보도자료

2024. 8.6.(화)부터 보도해 주시기 바랍니다.

"AI로 한국 폭염 미리 본다" 전 세계 기후 요소 분석

UNIST 연구팀, 한국 폭염 예측… AI로 기상 현상 간 복잡한 상호작용 해석
몽골 사막과 톈산산맥 적설 깊이, 한국 폭염 예측 중요한 역할

한국에서 기록적인 폭염이 잦아진 가운데, UNIST 연구팀이 인공지능(AI)을 활용해 폭염을 예측하는 기술을 개발했다. 폭염뿐만 아니라 다양한 기후변화에 대응하는 데에도 도움이 될 전망이다.

UNIST(총장 박종래) 지구환경도시건설공학과 임정호 교수팀은 해수면 온도, 토양 수분, 적설 깊이, 해빙 농도 등 전 세계 기후 요소들을 분석해 폭염 예측 AI 모델을 개발했다. 특히 몽골 사막과 중국 톈산산맥의 적설 깊이가 한국의 폭염일수 예측에 중요한 요소임을 확인했다.

지면과 해수면의 변동성이 대기와 상호작용해 멀리 떨어진 지역의 기상에 영향을 미치는 현상을 원격상관(Teleconnection)이라고 하는데, 이를 통해 폭염에 영향을 주는 특정 지역을 찾아내 예측 모델에 적용했다.

연구팀은 겨울철 톈산산맥의 적설 깊이 증가와 봄철 고비사막의 적설 깊이 감소가 여름철 폭염을 예측하는 중요한 변수임을 입증했다. 몽골 사막과 톈산산맥 적설 깊이 변동성이 클 때 한국의 여름 기온이 상승하는 경향을 확인한 것이다.

2023년 폭염 예측에서 톈산산맥 적설 깊이가 주요한 역할을 했다는 점이 주목된다. 2024년에는 토양 수분과 해수면 온도 등 다양한 기후 요소의 영향력이 더 복잡해지고 있다.

이연수 연구원은 “몽골 사막과 톈산산맥의 적설 깊이와 한국 폭염 사이의 연결 고리를 밝혀냈다”라며, “이는 기존 대규모 원격상관 패턴과 유사한 구조로, 폭염 예측에 중요한 역할을 할 것으로 기대된다”고 설명했다.

임정호 교수는 “기존 기상 예보 모델에서 반영하지 못한 원격상관 인자들과 폭염 사이의 관계를 모니터링해 예측 정확성을 높일 수 있다”라며, “이번 연구가 한국의 폭염 이해와 대응에 큰 도움이 될 것”이라고 강조했다.

연구는 기상청, 한국연구재단, 해양수산부의 지원을 받아 진행됐으며, 연구 결과는 국제 학술지 npj Climate and Atmosphere Science에 8월 3일 게재됐다.

(논문명: Unveiling Teleconnection Drivers for Heatwave Prediction in South Korea Using Explainable Artificial Intelligence)

자료문의

대외협력팀: 서진혁 팀장, 권익만 담당 (052)217-1222

지구환경도시건설공학과: 임정호 교수 (052)217-2824

[붙임] 연구결과 개요, 그림설명

[붙임. 연구결과 개요]

1. 연구배경

전 세계적으로 기록적인 폭염이 점점 더 빈번해지고 있으며, 이는 인류의 사망률과 경제 안정성에 심각한 부정적 영향을 미치고 있다. 한국은 이러한 온난화가 세계 평균보다 빠르게 진행되는 지역 중 하나로, 폭염에 대해 빠르고 정확한 예측 기술이 필요하다. 원격상관(Teleconnection)은 먼 지역의 지면과 해수면 변동성이 다른 지역의 기후에 영향을 미치는 현상으로, 장기 기후 예측의 정확성을 높이는 데 중요한 역할을 한다. 하지만, 물리 방정식 기반 기후 예측 모델은 이러한 장기간에 걸친 대기와 지표면의 상호작용을 정확하게 수식화하지 못하기 때문에 이를 반영하는 데 한계가 있다.

2. 연구내용

본 연구는 해수면 온도, 해빙 농도, 토양 수분, 적설 깊이 등 전 지구 지면 및 해수면 요소들에서 한국 폭염일수와 상관성이 높은 지역 내 겨울철과 봄철 변동성을 선별하고, 이를 기계학습 모델의 입력변수로 사용하여 한국 폭염일수를 예측하였다. 해당 변동성을 이용해 개발한 기계학습 모델은 물리 방정식 기반의 기후 예측 모델과 간단한 통계기법 모델보다 정확한 예측 성능을 보였다. 연구의 주요 내용은 다음과 같다. 첫 번째로, 폭염일수와 상관성이 높은 지역을 선별하기 위해 밀도 기반 클러스터링(Density-Based Spatial Clustering of Applications with Noise; DBSCAN) 기법을 사용하였다. 기존 연구에서는 사각형 형식의 영역 설정을 사용하였으나, 이는 중요한 변동성뿐만 아니라 노이즈도 함께 포함하여 시그널이 약해질 수 있다. DBSCAN 기법은 상관성이 높은 픽셀이 밀집해 있는 지역을 자동으로 클러스터화하여, 지리적으로 가깝고 유사한 상관성을 갖는 지역을 선별할 수 있다(그림 1). 두 번째로, 설명 가능한 인공지능(eXplainable Artificial Intelligent; XAI) 기법을 사용하여 개발된 기계학습 모델 내에서 각 입력자료가 예측값 산출에 미치는 영향을 확인하였다. 유명한 XAI 기법인 SHAP(SHapley Additive exPlanations) 값을 이용해, 양의 값을 가지면 입력변수가 예측 결과를 증가시키고 음의 값을 가지면 예측 결과를 감소시키는 기여를 판단할 수 있었다. 연구 결과, 몽골 사막과 중국 톈산산맥의 적설 깊이의 SHAP 절댓값이 다른 입력변수들보다 컸음을 확인하였다(그림 2). 세 번째로, 모델 내에서 기여도가 가장 컸던 두 적설 깊이 변수가 실제로 여름철 기후에도 영향을 끼침을 확인하였다. 그림 3은 각각 몽골 사막에서 낮은 적설 깊이를 가졌을 때와 톈산산맥에서 많은 적설 깊이를 가졌을 때의 여름철 기온과 상층 대기(200hPa)의 지위 고도를 강조한 그림으로, 공통으로 한국에서 높은 기온과 고기압이 형성됨을 확인할 수 있다. 또한, 그림 4는 기존에 알려진 한국 폭염과 관련된 대규모 대기대순환 패턴과 두 적설 깊이의 변동성에 의해 유발된 대기 패턴을 비교한 그림으로, 높은 공간적 유사성을 가지고 있음을 확인할 수 있다.

3. 기대효과

전 지구 지면 및 해수면 변동성 중 한국 폭염일수 예측에 유의미한 지역들을 선별하여 제공하였으며, 그중 몽골 사막과 톈산산맥의 적설 깊이와 한국 폭염 사이의 연결 고리를 제시하였음. 또한, 유의미한 변동성을 이용하여 기계학습 기반 폭염일수 예측을 개발하였고, 물리 방정식 기반 모델보다 정확한 예측 성능을 보여 인공지능의 폭염 장기 예측 가능성을 제시하였다.

○ 원격상관에 대한 이해 증진과 관련 연구의 기반 강화
○ AI의 산불 모니터링 적용 가능성 제시 및 폭염 예측 정확성 향상

[그림설명]

그림1. 한국 폭염일수 예측을 위해 선별된 지면 및 해수면 변수의 지리적 위치

겨울(DJF)과 봄(MAM)의 적설 깊이(SD), 토양 수분(SM), 해수면 온도(SST), 해빙 농도(SIC)가 사용됨.

그림2. 입력변수의 SHAP 값의 시계열

1960년부터 2022년까지 입력변수의 SHAP 값으로 빨간색은 양의 SHAP 값(예측 결과 증가에 기여), 파란색은 음의 SHAP 값(예측 결과 감소에 기여)을 의미함. SHAP 절댓값이 클수록 예측 결과에 대한 기여가 크다고 볼 수 있으며, y축은 각 입력변수를 SHAP 절댓값 평균이 큰 순서로 나열하였음.