Satellite-Based Estimation of Monthly Rainfall Across the Indonesian Archipelago: A Month-Specific Multiple Linear Regression Framework Using Bias-Corrected NASA POWER Data over Java, Bali, Nusa Tenggara, and Maluku

강우는 열대 세계의 심장박동이며, 작물이 언제 자랄지, 강물이 언제 불어날지, 그리고 땅이 언제 진흙탕으로 변할지를 결정하는 가변적인 힘이다. 적도를 가로질러 수천 개의 섬이 뻗어 있는 군도 국가인 인도네시아에서, 이 리듬은 인도양에서 호주 대륙으로 습기를 이동시키는 거대한 계절풍에 의해 지배된다. 농부, 도시 계획가, 그리고 재난 대응 요원들에게 특정 달에 비가 정확히 얼마나 내릴지 아는 것은 단순한 호기심의 문제가 아니라 생존과 경제적 안정을 위한 필수 요소이다. 그러나 오랫동안 정확한 계획 수립을 방해해 온 고질적인 문제가 있었다. 바로 이 비를 측정하는 지상 기상 관측소가 흔히 드문드문 존재하며, 그들이 기록하는 역사적 기록 또한 빈번하게 불완전하다는 점이다. 나라의 많은 지역에서 자유롭게 이용 가능한 데이터는 불과 몇 년 만에 끊겨 버리며, 이로 인해 과학자들은 기후 추세를 이해하거나 신뢰할 수 있는 예측 모델을 보정하는 데 필요한 장기적인 관점을 갖지 못하게 된다. 이러한 깊이 있는 기록 저장소가 없다면, 미래의 수자원 가용성을 예측하거나 홍수에 대비하는 능력은 제한될 수밖에 없다.

이 간극을 메우기 위해 여러 인도네시아 대학의 연구진은 하늘, 구체적으로는 기상 조건의 연속적이고 끊김 없는 기록을 제공하는 위성 기반 데이터셋에 주목했다. 그들의 목표는 인도네시아 군도의 네 가지 뚜렷한 지역, 즉 인구 밀도가 높은 자바섬, 작은 섬인 발리, 건조하고 계절성이 강한 누사 텡가라 제도, 그리고 흩어져 있는 대류성 섬들인 말루쿠를 대상으로 월별 강우량을 추정하는 새로운 방법을 구축하는 것이었다. 연구진은 짧고 파편화된 지상 관측소 기록에 의존하는 대신, 대기 모델과 위성 관측으로부터 도출된 일관된 기상 정보의 흐름을 제공하는 NASA POWER라는 글로벌 데이터셋을 활용했다. 이 데이터셋에는 구름이 어떻게 형성되고 비가 어떻게 내리는지와 물리적으로 연결된 기온, 습도, 풍속과 같은 변수들이 포함되어 있다. 연구진은 이러한 장기적인 위성 판독값을 가용한 제한적인 지상 데이터와 결합함으로써, 기상 관측소가 드문 지역에서도 높은 정확도로 강우량을 추정할 수 있는 수학적 모델을 만들 수 있을 것이라는 가설을 세웠다.

연구진은 각 연도의 달을 하나의 고유한 사건으로 취급하는 방식에 집중했는데, 이는 1월을 움직이는 힘이 7월의 힘과는 근본적으로 다르다는 점을 인식한 것이다. 그들은 네 개 지역의 66개 공식 기상 관측소로부터 강우 관측 데이터를 수집하여 이를 2011년부터 2026년 사이의 위성 데이터와 대조했다. 예측 도구를 만들기 전, 그들은 위성 데이터가 지상에서 측정된 현실과 일치하도록 먼저 보정했는데, 이는 마치 라디오의 잡음을 제거하여 신호가 명확하게 전달되도록 튜닝하는 과정과 같다. 위성 데이터가 조정된 후, 연구진은 통계적 접근법을 사용하여 위성의 온도, 습도, 풍속 측정값과 실제 관측소에 기록된 강우량 사이의 관계를 찾아냈다. 이러한 기상 요인의 영향은 계절에 따라 변하기 때문에, 그들은 일 년 전체를 위한 단일 공식을 만들지 않았다. 대신, 변화하는 몬순에 모델이 적응할 수 있도록 각 달에 해당하는 12개의 별도 규칙 세트를 개발했다.

이러한 노력의 결과는 고무적이었다. 모델은 네 개 지역 모두에서 월별 강우량을 '양호함' 수준의 정확도로 추정할 수 있음을 입증했다. 발리 지역의 경우, 모델의 예측은 관측된 강우 패턴과 0.73의 상관관계를 보였는데, 이는 추정값이 실제 측정값과 밀접하게 함께 오르내렸음을 의미한다. 누사 텡가라 지역도 0.70의 상관관계와 유사한 강도를 보였다. 복잡한 도시 환경과 다양한 지형으로 인해 강우 예측이 어려울 수 있는 자바에서도 모델은 0.65의 상관관계를 달성했다. 아마도 가장 중요한 점은, 모델이 지상 관측이 희소한 동쪽 지역인 말루쿠와 누사 텡가라에서 잘 작동했다는 것이다. 이 지역들에서 모델은 강우의 일반적인 추세를 성공적으로 포착해 냈으며, 이는 보정된 위성 데이터가 장기적인 지상 기록의 신뢰할 수 있는 대체제가 될 수 있음을 시사한다.

결과를 자세히 살펴보면 서로 다른 기상 요인들이 예측에 어떻게 영향을 미쳤는지 드러난다. 모든 지역에 걸쳐 습도가 강우의 가장 일관된 동력으로 나타났다. 공기가 더 습할 때 모델은 비가 더 많이 올 것이라고 정확히 예측했다. 기온 또한 주요한 역할을 했지만, 그 효과는 계절과 위치에 따라 달랐다. 풍속은 뚜ốt한 패턴을 보였는데, 특히 호주로부터 건조한 공기가 군도를 가로질러 불어오는 동쪽 섬들에서 종종 비를 억제하는 역할을 했다. 연구진은 모델이 광범적인 월간 총량을 파악하는 데는 효과적이었지만, 자바의 도시 중심지나 말루쿠의 고도 대류성 폭풍에서 발생하는 국지적이고 극단적인 강우를 포착하는 데는 어려움을 겪었다고 언급했다. 이러한 지역들은 단순한 선형 모델로는 완전히 해결할 수 없는 육지, 바다, 그리고 대기 사이의 복잡한 상호작용을 포함한다. 그럼에도 불구하고, 전반적인 성과는 이 접근 방식이 지역 계획을 위해 실행 가능하다는 것을 확인시켜 주었다.

이 연구는 데이터 격차로 어려움을 겪고 있는 국가에 이 방법이 실용적이고 저비용인 해결책을 제공한다고 결론짓는다. NASA POWER의 길고 연속적인 기록을 사용하고 이를 최선의 가용 지상 데이터로 보정함으로써, 과학자와 정책 입안자들은 이전에는 분석하기 어려웠던 지역들에 대해 신뢰할 수 있는 월별 강우량 추정치를 생성할 수 있게 되었다. 이러한 능력은 변화하는 기후 속에서 수자원을 관리하고, 홍수 방어 시설을 설계하며, 농업 주기를 계획하는 데 매우 중요하다. 연구진은 자신들의 모델이 완벽한 수정구슬은 아니지만, 증거에 기반한 의사결정을 위한 견고한 토대를 제공한다고 강조한다. 그들은 향후 연구에서 더 복잡한 기후 동인을 통합하고 고급 머신러닝 기법에 이 접근 방식을 테스트함으로써 추정치를 정교화할 수 있을 것이라고 제안하지만, 현재로서 이 연구는 투명한 월별 통계적 프레임워크가 인도네시아 군도의 강우 패턴을 효과적으로 밝혀낼 수 있음을 보여준다.