수치예보 재분석 한계 극복: 실시간 관측 데이터로의 패러다임 전환
기존 인공지능 기반 기상 예측 모델들은 주로 수치예보(Numerical Weather Prediction, NWP)의 사후 재분석(Reanalysis) 데이터셋에 의존해 학습되었습니다. 전 지구 대기 상태를 단일 격자로 일관되게 복원하는 재분석 데이터는 유용하지만, 슈퍼컴퓨터 물리 시뮬레이션 과정에서 통상 6시간의 데이터 지연(Data Lag)이 발생합니다. 이로 인해 빠르게 발달하는 국지성 호우나 급격한 지표면 온도 변화를 실시간으로 반영하는 데 구조적 한계가 존재했습니다.
- 정지궤도 위성 모자이크 수집
- FGN 메시 트랜스포머 입력
- 지형·관측소 좌표 결합 추론
- 1시간 주기 5km 예보 생성
구글 딥마인드와 구글 리서치가 공개한 웨더넥스트 3(WeatherNext 3)는 이러한 재분석 파이프라인의 병목을 우회합니다. 모델이 1시간 주기의 글로벌 정지궤도 위성 모자이크 원천 데이터와 지상 관측소의 희소(Sparse) 데이터를 직접 수신하여 학습하도록 설계되었습니다. 이를 통해 관측 시점과 예보 생성 시점 간의 시차를 대폭 단축했으며, 대기 상태 변화를 매시간 최신 관측값에 동기화할 수 있게 되었습니다.
---
다중 해상도 아키텍처와 하드웨어 효율성
웨더넥스트 3의 핵심 구조는 단일화된 기능적 생성 네트워크(Functional Generative Network, FGN) 메시 트랜스포머 기반으로 구축되었습니다. 이 아키텍처는 전 지구 대기 순환 패턴부터 국지적 지형 효과까지 물리적 일관성을 유지하면서 서로 다른 공간 해상도를 유연하게 출력합니다.
| 비교 항목 | 웨더넥스트 2 (이전 세대) | 웨더넥스트 3 (현재 세대) |
|---|---|---|
| 기본 공간 해상도 | 25 km (0.25°) | 지표면 5 km (0.05°) / 대기 25 km |
| 예보 갱신 주기 | 6시간 단위 | 1시간 단위 실시간 갱신 |
| 학습 데이터 소스 | 수치예보(NWP) 재분석 데이터 | 실시간 정지궤도 위성 + 지상 관측소 데이터 |
| 강수 데이터 | 표준 기상 변수 | NASA IMERG + 위성 레이더 재분석 |
지표면 핵심 변수인 온도와 습도는 5km 격자로 시각화되며, 기타 지표 변수는 10km, 풍속 등 고층 대기 변수는 25km 격자로 분차 처리됩니다. 이전 세대 대비 공간 해상도가 약 5배 정밀해짐에 따라, 해안선·계곡·산악 지형 등 급격한 지형 변화로 인한 국지적 미기후 표현력이 크게 개선되었습니다. 특히 과거 슈퍼컴퓨팅 인프라 비용 부담으로 고해상도 지역 모델 혜택을 받기 어려웠던 라틴아메리카, 아프리카, 아시아-태평양 지역의 예보 접근성이 향상되었습니다.
---
강수 예측 및 물리 지형 정보 결합
전통적 기상 시뮬레이션과 기존 머신러닝 모델 모두에서 강수 예측은 클라우드 미세물리 과정의 빠른 시공간 변화 때문에 가장 까다로운 영역으로 꼽혔습니다. 웨더넥스트 3는 강수 예측 성능을 끌어올리기 위해 별도의 고품질 데이터 소스를 결합했습니다.
- NASA IMERG 데이터셋 활용: NASA의 위성 기반 다중 위성 강수 관측 데이터(IMERG)를 학습에 통합했습니다.
- 자체 위성 레이더 재분석: 구글의 글로벌 위성 레이더 재분석 데이터를 교차 학습시켜 대류성 강수 밴드의 경계를 선명하게 포착하도록 구성했습니다.
"중기 전 지구 예보 평가에서 베이스라인 대비 CRPS(Continuous Ranked Probability Score) 지표가 IMERG 기준 최대 60%, MRMS 기준 30%, 우량계 실측 기준 10% 개선되었습니다."
또한 모델은 완전한 블랙박스 추론에 머무르지 않고 지표 물리 정보를 계산에 반영합니다. 특정 좌표가 육지인지 해양인지 판별하는 플래그와 표면 고도(Elevation) 정보를 지상 관측소 이력 데이터와 매핑하여 2m 지표 온도 및 이슬점 온도를 계산합니다. 아르스테크니카의 기술 분석에 따르면, 이러한 지형 물리 데이터 보정을 통해 특정 위치의 지표면 온도 계산 정확도가 최대 30% 향상되었습니다.
---
친환경 에너지 특화 변수 및 엔터프라이즈 인프라 배포
웨더넥스트 3는 일상 예보를 넘어 전력망 운영 및 신재생에너지 발전량 예측을 위한 전용 변수군을 지원합니다.
- 100미터 고도 풍속: 일반 풍력 터빈 허브 높이에 해당하는 100m 상공의 풍속을 직접 예측하여 풍력 발전 출력을 계산합니다.
- 고해상도 일사량 및 운량: 태양광 발전소의 지표 도달 일사량을 정밀하게 산출할 수 있도록 운량과 일사량 변수를 고해상도로 산출합니다.
해당 예측 데이터는 연구 및 상용 시스템에 즉시 도입될 수 있도록 전방위 배포되었습니다. 구글 검색(Search), 지도(Maps), 제미나이(Gemini) 앱의 기상 인터페이스에 기본 엔진으로 적용되었으며, B2B 고객을 위해 구글 지도 플랫폼 Weather API, 구글 어스 엔진(Google Earth Engine), 빅쿼리(BigQuery), 구글 클라우드 스토리지(GCS)를 통해 원시 격자 데이터 쿼리 및 대량 다운로드를 제공합니다.
---
관측된 한계점 및 이상 현상
공식 백서 및 독립 평가 매체(Brightband, ECMWF 비교)를 통해 확인된 모델의 성능 향상 이면에는 몇 가지 기술적 이상 현상(Anomalies)도 함께 보고되었습니다.
- 초기 6시간 예보 역전: 15일 장기 예보 구간에서는 ECMWF AI 모델 및 자사 구형 모델을 지속해서 앞서지만, 초기 0~6시간 단기 리드타임 구간에서 일부 변수의 오차가 기준 모델보다 일시적으로 높게 나타나는 현상이 확인되었습니다(원인 미상).
- 격자 아티팩트(Artifact): 강수 예측 맵의 일부 대규모 패턴에서 FGN 메시 격자 형상이 육각형 형태의 블롭(Hexagonal blobs) 형태로 잔류하는 시각적 왜곡이 관찰되었습니다.
- 앙상블 평균 온도 편차: 다양한 시나리오를 생성하는 다중 표면 온도 앙상블 생성 과정에서 전 지구 평균 온도가 기준치보다 전반적으로 높거나 낮게 치우치는 글로벌 드리프트 현상이 확인되었습니다.