광주과학기술원(GIST)은 환경·에너지공학과 윤진호 교수가 이끄는 국제 공동연구팀이 인공지능 기술을 활용해 미국 서부 지역의 기상 상태를 최대 32일 뒤까지 기존보다 더 세밀하고 정확하게 예측할 수 있는 새로운 기상예보 방법을 개발했다고 밝혔다.
이번 연구는 복잡한 산악·해안·내륙 지형이 혼재해 예측 난도가 높은 미국 서부 지역에서 성능을 검증했다는 점에서, 기후위기 시대 고해상도 지역 예보 기술의 새로운 가능성을 제시한다.
기존 기상청과 유럽중기예보센터 등에서 활용하는 수치예보 모델은 약 120km 간격의 비교적 넓은 예보 구역 단위로 정보를 제공해 지역 특성을 충분히 반영하기 어렵다는 한계가 있었다. 특히 미국 서부는 고도 차이가 크고 해양과 내륙 간 기단 교환이 활발해 실제 날씨가 지형에 따라 크게 달라지는 지역으로, 예측 정확도를 높이기 어려운 곳으로 알려져 있다.
이를 해결하기 위해 연구팀은 날씨가 시간에 따라 어떻게 이어지고 변화하는지를 함께 학습하도록 설계한 ‘3차원 U-Net 기반 AI 예보 후처리 모델’을 개발했다. 이 모델은 예보 선행시간 전체를 하나의 연속된 흐름으로 분석해, 비교적 정확도가 높은 초단기·중기 예보 정보를 활용해 연장중기 예보까지 정확도를 자연스럽게 확장하도록 설계됐다. 기존 수치예보 결과를 단순 보정하는 수준을 넘어, 시간·공간·지형 특성을 동시에 반영해 보다 현실적인 예보 결과를 도출하는 방식이다.
연구팀이 개발한 AI 모델은 유럽중기예보센터의 예보 자료를 기반으로 약 23km 수준의 고해상도 정보를 생성하도록 학습됐으며, 수치예보에서 반복적으로 나타나는 구조적 오차를 함께 보정하는 기능도 갖췄다. 이를 통해 예보 구역을 기존 120km 단위에서 23km 수준으로 세분화해, 산악·해안·내륙 등 지형에 따른 기상 변화를 더 정밀하게 반영할 수 있게 했다.
성능 평가 결과, 새 모델은 실제 기상 변화와의 일치도가 뚜렷하게 향상됐다. 온도 예측의 패턴 상관계수는 기존보다 0.12, 강수 예측은 0.18 상승했으며, 예측 오차는 온도 기준 약 31%, 강수 기준 약 22% 감소했다. 특히 산악 지역의 미세한 온도 변화나 해안 강수 집중 구역, 내륙 농경지의 국지적 변화 등 기존 수치예보 모델이 포착하기 어려웠던 패턴까지 정밀하게 재현한 것으로 나타났다.
연구팀은 2023년 미국 캘리포니아에서 발생한 기록적인 폭우 사례도 추가 분석했다. 그 결과 새 모델은 강수 위치와 분포는 더 정확하게 예측했지만, 실제 강수량의 절대값은 다소 적게 예측하는 경향을 보였다. 이는 해외에서 개발된 최신 AI 기반 기상예측 모델에서도 공통적으로 보고되는 한계로, 강수 규모 예측은 여전히 해결 과제로 남아 있음을 보여준다.
이번 연구의 또 다른 특징은 복잡한 다수의 입력 정보를 사용하지 않고, 앙상블 평균과 핵심 변수만으로도 높은 예측 성능을 구현했다는 점이다. 이로 인해 모델의 메모리 사용량과 계산 시간이 크게 줄어, 고가 장비가 아닌 일반적인 GPU 환경에서도 안정적으로 운영할 수 있다. 추가 학습을 통해 전 세계 다양한 지역으로 확장 적용이 가능해 산업적·학술적 활용 가능성도 높다는 평가다.
윤진호 교수는 “기후변화로 예측 중요성이 커지는 상황에서, 기존 수치예보 결과를 AI로 한 번 더 보정하는 후처리 기술은 예보 정확도를 높이는 유력한 해법이 될 수 있다”며 “특히 지형과 지역성이 복잡한 사례에서 AI는 고해상도 지역 예보 구현에 결정적인 역할을 할 수 있다”고 말했다. 이어 “예측 정확도는 높이고 계산 부담은 줄여 운영 효율성까지 개선한 기술로, 산불·홍수·가뭄 등 기후 재난 대응에도 활용 가능성이 크다”고 밝혔다.
이번 연구는 GIST 환경·에너지공학과 윤진호 교수가 미국 유타주립대학교 류지훈 박사후연구원과 함께 주도했으며, GIST 김희수 석사과정생과 태국 까셋삿대학교 사이먼 왕 교수가 참여했다. 연구 결과는 국제 학술지 Geoscientific Model Development에 2026년 1월 5일 온라인으로 게재됐다. 연구는 한국연구재단 ‘AI기반미래기후기술 개발 원천연구사업’과 기상청 ‘가뭄특이기상센터’의 지원을 받아 수행됐다.
헬로티 이창현 기자 |
