본 연구실은 대기물리의 근본적인 원리와 이를 기반으로 한 기후 시스템의 복잡한 상호작용을 심도 있게 연구합니다. 대기 중에서 발생하는 다양한 물리적 현상, 예를 들어 대기 순환, 대기 중 에너지 전달, 구름 및 강수 생성 과정, 그리고 대기-해양 상호작용 등이 주요 연구 대상입니다. 이러한 연구는 위성 관측자료, 수치모델링, 그리고 다양한 기상 관측 데이터를 활용하여 이루어집니다. 특히, 북태평양 알류샨 저기압(Aleutian Low)과 같은 대규모 기압계의 변동이 한반도 및 동아시아 기후에 미치는 영향, 그리고 대기 중 에너지 변환 과정(바로트로픽/바로클리닉 에너지 변환 등)에 대한 정량적 분석이 이루어집니다. 또한, 엘니뇨-남방진동(ENSO), 북극진동(AO), 마든-줄리안 진동(MJO) 등 대규모 기후 변동성이 한반도 및 동아시아 지역의 기상·기후 현상에 미치는 영향도 중점적으로 다룹니다. 이러한 연구는 기후 변화에 따른 극한 기상현상(폭염, 한파, 집중호우, 태풍 등)의 발생 메커니즘을 이해하고, 미래 기후 예측의 정확도를 높이는 데 기여합니다. 나아가, 대기물리 연구를 통해 얻어진 지식은 기후변화 대응 정책 수립, 재해 예방, 그리고 사회적 의사결정 지원에 중요한 과학적 근거를 제공합니다.

연구실은 미세먼지(PM2.5, PM10) 등 대기오염 물질의 발생, 이동, 그리고 농도 예측을 위해 인공지능(AI)과 전통적인 수치모델(CMAQ, WRF 등)을 융합한 첨단 예측 기술을 개발하고 있습니다. 최근에는 딥러닝(Convolutional Neural Network, LSTM 등) 기반의 예측 모델을 구축하여, 서울 등 대도시의 월별·일별 미세먼지 농도를 높은 정확도로 예측하는 연구를 수행하고 있습니다. 이 과정에서 ERA5, KPOPS 등 다양한 기상 재분석 자료와 실제 관측 데이터를 활용하여, 미세먼지 농도에 영향을 미치는 주요 기상 변수(지상 및 고도별 기압, 온도, 습도, 바람, 경계층 높이 등)를 정량적으로 분석합니다. 또한, 인공지능 모델의 해석 가능성(XAI) 연구를 통해 각 입력 변수의 상대적 중요도를 평가하고, 예측 결과의 신뢰성을 높이고 있습니다. 더불어, 국내외 대기오염의 장거리 이동(특히 중국발 미세먼지의 한반도 유입)과 기상 조건의 상호작용에 대한 연구도 활발히 이루어지고 있습니다. 이러한 연구는 실시간 대기질 예보, 정책적 대응, 그리고 시민 건강 보호에 직접적으로 기여합니다. 또한, 인공지능과 수치모델의 융합을 통해 기존 예보 시스템의 한계를 극복하고, 미래 대기환경 변화에 대한 예측력을 한층 강화하는 데 중요한 역할을 하고 있습니다.