일기예보의 판단과정-3(자연의 계층)

자연의 계층

여러 전문가가 합의하더라도 불확실성이 해소되고 예보생산이 이뤄지지 않을 수 있습니다. 여전히 드러나지 않는 세계 앞에서 자연은 나 자신과의 직접적인 대화를 촉구합니다. 부드러운 마음가짐으로 자연과 함께 걸으면 눈에 보이는 절반의 세계를 이해하면서도, 열리지 않는 나머지절반의 불확실성을 끌어안고 갈 수 있습니다.

 

현대 기상학의 시초라고 볼 수 있는 비아크니스의 이후로 수 많은 수치모델과 기상 석,박사들이 모여서 논의를 했지만, 아직도 100%의 완벽한 예보는 생산할 수가 없습니다. AI가 도입되고, 슈퍼 컴퓨터가 양자 컴퓨터가 변경되더라도 향후 50년 안에는 쉽지 않는 문제라고 생각됩니다.

 

(1) 현상의 시간 규모에 따라 다른 처방이 필요하다.

일반적으로 예측 대상의 메모리가 작으면, 영향 범위가 좁은 대신 변화의 폭은 커지기 때문에 그만큼 예보가 어려워집니다. 현재 1km x 1km 해상도의 수치모델도 현업에서 사용되고 있고, 이보다 더 작은 격자 규모를 가진 수치모델들도 존재하고 있습니다만,  발달한 깊은 적란운에서 내리는 소나기 현상은 범위가 적기 때문에 한,두 시간 예측도 쉽지 않습니다. 반면 중규모 스케일의 저기압 시스템 강수는 범위가 크기 때문에 수일 전에도 발생가능성을 어느 정도 예측할 수 있습니다.

 

(2) 변화가 심하면 자주 예보를 수정해야 한다.

범위 및 발생 시간이 짧으면 모델의 예상 값이 더 빨리 빗나가는 만큼 더 자주 예상 값을 수정해 예보에 반영하여야 합니다. 특히 공항이나 군 작전 시, 뇌우, 소나기, 돌풍, 우박 등은 항공기 및 전투기에 치명적인 손상을 가할 수 있기에 미리 준비하여야 합니다. 

이론이나 모델의 예측한계에도 불구하고 상황감시 능력을 보강하고 최근 실황을 이론이나 모델을 훈련하는데 활용하면 다기 예측 정확도를 높일 수 있습니다.

 

(3) 변화에 적응하려면 끊임없이 학습해야 한다.

자연은 싸워야 할 대상이 아니라 품에 안아야할 학습의 대상입니다. 학부생 때 배웠던 기상분야가 실제 현업에서는 전혀 도움이 되지 않는 경우도 많으며, 10년 전의 기술과 현재의 기술에도 수 많은 차이가 있습니다. 이렇듯 본인이 성장해나감과 동시에 학문적인 부분들을 빠르게 받아들이지 못한다면 빠르게 고도화되는 예보 생산에 쉽게 뒤처질 수 있습니다.

 

자연의 소리를 듣고 변화를 감지하고 내 생각의 틀을 바꿔야 예보도 자연에 가까워질 수 있습니다. 우리는 예보가 실패할 때마다 부단한 학습과 사례분석을 통해서 변화에 대한 유연한 자세를 갈고 닦아야 합니다.

 

(4) 시스템적 사고가 필요하다.

날씨는 생물처럼 역동적입니다. 유기체는 생리적 특성으로 인해 개별 요소들 간에 비선형적으로 상호작용하고 그 과정을 속속들이 알 수 없습니다. 그리고 각 요소들이 작용하여 만들어 내는 전체상은 더욱 복잡합니다.

기상학자 로렌스의 이론 '나비 효과'처럼 수 많은 수치모델들에서 반영되지 못한 작은 값들이 몇시간 후에 예보에서 얼마나 큰 변화점을 줄지 아무도 알 수 없습니다. 미래는 다면적이며, 복잡시스템은 열려 있고 결정론적으로 진행하지 않기 때문에 모르는 세계에 대한 대비가 필요합니다.

 

다양한 시나리오에 대한 대안을 모색하면 놀라운 일이 일어나도 대응할 수 있습니다. 데비드 올렐과 패트릭 맥세리도 예측하기보다는 통찰력을 발휘해야 복잡시스템의 불확실성에 효과적으로 대응할 수 있다고 강조하였습니다. 복잡시스템 모델은 특정한 쪽 집계 예보를 지향하지 않습니다. 대신 시나리오를 제시하며 미래의 다양한 버전을 제안합니다.