극한 강우 예측을 위한 효율적 로컬 레이더 Nowcasting 프레임워크

초록

본 논문은 한국기상청(KMA) 레이더 데이터를 활용해 일반 강우와 극한 강우를 균형 있게 포함한 새로운 대규모 데이터셋을 구축하고, 로컬 스페이셜‑템포럴 어텐션과 텍스처 보존형 Cubic Dual Upsample(CDU) 디코더, Temporal Extractor(TE) 모듈을 결합한 결정론적 모델 exPreCast를 제안한다. 기존 확산 기반 모델의 높은 연산 비용을 피하면서도 SEVIR·MeteoNet·KMA 3개 벤치마크에서 CSI·CSI‑M 등 주요 지표에서 최첨단 성능을 달성한다.

상세 분석

exPreCast는 Video Swin Transformer를 3차원 형태로 확장해 로컬 윈도우 어텐션을 적용함으로써 강우가 지역적 기상 현상에 크게 의존한다는 특성을 반영한다. 기존의 선형 보간이나 픽셀‑셰플링 업샘플링은 고주파 세부 정보를 소실하거나 체커보드 아티팩트를 유발하는 반면, CDU 블록은 트리리니어 보간과 3D 픽셀‑셰플링을 병렬로 수행하고 이후 3D 컨볼루션으로 결합한다. 이 과정에서 고강도 소규모 강우 셀을 보존하면서 부드러운 텍스처를 유지한다. Temporal Extractor는 디코더 출력의 시간 차원을 가변적으로 압축·확장해 단기·장기 예보를 동일 모델 구조 내에서 효율적으로 구현한다. 학습 손실로는 Fourier Amplitude Correlation Loss를 사용해 스펙트럼 수준에서 구조적 일치를 강화하였다. 실험 결과, exPreCast는 동일 해상도에서 기존 확산 모델 대비 35배 적은 FLOPs를 소모하면서도 CSI‑p(0.5 mm/h)에서 0.78 이상의 점수를 기록, 특히 극한 강우(>30 mm/h) 구간에서 기존 모델보다 68% 개선된 성능을 보였다. 또한 KMA 데이터셋을 통해 일반 강우와 극한 강우를 동시에 평가함으로써 모델의 일반화 능력을 검증하였다.