[이미디어= 황원희 기자] 기후과학은 데이터 집약적인 기술에 힘입어 빅데이터 시대를 맞이해 더욱 큰 활용도를 보이고 있다. 지난 10여년 동안 다양한 영역에서 빅데이터 분석은 큰 성공을 거두었으며 이는 기후변화에 대한 빅데이터 효과와 기대를 촉발시키기도 했다. 본지는 빅데이터와 AI를 통한 기후예측 성과와 향후 방향에 대해 알아보고자 한다.

기후 데이터 자원과 빅 데이터 분석 기법으로 나뉘어  

▲빅데이터 이미지(제공=flickr)

빅데이터 분석은 수많은 분석과 함께 급속한 발전을 보여왔다. 빅데이터의 접근성, 가용성 및 기하급수적으로 증가하는 양적 데이터는 관련 기술발전과 실용적 구현을 더욱 촉진시켰다. 특히 지구는 복잡한 역학 시스템으로 빅 데이터 분석은 다른 주제보다 더 많은 도전에 직면하며 발전을 거듭해왔다. 기후 변화는 현재 더욱 주목받고 있으며 데이터 집약적이라는 특징이 있다. 따라서 지난 수십년 동안 빅데이터 관련 연구자들의 눈길을 끌어왔다.

이에 빅데이터에 대한 철저한 분석 응용이 수행되면서 사물 인터넷, 클라우드 컴퓨팅, 기후 조사 빅데이터 도구, 지능형 분석 플랫폼 및 신기술 발전도 급속히 발전했다. 이제까지의 연구는 주로 에너지 효율, 지능형 농업, 스마트도시계획, 기상 예측, 자연재해 관리 측면에서 빅 데이터 분석을 적용했다.
 

기후변화에서 빅 데이터의 활용은 기후 데이터 자원과 빅 데이터 분석 기법이라는 두 가지 기본 요소를 가지고 있는 것으로 파악된다. 이들 요소는 가치 창출의 수단과 활용의 구체적인 주제별로 분류할 수 있다. 기후변화에서 빅 데이터는 주로 가치 창출의 네 가지 측면, 즉 관찰 모니터링, 이해, 예측 및 최적화의 기능을 수행하며, 활용은 에너지 효율 및 지능화, 스마트 농업 및 농림, 지속 가능한 도시 계획 및 인프라, 자연 재해 및 질병 평가, 기타 고급 지원의 다섯 가지 주제로 분류될 수 있다.
 

특히 빅데이터의 가치 창출이 최적화에 중점을 둔다면 정확한 예측은 기후변화와 관련된 적응적 정책 결정에 도움을 줄 수 있다. 빅데이터로부터 추출된 충분한 지식을 바탕으로 이해하고 예측할 수 있거나 다양한 사례나 응용 프로그램에 걸쳐 추론을 도출하는 일은 비교적 간단한 편이다. 그러나 최적화를 위해서는 종합적인 이론에 대한 이해뿐만 아니라 성과를 극대화하기 위한 최적의 모델과 인프라를 구성하는 적절한 빅데이터 분석 기술이 필요하다.
 

구글 트렌드 또한 이를 입증하고 있다. 전 세계 빅데이터의 구글 트렌드는 지난 몇 년간의 관심사를 보여주고 있는데 기후변화가 시간이 지남에 따라 검색이 급속하게 상승하고 있다. 기후 변화의 영향은 기후 불안으로 이어지는데 특히 어린이와 젊은이들 사이에서 더욱 두드러지고 있다. 구글 데이터에 따르면 2023년 10월까지 '기후 불안'을 중심으로 한 영어 검색 조회 수는 2017년 같은 기간보다 27배 증가한 것으로 나타났다. 또한 최근 5년간 기후 불안 관련 글로벌 검색 질의는 북유럽 국가가 가장 많은 비중을 차지했다.
 

적응에 대한 사전 예방 접근 방식 취해야

빅데이터를 통한 AI는 또한 극한 날씨 사건을 예측하는 능력을 향상시키고 더욱 효율적으로 대응할 수 있도록 의사 결정 지원 도구를 제공함으로써 기후 변화의 영향에 적응하는 데 도움을 줄 수 있다. AI는 또한 위험 요소를 식별하고 이를 완화하기 위한 계획을 개발하는 데 지원함으로써 기후 변화의 영향에 대한 회복력을 높이는 데 중요한 역할을 할 수 있다. 

▲빅데이터 이미지(제공=flickr)

하지만 전문가들은 가장 긴급한 필요는 더 강력한 인공지능을 갖는 것이 아니라 인공지능을 어디에 어떻게 사용할지 적재적소에 이용하는 능력에 있다고 말한다. 또한 빅데이터를 통한 AI는 기후위기에 단독으로 맞서서 적용될 수는 없다. 이는 부분적으로 AI와 다른 급부상하는 기술에 의해 지원되는 행동하고 이에 관련된 필요한 변화를 만드는 의사결저원자들의 의지에 달려있다.

포브스지에 따르면 기후변화에 대응하기 위한 프레임워크는 기후변화에 대한 사람들의 생각을 바뀌게 해주었다. 과거에는 적응은 종종 이미 발생했던 사건에 대한 대응으로 사후에 하는 것으로 생각되었지만 극한 기후 사건의 빈도와 심각성이 커짐에 따라 적응에 대한 사전 예방적 접근을 취해야 한다는 생각을 갖게 되었다. 따라서 기후변화가 더욱 심해지기 전에 잠재적인 영향을 예측하고 이를 완화하기 위한 조치를 취해야 한다. 이는 우리 공동체와 경제의 회복력을 보장하고 취약계층을 보호하는 데 필수적이다. 인공지능은 정보에 입각한 결정을 내리는 데 필요한 도구와 데이터를 제공함으로써 완화적응 및 회복력을 가속화하는 데 도움을 줄 수 있다.
 

기후변화 대응을 위한 AI 활용 프레임워크의 완화 부분은 거시적 수준과 미시적 수준에 대한 측정, 감축(GHG 배출 강도 감소, 에너지 효율 개선 및 온실 효과 감소)과 제거(환경 제거 및 기술 제거)의 조합으로 이루어진다.
 

그 가운데 거시적 수준 측정은 전반적인 환경 배출을 조망하는 데 있다. 이는 미래 기후를 예측하는 모델의 중요 요소이다. 일례로 AI는 측정을 개선하거나 추가 분석을 위해 위성의 원격감지 데이터를 스캔함으로써 모델링을 도울 수 있다.
 

미시적 수준 측정은 배출량 측정을 사용함으로써 제품의 탄소발자국을 이해하고 ESG 목표를 향한 진행 상황을 추적하거나 범위 1,2,3의 배출량을 줄일 수 있는 기회를 확인할 수 있다. 따라서 소비자는 이 정보를 사용함으로써 구매한 제품과 탄소 발자국을 줄이기 위한 조치에 대한 더 많은 정보에 입각한 선택을 할 수 있다.

배출량 감축에 초점 맞추어야

전지구적인 기후 비상사태가 점차 가시화되면서 현재의 배출량과 온실가스 배출을 줄이기 위한 가속화된 노력이 뒤따라야 한다. 기후변화로 인한 치명적인 결과를 막기 위해서는 즉각적이고 야심찬 완화 조치가 필수적이다. 감축해야 할 방안은 다음과 같은 세가지이다.

첫 번째는 온실가스 배출 강도에 있다. AI 솔루션은 새로운 에너지원으로의 전환을 돕는 데 사용될 수 있다. 태양 에너지의 공급 예측은 에너지의 사용증가 가능성이 있는 지역을 식별함으로써 온실가스 배출을 감소시키는 데 도움을 줄 수 있다.
 

두 번째는 배출 감소-생성 활동이다. 이는 AI의 수요 예측 개선을 통해 공급망을 최적화하거나 제품의 효율적인 운송 즉 배송시간 단축 및 에너지 사용 최소화를 통해 배출을 감축할 수 있다. 이는 데이터를 사용함으로써 수요를 예측하거나 운송경로를 최적화하는 모델을 생성할 수 있다.
 

세 번째는 온실가스 효과의 감축이다. 온실가스 효과 감축을 위해 정책 입안자들이 기후변화의 영향을 줄이기 위해 지구공학적 해결책을 모색한다면 AI는 화학 연구를 가속화하는 데 필수적인 도구가 될 것이며 온실가스 배출을 줄이는 새로운 물질과 과정을 개발하는 데 도움을 줄 수 있다. 게다가, 행동 변화를 장려하는 것은 에너지 소비를 줄이고 배출을 줄일 수 있다.
 

제거에는 다음과 같이 두 가지 주요 유형이 있다. 첫 번째는 환경 제거이다. 산림, 조류, 습지 등 자연 생태계는 대기 중 탄소 제거의 중심 역할을 한다. 이러한 생태계를 모니터링하기 위해서는 많은 양의 데이터를 수집하고 처리해야 하는데, AI는 이를 효율적으로 수행할 수 있다.
 

두 번째는 기술적 제거이다. 환경적 제거는 산업 공정으로 보완될 수 있지만, 그 공정들은 아직 도입 단계에 있으며, 확장 문제에 직면해 있다. AI는 이러한 문제를 가능한 한 신속하게 해결하는 데 있어 강력한 동맹이 된다.
 

적응력과 회복력을 예측하는 일도 향후 기후변화의 추이를 돌아보는 중요한 역할을 한다. 국지적인 장기 추세 예측 기후변화의 잠재적 영향력을 예측할 수 있어야 하는데 예를 들어 향후 10년 동안 특정 지역에 심각한 가뭄이 발생할 확률을 들 수 있다. 이러한 가뭄이 농업, 물 공급 및 보건에 끼치는 잠재적 영향은 무엇인지 예측해 볼 수 있다. AI는 과거 데이터를 분석하고 미래 추세를 예측함으로써 이러한 질문에 답하는 데 도움을 줄 수 있다.

보다 강력한 데이터 통합과 접근성 필요해

AI는 기상이변에 대한 위기관리에도 도움을 준다. 극한의 기후가 발생하면 AI는 의사결정 지원 도구를 제공함으로써 위기를 관리하는 데 도움을 줄 수 있다. 예를 들어 AI는 기상이변에 영향을 받을 위험이 있는 사람들을 식별하고 그들이 필요로 하는 자원과 일치시키는 데 사용된다. AI는 또한 실시간으로 상황을 모니터링하고 사람들의 위치, 인프라 상태 및 구호 활동 상태에 대한 정보를 제공할 수 있다.

또한 기반시설 강화도 지원할 수 있는데 날씨 데이터와 식물 센서를 사용하여 물주기 일정을 최적화하는 지능형 관개 시스템을 활용할 수 있으며 이는 가뭄의 영향을 줄이는 데 도움을 준다. 강우량, 강 수위 및 토지 고도에 대한 실시간 데이터를 사용하는 AI 지원 홍수 방어는 홍수로부터 보호하는 데 도움을 줄 수 있다. UN의 프로젝트 요약에 따르면 지식 그래프(연결된 데이터의 네트워크를 통해 사물 간의 관계와 속성을 표현하는 그래프 기반의 구조)는 복잡한 데이터 세트에 숨겨져 있으며 궁극적으로 홍수, 가뭄 및 기타 극한 날씨를 분석할 수 있는 패턴, 상관 관계 및 의존성을 식별하는 데 도움이 되도록 방대한 데이터를 저장하고 추론할 수 있다. 이는 기후 변화에 직면하여 회복력을 가능하게 한다.

이렇듯 AI를 활용한 데이터 분석과 예측은 우리에게 많은 이점을 제공하며 향후 무궁무진한 기회를 제공할 수 있지만 전문가들은 “대부분의 현존 AI 관련 기후 해결책은 산재해 있으며 접근도 어렵고 확장할 자원이 부족하다. 이는 보다 강력한 데이터 통합과 접근성이 필요하다”고 지적한다.
 

그러나 AI 알고리즘은 기후변화 관련 위험에 가장 많이 노출되고 취약한 사람들을 특별하게 고려함으로써 기후변화 완화에 가치를 두고 추가적인 복원력과 기후변화 관련 영향에 대한 적응력을 제공하는 등 지속가능한 방향으로 진화할 수 있는 엄청난 잠재력 또한 지니고 있다.
 

따라서 AI는 기후 변화에 맞서 인류의 경쟁을 가속화할 수 있는 잠재력을 가진 판도를 바꾸는 중요한 조력자로 자리매김될 수 있다. AI와 더불어 모두에게 더 회복력 있는 미래를 건설할 기회를 가진다. 따라서 기후 변화의 영향이 더 광범위하고 심각해짐에 따라, 해결책을 개발하기 위해 AI를 사용하는 기후 기술 회사들에 대한 지속적인 투자와 지원이 중요해지고 있다.
 

국내 기업들도 이와 관련해 속속 AI 관련 기술들을 선보이고 있다. 특히 한국은 양질의 기상기술 빅데이터가 잘 확보되어 있으며 기상청을 통해 방대한 데이터를 얻을 수 있다는 장점도 갖고 있어 이를 잘 활용할 경우 다양한 기회를 선점할 수 있을 것으로 보인다.

 

[저작권자ⓒ 이미디어. 무단전재-재배포 금지]