사이언스 투데이
science 취재파일 바이오 위클리 사이언스 HOT5 사이언스 매거진 별별 이야기 내 몸 보고서 날씨학개론 생각 연구소 과학의 달인 궁금한S

[과학의 달인] 기상이변 주범 엘니뇨…인공지능으로 빠르고 정확하게 예측!

■ 함유근 / 전남대학교 지구환경과학부 교수

[앵커]
올여름 발생한 역대 최장의 장마부터 시베리아 고온 현상까지, 올해 지구촌 곳곳에서는 이상기후 현상이 나타났습니다. 이런 기상이변의 주범으로 꼽히는 것이 바로 엘니뇨와 라니냐인데요. 오늘 과학의 달인에서는 '인공지능으로 엘니뇨와 라니냐를 예측'하는 전남대 지구환경과학부 함유근 교수를 만나봅니다. 어서 오세요. 이상 기후의 원인을 조금만 파고들면 그 안에는 엘니뇨 또는 라니냐와 같이 바닷물의 온도 변화가 영향을 미친다고 알 수 있는데요. 우선 엘니뇨부터 알아보겠습니다. 엘니뇨란 무엇이고, 지구의 기후에는 어떤 영향을 주나요?

[인터뷰]
엘니뇨는 열대 동태평양 해수면 온도가 0.5도 이상 상승한 채로 6개월 이상 유지되는 현상입니다. 대표적인 기후 현상으로 전 지구 가뭄, 홍수, 폭염. 이런 전 지구적인 것을 유발한다고 알려져 있는데요. 엘니뇨가 발생하면 칠레는 다량의 비가 내리는 온난한 겨울이 찾아오고, 아마존 강이나 콜롬비아, 중앙아메리카에는 평상시보다 건조하고 온도가 높아지는 현상이 나타납니다. 일례로, 기록적인 호주 산불이 발생했던 2020년 봄철은 엘니뇨가 발달한 해였습니다. 우리나라도 엘니뇨의 영향을 뚜렷하게 받습니다. 엘니뇨가 최절정기에 달하는 겨울철에는 한반도 온도가 상승하는 경향성이 나타나고, 엘니뇨가 발달하고 있는 가을철의 강수량은 감소하는 경향이 나타납니다. 그리고 엘니뇨가 발생하면 인도양 및 열대 대서양의 해수면 온도가 상승해 다음 해 여름철까지 유지되는 현상이 있는데요. 이는 한반도 여름철 강수량을 증가시키는 원인으로 작용할 수 있습니다. 2020년 여름철 기록적인 한반도 강수도 엘니뇨가 인도양 해수면 온도를 상승시키고 간접적인 현상으로 한반도 강수량이 증가했을 것으로 기여하고 있습니다.

[앵커]
엘니뇨에 관해서 설명 들었는데요. 그러니까 엘니뇨가 동태평양의 이상고온 현상이라고 보면 될 것 같습니다. 이런 것이 여러 가지 각종 재난이나 기후 위기에 원인이 된다는 것인데요. 그렇다면 이 부분을 미리 예방한다면 재난을 예방할 수 있을 것 같습니다. 교수님께서 엘니뇨를 예측하는 기술을 만드셨다고요?

[인터뷰]
네, 엘니뇨 현상의 발달과 발생 여부를 18개월 미리 알 수 있는 딥러닝 모형 기반의 엘니뇨 모형을 개발했습니다.

[앵커]
18개월이면 거의 1년 반이나 미리 엘니뇨 현상을 예측할 수 있다는 건데요. 어떤 원리를 통해 이 기술이 가능해진 건가요?

[인터뷰]
이 예측모형의 성능이 획기적으로 개선된 것은 딥러닝 기법 중 이미지 인식에 주로 활용되는 '합성곱 신경망 기법'을 활용했기 때문입니다. 이 기법은 원래 사진이나 동영상을 넣고 그 안에 있는 사물이 무엇인지 인식하는 데 널리 활용되고 있는데요. 사진을 넣어주는 대신 위성을 통해 관측된 해수 온도 자료를 넣어줘 전 지구적으로 어떤 기후 현상이 나타나고 있는지 인식하고 미래의 엘니뇨를 예측하는 모형을 만든 것이죠.

[앵커]
인공지능의 딥러닝 기법을 활용해서 엘니뇨를 예측할 수 있는 모델을 개발하신 건데요. 그런데 기존에도 엘니뇨. 워낙 기상이변의 원인이어서 예측하는 모델이 있었을 것인데요. 그런데도 새로운 모델을 개발하신 이유가 무엇인가요?

[인터뷰]
네, 엘니뇨의 중요성이 전 지구적으로 중요해서 엘니뇨를 예측하는 모형은 전 세계적으로 30여 개 이상으로 매달 주기적으로 엘니뇨 예측을 생산하고 있습니다. 아직까지도 일 년 이상의 엘니뇨 예측에 대해서는 성공하지 못한 사례가 발생해서 계속적인 개발이 필요한데요. 예를 들어서 2014년 봄철 당시, 그해 겨울에 엘니뇨가 올지 말지를 예측했는데요. 대부분 모형이 강한 엘니뇨가 올 것으로 그 당시에 예측했지만, 결과적으로는 대부분 모형이 예측에 실패한 사례가 있었습니다.

[앵커]
엘니뇨가 안 왔군요.

[인터뷰]
네, 안 왔습니다. 이것은 대부분의 전 지구 모형들이 아직 일 년 이상의 예측에 대해서 성능이 떨어져서 계속 개발할 필요가 있다고 말씀드리고 싶습니다.

[앵커]
30개 이상의 모형이 있는데도 이런 예측에 실패했다는 말씀이시군요. 그렇다면 기존 모델이 엘니뇨 예측에 실패한 원인은 무엇일까요?

[인터뷰]
오차의 원인을 크게 두 가지가 있습니다. 첫 번째는 기존 예측 시스템인 '전 지구 모형 시뮬레이션' 한계입니다. 쉽게 말해서 지구를 베끼는 프로그래밍이라고 할 수 있는데요. 가상의 지구에 강수, 구름, 해류, 바람, 온도 변화 등 물리 현상을 프로그래밍한 뒤 이를 바탕으로 실제 지구의 변화를 예측하는 방식입니다. 그런데 프로그래밍이다 보니까 실제 지구를 완벽하게 재현할 수 없어서 누락 된 요소들로 인해 오차가 발생합니다. 두 번째는 '나비효과'입니다. 나비효과란 나비의 작은 날갯짓처럼 작은 변화가 폭풍우 같은 커다란 변화를 유발할 수 있다는 것인데요. 실제 지구와 가상의 지구의 차이가 크지 않다고 하더라도, 예측이 진행되면서 이 차이는 점점 벌어지고 일정 시간이 지나면 실제 지구와 가상의 지구가 차이가 커지고 예측을 하는 것 자체가 무의미하게 되는 것이죠.

[앵커]
그러면 교수님께서 개발하신 예측 모델은 인공지능의 딥러닝을 한다고 하셨잖아요. 스스로 기후 변화를 예측하면서 공부한다는 것인데요. 실제 지구와 최대한 가깝게 데이터를 쌓으려면 정말 많은 데이터가 필요할 것은 데요. 이 부분은 어떻게 해결하셨어요?

[인터뷰]
그 부분이 난관이었는데요. 인공지능이 스스로 기후변화의 통계 정보를 분석하려면 다수의 양질 데이터가 필요합니다. 그런데 인류가 실제 지구의 해수면 온도를 관측하기 시작한 것은 1850년대부터였습니다. 게다가 엘니뇨는 1년에 한 번 발생 여부가 결정되기 때문에 실측 데이터는 1년에 한 개씩 기껏해야 150여 개 내외입니다. 굉장히 부족한 양이죠. 이렇게 샘플이 부족하면 딥러닝 모델이 관련성을 찾지 못합니다. 그래서 저희는 앞서 언급한 '가상 지구 모형' 시뮬레이션 정보를 학습 데이터에 추가했습니다. 가상의 지구에서 벌어진 '가상의 엘니뇨 정보'를 샘플로 활용하는 것이죠. 이건 실제 지구에서 보여주는 엘니뇨랑 특성이 유사해서 가능한 것인데요. 샘플이 늘어나면서 딥러닝 모형이 효과적으로 엘니뇨를 예측할 수 있게 되었습니다.

[앵커]
많은 시행착오 끝에 이런 딥러닝 엘니뇨 예측 모형을 개발하셨는데요. 그렇다면 정확도는 어느 정도인지 궁금합니다.

[인터뷰]
기존 엘니뇨 예측 모형이 최대 1년 정도 예측을 생산한다면 저희가 개발한 딥러닝 예측 모형은 발생 여부는 물론 강도까지 1년 반 정도 앞서서 성공적으로 예측할 수 있다고 말씀드릴 수 있습니다. 아울러 엘니뇨의 종류까지 구분할 수 있는데요. 엘니뇨의 패턴은 같은 열대지역 태평양 구간에서도 중 태평양의 온도가 올라가는지, 동태평양 온도가 올라가는지에 따라서 그 양상이 많이 다릅니다. 중 태평양 엘니뇨에서는 한국 등 동아시아 강수량 증가가 두드러지고요. 반면, 동태평양 엘니뇨에서는 남미 국가들이 큰 영향을 받습니다. 저희가 개발한 딥러닝 모형은 동태평양 엘니뇨가 올지, 중 태평양 엘니뇨가 올지, 둘이 섞인 패턴이 올지. 이렇게 세 종류의 엘니뇨를 구분하는 데서도 66~70%의 다른 모형보다는 월등하게 높은 정확도를 보였습니다.

[앵커]
최대 70%의 높은 정확도를 보였는데요. 인공지능이 해수면의 온도가 올라가는 엘니뇨 현상뿐만 아니라 라니냐가 오는 것까지 예측할 수 있다고 들었습니다. 일단 여기서 라니냐는 무엇이고, 가장 궁금한 것은 올겨울 엘니뇨가 올까요? 라니냐가 올까요?

[인터뷰]
라니냐는 엘니뇨의 반대 현상이라고 이해하시면 되는데요. 엘니뇨가 평소보다 온도가 0.5 이상 올라가는 현상이라면 라니냐는 평소보다 0.5 이상 내려가는 현상을 말합니다.
올해 겨울 같은 경우에는 라니냐가 올 것으로 저희가 예측합니다. 작년 겨울철부터 올해 겨울에 약 1년 전부터 라니냐가 올 가능성이 있다고 딥러닝 모형이 예측하였습니다. 실제 9월 10월 11월 넘어가고 있는데요. 해수면 발달과정을 보면 라니냐가 잘 발달하고 있는 것으로 확인할 수 있습니다.

[앵커]
해수 온도가 내려가고 있다는 뜻이죠?

[인터뷰]
내려가고 있는 현상이 관측되고 있습니다.
어느 정도는 딥러닝 모형이 성공적으로 예측하고 있다고 볼 수 있습니다.

[앵커]
2020년과 21년의 겨울철에는 라니냐가 예상된다고 정리할 수 있겠습니다. 현재 전 세계적으로 기후변화가 심각한 수준입니다. 기후변화에 대응하기 위해 국제사회에 공조 노력이 필요할 것 같은데 어떤 의견이신가요?

[인터뷰]
기후변화는 일차적으로는 지구 온난화로 일컬어지는 온도 상승만을 의미하지만, 좀 더 넓게는 한 번도 겪어보지 않는 기후 시스템으로의 총체적 변화를 의미합니다. 세계 주요국 중 기후 변화를 억제하기 위해 가장 적극적으로 노력하고 있는 나라는 유럽 국가들입니다. 예를 들어, 독일은 재생에너지 비율을 최근 몇 년간 급격하게 늘리는 등 기후 변화에 가장 적극적으로 노력하고 있습니다. 전 세계 모든 나라가 독일에 준하는 혹은 독일보다 강력한 기후 변화 억제 정책을 사용해야 한다고 생각합니다.

[앵커]
독일처럼 다른 나라들도 기후변화에 적극적으로 노력해야 한다는 말씀이군요. 그렇다면 기후변화 대응을 위해서 어떤 부분에 중점을 둬야 할까요?

[인터뷰]
많은 분이 착각하고 계시는 부분이 탄소 배출량만 원래대로 되돌리면 기후변화 문제가 해결될 수 있을 거로 생각하는데 사실 그렇지 않습니다. 지금부터 배출되는 탄소량을 산업혁명 이전 수준으로 낮춘다고 하더라도 지구온난화 양상은 짧게는 수십 년, 길게는 수백 년까지 계속될 것이라고 기후학자들은 예측합니다. 탄소 저감이 근본적인 해결책이기는 하지만 저감만으로는 기후 변화에 제대로 대응할 수 없는 상황이어서 지구온난화로 인한 피해 양상을 잘 예측해야만 합니다. 대표적인 예를 들어, 올여름 이상 장마가 있었는데 기후 변화로 인한 것인지 아닌지에 대한 보도도 많이 있었잖아요. 예를 들어서 올해 이상 장마가 기후 변화와 관련이 있는 것이라면 이상 장마가 바로 내년에도 또 나타날 수 있죠. 기후 변화가 계속 지속하고 있기 때문입니다. 그래서 저희가 예산을 투입해서 대비해야만 하는 것이고, 그렇지 않다면 확률상 2년 연속으로 이상 장마가 올 가능성이 작아서 이에 대비하는 것에 우선순위를 두지 않아도 되겠죠. 이런 식으로 여러 가지 나타나는 현상들이 기후변화로 인한 것인지, 아닌지에 대해서 정확하게 예측하는 것이 중요하다고 생각합니다.

[앵커]
물론 탄소 저감 등의 온실가스 감축 문제도 중요하지만 지구 온난화로 인한 피해를 사전에 예측해서 막으려고 하는 노력 또한 중요하다는 말씀이십니다. 교수님께서 개발한 인공지능을 통해 기후 변화를 예측하는 모델들을 들어봤는데요. 마지막으로 교수님의 앞으로의 계획은 무엇인가요?

[인터뷰]
엘니뇨는 대표적인 열대 기후 현상입니다. 엘니뇨가 전 지구적으로 영향을 주는 대규모 기후 현상임에는 분명하지만, 인구가 상대적으로 많지 않은 열대 지역 현상이다 보니 아무래도 직접적인 활용이 어려운 것도 사실입니다. 그래서 저희가 시도하고 있는 것 중에 중위도 기후 예측에 딥러닝 기법을 적용하여 활용도를 높이고자 연구를 계속하고 있습니다. 현재는 엘니뇨를 거쳐 한반도의 기후를 예측하는데요. 중위도 기후 예측을 하면 우리나라 강수나 온도를 바로 예측할 수 있죠. 그리고 기후변화 연구에도 딥러닝을 적용하고자 계획하고 있습니다. 여러 가지 가능한 기법들이 있습니다. 그중에서도 변화 시점 탐지 기법이라고 어떤 모션의 움직임이나 변화에 대해서 자료를 가지고 판단하는 기법입니다. 딥러닝 기법을 기후변화에 활용하면 기후변화가 폭발적으로 가속화되는 시점이 언제인지 예측할 수 있지 않을까 기대하고 있습니다.

[앵커]
오늘 엘니뇨와 라니냐의 기후 변화에 대해 예측 기술을 들어봤는데요. 기상 예측이 갈수록 어려워지고 있는 시점에 오늘 설명해주신 첨단 예측 기술들이 우리의 생명을 구하고, 인류의 미래를 지키는 중요한 역할을 하고 있다는 생각이 들었습니다. 지금까지 전남대학교 지구환경과학부 함유근 교수와 함께했습니다. 교수님 오늘 말씀 잘 들었습니다.
  1.  06:00뷰티풀 스카이 (3)
  2.  07:00세상탐험 <21회> (본)
  3.  08:00수다학 <100회> (4)
  1.  [종료] 2021년 YTN사이언스 특집 프로...
  2. YTN사이언스 프로그램 모니터요원 선...