이 연구실은 대기물리와 기후물리를 기반으로 지구온난화가 전지구 및 지역 기후 시스템에 미치는 영향을 정량적으로 분석한다. 특히 전지구 평균기온 상승, 건조화의 출현, 강수 변화, 지표 수문과정, 식생 반응, 해양 탄소흡수원 변화처럼 서로 긴밀히 연결된 요소들을 통합적으로 다루며, 기후변화의 원인과 결과를 단일 변수 수준이 아니라 시스템 수준에서 해석하는 데 강점을 가진다. 관련 연구에서는 1.5℃ 온난화 제한 시 건조화의 출현이 어떻게 제약되는지, 농업 활동 변화가 지역 여름 기후에 어떤 영향을 주는지, 그리고 남빙양 탄소흡수원의 변화가 대기 중 이산화탄소 계절 진폭을 어떻게 증폭시키는지 등을 규명해 왔다. 방법론적으로는 기후모델, 지역기후모델, 대기수송모델, 위성관측, 장기 지상관측 자료를 결합하여 기후 시스템의 물리적 메커니즘을 밝힌다. 단순한 통계 상관관계에 머무르지 않고, 증발산·토양수분·적설·복사수지·탄소플럭스와 같은 물리 변수를 함께 분석하여 기후 이상현상의 배경 원인을 설명한다. 또한 한반도 해양-육상-대기 탄소순환 시스템의 상세화 연구를 통해 지역 탄소수지 평가의 정밀도를 높이고, 기후 민감도와 기후 피드백에 대한 이해를 확장하고 있다. 이러한 연구는 미래 기후위험 대응, 탄소중립 전략 수립, 물·생태계 관리, 국가 차원의 기후 적응정책 마련에 직접적으로 기여할 수 있다. 전지구 장기 변화와 지역 단기 환경변화를 함께 해석하는 접근은 기후변화의 실제 영향을 더 현실적으로 진단하게 해 주며, 한반도와 동아시아를 포함한 취약 지역에서의 과학 기반 의사결정을 지원한다. 궁극적으로 이 연구 주제는 기후 시스템의 복잡한 상호작용을 해명하고, 변화하는 지구환경에 대한 예측 가능성을 높이는 핵심 축을 이룬다.

이 연구실은 태풍의 발생, 진로, 강도, 강수영역, 피해규모를 종합적으로 분석하고 예측하는 연구를 지속적으로 수행해 왔다. 서북태평양과 한반도에 영향을 주는 열대저기압의 장기 변동성, 태풍 진로 유형의 군집화, 상층 대기 및 대규모 순환과 태풍 활동의 연관성, 그리고 태풍에 동반된 강풍·폭우의 지역적 특성을 핵심적으로 다룬다. 특히 태풍의 중기 진로 예측 시스템, 강풍과 폭우 지수를 이용한 피해규모 추정 기술, 지역별 예측오차 표출 기술과 같은 특허는 이 연구실의 예측 응용 역량을 잘 보여준다. 연구 방법으로는 관측자료와 수치예보모델 결과를 함께 활용하며, 패턴 기반 예측, 군집분석, 역학모델 비교, 확률예측, 오차 진단 기법 등을 적극적으로 적용한다. 최근에는 딥러닝 기반 태풍 통합 예측기술 개발을 통해 관측자료와 수치모델 예측장을 인공지능과 결합하는 하이브리드 접근을 시도하고 있다. 이는 전통적 대기역학 모델이 가진 강점은 유지하면서도 비선형 패턴 인식과 단기 예측 정확도 향상을 동시에 추구하는 방향이다. 이 연구는 기상재해 대응과 방재 시스템 고도화 측면에서 매우 실용적 가치가 크다. 태풍의 진로와 강도, 동반 강수 및 바람의 변화를 조기에 정밀하게 예측하면 인명 피해와 재산 피해를 줄일 수 있고, 지방자치단체와 국가 재난관리기관의 선제 대응 능력도 향상된다. 더 나아가 기후변화에 따라 태풍 특성이 어떻게 달라지는지를 이해함으로써, 미래 극한기상 위험도 평가와 사회기반시설 적응 전략 수립에도 중요한 과학적 근거를 제공한다.

이 연구실은 미세먼지와 대기오염 현상의 발생 메커니즘을 기상학적 관점에서 해석하고, 예측 성능을 높이기 위한 인공지능 기반 방법론을 개발하고 있다. 서울과 한반도 권역의 PM2.5 및 PM10 고농도 사례, 습도와 경계층 높이의 영향, 장거리 이동 오염물질의 기여, 기온 상승과 대기질 변화의 관계 등을 폭넓게 다루며, 대기오염을 단순 배출 문제로 보지 않고 대기순환·기상장·화학반응이 결합된 복합 시스템으로 접근한다. 이러한 연구는 초미세먼지의 시공간 변동성과 고농도 발생 조건을 이해하는 데 핵심적이다. 특히 설명 가능한 인공지능(XAI)과 물리 정보 신경망(PINN)을 활용해 기존 WRF-CMAQ 기반 대기질 예측체계를 개선하려는 점이 두드러진다. 순환신경망, CNN, 앙상블, 계층별 관련성 전파와 같은 기법을 사용하여 예측 정확도뿐 아니라 모델의 해석 가능성까지 확보하려고 한다. 이는 인공지능이 왜 특정 미세먼지 농도를 예측했는지를 물리적으로 설명하고, 기존 수치모델의 불확실성을 어디서 보정해야 하는지 진단할 수 있게 해준다. 다시 말해, 데이터 기반 학습과 물리 기반 모델링을 통합하는 차세대 대기질 예측 프레임워크를 구축하고 있는 것이다. 이 연구는 국민 건강 보호와 환경정책 수립에 직접적인 파급효과를 갖는다. 미세먼지 예보의 정확성과 신뢰성이 높아지면 취약계층 보호, 산업·교통 운영 조정, 지역 맞춤형 저감정책 설계가 가능해진다. 또한 설명 가능한 예측모델은 행정기관과 시민이 결과를 수용하는 데 필요한 투명성을 제공하며, 향후 폭염·오존·황사 등 다른 대기환경 문제로의 확장 가능성도 크다. 따라서 이 연구 주제는 기후·환경 변화 시대에 필요한 정밀 대기환경 관리 기술의 핵심 분야라 할 수 있다.