해수면온도

5 Contents

[카오스 짧강] 2026 카오스콘서트 예습하기: 인공지능으로 엘니뇨 예측하기_PART 1

엘니뇨는 페루 연안의 어부들이 수년에 한 번씩 물고기가 잡히지 않는 현상에 붙인 이름으로, 스페인어로 '어린 남자아이'를 뜻합니다. 기상학적으로는 적도 태평양의 해수면 온도가 평년보다 0.5도 이상 높은 상태가 6개월 이상 지속되는 대표적인 기후 현상을 의미합니다. 기후는 하루하루의 날씨보다 긴 시간 규모의 변화를 뜻하며, 엘니뇨는 이러한 기후 변동의 핵심입니다. 열대 동태평양 지역의 수온 상승은 단순히 국지적인 변화에 그치지 않고, 대기와 해양의 유기적인 연결을 통해 전 지구적인 기상 이변을 일으키는 거대한 자연 현상의 시작점이 됩니다. 엘니뇨가 발생하면 지구 곳곳에서 가뭄과 홍수 같은 이상기후가 빈번하게 나타납니다. 인도네시아와 호주 같은 지역에서는 극심한 가뭄으로 인해 대규모 산불이 발생하기 쉬운 환경이 조성되는 반면, 멕시코나 남미 지역에는 기록적인 폭우와 홍수가 덮치기도 합니다. 이러한 변화는 단순히 자연의 현상에 머무르지 않고 전 세계적인 곡물 가격 급등을 초래하는 등 우리의 실생활과 경제에까지 밀접한 영향을 미칩니다. 1997년의 인도네시아 산불이나 2015년 동남아시아의 가뭄 등은 모두 엘니뇨가 유발한 역사적인 재해의 대표적인 사례들로 알려져 있습니다. 한반도 역시 엘니뇨의 영향권에서 자유롭지 못합니다. 엘니뇨 시기에 우리나라는 평년보다 기온이 높고 강수량이 증가하는 경향을 보입니다. 이는 중태평양의 강수 증가로 인해 북서태평양 고기압이 강하게 발달하면서, 한반도 방향으로 따뜻하고 습한 남풍이 지속적으로 유입되기 때문입니다. 열대 지역의 수증기가 지속적으로 공급되는 이러한 역학적 과정은 겨울철에도 평소보다 따뜻한 날씨와 잦은 비를 만들어내곤 합니다. 이처럼 엘니뇨는 지구 반대편의 현상이지만 우리 삶의 터전인 한반도의 기온과 강수 패턴을 결정짓는 매우 중요한 변수로 작용하고 있습니다. 기후학자들은 엘니뇨를 예측하기 위해 전 지구 모형을 활용하지만, 중장기 예측은 여전히 도전적인 과제입니다. 예측 오차가 발생하는 주요 원인은 실제 지구의 복잡한 물리 과정을 수만 줄의 코드로 완벽히 구현하기 어렵다는 점과 '나비 효과'에 기인합니다. 나비 효과란 초기 예측 시점의 아주 작은 차이가 시간이 흐름에 따라 거대한 오차로 증폭되는 현상을 말합니다. 2014년 당시 많은 기관이 강력한 엘니뇨를 예보했으나 실제로는 발생하지 않았던 사례는 기후 예측이 얼마나 정교한 기술을 요구하는지, 그리고 왜 인공지능과 같은 새로운 접근 방식이 필요한지를 잘 보여줍니다. 인공지능을 활용한 최신 기후 연구는 엘니뇨 발생 1년 전의 전조 현상을 포착하는 데 집중하고 있습니다. 엘니뇨 지수가 정의되는 동태평양 지역보다 서태평양의 해양 내부 온도 변화를 관찰하는 것이 훨씬 효과적인 선행 지표가 됩니다. 서태평양에 머물던 따뜻한 해수가 약 1년에 걸쳐 천천히 동쪽으로 이동하며 엘니뇨를 유발하기 때문입니다. 지구는 물리적으로 유기적인 연결체이기에, 방대한 데이터를 학습한 인공지능은 인간의 눈으로 파악하기 힘든 미세한 수온 분포의 특징을 분석하여 미래의 기후 재난을 보다 정확하게 예견할 수 있는 강력한 도구가 되어가고 있습니다.

[카오스 짧강] 2026 카오스콘서트 예습하기: 인공지능으로 엘니뇨 예측하기_PART 1
카오스재단카오스 짧강(짧은 강연)
  • 지구환경과학
  • 융합

[카오스 짧강] 2026 카오스콘서트 예습하기: 인공지능으로 엘니뇨 예측하기_PART 2

엘니뇨는 태평양 내부의 변화뿐만 아니라 전 지구적인 해양과 해빙의 영향을 받는 매우 복잡한 기후 현상입니다. 이러한 복잡성 때문에 인간의 직관이나 전통적인 수치 예보 모델만으로는 정확한 예측에 한계가 따를 수밖에 없습니다. 연구진은 이 문제를 해결하기 위해 인공지능, 특히 딥러닝 알고리즘의 도입을 결정했습니다. 시계열 학습에 특화된 순환 신경망(RNN)과 이미지 인식에 강점이 있는 합성곱 신경망(CNN)을 검토한 끝에, 전 지구적인 해수면 온도 분포를 2차원 지도로 파악하여 특징을 추출하는 합성곱 신경망(CNN)이 엘니뇨 예측에 가장 최적이라는 결론을 내렸습니다. 딥러닝 모델의 성공적인 학습을 위해서는 방대한 양의 데이터가 필수적이지만, 실제 관측된 엘니뇨 기록은 연간 단위로 추출할 경우 지난 170여 년간 약 170개 정도에 불과합니다. 이는 수만 개의 샘플을 필요로 하는 인공지능 학습에 턱없이 부족한 수준입니다. 연구팀은 이 한계를 극복하고자 기후 변화에 관한 정부 간 협의체(IPCC)에서 사용하는 가상 지구 시뮬레이션 데이터를 활용했습니다. 가상 지구 시뮬레이션 데이터 속의 엘니뇨 패턴과 강수량 변화는 실제 지구 현상과 상당 부분 유사성을 띠고 있어, 부족한 관측 데이터를 보완할 훌륭한 학습 자료가 되어주었습니다. 성격이 다른 두 종류의 데이터를 효과적으로 결합하기 위해 연구팀은 '전이 학습' 기법을 도입했습니다. 이는 풍부한 데이터를 가진 유사 분야에서 먼저 지식을 습득한 뒤 목표 분야에 적용하는 방식으로, 사과 사진이 부족할 때 배 사진으로 먼저 학습시키는 원리와 같습니다. 엘니뇨 예측에서도 수많은 가상 지구 시뮬레이션 데이터로 기후 패턴의 기본 원리를 학습시킨 인공지능 모델에, 실제 관측 데이터를 추가로 학습시켜 지식을 전이했습니다. 이러한 전략은 데이터 부족 문제를 해결하는 동시에 예측 모델의 신뢰도를 높이는 결정적인 역할을 했습니다. 개발된 딥러닝 모델의 실제 성능을 검증하기 위해 1984년부터 2017년까지의 기간을 대상으로 24개월 앞을 내다보는 예측 실험을 수행했습니다. 실험 결과, 인공지능 모델은 미래 17개월에서 18개월까지의 엘니뇨 지수를 성공적으로 예측하며 높은 정확도를 보였습니다. 이는 예측 시점이 멀어질수록 성능이 급격히 저하되는 기존의 수치 예보 모델들과 비교했을 때 매우 고무적인 성과입니다. 인공지능이 복잡한 전 지구적 기상 상관관계를 포착함으로써 기존 시스템의 기술적 한계를 뛰어넘을 수 있음을 실질적인 지표로 증명해낸 것입니다. 기존의 전 세계 유수 기관들이 운용하는 수치 예보 모델들은 대략 1년 정도의 기간이 지나면 예측의 신뢰도가 기준치 이하로 떨어지는 양상을 보였습니다. 그러나 이번에 구축된 딥러닝 기반 시스템은 예측 가능 기간을 약 6개월 더 확장하여 최대 1년 반 앞의 기후 변화를 예고할 수 있게 되었습니다. 이는 기상 재해 대비와 농업, 에너지 등 기후 민감 산업 분야에서 보다 선제적이고 효율적인 대응 체계를 구축할 수 있는 발판을 마련해 줍니다. 이번 연구는 인공지능이 복잡한 자연의 비밀을 푸는 강력한 도구가 될 수 있음을 다시 한번 확인시켜 주었습니다.

[카오스 짧강] 2026 카오스콘서트 예습하기: 인공지능으로 엘니뇨 예측하기_PART 2
카오스재단카오스 짧강(짧은 강연)
  • 지구환경과학
  • 융합

[강연] 딥러닝으로 엘니뇨 예측하기 _ by함유근 | 2020 가을 카오스강연 'Ai X' 4강 | 4강

엘니뇨는 적도 태평양의 해수면 온도가 평년보다 0.5도 이상 높은 상태가 6개월 이상 지속되는 현상을 말합니다. 페루 어부들이 수온 변화로 물고기가 잡히지 않는 시기에 붙인 이름에서 유래한 이 현상은 단순한 지역적 변화를 넘어 전 지구적인 기후 시스템에 막대한 영향을 미칩니다. 엘니뇨가 발생하면 인도네시아와 호주에는 극심한 가뭄과 산불이 발생하고, 남미 지역에는 폭우와 홍수가 이어지는 등 이상기후가 빈번해집니다. 우리나라도 엘니뇨의 영향권에서 자유롭지 못하며, 겨울철 기온이 상승하거나 강수량이 증가하는 등 뚜렷한 기상 변화를 겪게 됩니다. 기후 예측은 내일의 날씨를 맞히는 것보다 훨씬 긴 시간 규모의 변화를 다루는 도전적인 과제입니다. 기존에는 지구를 격자로 나누어 구름, 강수, 해류 등 복잡한 물리 과정을 계산하는 수치 모델을 주로 사용해 왔습니다. 하지만 이러한 수치 모델은 수십만 줄의 코드로 이루어져 있어 실제 지구의 모든 프로세스를 완벽하게 구현하기 어렵습니다. 또한, 초기 상태의 아주 작은 차이가 결과에서 거대한 차이를 만들어내는 '나비효과'로 인해 예측 기간이 길어질수록 정확도가 급격히 떨어지는 한계가 있었습니다. 특히 6개월 이상의 중장기 예측은 기후학자들에게 여전히 어려운 숙제였습니다. 최근에는 이러한 한계를 극복하기 위해 인공지능, 특히 딥러닝 기술이 기후 예측 분야에 도입되고 있습니다. 엘니뇨 예측에는 이미지 인식에 탁월한 성능을 보이는 합성곱 신경망(CNN) 기법이 주로 활용됩니다. 엘니뇨는 특정 지점의 수온 변화뿐만 아니라 서태평양, 인도양, 대서양 등 전 지구적인 해수면 온도 분포의 상관관계를 파악하는 것이 중요하기 때문입니다. 2차원 또는 3차원 지도 형태의 데이터를 분석하여 복잡한 패턴 속에서 엘니뇨의 전조 현상을 찾아내는 인공지능의 능력은 기존 수치 모델이 놓치기 쉬운 미세한 신호들을 포착하는 데 매우 효과적이라는 사실이 증명되었습니다. 딥러닝 모델을 학습시키기 위해서는 방대한 양의 데이터가 필요하지만, 관측된 기후 데이터는 역사적으로 매우 한정적입니다. 엘니뇨는 1년에 단 한 번 발생 여부가 결정되기에 실제 가용 샘플은 170여 개에 불과합니다. 이를 해결하기 위해 연구자들은 '전이 학습'이라는 기법을 도입했습니다. 이는 수치 모델 시뮬레이션이 생성한 수많은 가상 엘니뇨 데이터를 먼저 학습시킨 뒤, 그 지식을 실제 관측 데이터에 적용하는 방식입니다. 비록 가상 데이터에 오차가 있더라도 기본적인 물리 메커니즘을 학습하는 데는 충분하며, 이를 통해 데이터 부족 문제를 해결하고 모델의 예측 성능을 획기적으로 높일 수 있었습니다. 딥러닝 기반의 예측 모델은 기존 수치 모델보다 훨씬 앞선 성능을 보여주었습니다. 기존 시스템이 약 1년 정도의 예측 신뢰도를 가졌다면, 인공지능 모델은 이를 18개월까지 연장하는 데 성공했습니다. 1년 반 앞을 내다볼 수 있다는 것은 사회적, 경제적으로 엄청난 가치를 지닙니다. 이상기후에 대비해 재난 방지 시스템을 정비할 충분한 시간을 확보할 수 있을 뿐만 아니라, 곡물 가격 변동에 선제적으로 대응하여 경제적 손실을 최소화할 수 있기 때문입니다. 실제로 1997년이나 2015년의 강력한 엘니뇨 사례에서도 딥러닝 모델은 매우 높은 정확도로 미래를 예측해 내는 성과를 거두었습니다. 인공지능의 예측 결과가 단순히 통계적 우연이 아님을 증명하기 위해 '히트맵' 분석 기법이 사용됩니다. 이는 인공지능이 데이터의 어느 부분을 중점적으로 보고 판단을 내렸는지 시각화하는 기술입니다. 분석 결과, 딥러닝 모델은 엘니뇨 발생 1년 전 서태평양의 따뜻한 해수 분포나 대서양의 특정 온도 패턴을 주목하고 있었습니다. 이는 기존 기후학계에서 밝혀낸 물리적 메커니즘과 일치하는 결과로, 인공지능이 엉뚱한 정보가 아닌 과학적 근거에 기반하여 결과를 도출하고 있음을 시사합니다. 이러한 설명 가능한 인공지능 기술은 블랙박스로 불리던 딥러닝 모델의 신뢰성을 높이는 핵심적인 역할을 수행합니다. 인공지능 기술은 이제 엘니뇨의 발생 여부를 넘어, 발생 위치에 따른 다양한 유형의 엘니뇨를 구분하는 단계까지 발전했습니다. 중태평양 엘니뇨와 동태평양 엘니뇨는 육지에 미치는 영향이 서로 다르기에 이를 정확히 구분하는 것은 매우 중요합니다. 앞으로 딥러닝 기법은 태풍의 강도 변화, 극한 강수, 장마 패턴 등 더욱 다양한 기후 현상을 예측하는 데 폭넓게 적용될 전망입니다. 인공지능은 기후학자의 자리를 대체하는 것이 아니라, 복잡한 지구 시스템을 이해하고 미래의 불확실성에 대비하는 강력한 도구로서 인류의 생존과 번영에 기여하는 동반자가 될 것입니다.

[강연] 딥러닝으로 엘니뇨 예측하기 _ by함유근 | 2020 가을 카오스강연 'Ai X' 4강

함유근

카오스재단카오스강연
  • 지구환경과학

[그림으로 보는 과학뉴스] '곧추선' 태풍들 또 올 수 있어... 기후변화의 또다른 위협 요인

최근 한반도를 관통한 태풍들의 경로는 과거와 달리 직선 형태를 띠며 큰 우려를 낳았습니다. 태풍은 단순히 우리를 괴롭히기 위해 발생하는 자연재해가 아니라, 지구의 에너지 균형을 맞추기 위한 거대한 대기 현상입니다. 태양 복사 에너지가 집중되는 적도 지역의 과잉된 열에너지를 에너지가 부족한 극지방으로 전달하는 역할을 수행하는 것입니다. 이러한 에너지 불균형 해소 과정이 없다면 지구의 기온 차이는 지금보다 훨씬 극심해졌을 것이며, 태풍은 지구가 스스로를 치유하는 일종의 순환 시스템이라고 볼 수 있습니다. 태풍이 발생하기 위해서는 먼저 섭씨 26도 이상의 따뜻한 해수면 온도가 유지되어야 합니다. 따뜻한 바다에서 증발한 수증기가 상승 기류를 타고 올라가면, 높은 고도에서 차갑게 식으며 응결하게 됩니다. 이 과정에서 수증기가 물방울로 변하며 주변으로 '잠열'이라는 에너지를 방출하는데, 이 열이 다시 주변 공기를 데워 상승 기류를 더욱 강화합니다. 이러한 순환이 반복되면서 거대한 적란운이 형성되고, 하층에서 공기가 강하게 몰려들며 우리가 아는 강력한 태풍의 형태를 갖추게 되는 것입니다. 태풍의 특징인 강력한 회전력은 지구 자전에 의한 전향력으로부터 비롯됩니다. 북반구에서 물체를 멀리 던지면 지구 자전의 영향으로 경로가 오른쪽으로 휘게 되는데, 이를 전향력이라고 부릅니다. 흥미로운 점은 이 힘이 적도 부근에서는 발생하지 않는다는 사실입니다. 따라서 태풍은 회전력을 얻을 수 있는 위도 5도 이상의 지역에서만 탄생할 수 있습니다. 따뜻한 바다의 열기와 지구의 회전력이 만나 비로소 성숙한 태풍의 모습이 완성되며, 이는 자연이 만들어내는 가장 역동적인 조화 중 하나입니다. 지구 온난화는 태풍의 양상을 더욱 위협적으로 변화시키고 있습니다. 전 지구적인 기온 상승은 필연적으로 해수면 온도의 상승을 동반하며, 이는 태풍이 발달할 수 있는 최적의 조건을 더 넓은 해역에 제공합니다. 최근 연구에 따르면 전체적인 태풍 발생 빈도에 대해서는 학계의 의견이 갈리지만, 한반도 인근에 영향을 주는 국지적인 태풍의 빈도는 증가하는 추세를 보이고 있습니다. 특히 해수면 온도가 높아짐에 따라 태풍이 머금는 에너지가 커져 그 강도가 더욱 세지고 있다는 점이 기후 위기의 심각성을 보여줍니다. 우리나라는 오랜 시간 태풍을 겪으며 제주도를 중심으로 상당히 수준 높은 재난 대비 시스템을 구축해 왔습니다. 하지만 기술적인 대비만으로는 한계가 있기에, 보다 근본적인 원인인 기후변화에 대한 성찰이 필요합니다. 일상에서의 작은 행동들이 먼 바다의 온도를 높이고 결국 강력한 태풍으로 돌아온다는 사실을 인지해야 합니다. 태풍의 위협으로부터 안전한 미래를 만들기 위해서는 체계적인 재난 대비 시스템 확충과 더불어 탄소 배출 저감을 위한 전 지구적인 노력이 반드시 병행되어야 할 것입니다.

[그림으로 보는 과학뉴스] '곧추선' 태풍들 또 올 수 있어... 기후변화의 또다른 위협 요인
국립과천과학관
  • 지구환경과학

[과학관갤러리] 태풍과 토네이도 2편

태풍과 토네이도는 발생하는 장소부터 뚜렷한 차이를 보입니다. 토네이도는 주로 중위도 지역의 넓은 평야 지대에서 형성되는데, 대표적으로 미국의 중부 평원 지역이 꼽힙니다. 반면 태풍은 광활한 열대 해역에서 그 여정을 시작합니다. 하지만 모든 열대 해역에서 태풍이 만들어지는 것은 아닙니다. 적도를 중심으로 남북위 5도 이상 떨어진 곳이어야 하며, 해수면 온도가 26.5도 이상이라는 까다로운 조건을 충족해야만 비로소 거대한 태풍의 씨앗이 뿌려질 수 있습니다. 우리가 흔히 부르는 태풍은 발생 지역에 따라 그 이름이 달라지는 흥미로운 특성을 가지고 있습니다. 이들은 모두 열대 저기압이라는 하나의 기상 현상에 뿌리를 두고 있지만, 서태평양에서 발생해 아시아 지역에 영향을 주면 태풍이라 부릅니다. 같은 현상이 동태평양이나 대서양에서 나타나면 허리케인이 되고, 인도양이나 남태평양에서 발생하면 사이클론이라는 이름을 얻게 됩니다. 결국 이름은 다르지만, 뜨거운 열대 해역의 에너지를 머금고 발달한 강력한 저기압 시스템이라는 본질은 동일하다고 볼 수 있습니다. 기상 예보에서 자주 접하는 저기압은 대개 흐리고 비가 오는 날씨를 동반합니다. 태풍 역시 이러한 저기압의 일종으로, 열대의 뜨거운 열기가 해상의 수증기와 만나 강력하게 발달한 형태입니다. 특히 서태평양의 따뜻한 해역은 태풍이 성장하기에 최적의 조건을 제공하며, 이렇게 만들어진 태풍은 매년 여름과 가을 사이 우리나라를 포함한 아시아 국가들에 막대한 영향을 미칩니다. 지역마다 부르는 명칭은 다양할지라도, 자연이 만들어내는 거대한 에너지의 흐름을 이해하는 것은 기상 현상을 파악하는 핵심입니다. 미국의 '토네이도 앨리'처럼 매년 수백 건의 토네이도가 발생하는 지역과 달리, 우리나라는 지형적 특성상 토네이도를 목격하기가 쉽지 않습니다. 하지만 우리나라에도 이와 유사한 현상이 존재하는데, 바로 '용오름'입니다. 용이 하늘로 승천하는 모습과 닮았다고 해서 붙여진 이 이름은 발생 장소에 따라 육지 용오름과 바다 용오름으로 나뉩니다. 육지 용오름이 우리가 흔히 아는 토네이도와 같은 현상이지만, 우리나라는 산이 많은 지형적 특성 때문에 육지보다는 주로 먼바다에서 용오름이 관찰되곤 합니다. 자연 상태의 토네이도나 용오름을 직접 관찰하는 것은 매우 위험하고 어려운 일입니다. 그러나 과학적 원리를 이용하면 안전한 환경에서 이 신비로운 현상을 간접적으로 체험해 볼 수 있습니다. 인위적인 공기의 흐름을 조절하여 소규모의 소용돌이를 만들어내는 장치를 통해, 토네이도가 어떻게 형성되고 회전하는지 그 구조를 눈앞에서 생생하게 확인할 수 있습니다. 이러한 체험은 교과서 속의 지식을 넘어 자연의 역동적인 에너지를 직접 느끼고 과학에 대한 호기심을 키우는 소중한 기회가 될 것입니다.

[과학관갤러리] 태풍과 토네이도 2편
국립과천과학관과학관 갤러리
  • 지구환경과학