【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[IT뉴스]"5배 촘촘하게 분석" 시공간·지형 반영한 '3차원 기상예보'

온카뱅크관리자

2026-01-07 11:28:05

<div id="layerTranslateNotice" style="display:none;"></div> 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="BCaNBPpXL4">
 <figure class="figure_frm origin_fig" contents-hash="4412ebf546ee3744ceeb4a395f25fb35b21d5222e295d61c47a1989f8257948c" dmcf-pid="bhNjbQUZef" dmcf-ptype="figure">
 <img alt="왼쪽부터 윤진호 광주과학기술원(GIST) 교수, 류지훈 미국 유타주립대 박사후연구원, 김희수 GIST 석사과정생. GIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/07/dongascience/20260107112206218rems.jpg" data-org-width="680" dmcf-mid="qulSdAPKM8" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/07/dongascience/20260107112206218rems.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 왼쪽부터 윤진호 광주과학기술원(GIST) 교수, 류지훈 미국 유타주립대 박사후연구원, 김희수 GIST 석사과정생. GIST 제공
 </figcaption>
 </figure>
 복잡한 지역 특성을 반영해 장기예보 정확도가 향상된 인공지능(AI) 기상 모델이 나왔다. 산악·해안·내륙 지형이 얽혀 예측 난도가 높은 미국 서부 기상을 기존보다 정확히 예측하는 데 성공하며 성능을 입증했다. 
 광주과학기술원(GIST)은 윤진호 환경·에너지공학과 교수팀이 미국 서부 기상을 기존 수치예보보다 정확하게 최대 32일 뒤까지 예측할 수 있는 AI 모델을 개발했다고 7일 밝혔다. 연구결과는 5일(현지시간) 국제학술지 '지오사이언티픽 모델 디벨롭먼트'에 공개됐다.
 기후변화가 격화되면서 산불·홍수·가뭄 등 기후 재난 대응에 필요한 고해상도 예보 기술 수요가 높아지고 있다.
 연구팀은 기상청과 유럽중기예보센터(ECMWF) 등에서 활용하는 기존 수치예보(NWP) 모델이 약 120km 간격으로 구획된 예보 구역 단위로 정보를 제공해 지역 특성을 충분히 반영하지 못하는 문제를 해결하는 데 주력했다. 수치예보는 대기의 물리·역학적 움직임을 수학 방정식으로 표현하고 계산해 미래 기상 상황을 예측하는 시스템을 말한다.
 미국 서부는 고도 차이가 크고 바다에서 오는 공기와 내륙에서 오는 공기가 번갈아 영향을 주는 지역으로 지형에 따라 날씨가 크게 달라져 예측이 까다롭다.
 연구팀은 시간에 따른 기상 변화 패턴을 통합 학습하는 '3차원 유넷(3D U-Net) 기반 AI 예보 후처리 모델'을 개발했다. U-net은 영상의 세부 공간 정보를 보존하면서 특징을 추출하는 도구다.
 개발된 모델은 예측 시작일부터 목표 날짜까지의 시간 구간을 하나의 연속된 흐름으로 분석한다. 정확도가 높은 초단기·중기(1~10일) 예보를 토대로 연장중기(10~32일) 예보까지 자연스럽게 확장해 정확도를 높인다. 수치예보에 반복적으로 나타나는 구조적 오차를 보정하는 기능도 갖췄다.
 연구팀은 "기존 수치예보가 제공하는 정보를 단순히 보정하는 수준을 넘어 시간·공간·지형 특성을 동시에 반영해 더 현실적인 결과를 내도록 만든 것"이라고 설명했다. 약 120km 간격이던 예보 구역을 23km 수준으로 세분화해 기상 변화를 정밀하게 반영할 수 있다.
 테스트 결과 개발된 모델은 온도와 강수 예측 패턴 정확도가 상승했고 예측 오차도 온도에서 약 31%, 강수에서 약 22% 줄었다. 
 산악 지형의 미세한 온도 변화, 해안가의 강수 집중 구역, 내륙 농경지의 국지적 기상 변화 등 기존 예보 모델이 포착하기 어려웠던 패턴까지 정밀하게 재현하는 데도 성공했다. 추가 학습만 더하면 전 세계 어느 지역에도 적용할 수 있을 만큼 확장성도 높다.
 윤 교수는 "기존 모델 결과를 AI로 한 번 더 보정해 정확도를 높이는 후처리 기술이 수치예보의 한계를 보완하는 유력한 해법이 될 것"이라며 "지형과 지역성이 복잡한 미국 서부 지역 사례에서 보듯 AI가 고해상도 지역 예보 구현에 결정적인 역할을 할 수 있다"고 밝혔다.
 이어 "예측 정확도는 높이고 계산 부담은 줄여 운영 효율성까지 끌어올린 기술"이라며 "산불·홍수·가뭄 등 기후 재난 대응에도 큰 도움이 될 것"이라고 말했다.
 &lt;참고 자료&gt; - doi.org/10.5194/gmd-19-27-2026
 [이병구 기자 2bottle9@donga.com]
 </section> 
 </div> 
 Copyright © 동아사이언스. 무단전재 및 재배포 금지.

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기