딥러닝은 과거와 미래의 대기 차단 사건을 밝혀냅니다.

대기 차단 사건은 대규모 고기압 시스템이 정지하여 제트기류와 폭풍 경로를 며칠에서 몇 주 동안 바꿀 때 발생하는 지속적이고 큰 영향을 미치는 기상 패턴이며, 2023년 유럽과 같이 기록적인 홍수나 열파와 관련될 수 있습니다. 새로운 연구에서 하와이 대학교 마노아 캠퍼스 대기 과학자 크리스티나 카람페리두는 딥 러닝 모델을 사용하여 지난 1,000년 동안 차단 사건의 빈도를 추론하고 미래의 기후 변화가 이러한 중요한 현상에 어떤 영향을 미칠 수 있는지에 대한 빛을 비췄습니다.

"이 연구는 표면 온도에서 대기 차단 빈도를 추론하는 심층 학습 모델을 사용하여 고기후 기록에서 고기후 신호를 추출하는 것을 목표로 했습니다."라고 Karamperidou는 말했습니다. "이것은 독특한 연구이며 복잡하고 알려지지 않은 표면 온도와의 관계를 기반으로 차단 빈도의 긴 기록을 재구성하려는 최초의 시도입니다. 머신 러닝 방법은 이러한 작업에 매우 강력할 수 있습니다."

딥러닝 모델 학습

카람페리두는 과거 데이터와 대규모 기후 모델 시뮬레이션 앙상블을 사용하여 훈련한 전문화된 딥 러닝 모델을 개발했습니다. 그런 다음 이 모델은 지난 천년 동안 계절적 온도 재구성의 이상치에서 차단 이벤트의 빈도를 추론할 수 있었습니다. 이러한 과거 온도 재구성은 성장기 동안 온도에 민감한 광범위한 연륜 기록 네트워크에 의해 비교적 잘 제한됩니다.

"이 접근 방식은 딥 러닝 모델이 고기후에서 고대 날씨를 추출하는 오랜 문제를 극복하는 강력한 도구임을 보여줍니다."라고 카람페리두는 말했습니다. "이 접근 방식은 일상적인 날씨 측정이 이루어진 18세기에 시작된 기후 역사의 계기적 기간에도 사용할 수 있습니다. 왜냐하면 블로킹을 식별할 수 있는 신뢰할 수 있는 데이터는 1940년대 이후나 위성 시대(1979년 이후)에만 있기 때문입니다."

향후 차단 이벤트의 빈도

기후 변화가 블로킹 현상의 빈도를 어떻게 바꿀지에 대한 과학적 합의는 아직 없습니다. 이러한 강력하고 지속적인 중위도 고기압 시스템은 하와이에 상당한 영향을 미칠 수 있는데, 하와이에서는 홍수가 지속적인 북태평양 블로킹과 함께 발생했고, 또한 전 세계적으로, 예를 들어 태평양 북서부와 유럽에서는 여름철 블로킹이 극심한 열파를 가져올 수 있습니다.

따라서 이러한 사건의 빈도 변화를 이해하는 것은, 특히 엘니뇨와 열대 태평양의 장기 해수면 온도 패턴과 같은 기후의 다른 주요 요인과 관련하여, 하와이에 매우 중요합니다. 이 연구를 통해 Karamperidou는 중위도 및 고위도의 차단 빈도를 지난 천년의 장기적 맥락에서 열대 태평양 기후 변동성과 연관시킬 수 있었으며, 이는 기후 모델 검증과 차단에 대한 미래 기후 예측의 불확실성을 줄이는 데 필수적입니다.

개방형 연구 및 투명성

Karamperidou는 UH Manoa의 두 학생과 협력하여 딥 러닝 모델과 그 결과로 나온 재구성을 탐색하기 위한 독특한 웹 인터페이스를 만들었습니다. 그녀는 이런 방식으로 결과와 방법을 공유하는 것이 Open Research의 모범 사례와 투명성을 위해 중요하다고 강조했습니다. 특히 머신 러닝과 인공 지능의 적용이 일상 생활의 여러 측면으로 빠르게 확장되고 있기 때문입니다. 웹 인터페이스는 지역 파트너로 University of Hawai'i Information Technology Services -- Cyberinfrastructure와 Hawai'i Data Science Institute가 있는 NSF 지원 클라우드 컴퓨팅 시스템인 Jetstream-2에 호스팅됩니다.

앞으로 Karamperidou는 기후 현상과 높은 사회경제적 영향과 직접 관련된 변수에 대한 응용 프로그램을 확장하기 위해 딥 러닝 모델의 다양한 기능과 구조적 개선을 모색할 계획입니다.

출처: https://www.sciencedaily.com/releases/2024/10/241017113520.htm