연구보고서
- 저자
- 예측기술과 손수진, 김광형, 김원무, 박경원, 박지훈, 정유란
- 작성일
- 2021.02.02
- 조회
- 692
- 요약
- 목차
평문 초록
유사한 기후 특성을 기반으로 하는 지역 규모의 기후 전망에서는 그 지역을 위해서 개발된 선도 기후예측 기술이 그 근간이 됩니다. 따라서 이 연구에서는 계절 및 계절 내 시간규모를 예측 목표로 하고 동아시아 및 한반도 지역을 중점 연구 지역으로 하여, 센터에서 수집 가능한 여러 역학 기후 모델을 바탕으로 모델간 앙상블을 활용하는 기후 예측 기술을 개발 하였습니다.
계절 기후예측을 위해서 모델간 앙상블을 구축하는 방안으로 크게 다음의 세 가지 방안이 고려되었습니다. 첫째, 역학 모델의 예측 결과를 후보정 하지 않고, 역학 모델의 예측 성능을 바탕으로 우수 모델을 선별하여 모델간 앙상블을 수행하는 방법입니다. 단, 모델 선정의 기준은 예측하고자 하는 기후변수가 아니라 기후인자와 그 영향에 대한 모델의 재현 능력을 바탕으로 합니다. 먼저 엘니뇨-남방진동의 복잡성을 기준으로 선별된 모델간 앙상블이 가용한 모델 구성 자체가 다르거나 과거재현기간이 다를 경우에도 불구하고 가용한 모델 전체를 사용한 모델간 앙상블에 비해 예측성능이 향상 되었습니다. 또한 엘니뇨-남방진동과 더불어 서태평양 강수 변동을 기후인자로 고려하여 선별한 모델간 앙상블이 가용한 모델 전체를 사용한 모델간 앙상블에 비해 예측성능이 높고 불확실성이 낮은 예측 결과를 도출하였습니다. 둘째, 과거 동아시아 지역의 관측 자료를 이용하여 기후 모델이 예측하는 동아시아 지역의 기후 상황을 보정함으로써 실질적인 예측 성능을 올릴 수 있습니다. 이 연구에서는 과거 관측 자료와 기후 모델의 예측 사이의 관계를 학습하고, 이를 이용하여 기후 모델의 예측 자료를 보정하여 보다 예측성 높은 기후 전망을 제시하고자 하였습니다. 특히, 이 과정에서 보정이 안정적으로 이루어 질 수 있도록 정규화 기법을 적용하였습니다. 동아시아 강수 예측에 경험적 직교함수로부터 추출한 주요 모드에 정규화 기법을 적용할 경우 일반적으로 예측 성능이 개선되었습니다. 또한, 이러한 후처리를 동아시아의 기온 예측에 적용한 결과 가을철 해양 지역에서의 예측 성능 향상이 큰 것으로 나타났으나, 고위도 대륙 지역에서의 예측 성능 향상은 미미한 것으로 보입니다. 셋째, 개별 모델 대신에 모델간 앙상블 예측 결과를 후보정하는 방안으로 지점 대 지점 간의 후보정은 예측 성능 개선에 기여하지 않았습니다.
한반도 지역 기후의 계절내 예측 성능 향상 및 오차 저감을 위해서, 가용한 모델로부터 최적의 모델간앙상블을 구축하고 이를 다시 딥러닝 기법으로 후보정하는 방안이 개발되었습니다. 먼저, 지점 대 지점 간의 기후 관계를 시간의 변동에 대해서 학습하는 장단기 기억 기술을 적용한 결과, 목표 선행 주인 3주와 4주에서 최고기온, 최저기온, 강수량의 예측성능이 향상되었습니다. 또한, 지점 대 지역 간 기후 관계를 학습하는 ConvLSTM 기술의 효과를 개별 모델에
시험 적용한 결과 그 예측 오차가 크게 줄어들었습니다.
향후에는 이러한 연구 결과를 바탕으로 다중모델 기반의 지역특화 계절예측시스템을 구축하고 계절내예측 기반기술을 고도화하고자 합니다. 이를 통해 개발된 동아시아 특화형 선도 예측 기술은 동아시아의 계절 및 계절내 기후예측 및 예측성 향상에 기여할 것으로 기대합니다.