아·태기후센터 연구팀, 딥러닝 통해 동아시아 기후재해 예측력 높인다

(부산=뉴스1) 조아서 기자 = 아시아·태평양경제협력체 기후센터(APCC)는 APCC 연구팀 논문 '동아시아에서의 계절내(S2S,Sub-seasonal to Seasonal) 다중모델앙상블 강수 예측 향상: 딥러닝 기반의 후처리 통한 정확도 향상'이 국제저명학술지 '헬리온'(Heliyon)에 온라인 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.

MME 기법은 기후예측기관이 제공하는 각 기후예측모델의 예측정보를 체계적으로 분석·통합해 기후예측의 정확도를 높인다.

특히 계절내 예측은 통상 1~6주에 해당하는 기간을 대상으로 주간의 기후변동을 예측한다. 10일 이후의 날씨를 예측하는 중기(Sub-seasonal) 예측과 통상 3개월 이상의 수개월을 예측하는 계절(Seasonal) 예측 사이의 중간을 메워주는 예측을 담당하고 있다.

그러나 이러한 기후예측모델에서 입력된 초기 조건의 영향이 급격히 낮아지는 1~2주 이상에 대한 예측에서는 신뢰도가 급격히 떨어진다. 이에 따라 이 모델이 생산하는 예측정보를 활용하는 데 현실적으로 어려움이 있어 왔다.

APCC 연구팀은 계절내 예측의 어려움을 해결하고자 인공지능 기술인 딥러닝에 기반한 후처리(Post-Processing)를 통해 2주에서 4주 동안의 동아시아 계절내 다중모델 앙상블 강수 예측의 신뢰성이 높아지는 것을 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 비교해 기후예측모델의 예측기간 내 강수량 및 강수빈도의 예측 정확도에 대한 평가를 가능하게 했다.

APCC 연구팀은 동아시아 각 지역의 강수예측을 위해 해당 지역별로 예측 성능이 우수한 특정한 기후예측 모델의 선택이 가능해져 신뢰성 있는 기후예측정보의 생산에 기여할 것으로 기대하고 있다.

정유란 APCC 선임연구원은 "이번의 연구결과로 농업 등 기후민감 분야에서의 효과적 기후정보 활용과 이를 통한 올바른 의사결정을 지원해 기후재해로 인한 인적·물적 손실을 줄이는데 이바지할 수 있다"고 말했다.

aseo@news1.kr