현재 개발된 딥러닝 기반 기상 예측 모델은 2주를 넘어서는 기간의 예측 및 모의 성능이 기존 동적 모델에 비해 여전히 낮은 것으로 알려집니다. 또한, Pangu-Weather의 기상 예측 장기 적분 결과, 에너지 불균형으로 인해 지속적 오차가 증가하고 있습니다. 이는 대부분 폭염 발달에 필수적인 지면, 식생 변수들이 고정되어 있다고 가정하면서, 대기 변수 만을 갖고 모델을 만들었기 때문입니다. 본 연구에서는 종전 기술의 한계로 인해 당연하다고 생각했던 지면과 식생 변수까지 고려한 극단적 폭염 예측 모델을 제시하고자 합니다.
