[사진. (왼쪽부터) 전혜영 교수, 이예슬 박사과정생(제1저자)]

대기과학과 전혜영 교수팀이 AI를 활용해 전 지구 저고도 항공난류(LLT, Low-Level Turbulence)를 예측하는 새로운 예보체계를 개발했다. LLT는 주로 지형 효과나 대류 과정에서 발생하는 난류로, 저고도로 비행하는 항공기의 안전을 위협하는 주요 요인이다.

연구팀은 기존 항공난류 예측에 활용되던 GTG(Graphical Turbulence Guidance) 시스템의 한계를 보완하고자 랜덤 포레스트(Random Forest), XGBoost, LightGBM의 세 가지 트리 기반 AI 모델을 구축했다. 이를 위해 연구팀은 2022년 한 해 동안의 기상청 전 지구 예보장(UM 기반 GDAPS) 자료와 IATA 제공 항공기 난류 관측(EDR) 약 300만 쌍의 자료를 학습·검증 데이터로 활용했다.

그 결과, 모든 머신러닝 모델이 GTG-LLT 대비 PODY, PODN, AUC 등 주요 성능 지표에서 우수한 성능을 보였다. 기존 GTG 접근법이 단순히 모든 난류 지표의 크기를 더하는 방식인 반면, AI 모델은 물리 변수 간 복합적인 상호작용을 반영한다는 점에서 의미가 크다.
 

[그림 1. EDR 예보장(m2/3 s-1)과 관련 기상 및 지형 분포]

다만 세 모델 모두 계절, 시간대, 고도에 따라 성능 변동을 보였으며, 이는 대류성 난류나 경계층 전이(transition) 관련 프로세스를 탐지하기 어려운 특성에 기인한 것으로 분석됐다.

연구팀은 모델 성능 향상을 위해 세 가지 보완 전략도 제시했다.

첫째, 임계값 조정(threshold adjustment) 통해 탐지 능력을 향상시켰고, 둘째, 데이터 불균형 보정(SMOTE) 기법을 적용해 드문 난류 사례의 인식률을 개선했다. 셋째, Quantile 회귀를 적용한 불확실성 예측(quantile-based uncertainty prediction)을 통해 예측 신뢰구간과 지역별 불확실성을 정량화함으로써 항공 안전에 활용 가능한 확률적 예측체계를 구축했다.

이번 연구는 전 지구 규모의 저고도 난류 예측에 머신러닝을 적용한 최초의 연구로, 향후 항공 기상 안전 운항과 예보 정확도 향상에 크게 기여할 것으로 기대된다.

본 연구는 전혜영 교수가 연구책임을 맡고 항공기상청이 지원하는 ‘차세대 항공교통 지원 상층기상 기술개발(NARE-Weather)’ 사업의 성과 중 하나다. 이예슬 박사과정생이 제1저자로 전혜영 교수가 교신저자로 참여했으며, 연구 결과는 세계적 학술지 npj Climate and Atmospheric Science(IF 8.4, 분야 상위 5%)에 2025년 11월 25일자로 게재됐다.

*출처: 연세소식(2025.12.01.)