하나뿐인 지구를 지키려면 우리 모두의 힘이 필요합니다. 환경을 생각하는 '지구력'.
낮 기온이 30도 안팎까지 오르며 초여름 날씨를 보이면서 곧이어 닥칠 장마철 집중호우 걱정이 커집니다. 이런 가운데 홍수 피해 예방과 관련해 지난해에 큰 변화가 있었습니다. 피해 예방을 위해선 무엇보다 정확하고 신속한 예보가 필수적이겠죠. 이러한 홍수특보(홍수주의보, 경보)를 발령하는 특보 지점의 숫자가 지난해 역대 가장 큰 폭으로 증가한 겁니다. 재작년인 2023년의 경우 전국에 모두 75개 지점(국가하천 63곳, 지방하천 12곳)이었던 게 작년엔 223곳(국가 93, 지방 130)으로 확대됐습니다. 1년 만에 3배로 늘어난 겁니다. 홍수특보란 해당 하천의 계획홍수량보다 수위가 50% 초과할 것으로 예상 시에 발령하는 홍수주의보와, 70% 초과 시 발령하는 홍수경보로 나뉩니다.
국내 하천 전역에 걸쳐 특보 지점을 마냥 늘리면 좋겠지만 이땐 또 다른 어려움이 생깁니다. 현재 전국 홍수통제소에서 근무하는 홍수 예보관이 30여 명인데, 홍수 특성상 급박하게 변화하는 지점별 수위를 예측해야 하는 작업이 갑자기 3배로 늘어난 만큼 기존 인력으론 대응이 어려울 수밖에 없습니다.
예보관 홍수 예보에 30분 걸려, AI는 10분 만에
이런 상황에서 지난해 처음으로 홍수 예보에 AI, 인공지능 기술이 도입됐습니다. 일선 예보관이 홍수 진행 상황에서 새 예보를 발령하는데 한 곳당 30분 정도가 소요됐는데, AI를 도입한 뒤에는 그 시간이 10분 정도로 줄었다고 환경부는 밝혔습니다. 기존에는 강수량이나 댐 방류량, 수위, 하천유량 등의 데이터를 입력해 물리 모형을 활용한 시뮬레이션을 통해 홍수를 예측해 왔습니다. 반면 AI 방식은 누적된 데이터를 학습시켜 현재 상황과 가장 유사한 과거 패턴을 찾아 다음 전개될 상황을 예측한다는 게 큰 틀에서의 차이점입니다. 최종적으로는 홍수 예보관의 판단과 결정에 따르게 됩니다. 구글이 전 세계 100여 개 국가를 대상으로 'Flood Hub'라는 홍수 예측 정보를 서비스하고 있지만, 중앙정부가 홍수 예보 시스템에 AI를 본격 활용한 사례는 우리나라가 처음입니다.
AI 예보 도입 첫 해, 결과는?
AI 예보 도입 첫해이자 홍수특보 지점이 대폭 확대되면서 홍수 대응의 큰 변화가 있었던 지난해 여름, 특보 발령 결과는 어땠을까요? 모두 170건의 특보가 발령됐습니다. 앞서 2014년부터 2023년까지 10년간 평균 발령 건수는 연간 34건이었습니다. 즉 예년에 비해 5배로 늘어난 겁니다. 엄청난 증가세를 기록한 겁니다.
앞서 지난해 특보 지점이 3배로 늘었다고 말씀드렸는데(75 → 223곳), 이렇게 신규로 늘어난 지점에서 발령된 특보 건수가 모두 133건으로 전체의 78%를 차지했습니다. 만약 특보 지점을 늘리지 않았더라면 어떻게 됐을까요? 지난해 특보 건수가 기존지점 37건에 그쳤을 것이며, 나머지 133건에 달하는 홍수 위험 상황은 사전에 예측될 수 없었다는 결론이 나옵니다. 예측되지 못했더라면 그 위험은 고스란히 그 지역 주민과 재산에 영향을 미쳤을 수 있겠죠, 물론 가정입니다만.
늘어난 홍수 특보 대부분은 지방하천에서 발령
새롭게 특보 지점으로 지정된 곳들은 어떤 곳일까요? 하천법상 우리나라 강은 규모와 관리주체에 따라서 국가하천과 지방하천으로 나뉘는데요. 지난해 특보 건수 170건 가운데 국가하천 내 지점에서 발령된 게 59건, 지방하천에서 발령된 게 111건이었습니다. 좀 더 세밀히 따져보면 국가하천 특보 발령 사례들은 기존지점에서 28건, 신규지점에서 31건을 기록했습니다. 지방하천에서는 기존지점 9건, 신규지점 102건으로 구별됩니다. 즉 신규지점에서 발령된 133건으로 좁혀서 얘기하면 이 가운데 지방하천 건수가 102건으로 77%를 차지한 겁니다. 신규지점에서의 특보 발령 대부분이 지방하천에 몰려 있다는 결론이죠.
어떤 의미가 있는 걸까요? 지난 수십 년간 홍수 예방 투자의 대부분은 4대강 등 주요 국가하천 본류에 집중적으로 이뤄져 왔죠. 반면 지방하천, 소하천, 지류 등은 본류구간에 비해 대비가 부족해 홍수 등 재해에 취약성을 드러내 왔습니다. 그런데 지난해 크게 확대한 특보 지점 대부분이 지방하천에 속한 지점이었습니다. 지방하천 홍수 피해 취약성을 보완할 대비책 마련이란 의미를 갖는다고 볼 수 있습니다. 환경부는 "지방하천에는 기존 대비 신규 특보 지점에 약 11배(9건 → 102건) 증가한 특보를 발령해 홍수에 취약한 지방하천 범람을 대비해 충분한 대피시간을 확보할 수 있었다"라고 자평했습니다.
한강 수계 수위관측소 31km마다 한 곳
홍수특보 지점과 함께 하천에서의 핵심적인 피해 예방 장치는 수위 관측소입니다. 현장에 촘촘히 관측소가 있어야 통제소 직원들이 직접 현장에 나가보지 않더라도 신속 정확히 현장 물 흐름을 파악할 수 있기 때문이죠. 이런 수위 관측소도 재작년 690여 곳에서 지난해 933곳으로 대폭 늘어났습니다(한강 276곳, 낙동강 291곳, 금강 179곳, 영산강 187곳). 전체 하천 구간 총연장 대비 숫자를 따져보면 관측소 1곳당 감당하는 거리를 알 수 있습니다.
한강의 경우 국가·지방하천 포함 총연장이 8,555km입니다. 한강 수계에 있는 수위관측소는 총 276곳으로 평균 31km마다 한 곳씩 수위 관측이 이뤄지는 셈입니다. 낙동강(총연장 9,483km)과 금강(총연장 5,946km)은 둘 다 평균 33km마다 수위관측소가 위치합니다. 영산강(총연장 4,881km)은 4대강 가운데 가장 촘촘히 관측소가 배치돼 있습니다. 평균 26km당 1곳으로 계산됩니다.
AI 예보 성적표는 어땠을까요? 지난해 총 발령된 특보 170건을 기준으로 성적을 매겨봤더니 82%의 적중률을 기록했다고 환경부는 밝혔습니다. 첫해치곤 아주 양호한 성적이라는 게 환경부 물재해대응과 박상근 연구관의 평가입니다. AI 덕분에 예보 발령 소요 시간이 1/3로 줄어든 덕분에 3배로 늘어난 특보 발령 지점을 모두 커버할 수 있었다는 겁니다. 지난해 AI 예보에는 지난 10년 동안 매 10분 간격으로 측정된 강수량, 댐 방류량, 하천유량, 조위 자료까지 학습이 이뤄졌습니다. 특히 이 AI 시스템의 특성은 비가 본격적으로 내리기 시작한 뒤 하천 수위가 중간 또는 고수위로 올라갈 때는 상정해 정확도 초점을 맞춰 학습을 시켰습니다. 따라서 약한 비가 내리거나 강우 초기 때보다 수위가 가파르게 올라가는 시간대에서 적중력이 두드러집니다.
실측자료 넘어 모의 자료까지 AI 학습에 활용
AI 특성상 좀 더 다양한 빅데이터를 학습시킬수록 모델의 정확도가 올라갑니다. 이를 위해 환경부는 기존 자료에 더해 레이더 강우량 등도 추가 학습시킨다고는 하지만 근본적으로 한계가 있습니다. 해당 지점의 경우 과거 데이터가 역대치 100mm 자료까지밖에 없을 경우 그 이상에 대해서는 AI가 답하기 어렵다는 겁니다. 그래서 실측자료뿐만 아니라 가상의 모의 자료를 만들어 학습시키는 방안이 앞으로 적중률을 끌어올리는데 핵심 변수가 될 전망입니다. 지난해 여름철 이후에도 이런 보강 학습이 추가로 이뤄진 만큼 환경부는 올여름 더 높은 적중률을 기대하고 있습니다.
(남은 이야기는 스프에서)
동영상 기사
