Page 21 - 아시아·태평양경제협력체 기후센터 APCC 2025년도 연차보고서
P. 21

아시아·태평양경제협력체 기후센터  2025년도 연차보고서



 2025년도  4.  동아시아 이상기후 연구의 진입장벽 낮췄다 :

 APCC  ‘EastAsiaClimateExtremes’공개 저장소 오픈

 대표성과  ㉖  이윤영 선임연구원(yyalee@apcc21.org)     김미애 선임연구원(miaekim@apcc21.org)

   정유란 선임연구원(uchung@apcc21.org)


 이상기후 예측을 위한 인공지능(AI) 모델 개발에 있어 가장 중요하고 기초적인 단계는 학습
 대상이 되는 이상기후 자료를 체계적으로 구축하는 것이다. 그러나 이상기후는 기상 요소
 별로 정의 방식이 다양하고 연구 목적이나 지역에 따라 기준이 상이하여, 초기 단계의 자료
 구축에 많은 어려움이 따른다. 이에 따라 목표로 하는 주요 이상기후 현상을 체계적으로 정
 1)
 리하고 분류한  인벤토리의 필요성이 대두되었다. 이러한 인벤토리 구축은 향후 인공지능
 기반 예측 연구의 재현성과 활용도를 높이는 데 필수적이며, 학계 및 유관기관 연구자들의
 자료 접근 진입장벽을 낮춤으로써 동아시아 이상기후 연구의 질적·양적 확장을 도모할 수
 있다는 점에서 중요한 의의를 지닌다.


 본 연구 성과는 동아시아 지역(21~48°N, 114~141°E)을 대상으로 한 이상기후 데이터와 분석
 2)
 코드를 체계화하여 ‘EastAsiaClimateExtremes’라는  GitHub 저장소(https://github.com/
 yyalexlee/EastAsiaClimateExtremes)를 통해 공유 시스템을 구축한 것이다. 주요 내용은 다음
 과 같다.


                                                  그림 15    “EastAsiaClimateExtreme”가 제공하는 동아시아 이상기후 상세 메타 정보(좌)
                                                                                                3)
                                                  그림 16       “EastAsiaClimateExtreme”가 제공하는 통계 분석, 가시화, 저장용  주피터 노트북(Jupyter
                                                       Notebook) 예시 코드(우)

                                                ◎   동아시아 이상기후 장기 자료 구축: ERA5, OISST 등 관측 기반 재분석 자료와 ECM-
                                                  WF-hindcast 모델 자료를 활용하여 이상고온, 폭우, 해양열파 등 주요 극한 현상을 장기
                                                  간 격자 기반으로 정량화하고, 이를 온라인 공유 체계로 구축하였다.
                                                ◎   격자점 기반 이상치 상세 지수 제공: 일별 및 주별 기후 평년값과 90/95 백분위 임계값
                                                  을 산출하고, 이를 바탕으로 추출된 발생 빈도, 지속기간, 평균 및 최대 강도, 영향지수 등
                                                  세부 프로파일과 주 단위 지수(extremeness metrics) 등 다양한 이상치 지수를 포괄한다.
                                                ◎   분석 도구 제공 및 유연성 확보: Python 기반의 Jupyter Notebook 형태를 통해 데이터
                                                  로드부터 극한 이벤트 계산, 저장, 그리고 시계열 그래프나 열지도(heatmap)와 같은 시각
                                                  화까지 전체 워크플로를 재현할 수 있는 코드를 제공한다. 또한 사용자가 연구 도메인, 변
                                                  수, 기간 등을 쉽게 변경할 수 있는 유연한 구조로 설계되어 사용자 편의성을 제고하였다.

   용어 해설                                        이 시스템은 동아시아 이상기후 기작 분석 및 예측 정확도 향상 연구에 실질적으로 기여할

                                                것으로 기대된다.
 1) 이상기후 인벤토리:
                                                ◎   AI 연구 가속화: 구축된 인벤토리는 AI 기반 기후 예측 모델의 학습 및 라벨링 자료와 검증
 특정 범위(공간, 기간) 내에서 발생하는
 기상 이변 현상 등을 규명하고, 그 데이터                          데이터셋으로 즉시 활용 가능하여 연구 효율성을 제고할 수 있다.
 를 표준화된 방식에 따라 산정하여 구축
                                                ◎   모델 평가 용이성: 관측 기반 자료와 전지구 순환 모델 자료를 함께 제공함으로써, 인공
 한 ‘종합 정보 목록 시스템’을 의미함.
              용어 해설                               지능 모델과 기존 역학 모델 간의 성능 비교 및 평가를 용이하게 한다.
                                                ◎   연구 협업 인프라 제공: 공개 저장소 형태의 배포와 재현 가능한 코드 제공은 연구자들
 2) GitHub 저장소(Repository):  3) 주피터 노트북:
                                                  이‘공동의 기준 데이터셋’을 바탕으로 하나의 플랫폼에서 협업할 수 있는 환경을 조성할
 프로젝트의 소스 코드와 변경 내역을 저    그림 14       “EastAsiaClimateExtreme” GitHub 페이지 스크린샷 (https://github.com/yyalexlee/  실행, 결과(그래프) 확인, 설명을 한 문서
 장하고 공유하는 웹 기반의 저장 공간.  EastAsiaClimateExtremes)  에서 처리하는 분석 도구  것으로 기대된다.


 20
 20                                                                                                           21 21
   16   17   18   19   20   21   22   23   24   25   26