지금 전 세계 곳곳에 비가 얼마나 내리는지 아는 것은 생각보다 어렵습니다. 부유한 나라에는 촘촘한 레이더와 우량계 망이 있지만 세계의 많은 지역에는 없으며, 홍수 피해가 가장 큰 곳이 바로 그런 곳인 경우가 많습니다. Google DeepMind가 예보 모델 WeatherNext 3의 바탕이 된 두 데이터 세트, 즉 SatWeave라는 전 지구 위성 모자이크와 PARDIG라는 AI 기반 강수 기록을 과거 자료와 실시간 피드와 함께 누구나 쓸 수 있게 공개했습니다.
SatWeave는 배관 같은 문제를 해결합니다. GOES-East와 GOES-West, 두 Meteosat 위성, Himawari 같은 정지 기상위성은 저마다 지도 투영법, 파일 형식, 센서, 10~30분의 관측 주기가 다릅니다. 대부분의 전 지구 합성 자료는 채널을 네 개 이하로 줄이거나 몇 시간마다만 갱신하는 식으로 세부를 버립니다. SatWeave는 이를 가시광, 수증기, 적외선 17개 채널을 갖춘 하나의 전 지구 모자이크로 합치고 매시간 갱신하며, 10년 넘는 과거 자료도 갖췄습니다. 매시간 갱신 덕분에 WeatherNext 3는 6시간마다 갱신되는 분석 자료에 의존하는 모델보다 새 예보를 더 자주 시작할 수 있습니다.
더 야심 찬 쪽은 PARDIG입니다. NASA Global Precipitation Measurement Core Observatory의 우주 레이더가 측정한 듬성듬성한 자료로 훈련하고, SatWeave 영상과 ECMWF의 대기 자료를 입력으로 써서 15분 간격, 약 10킬로미터 해상도의 전 지구 강수 지도를 채우며, 평균 지연은 약 5시간입니다. Google은 미국, 유럽, 일본의 레이더 망과 36,000개가 넘는 기상 관측소와 비교했으며, 분석한 모든 강수 강도에서 NASA의 연구용 자료 IMERG-Final을 앞섰고, 약한 비에서 보통 비까지의 시간별 탐지를 30% 넘게 개선했으며, 극한 강수에서 특히 뛰어났다고 보고합니다. 과거 자료는 1999년부터 2026년까지입니다.
실질적 가치는 공개에 있습니다. 두 데이터 세트는 Google Cloud Storage에 있고, PARDIG의 과거 자료는 Google Earth Engine에서도 쓸 수 있습니다. 레이더가 없는 지역에서 일하는 수문학자, 보험사, 재난 기관은 홍수, 산사태, 가뭄 모델에 활용할 수 있으며, Google은 SatWeave를 태양광 발전과 산불 감시에 쓰자고 제안합니다. 이는 DeepMind와 다른 곳의 AI 기상 연구가 이제 모델만큼이나 데이터의 문제가 되었다는 흐름을 잇습니다.
단서가 중요합니다. IMERG-Final과의 비교는 Google 자체의 것이므로 독립적인 수문학자들의 확인이 필요합니다. 10킬로미터 해상도는 약 1킬로미터인 지상 레이더에 비해 거칠어 지역 시스템을 대체하지 못합니다. 어디서나 믿을 만한 정확도라는 Google의 주장은 위성에서 배운다는 점에 근거한 기대일 뿐이며, 평가한 지역은 이미 좋은 레이더가 있는 바로 그런 곳들입니다.