연구보고서
- 저자
- 박경원, 신용희, 이성규, 이우섭
- 작성일
- 2025.12.17
- 조회
- 11
- 요약
- 목차
지구온난화로 인해 폭염, 홍수, 가뭄과 같은 극한 기상 현상의 발생 빈도와 강도가 지속적으로 증가하고 있다. 이러한 기후위기 상황에서 다양한 기후 재해에 효과적으로 대응하고 적응 전략을 수립하는 것은 국가적 차원의 주요 과제로 부각되고 있다. 미래 기후 조건에 대한 합리적인 대응책을 마련하기 위해서는 고해상도 기후변화 시나리오의 구축이 필수적이다. 현재 고해상도 기후변화 시나리오의 산출은 주로 역학적 상세화 방법에 의존하고 있으며, 이는 막대한 계산 비용이 요구된다는 한계를 지닌다. 이러한 한계를 보완하기 위해 통계적 상세화 및 인공 지능·기계학습 기반 상세화 기법이 활용되고 있으나, 지역적 기후 특성을 충실히 반영하는 데에는 여전히 제약이 존재한다. 이에 본 연구에서는 고해상도 기후변화 시나리오 산출에 핵심적인 상세화 기반 기술을 연구하였다. 제안된 상세화 기법은 역학적 상세화의 주요 장점인 물리적 상관관계를 반영하기 위해 다변수 상세화 기법(CoKriging)과 복잡한 비선형 패턴을 학습할 수 있는 인공지능 기술을 이용하였다. 또한 지역적 특성을 보다 효과적으로 반영하기 위해 보조 자료로 지형 정보를 활용하였다. 아울러 강수 자료의 경우, 지점 관측 자료가 지니는 공간적 범위의 한계를 극복하기 위해 위성 기반 격자 강수 자료를 활용한 자료 구축 방법을 검토하였다.
정확한 강우량 산출은 수자원 관리, 재해 예방 및 기후 변화 분석에 있어 필수적인 요소이다. 그러나 기존의 지상 우량계 관측망은 공간적 밀도의 한계로 인해 산악 지형이나 해양과 같은 미계측 지역의 강우 분포를 파악하는데 어려움이 있다. 이에 본 연구는 위성 관측 자료의 광범위한 공간 커버리지와 기계학습(Machine Learning) 기법의 비선형 해석 능력을 결합하여 장기간의 고해상도 격자 강우 자료를 산출하는 것을 목적으로 한다.본 연구에서는 위성에서 획득한 다중 분광 채널 자료와 지형 정보(DEM)를 입력 변수로 활용하여 강우 정확도를 높이기 위해 기계학습기반의 알고리즘을 구축하였으며, 지상 관측소(AWS/ASOS) 자료를 참값(Ground Truth)으로 하여 모델을 학습 및 최적화하였다. 특히, 위성 강우 자료의 고질적인 문제인 과소 추정 오차를 줄이기 위한 보정기법을 적용하였다. 산출된 장기간의 고해상도 강우 격자 자료를 검증한 결과, 기존 위성 단일 산출물 대비 상관계수(Correlation Coefficient)와 제곱근평균오차 (RMSE)가 유의미하게 개선되었음을 확인하였다. 본 연구를 통해 구축된 고해상도 강우 격자는 미계측 지역인 바누아투 지역에 적용하여 데이터베이스를 구축하였다. 이러한 자료는 향후 기후변화 연구의 기초자료로 활용될 수 있으며, 딥러닝 모델의 추가적인 개선이 필요하다.
복잡한 지형 특성으로 인해 기존 관측소만으로는 기상 정보를 정확히 파악하기 어려운 제주도 전역을 대상으로, 기후변화 적응 및 정밀 농업 등에 필수적인 1km 고해상도 기상 격자 데이터를 구축하고자 하였다. 2020년부터 2024년까지의 기온 및 강수량 관측 데이터를 바탕으로 다양한 공간 보간 기법(IDW, OK, CSI, SCOK, OCOK)을 비교·검증한 결과, 해발고도(DEM) 를 보조 변수로 통합하여 고도와의 상관성을 경향성(Trend)으로 모델링하는 범용 공동 크리깅 (Universal Cokriging, UCOK)이 최적의 상세화 기술로 도출되었다. UCOK 기법은 고도에 따른 기온 감률과 지형성 강우 효과를 일차식 형태의 명시적 경향성으로 반영하고, 이에 따르지 않는 국지적 이상치(Anomaly)는 잔차 보정을 통해 정교하게 수정하는 방식이다. 분석 결과, 기온 예측에서 UCOK는 연중 결정계수 0.98 이상, RMSE 1.0℃ 미만의 압도적인 성능을 기록하였으며, 단순 고도 감률로는 설명되지 않는 서귀포의 국지적 고온 현상과 겨울철 산간 오지의 기온까지 정확히 구현하였다. 강수량 예측에서도 한라산에 의한 강제 상승 효과와 해안가의 국지성 호우 패턴을 유연하게 모의하여, SCOK 기법의 과도한 평활화 문제를 극복하고 극한 강수 사상을 현실적으로 재현해 냈다. 이 연구는 지형적 영향이 지배적인 제주도에서 UCOK 기법이 물리적 경향성과 국지적 변동성을 동시에 포착하는 최적의 방법론임을 입증하였다. 이를 통해 구축된 고정밀 격자 자료는 관측 공백지대였던 중산간 및 산간 지역의 상세 기후 정보를 성공적으로 복원하였으며, 향후 감귤 재배 적지 선정, 산악 도로 결빙 방재, 수자원 관리 등 지역 맞춤형 기후변화 대응 정책 수립에 있어 신뢰도 높은 기초 자료로 활용될 것이다.
본 연구에서는 딥러닝 기반 인공지능 기후자료 상세화 기법을 개발·평가하였다. EDSR(잔차 학습 기반) 모델을 기본 네트워크로 활용하여 고해상도 ERA-5 기온(T2M) 자료를 대상으로 2배, 4배, 8배 상세화 학습자료를 구축하였으며, 업·다운샘플링 과정에서 다양한 보간법을 적용하였다. 또한 지역 특성 반영을 위해 지형자료(DEM)를 보조변수로 결합한 여러 모델 구조 (CASE OLR, D, DU, DUR, UD)를 설계하였다. 모델 성능은 동아시아(한반도 포함) 지역을 대상으로 고해상도 ERA-5 자료 및 ASOS 관측자료와의 비교를 통해 이미지 품질 지표와 통계 지표 로 평가하였다. 그 결과, DEM 보조변수를 활용한 모델들이 전반적으로 우수한 성능을 보였으며, 특히 NN 보간법 기반 학습자료를 사용한 경우 성능 향상이 두드러졌다. 상세화 배율별로 는 NN 보간법 기반 학습자료를 이용한 DU·DUR·UD 계열 모델이 상위 성능을 보였다.
본 연구는 전 지구 기후모델의 낮은 해상도에서 발생하는 구조적 불확실성을 저감하고, 복잡한 지형에서 국지적 기후 변동성 및 극한 기상현상의 시공간적 재현 성능을 정량적으로 비교 및 평가하기 위해 1km 해상도의 MK-PRISM 모델과 개선된 500m 해상도의 MS-PRISM(v1, v2) 모델을 분석하였다. 2000년부터 2019년까지 국내 605개 기상 관측소 자료를 기준으로 상관 계수, 평균 제곱근 오차, KGE 지표 및 Morans’I/LISA 공간 분석을 수행한 결과, 최신 500m_v2 모델이 모든 평가 지표에서 가장 우수한 성능을 보였다. 특히 500m_v2모델은 좁은 영향반경(1.3km)과 최신 GIS정보를 적용하여 복잡한 지형에서의 기온 변동성과 국지적 극한기온을 정밀하게 재현하였으며, 기존 1km 모델이 보였던 산악 및 해안 지역의 예측 오차를 획기적으로 개선하였다.
미래 기후 전망 분석 결과에 따르면, 고배출 시나리오(SSP5-8.5) 하에서 우리나라는 연최고기온이 약 8.8℃상승하고 한파가 완화되는 뚜렷한 기후 변화를 겪을 것으로 전망하였다. 재현수준 분석 결과, 서울과 부산 등 주요 도시에서 극한 고온의 빈도와 강도가 크게 증가할 것으로 나타났으며, 특히 서울은 도시열섬 효과로 인해 단기 재현주기에서도 높은 온도 상승폭을 보였다. 이러한 결과는 국지적 지형과 도시 특성을 반영할 수 있는 고해상도(500m) 기후정보가 국가 차원의 기후 적응 정책 및 지역 맞춤형 재해 대응 전략 수립에 필수적임을 시사한다.