Page 39 - 아시아·태평양경제협력체 기후센터 APCC 2025년도 연차보고서
P. 39

아시아·태평양경제협력체 기후센터  2025년도 연차보고서



 2025년도     2025년도                                - 인공지능 기반 모델을 활용한 고해상도 강수 격자 자료 생산

 APCC       APCC                                    ※  시범지역(제주도 지역)을 대상으로 정확도가 높은 위성 기반 강수 격자 자료를 산출하기 위해 기계학
                                                    습 모델을 구축·학습하였으며, 전반적으로 높은 예측 성능을 확인함.
 연구·사업      연구·사업

                                                 B. 다변수 상세화 기반기술 개발
                                                   -  Ordinary Cokriging (OCOK), Simple Cokriging (SCOK), Universal Cokriging (UCOK) 기
                                                   법을 적용하여 시범지역(제주도)에 대한 1km 해상도의 기온 및 강수 관측 격자자료 생산
                                                                              2)
                                                   -  LOOCV (Leave-One-Out Cross-Validation)  검증을 통해 각 Cokriging 기법별 기온 및 강수
                                                   예측 정확도(R2, RMSE) 분석
                                                     ※  지형 및 기후 특성이 복합적인 제주도 지역에서 UCOK 기법이 가장 높은 R²와 가장 낮은 RMSE를 보여
                                                    전반적으로 가장 우수한 예측 성능을 보임

                                                 C. 기후변화 전망자료의 활용성 증대를 위한 인공지능 기반 상세화 기술 개발
                                                   -  ERA-5 자료와 지형자료(DEM)를 이용하여 EDSR 모델을 기반으로 한 상세화 모델 구축
                                                   및 실험 수행
   그림 27    연구 내용 개요
                                                              3)
                                                   -  공간자료 보간법 (최근접 이웃, 선형 보간, 쌍입방 보간), 상세화 배율(2배, 4배, 8배)을 고려한 데
                                                   이터셋 구축 및 상세화 정확도 비교 분석
                                                   -  이미지 기반 평가 지표(PSNR, SSIM)와 ASOS 관측자료를 활용한 통계 지표를 이용하여
 3) 기대효과                                           정확도 평가 수행
                                                    ※  지형자료를 결합한 딥러닝 기반 상세화 모델은 동아시아 지역에서 기온 상세화 성능을 유의미하게
   - DCPP 연구 수행 및 국제교류를 통한 연구진의 국제 공동연구 역량 강화
                                                    향상시킴
   - 향후 DCPP 참여 기회 창출
   - A2D 규모 기후 예측 기술 개발을 통한 신기후체제 대응의 과학적 기반 구축
                                                 D. 초고해상도(500m) 격자자료 분석 및 평가
   - 농업, 수문 등 분야별 기후변화 대응 장기 정책 수립 시 기후 리스크 예측 정보로 활용 가능
                                                   - 고해상도 격자의 모의성능 평가: 공간 해상도(500m vs 1km)와 영향 반경(1.3km vs 2km)
                                                   - 공간적 합리성 검증(Moran’ I) 및 모의성능 평가(KGE)
                                                   - 극한지수에 대한 미래 기후전망자료 생산 및 분석(1km vs 500m)
 사업 5. 지역특화 기후변화 정보 생산 기술 개발
                                                       ※  500m 모델이 전반적으로 1km 모델보다 높은 정확도를 보였으며, 영향 반경의 변화보다 해상도
                                                     증가에 따른 예측성 향상이 더욱 뚜렷하게 나타남
 ㉖  이성규 선임연구원 (geoslegend@apcc21.org)

                                                 E. 국가 기후변화 표준시나리오 기반 부문별 영향 정보 지수 개선안 마련
 1) 성과의 추진 배경 및 필요성
                                                   - 농업부문 영향지수 8종에 대한 활용 현황 점검 및 개념 재정의
 1)
 -  전 지구 기후모델(GCM) 은 공간 해상도의 한계로 지역 단위 재해 위험 평가와 정책 활용에
                                                   - 농업부문 영향지수 8종에 대한 개선안 마련
 제약이 있어, 지역 기후특성을 반영한 고해상도 기후변화시나리오 상세화 기술개발이 필
                                                     ※  농업부문 영향지수 개선 관련 실무회의와 농업분야 전문가 자문회의 등을 통해 총 8종의 농업부문 영
 요함.                                                향지수를 ‘지수통합’, ‘명칭변경’, ‘부문변경’, ‘용도변경’ 등으로 구분하여 최종 5종의 개선안을 마련함
              용어 해설
 -  통계적·딥러닝 기반 상세화 기법을 통해 기후자료의 해상도 한계를 개선하고, 국가 기후
            2)  LOOCV (Leave-One-Out Cross-
 변화 표준시나리오 평가를 바탕으로 지역별 기후전망정보를 제공하여 기후변화 적응 대
              Validation)
   용어 해설     책 수립 및 정책 대응 역량 강화에 기여하고자 함.
              관측 자료 중 하나를 제외한 나머지 자료
              로 예측을 수행하고 제외된 자료와의 비
 1)  전 지구 기후모델(GCM, Global
 Climate Model):   2) 주요내용   교를 반복함으로써 예측 성능을 검증하
              는 방법
 대기, 해양, 육지, 빙권 등 지구 시스템의
 주요 구성 요소 간 상호작용을 수치적으  A. 위성기반 고해상도 격자자료 산출 및 알고리즘 개발 및 품질관리
            3) 보간법 (interpolation):
 로 모의하여, 과거·현재·미래의 전 지구    - 다양한 위성(GPM IMERG, CMORPH, PERSIANN, CHIRPS) 자료를 활용한 학습 데이터셋 구축
 적 기후 변화를 과학적으로 전망하는 물  이미 관측된 값들을 기반으로 그 사이에
   - 기계학습 모델(XGBoost, Random Forest) 구축, 학습 결과 산출 및 인공지능 모델 최적화
 리 기반 기후 예측 모델  존재하는 미관측 값을 추정하는 방법


                                                                                                             39
 38
 38                                                                                                          39
   34   35   36   37   38   39   40   41   42   43   44