강수

2 Contents

[인터뷰] 손석우_날씨는 기분 기후는 성품 ㅣ 지금 오존층은 더 이상 파괴되고 있지 않다?

날씨와 기후의 차이는 흔히 기분과 성품에 비유되곤 합니다. 내일의 기분을 맞히기는 매우 어렵지만, 한 사람의 성품을 깊이 이해하면 그의 장기적인 행동 양식을 어느 정도 예측할 수 있는 것과 같은 이치입니다. 최근에는 인공지능과 슈퍼컴퓨터 기술의 비약적인 발전 덕분에 기후 예측의 정확도가 점진적으로 향상되고 있습니다. 특히 천리안 위성 데이터 해석이나 예보 데이터 보정에 인공지능 기술이 적극적으로 활용되면서, 과거에는 놓쳤던 미세한 기상 변화까지 포착하여 미래 기후를 더욱 정밀하게 내다볼 수 있게 되었습니다. 지구 온난화로 인한 해수면 온도 상승은 태풍의 발생과 강도에 결정적인 영향을 미칩니다. 따뜻해진 바다는 태풍에 더 많은 수증기를 공급하여 그 위력을 강화하며, 제트기류의 북상으로 인해 태풍이 과거보다 더 높은 위도까지 진입할 수 있는 환경을 조성합니다. 이는 단순히 태풍의 물리적 위력이 강해지는 것을 넘어, 실제로 인간 사회에 막대한 피해를 주는 상륙 태풍의 수가 늘어날 수 있음을 의미합니다. 따라서 기후 변화에 따른 태풍의 경로 변화와 그로 인한 잠재적 피해 규모에 대한 정량적인 연구가 그 어느 때보다 절실한 시점입니다. 기후 위기의 본질은 단순히 평균 기온이 서서히 오르는 것이 아니라, 기후 변동성이 극심해지는 데 있습니다. 기록적인 폭우가 쏟아졌던 해 바로 다음에 장마라고 부르기 민망할 정도의 가뭄이 찾아오는 식의 양극단적인 기상 이변이 빈번해지는 것이 특징입니다. 이러한 변동성은 산불 발생 조건에도 큰 영향을 미치는데, 폭염과 가뭄이 겹치며 바짝 마른 지표면은 작은 불씨만으로도 대형 화재로 이어지기 쉽습니다. 결국 홍수와 가뭄, 폭염과 산불이라는 서로 상반된 재해들이 기후 변화라는 하나의 뿌리에서 비롯되어 우리 일상을 위협하고 있습니다. 국제 사회는 몬트리올 의정서를 통해 오존층 파괴 문제를 성공적으로 해결해 온 경험이 있습니다. 이제는 파리 기후 협정을 통해 지구 온난화를 억제하기 위한 새로운 도전에 직면해 있습니다. 산업화 이전 대비 기온 상승 폭을 1.5도 이내로 제한하려는 이 협정은 각국의 탄소 중립 선언과 구체적인 이행 계획을 포함하고 있습니다. 특히 저개발 국가에 대한 경제적 보상 방안까지 마련되어 있어 과거 교토 의정서보다 훨씬 진일보한 체계를 갖추었습니다. 이러한 국제적 약속이 실질적인 성과로 이어지기 위해서는 전 지구적인 감시와 협력이 필수적입니다. 대한민국이 진정한 기후 선진국으로 거듭나기 위해서는 독자적인 탄소 감시 시스템과 기후 모델 확보가 시급합니다. 현재는 해외 모델을 수정하여 사용하는 경향이 크지만, IT 강국이라는 이름에 걸맞게 우리만의 기술로 탄소 배출을 정밀하게 관측하고 예측할 수 있는 시스템을 구축해야 합니다. 기후 변화를 단순한 현상이 아닌 '기후 위기'라는 실존적 위협으로 인식하는 패러다임의 전환도 필요합니다. 정확한 과학적 정보를 바탕으로 개인이 문제를 이해하고 공동체가 함께 대응해 나갈 때, 비로소 지속 가능한 미래를 위한 실질적인 변화를 이끌어낼 수 있을 것입니다.

[인터뷰] 손석우_날씨는 기분 기후는 성품 ㅣ 지금 오존층은 더 이상 파괴되고 있지 않다?

손석우

카오스재단서울대자연과학공개강연
  • 지구환경과학

[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