- 위성 관측과 AI 기술을 접목한 대류운 주변 난기류 탐측 기술 개발
[연구필요성]
최근 기후 변화의 영향으로 대기가 머금을 수 있는 수증기량이 증가함에 따라, 깊은 대류운의 발달이 더욱 빈번하고 강해지고 있다. 이로 인해 항공기 운항에서 가장 예측하기 어렵고 위험한 기상 현상 중 하나인 난류(Turbulence)발생 가능성이 높아지고 있다. 특히 코로나19 이후 폭발적으로 증가하는 동아시아와 해양 대륙(Maritime Continent) 지역의 항공 교통량에서, 대류운 주변의 난류는 승객과 승무원의 안전뿐만 아니라 항공사의 운영 효율성에도 심각한 위협이 된다. 기존의 난류 탐지 시스템은 지상 레이더의 제한된 커버리지와 수치 모델의 계산 비용 문제, 그리고 정지궤도 위성의 수직 정보 부족이라는 한계를 가지고 있어, 실시간으로 다양한 고도의 난류 위험을 정확히 파악할 수 있는 혁신적인 감시 시스템 개발이 시급하다.
[연구성과/기대효과]
토토사이트 자연과학대학 지구환경과학부 김정훈 교수 연구팀은 정지궤도 기상 위성인 “천리안 2A호(GEO-KOMPSAT-2, GK-2A)”의 다중관측 데이터와 최첨단 딥러닝 모델(U-Net)을 융합한 새로운 난류 감지 알고리즘 개발을 통해 동아시아 지역의 난류 위험을 실시간으로 감시할 수 있는 획기적인 위성 관측 기반 자료를 제공한다. 이는 항공 관제사와 조종사에게 예상치 못한 위험 기상에 대한 조기 경보를 제공함으로써, 난류 회피 경로 설정과 운항 안전 확보에 결정적인 역할을 할 것으로 기대된다. 또한, 지상 기반 시스템이나 수치 모델의 예측 결과를 보완하는 중요한 역할을 수행하여, 해당 지역의 항공 안전 관리 시스템을 한 단계 도약시키는 기반이 된다. 궁극적으로, 정지궤도 위성과 머신러닝 기술의 결합을 통해 난류 예측의 정확도를 높이고, 전 지구적인 항공 운항 안전 향상에 기여할 것으로 기대된다.
[본문]
기후변화로 인해 동아시아 지역에서의 난류 발생 빈도와 강도가 증가하고 있으며, 특히 강한 상승기류와 하강기류가 동반되는 깊은 대류운 주변에서는 항공기가 예기치 못한 난류에 노출될 가능성이 커지고 있다. 운항 전 조종사들에게 제공되는 난류 정보는 수치예보모델을 기반에 기반하고 있어, 빠르게 발달하는 대류운에 의해 발생하는 난류의 경우 모델 자체의 불확실성으로 인해 예측에 한계가 있다. 이러한 대류운에 의한 난류는 항공기에 탑재된 기상 레이더에서도 직접적인 탐지하기가 어려운 경우가 많다. 따라서, 항공 교통량이 증가하고 있는 동아시아 지역에서는 보다 신뢰성 있는 난류 감지 관측 자료의 필요성이 점차 커지고 있다.
연구팀은 이러한 관측 한계를 보완하기 위해 천리안 2A호 위성의 다중 채널 복사 자료를 이용해 난류 강도를 정량적으로 추정하는 인공지능(U-Net) 모델을 개발하였다. 천리안 2A호 위성은 정지궤도 위성으로 동아시아 영역에 대해 10분 간격으로 관측하기 때문에 항공기가 운항하는 광범위한 공역에서 발생하는 난류를 지속적으로 감시하는 데 유용한 관측자료를 제공한다. 본 논문은 정지궤도 위성의 구조적 한계로 지적되어 온 수직 정보 부족 문제를 인공지능 모델 학습을 통해 보완하여 항공기의 주요 운항 고도인 네 개의 핵심 대기층(700hPa~200hPa 이상)에 걸쳐 난류 강도(EDR, Eddy Dissipation Rate 기준)를 추정할 수 있도록 하였다.
개발된 U-Net 기반 난류 추정 모델은 상용 항공기의 실제 in situ관측 데이터와 비교 평가를 통해 뛰어난 성능을 입증했으며, 특히 대류운 내부 및 주변에서 발생하는 강한 난류의 잠재적 위험을 효과적으로 탐지할 수 있음을 성공적으로 보여주었다. 또한, 현업 활용성을 평가하기 위해 진행된 사례분석 가운데 2024년 8월 4일 발생한 대한항공 KE197편 난기류 조우 사례의 경우에서도 해당 지점에서 U-Net 모델이 높은 난류 강도를 나타내며 모델의 성능을 입증하였다(그림 1).
▲그림 1. U-Net 모델에서 추정한 각 연직층 별 난류 강도(EDR). 빨간색 실선은 항로를 나타내며 난기류를 조우한 지점은 빨간색 점으로 표시되어 있다.
이번 연구는 정지궤도 위성이 제공하는 고해상도 관측 자료와 인공지능 모델 학습을 융합하여, 동아시아 전역의 강한 난류 위험을 실시간에 가깝게 감시할 수 있다는 가능성을 제시했다는 점에서 학술적·사회적 의미가 크다. 연구팀은 향후 위성 관측자료, 수치예보모델, 그리고 항공운항자료와의 융합 연구를 통해 운항 지원에 직접 활용 가능한 난류 예측 체계로 발전시키는 연구를 지속할 계획이다.
[연구결과]
Machine learning-based turbulence intensity estimation near convective clouds in East Asia using GK-2A satellite observations Yoonjin Lee, Dan-Bi Lee, Jung-Hoon Kim* (Geophysical Research Letters, )