UNIST 임정호 교수팀, 천리안 위성 자료와 AI 결합해 태풍 정확히 예측

기후변화로 태풍 예측이 어려워지는 가운데, 실시간 위성 자료와 딥러닝 기술을 합쳐 더욱 정밀하게 태풍을 예측할 수 있는 기술이 개발됐다.

​

UNIST(총장 이용훈) 지구환경도시건설공학과 임정호 연구팀은 태풍 정보를 정확하게 분석하는 딥러닝 기반 예측 모델을 개발했다. 정지궤도 기상위성 자료와 수치모델 자료를 결합해 태풍 강도를 실시간으로 예측하는 방식이다.

​

연구팀이 개발한 Hybrid-Convolutional Neural Networks(Hybrid-CNN) 모델은 24시간, 48시간, 72시간 동안 태풍 강도를 객관적이고 정확하게 예측한다. 기존 예측보다 약 50% 향상된 성과를 보였다. 급격한 태풍 강화 상황에서도 우수한 예측 성능을 입증했다.

​

일반적인 태풍 관측 방식은 주로 정지궤도 위성자료만 사용해 예보관이 이를 분석했다. 분석에 오랜 시간이 걸리고, 수치모델의 불확실성에 의존하는 단점이 있었다. 그러나 Hybrid-CNN 모델은 분석 속도를 크게 높인 덕분에 수치모델의 불확실성을 줄여 더 정확한 태풍 예보가 가능하다.

​

연구팀은 천리안 1호와 천리안 2A호 위성자료를 이용해 전이학습 기반의 태풍 강도를 추정했다.

​

AI를 통해 태풍 강도 자동 추정 과정을 시각화하고 정량적으로 분석해 태풍 예보의 정확성을 높였다. 기존의 기상 데이터를 학습한 AI가 새로운 태풍 데이터를 신속하고 정확하게 분석한 것이다.

​

태풍 강도 변화에 영향을 미치는 환경 요인을 객관적으로 추출하여 현업 예보 시스템에도 적용할 수 있다. 예보관들에게 신속하고 정확한 태풍 정보를 제공해 재난 대비와 피해 예방에 큰 도움이 될 것으로 기대된다.

​

임정호 교수는 "딥러닝 기반 태풍 예측 프레임워크는 예보관들에게 더욱 정확한 예측 정보를 제공함으로써 신속하고 효과적인 대책을 마련할 수 있게 해줄 것"이라고 설명했다.

​

이번 연구는 해양수산부, 과학기술정보통신부, 정보통신기획평가원 등의 지원을 받아 진행됐으며, 결과는 2024년 3월 GIscience & Remote Sensing과 5월 CellPress의 아이사이언스 (iScience) 저널에 게재됐다.

​

(논문명: Bridging satellite missions: deep transfer learning for enhanced tropical cyclone intensity estimation (GIscience & Remote Sensing), Enhancing tropical cyclone intensity forecasting with explainable deep learning integrating satellite observations and numerical model outputs (iScience))