제목:  기상청 수치예보모델 분야 AI 기술 활용 현황 및 계획

​​​​​​​​​​​​​​​​​​연사: 신현철 연구관 (기상청 수치예보모델센터)​​​​​​​​​​​​​​

​

일시: 2026년 3월 31일 화요일 16:00

장소: 과학관 B102호​​

Abstract:

​기상청(KMA)은 급변하는 기상 예측 환경에 대응하고 예보 정확도를 향상하기 위해, 2024년부터 한국형 수치예보모델(KIM), 통합모델(UM), 유럽중기예보센터(ECMWF) 모델의 초기 조건을 기반으로 GraphCast, Pangu-Weather, FourCastNet 등 주요 AI 기상 예측 모델을 도입하여 실시간 운영 하고 있다.

실시간 운영 기간 중 AI 기반 예보와 전통적인 수치예보(NWP) 모델의 성능을 비교 분석한 결과, 동일한 초기 조건을 사용할 경우 일반적으로 GraphCast와 Pangu-Weather가 기존 수치모델보다 우수한 성능을 보였다. 특히 ECMWF 분석장을 초기 조건으로 활용한 AI 예보는 ECMWF 수치예보모델 보다 향상된 예측성능을 보였다. 그러나 KIM 분석장을 초기 조건으로 활용한 AI 예보의 경우ECMWF 수치예보(NWP)모델의 성능을 뛰어넘지 못했는데, 이는 AI 모델의 급격한 발전에도 불구하고 최종 성능은 모델을 구동하는 초기 분석장의 정확도와 품질에 결정적으로 의존함을 시사한다. 이러한 결과는 AI 기반 예보 성능의 극대화를 위해 수치예보 시스템의 지속적인 개선을 통한 고품질 초기 조건 제공이 필수적임을 보여준다. 또한 AI 모델들이 주로  ECMWF의 재분석 자료(ERA5)로 학습되었다는 점을 고려할 때, 학습 데이터와 초기 조건 간의 물리적·통계적 일관성이 예보 정확도 향상의 핵심 기제로 작용하는 것으로 판단된다.

현재 기상청은 외부 AI 모델의 단순 운용을 넘어, 수치예보와 AI 기술의 유기적 융합을 위한 다양한 시도를 진행 중이다. 구체적으로는 레이더 자료를 활용한 AI 기반 초단기 예보 모델 개발, KIM 복사물리과정을 AI로 구현하여 계산 효율을 획기적으로 높이는 emulator 개발, AI 기술을 접목한 고도화된 자료동화 기술 개발 등이 진행되고 있다. 또한 중장기적으로는 기상 분야의 방대한 빅데이터를 사전 학습하여 대기 역학 및 물리 과정에 대한 범용적 이해를 바탕으로 다양한 하위 예보 과제에 유연하게 적용 가능한 'AI 파운데이션 모델(Foundation Model)' 개발을 계획하고 있다.