인공지능으로 기후변화 탐지(모식도)

10일 내 단기 강수 패턴 변화 밝혀
2015년부터 기후온난화 영향 뚜렷

-전남대학교 함유근 교수·김정환 박사, 포항공대 민승기 교수 주도
-미국과 독일 연구자들 공동 참여

전남대 연구팀

[프레스존=배진희 기자] 전 지구에서 여름철이면 발생하는 극한의 호우와 폭염은 10일 이내의 단기 강수 패턴이 기후온난화의 영향으로 뚜렷하게 변하며 나타난 이상기후 현상으로 규명됐다.

이는 지구 온난화의 강도와 전 지구 일(daily) 강수 패턴 간의 관련성을 정량화하는 딥 러닝(deep learning) 모형을 개발하고, 이를 1980년부터 2020년까지의 위성 강수 관측 자료에 적용한 결과다.

전남대학교 함유근 교수, 김정환 박사, 포항공대 민승기 교수가 주도하고 미국과 독일 연구자들이 공동 참여한 국제연구팀은 이러한 결과물을 내놓았다.

이 연구는 딥 러닝 기법을 이용해 기후온난화가 전 지구 일일 강수 특성을 이미 유의하게 변화시켰음을 처음으로 규명한 것으로 알려졌다.

연구 논문은 세계적인 학술전문지 ‘네이처’ 8월 31일자 온라인 판에 발표된 데 이어, 한 달 후에는 인쇄판에도 게재될 예정이다.

연구팀은 지난 2015년부터 전체 일수 가운데 50% 이상에서 일 강수 패턴이 자연 변동성을 벗어나 지구 온난화라는 인위적인 영향으로 뚜렷하게 변했음을 밝혀냈다.

또한, 지역적으로는 미국 동부, 우리나라를 포함한 동아시아 및 아마존 열대 우림 지역과 아열대 동태평양 지역이 가장 큰 변화를 겪고 있는 것으로 분석했다.

인공지능으로 강수기후 변화 탐지(그래프)

기존 연구는 월 또는 연간 평균 강수량의 장기 추세에 근거해 분석했던 것에 반해, 이번 연구는 극한 호우의 빈도가 잦아짐과 동시에, 비가 오지 않는 날도 늘어나는 현상이 기후온난화의 가장 뚜렷한 징후라고 분석한 점이 차이가 난다.

이번에 개발한 딥 러닝 모형은 비선형 활성함수를 활용하기 때문에 기존 연구의 한계를 극복하고, 일일 강수 변동성 강화와 같은 비선형적인 반응을 판별할 수 있다는 것.

특히, 합성곱 기반 딥러닝 기법은 기후온난화에 의한 지역적인 변화 패턴을 보다 효율적으로 탐지할 수 있는 장점이 있다고 연구팀은 밝혔다.

함유근 교수는 “극한 호우는 그 자체로 재앙적인 현상이며, 비가 오지 않는 날의 증가는 여름철 폭염의 빈도를 증가시킨다”며, “이 같은 연구 성과는 국가의 기후변화 대응 및 탄소 중립을 위해서도 활용될 수 있다”고 밝혔다.

함 교수는 특히 "탄소 중립 실현을 위해 탄소 배출량과 흡수량을 정량적으로 진단, 예측하기 위한 과학적 기법이 절실한 상황이지만, 기술적 한계는 매우 큰 상황”이라며, “국가연구개발 사업 차원에서 전폭적인 지원으로 탄소 중립 지원을 위한 혁신적인 기후 테크 개발을 서둘러야 한다"고 역설했다.

이 연구는 환경부와 한국연구재단이 탄소중립 지원을 위해 시행한 ‘관측기반 온실가스 공간정보지도 구축 기술개발사업’의 일환으로 진행됐다.

* 문의: (062) 530-3461~3460 (전남대학교 지구환경과학부)
* 논문 원제: Anthropogenic fingerprints in daily precipitation revealed by deep learning
* 별첨: 함유근 교수, 김정환 박사, 민승기 교수 사진, 논문 주요 결과 및 연구 결과 모식도

* 논문 내 그래픽 설명:

가. 관측 전 지구평균 온도 증가 경향 (검정), 딥 러닝 모형을 통해 추정된 일평균 강수 전 지구패턴 자료 기반 전 지구평균 온도 증가 경향 (다른 색). 강수 자료로 추정된 전 지구온도 증가 정도는 관측 결과와 매우 일치하는 모습을 보이며, 2015년 이후 강수 자료를 통해 추정된 지구 온난화 강도는 자연 변동성 상한을 돌파함. 이는 일평균 강수 패턴이 지구 온난화로 인해 유의미한 영향을 받음을 의미.

나. [2016년-2020년] 대비 [2001년-2005년] 10일 이내 단주기 강수 변동성 변화 패턴. 강수 변동성이 강할수록 일평균 강수량이 극단화함을 의미.