지구온난화를 비롯한 기후변화에 따라 기상재해 등 자연재해에 의한 사회적·경제적 피해가 꾸준히 증가되고 있다. 그렇기 때문에 보다 정확한 중장기 예측기술의 개발은 피해저감 대책을 마련하거나 자연재해에 의한 피해 자체를 예방하는데 매우 큰 역할 을 한다. 이러한 연구의 중요한 사회적 기여는 기상/해양 재해에 대한 대응에 보다 능동적으로 대처할 수 있는 기술력을 확보하는 것이다.
지구온난화와 기후변화, 혹은 장기 기후변동성이 중요한 사회적 문제로 대두되면서, 짧은 시간 규모에 대해서는 수십일 예측에서 긴 시간 규모는 100년의 기후변화 예측 가지 기후예측에 대한 예측정보는 과학적 이해 뿐 아니라 사회·경제적 분야에 중요 한 기반 정보로 활용될 것이다. 기후예측의 방법은 다음과 같이 크게 세 가지로 나눌 수 있다.
첫째, 초기화과정이 포함된 역학모형을 활용하는 방법
둘째, 관측자료만을 활용하는 자료기반 통계모형을 이용하는 방법
셋째, 역학모형의 계통적 편이(bias)를 통계적으로 보정하는 MOS(Model Output Statistisc) 방법
역학모형의 중위도 기후의 예측성은 현저히 낮으며, 통계모형의 예측성은 그 예측 성이 불안정하여, 현업에서는 이 둘의 결과를 상호보완적으로 활용하여야 한다. 본 과제에서 개발된 AI 모델은 자료기반 통계 예측모형 중 하나로서 불안정한 통계모형 의 약점을 크게 보완하고, 그 예측성 자체도 크게 향상시킨 것이다. 이러한 모델의 개발은 비단 신뢰성 있고 활용도가 높은 예측기술 개발을 넘어, 보다 여름철 한반도 주변 기후변동에 대한 물리적 이해를 이끄는 핵심 기술력이 될 것이다.
한반도 뿐 아니라 중장기 기후예측기술은 지구온난화를 비롯한 기후변화와 관련하 여 그 중요성이 점점 증가되고 있으며, 여름철 극한 현상 즉, 고수온, 폭염 발생과 같 은 고영향 현상의 발생 역시 전 세계적으로 증가하는 추세에 있기 때문에, 예측 모델 자체를 활용하는 것 뿐 아니라 예측 모델 개발의 근간이 되는 이러한 기반 연구는 중요한 이슈이다.
동아시아 지역은 인구밀집 지역이기 때문에 동아시아 지역 기후 변동 연구에 대한 연구의 중요성 및 필요성은 매우 높으며, 향후에도 이와 관련된 연구는 계속 활성화 될 것이다. 이와 관련하여 최근 열대-중위도 상호작용에 대한 영향력 높은 논문들이 많이 출판되고 있다. 본 연구에서 얻은 과학적 성과는 열대-중위도 상호작용을 이해 하는 새로운 연구를 이끌 것으로 전망한다.
한반도 주변 고수온 예측을 위한 베이스 모델로서 엘니뇨 예측모형이 개발되었으 며, ResNet 등으로 개선된 모형은 선행연구(Ham et al., 2019, Nature)에서 제시된 예측성보다 유의미하게 높은 예측 성능을 보여 기존의 모든 종류의 엘니뇨 예측모형 (수치모형, 통계모형) 보다 높은 예측성능을 가지는 것으로 나타났다.
엘니뇨 베이스 모델을 이용하여 개발된 한반도 주변 고수온 예측을 위한 딥러닝 기후 예측모델은 기후모형의 낮은 예측성능을 극복하는 자료기반 모형으로 평가함으 로써 AI 기술을 이용하여 기후예측 융합연구를 활성화시키는 기틀을 만들었다.
제 5 장 연구개발결과의 활용계획
본 연구에서 수집한 해양관측자료, 인공위성자료, 재분석자료는 기후변화 관련 타 연구에도 활용 가능하다. 고수온 및 엘니뇨 예측에 사용한 머신러닝용 학습데이터는 다른 AI 모델 개발에서도 활용할 수 있다.
설명가능 인공지능(X-AI) 기술을 이용하여 한반도 주변해역 고수온 이벤트의 예단 인자를 찾고, 데이터기반 모델 개발을 통해 예측성을 진단하고 평가하며, 발굴된 고 수온 예단인자는 고수온 현상의 역학적 이해 및 모형 개발에 활용가능하다.
또한 AI+해양순환·기후변화 융합연구 활성화를 위한 AI 기술력 확보하였고, 고수온 예측모형은 고수온 재해 저감 방안 마련에 활용될 것으로 기대된다. 나아가 차세대 인공지능기술과 KIOST 해양과학분야 융합연구 활성화 기여함으로써 기후변화 등 장 기 해양변동성 분석과 연안 재해재난 예측·대응 등 해양 빅데이터 활용 극대화 및 차세대 인공지능기술 연구에 부응할 것으로 기대한다. 이는 해양과학 분야, 정부
‘I-KOREA 4.0’ AI 융합 기술개발 전략 제시 및 이를 통한 관련 정부부처, 지자체, 유관기관, 산업체 등 신규 연구과제 및 해양 지능정보산업 발굴에 기여할 것으로 기 대하고 있다.
특히 본 연구 결과는 사회․경제적으로 막대한 영향을 미치는 고수온 현상 예측을 위하여 인공지능 기술을 도입함으로써, 해양분야와 데이터기술 분야의 융합연구체계 구성을 통해 기존에 찾지 못했던 예단 인자나 현상에 대한 새로운 이해가 가능하다.
이는 사회․경제적으로 막대한 영향을 미치는 고수온 현상 예측을 통해 (수온 예측 모형) 고수온 재해 저감 방안 마련에 활용될 것이며, 국가사회적 해양과학 기술 수요 예측 및 대응 연구에 대응할 것으로 보여진다.
제 6 장 참고문헌
김진용, 서경환, 예상욱, 김현경, 임소영, 이현수, 함유근, 2017: 2016년 한반도 장마 강 수 특성 분석. 대기, 27(3), 277-290.
ADPRC, 2020, http://apdrc.soest.hawaii.edu/datadoc/soda_2.2.4.php
Barnett, T.P. and R. Preisendorfer, 1987: Origins and levels of monthly and seasonal forecast skill for United States surface air temperatures determined by canonical correlation analysis. Monthly Weather Review, 115, 1825-1850.
Berkelmans, R., and Van Oppen, M. J. H., 2006: The role of zooxanthellae in the thermal tolerance of corals: a ‘nugget of hope’ for coral reefs in an era of climate change. Proc. R. Soc. B Biol. Sci. 273, 2305–2312. doi:
10.1098/rspb.2006.3567.
C-GLORS, 2020, http://c-glors.cmcc.it/index/index.html
Ding, Qinghua, and Bin Wang, 2005: Circumglobal teneconnection in the northern Hemisphere summer. Journal of Climate, 18, 3483-3505.
Ham, Yoo-Geun, Jeong-Hwan Kim, and Jing-Jia Luo, 2019: Deep learning for multi-year ENSO forecasts. Nature 573.7775, 568-572.
Ham, Yoo-Geun, YeonJi Hwang, Young-Kwon Lim, MinHo Kwon, 2017: Inter-decadal variation of the tropical Atlantic-Korea teleconnection pattern during boreal summer season. Climate Dynamics, 51, 2609-2621.
HCEI OHC, 2020, https://www.ncei.noaa.gov/access/global-ocean-heat-content
Hobday, A., L. Alexander, S. Perkins-Kirkpatrick, and D. Smale, 2016: A hierarchical approach to defining marine heatwaves. Progress in Oceanography, 141, DOI:10.1016/j.pocean.2015.12.014.
IOC, SCOR, and IAPSO, 2010: The International Thermodynamic Equation of Seawater:
Calculation and Use of Thermodynamic Properties. Intergovernmental Oceanographic Commission, Manuals and Guides No. 56. Paris: UNESCO, 196.
Kim, Han-Kyoung, Byung-Kwon Moon, Maeng-Ki Kim, and MinHo Kwon, 2020:
Dynamic mechanisms of summer Korea heat waves simulated in a long-term unforced Community Climate System Model version3, Atmospheric Science Letters, 2020;21:e973.
Kim, Maeng-Ki, Ji-Seon Oh, Cheol-Kyu Park, Seung-Ki Min, Kyung-On Boo, Jeong-Hun Kim, 2018: Possible impact of the diabatic heating over the Indian subcontinent on heat waves in South Korea. International Journal of Climatology, 39, 1166-1180.
Kosaka, Y., and H. Nakamura, 2007: Structure and dynamics of the summertime Pacific-Japan teleconnection pattern. Quarterly Journal of the Royal meteorological Society, 132, 2009-2030.
Lee, June-Yi, Bin Wang, Matthew Wheeler, Xiouhua Fu, Duane Waliser, and In-Sik Kang, 2012: Real-time multivariate indices for the boreal summer intraseasonal oscillation over the Asian summer monsoon region. Climate Dynamics, 40, 493-509.
Lee, Seonju, Myung-Sook Park, MinHo Kwon, Young Ho Kwon, Young-Gyu Park, 2020:
Two major modes of East Asian marine heatwaves. Environmental Research, 15, 074008.
Lee, Woo-Seop, and Myong-In Lee, 2016: Interannual variability of heat waves in South Korea and their connection with large-scale atmospheric circulation patterns. International Journal of Climatology, 36, 4815-4830.
Meyssigan, Benoit et al., 2019: Measuring Global Ocean Heat Content to Estimate the Earth Energy Imbalance, Frontiers in Marine Science, 6, 432
Nam, W., S. Gur, J. Choi, L. Wolf, and S. Lee, “Relative attributing propagation:
Interpreting the comparative contributions of individual units in deep neural networks,” in AAAI. AAAI Press, 2020.
NCEI ENSO, 2020, https://www.ncdc.noaa.gov/teleconnections/enso/indicators/sst/
NOAA OLR, 2020, https://psl.noaa.gov/data/gridded/data.interp_OLR.html