2017년 북대서양에서 발생한 허리케인 하비는 미국 남부에 위치한 텍사스주 휴스턴과 루이지애나주 해안가에 상륙해 140조원에 달하는 경제적 피해를 끼쳤다. 우리나라 연 강수량보다 많은 1600㎜가 넘는 국지성 폭우의 강수량과 초속 60m에 이르는 강풍으로 인해 상상을 초월하는 피해가 났다. 그런데 대기과학자들은 허리케인의 특이한 이동 경로에 더 큰 관심을 가졌다. 하비는 8월25일 텍사스에 상륙해 며칠 머물면서 열대 폭풍으로 약화했다가 뒷걸음쳐 멕시코만으로 돌아 나와 에너지를 축적한 후, 8월30일에는 방향을 바꿔 루이지애나주에 다시 상륙했다. 이처럼 미국에서 허리케인이 육지에 상륙했다가 남쪽 해양으로 되돌아 나와 세력을 키워 다시 육지에 상륙한 예는 한 번도 없었다.

미국 기상청은 전 세계적으로도 기상 예측성이 가장 높은 기관이다. 미국에서는 기상청과 대기과학연구소는 물론 여러 연구기관과 대학도 자체적으로 뛰어난 수치예보모델을 개발했고, 전 세계 기상위성의 절반 이상을 운용하고 있다. 더욱이 미국 기상청은 방대한 양의 위성자료뿐만 아니라 각종 첨단 장비를 이용해 예보에 필요한 양질의 관측자료도 확보하고 있다. 아울러 잘 훈련되고 경험이 많은 다수의 예보관을 보유하고 있다. 이렇듯 미국 기상청은 예보정확도를 결정하는 주요 요소인 우수한 수치모델, 양질의 관측자료, 역량 있는 예보관 등을 모두 갖추고 있다. 기상 예측성이 세계적으로 최고 수준이 아니라면 그게 이상할 정도이다.

그러면 미국은 하비의 진로를 정확하게 예측했을까. 당시 미국에서 발표된 기상 예측장을 살펴보면 어떤 기상예측모델도 하비의 진로를 정확하게 예측하지 못했다. 한 번도 경험하지 못한 이상 진로에 대해 예보관의 판단도 실제 진로와 큰 차이를 보였다. 하비는 현재의 기상예측기술이 갖고 있는 한계를 잘 보여준 셈이다.

수치예보모델은 기본적으로 대기의 운동과 에너지를 지배하는 여러 미분방정식으로 이루어져 있는데, 이 방정식을 컴퓨터로 적분함으로써 미래의 기상 상태를 예측한다. 수치모델에 포함된 방정식에는 뉴턴의 운동 제2법칙인 운동량 보존, 열역학 제1법칙인 열에너지 보존, 질량 및 수분 보존을 나타내는 방정식과 그 밖에 이상기체상태방정식 등이 있다. 수치모델 적분에서 초기자료로서 관측된 기상장을 대입해 미래 대기의 3차원 바람(동서 및 남북 방향, 그리고 연직 방향), 기온, 기압, 수증기량 등을 예측한다.

수치모델에 포함된 여러 방정식의 적분기법은 계속 발전돼 왔다. 그런데 왜 기상예측이 자꾸 틀리는 것일까. 가장 먼저, 수치모델 방정식계가 복잡한 비선형성을 띠고 있고 이 방정식에 들어 있는 비선형항은 실제 대기현상을 수학적으로 정확하게 표현하지 못하고 있다. 이 항들에 대한 모수화 기법이 꾸준히 개선돼 왔으니, 아직도 실제 대기와는 상당 부분 차이가 있다. 이어, 수치모델 방정식을 적분해 미래를 예측하기 위해서는 초깃값이 필요한데, 이 초깃값이 현재 대기상태를 나타내는 기상 관측값이다. 그런데 관측값에는 측정기기와 방법에서 오는 오차, 시·공간적으로 불균질한 관측으로 오는 오차 등이 포함돼 있다. ‘베이징에서 나비가 날면, 다음날 뉴욕에서 폭우가 내린다’는 카오스 나비효과 이론처럼 초기의 작은 오차가 미래 예측에 엄청난 오류를 불러올 수 있다. 끝으로, 컴퓨터에서 수치모델을 적분할수록 계산 오차가 눈덩이처럼 불어난다. 컴퓨터가 처리할 수 있는 수준에서 계산 오차를 처리하지만, 비선형계 방정식계를 적분하면서 오차가 확대 재생산되는 것이다.

관측장비와 컴퓨터 성능이 좋아지면서 오차가 크게 줄었지만, 수치모델을 이용해 기상 예측하는 근본적인 한계가 해결되지 않았다. 더욱 정확한 기상예보를 위해서는 오차를 줄이기 위한 노력이 필수적이다. 예보능력이 탁월한 예보관을 양성해야 함은 물론이다. 우리나라 기상청에서는 여러 종류의 수치모델을 운영하면서 그 결과를 평균하는 등 불확실성을 최소화하고, 예보관의 예보경험을 고려해 수치모델의 오차를 보완하고 있다. 앞으로 기상예측에 인공지능(AI)을 도입한다면 이 과정을 더욱 발전시킬 수 있을 것이다.

허창회 서울대 교수·대기과학