NASA, 머신러닝을 통한 허리케인의 강도 예측

NASA, 머신러닝을 통한 허리케인의 강도 예측

2015년 10월, 미국 북동부 연안에서 허리케인 패트리샤는 24 시간 이내에 “카테고리 1급”에서 “카테고리 5급”인 몬스터급으로 격상되었으며, 바람의 세기는 86mph(138km/h)에서 207mph(333km/h)로 더욱 강해졌다. 패트리샤는 그렇게 짧은 시간동안 갑자기 격상된 유일한 허리케인은 아니었지만, 수십 년 동안 기상 예보를 괴롭힌 현상중에 하나는 틀림이 없었다.
허리케인이 급격히 심화되는 경우는 풍속이 24 시간 내에 35mph(56km/h) 이상 증가하는 경우를 말하며, 이를 정확하게 예측하는 것은 매우 어렵다. 그러나 미국 캘리포니아 남부에 위치한 NASA의 제트 추진 연구소(JPL, Jet Propulsion Laboratory) 과학자들이 이끄는 팀은 머신러닝 알고리즘을 사용하여 “급속 강화 이벤트” 에 대한 감지 정확도를 크게 향상시킬 수 있는 실험적인 컴퓨터 예측 모델을 개발하였고, JPL의 대기 과학자인 휴이 수(Hui Su)와 그녀의 동료들은 지구 물리학 연구 학술지(Geophysical Research Letters)에 해당 예측 모델을 게재하였다.
허리케인 예측에는 경로와 강도, 이 두가지 요인이 사용된다. 과거 과학자들과 예측가들은 허리케인이 어디에 상륙 할 것인지 예측하는 데에는 매우 능숙하였다. 하지만, 그 강도를 예측하는 것은 주변 환경뿐만 아니라 폭풍 내부에서 일어나는 상황에 따라 달라지기 때문에 쉽지 않은 작업이었다. 비가 얼마나 세게 내리는지, 또는 공기가 수직으로 얼마나 빨리 이동하는지와 같은 속성 데이터를 얻기 위해 허리케인 내부를 측정하는 것은 어려운 일이었다.
또한, 허리케인의 급격한 강화를 초래하는 내부 요인을 파악하는 것도 쉬운 작업은 아니었다. 그러나 수년 간의 위성 데이터를 살펴본 후, 수(Su)와 그녀의 동료들은 허리케인의 강도가 향후 24 시간 동안 어떻게 변할 것인지에 대한 좋은 지표는 폭풍 중심부의 강우량(100km 눈벽의 반경)과 허리케인 중심부를 둘러싼 뇌우 벽의 밀집도라는 것을 발견하였다. 허리케인 내부에서 비가 더 세게 올수록 허리케인의 강도가 더욱 심해질 가능성이 높아지는 것이다.
팀은 1997년부터 2015년까지 운영된 NASA와 일본 항공 우주 탐사 국 간의 공동 위성 프로젝트에서 측정된 열대 강우량 데이터을 수집하였다. 또한, 연구진은 NASA의 CloudSat 관측에서 수집한 측정 데이터를 통해 폭풍 강도의 변화가 허리케인 내 구름의 얼음 수분 함량에 따라 달라진다는 사실도 발견하였다. 그리고 허리케인 정상에서 중심으로부터 멀어지는 공기의 온도(유출 온도)도 허리케인의 강도 변화에 영향을 미친다는 것도 알아 내었으며, 수(Su)와 그녀의 동료들은 Aura 위성에 대한 NASA의 MLS (Microwave Limb Sounder)와 다른 데이터셋에서도 이러한 유출 온도 측정 값을 수집하였다.
국립 허리케인 센터가 이미 운영중인 머신러닝 예측 모델에 강수율, 얼음 수분 함량 및 유출 온도 예측 변수를 추가하였다. 허리케인 내부에는 변수가 너무 많고 복잡한 방식으로 상호 작용하므로, 현재의 많은 컴퓨터 모델은 이러한 폭풍의 내부 작용을 정확하게 묘사하는 데 어려움을 겪고 있었다. 그러나 머신 러닝을 통해 이러한 복잡한 내부 역학관계를 더 잘 분석하고 어떤 속성이 허리케인 강도를 갑작스럽게 증가시킬 수 있는지 식별 할 수 있게 되었다. 연구원들은 IBM Watson Studio의 계산 알고리즘 기능을 사용하여 이러한 머신러닝 모델을 개발하였던 것이다.
이 모든 데이터셋을 사용하여 1998년부터 2008년까지의 폭풍들을 머신러닝 알고리즘으로 학습시켰고, 2009년부터 2014년까지의 폭풍들에 테스트하였다. 그런 다음, 동일한 폭풍들에 대해서 National Hurricane Center의 운영 예측 모델과 성능을 비교하였다. 모델 성능 비교 결과, 바람이 24 시간 이내에 35mp/h(56km/h) 이상 증가한 허리케인의 경우, NASA 연구원들이 개발한 머신러닝 모델은 현재 운영 예측 모델에 비해 “급속 강화 이벤트”를 탐지할 확률이 60 %이상 더 높게 나타났다. 더욱이, 바람이 불어 오는 허리케인이 24 시간 이내에 최소 40mph(64km/h) 이상 상승한 경우 NASA의 모델은 이러한 이벤트를 감지하는데에 있어, 현재 운영 중인 모델보다 200 % 이상 더 뛰어난 성능을 보였다.
국립 허리케인 센터의 공동 연구원을 포함한 수(Su)와 그녀의 NASA JPL 동료들은 현재까지도 허리케인 시즌동안 발생되는 폭풍에 대한 모델을 테스트하여 성능을 측정하고 있다. 앞으로 그들은 기계 학습 모델을 개선 할 수 있는 추가적인 허리케인 특성을 찾기 위해 위성 데이터를 살펴볼 계획이라고 말한다. NASA의 이러한 연구는 허리케인이 갑자기 심화될지에 대한 예측을 개선하는데 도움이 될 수 있으며, 이로 인해 허리케인 경로에 있는 사람들에게 더 많은 준비 시간을 줄 수 있기를 기대해본다.

이 글은 NASA JPL 홈페이지에 나오는 NEWS 기사의 번역 글입니다.

원문 보기 : https://www.jpl.nasa.gov/news/a-machine-learning-assist-to-predicting-hurricane-intensity