기로 지구를 순환하며 전 세계 가뭄과 폭염, 태풍 등 이상기후를 조절하는 역할을 한다.



이 현상을 얼마나 정확하게 예측하느냐가 기상 예보의 정확도를 결정짓는 열쇠로 꼽혀왔다.

연구팀은 입력 데이터를 '현상'과 '배경'으로 분리해 학습시키는 새로운 기법을 개발했다. 이는 단순히 관찰 대상의 움직임만 보는 것이 아니라 주변 지형과 날씨를 함께 분석하는 원리와 같으며, 실험 결과 겨울철에는 약 26일, 여름철에는 최대 29일까지 신뢰도 높은 예측이 가능해졌다.

특히 예측 기간이 길어질수록 주변 배경 기후 정보가 정확도를 높이는 데 결정적인 역할을 한다는 사실을 과학적으로 증명해냈다.

이번 연구 성과는 전 세계 가뭄이나 홍수 등 기후 재해에 선제적으로 대응할 수 있는 골든타임을 확보했다는 점에서 큰 의미가 있다. AI가 기후의 전체적인 흐름을 파악하게 함으로써 이상기후 예측 기술을 한 단계 도약시켰다는 평가를 받는다.

김미애 APCC 선임연구원은 "이번 논문 결과는 인공지능을 통해 기후의 전체적인 흐름을 파악함으로써 예측 기술의 도약을 이뤄낸 사례다"며 "앞으로 기후 재해에 선제적으로 대응하고 피해를 예방하는 데 큰 보탬이 될 것이다"고 밝혔다.

부산=김성욱 기자 attainuk0518@