Hapi: 대륙 규모 중기 수문 예측을 위한 다변량 지표면 트랜스포머
Hapi: A Multivariable Land-Surface Transformer for Medium-Range Hydrological Forecasting at Continental Scale
수 일 전의 정확한 홍수 예보는 홍수 방재, 수자원 관리, 비상 대응에 필수적이다. 대륙 규모에서 고해상도로 이를 만들려면 유역에서 동규모 기상 시스템에 이르는 공간적 맥락과 함께 국지적 수문학적 세부 정보가 필요하다. 우리는 미국 본토 전역에서 유량, 지표 유출, 적설수량(snow water equivalent), 토양 습도를 예측하기 위해 세밀한 3차원 패치와 계층적 shifted-window 어텐션(attention)을 사용하는 U-Net Swin 트랜스포머 Hapi를 개발했다. 이 모델은 $0.05^{\circ}$ 해상도에서 24--72시간 예보를 생성하며, 학습된 Laplacian 태스크 가중치가 학습(training)에서 각 변수의 기여도를 조절한다. ERA5-Land에서 재구성된 기상 및 지표면 입력을 사용한 2024년 테스트 데이터에서 Hapi는 홍수 탐지에서 운영 중인 물리 기반 모델과 최신(state-of-the-art) AI 모델을 능가했다. 미국 지질조사국(U.S. Geological Survey) 3,881개 관측 게이지에 대한 독립 검증(validation)과 허리케인 헬렌(Hurricane Helene) 사례 연구는 일별 유량 재현에서 물리 기반 모델 대비 Hapi의 우위를 뒷받침했다. 통제 실험은 학습된 태스크 가중치가 강수 입력 변화에 특히 민감한 희귀 홍수 탐지를 강화함을 보였다. Hapi는 단일 A100 GPU에서 평균 추론(inference) 시간 0.11초로 미국 본토 전역에 걸친 4변수 72시간 예보를 생성했다.