예측 기간 동안 U-Net 모델APEC 기후센터(APCC)의 연구팀이 작성한 논문 '동아시아의 계절 내 다중 모델 앙상블 강수 예측 향상: 딥러닝 기반의 후처리를 통한 정확도 향상'이 국제 학술지 '헬리온(Heliyon)'에 실렸다.

APCC는 현재 11개국 15개의 기후 예측 기관으로부터 받은 정보를 다중 모델 앙상블(MME) 기법으로 분석하여 신뢰성 있는 장기 기후 예측 정보를 생산하고 있으며, 이를 아시아 태평양 지역에 제공 중이다. MME 기법은 여러 기후 예측 모델의 정보를 통합하여 기후 예측의 정확도를 높이는 방법이다.

최근 기후와 날씨의 급격한 변화로 인해 일상생활과 산업 전반에 큰 영향이 발생하고 있어, 극한 기후로 인한 피해를 예방하고 대처하기 위한 한 달 전의 폭염, 폭우 등의 강도와 지속 시간 등 비교적 정확한 주간 기후 변동 예측의 필요성이 대두되고 있다. 이에 따라 신뢰성 높은 계절 내(S2S) 예측 정보에 대한 수요가 증가하고 있다.

계절 내 예측은 1~6주에 해당하는 기간의 주간 기후 변동을 예측하며, 중기 예측과 계절 예측 사이를 메우는 역할을 한다. 수십 일 규모의 계절 내 기후 변동은 광범위한 영역에서 서로 연관되어 있으며, 지구 시스템의 다양한 요소에 영향을 받는다. 이전까지는 기후 예측 모델이 주로 대기를 대상으로 했지만, 최근에는 해양, 지면, 해빙, 식생 등 다양한 요소로 그 범위가 확장되고 있다.

하지만 기후 예측 모델의 초기 조건의 영향력이 감소하는 1~2주 이상의 예측에서는 신뢰도가 크게 하락하여, 예측 정보의 현실적인 활용이 어려워진다. 특히 계절 내 예측에서 강수량과 강수 빈도의 정확한 예측은 매우 어려운 문제이다.

APCC 연구팀은 이를 해결하기 위해 인공지능 기술인 딥러닝을 이용한 후처리를 도입하여 2주에서 4주 동안의 동아시아 계절 내 다중 모델 앙상블 강수 예측의 신뢰성을 향상시켰다. 딥러닝 기반 후처리는 딥러닝 모델이 축적한 계절 내 예측 데이터를 바탕으로 장기적인 기상 패턴을 학습하고 예측하여 다음 날의 기상 조건을 순차적으로 예측하는 기법이다.

이번 연구 결과는 기계학습 또는 딥러닝 기법으로 후처리된 예측 모델들의 예측 성능을 비교하여 기후 예측 모델의 예측 기간 내 강수량 및 강수 빈도의 정확도를 평가할 수 있게 하였다. 이를 통해 동아시아 각 지역의 강수 예측에 적합한 기후 예측 모델을 선택하여 신뢰성 있는 기후 예측 정보를 생산할 수 있을 것으로 기대된다.

APCC 정유란 선임연구원은 이번 연구 결과로 기후 재해 관리에서 중요한 요소인 강수량 및 강수 빈도의 신뢰성 있는 예측이 가능해졌으며, 농업 등 기후 민감 분야에서의 효과적인 기후 정보 활용과 올바른 의사 결정을 지원하여 기후 재해로 인한 인적, 물적 손실을 줄일 수 있을 것이라고 밝혔다.

오다겸 기자