Assessing Hourly and Daily Reference Evapotranspiration from NASA POWER Data: Implications for Irrigation Water Requirement

당신이 목마른 정원이 살아남기 위해 얼마나 많은 물이 필요한지 알아내려 한다고 상상해 보세요. 농업과 수자원 관리의 세계에서 과학자들은 이 '갈증'을 추측하기 위해 "기준 증발산량"(또는 짧게 ET₀라고 부름)이라는 특별한 숫자를 사용합니다. ET₀를 정원의 '갈증 측정기'라고 생각하면 됩니다. 이것은 증발(물이 수증기로 변하는 것)과 증산(식물이 땀을 흘리는 것)이라는 과정을 통해 공기가 토양과 식물로부터 얼마나 많은 물을 훔치려 하는지를 측정합니다. 이 갈증을 계산하기 위해 과학자들은 FAO-56 펜만-몬티스(Penman-Monteith)법이라는 유명한 레시피를 사용합니다. 이 레시피는 햇빛, 풍속, 온도, 그리고 공기가 얼마나 건조한지와 같은 재료들을 혼합합니다.

여기 까다로운 점이 있습니다. 이 레시피는 단순한 직선이 아니라 마치 롤러코스터와 같습니다. 햇빛이 조금 있으면 갈증이 약간 올라갑니다. 하지만 단 한 시간 동안 엄청난 햇빛이 쏟아진다면, 갈증은 단순히 조금 올라가는 것이 아니라 격렬하게 치솟습니다. 왜냐하면 재료들이 서로 섞이는 방식이 그렇기 때문입니다. 보통 농부와 계획가들은 하루 전체의 평균값인 "일일(daily)" 기상 보고서를 사용합니다. 이는 하루 종일 햇빛이 강렬했다는 사실을 깨닫지 못한 채, 그저 "오늘 햇빛이 밝았다"라고 말하는 것과 같습니다. 즉, 햇빛이 두 시간 동안 눈이 멀 정도로 강렬했고 나머지 시간에는 거의 없었다는 사실을 간과하는 것입니다. 큰 질문은 이렇습니다. 하루를 하나의 평균값으로 매끄럽게 만드는 것이 우리가 물을 부어야 할 정확한 양을 알려주는 정답일까요, 아니면 우리를 속이는 것일까요?

---

위대한 시간 여행 실험

두 명의 연구자, 판카즈 아그라왈(Pankaj Agrawal)과 프라틱 기테(Pratik Gite)는 NASA의 POWER 데이터베이스에 있는 기상 데이터를 가지고 탐정 놀이를 하기로 했습니다. 그들은 두 가지 다른 '시간 여행' 방법을 사용하여 정원의 갈증을 계산했을 때 어떤 일이 벌어지는지 알고 싶었습니다.

방법 A (시간별 탐정): 그들은 기상 데이터를 시간 단위로 가져와서 매 시간마다 갈증을 계산한 다음, 하루 끝에 그것들을 모두 더했습니다. 이것은 국이 너무 짠지 확인하기 위해 15분마다 국 맛을 보는 것과 같습니다.

방법 B (일일 요약가): 그들은 하루 전체의 평균 기상 상태(평균 햇빛, 평균 바람, 평균 열기)를 가져와서 그 단일 숫자를 갈증 레시피에 한 번 통과시켰습니다. 이것은 저녁 식사 때 딱 한 번 국 맛을 보고 하루 종일 맛이 같았다고 가정하는 것과 같습니다.

그들은 이 작업을 인도 내의 반건조(semi-arid) 지역에서 일 년 내내 수행했습니다. 이곳은 관개가 작물의 생존과 직결되는 곳입니다.

대반전: 일일 방법이 과다하게 계산하다

결과는 명확하고 일관되었습니다. "일일 요약가"(방법 B)는 항상, 매일, 정원이 실제보다 더 목말라 있다고 농부들에게 말하고 있었습니다.

평균적으로, 일일 방법은 실제 필요한 양보다 하루에 1.2055 mm 더 많은 물을 필요로 한다고 과다 계산했습니다. 이것이 작아 보일 수도 있지만, 일 년 내내 쌓이면 439.99 mm라는 엄청난 양의 불필요한 물이 추가된 셈입니다. 연구진은 일일 방법이 더 정밀한 시간별 방법과 비교했을 때 **8.4%**의 확률로 틀린다는 것을 발견했습니다.

왜 이런 일이 발생했을까요? 그것은 바로 "롤러코스터" 같은 정점 때문입니다. 정원의 갈증은 하루 중 가장 뜨겁고 햇빛이 강한 시간(보통 오전 11시에서 오후 3시 사이)에 격렬하게 치솟습니다. 시간별 방법을 사용하면 이러한 급증(spikes)을 포착하여 정확히 더할 수 있습니다. 하지만 일일 평균을 사용하면 이러한 급증을 완만하게 만듭니다. 가장 뜨거운 정오의 열기를 시원한 밤의 공기와 섞어버려 "그저 그런" 평균 온도를 만들어 버립니다. 그런데 이 갈증 레시피는 비선형적이기 때문에, 이 "그저 그런" 평균값은 실제의 뾰족한 현실보다 더 많은 총 갈증을 계산해 냅니다. 이것은 자동차가 빨간불에 멈췄다가 시속 100마일로 질주한 뒤, 그냥 시속 50마일로 꾸준히 달렸다고 말하며 자동차의 속도를 계산하려는 것과 같습니다. 그러면 당신은 자동차가 실제보다 더 많은 거리를 이동했다고 생각하게 될 것입니다.

언제 실수가 더 심해지는가?

연구진은 이 실수가 일 년 내내 똑같지 않다는 것을 발견했습니다. 이것은 특정 조건에서 더 밝아지는 카멜레온과 같습니다.

• 겨울: 날씨가 차분하고 햇빛이 너무 강렬하지 않을 때, 두 방법은 잘 일치합니다. 일일 평균은 시간별 진실에 근접합니다.
• 여름: 여기서 문제가 시작됩니다. 태양이 내리쬐고 공기가 건조한 고에너지 여름철 동안, 일일 방법은 통제 불능 상태가 됩니다. 여름 시즌 동안에만 물을 무려 165.6 mm나 과다하게 계산했습니다.
• 주범: 연구진은 공기가 건조할 때(낮은 습도)와 햇빛이 강할 때 이 실수가 최악이 된다는 것을 발견했습니다. 그들은 이 오차와 공기의 건조함 사이에 매우 강력한 연관성(상관관계 -0.8337)을 찾아냈습니다. 공기가 더 건조하고 더 뜨거워질수록, 일일 평균은 정원의 진짜 갈증에 대해 더 많이 거짓말을 합니다.

왜 관심을 가져야 하는가?

당신이 거대한 농장의 물 밸브를 관리하는 사람이라고 상상해 보세요. 만약 당신이 "일일 요약가"를 믿는다면, 특히 여름에 물을 너무 많이 틀게 될 것입니다. 당신은 작물들이 물을 간절히 원하고 있다고 생각하겠지만, 사실 작물들은 괜찮은 상태일 수도 있습니다. 이는 소중한 물을 낭비하고 잠재적으로 식물의 뿌리를 물에 잠기게 하여 죽게 만드는 결과를 초래합니다.

이 논문은 관개를 계획할 때, 특히 덥고 건조한 지역에서는 단순히 쉬운 "일일 평균" 수치에만 의존해서는 안 된다고 제안합니다. 우리는 시간별 급증(hourly spikes)을 존중해야 합니다. 일일 데이터가 장기적인 대략적인 추측에는 괜찮을지 몰라도, 정밀한 피크(peak) 수요가 필요할 때는 실패합니다.

결론

아그라왈과 기테는 단순히 작은 결함을 발견한 것이 아니라, 체계적인 편향(systematic bias)을 발견했습니다. 그들은 동일한 기상 데이터 소스(NASA POWER)를 사용하더라도, 단지 시간을 바라보는 방식(시간별 vs 일일)을 바꾸는 것만으로도 답이 달라진다는 것을 증명했습니다. 일일 방법은 정점을 매끄럽게 만들지만, 그 과정에서 높은 수요라는 잘못된 느낌을 만들어 냅니다.

그러니 다음에 누군가 들판에 물이 얼마나 필요한지에 대해 이야기할 때, 롤러코스터를 기억하세요. 만약 당신이 트랙의 평균 높이만 본다면, 그 여정의 핵심인 무시무시한 낙하 지점을 놓칠 수도 있습니다. 건조한 기후의 농부들에게는, 평균과 정점의 차이를 아는 것이 수확과 가뭄 사이의 차이를 결정짓는 중요한 열쇠가 될 수 있습니다.