대규모 기후 모델 데이터셋 “ClimateSet”으로 머신러닝 기반 기후 예측 혁신

초록

ClimateSet은 CMIP6 출력과 Input4MIPs 입력을 결합해 36개 기후 모델, 5개 SSP 시나리오, 온도·강수 2가지 변수를 제공하는 일관된 ML‑ready 데이터셋이다. 데이터 파이프라인, 코어 데이터 구축, 다중 모델 에뮬레이션 벤치마크 등 세 가지 주요 기여를 통해 기후 모델 에뮬레이션, 다운스케일링, 극한 기후 예측 등 다양한 연구에 활용 가능하도록 설계되었다.

상세 분석

본 논문은 기존 기후 데이터셋이 단일 모델에 국한되거나 전처리 과정이 복잡해 머신러닝 연구자들이 활용하기 어려운 점을 지적하고, 이를 해결하기 위한 “ClimateSet”을 제안한다. 데이터는 두 주요 출처인 CMIP6(기후 모델 출력)와 Input4MIPs(강제 요인 입력)를 자동으로 다운로드·전처리하는 파이프라인을 제공한다. 핵심 데이터셋은 월간 해상도 250 km 이상, 36개의 전 세계 기후 모델, SSP1‑2.6, SSP2‑4.5, SSP3‑7.0, SSP5‑8.5 네 가지 미래 시나리오와 역사적 시나리오를 포함한다. 입력 변수는 CO₂, CH₄, SO₂, 흑탄(BC) 네 가지 강제 요인이며, 출력 변수는 표면 온도와 강수량이다.

데이터 선택 기준은 (1) 월간 빈도, (2) 최소 250 km 공간 해상도, (3) 네 가지 SSP 시나리오 모두 제공 여부이며, 이를 통해 모델 간 비교와 다중 모델 학습이 가능하도록 설계되었다. 또한, 파이프라인은 ESGF 서버에서 추가 모델, 변수, 고도 레벨, 더 높은 해상도 등을 손쉽게 확장할 수 있게 한다.

논문은 이 데이터셋을 활용해 최신 머신러닝 모델(예: ConvLSTM, Transformer 기반 모델)들을 다중 모델 에뮬레이션 과제에 적용하고, 개별 모델 대비 “슈퍼 에뮬레이터”가 다양한 모델에 대해 일관된 성능을 보이며 일반화 능력이 향상됨을 실험적으로 입증한다. 특히, 온도와 강수량에 대한 예측 정확도가 기존 단일 모델 기반 벤치마크보다 크게 개선되었으며, 모델 간 불확실성을 정량화하는 데도 유용함을 보여준다.

한편, 데이터셋의 제한점도 명시한다. 현재 포함된 변수는 온도·강수 두 가지만이며, 강제 요인도 네 종류에 국한된다. 해상도는 250 km 수준으로, 지역적 세부 현상을 포착하기엔 부족할 수 있다. 또한 SSP1‑1.9와 같은 저강제 시나리오는 모델 가용성 문제로 제외되었으며, 일부 모델은 모든 시나리오·ensemble member를 제공하지 않아 데이터 불균형이 존재한다. 이러한 제약은 향후 확장 가능성을 열어두면서도 현재 연구에 실용적인 수준을 유지한다는 점에서 균형을 잘 맞춘 것으로 평가된다.

결과적으로 ClimateSet은 기후 과학과 머신러닝 커뮤니티 간의 데이터 격차를 메우는 중요한 인프라로, 대규모 학습, 멀티모델 불확실성 고려, 정책 시뮬레이션 등 다양한 응용 분야에 즉시 활용될 수 있다.