본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%EA%B0%95%EC%88%98%EB%9F%89
최신순
조회순
강수 관측 오차범위 42.5% 줄인 알고리즘 개발
강수량의 정확한 파악은 지구의 물 순환을 이해하고 수자원과 재해 대응을 위해 중요하다. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 제안되어 왔으며, 최근에는 기계학습을 이용한 방법들이 많이 제안되고 있다. 우리 대학 문술미래전략대학원(건설및환경공학과 및 녹색성장지속가능대학원 겸임) 김형준 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다고 25일 밝혔다. 연구팀은 기존의 방법과 비교해 전 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다. 단순한 데이터 주도(data-driven)모델은 대량의 훈련 데이터가 필요하고 물리적인 일관성이 보장되지 않으며 결과의 원인 분석이 어렵다는 등의 문제가 있었다. 연구팀은 이번 연구에서 위성 강수량 추정에 대한 분야 지식을 명시적으로 포함함으로써 학습 모델 내의 상호 의존적인 지식 교환을 구현했다. 구체적으로, 멀티태스크 학습(multitask learning)이라는 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시에 학습시켰다. 이번 연구에서 제안한 기계학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리적 메커니즘을 포함할 수 있다. 예를 들어, 비 또는 눈, 진눈깨비 등 강수 종류의 분류 및 상승 기류 또는 층상 구름 유형 등 강수를 일으키는 구름 유형의 분류를 포함함으로써 앞으로 추정의 정확도가 더욱 향상될 것으로 기대된다. 김형준 교수의 이번 연구 결과는 국제 학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 지난 4월 16일 출판됐다. (논문명: Multi-Task Learning for Simultaneous Retrievals of Passive Microwave Precipitation Estimates and Rain/No-Rain Classification; doi:10.1029/2022GL102283) 한편 이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)와 정보통신기획평가원 인공지능대학원지원(한국과학기술원)지원을 받아 수행됐다.
2023.04.25
조회수 5042
기후 변화 예측 정확도 개선 기술 개발
우리 대학 문술미래전략대학원(건설및환경공학과 겸임) 김형준 교수가 국제 공동 연구를 통해 21세기 후반의 전 지구 강수량변화에 대한 기후모델의 예측 불확실성을 줄이는 데 처음으로 성공했다고 28일 밝혔다. 전 지구의 평균 기온이 미래에 어느 정도 상승할지에 대한 예측은 보통 복수의 기후모델에 의해 이루어지며 각 기후모델 사이에는 무시할 수 없는 편차가 존재한다. 온도 상승 예측의 불확실성을 줄이기 위한 연구는 성공적으로 수행돼왔으나 강수량 변화 예측의 불확실성을 감소시키는 연구는 아직 보고되지 않고 있다. KAIST, 일본 국립환경연구소, 일본 동경대학교로 구성된 국제 공동 연구팀은 67개의 기후모델에 의한 기온과 강수량의 시뮬레이션 결과를 과거의 관측자료와 비교함으로써 강수량변화 예측의 불확실성을 줄이는 데 세계 최초로 성공해 그 결과를 국제 학술지 `네이처 (Nature)' 2월 23일 판에 출판됐다. (논문명: Emergent constraints on future precipitation changes; doi.org/10.1038/s41586-021-04310-8) 지금까지 강수량변화 예측의 불확실성 개선이 어려웠던 가장 큰 이유로서 과거의 강수량변화에 온실가스와 대기오염물질인 에어로졸이 함께 작용했음을 들 수 있다. 과거에는 두 요인이 함께 증가했으나 그와 달리 미래에는 적극적인 대기오염 대책에 의한 에어로졸의 급격한 감소에 따라 온실가스의 증가만이 지배적으로 될 것이기 때문이다. 다시 말해 미래의 강수량 변화는 주로 온실가스 농도증가로 설명할 수 있지만, 이는 과거의 메커니즘과 다르므로 관측자료로부터 미래 예측의 불확실성 저감을 위한 정보를 얻는 것이 어려웠다고 할 수 있다. 연구팀은 세계평균 에어로졸 배출량이 거의 변하지 않는 기간(1980~2014년) 동안 모델과 관측의 트렌드를 비교함으로써 온실가스 농도증가에 대한 기후 응답의 신뢰성을 평가할 수 있다고 가정했다. 중간 정도의 온실가스 배출 시나리오(SSP-RCP 245) 에 있어서, 67개의 기후모델이 19세기 후반부터 21세기 후반에 강수량이 1.9-6.2% 증가한다고 예측했으나 각 기후모델의 온실가스에 대한 기후 응답 신뢰성을 고려함으로써 강수량증가의 예측 폭의 상한(6.2%)을 5.2-5.7%까지 감소시킬 수 있었으며 예측의 분산 또한 8-30% 줄이는 것이 가능했다. 공동 저자인 김형준 교수는 "이번 연구를 통해 기온뿐만 아니라 강수량에 대한 기후변화의 예측 정확도를 개선할 수 있게 됐다. 이로써 더욱 신뢰도 높은 기후변화 영향평가와 효율적인 기후변화 대응 및 적응 관련 정책 수립에 이바지할 수 있을 것이라 기대된다ˮ고 말했다. 한편 이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)의 지원을 받아 수행됐다.
2022.02.28
조회수 8618
<<
첫번째페이지
<
이전 페이지
1
>
다음 페이지
>>
마지막 페이지 1