연구보고서
- 저자
- 예측기술과 김가영, 김해정, 오지현, 유태우, 이윤영, 정여민, 정유란, 정유림, 함수련 기후분석과 윤순조
- 작성일
- 2020.02.28
- 조회
- 571
- 요약
- 목차
평문 초록
본 과제는 최근 각광받고 있는 계절내 규모(2주~2개월) 예측의 현재를 진단하고, 개선을 통한 미래의 가능성을 점치기 위해 기획되었으며, 그 결과로 계절내 예측의 평가/보정/활용에 대한 다양한 분석과 기술 개발이 이루어졌다. 우선, 기상청에서 현업으로 사용되고 있는 한영 공동계절예측 시스템인 GloSea5의 계절내 3-4주 예측의 성능을 종합적으로 평가하고, 구조적 오차를 파악하고자 하였다. 개별 검증 정보만으로는 실제 수준을 파악할 수 없기 때문에 타 기관 모형과 정량적인 비교가 가능하도록 메트릭을 고안하였고, 그 결과 GloSea5는 전반적인 성능에 있어 세계 최고 모델인 ECMWF 보다 다소 뒤처지나 동아시아 기온 예측에 있어서는 우위에 있음을 알 수 있었다. 또한, 기후값 계산 방식 변경에 따른 동아시아 예측성 개선 가능성을 확인하였다. GloSea5 지표온도 및 강수 예측장의 계통적 오차의 증분 특징을 살펴보기 위해 선행시간 2주, 4주, 6주, 8주의 여름철 온도 및 강수의 오차 분포를 분석하였다. 적도 태평양에서 나타나는 강수의 오차는 서태평양을 중심으로 상대적으로 강한 대류와 연관이 있으며, 이는 결국 지표 열속의 오차와도 연결된다. 이러한 계절내 예측의 오차는 결국 계절 규모의 해양의 오차와도 직접적으로 영향을 미치고 있음을 알 수 있다. 또한, GloSea5의 동아시아 기후 모의 특성을 살펴보기 위해 기후 변동성들의 재현성 평가를 통해 오차 특성을 살펴보았다.
다양한 알고리즘의 개발, 컴퓨팅 기술의 발달, 방대한 데이터의 축적에 따라 최근 각광받고 있는 딥러닝 기술은 기후 예측 분야에서도 그 적용 가능성이 기대되고 있다. 본 연구에서는 기계학습 및 심층학습을 이용하여 계절내 예측 자료의 후처리를 통한 한반도 영역의 최고 및 최저기온 그리고 강수의 예측성 향상 가능성을 알아보고자 하였다. 그 결과, GloSea5와 ECMWF의 최고/최저기온, 강수량 3개 변수에 대해 딥러닝 기술을 적용했을 때 평방근제곱근오차 (Root Mean Square Error, RMSE)가 획기적으로 감소 (최고/최저기온 17% 이상, 강수 50% 이상)함을 확인하였다. 또한 선행주수별 분석에서는 3-4주를 포함한 전체 기간의 RMSE가 개선되었다. 딥러닝 뿐만 아니라 회귀 분석, 경험 직교 함수 등 고전 통계 방법을 활용한 모형 보정 기법 개발 역시 그 잠재성이 무한하다. 한반도 극한 기온 사상의 선행 인자인 동아시아의 기온에 대해서 모형 회귀장을 관측 회귀장으로 치환하는 방식을 적용했을 때, 선행 3주 주평균 예측에 대한 상관계수 값이 기존 예측 대비 19.4% 개선되는 효과를 확인할 수 있었다.
다소 성능이 낮고 복잡한 계절내 예측의 단점을 극복하기 위해서는 정보 가공을 통한 활용성 증대가 필요하다. 다양한 기후 모드 위상 등의 조건에 대한 성능 민감도에 기반한 동아시아 겨울 선행 3주 기온 예측 성능 추정 가이드라인을 개발하였고, 이는 성능에 대한 불확실성을 줄임으로써 매뉴얼 예보에의 활용이 기대된다. APCC는 인도양에서부터 태평양을 아우르는 아시아 지역을 일정한 주기로 움직이는 구름대에 대한 정보를 2013년부터 지속적으로 제공해오고 있으나, 매일 하나의 값으로만 도출되어 전문적인 지식이 없다면 실제 구름대의 위치나 그 영향에 대한 공간 분포를 추정하는데 어려움이 따른다. 그래서 이 연구에서는 값을 공간장으로 변환하는 기법을 개발하였고 개발된 공간 정보는 실제 구름대의 변동과 지역적 영향을 아주 잘 표현하였다. 특히 건기보다는 우기에 구름대의 변동과 지역적 영향을 잘 나타내었다. 개발된 기법은 예측에도 적용할 수 있었고 생산된 구름대 예측 정보는 아시아 지역에 있어서 적어도 2-3주까지는 신뢰할만한 정보임을 확인하였다.