아티클
③ 기후솔루션으로서의 AI - 기후모니터링과 재난예측
24.05.22



Editor’s Note


2023 클라이밋 테크 스타트업 서밋의 “기후 솔루션으로서의 AI (How AI Connect to the Climate Solution)”  기후모니터링과 재난예측 세션은  한국기상산업기술원 방철한 센터장의 오프닝 발제를 시작으로, 전남대 함유근 교수, 위즈아이 노준우 대표, 에스아이에이 최예지 부문장이 기후모니터링 및 재난예측 영역의 AI 솔루션과 적용 사례, 밸류체인 내 스타트업의 기회를 발표하고 논의했다. 




기후모니터링과 재난예측


방철한: 한국화재보험협회는 기상재해와 지구재해, 그리고 우주재해를 자연재해로 분류하고, 사회재난과 중첩되는 지진, 산불과 같은 재난을 복합재난으로 분류하고 있습니다. 이 중에서 기후변화로 인해 발생되는 재난은 특히 예측이 상당히 어려워지고 있습니다. 북극과 중위도의 온도차가 줄어들면서, 제트기류가 약해지면서 예측하기 어려운 패턴의 변화가 나타났습니다. 기상청의 예측이 빗나갈 뿐 아니라, 예측하더라도 불가피하게 피해를 입을 수밖에 없는 상황들이 나타나고 있습니다. 



출처: 발표자료



예측수준이 훌륭함(excellent)에 해당하는 결과물이 단기예측자료들입니다. 3일 정도까지 날씨 예측은 얼추 맞는 경향성이 있습니다. 10일 예보를 넘어가면 잘 맞지 않습니다. 그런데 계절단위 예측은 평이한 수준의 예측 수준을 보이고 있는데, 뭉뚱그려서 예측하는 경향성 때문입니다. 즉, 가운데 주단위 예측률을 높여야 기후에 대응할 수 있는 기반을 다질 수 있습니다. 이 부분을 개선시키기 위한 AI 학습 모델이 시도되고 있는 영역입니다


AI를 학습시키려면 데이터가 핵심입니다. 기상정보를 취득할 수 있는 플랫폼은 분야별로 14개가 있고, 그 중에서 클라우드 기반의 기상자료개방포털이 가장 기본입니다. 기상청에서는 모든 플랫폼을 통합하는 기상청 API 허브를 구축하고 있습니다. 실시간 데이터는 한국기상정보기술원 (KMA) 유료 API서비스를 통해서 취득할 수 있고요. 그 외 기상, 기후와 관련된 산업데이터들은 행정안전부, 과기정통부를 통해서 얻을 수 있습니다. 특히 과기부에서는 빅데이터 플랫폼 사업을 통해 21개 플랫폼이 구축되어 있어요. 민간의 플랫폼도 다수입니다. 




기후모니터링 및 재난예측 영역의 AI 솔루션


함유근: 딥러닝 기법을 활용한 기후변화 연구를 어떻게 하고 있는지를 소개드리려고 합니다. 2023년 8월 네이처에 소개된 저희 논문 (Anthropogenic fingerprints in daily precipitation revealed by deep learning) 은 기후변화와 직접적으로 관련되어 있습니다. 최근 극한 폭우 현상들이 전지구적으로 증가한 것으로 보입니다. 하지만, 극한 폭우는 과거에도 있었기 때문에, 정말 증가했는지 정확히 산정할 필요가 있습니다. 배수로 사이즈를 넓힌다든지 하는 인프라 구축 이전에, 과학적인 관련성에 대한 연구가 선행되어야 하는 것입니다. 



출처: 발표자료



저희 연구는 딥러닝 기법을 이용합니다. 입력값으로 전지구 일강수량을 넣고, 지구 온난화가 얼마나 되었는지를 맞히는 딥러닝 모형입니다. 이 모형이 잘 작동하면 전지구 일강수량이 지구 온난화를 잘 탐지한다고 보시면 되는데요. X축이 강수량이고, Y축이 실제로 모형이 전지구 온도를 몇도라고 추정을 하는지입니다. 입력값이 클 때는 출력값이 크게 나타나는데, 이것은 극한강수나 비가 안 오는 현상 모두 지구온난화가 나타나면서 생기는 현상이라는 것입니다. 실제로, 1980년과 2020년 한반도 강수량을 비교해보면, 강수량이 아예 없는 날도 늘어나고 50ml 이상 늘어난 극한강수 사례도 동시에 늘어나고 있는 것을 볼 수 있습니다. 요약하면, 저희 연구의 딥러닝 모형은 지구 온난화와 단주기 강수변동 강화의 관련성을 찾았고, 그 결과 최근의 극한 강수 빈도 증가가 지구 온난화로 인한 것임을 보여주는 과학적 근거를 보여줍니다.


노준우: 기후예측의 관점에서, 지구가 평균 0.5도 기온이 올라갔을 때, 지역수준에서는 굉장히 다른 현상들이 발생합니다. 지구대기의 모든 운동은 에너지를 균형화하려는 운동이기 때문에,  적용 범위에 따라 다르게 봐야 합니다. 한국만 보더라도, 원래 남부는 중부보다 강수량이 많았는데 최근에 많이 가물었죠. 우리가 1년 전에 미리 알았더라면 대응 대책을 내놓을 수 있었을 것입니다. 그래서, 미래 1년부터 10년 정도를 미리 예측해 기후위기에 대응할 수 있는 가까운 미래 기후 예측 (near future prediction) 솔루션이 필요합니다.   



출처: 발표자료



지금 보는 것은 대구의 폭염빈도입니다. 대구는 너무 작은 지점이고, 지구는 너무 큰 범위여서 이 2개의 다른 데이터들을 맞추기 위해 다운스케일링이라는 기술을 중심으로 여러가지 기술이 필요합니다. 다양한 기수지수와 로컬 관측 자료를 토대로 AI 모델 예측을 해보면, 20년, 10년 전까지는 성능이 좋습니다. 하지만, 최근 10년 동안은 너무 많은 폭염빈도를 보이고 있어요. 이 모델은 빨간 화살표에서처럼 IPCC AR4, AR6 평가보고서 모델에 들어간 요소들을 모두 넣었어요. 그리고 파란색 화살표에서처럼, 과거 관측자료와 기후지수를 모두 묶어서 예측을 한 모델을 만들었습니다. 그러면, 2년 뒤의 대구 지역 폭염빈도를 월별로 정확하게 예측할 수 있습니다. 


같은 방식으로 월강수량을 예측하는 솔루션도 있습니다. 지구온난화가 되면서 기온상승률에 비해 강수량 상승이 높지 않습니다. 사실, 올 때 많이 오고 안 올 때 많이 안 오는 것이지 전체적인 양은 거의 비슷하거든요. 그래서, 한국은 강 유역별로도 다른 강수 정보가 필요한데, 다운사이징 등 기술을 이용해서 서울, 부산 등 주유 도시의 2년 후를 예측한 모델인데 상당히 좋은 퍼포먼스를 보입니다. 


최예지: SI Analytics는 적응(adaptation) 관점에서, 재난재해의 피해를 줄이기 위한 인공지능, 위성 영상의 역할에 대해서 설명드리려고 합니다. 지구에는 8천개의 위성이 띄워져 있고, 그 중 대부분은 스페이스X사의 통신위성들입니다. 그럼에도 불구하고 많은 위성들이 정지궤도와 저궤도에서 지구를 관측하고 있고, 우리가 쉽게 인지하지 못한 지점의 정보까지 우리에게 제공하고 있습니다. 


SIA에서 준비하는 서비스는 재난 이전에 재난을 어떻게 예측할 수 있을지, 그리고 재난 이후에 위성 영상과 인공지능을 이용해 어떤 서비스를 제공할 수 있을지에 대한 고민에 기반하고 있습니다. 좋은 품질의 데이터들이 기상분야에 있지만, 서비스까지 가기에는 거리가 있는데다가 잘 사용되지 않은 경우가 많습니다. 한국은 2개의 정지궤도 위성이 있는데 하나는 기상위성, 다른 하나는 환경위성입니다. 이 두 위성이 한국을 지속적으로 관측하고 있고, 기상위성은 10분에 한번씩 영상을 제공하고 있어요. 이 정보를 이용해 SIA는 정지궤도 위성으로부터 강수량을 산출하는 연구를 진행하고 곧 서비스를 시작하려고 합니다.정지궤도 위성 데이터를 사용하면 높은 해상도로 사진을 제공할 수 있고, 레이더가 설치되어 있지 않은 바다나, 저개발 국가 지역에서 발생하는 홍수의 모니터링을 위해 사용할 수 있습니다. 저궤도 위성을 사용한 고해상도 영상을 사용해서는 재난 상황에서 빌딩이 완전히 무너졌는지 어떤 데미지를 입었는지를 한번에 알 수 있습니다. 




기상 및 경제사회적 데이터 통합과 AI


이원재 (시민참여인공지능포럼): 재해, 재난은 자체의 문제도 있지만 경제적 손실이나 불평등과 같은 사회적, 경제적 결과를 가져옵니다. 하지만 두 현상의 데이터는 완전히 분리되어 있는 것 같아요. 통계청에 있는 많은 사회, 경제 데이터를 연결하는 노력이 있는지, 또는 그런 가능성에 대해 어떻게 생각하시는지 궁금합니다.


최예지: 기상 데이터만으로 가치를 만들어 내는 것은 굉장히 어려운 작업이라고 생각합니다. 위성영상뿐만 아니라, 지리정보, 경제상황, 사회적인 데이터들과 융합되었을 때 우리가 원하는 의사결정 데이터를 만들 수 있습니다. 저는 AI를 가치있게 보는 게 기술적으로 분석차원 (dimension) 을 자유롭게 쓸 수 있다는 것이거든요. 다출처 데이터 (multi modality)를 원하는대로 섞고 거기에서 가치를 뽑아내는데, 이전의 어떤 방법론도 이렇게까지 다양한 데이터를 함께 분석하기는 어려웠던 것 같아요. 그런 점에서 인공지능이 다양한 데이터들로부터 가치를 만드는 데 중요한 역할을 할 수밖에 없다고 생각합니다. 지적하신 데이터 플랫폼이 독립적으로 있는 게 아쉬운 상황인데, 함께 분석할 수 있는 툴과 플랫폼이 만들어지면 좋을 것 같습니다.


함유근: AI 시스템에서는 다출처 데이터를 다루기 용이하다는 데 동의합니다. 문제는 현재의 AI 시스템들은 기존의 물리적인 법칙에 따른 기후모델들이 만든 결과를 추가적인 샘플로 활용한다는 것입니다. 현재 관측된 기후 관련 데이터들의 절대적인 수가 많지 않기 때문입니다. 같은 맥락에서, 현재까지 관측된 사람들의 소득이라든지, 인구라든지 이러한 자료들만을 가지고  AI 모델을 학습시키기에는 샘플이 너무 적고, 다른 데서 얻어오기에는 샘플이 없는 문제들이 있기 때문에 실질적으로 AI 시스템이 만들기에 연구 프레임이 충분하지는 않습니다. 그래서 추가적인 샘플을 얻을 수 있는 다른 프레임이 있든가, 아니면 실제를 흉내내서 (mimicking) 샘플을 만들어 낼 수 있는가 하는 보완이 필요해 보입니다.


방철한: 행정안전부에서 공공데이터 통합 플랫폼을 운영하고 있습니다만, 수요자들이 원하는 만큼은 아닌 것이 현실입니다. 그걸 고도화하려고 노력하고 있고요. 과기부에서 만든 빅데이터 플랫폼 사업을 통해 21개 기상정보 플랫폼이 통합될 것이고, 공공이나 민간의 데이터를 넣고 직접 가공할 수 있도록 데이터 형식도 통일하여 사업화가 용이하도록 했습니다. 기상청에서도 기상데이터를 다른 데이터와 통합할 수 있게끔, 융복합 테스트를 할 수 있는 인프라를 제공하려고 노력하고 있습니다.




기후모니터링 및 재난예측 분야의 비즈니스 기회


유재연 (옐로우독):  기후위기 펀드 투자금이 쓰이는 곳의 10%도 안되는 부분이 적응에 들어가 있고, 나머지는 완화로 가 있습니다. 적응투자 필드에서 대부분은 정부 그랜트인데요, 여기에서 주로 투자하는 것은 결국 인프라일 수밖에 없는 것 같습니다.꼭 정부가 아니더라도, 공공섹터가 아닌 민간영역에서의 적용사례가 있는지 궁금합니다. 


최예지: 사실 저희 회사도 기상만 하는 게 아니라, 영상 분석시장이라는 큰 시장을 함께하고 있습니다. 올해 사업을 하면서 보니 데이터에 대한 관심이 큰 것 같습니다. 결국 AI 시대에 어떻게 좋은 데이터를 만들 것인가가 핵심이고, 그것을 국가기관만이 아니라 민간에서도 역할을 해야 한다고 생각합니다. 최근에 만난 회사도 홍수 예측 서비스를 하는 회사인데 강수 데이터가 없다면서, 기상청에서 제공하는 데이터를 대신할 수 있는 자료가 나온다면 바로 구매하겠다고 할 정도로 적극적이었습니다. 


노준우: 저희 회사는 신재생에너지 관련 예측 용역, 전지구 해류나 해상풍을 장기 예측하는 용역을 해왔습니다. 사실 기상은 지역적으로 굉장히 다르기 때문에, 글로벌하게 진출하는 데는 어려움이 있습니다. 다만, 가까운 미래 기상예측이 그나마 민간에서 관심을 가질 수 있는 기술 분야여서 투자를 하고 개발하고 있습니다. 가까운 미래예측은 유럽에서 태동했습니다. 3년 전 영국에서 갑작스런 북해 지역의 풍력 감소로 에너지 대란이 있었거든요. 기후변화가 닥치기 전, 급격한 기후변화시대가 오기 전에는 아무도 인지하지 못했던 것입니다. 사실 기상이나 기후가 할 수 있는 예측 분야는 이미 최상위 수준으로 고도화되어 있고요, 지금 필요로 하는 정보는 것은 그보다 더 많은 정보를 필요로 하기 때문에 모인 것입니다. 특히 한국은 기상정보가 공공재라는 개념이 강합니다만, 궁극적으로는 이 난이도 높은 문제를 민간에서 함께 해결해주기를 기대하고 있습니다. 급격한 기후변화를 지연시키는 핵심기술로 가기 위해서는, 큰 회사들이 그 기술을 써서 이익을 확실히 본다는 게 만들어지는 순간부터라고 생각합니다. 


함유근: 저는 개인적으로 오퍼를 받아본 적은 없습니다. 하지만 이게 왜 안 팔릴까 곰곰이 생각을 해보았는데요. 저희가 하는 일들은 주어진 데이터 안에서 더 좋은 시스템을 만드는 것이거든요. 예측  시스템 자체가 아예 없는 것은 아니기 때문에 굳이 발전된 시스템을 쓰는 필요성을 잘 모르시는 것 같아요. 예를 들어, 예측성능이 1만큼 좋아지면 그것이 만드는 경제적 가치가 얼마인지에 대한 감이 저희도 사용자들도 없어요. 하지만, 예측값 자체가 없지는 않습니다. 기상청에서도 만들고, IPCC에서도 만들고 있기 때문에,  예측이 좋다를 넘어서 그게 얼마만큼의 좋은 가치를 만들어내는지까지 연결이 되어야 비즈니스적으로도 어필이 되지 않을까 생각합니다. 


플로어: 기상과 기후는 기본적으로 관찰, 분석, 예측, 그리고 활용 순서로 갑니다. 그러니까 지구를 똑같은 방식으로 관측만 잘해도 사실 많은 활용가치가 있어요. 분석까지 잘하면 기존의 국가 서비스에서 못한 서비스를 민간에서 얼마든지 만들어낼 수가 있어요. 예측, 활용까지 잘하면 비즈니스적으로도 훌륭할 것입니다. 다만 오늘 기상, 기후 전공자 말고도 다른 분야에서 많은 분들이 오셨기 때문에, 정보를 달라는 것뿐 아니라 다양한 분야의 자산들이 있지 않습니까? 서로 협업을 하고 호환되는 부분을 찾아내면 좋겠고, 오늘 자리에서 기후를 주제로 다양한 분야가 소통을 하는 기회가 주어진 것도 의미가 있다고 생각합니다. 




기후모니터링 및 재난예측의 농업 분야 적용


남재작 (정밀농업연구소): 농업 분야에서는 기상재해가 극한 기상으로 인한 재해가 있고, 다른 한편으로는 패턴이 바뀌는 것이 문제입니다. 가을에 건조한 기후가 되어야 하는데 비가 많이 내리는 것은, 농업의 주기 변화를 의미하고 이로 인한 재난이 많습니다. 그래서 기상 패턴이 어떻게 바뀌고 있고,  그것이 한국의 식량시스템, 글로벌 시스템에 어떤 영향을 줄 것인지 궁금합니다. 


최예지: 농작물 생산량 예측으로 패턴이 바뀌고 장주기 예측을 하는 연구들이 진행되고 있는 것으로 알고 있습니다. 거기에서 중요한 것이 통계와 AI의 차이입니다. 저는 통계와 인공지능의 가장 큰 차이가 통계는 다양한 정보에서 대표값을 찾아 전체를 설명하려는 것 같고, AI는 엄청나게 많은 정보를 주고 예측값을 찾아내는 과정인 것 같습니다. 그래서 이상한 상황을 탐지하는 데 AI를 활용하는 연구들이 많고요. 다만 AI는 데이터가 적으면 어렵거든요. 그런데 이상한 상황들은 항상 데이터가 없다는 문제가 있습니다.


노준우: 식량안보라는 표현이 있는데요, 경제적, 사회적, 식량과 같은 다양한 문제들이 서로 엉켜 있습니다. 가까운 미래 기상 예측의 태동에는 이러한 상호연결을 동시에 해결하려면, 어떤 한 정보라도 정확한 것이 있어야 합니다. 과거에 없었던 패턴이 나타나는 것이 빈번해지고 있어서 심각한 것인데요, 이 부분을 예측할 수 있는 기술적인 방향은 가까운 미래 기상 예측과 같은 것이 있겠습니다. 


함유근: 농작물에 대한 전문지식은 없습니다. 하지만 식생이 기본적으로 탄소 순환과 관련되어 있기 때문에, 탄소 흡수량을 연구하면서 어떤 상황에서 잘 자라고 주는지에 대한 부분은 연구가 많이 되어 있는 것으로 알고 있습니다. 계절이 지연되는 등의 변화가 탄소 흡수량, 전반적인 식생의 분포에 어떤 영향을 주는지는 딥러닝이 아니라 기본적인 통계 연구를 통해서 많이 되어 있고요. 





| 요약 및 윤문 : 박윤중

| 편집 : 소풍벤처스