극한 폭염 예측의 혁신: AI 기상 예측 모델의 가능성과 한계

AI 기반 기상 예측 모델이 폭염 예측에 있어 기존 모델보다 우수한 성능을 보일 수 있음을 시사하는 연구 결과. Google GraphCast 모델이 특히 높은 정확도를 보였으나, AI 모델들도 저온 편향 등의 한계를 보여 지속적인 연구개발이 필요함.

미국에서 가장 치명적인 기상 재해인 극심한 폭염. 그 강도와 빈도, 지속 시간이 증가하면서 정확한 예측이 생명과 재산 보호에 필수적입니다. 기존의 수치예보 모델(NWP)은 중장기 및 계절-계절 내(S2S) 시간 규모에서 극심한 폭염 예측에 어려움을 겪고 있는 가운데, 인공지능 기반 기상 예측(AIWP) 모델이 빠르게 발전하고 있습니다. 하지만 AIWP 모델이 극한 기상 현상, 특히 중장기 및 S2S 시간 규모에서 얼마나 정확하게 예측하는지는 아직까지 알려지지 않았습니다.

Kelsey Ennis 등 연구진은 20일까지의 예측 기간을 두고, Google GraphCast와 Pangu-Weather 두 AIWP 모델과 NOAA UFS GEFS라는 기존 NWP 모델을 사용하여 4개 CONUS 지역에서 60개의 폭염 사례에 대한 2m 기온 예측을 조사했습니다.

흥미로운 결과가 도출되었습니다. 연구진은 사례 연구 분석을 통해 두 AIWP 모델과 UFS GEFS 모두 폭염 발생 5~10일 전 지역적 규모에서 일관된 저온 편향을 보인다는 사실을 발견했습니다. 특히 GraphCast 모델이 가장 우수한 성능을 보이며, 대부분의 지역에서 UFS GEFS와 Pangu-Weather를 능가했습니다. 모델의 테스트 기간(2018-2023)과 학습 기간(1979-2017)으로 나누어 모든 폭염과 계절에 걸쳐 분석한 결과, 두 AIWP 모델 모두 모든 계절에서 폭염 발생 전후로 저온 편향을 보였습니다. 단, Pangu-Weather 모델은 겨울철 폭염 발생 전 평균 고온 편향을 보였습니다.

전반적으로 이번 연구 결과는 AIWP 모델이 중장기 및 S2S 규모의 극심한 폭염 예측에 유용할 수 있다는 긍정적인 전망을 제시합니다. 하지만 AIWP 모델도 저온 편향과 같은 한계점을 보이는 만큼, 향후 연구에서는 이러한 편향을 개선하고 예측 정확도를 더욱 높이기 위한 노력이 필요합니다. AIWP 모델의 지속적인 발전을 통해 더욱 안전하고 효과적인 폭염 대비 체계를 구축할 수 있기를 기대합니다. 📈🔥