구글 딥마인드, 날씨 AI 데이터셋 2종 공개

구글 딥마인드가 자사 날씨 AI 모델 WeatherNext 3를 떠받친 관측 데이터셋 2종, SatWeave와 PARDIG를 11월 13일 외부에 공개했다. SatWeave는 정지궤도 위성 영상을 한 장의 지구 모자이크로 엮은 데이터이고, PARDIG는 AI로 추론한 전 지구 강수 데이터다. 딥마인드는 두 데이터의 과거 아카이브와 실시간 피드를 모두 구글 클라우드 스토리지에 올렸고, PARDIG의 과거 카탈로그는 구글 어스 엔진에서도 열었다. 모델의 성능을 만든 입력 자료를 연구자와 개발자가 직접 내려받아 날씨, 수문, 기후 응용에 쓰도록 문을 연 것이다.

출발점은 관측이다. 딥마인드는 발표문에서 "지구의 날씨와 물 순환을 이해하고 예측하는 일은 지금 이 순간 지구를 얼마나 잘 관측하느냐에서 시작한다"고 밝혔다. 위성과 지상 관측 장비가 지구를 쉬지 않고 들여다보지만, 이 원자료를 하나의 일관된 지구 그림으로 바꿔 빨리 내놓는 일은 과학과 공학 양쪽에서 큰 과제라는 설명이다. 구글 딥마인드는 X 게시물에서도 "정확한 날씨 예보는 대기를 실시간으로 얼마나 선명하게 관측하느냐에서 시작한다"고 적었다.

SatWeave가 푸는 문제는 위성마다 다른 규격이다. 이 데이터는 GOES-East와 GOES-West, Meteosat 0, Meteosat Indian Ocean, Himawari 위성의 영상을 합친다. 위성마다 지도 투영법과 파일 형식, 센서, 촬영 주기가 다르고, 주기만 해도 10분에서 30분까지 벌어진다. 딥마인드에 따르면 기존 전 지구 합성 영상은 맞지 않는 요소를 버리는 탓에 채널이 4개 이하이거나 몇 시간에 한 번 갱신된다. SatWeave는 가시광선과 수증기, 적외선 17개 채널을 살린 채 매시간 갱신된다. 실시간 피드와 함께 10년이 넘는 과거 아카이브도 나왔다.

이 매시간 갱신이 WeatherNext 3의 예보 주기를 바꿨다. 6시간마다 새로 고치는 분석 자료로 출발하는 모델과 달리, WeatherNext 3는 SatWeave 덕분에 매시간 새 전 지구 예측을 내놓을 수 있다고 딥마인드는 설명했다. 보도에 따르면 분석 자료로 출발하는 시스템은 대개 6시간마다 초기화돼, 폭풍이 빠르게 자라는 상황에서는 그만큼 오래된 대기 상태로 예보를 시작하게 된다. 딥마인드는 SatWeave를 중기 예보에 써 왔고, 앞으로 태양광 발전 예측과 산불 감시에도 적용해 보고 싶다고 밝혔다.

PARDIG는 비를 재는 문제를 겨눈다. 이름은 강수 AI 재분석(Precipitation AI Reanalysis: Densely Inferred GPM)의 약자다. 지상 레이더와 촘촘한 우량계망은 정확하지만 모든 지역에 있지는 않다. PARDIG는 WeatherNext 3와 비슷한 AI 구조로, NASA 전지구강수관측(GPM) 핵심 관측위성의 우주 레이더 관측을 정답으로 삼아 학습했다. 이 레이더 관측은 정확하지만 궤도를 따라 띄엄띄엄 찍힌다. 입력으로는 SatWeave 영상과 유럽중기예보센터(ECMWF)의 대기장을 넣었다. 결과물은 15분 간격, 약 10킬로미터 해상도의 전 지구 강수 지도이고, 갱신 지연은 평균 약 5시간이다.

성능은 기존 표준과 견줬다. 딥마인드는 미국, 유럽, 일본의 대륙 규모 레이더망 3곳과 전 세계 3만6000곳이 넘는 기상 관측소를 기준으로 PARDIG를 평가했다. 비교 대상은 NASA의 IMERG-Final로, 수많은 응용에 쓰이는 연구용 강수 추정 자료다. 딥마인드에 따르면 PARDIG는 분석한 모든 강수 강도에서 IMERG-Final을 앞섰고, 약한 비부터 보통 비까지의 시간당 강수 탐지 능력은 30% 넘게 높였다. 탐지 능력은 2016년부터 2023년까지 레이더망과 대조한 임계성공지수로 쟀다. 기존 전 지구 자료가 잡기 어려운 극한 강수에서도 특히 강했다고 회사는 밝혔다. 발표문은 2025년 7월 텍사스 힐컨트리 돌발 홍수 당시의 시간당 강우를 약 1킬로미터 해상도의 미국해양대기청(NOAA) 지상 레이더와 나란히 비교해 보였다.

쓸모는 레이더가 없는 곳에서 커진다. 딥마인드는 PARDIG가 지상 관측에만 기대지 않고 위성에서 직접 배우기 때문에 지상 관측이 없는 곳까지 지구 어디에서나 믿을 만한 정확도를 낼 것으로 본다. 과거 아카이브는 1999년부터 2026년까지다. 회사는 촘촘한 지상 레이더망이 없는 지역에서 홍수와 산사태, 가뭄 모델을 함께 개선하자고 연구 공동체에 제안했다. 보도에 따르면 PARDIG의 15분은 자료가 담는 시간 단위이고 실제 도착은 평균 약 5시간 뒤라서, 실시간 경보를 만드는 개발자는 두 숫자를 따로 설계해야 한다. 같은 보도는 ERA5 재분석이 대개 관측 며칠 뒤에, IMERG-Final은 몇 달 뒤에 사용자에게 닿는다고 짚었다.

데이터 뒤에는 공공 위성이 있다. 이 작업은 구글 딥마인드와 구글 리서치가 구글 클라우드, 구글 지오와 함께 만들었고, 딥마인드는 공개 위성 프로그램과 데이터를 내준 ECMWF, NASA, 일본우주항공연구개발기구(JAXA), NOAA, 유럽기상위성기구(EUMETSAT), 한국 기상청(KMA), 일본 기상청(JMA), 네덜란드 기상청(KNMI), 시놉틱 데이터에 감사를 표했다. 두 데이터셋은 구글 어스 AI 제품군에 새로 더해졌다.

메탈은 딥마인드가 WeatherNext 3로 재생에너지 발전량 예보를 소개했다고 보도한 바 있으며, 이번 공개는 그 모델이 무엇을 보고 배웠는지를 꺼내 놓은 셈이다. 메탈이 확인한 딥마인드 X 게시물은 공개 몇 시간 만에 조회 3만5000회를 넘겼다. 예보의 경쟁력이 모델 구조에서 관측 자료의 해상도와 갱신 속도로 옮겨 가는 지금, 날씨 AI의 원재료를 공공재처럼 푼 이번 결정은 레이더가 부족한 지역의 홍수와 가뭄 대비에 쓸 수 있는 출발선을 낮춘다.