The emergence of regional record-breaking summer heat predictability

극한의 폭염은 인간이 유발한 기후 변화의 가장 위험한 결과 중 하나로, 매년 빈도와 강도가 가속화되며 타격을 주고 있습니다. 과학자들은 지구가 온난화되면서 더운 날이 발생할 가능성이 높아진다는 점을 오랫동안 이해해 왔지만, 구체적으로 언제 어디에서 기록적인 폭염이 발생하는 여름이 나타날지 예측하는 것은 여전히 난제로 남아 있었습니다. 이러한 어려움은 날씨가 예측 가능한 장기적 추세와 예측 불가능한 단기적 변동성이 혼합된 혼돈스러운 상태이기 때문에 발생합니다. 수십 년 동안 과학계는 특정 열파 사건이 지구 온난화라는 꾸준한 손에 의한 것인지, 아니면 자연적인 기후 변동성이라는 무작위적인 흔들림에 의한 것인지를 두고 논쟁해 왔습니다. 핵심 질문은 우리가 공동체에 준비할 충분한 시간을 줄 수 있도록 몇 년 전에 신뢰할 수 있는 장기 경보를 보낼 수 있는지, 아니면 대기의 본질적인 혼돈이 그러한 장기 예보를 불가능하게 만드는지에 관한 것이었습니다.

연구팀은 이제 이 질문에 답할 수 있는 새로운 방법을 개발하여, 기록적인 여름을 예측하는 능력이 단순히 미래의 가능성이 아니라 이미 세계 여러 지역에서 나타나고 있음을 입증했습니다. 고급 컴퓨터 학습 도구를 사용하여, 연구진은 지구 온난화의 꾸준한 상승과 해수면 온도의 특정 패턴을 결합함으로써 5년에서 10년 전부터 극한의 폭염을 정확하게 예측할 수 있다는 것을 발견했습니다. 이 접근 방식은 많은 지역에서 전통적인 기후 모델보다 성능이 뛰어난데, 이는 우리가 가장 뜨거운 여름의 시기를 상당한 확신을 가지고 예상할 수 있는 시대에 진입하고 있음을 시사합니다.

연구자인 뉴질랜드 오클랜드 대학교의 에밀리 고든(Emily Gordon)과 스탠퍼드 대학교의 노아 디펜보(Noah Diffenbaugh)는 특정 유형의 예측, 즉 향후 5년 또는 10년 내의 여름이 최근 기록된 그 어떤 여름보다 더 더울지를 결정하는 데 집중했습니다. 이를 위해 그들은 합성곱 신경망(convolutional neural network)이라 불리는 일종의 인공지능을 훈련시켰습니다. 이 시스템을 방대한 양의 역사적 데이터를 학습하며 패턴을 찾아내는 숙련된 패턴 인식기로 생각하면 됩니다. 컴퓨터에는 두 가지 주요 유형의 정보가 입력되었습니다: 지구 전체의 평균 기온과 전 세계 해양의 해수면 온도 변화 패턴입니다. 목표는 컴퓨터가 지구 온난화와 유리한 해양 조건이 결합되어 기록적인 여름을 초래하는 특정한 조합을 포착할 수 있는지 확인하는 것이었습니다.

연구팀이 이 방법을 지난 수십 년간의 실제 데이터와 비교 테스트했을 때, 결과는 놀라웠습니다. 컴퓨터 학습 모델은 기록적인 여름이 발생할 가능성이 높은 순간을 성공적으로 식별해 냈으며, 종종 몇 년 전에 이를 예측했습니다. 예를 들어, 동유럽과 같은 지역에서 모델은 2000년대 초반에 새로운 열 기록을 세우게 될 조건을 감지하여 이전 기록이 깨질 것임을 정확히 예측했습니다. 또한 2010년대에는 새로운 기록이 세워지지 않을 것이라고 올바르게 예측했다가, 2024년경에 또 다른 기록적인 여름이 도착할 것이라고 예보하기도 했습니다. 이러한 능력을 통해 단순히 더운 해와 진정으로 역사적인 해를 구분해 낸 것은 모델이 단순히 추측하는 것이 아니라 실제 신호를 포착하고 있음을 증명했습니다.

결정적으로, 연구진은 이 머신러닝 접근 방식이 대기와 해양을 시뮬레이션하기 위해 복잡한 물리 방정식에 의존하는 기후 과학자들의 표준 역학 모델보다 종종 더 정확하다는 것을 발견했습니다. 북아프리카, 지중해, 동아시아, 그리고 호주와 남미 일부 지역을 포함한 많은 지역에서 컴퓨터 모델은 전통적인 모델보다 더 뛰어난 기술로 기록적인 열의 시작을 예측했습니다. 전통적인 모델은 지구 온난화와 결합하여 이러한 극한 사건을 촉발하는 기후 시스템의 특정한 내부 변동을 포착하는 데 어려움을 겪는 경우가 많았습니다. 반면 머신러닝 모델은 폭염의 전조를 알리는 해양과 대기의 미묘한 징후를 학습했습니다.

연구는 "예측 가능성 출현(predictability emergence)"이라는 개념을 도입했습니다. 이는 지구 온난화가 충분히 강력해져서 자연적인 해양 패턴과 결합될 때, 기록적인 폭염이 예측 가능해지는 지점을 설명합니다. 과거에는 자연적인 기후 변동성의 무작위적인 소음이 너무 커서 지구 온난화의 신호를 압도했기 때문에, 특정 극한 사건을 몇 년 전에 예측하는 것이 불가능했습니다. 그러나 지구가 계속 온난화됨에 따라 그 온난화의 신호는 점점 더 커졌습니다. 연구진은 많은 지역에서 이 신호가 이미 신뢰할 수 있는 예측을 가능하게 할 만큼 강력해졌음을 발견했습니다. 일부 지역에서는 5년 범위 내에서 기록적인 여름을 예측하는 능력이 이미 나타났으며, 다른 지역에서는 현재의 온난화 추세가 지속된다면 향로 10~20년 내에 이것이 가능해질 것으로 예상됩니다.

연구팀은 또한 이러한 예측이 얼마나 먼 미래까지 도달할 수 있는지 탐구했습니다. 그들은 예측 범위를 5년에서 10년으로 확장하는 것이 기록적인 열을 예측하는 능력을 크게 향상시킨다는 것을 발견했습니다. 이는 단순히 더 긴 시간 프레임이 극한 사건이 발생할 통계적 가능성을 높이기 때문입니다. 북반구의 많은 지역에서 모델은 만약 우리가 10년 앞을 내다본다면, 해양 조건이 유리할 경우 새로운 열 기록의 도착을 이미 능숙하게 예측할 수 있음을 시사합니다. 비록 온난화 신호가 아직 지배적이지 않은 지역이라 할지라도, 더 긴 예측 범위와 꾸준한 지구 온난화의 결합은 예측 가능성이 곧 나타날 것임을 의미합니다.

연구의 가장 중요한 발견 중 하나는 이 예측 가능성이 장기적인 온난화 추세와 해양의 단기적 변동 모두에 의존한다는 점입니다. 연구진은 모델에서 해양 데이터를 제거하여 지구 온도 추세만을 남겼을 때 어떤 일이 일ذ어나는지 테스트했습니다. 그들은 해양 정보 없이는 특정 기록적인 여름을 예측하는 모델의 능력이 현저히 떨어진다는 것을 발견했습니다. 이는 지구 온난화가 극한의 열을 위한 무대를 마련하지만, 이러한 사건의 구체적인 시기와 위치는 여전히 해양의 자연적 변동성에 의해 크게 영향을 받는다는 것을 확인시켜 줍니다. 머신러닝 모델은 성공적인데, 이는 온난화되는 지구와 변화하는 바다가 써 내려가는 대본을 읽는 법을 배웠기 때문입니다.

연구진은 또한 이러한 예측이 미래에 어떻게 변할지 조사했습니다. 다양한 수준의 지구 온난화를 시뮬레이션함으로써, 현재의 온난화 속도가 지속된다고 가정할 때 대부분의 육지 지역에서 5년 이내의 기록적인 여름을 예측하는 능력이 향후 10~30년 이내에 가능해질 것이라고 추정했습니다. 일부 지역에서는 이미 이 임계값을 넘었습니다. 이 연구는 지구가 더 온난화됨에 따라 신뢰할 수 있는 예측의 창이 넓어져, 불가피하게 찾아올 극한의 열로부터 공동체가 대비할 수 있는 더 많은 시간을 제공할 수 있음을 시사합니다.

결과가 유망함에도 불구하고, 저자들은 자신들의 작업에 대한 한계를 주의 깊게 언급하고 있습니다. 머신러닝 모델은 단일 기후 시뮬레이션 데이터로 훈련되었으며, 서로 다른 모델은 약간 다른 결과를 낼 수 있습니다. 또한, 모델은 특정 단기 열파보다는 계절 평균을 예측하는 데 더 적합하지만, 두 요소는 밀접하게 연결되어 있습니다. 연구진은 또한 미래의 해양 패턴이 이전에 본 적 없는 방식으로 진화한다면 현재의 예측을 조정해야 할 수도 있다고 지적합니다. 그러나 핵심적인 발견은 견고합니다: 인간이 유발한 온난화와 자연적인 해양 변동성의 결합은 극한의 열에 대한 새로운 예측 가능성의 시대를 만들고 있습니다.

이 연구는 과학자들이 기후 예측에 접근하는 방식의 중대한 변화를 나타냅니다. 극한 사건을 순수하게 혼돈스럽고 예측 불가능한 것으로 보는 대신, 이 연구는 지구가 따뜻해짐에 따라 더 강력해지는 예측 가능한 신호가 존재함을 보여줍니다. 머신러닝을 사용하여 해양과 대기 사이의 복잡한 관계를 해독함으로써, 연구진은 과거보다 더 먼 미래를 내다볼 수 있는 방법을 찾아냈습니다. 이것이 기후가 완전히 예측 가능해졌음을 의미하는 것은 아니지만, 우리가 이전에는 도달할 수 없었던 확신을 가지고 가장 위험한 열 사건을 예견할 수 있는 능력을 얻고 있음을 의미합니다. 전 세계의 공동체에게, 기록적인 여름을 예측하는 이 새로운 능력은 극한의 열이라는 가속화되는 위협으로부터 생명과 기반 시설을 보호하기 위한 결정적인 대응 시간을 제공하는 중요한 도구가 될 수 있습니다.