수치 예보(數値豫報, Numerical Weather Prediction, NWP)는 대기의 상태를 지배하는 물리 법칙을 수학 방정식(원시 방정식 시스템 등)으로 표현하고, 현재 관측 자료를 초기 조건으로 하여 슈퍼컴퓨터 등 고성능 계산 장비를 이용해 미래의 대기 상태를 수치적으로 계산함으로써 날씨를 예측하는 방법이다. 현대 기상 예보의 핵심적인 기반 기술로 활용된다.
기본 원리 대기의 운동, 열역학, 수증기 변화 등을 기술하는 유체 역학 방정식(나비에-스토크스 방정식 변형)과 열역학 방정식, 상태 방정식, 질량 보존 방정식 등으로 구성된 연립 편미분 방정식 시스템을 풀어낸다. 이 방정식들은 비선형성이 강하고 해석적 해를 구하기 불가능에 가깝기 때문에, 유한 차분법, 유한 체적법, 스펙트럴 방법 등의 수치 해석 기법을 사용하여 이산화된 격자점(grid point) 또는 스펙트럴 계수 공간에서 시간 적분 방식으로 근사해를 구한다.
예보 과정
- 자료 동화(Data Assimilation): 지상 관측소, 라디오존데, 위성, 레이더, 항공기, 부이 등에서 수집된 불균질한 관측 자료를 품질 관리하고, 수치 모델의 격자 구조에 맞게 보간 및 조정하여 모델이 통합을 시작할 최적의 초기장(Initial Condition)을 생성한다. 대표적인 기법으로 3D-Var, 4D-Var, 앙상블 칼만 필터(EnKF) 등이 있다.
- 수치 적분(Numerical Integration): 생성된 초기장을 바탕으로 모델 방정식을 시간 단계(Time Step)별로 적분하여 미래 시점의 기상장(기압, 온도, 바람, 습도, 강수 등)을 계산한다. 전지구 모델(Global Model)은 전 지구를 대상으로 하며, 지역 모델(Regional Model, Limited Area Model)은 전지구 모델의 예보장을 경계 조건으로 받아 특정 지역에 대해 더 높은 해상도로 적분한다.
- 후처리 및 산출물 생산(Post-processing): 모델이 직접 출력하는 원시 변수(Raw Output)에는 체계적 오차(Systematic Error)와 무작위 오차가 포함되어 있으므로, 통계적 보정(Model Output Statistics, MOS), 앙상블 예보 기법, 강수량·기온·풍속 등 사용자 맞춤형 요소로의 변환, 그래픽 제품 생산 등의 후처리 과정을 거친다.
모델의 종류 및 해상도
- 전지구 모델(Global Model): 전 지구를 커버하며, 중규모 이상 기상 현상 예측에 주력한다. 대표적으로 미국 NCEP의 GFS, 영국 ECMWF의 IFS, 한국 기상청의 GDAPS(Global Data Assimilation and Prediction System), 일본 JMA의 GSM, 독일 ICON 등이 있다. 수평 격자 간격은 보통 10~25km 수준에서 운영된다.
- 지역 모델(Regional Model / LAM): 제한된 영역에 대해 고해상도(1~3km 이하)로 적분하여 지형 효과, 해륙풍, 대류성 강수 등 소규모 현상을 세밀하게 예측한다. 한국 기상청의 RDAPS(Regional Data Assimilation and Prediction System), LDAPS(Local Data Assimilation and Prediction System), 미국의 NAM, HRRR, WRF 모델 등이 해당한다.
- 앙상블 예보(Ensemble Prediction System, EPS): 초기 조건의 불확실성(Initial Condition Uncertainty)과 모델 물리 과정의 불확실성(Model Uncertainty)을 고려하여 약간씩 다른 초기장이나 모델 파라미터로 다수(보통 수십~수백 개)의 멤버(Member)를 동시에 적분한다. 이를 통해 예보의 확률적 정보(확률 예보)와 예측 불확도(Spread)를 정량화한다.
물리 과정 모수화(Parameterization) 격자 규모보다 작은 아규모 과정(Sub-grid scale processes)은 방정식으로 직접 풀 수 없어 통계적·경험적 관계식으로 근사화하여 모수화한다. 주요 모수화 대상은 복사 과정, 행성 경계층 난류 혼합, 구름 미세 물리 및 대류(적운 대류), 지표 과정(토양 수분, 눈, 식생), 중력파 드래그 등이다. 이 모수화 방식의 차이가 모델 간 예보 성능 차이의 주요 원인 중 하나이다.
한계와 과제
- 초기 조건 불확실성: 관측망의 시공간적 공백, 관측 오차, 자료 동화 시스템의 불완전성으로 인해 '완벽한 초기장'을 만들 수 없다. 카오스 이론(나비 효과)에 따라 미세한 초기 오차도 시간이 지남에 따라 기하급수적으로 증폭되어 예측 가능 시간을 제한한다(보통 중위도 지역에서 10~14일 내외).
- 모델 오차: 방정식 이산화 근사, 아규모 모수화의 불완전성, 수치 확산 등 모델 자체의 구조적 오차가 누적된다.
- 계산 자원 제약: 더 높은 해상도, 더 많은 앙상블 멤버, 더 복잡한 물리 과정 포함, 더 빈번한 자료 동화 주기 등은 막대한 슈퍼컴퓨팅 자원을 요구한다.
- 소규모 현상 예측 난제: 뇌우, 돌풍, 국지성 호우, 토네이도 등 수 km 이하 규모의 대류성 현상은 결정론적 예측이 본질적으로 어렵다.
최근 발전 동향
- 지구 시스템 모델(Earth System Model, ESM): 대기-해양-해빙-지표-에어로졸-탄소 순환 등 지구 시스템 구성 요소 간 상호작용을 결합(Coupled)하여 아계절~계절 예보 및 기후 예측으로 확장.
- AI/딥러닝 기반 예보: 기존 수치 모델의 전처리(자료 동화), 모수화 대체, 후처리 보정, 혹은 전체 적분 과정을 대체하는 데이터 기반 모델(예: FourCastNet, GraphCast, Pangu-Weather 등)이 급속히 발전하며 기존 수치 예보 패러다임의 보완 또는 혁신 가능성 제시.
- 킬로미터 스케일 전지구 모델: 수평 해상도 1~4km급 전지구 모델 운영을 통해 대류 모수화 없이 대류를 명시적으로 표현(Convection-permitting)하려는 시도 가속화.
- GPU 가속 및 차세대 수치 기법: 기존 CPU 기반 포트란 코드를 GPU 등 이기종 아키텍처에 최적화하고, 유한 체적법/불연속 갈르킨법 등 보존성과 병렬 확장성이 우수한 신규 수치 기법 도입.
활용 분야 일반 일기 예보(단기, 중기, 장기), 항공·해상·농업·에너지·건설 등 산업 기상, 홍수·태풍·폭염·대설 등 위험 기상 조기 경보, 대기 오염 예측(화학 수송 모델 결합), 산불 위험도 예측, 신재생에너지(태양광, 풍력) 발전량 예측, 기후 변화 시나리오 산출 등 전방위적으로 활용된다.
