해빙 농도는 단위 면적에서 얼음이 덮인 영역의 비율을 말한다.
UNIST 연구팀은 유넷(UNET)을 활용해 과거 북극 해빙 농도의 변화 패턴과 기온 및 수온, 태양 복사량, 바람 등 주요 기후 요인 간 복잡한 관계를 학습시켜 이 모델을 만들었다. 유넷은 AI가 위성 영상과 같은 이미지 데이터 간 관계를 학습하는 딥러닝 알고리즘이다.
연구팀이 개발한 모델은 중장기 예보 정확도가 높은 것으로 나타났다.
AI 모델의 예측값과 과거 실제 해빙 농도 값을 비교하는 방식으로 정확도를 평가한 결과 3개월, 6개월, 12개월 예측에서 모두 6% 미만의 평균 예측 오차를 기록했다.
또 이번에 개발된 모델은 이례적으로 해빙이 급격히 감소했던 상황에서도 안정적인 예측 성능을 보였다고 연구팀은 설명했다. UNIST 연구팀은 해빙 농도 중장기 예측에서 중요한 역할을 하는 기후 요소도 밝혀냈다. 유넷 모델 예측 결과 간 차이를 분석해 얼음 두께가 얇은 해빙 가장자리에서는 태양복사열과 바람이 주요 변수로 작용했다는 사실을 확인했다.
이다예기자 ties@ksilbo.co.kr
저작권자 © 울산일보 무단전재 및 재배포 금지
