날씨 예보는 어렵습니다. 정확한 예측을 위해 기상학자는 현재와 과거의 날씨 데이터를 사용하여 대기의 미래 상태와 날씨 패턴에 미치는 영향을 예측합니다. 그러나 정확한 예보를 위해서는 어떤 날씨 데이터가 필요할까요? 기상학자들은 전 세계의 기상 관측소, 기상 위성, 기상 풍선 등을 통해 온도, 기압, 습도, 강수량, 풍속 등에 대한 기상 관측 자료를 수집합니다. 이러한 기상 조건은 시간이 지남에 따라 계속 변하기 때문에 방대한 데이터가 생성됩니다.
이 데이터를 정확한 날씨 예보로 변환하려면 일정한 유동 상태에 있는 수천 또는 수백만 개의 변수 간의 상호 작용을 모델링해야 하는데, 수학에서는 이를 '유체 역학 미분 방정식'이라고 합니다. 이러한 수학 방정식은 매우 복잡하고 많은 데이터를 포함하므로 일반적으로 슈퍼컴퓨터에서 실행됩니다.
이러한 방정식을 바탕으로 한 날씨 예보를 수치적 날씨 예측이라고 하며, 이를 실행하는 컴퓨터 프로그램을 날씨 모델이라고 합니다.
날씨 모델은 대기를 컴퓨터로 시뮬레이션한 것입니다.
지구 대기는 약 60마일 높이의 공기층으로, 복잡한 화학, 열역학, 유체 역학의 결과로 유체인 공기가 한 곳에서 다른 곳으로 이동합니다. 이론적으로 이러한 공기의 흐름은 충분한 데이터, 컴퓨팅 성능, 다양한 요소 간의 상호 작용을 정확하게 설명할 수 있는 방정식만 있다면 물리 및 수학 법칙을 사용하여 계산할 수 있습니다.
날씨 데이터, 컴퓨팅 성능, 대기 중 다양한 날씨 조건의 상호 작용을 시뮬레이션하는 수학 방정식은 모든 날씨 예보 모델의 세 가지 필수 요소입니다.
컴퓨터 프로그램이 미래 대기 상태에 대한 예측을 출력하려면 먼저 모델에서 설명할 지역에 대한 현재 날씨 데이터를 입력해야 합니다. 일반적으로 날씨 모델은 특정 위치에 초점을 맞춘 로컬 모델과 지구 전체의 날씨를 정확하게 예측하는 것을 목표로 하는 글로벌 모델의 두 가지 유형으로 나뉩니다.
두 가지 유형의 모델 모두 유사한 프로세스를 사용하며, 차이점은 규모입니다. 기상 관측소, 기상 풍선, 부표, 레이더, 기상 위성 등을 통해 날씨를 관측하고 강수량과 뇌우, 풍속과 방향, 기온과 기압 등에 대한 데이터를 수집합니다. 하나의 시간 스냅샷에서 가져온 이러한 초기 데이터를 모델의 '초기 조건'이라고 합니다. 이 초기 데이터는 정기적으로 반복되는 시간 단위로 주기적으로 업데이트됩니다.
이러한 초기 조건의 데이터는 모델 영역을 덮고 대기권 위쪽으로 확장되는 3차원 점 세트인 그리드로 배열됩니다. 그리드 포인트는 기상 관측이 이루어진 지점이 아니라 공간적으로 등거리이며 수평 및 수직 방향으로 이어지는 컴퓨터로 생성된 위치 집합입니다. 각 그리드 포인트에서 컴퓨터 프로그램이 모델 실행을 진행하여 해당 위치에 대한 수치 예측을 생성하고, 전체 그리드에 대한 계산이 완료될 때까지 각 그리드 포인트에 대해 이 과정을 반복합니다.
이러한 초기 조건에서 모델은 점진적인 시간 단계를 수행하여 대기의 흐름과 그로 인해 발생할 수 있는 날씨 조건을 예측할 수 있습니다.
그리드 포인트의 수와 각 그리드 포인트 사이의 간격은 예측 모델의 정확도에 영향을 미칩니다. 그리드 포인트 수가 많은 모델을 '고해상도'라고 하며 정확도가 향상되지만, 고해상도 그리드에는 더 많은 컴퓨팅 성능이 필요합니다.1
날씨는 상호 연관된 변수가 매우 많기 때문에 초기 조건의 작은 차이(예: 4mph로 측정된 풍속과 4.2mph로 측정된 풍속의 차이)가 빠르게 증가하여 나머지 시스템에 큰 영향을 미칠 수 있습니다. 이에 시간이 지남에 따라 그 변화를 예측하기 어렵습니다.
날씨 시스템에는 수많은 변수와 미지의 요소가 있기 때문에 기상학자는 소위 '앙상블 예보'에 의존합니다. 앙상블 예보에서는 불확실성을 설명하기 위해 각각 다른 매개 변수를 사용하여 여러 모델을 실행합니다. 이러한 예보의 전체 집합인 앙상블은 향후에 발생할 수 있는 대기 상태 범위를 모델링하고 향후 날씨에 대한 확률적 예측을 제공하는 데 사용할 수 있습니다.4
기상학자는 날씨 예보에 다양한 모델을 사용하는데, 이는 정확히 무엇을 예보하고자 하는지에 따라 달라집니다. 특정 지역을 대상으로 실행되는 지역 모델은 전 지구를 대상으로 하는 글로벌 모델과는 매우 다른 정보를 제공합니다. 각 날씨 모델에는 어떤 데이터를 포함할지, 어떤 수학 방정식으로 대기 현상을 가장 잘 시뮬레이션할지, 어떤 유형의 예보에 우선순위를 두는 것이 가장 중요한지 등에 대한 선택이 포함됩니다.
어떤 모델도 모든 기상 현상을 정확하게 예측할 수는 없습니다. 대신 기상학자는 예측하려는 내용을 선택하고 그 결과의 정확도가 높도록 모델을 설계합니다. 한 종류의 정확도는 다른 종류의 정확도를 희생시킬 수 있습니다. 예를 들어, 모델은 단기간 예측(최대 3일 전), 중기간 예측(3~15일 전) 또는 장기간 예측(10일~2년 전)에 대한 정확도가 높도록 설계되었으며, 각 유형에 따라 다른 선택이 필요합니다. 단기 예보를 원하는 기상학자는 대기 중 1000km 상공의 지점에서 수집한 날씨 데이터를 통합하는 중규모 모델을 사용할 수 있는데, 이 중규모 데이터는 더 정확한 단기 예보를 생성하기 때문입니다. 더 신뢰할 수 있는 장기간 예보를 위해 기상학자는 높은 고도의 대기에서 기상 관측을 제외하는 비중규모 모델을 선호할 수 있습니다.
기상학자는 항상 기존 날씨 모델을 개선하기 위해 노력하고 있으며, 날씨 연구 및 예측을 위한 새로운 컴퓨터 모델을 만들 수도 있습니다. 모델의 수학 방정식은 대기를 시뮬레이션하기 위한 것이므로 기상학자는 알고리즘을 테스트하고 조정하여 어떤 알고리즘이 가장 정확한 날씨 예보를 제공하는지 확인합니다. 이러한 공식 중 일부는 오픈 소스이고 일부는 독점적입니다.
가장 잘 알려진 두 가지 글로벌 모델은 미국 기상청의 GFS(Global Forecast System) 모델과 ECMWF(European Center for Medium-Range Weather Forecast) 모델로, 일반적으로 미국 모델과 유럽 모델로 알려져 있습니다.
GFS는 하루에 4번 업데이트되며 최대 16일까지 예측합니다. ECMWF는 하루에 2번만 업데이트되고 10일 예측을 생성하지만 GFS보다 해상도가 높으며 역사적으로 더 정확한 예측을 생성했습니다.
또 다른 잘 알려진 예측 모델은 북미 중규모 모델(NAM)로, 북미 전역을 포괄하고 61시간 예측을 생성하는 단거리 지역 모델입니다. NAM은 NOAA(National Oceanic and Atmospheric Administration)에서 운영하는 널리 사용되는 두 가지 모델인 RR 또는 RAP(Rapid Refresh) 모델과 HRRR(High Resolution Rapid Refresh)을 지원하는 오픈 소스 예측 모델인 WRF(Weather Research and Forecasting) 모델을 기반으로 합니다.
캐나다 기상 센터(CMC) 모델, 영국 기상청 모델, 독일 기상청(DWD) 모델, 호주 기상청(BoM) 모델 등 다른 날씨 모델이 있습니다. 각 모델은 서로 다른 사항에 초점을 맞추고 서로 다른 데이터를 통합하며 서로 다른 수학 방정식으로 계산하여 원하는 최상의 정확도를 생성하는 정확한 예측을 하도록 설계되었습니다. 각각 고유한 강점과 한계가 있습니다.
기후 및 날씨 인사이트를 확보하여 파괴적인 환경 조건을 예측하고 선제적으로 위험을 관리하며 보다 지속가능한 운영 체계 구축
세계에서 가장 정확한 기상 데이터를 사용하여 기상 이변에 대한 계획 및 준비
모든 산업에서 더 빠르고 스마트한 비즈니스 결정을 내릴 수 있도록 지원하는 정확한 일기 예보 제품
극심한 기상 이변과 기후 관련 장애는 수익에 영향을 미칠 수 있습니다. 그러나 위험을 완화하기 위해 할 수 있는 일이 있습니다.
NASA 연구는 과학을 발전시키고 변화하는 환경에 적응할 수 있는 새로운 지식을 얻기 위해 방대한 데이터 세트의 마이닝을 용이하게 하는 조정 및 재사용 가능한 파운데이션 모델을 찾고 있습니다.
극심한 폭염, 엄청난 홍수, 통제할 수 없는 산불. 기후 변화의 영향이 현실로 다가왔습니다.
급변하는 환경에서 우위를 점하기 위해 산업계는 운영 기술(OT)과 IT 데이터의 통합에 집중하고 있습니다.
기록적인 기상 이변은 이제 우리 국민, 세계 경제, 환경이 불가분의 관계에 있음을 끊임없이 상기시켜 줍니다.
유틸리티 회사는 가동 시기와 가동하지 말아야 할 시기를 파악하기 위해 날씨 관련 데이터가 필요합니다.
1 날씨 모델, 국립해양대기청, 2023년 5월 18일. (ibm.com 외부 링크)
2 Charlotte Hu, NOAA의 강력한 새 일기 예보 슈퍼컴퓨터가 이제 온라인에 접속, Popular Science, 2022년 6월 30일. (ibm.com 외부 링크)
3 Steve Brenner, WRF - ARW 날씨 모델 하드웨어 및 소프트웨어 요구 사항은 무엇인가요?, Research Gate, 2015년. (ibm.com 외부 링크)
4 모델 정보, 국립 기상청. (ibm.com 외부 링크)