Evaluation of all-sky reconstructed radiance assimilation for hyperspectral infrared sounders

우리가 매일 아침 의존하는 일기 예보는 우주에서 수집된 데이터라는 토대 위에 구축되어 있습니다. 지구 상공 높이 궤도를 돌고 있는 위성들은 지구 표면과 대기에서 방출되는 열에너지를 측정하는 거대한 정밀한 눈 역할을 하는 장치들을 탑재하고 있습니다. '하이퍼스펙트럴 적외선 사운더(hyperspectral infrared sounders)'라고 불리는 이 장치들은 단순히 단일 사진을 찍는 것이 아니라, 빛을 수천 개의 미세한 색상 밴드로 분할하여 아래쪽 공기의 상세한 화학적 지문을 만들어냅니다. 이 정보는 폭풍을 예측하고, 습도를 추적하며, 서로 다른 높이에서의 온도 변화를 이해하는 데 매우 중요합니다. 하지만 이 위성들이 생성하는 데이터의 양은 엄청나서 감당하기 어려운 수준입니다. 이 모든 것을 이해하기 위해 과학자들은 강력한 컴퓨터를 사용하여 이러한 가공되지 않은 측정값들을 기상 모델로 변환합니다. 주요 과제는 항상 중요한 세부 정보를 놓치거나 예보를 실행하는 컴퓨터의 속도를 늦추지 않으면서 이 거대한 데이터 스트림을 어떻게 처리하느냐였습니다.

수년 동안 과학자들은 이러한 위성 측정값을 성공적으로 사용해 왔지만, 주로 하늘이 맑을 때만 가능했습니다. 구름은 전통적으로 빛을 산란시켜 데이터를 해석하기 어렵게 만드는 장벽이었습니다. 최근 몇 년 동안 연구자들은 구름이 있는 상황에서도 데이터를 사용하는 기술인 '올스카이(all-sky)' 동화 기법을 통해 상당한 진전을 이루었습니다. 이는 예보를 개선했지만, 위성에서 오는 원래의 가공되지 않은 원시 데이터(raw data)를 사용하는 것에 의존해 왔습니다. 원시 데이터가 매우 크기 때문에, 필수적인 정보를 잃지 않으면서도 이를 더 작고 관리하기 쉬운 형태로 압축해야 할 필요성이 커지고 있습니다. 여기서 '재구성된 복사휘도(reconstructed radiance)'라는 방법이 등장합니다. 모든 개별 원시 측정값을 보내는 대신, 과학자들은 더 작은 핵심 성분들로부터 데이터를 재구축하는 수학적 과정을 사용할 수 있습니다. 예보관들의 큰 의문은 이 압축된 재구성 데이터가 특히 구름을 투과할 때 원래의 데이터만큼 잘 작동할 것인가 하는 점이었습니다.

일본 기상청과 도쿄 대학의 연구팀은 이 질문에 답하기 위해 나섰습니다. 그들은 구름 낀 상황을 포함한 모든 조건에서 이 재구성된 데이터를 사용하여 기상 예보를 개선할 수 있는지 알고 싶었습니다. 그들은 극궤도 위성에 탑재되어 수천 개의 채널에 걸쳐 열을 측정하는 정교한 장치인 '적외선 대기 탐사 간섭계(Infrared Atmospheric Sounding Interferometer)'의 데이터에 집중했습니다. 연구팀은 전 지구 기상 예측 시스템을 사용하여 일련의 실험을 수행했으며, 원시 데이터로 만든 예보와 재구성된 데이터로 만든 예보를 비교했습니다. 그들은 두 가지 시나리오를 테스트했습니다. 첫째는 맑은 하늘만을 보는 경우였고, 둘째는 구름을 통해 대기를 보는 경우였습니다.

맑은 하늘 결과에 대해, 재구성된 데이터는 한 가지 특정 영역에서 뚜렷한 이점을 보여주었습니다. 그것은 훨씬 더 '깨끗하다'는 점이었습니다. 위성의 원시 데이터에는 라디오의 잡음과 같은 일종의 무작위 노이즈가 포함되어 있어 온도와 습도 측정값을 약간 떨리게 만들 수 있습니다. 재구성 과정은 이 노이즈를 효과적으로 매끄럽게 다듬어 주었습니다. 연구진은 위성이 본 것과 컴퓨터 모델이 예측한 것 사이의 차이가 대부분의 채널에서 훨씬 작아졌음을 발견했습니다. 이는 데이터가 더 일관성 있게 되었음을 의미합니다. 그러나 이 더 깨끗한 데이터를 실제로 기상 예보에 사용했을 때, 결과는 놀라울 정도로 중립적이었습니다. 예보는 원시 데이터를 사용할 때보다 유의미하게 좋아지거나 나빠지지 않았습니다. 이는 재구성된 데이터가 더 깨끗하긴 하지만, 컴퓨터 모델이 이미 원시 데이터의 노이즈를 충분히 잘 처리하고 있었기 때문에 추가적인 정제가 최종 기상 예측에 큰 변화를 주지 않았음을 시사합니다.

연구진이 구름 낀 하늘으로 관심을 돌렸을 때 이야기는 약간 달라졌습니다. 현실 세계에서 구름은 무질서하고 예측 불가능하며, 위성의 노이즈와는 무관한 다른 종류의 불확실성을 유발합니다. 연구팀이 올스카이 조건에서 재구성된 데이터를 테스트했을 때, 맑은 하늘에서 보였던 노이즈 감소 효과는 사라졌습니다. 위성과 모델 사이의 차이는 원시 데이터를 사용할 때와 거의 비슷하게 유지되었습니다. 이는 구름 조건에서의 주요 오류 원인이 장비의 노이즈가 아니라 구름 자체를 모델링하는 어려움에 있기 때문입니다. 결정적으로, 연구진은 기존의 원시 데이터와 동일한 컴퓨터 설정 및 오류 처리 규칙을 재구성된 데이터에도 그대로 사용할 수 있다는 것을 발견했습니다. 그들은 시스템을 작동시키기 위해 새로운 방법을 발명하거나 추가적인 구성 요소를 더할 필요가 없었습니다.

가장 유망한 발견은 연구진이 중층 및 상층 대기의 수증기를 측정하는 특정 채널에 집중했을 때 나타났습니다. 올스카이 조건에서 이 특정 채널들에 대한 재구성 데이터를 동화했을 때, 기상 예보가 크게 개선되었습니다. 결과는 명확한 긍정적 영향을 보여주었으며, 특히 폭풍 발달에 중요한 층인 중층 대기의 습도 예측에서 두드러졌습니다. 이 개선 효과는 동일한 채널에 대해 원시 데이터를 사용했을 때와 마찬가지로 강력했습니다. 이는 재구성된 데이터가 가장 까다로운 기상 조건에서도 원시 데이터를 대체할 수 있는 유효한 수단임을 시사합니다.

본 연구는 원시 위성 데이터를 기상 모델에 입력하기 위해 현재 사용되는 기술들이 이 재구성된 데이터에도 직접 적용될 수 있다는 결론을 내립니다. 이는 기상 예보의 미래에 있어 매우 중요한 발견입니다. 위성이 더욱 발전하고 더 많은 양의 데이터를 생성함에 따라, 가치를 잃지 않으면서도 데이터를 압축하는 능력은 필수적이 될 것입니다. 연구진은 구름 낀 하늘을 위해 더 복잡한 버전의 재구성 과정을 사용할 필요가 없다는 것을 확인했습니다. 최상의 단기 예보를 얻기 위해 컴퓨터의 데이터 신뢰도를 어떻게 조정할 것인가와 같은 작은 기술적 문제들이 여전히 남아 있지만, 핵심 메시지는 명확합니다. 압축된 데이터는 작동합니다. 그것은 방대한 양의 위성 정보를 관리 가능한 수준으로 유지하면서도, 정확한 날씨 예측에 필요한 높은 품질을 유지할 수 있는 방법을 제시하며, 데이터 양이 증가하더라도 예보관들이 이 강력한 도구들을 계속 신뢰할 수 있도록 보장합니다.