MIT 연구원 유다 코헨, AI를 활용한 아북극 기상 예측 혁신

섹션별 상세

아북극 기상 예측(Subseasonal Forecasting)은 2주에서 6주 사이의 기간을 다루며, 기상학계에서 가장 어려운 도전 과제 중 하나로 꼽힌다. 기존 모델은 단기 예보에는 강하지만 이 기간의 정확도는 낮았다.

유다 코헨 박사의 접근법은 엘니뇨(ENSO)와 같은 전통적인 열대 기후 지표가 약할 때 북극의 지표(시베리아 눈 덮임, 북극해 빙하 범위, 극소용돌이 안정성 등)가 겨울 날씨에 미치는 영향에 주목한다.

2025 AI WeatherQuest 대회에서 1위를 차지한 이 모델은 머신러닝의 패턴 인식 능력과 코헨 박사가 정립한 북극 진단 지표를 결합하여 기존의 통계적 베이스라인과 AI 모델들을 능가하는 성능을 보였다.

이 AI 모델은 12월 중순 미국 동부 해안의 한파 급증 신호를 일반적인 예측 시점보다 수주 앞서 감지해냈으며, 이는 기상 재해 대비를 위한 골든타임을 확보하는 데 결정적인 역할을 할 수 있음을 시사한다.

북극 온난화가 가속화됨에 따라 북극과 겨울 기상 사이의 연결 고리를 이해하는 것이 더욱 중요해졌으며, AI는 이러한 복잡한 신호를 해석하여 에너지 및 교통 인프라 운영에 실질적인 도움을 줄 수 있다.

아북극 예보(Subseasonal Forecasting): — 2주에서 6주 사이의 기간을 대상으로 하는 기상 예측이다. 단기 기상 예보와 장기 기후 전망 사이의 공백을 메우는 영역으로, 대기 혼돈과 완만한 기후 변화가 교차하여 예측 난도가 매우 높다.
극소용돌이(Polar Vortex): — 북극 상공 성층권에 형성되는 거대한 저기압 소용돌이다. 이 소용돌이가 안정적이면 찬 공기가 북극에 갇히지만, 불안정해져서 사방으로 뻗치면 중위도 지역에 극심한 한파와 폭설을 유발하는 원인이 된다.
엘니뇨-남방 진동(ENSO): — 태평양 적도 부근의 해수면 온도와 대기압이 주기적으로 변하는 현상이다. 전 지구적 기상 패턴을 결정하는 핵심 지표이지만, 이 현상이 약해지는 시기에는 다른 기후 변수들의 영향력이 상대적으로 커진다.
북극 진단 지표(Arctic Diagnostics): — 시베리아의 눈 덮임 정도, 북극해의 빙하 범위, 초기 시즌의 온도 변화 등 북극의 상태를 나타내는 데이터 세트다. 겨울철 중위도 지역의 기상 변화를 예측하는 데 결정적인 물리적 단서를 제공한다.