Page 41 - 아시아·태평양경제협력체 기후센터 APCC 2025년도 연차보고서
P. 41

아시아·태평양경제협력체 기후센터  2025년도 연차보고서



            2025년도                                  1-3. 인공지능 기반 기후예측 객관화 기술 개발

            APCC                                  • 이상기후 예측정보 생산을 위한 인공지능 모델 개발

            연구·사업                                    사업 6. 이상기후 예측을 위한 인공지능 기술 개발





                                                  ㉖  이윤영 선임연구원 (yyalee@apcc21.org)


                                                1) 성과의 추진 배경 및 필요성

                                                -   지구온난화로 빈발하는 이상기후 재난에 대한 선제적 대비 및 기후 위기 대응 역량 강화
                                                 가 필수적임.
                                                -   3~4주 선행 시점의 AI 기반 원형 모델을 개발하여 이상기후에 대한 기존 예보 시스템이 지
                                                 닌 한계를 보완하고 계절내(Sub-seasonal) 예측 기술을 고도화하고자 함.


                                                2) 주요내용

                                                 A. AI 기반 이상기후 계절내 예측 원형 모델 개발
                                                   - 이상고온(Anomalous High Temperature) 예측 모델 최적화
                                                                                 1)
   그림 28     지역특화 상세화 기반기술 개발 연구 요약               · ECMWF 앙상블 예측 오차 보정 기술 개발:  딥러닝 기반 후처리 오차 보정을 통해 EC-
              용어 해설
                                                   MWF S2S 모델의 성능 한계를 극복하는 원형 모델 구축
            1) 딥러닝 (Deep Learning):
                                                  · 라벨링 전략 및 모델 구조 민감도 실험 수행: 관측 기반의 이진/다중 클래스 라벨링 적용
 3) 기대효과
              인간의 뇌 신경망을 모방한 인공지능 기
                                                   및  UNet과  Attention UNet 간의 성능 비교 분석 수행
                                                     2)
                                                            3)
              법으로, 방대한 과거 기후 데이터 속에 숨
  -  지역 기후 특성과 복잡한 지형을 반영할 수 있는 지역 특화 상세화 기술을 개발함으로써,   · 최적 모델 도출 및 국지적 예측 성능 개선: ‘이진 라벨 + Attention UNet’최적 조합 도출
              겨진 복잡한 패턴과 규칙을 스스로 학습
 고해상도 기후 전망 격자 자료 생산을 위한 기술적 토대를 마련함.  하여 미래의 기상 현상을 예측하는 기술  을 통한 공간 패턴 재현성 확보 및 국지적 예측 성능 개선
  -  상세화 기반 기술 구축과 국가 기후변화 표준 시나리오 적용 가능성에 대한 평가 체계를     - 폭우(Heavy Rainfall) 예측을 위한 시·공간 결합 모델 개발
 마련하여, 지역별 기후변화 영향·적응 연구 및 기후 공시를 위한 기초 자료 활용 기반을   2) UNet:   ·  멀티태스크 러닝(Multi-task Learning) 기법 도입: 강수량과 극한 강수일수 동시 학습을
                                                   4)
 구축함.         UNet: 이미지의 공간적 특징을 추출하여              통해 강수의 시간적 변동성 분석 역량 및 예측 지표의 성능 제고
              영역을 분할(Segmentation)하는 데 특
  -  지역 특화 상세화 기술의 축적을 통해 향후 기후변화 시나리오 자료의 정밀도를 높이고, 국  ·계절내 변동성 반영을 위한 입력 변수 최적화: 10~60일 주기 및 장주기 필터링 변수 활
              화된 딥러닝 구조
 가 및 지자체 수준의 기후변화 대응 정책 수립 역량 강화에 기여함.            용을 통한 계절내 변동성 분리 학습 및 예측력 향상
                                                   5)
            3) Attention UNet:                    ·  ResNet-LSTM 결합 하이브리드 모델 구축: 공간(ResNet) 및 시계열(LSTM) 특화 구조를
              이미지 내 중요한 특징을 집중적으로 학                결합하여 3~4주 선행 강수 패턴을 효과적으로 학습하는 시공간 통합 모델 구현
              습하는 메커니즘(Attention)을 결합하여,
                                                   - 해양열파(Marine Heatwaves) 탐지를 위한  SwinUNet 기반 모델 개발
                                                                               6)
              고온 발생 지역의 공간적 패턴 탐지 성능
                                                  · 광역 해양·대기 정보를 활용한 SwinUNet 모델 개발: 다양한 해양·대기 변수를 학습하
              을 높인 모델
                                                   는 SwinUNet 모델 설계 및 3주 선행 고수온 예측 수행
            4)  멀티태스크 러닝 (Multi-task              · 고수온 탐지 특화 손실 함수 및 학습 전략 최적화: 고수온 격자 가중치 부여 손실 함수 적
              Learning):
                                                   용 및 학습 비율 최적화를 통한 탐지 성능 극대화
              강수량, 강수일수 등 연관된 여러 과제를
                                                  · 이종 데이터 결합을 통한 성능 고도화: 하천 유량 정보 등 이종 데이터 결합을 통해
              동시에 학습시켜 상호 보완을 통한 예측
                                                   ECMWF를 상회하는 고수온 탐지 능력 확보
              정확도 향상 기법
            5) ResNet-LSTM:
              공간적 특징을 잘 잡는 기술(ResNet)과
              시간적  흐름을  기억하는  기술(LSTM)을
              결합, 시공간 패턴 인식에 특화된 딥러닝
              구조


                                                                                                              41
 40                                                                                                           41
 40
   36   37   38   39   40   41   42   43   44   45   46