기상 예보의 정확도 향상

 (ourworldindata.org)
1P by GN⁺ | ★ favorite | 댓글 1개
  • 기상 예보는 일상 편의를 넘어 폭풍·폭염 대응, 농업, 전력망, 항공·해상 운송의 위험 관리 인프라가 됨
  • 정확도는 수십 년 사이 크게 높아져 Met Office의 현재 4일 예보는 30년 전 1일 예보만큼 정확하고, 미국 허리케인 48시간 진로 오차도 1970년대 200~400해리에서 현재 약 50해리로 줄어듦
  • 더 촘촘한 관측망, 빠른 컴퓨터, 정교한 수치 예보 모델, 스마트폰·온라인 전달이 예보의 품질과 활용 속도를 함께 끌어올림
  • 저소득 국가는 관측 장비와 보고 빈도가 부족해 격차가 크며, 부유한 국가의 7일 예보가 일부 저소득 국가의 1일 예보보다 더 정확할 수 있음
  • 정확한 예보도 사람들에게 제때 전달되지 않으면 효과가 제한되며, 조기 경보 시스템과 AI·드론·모바일 기술이 접근성 격차를 줄이는 열쇠가 됨

일상 정보를 넘어선 기상 예보

  • 기상 예보는 바비큐나 우산 준비를 돕는 수준을 넘어 생명과 생계에 직접 연결됨
  • 폭풍, 폭염, 재난을 미리 알리면 지역사회가 피해를 줄일 시간을 확보할 수 있음
  • 농민은 파종, 관개, 비료 사용, 병해충 대응을 결정할 때 예보에 의존함
  • 전력망 운영자는 난방·냉방 수요와 풍력·태양광 발전량을 예측하는 데 기상 정보를 활용함
  • 조종사와 선원에게는 항공·해상 운송을 안전하게 유지하기 위한 필수 정보가 됨

수십 년 동안 크게 개선된 예보 정확도

  • 기상 예측은 오래전부터 시도됐지만, 큰 전환점은 1960년대 이후 컴퓨터 기반 수치 모델링의 도입이었음
  • UK Met Office는 1859년 선박용 첫 기상 예보를 냈고, 2년 뒤 첫 대중 기상 예보를 방송함
  • 현재 Met Office의 4일 예보는 30년 전 1일 예보만큼 정확함
  • 미국 National Hurricane Center의 허리케인·사이클론 진로 오차 데이터에서도 개선 폭이 큼
    • 1970년대 48시간 예보의 진로 오차는 200~400해리였음
    • 현재 48시간 예보의 진로 오차는 약 50해리 수준임
    • 1960~70년대 72시간 예보 오차는 400해리를 넘었지만, 현재는 80마일 미만으로 줄어듦
  • 허리케인 상륙 지점을 3~4일 전에 더 정확히 예측할 수 있게 되면서 도시와 지역사회가 대비하고, 과거라면 시행됐을 불필요한 대피도 줄일 수 있음

전 지구 모델의 장기 예보 개선

  • European Centre for Medium-Range Weather Forecasts는 전 지구 수치 기상 모델을 만듦
  • 국가 기상기관은 지역 예보에 더 높은 해상도 처리를 쓰지만, 전 지구 모델은 해당 시스템의 중요한 입력값이 됨
  • ECMWF의 오차 분석은 3일, 5일, 7일, 10일 전 예보와 실제 날씨 결과의 차이를 비교함
  • 분석 지표로는 날씨 패턴을 좌우하는 기압 관련 기상 지표인 500 hPa 지위고도가 사용됨
  • 3일 예보는 1980년대부터 상당히 정확했고, 현재 정확도는 약 97%임
  • 개선 폭은 예보 기간이 길수록 더 두드러짐
    • 2000년대 초에는 5일 예보가 “매우 정확한” 수준에 도달함
    • 7일 예보는 현재 그 기준에 가까워지고 있음
    • 10일 예보는 아직 같은 수준은 아니지만 꾸준히 나아지고 있음

정확도 향상을 만든 기술적 요인

  • 관측 데이터가 더 넓은 지역을 더 높은 해상도로 포괄하게 됨
    • 더 많고 나은 위성 데이터가 사용됨
    • 지상 관측소가 더 많은 지역을 더 촘촘하게 커버함
    • 관측 장비의 정밀도도 높아짐
  • 수치 예보 모델은 이런 관측값을 입력으로 받아 날씨를 예측함
  • 컴퓨터 성능 향상은 더 세밀한 격자 계산을 가능하게 함
    • Met Office는 과거 90km 폭 격자로 세계를 모델링했음
    • 현재는 1.5km 격자까지 내려감
    • 해상도가 높아질수록 필요한 계산량도 크게 늘어남
  • 관측값을 모델 출력으로 바꾸는 방법도 발전해, 단순화된 세계관보다 복잡한 기상 시스템을 더 자세히 포착할 수 있게 됨
  • 전달 방식의 변화도 예보의 실용성을 높임
    • 과거에는 일간 신문으로 하루 한 번 업데이트를 받았음
    • 라디오와 TV 확산 뒤에는 하루 몇 차례 알림을 받을 수 있었음
    • 현재는 온라인과 스마트폰으로 분 단위 업데이트를 볼 수 있음

저소득 국가에 남아 있는 예보 격차

  • 스코틀랜드에서는 스마트폰 앱으로 몇 초 안에 꽤 정확한 5일 예보를 볼 수 있지만, 같은 수준의 정보가 모두에게 제공되지는 않음
  • Manuel Linsenmeier와 Jeffrey Shrader의 최근 논문에 따르면, 부유한 국가의 7일 예보가 일부 저소득 국가의 1일 예보보다 더 정확할 수 있음
  • 모든 소득 수준에서 국가별 예보는 시간이 지나며 개선됐지만, 현재 품질 격차는 1980년대와 거의 비슷한 수준으로 큼
  • 격차의 핵심은 관측 인프라와 보고 빈도임
    • 더 가난한 국가에는 지상 관측 장비와 라디오존데가 훨씬 적음
    • 기상 데이터 보고 빈도도 훨씬 낮음
  • 날씨·기후 정보 지출에서도 차이가 큼
    • 저소득 국가는 1인당 지출이 고소득 국가보다 15~20배 적음
    • 다만 경제 규모를 고려하면 GDP 대비 지출 비중은 저소득 국가가 더 큼

가장 취약한 사람들에게 더 절실한 예보

  • 저소득 국가 노동자의 60%는 농업에 종사하며, 농업은 날씨 의존도가 매우 높은 부문임
  • 이들 중 상당수는 소규모 농민이고, 종종 극도로 가난함
  • 정확한 예보는 농민의 의사결정에 직접 도움을 줌
    • 작물 파종의 최적 시점을 알 수 있음
    • 관개가 가장 필요한 시점이나 비료가 씻겨 내려갈 위험이 큰 시점을 미리 파악할 수 있음
    • 병해충 발생 경보를 받으면 공격이 임박했을 때 작물을 보호하고, 위험이 낮을 때는 살충제 사용을 줄일 수 있음
  • 예보 접근성이 높아지면 물, 비료, 노동 같은 귀중한 자원을 더 효율적으로 쓸 수 있음
  • 좋은 기상 예보는 세계에서 가장 가난한 사람들에게 특히 큰 차이를 만듦

정확한 예보만으로는 부족함

  • 사이클론, 폭염, 홍수, 폭풍 해일에 대비하려면 예보의 정확도와 함께 전달 체계가 필요함
  • 며칠 전부터 정확한 예보를 받으면 도시와 지역사회가 준비할 수 있음
    • 주택을 보호할 수 있음
    • 긴급 서비스가 복구 지원을 위해 대기할 수 있음
  • 최근 수십 년간 가장 치명적인 재난 중 다수는 사전에 정확히 예측됐지만, 공통된 실패 지점은 부실한 전달이었음
  • 예보는 사람들이 실제로 대응할 수 있는 방식으로 전달될 때 가치가 생김
  • World Meteorological Organization은 전 세계 약 3분의 1, 주로 가장 가난한 국가들이 조기 경보 시스템을 갖추지 못했다고 추정함

투자와 신기술의 역할

  • 일부 지역에서는 좋은 예보와 빠른 전달을 당연하게 여기지만, 이를 모두에게 제공하는 것만으로도 큰 차이를 만들 수 있음
  • 기후 변화가 날씨 관련 재난 위험을 높이는 상황에서 더 나은 예보는 기후 변화 적응의 중요한 수단임
  • 격차를 줄이려면 적절한 투자와 재정 지원이 필수임
  • 신기술은 개선 속도를 높일 수 있음
    • Nature에 실린 최근 논문은 AI 시스템 Pangu-Weather가 선도 기상기관만큼 정확하거나 더 정확한 예보를 최대 10,000배 빠르게 수행할 수 있다고 기록함
    • Pangu-Weather는 39년치 과거 데이터로 학습됨
    • 예보 속도가 빨라지면 운영 비용이 낮아지고, 예산이 제한된 국가에도 더 나은 결과를 제공할 수 있음
  • 더 빠르고 효율적인 기술은 지상 기상 관측소가 없는 지역의 공백을 줄일 수 있음
    • 센서를 탑재한 드론은 특정 지역을 조사해 더 높은 해상도의 지도를 만들 수 있음
    • 저렴하고 효율적인 예보 생성 방식에 모바일 기술을 결합하면 정보를 빠르게 전달할 수 있음
    • 일부 기업은 이미 저소득 국가 농민에게 작물 파종 시점을 조언하는 메시지를 보내고 있음
  • 이런 혁신은 현재의 날씨에 더 강한 국가를 만들고, 날씨가 더 극단적으로 변할 가능성이 있는 세계에서도 필수적임

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 예보가 얼마나 좋은지는 어떤 기상 모델을 쓰는지에 따라 달라지는 듯함. Apple Watch의 날씨는 GFS와 거의 정확히 맞아 보이는데, GFS는 중기 예보에는 괜찮지만 단기에는 그다지 유용하지 않고, 하루이틀 앞은 NAM, 몇 시간 앞은 HRRR이 더 낫다고 봄
    어떤 집계 서비스가 날씨를 단순화해 주는 것에 맡기기보다 원자료를 직접 볼 수도 있음: https://weather.cod.edu/forecast/
    큰 이벤트 때는 National Weather Service의 미디어 브리핑이 좋지만, 업데이트가 일찍 멈추는 경우가 있음. 몇 주 전 뉴욕에 많은 눈이 올 확률이 높았는데, 오전 9시쯤 업데이트가 멈췄고 눈은 오후 1시쯤 시작될 예보였음. 단기 모델을 보니 눈 확률이 낮아지고 있었고, 실제로는 거의 쌓이지 않았음. 이벤트에 가까워질수록 예보는 더 정확해지니, 원하면 언제든 더 많은 데이터를 직접 볼 수 있음
    Skip Talbot을 보는 사람이 있는지 모르겠지만, 그는 몇 시간 앞 HRRR의 helicity swath를 보다가 큰 값을 찾았고, HRRR이 강한 회전을 예측한 경로가 실제 큰 토네이도의 경로와 거의 일치했음

    • 지역 TV 기상 캐스터가 매일 아침 YouTube 채널에서 HRRR, NAM, GFS, 위성 사진 등을 훑으며 방송 뉴스보다 훨씬 자세히 설명해 줌. 원자료가 부담스러울 때 좋은 절충안임
      https://www.youtube.com/@markfinanweather
    • 어떤 모델을 쓰느냐보다 실행 가능한 정보가 더 중요하다고 봄. 핵심은 정밀도와 확률임
      내일 비 올 확률이 50%라는 것보다, 내가 통근하는 오전 9시에는 강수 확률이 10%이고 정오에는 90%라는 식의 시간별 정보가 중요함. 비가 오면 바람과 기온도 함께 봐야 하며, 이런 정보가 모자이크처럼 제시되어야 함
      이 목적에는 NOAA의 시간별 지역 예보가 독보적이라고 느낌: https://www.weather.gov/okx/ 에서 우편번호를 넣고 시간별 지역 예보로 들어가면 됨
      예시: https://forecast.weather.gov/MapClick.php?lat=33.797&lon=-11...
      이 정도 세부 정보를 주는 Android 앱이 있으면 좋겠고, 가능하면 마이크를 엿듣지 않는 앱이면 좋겠음
    • 날씨 예보는 주로 Windy를 씀. 여러 모델을 비교할 수 있고, 다양한 오버레이가 있어 날씨 관련 용도에는 거의 필수 도구처럼 유용함
      https://windy.com
    • Apple 날씨 예보 이야기가 흥미롭고 내 경험과도 잘 맞음. 특히 단기 예보가 예외적으로 부정확해서 이제는 거의 농담거리처럼 됨
    • weather.gov를 같은 방식으로 씀. 지역의 시간별 예보를 보면 매우 자세하고 유용하며 정확한 정보를 얻을 수 있음
      장모님은 Google에 물어보거나 TV에서 본 날씨를 늘 전해 주는데, 대체로 틀림. 집계되지 않은 정보가 훌륭하고 다른 출처에서 보도되는 것보다 거의 항상 더 정확함

  • Andrew Blum의 The Weather Machine을 추천함. 예보의 역사와 지금 배후에서 무슨 일이 일어나는지를 다루는 책임
    책은 오래된 기상 관측소와 새 위성 발사, 대기 슈퍼컴퓨터 모델을 만들기 위한 과학자들의 노력, 그 알고리즘의 역사까지 따라가며, 우리가 기상학의 황금기에 들어섰지만 아직 그 도구를 충분히 신뢰하지 못하고 현대 기상 시스템을 가능하게 하는 취약한 국제 협력도 보장할 수 없다는 점을 다룸
    https://www.andrewblum.net/the-weather-machine-2
    https://www.goodreads.com/en/book/show/42079139
    기상학의 아주 초기 역사는 Luke Howard를 다룬 The Invention of Clouds도 볼 만함
    https://www.goodreads.com/book/show/1148768.The_Invention_of...
    https://en.wikipedia.org/wiki/Luke_Howard

  • The Signal and The Noise에서 읽은 기억으로는, 사람들은 비 올 확률이 50% 미만이라고 했는데 비가 오면 예보가 나쁘다고 느끼는 경향이 있음
    비가 안 올 것 같다고 했는데 비가 오는 건 짜증나지만, 비가 올 것 같다고 했는데 맑은 날은 기분 좋은 뜻밖의 결과임. 그래서 사람들이 “좋은 예보”라고 판단하게 만들려면 강수 확률을 터무니없이 높게 조정해야 하고, 소비자용 예보 서비스들이 그렇게 한다는 내용이었음
    https://en.wikipedia.org/wiki/The_Signal_and_the_Noise

    • 네덜란드에서는 실제 예측 예보보다 실시간 강우 레이더를 더 많이 씀. 도시 지역에서 “비가 올까?”라는 질문은 보통 지금 자전거로 집에 가도 되는지, 30분 뒤가 나은지 같은 단기 판단이기 때문임
      네덜란드는 비가 아주 국지적으로 내리는 편이라, 오늘 강수 확률이 100%여도 하루 중 1~2시간에 흩어져 내리고, 때로는 아주 세게 온 뒤 바로 그치기도 함. 틀리는 경우는 이동 중인 비구름이 바람 변화 때문에 간발의 차로 빗나갈 때 정도였음
    • 사람들이 예보가 나쁘다고 느끼는 이유가, “예보가 틀리거나 맞거나 둘 중 하나니까 기상 캐스터는 최소 절반은 맞아야 한다”는 식으로 생각해서인지 궁금할 때가 있음
      실제로는 예보가 틀릴 방법은 셀 수 없이 많고, 맞을 방법은 몇 가지뿐임
    • “비 올 확률 50%”를 “시간의 50% 동안 비가 올 것”으로 생각하게 됐음. 실제 의미가 그런지는 모르겠지만 꽤 잘 들어맞는 느낌임
      전반적으로 예보는 놀라울 정도로 정확하다고 봄. 중서부, 특히 Chicago 시장권에서는 날씨가 우리에게 오기 전 미국이나 캐나다의 넓은 지역을 지나오므로 그렇고, 해안 지역처럼 변동성이 크고 예측이 어려운 곳은 다를 수 있음
    • Florida에서는 비가 그친 지 4분만 지나도 가뭄이 시작되는 느낌이라, 비 예보가 빗나가 맑은 날이 되는 게 그리 반갑지만은 않음. 끝없는 여름에는 편두통을 부르는 태양이 없는 날을 바라게 됨
    • 흥미롭게도 Nate Silver는 자기 미래를 무심코 쓰고 있었던 셈임. 538의 2016년 최종 예측이 Trump 승리 확률을 약 30% 로 잡았는데, 사람들은 아직도 그걸 “틀렸다”며 Silver를 놀림

  • Florida처럼 허리케인이 잦은 지역에 살면 예보가 훨씬 좋아졌다는 건 알지만, 아직 개선 여지도 매우 크다는 걸 느낌
    소속은 없지만, 자기 도시에서 어떤 예보가 가장 좋은지 보려면 https://www.forecastadvisor.com/를 추천함. 이걸 보고 날씨 제공자를 완전히 바꿨고 지금은 훨씬 나아 보임
    예보 없이, 혹은 예보를 보완해 날씨를 읽는 데 관심이 있다면 Gooley의 The Secret World of Weather: How to Read Signs in Every Cloud, Breeze, Hill, Street, Plant, Animal, and Dewdrop도 재미있게 읽을 수 있음

    • https://www.forecastadvisor.com/ 추천이 훌륭하지만 아쉽게도 미국 전용임. 예전에 Climendo라는 앱을 썼는데, 1만 5천 개 이상의 예보를 소화해 내 도시에서 가장 정확한 예보를 쓴다고 주장했음
    • 국제적으로는 이런 서비스가 없는 듯해서 아쉬움. 일본에 살고 있는데 어떤 출처가 좋고 나쁜지 전혀 모르겠음
      현지 앱들은 Japan Meteorological Agency 데이터를 가져오고, Apple Weather도 그렇고, 최근 업데이트 이후 Carrot Weather도 그렇게 됨. 그런데 Apple Weather와 Carrot Weather는 여전히 서로 다른 결과를 줌
      일본 밖으로 여행할 때는 더 모르겠어서 Carrot Weather의 출처를 Apple Weather로 둠. 최소한 가능한 경우 현지 기상 서비스 데이터를 가져오기 때문임: https://developer.apple.com/weatherkit/data-source-attributi...

  • 이 글은 주로 장기 예보를 다루지만, 임박한 폭풍 알림의 품질과 신뢰성에도 감탄해 왔음. 폭우에 흠뻑 젖는 걸 피하게 해 주거나, 큰비가 오기 전에 차를 세우고 쉬게 해 준 적이 있음
    크게 주목받지는 않지만, 글에서 말하듯 진전은 꾸준하고 의미 있게 이어져 왔음
    저소득 국가의 예보 개선이 저평가되어 있다고 하는데, 더 나은 예보가 어떤 영향을 줄지 예측한 연구가 있는지 궁금함. 기술로 가난한 사람을 돕는 일은 많은 자선가가 관심 가질 만한 프로젝트이고, gravity light 같은 것보다 더 효과적이길 바람

    • 여름 대부분을 지붕 없는 Jeep으로 운전하는 입장에서는 Dark Sky가 신세계였음. 어느 날 밤 집에서 멀리 떨어진 곳에서 지붕도 문도 없이, 토네이도 주의보까지 걸린 강한 뇌우대 두 개 사이의 경로를 레이더로 찾아낸 적도 있음
      현대 기술은 놀라움

  • 오픈소스 날씨 API open-meteo.com을 만든 사람임
    날씨 예보의 미래는 AI 모델에 크게 의존할 가능성이 높음. 글에서는 Pangu Weather를 다루고, HN 댓글에서는 GraphCast도 예로 나왔음. 흥미롭게도 3월 1일 European Centre for Medium-Range Weather Forecasts(ECMWF)가 새 AI 날씨 모델 AIFS를 오픈 데이터로 공개했음
    이 모델은 기존 수치 모델보다 더 정확할 뿐 아니라 실행에 필요한 컴퓨팅 파워도 훨씬 적음. ECMWF는 AIFS가 예보 정밀도에서 다른 모델을 능가한다는 비교도 공개했음: https://www.ecmwf.int/en/about/media-centre/aifs-blog/2024/f...

  • 글에서 언급한 내용은 대체로 맞음. 더 나은 원자료, 더 빠른 컴퓨터, 더 작은 격자, 더 나은 예측 알고리즘 등이 오늘날 전반적으로 훨씬 나은 날씨 정보를 만들어 냄
    하지만 개인에게 더 나은 결과를 얻으려면 더 많은 노력이 필요해졌다는 뜻이기도 함. 앱이 어떤 알고리즘을 쓰는지, 동네나 거리 단위까지 지역화하는지, 얼마나 자주 업데이트하는지, GPS가 정확한지 같은 것들을 따져야 함. 보통은 이런 걸 생각하지 않지만, 약간만 조정해도 결과가 크게 좋아질 수 있음

  • 예보가 좋아진 건 맞겠지만, 도시 전체에 30분 넘게 꽤 세찬 비가 내리는데도 날씨 앱이 지금 비가 온다는 걸 인정하지 않고 흐림이라고만 표시한 적이 있음. 아직도 어떻게 그런 일이 가능한지 모르겠음

    • 가까운 기상 레이더나 자동 기상 관측이 있는 공항과의 거리가 한 요인일 수 있음. 이런 예측은 강수가 감지 센서에 잡히는지에 크게 의존함
      Minnesota에서도 눈보라 속을 운전하는데 레이더에는 아무것도 안 보이는 비슷한 일을 본 적 있음
    • 비 올 확률이 0%라고 했던 건지, 아니면 실제로 비를 맞고 있는데도 100%로 업데이트되지 않은 건지에 따라 다름
      후자는 꽤 흔함. 모델은 여러 초기 조건이 서로 다른 결과를 만드는 확률적 추정을 쓰고, “비 오는 결과”의 수가 강수 확률을 정하는 식이라 실제 관측 조건으로 반드시 갱신되지는 않음
    • 아마 센서 범위가 부족했거나 오래된 예보였을 가능성이 큼. 많은 기상 서비스는 최신 관측으로 계속 갱신되는 초단기 예보(nowcast)를 내지 않고, 최신 수치예보 모델 실행이 나올 때 하루 4번 정도 단일 예보를 냄
      그래도 그런 당혹감과 냉소에는 동의함. 충분히 좋지 않음. 예전에 이런 “항상 낡아 있는” 예보를 내는 역할을 한 적이 있어서 하는 말임
    • 어떤 출처를 썼느냐에 따라, 아주 거친 격자 위에서 단순히 보간했을 수 있음

  • 고등학교 때 기상학을 들었고, 선생님이 매일 예측 연습을 시켰는데 특히 자기 일화에 과도한 무게를 두는 사람들에게 도움이 될 만하다고 봄
    다음 날 날씨를 직접 예측하고, 예보된 예측과 비교하기만 하면 됐음. 성적에는 얼마나 정확했는지가 아니라 이 연습을 체계적으로 했는지가 중요했음
    이걸 해 보면 예보의 품질을 높이 평가하게 되고, “기상 캐스터는 늘 틀린다”는 말이 전혀 사실이 아님을 알게 됨. 많은 불평은 관찰에 엄밀함이 부족한 데서 나옴. 기상 예보든 다른 어떤 예측이든 정확성을 반박하려면 단단한 증거를 내야 함

  • ECMWF(European Centre for Medium-Range Weather Forecasts) 과학자 몇 명을 인터뷰한 팟캐스트를 들은 적이 있음
    그 에피소드에서 누군가 “10년마다 예보가 하루씩 개선된다”고 말했던 것 같음
    2019년에 녹음된 것이라 지금처럼 AI가 큰 주제는 아니었음. Google이 작년 11월 AI 날씨 모델을 공개한 것을 생각하면 더 그렇음
    https://omegataupodcast.net/326-weather-forecasting-at-the-e...
    https://deepmind.google/discover/blog/graphcast-ai-model-for...

답변달기