빗나간 기상예보가 재난으로 이어지지 않으려면: 기상 예측 체계 고도화 전략

최근 경남 거제에서 30분 전 8.3mm 수준으로 예상되던 강수량이 실제로는 111mm가 넘는 폭우로 돌변하는 사태가 발생했습니다.

기상청이 최신 초단기 예보 시스템을 도입해 운영하고 있음에도 급변하는 기상 변화를 제때 추적하지 못하면서 현장의 혼란이 커지고 있습니다.

기후변화로 인해 좁은 지역에 기습적으로 쏟아지는 '극한호우'가 상시화되는 만큼, 예보 오차의 원인을 분석하고 실효성 있는 대책을 마련해야 한다는 목소리가 높습니다.

최첨단 초단기 예보 시스템도 기습 폭우를 놓치는 원인

대기 불안정으로 발생하는 국지성 대류운의 폭발적 성장

국지성 극한호우는 수십 킬로미터 이내의 좁은 구역에서 수십 분 만에 급격히 발달하는 특성을 가집니다.

한반도 주변의 기온 상승과 수증기 유입이 맞물려 대기가 매우 불안정해지면서, 레이더 감지 이후 비구름이 발달하는 속도가 수퍼컴퓨터의 예측 계산 속도를 앞지르는 현상이 빈번해졌습니다.

이로 인해 30분 전 모델 예측값과 실제 수증기가 응축되어 내리는 실제 강수량 사이의 격차가 벌어질 수밖에 없습니다.

관측 관측망의 격차와 수치예보 모델의 공간 해상도 한계

현재 기상청이 활용하는 수치예보 모델과 관측 레이더망은 일정 크기의 격자 단위로 기상을 예측합니다.

하지만 거제 사례처럼 특정 산간이나 해안 지역에서 국지적으로 발달하는 비구름대는 현재의 관측 격자망 사이의 사각지대에서 순식간에 형성될 수 있습니다.

해수면 온도 상승과 지형적 요인이 결합된 미세한 기상 변화를 초단기 수치모델이 실시간으로 완전하게 반영하기에는 한계가 존재합니다.

빗나가는 기상 예보 속에서 재난 피해를 줄이기 위한 고도화 방안

AI 기반 실시간 레이더 예측 및 관측 인프라 밀도 강화

기존의 물리 방정식 기반 수치예보에 더해, 레이더 영상과 위성 데이터를 실시간으로 학습하는 AI 초단기 예측 모델의 도입이 시급합니다.

국지성 대류운의 발생 징후를 머신러닝으로 사전 감지하면 최소 10~30분 이상의 골든타임을 추가로 확보할 수 있습니다.

또한 산악 및 해안 등 기상 변화가 많은 취약 지역을 중심으로 고성능 소형 레이더와 관측 장비를 추가 확충하여 관측 사각지대를 최소화해야 합니다.

정밀 강수량 예측에서 위험도 기반 재난 알림 체계로의 전환

몇 mm의 비가 내릴지 정확한 숫자를 맞히는 것에 집중하기보다, 일정 수치 이상의 위험이 감지될 때 신속히 알리는 '위험 기반 예보'로의 패러다임 전환이 필요합니다.

예상 강수량 수치가 틀리더라도 뇌우나 강한 대류운 발달 가능성이 포착되면 즉시 읍·면·동 단위의 핀포인트 재난 문자를 발송하는 체계가 작동해야 합니다.

실제 침수 위험이나 산사태 발생 위험도를 중심으로 지자체와 주민에게 직접 비상 경보를 전송하는 현장 중심 시스템이 결합되어야 합니다.

자주 묻는 질문

Q1. 기상청 초단기 예보와 일반 단기 예보는 무엇이 다른가요?

A1. 단기 예보는 향후 3일 동안의 날씨를 1~3시간 단위로 예측하는 반면, 초단기 예보는 매시간 업데이트되며 향후 1~6시간 이내의 기상 변화를 정밀하게 추적하는 예보 방식입니다.

Q2. 국지성 극한호우가 발생했을 때 대피 요령은 무엇인가요?

A2. 예보와 달리 갑자기 장대비가 쏟아질 경우 지하차도, 하천변, 산사태 위험 지역 접근을 즉시 피해야 합니다. 침수가 시작된 지하 공간에서는 즉시 지상으로 대피하고, 라디오나 재난 문자를 통해 기상 상황을 지속적으로 확인해야 합니다.

Q3. AI를 도입하면 기습 폭우 예보 오차가 완전히 사라지나요?

A3. AI 도입으로 비구름의 발생과 이동 흐름을 초단위로 포착해 예보 정확도를 대폭 높일 수는 있지만, 대기 상태의 불확실성이 크기 때문에 오차를 100% 없애기는 어렵습니다. 따라서 예보 고도화와 함께 현장의 신속한 방재 대응 시스템이 병행되어야 합니다.