우박폭풍 센터, 데이터 수집하고 대형 모델로 극한 기상 예보 지원, '스톰 체이서' 무대 선다

1996년에 개봉한 유명한 모험 재난 영화 '트위스터'에서 주인공은 토네이도 중심부로 탐지 장비를 가져와 토네이도에 대한 심층적인 연구를 진행하고 실시간 데이터 기록을 실현했습니다.

이 영화에서 영감을 받아, 호주의 기상학자 조슈아 소더홀름과 줄리안 브리멜로는 폭풍을 쫓는 여행을 시작했습니다.또한 그들은 작은 기상 센서 우박 탐지기를 우박 폭풍 속으로 성공적으로 투입하여 우박 폭풍 동안 기상 데이터를 수집함으로써 극한 기상을 연구하는 방식에 혁명을 일으켰습니다.

영화에 대한 자세한 내용은 다음을 참조하세요.https://movie.douban.com/subject/1292454/

얼음 탐사선의 모양은 우박과 비슷하고 무게는 약 24g입니다. 그들은 풍선에 묶여 우박 폭풍 속으로 함께 떨어졌습니다. 우박 폭풍의 중심에 들어서자 두 사람은 헤어졌다.얼음 탐사는 우박과 같습니다. 우박 폭풍 속에서 우박의 궤적을 경험하고 우박 폭풍 속에서 우박이 이동하면서 우박의 성장 조건을 기록합니다.또한, 얼음 탐사선은 상당한 얼음 성장을 기록했고 슈퍼셀의 메조사이클론을 반 회전 동안 따라갔습니다.

"영화에 나오는 것과 같은 장치를 만드는 데 기존 기술을 활용할 수 있을지 알아보는 과외 활동 프로젝트로 시작했습니다. 얼음 탐사선이 우박 폭풍과 같은 극한 환경에서도 살아남을 수 있도록 많은 엔지니어링 문제를 해결해야 했습니다."라고 조슈아 소더홀름은 말했습니다.

「우박 폭풍의 진원지에서 데이터를 수집하는 일은 기상학이라는 흰 고래를 쫓는 것과 같습니다. 위험하면서도 매혹적입니다.우박 폭풍 센터에서 수집된 데이터는 우박 폭풍을 시뮬레이션하는 우리의 능력을 향상시키고 우박 폭풍 중에 우박이 어떻게 작용하는지에 대한 직접적인 증거를 제공할 것입니다. 하지만 생각만큼 쉬운 일은 아닙니다. 적절한 시간에 적절한 장소에 있어야 하고, 적절한 우박을 만나야 합니다. "

며칠 동안 불운한 일이 있었지만, 그들은 슈퍼셀에 부딪혀 우박 폭풍 속에 얼음 탐사선 두 대를 성공적으로 방출했습니다.슈퍼셀은 수평 규모가 10km 이상이며 수명이 수십 분에서 수 시간에 달하는 단일의 강력한 뇌우 체계입니다. 일반적인 성숙한 단일 뇌우보다 규모가 더 크고 지속성이 더 강하며 날씨도 더 심각합니다.슈퍼셀에 포획된 얼음 탐사선은 풍선에서 분리된 후 우박처럼 우박과 함께 떠다녔고, 결국 시속 120km가 넘는 바람에 실려 7km 떨어진 지역으로 흩어졌습니다.

연구팀은 이번 연구를 바탕으로 다음 슈퍼셀을 기록하기 위해 더 많은 얼음 탐사선을 사용하고, 땅에 떨어지는 얼음 탐사선을 수집하여 떨어지는 우박에 대한 보다 심층적인 연구를 수행할 계획입니다.

예측할 수 없는 기상 시스템

인간의 참여 없이는 날씨를 예측할 수 없습니다. 슈퍼컴퓨터, 위성 데이터, 레이더 데이터의 도움이 있더라도 우리가 날씨 체계에 대한 정확한 예측을 하는 것은 여전히 어렵습니다. 1961년, 미국의 기상학자 에드워드 노턴 로렌츠는 컴퓨터 프로그램을 사용하여 미래의 날씨를 예측하려고 시도했습니다.

그는 결과를 얻은 후 중간 단계에서 프로그램의 출력 값을 다음 단계의 입력 값으로 사용하여 프로그램을 다시 실행했습니다. 그러나 입력 값은 소수점 3자리만 유지하고 프로그램은 6개의 부동 소수점 숫자로 실행되므로이 천분의 일 편차로 인해 프로그램의 출력 값은 지난번에 얻은 결과와 완전히 달라집니다.

이를 바탕으로 그는 혼돈체계의 개념을 제안했다. 기상 시스템은 전형적인 혼돈 시스템이다. 완전히 무작위적인 것은 아니지만, 특정 요소의 변화로 인해 급격히 바뀔 수 있습니다.다시 말해, 기상 시스템은 매우 민감한 시스템입니다.

"나비효과"는 과장되었지만 전형적인 예이다. 남미의 열대 우림에서 나비가 날갯짓하는 것이 미국에 토네이도를 가져올 수도 있습니다. 이 모든 것의 근원은 나비가 시스템의 초기 변수를 교란했기 때문입니다.

그러므로 완벽하게 정확한 날씨 예보를 하는 것은 어렵습니다. 기존의 기상예보 방법즉, 수치 기상 예보(NWP)는 예보 지역을 격자로 나눈 다음 슈퍼컴퓨터를 이용해 수치 시뮬레이션을 통해 편미분 방정식을 풉니다.

이 방법은 시간이 매우 많이 걸린다. 수백 개의 노드가 있는 슈퍼컴퓨터를 사용하더라도 향후 10일간의 날씨를 예측하는 데는 몇 시간이 걸립니다. 동시에 그리드 해상도의 제한으로 인해일부 소규모 기상 과정은 근사 함수로 매개변수화되는데, 이로 인해 기상 예측에 오류가 발생합니다.

이로 인해,NWP가 소규모 극한 기상과 중장기 기상 예측에 완벽하게 적용되기는 어렵습니다.올해 태풍 두수루이 5호가 발생한 이후, 각 기관에서는 슈퍼컴퓨터를 이용해 다양한 모델을 기반으로 태풍 경로를 예측했는데, 그 구조도 매우 달랐습니다. 같은 모델로 예측한 결과조차도 기상 조건이 변화함에 따라 끊임없이 수정되고 있으며, 태풍이 상륙하기 전에야 비교적 정확한 예측이 가능합니다.

그 후 발생한 태풍 6호 카누 역시 독특한 움직임을 보였습니다. 그것은 갑자기 태평양을 가로질러 방향을 바꾸더니, 떠돌기 시작하더니 마침내 일본에 직격하면서 슈퍼컴퓨터조차 혼란에 빠졌습니다.

동시에 다양한 기관에서 내리는 일기예보의 내용이 매우 다양하기 때문에, 일기예보에는 여전히 예보자의 참여가 필요합니다.예보자는 모든 날씨 예보 결과를 종합하고 현지 기후 특성, 지형 조건, 개인적 경험 등을 토대로 최종 날씨 예보를 내립니다.하지만 여전히 완전히 정확하다고 보장할 수는 없습니다. 어쩔 수 없어요. 날씨 시스템이 너무 예측 불가능하거든요.

극한 날씨 추격자

소규모 슈퍼셀은 중장기 기상 예보의 허점이다.슈퍼셀의 특징은 빠르게 형성되고 예측하기 어려우며, 뇌우, 우박, 폭우 또는 토네이도와 같은 극한의 기상 현상이 발생하기 쉽다는 것입니다..

2021년 8월 16일 저녁, 베이징시 하이뎬구에 슈퍼셀이 발생하여 갑자기 폭우가 쏟아졌습니다. 한허로 철도교량 수위가 30분 만에 1.75m까지 상승해 2명이 사망하는 사고가 발생했습니다. 2023년 8월 13일 오후, 장쑤성 옌청시 다펑구를 토네이도가 강타하여 2명이 사망하고 15명이 부상당했습니다. 이 토네이도의 형성 역시 슈퍼셀과 관련이 있었습니다.

그러나 뇌우, 우박, 토네이도와 같은 놀라운 기상 현상은 탐험가들의 눈을 즐겁게 하며, 소더홀름과 같은 많은 폭풍 추적자들을 끌어들인다. 태풍이 접근하거나 근처에 슈퍼셀이 형성되려고 할 때마다 폭풍 추적자들은 모든 준비를 갖추고 폭풍을 향해 달려갑니다.

동시에 극한 기상 현상의 첫 번째 목격자로서,폭풍 추적자는 극한 기상에 대한 직접적인 정보를 수집하고 기상 연구에 귀중한 자료를 제공할 수도 있습니다.기존 계산 모델과 AI 모델의 데이터베이스를 강화하고 기상학 발전에 중요한 기여를 합니다.

NWP와 비교 가능한 대규모 기상 모델

알리바바 클라우드는 2021년 초에 DAMO 아카데미와 국가 기상 센터가 공동으로 기상 예보를 위한 AI 알고리즘을 개발했다고 밝혔습니다.그리고 여러 차례의 심각한 대류 기상 현상을 성공적으로 예측했습니다. 같은 해 9월, Deepmind는 Nature에 논문을 게재했는데, 딥러닝 생성 모델을 사용하여 실시간 강우량을 예측했습니다.

올해 초, Deepmind는 1분 이내에 0.25°의 해상도로 향후 10일간의 전 세계 날씨를 예측할 수 있는 GraphCast를 공식 출시했습니다. 4월, 난징정보과학기술대학과 상하이 인공지능연구실은 공동으로 "풍무(風武)" 날씨 예보 모델을 개발했는데, 이 모델은 GraphCast에 비해 오차를 더욱 줄였습니다.

이후 화웨이는 '판구' 기상 모델을 출시했다. 모델에 3차원 신경망을 도입한 이후,처음으로 판구의 예보 정확도가 현재 이용 가능한 가장 정확한 NWP 예보 시스템을 능가했습니다.최근 청화대학교와 복단대학교에서 잇따라 'NowCastNet'과 'Fuxi' 모델을 출시했습니다.전자는 단기간의 극한 날씨 예보에 매우 유용한 반면, 후자는 예보 기간을 15일로 연장합니다.

빨간색: Pangu 모델 예측

파란색: ECMWF 예보

검은색: 실제 상황

대규모 기상예측모델은 예측 정확도와 예측 시간 측면에서 기존 NWP 분석모델에 근접하거나 부분적으로는 능가하는 모습을 꾸준히 보이고 있습니다.동시에, NWP와 비교했을 때, AI 대규모 모델 날씨 예보는 장비 조건이 덜 필요하고 시간이 덜 걸립니다. GraphCast는 Google TPU v4만 사용하여 몇 분 안에 미래 날씨를 예측할 수 있습니다.

하지만 기존의 AI 모델은 과거 날씨 데이터로부터 학습하여 미래의 날씨를 예측할 수 있을 뿐입니다.따라서 극한 날씨나 갑작스러운 날씨 상황에서는 대규모 모델도 다른 알고리즘의 도움이 필요하며 인간의 참여가 필수적입니다.이때, 폭풍 중심에서 활동하는 스톰체이서가 제공하는 기상 데이터는 AI 빅모델 최적화에 더욱 중요해집니다. 사람과 대형 모델이 협력하면 훌륭한 "스톰 체이서"가 탄생할 것입니다.