녹아내리는 남극,
데이터로 보는 임계점
AI는 남극의 얼음을 전례 없는 규모로 ‘본다’. 그러나 보는 것과 예측하는 것은 다르다. 오늘의 질문은 측정 가능한 것과 측정 불가능한 것을 구분하는 데서 시작한다.
기후·기술 관점 · 글 고승원
얼음은 침묵한다. 데이터는 말한다.
남극은 지구에서 가장 멀고, 가장 관측하기 어려운 곳이다. 사람이 상주하기 힘든 얼음 대륙, 반년은 어둠에 잠기고 대부분은 구름에 가린다. 그럼에도 우리는 지난 수십 년 남극이 어떻게 변해왔는지 꽤 정확히 안다. 위성이 하늘에서 얼음을 읽어왔기 때문이다.
이제 그 위성 데이터를 처리하는 것이 AI다. 수십 년치, 수백만 장의 영상은 사람이 손으로 판독할 규모를 넘어섰다. 머신러닝은 이 방대한 관측을 훑어 균열을 찾고, 빙산 분리를 세고, 해빙 경계를 그린다. 관측의 규모가 폭발적으로 커졌다.
하지만 여기서 조심할 것이 있다. ‘AI가 남극의 붕괴를 예측한다’는 말은 대체로 과장이다. AI가 잘하는 일과, AI가 아직 하지 못하는 일은 분명히 다르다. 이 글은 그 경계를 정직하게 그리려 한다.
AI는 관측을 확장한다. 예측을 대신하지는 못한다. 이 둘을 섞는 순간, 우리는 데이터를 오독하기 시작한다.
숫자로 보는 현실
2023
남극 해빙 면적이 위성 관측 사상 최저 수준으로 떨어진 해 — 이후 수년간 이례적 저조가 이어졌다
NSIDC, 2023~2024
1979–
위성 마이크로파 관측으로 해빙 면적을 일 단위로 기록해 온 기간 — 지속적·전지구적 기록의 출발점
NSIDC / NASA
~10K
ICESat-2가 초당 지표로 쏘는 레이저 펄스 — 빙상 표고를 센티미터급으로 측정한다
NASA ICESat-2
수치는 NSIDC·NASA·ESA 등 공개 관측 기록 기준이며, 조사 기관·연도·산출 방식에 따라 세부 값이 달라질 수 있다. 남극 해빙은 연중 크게 변동하므로 특정 시점의 최저·최고치는 기준월에 따라 다르게 보고된다.
01 · How the ice is read
네 개의 눈으로 남극을 본다
위성 원격탐사는 하나의 기술이 아니라 서로 보완하는 여러 관측의 묶음이다. 각 센서는 다른 것을 보고, 다른 약점을 가진다. AI의 첫 번째 역할은 이 이질적인 관측을 하나로 엮는 것이다.
01
광학 영상
가시광·근적외선으로 지표를 촬영한다. 빙붕의 균열, 빙산 분리, 표면 융빙 호수를 눈으로 보듯 포착한다. 다만 극야와 구름 앞에서는 무력하다 — 남극의 절반은 어둠과 구름 속에 있다.
02
레이더 · SAR
합성개구레이더(SAR)는 스스로 전파를 쏘아 반사를 읽는다. 밤에도, 구름 아래에서도 작동한다. Sentinel-1 같은 위성은 빙붕 표면의 미세한 이동과 균열 성장을 반복 관측으로 추적한다. 극지 상시 감시의 핵심이다.
03
고도계 · 라이다
레이저(ICESat-2)와 레이더(CryoSat-2) 고도계는 빙상 표면의 높이를 잰다. 같은 지점을 여러 해에 걸쳐 재면 빙상이 얼마나 얇아졌는지, 어디서 질량이 빠져나가는지 드러난다. 두께 변화는 곧 질량 변화의 단서다.
04
중력 관측
GRACE 계열 위성은 지구 중력장의 미세한 변화를 읽어 빙상 질량 손실을 직접 추정한다. 얼음이 사라지면 그 지역의 중력이 아주 조금 약해진다. 눈에 보이지 않는 손실을 저울에 올리는 방법이다.
대표 위성으로는 ESA 코페르니쿠스 Sentinel-1(SAR), NASA ICESat-2(레이저 고도계), ESA CryoSat-2(레이더 고도계), GRACE 계열(중력) 등이 있다. 실제 임무 구성과 후속 위성은 기관 발표에 따라 갱신된다.
02 · What the models actually do
AI는 예언가가 아니라 판독자다
남극에서 머신러닝이 실제로 하는 일은 대부분 패턴 인식과 분류다. 수백만 장의 위성 장면에서 균열을 찾고, 빙산 분리를 세고, 바다와 얼음의 경계를 픽셀 단위로 나눈다. 사람이 했다면 수십 년이 걸릴 판독을 며칠로 압축한다.
이것은 결코 사소하지 않다. 관측의 규모와 속도가 곧 기후 과학의 해상도이기 때문이다. 그러나 이 모든 작업의 공통점은, AI가 이미 일어난 일을 읽고 있다는 것이다. AI는 관측을 확장하는 도구이지, 미래를 여는 도구가 아니다.
빙붕 균열·빙산 분리 자동 탐지 — 사람이 일일이 판독하던 위성 장면을 알고리즘이 대신 훑는다.
해빙 경계선(빙권) 구획 — 픽셀 단위로 바다와 얼음을 나눠 면적을 산출한다.
이종 센서 융합 — 광학·SAR·고도계 데이터를 하나의 일관된 시계열로 엮는다.
노이즈·결측 보정 — 구름·잡음으로 비어버린 관측을 통계적으로 메운다(단, 메운 값과 잰 값은 구분해야 한다).
03 · Measurable vs. unmeasurable
잴 수 있는 것과 잴 수 없는 것
기후 데이터를 읽을 때 가장 흔한 오해는, 관측 정밀도가 곧 예측 능력이라고 믿는 것이다. 우리는 지금 얼음의 상태를 놀랍도록 정확히 잰다. 그러나 그 얼음이 언제 임계점을 넘을지는 여전히 잴 수 없다.
측정 가능
→아직 측정 불가능
지금 얼음이 어디까지 있는가 (해빙 면적)
→해빙 붕괴가 언제 임계점을 넘을지
빙붕이 얼마나 얇아졌는가 (표고 변화)
→빙상이 얼마나 빨리 무너질지 (동역학 불확실성)
빙산이 언제 분리됐는가 (분리 시점·크기)
→다음 대형 분리가 언제 일어날지
질량이 순 감소하고 있는가 (중력·질량수지)
→금세기 해수면 상승의 정확한 폭
관측은 과거와 현재를 다룬다. 예측은 미래를 다룬다. AI는 앞의 두 칸을 극적으로 넓혔지만, 세 번째 칸은 여전히 물리학과 불확실성의 영역이다.
04 · The difficulty of tipping points
임계점은 왜 예측이 어려운가
‘임계점(tipping point)’은 어떤 문턱을 넘으면 변화가 스스로 가속되어 되돌리기 어려워지는 상태를 뜻한다. 서남극 빙상의 일부는 이런 불안정성에 특히 취약하다고 오래 지적돼 왔다. 문제는 그 문턱이 정확히 어디이고 언제 넘을지를 누구도 확실히 말할 수 없다는 데 있다.
빙상 동역학에는 우리가 아직 충분히 관측하지 못한 과정들이 얽혀 있다. 얼음 아래로 스며든 따뜻한 바닷물이 빙붕을 밑에서부터 녹이는 과정, 접지선(얼음이 해저에서 떨어지는 지점)의 후퇴, 얼음 내부의 균열 전파 — 이들은 위성 표면 관측만으로는 온전히 잡히지 않는다.
IPCC 제6차 평가보고서(AR6, 2021)조차 빙상 급붕괴 가능성을 배제할 수 없으나 정량화하기 어려운, 낮은 확률·높은 영향의 시나리오로 다룬다. 이것은 무지의 고백이 아니라, 정직한 과학의 표현이다.
05 · 확장과 한계
AI가 넓힌 것은 눈이지, 미래가 아니다
AI가 기후 관측에 준 가장 큰 선물은 규모다. 예전에는 소수의 장면만 수작업으로 판독했지만, 이제는 전 남극을 반복적으로, 거의 실시간으로 훑는다. 놓쳤을 균열, 세지 못했을 분리, 그리지 못했을 경계선이 데이터가 된다.
그러나 규모가 곧 예지력은 아니다. 데이터가 아무리 촘촘해도, 빙상이 임계점을 넘는 물리 과정을 우리가 다 이해하지 못하면 예측의 불확실성은 남는다. AI는 관측 격차를 메우지만, 지식 격차는 메우지 못한다.
그래서 좋은 기후 AI는 자신이 무엇을 모르는지 함께 보고한다. 확신에 찬 단일 숫자가 아니라, 불확실성의 폭과 함께 제시되는 관측 — 그것이 신뢰의 조건이다.
06 · Honest uncertainty
불확실성을 지우지 않는 데이터
기후 커뮤니케이션에서 가장 위험한 것은 두 극단이다. 하나는 ‘AI가 곧 남극의 종말을 정확히 예측한다’는 과장이고, 다른 하나는 ‘예측이 불확실하니 아무것도 확실하지 않다’는 냉소다. 둘 다 데이터를 오독한다.
확실한 것은 확실하게 말해야 한다. 남극 해빙이 최근 위성 기록상 이례적으로 낮은 수준으로 떨어졌다는 사실, 여러 빙붕이 얇아지고 있다는 사실, 남극 빙상이 순 질량 감소를 보인다는 사실은 관측으로 뒷받침된다. 이것은 의견이 아니라 측정이다.
동시에 불확실한 것은 불확실하다고 말해야 한다. 언제 어떤 임계점을 넘을지, 금세기 해수면이 정확히 얼마나 오를지는 폭으로만 말할 수 있다. 확실함과 불확실함을 함께 담는 것 — 그것이 데이터를 다루는 사람의 최소 윤리다.
가장 정직한 기후 데이터는 자신이 무엇을 모르는지까지 보여주는 데이터다.
얼음은 예언하지 않는다.
다만, 남김없이 기록될 뿐이다.
AI는 남극을 전례 없는 규모로 관측하게 해주었다. 그러나 임계점은 여전히 예측이 아니라 겸손의 영역에 있다. 측정 가능한 것을 정확히 측정하고, 측정 불가능한 것 앞에서 정직할 것 — 녹아내리는 남극 앞에서 데이터가 할 수 있는 최선이다.