연구보고서
- 저자
- 기후분석과 김가은, 김옥연, 윤순조, 이성규, 이진영, 이현주, 정유림
- 작성일
- 2021.12.29
- 조회
- 598
- 요약
- 목차
평문 초록
우리나라를 포함한 동아시아 지역의 기후변동성 및 기후변화·기후예측에 대한 많은 연구결과들이 제시되고 있지만, 실제 우리나라 월별 기후예측에 적용하기에는 각 연구에 대한 적절한 가공과 해석이 필요합니다. 2019년부터 2021년까지 5단계 사업을 통해 현업장기예보 정확도 향상을 위한 APCC-기상청 협력시스템을 구축하고 이를 바탕으로 장기예보에 실질적으로 기여할 수 있는 아래의 연구성과를 도출하였습니다.
우리나라 장기예보 개선을 위해 이상기후 3개월 장기예보 콘텐츠를 개발하고 이를 효과적 으로 나타낼 수 있는 표현방식을 제시하고자 가우시안 프로세스의 기계학습을 통해 이상기후지수의 확률예측정보를 전국 뿐 아니라 북한을 제외한 10개 지역에 대해 생산하였습니다. 또한 여러 모델에서 나오는 방대한 예측결과를 베이지안 모델 평균이나 다중모델 슈퍼앙상블 기법을 이용하여 객관적으로 결합하여 비교적 안정적인 전망정보를 생산하는 방안을 제시하였습니다. 한편, 최근 몇 년에 걸쳐 국내외적으로 인공지능에 대한 관심이 높아지면서 전통적인 컴퓨터 비전분야 뿐만 아니라 농업, 기상, 기후 분야 등 여러 분야에서 딥러닝과 같은 인공지능을 활용한 연구가 활발하게 진행되고 있습니다. 이에 이 연구에서는 동아시아지역 계절내 1개월 예측성을 높이기 위해 ERA-5 T2M 일단위 재분석자료를 활용하여 딥러닝 학습 모델을 설계하고 평가하였습니다. 딥러닝 학습 모델을 기존 수치예보모델의 예보자료와 함께 활용하면 계절내 예측분야에서 예보 2~2주의 예측성을 높이고 현업에서도 활용이 가능할 것으로 판단됩니다.
과거 다수의 연구과제로부터 개발된 통계 예측모델들의 개발시점 대비 현재의 예측성능과 통계모델에서 사용된 예측인자들의 상관관계 변화를 살펴봄으로써 오래된 통계모델들의 활용가능성을 제시하였습니다. 또한 현재 기상청 장기예보를 위해 사용하고 있는 역학 예측모델의 경우, 여타의 모델과 마찬가지로 계통적 오차를 가지고 있으며, 실제 예보를 위해서는 이러한 계통적 오차에 대한 분석과 보정이 필요합니다. 따라서 장기예보 개선을 위해 현업모델이 가지는 오차를 보정하는 방법을 제안하였으며, 이로부터 예측성이 향상됨을 확인하였습니다. 뿐만 아니라, 가장 최신의 여름철 계절내 진동 감시 및 예측 정보를 생산하고, BSISO 대류활동 위치에 따른 우리나라 여름철 기온/강수 변동 특성 정보를 함께 제시함으로써 1개월 여름철 전망 예측성 향상에 기여하고자 하였습니다.
APCC는 2011년부터 각 GPC (Global Producing Centre)에서 생산하는 장기예보 자료를 수집하여 일관된 형태의 GPC 예측자료와 다중모델앙상블 예측자료를 생산·제공하는 ‘one-stop shop’의 역할을 수행하는 WMO 장기예보 선도센터를 운영하고 있습니다. 또한, WMO 장기예보 선도센터 운영의 효율적, 안정적 운영과 회원국의 요구에 부합하는 고품질 기후예측 서비스를 제공하기 위해 시스템 개선 등의 노력을 이어가고 있습니다. 그 결과 WMO 장기예보 선도센터 기후예측 자료의 활용성 증가와 국제 사회에서의 WMO 장기예보 선도센터의 역할과 입지 강화에 기여할 것으로 보입니다. 또한, 앞서 설명한 연구 결과물을 바탕으로 최종 생산한 APCC의 1개월 예측결과는 기후 예측모델 대비 상대적으로 우수한 결과를 보였으며, 예보토의 시 기상청 최종 예측에 반영되어 장기예보 정확도 향상에 이바지하였습니다.