WeatherMesh-6의 새로운 기능

가장 숙련된 글로벌 기상 모델

WeatherMesh-6 (WM-6) Global은 수치 예보 모델 (NWP)이든 AI 모델이든 현재까지 가장 숙련된 중기 예보 모델입니다. 0.25도(약 25km) 해상도로 작동하며, 우리가 평가한 모든 기상 변수와 예측 시간(lead time)에 대해 선도적인 운영 모델인 ECMWF의 IFS 및 AIFS 앙상블보다 더 정확한 예보를 생성합니다. 2025년 7월부터 2026년 3월까지의 평가 기간 동안, WM-6는 IFS보다 최대 38% 낮은 앙상블 평균 RMSE를, AIFS보다 최대 32% 낮은 RMSE를 달성했습니다. 가장 놀라운 점은, 2미터 기온에 대해 WM-6의 4.5일 예보는 IFS의 1일 예보만큼 정확하다는 것입니다. 운영 예보 기술은 역사적으로 10년마다 예측 시간(lead time)이 약 하루씩 발전해 왔습니다. 그 기준으로 볼 때, WM-6는 단일 모델로 30년이 걸렸을 성과를 제공합니다.

데이터 접근 제한으로 인해, 기술의 최전선에 있는 또 다른 AI 기상 모델인 Google DeepMind의 FGN과 WeatherMesh-6를 직접 비교할 수는 없었습니다. 간접 비교 결과, WM-6 Global은 우리가 조사한 모든 변수에서 FGN과 경쟁할 만하거나, 혹은 약간 더 숙련된 모습을 보입니다.

대기에 대한 더 완전한 그림

25개의 기압층에 대한 5개의 상층 대기 변수 외에도, 24개의 새로운 지표, 토양 및 대기 변수가 추가되어 WeatherMesh-6의 출력 카탈로그는 현재까지 모든 AI 기상 모델 중 가장 방대합니다. 새로운 토양 온도 및 습도장(moisture fields)은 지표 온도(skin temperature)와 함께 모델이 육지-대기 결합(land-atmosphere coupling)에 직접 접근할 수 있게 하여, 지표 물리(surface physics)를 학습하는 능력을 근본적으로 향상시킵니다. 전체 복사 변수(radiation variables) 세트는 다운스트림 태양 에너지 애플리케이션을 가능하게 하며, 고층, 중층, 저층으로 분해된 구름 양(cloud cover) 및 경계층 높이(boundary layer height)와 같은 추가 요소들은 항공에서 에너지, 농업에 이르기까지 다양한 분야에서 WM-6의 활용도를 넓혀줍니다. 사용 가능한 변수의 전체 목록은 당사의 API 문서를 참조하십시오.

잠재 공간(latent space)에서의 더 정교하게 보정된 앙상블

WeatherMesh-6는 잠재 공간 (latent space)에서 전체 앙상블 (ensemble)을 모델링합니다. 이 접근 방식에 대해서는 향후 기술 보고서에서 자세히 다룰 예정입니다. 이는 예측 기술 (forecast skill)과 앙상블 보정 (ensemble calibration)을 모두 포착하는 경쟁력 있는 CRPS (Continuous Ranked Probability Score)를 통해 반영됩니다. 2025년 7월에 대한 예비 평가 결과, WM-6의 128개 멤버 앙상블은 주요 지표면 및 대기 변수 전반에 걸쳐, 그리고 초기 몇 시간부터 15일에 이르는 모든 리드 타임 (lead time)에서 AIFS의 51개 멤버 앙상블보다 CRPS 측면에서 더 우수한 성능을 보였습니다.

이러한 접근 방식은 또한 현실적인 앙상블 멤버 (ensemble members)를 생성할 수 있게 해줍니다. 각 멤버는 전체 해상도 (full resolution)를 가지며 기상 매개변수 전반에 걸쳐 물리적으로 일관성 (physically coherent)을 유지합니다. 이를 통해 시나리오 분석 (scenario analysis) 및 극한 사건 탐지 (extreme-event detection)와 같은 정교한 유스케이스뿐만 아니라, 풍력 에너지 예측 (wind-energy forecasting)과 같이 매개변수가 결합된 유스케이스도 가능해집니다. 주요 매개변수에 대한 개별 멤버와 더불어, 사용자가 전체 앙상블을 수용(ingest)하고 싶지 않더라도 불확실성의 분포를 이해할 수 있도록 백분위수 (percentiles) 및 강수 초과 확률 (precipitation exceedance probabilities)을 포함한 처리된 통계치도 함께 제공합니다.

좌측 상단: 2025-08-23 12:00 UTC에 초기화되어 2025-09-07 12:00 UTC에 유효한, 360시간 (15일) 총 기둥 수증기 (total column water vapor) 결정론적 예측 (deterministic forecast).

좌측 하단: 동일한 초기화 및 유효 시간에 대한 360시간 앙상블 평균 (ensemble-mean) 총 기둥 수증기.

우측: 2025-08-25 18:00 UTC에 초기화되어 2025-08-28 21:00 UTC에 유효한 (리드 타임 75시간), 미국 본토 지역에 대해 3시간 단위 강수량이 0.25mm를 초과할 앙상블 확률 (ensemble probability).

개선된 데이터 동화 (data assimilation)

WeatherMesh-6를 통해 WindBorne의 AI DA (데이터 동화) 아키텍처는 앙상블 방법론 (ensemble methods)을 중심으로 재설계되었습니다: 단일한 교정된 대기 상태를 생성하는 대신, WM-6는 분석 시점에 여러 개의 앙상블 멤버 (ensemble members)를 생성하여 시작 단계부터 보정된 불확실성 추정치 (uncertainty estimates)를 산출합니다. 또한 WeatherMesh-6는 데이터 동화 시스템에 **두 가지 새로운 위성 관측 기기 (satellite instruments)**를 추가했습니다: 해수면 및 강수 정보를 제공하는 마이크로파 이미저 (microwave imager)인 AMSR2, 그리고 IASI를 보완하여 추가적인 수직 온도 및 습도 프로파일을 제공하는 초분광 적외선 사운더 (hyperspectral infrared sounder)인 CrIS가 추가되어, 총 11가지의 서로 다른 관측 유형을 흡수하게 되었습니다. 나아가, WindBorne 자체의 전지구 사운딩 풍선 (Global Sounding Balloon) 관측은 이제 혁신적인 (innovation) 기반 접근 방식을 사용하여 인코딩됩니다: 모델은 풍선이 측정한 값과 해당 위치의 배경 예측 (background forecast) 값이 예측한 값 사이의 차이를 직접 확인하며, 이를 통해 제한적이지만 빠르게 성장하고 있는 이 관측 유형의 이력을 더욱 효율적으로 학습할 수 있습니다.

AI DA를 통해 WM-6 Global은 매시간 새로운 예보를 생성하며, 실행될 때마다 정확도가 꾸준히 향상됩니다. 용어를 먼저 정리하자면: 각 예보 주기는 *종관 시간 (synoptic time)*인 0z, 6z, 12z 또는 18z에 맞춰 고정됩니다. 0z에 WM-6 Global 실행이 시작되어 0z까지 사용 가능한 모든 관측치를 동화하며, 예보는 30~40분 이내에 준비됩니다. 우리는 이를 0z 주기의 "Flavor 0" 실행이라고 부릅니다. 1z에는 또 다른 한 시간의 관측치가 포함된 새로운 실행인 "Flavor 1"이 시작되며, 이와 같은 방식으로 진행됩니다. IFS 및 AIFS와 같은 주요 운영 모델 (operational models)은 통상적으로 5z에서 6z 사이에 제공되므로, Flavor 4 (4z 실행)는 이들보다 여유 있게 앞서 제공되는 마지막 WM-6 Global 업데이트가 됩니다. 해당 주기의 마지막 실행인 Flavor 5는 5z에 시작되며, 6z가 되면 카운트는 6z 주기의 Flavor 0로 재설정됩니다.

그렇다면 각 업데이트는 얼마나 도움이 될까요? WM-6의 상당한 기술적 우위 덕분에, Flavor 0 실행만으로도 이미 AIFS 앙상블 (ensemble)보다 뛰어난 성능을 보이며, 이후의 Flavor들이 더 최신의 관측치를 동화 (assimilate)할수록 그 격차는 더욱 벌어집니다. 예를 들어, 3일 후의 100미터 풍속의 경우, WM-6는 Flavor 0 단계(AIFS를 사용할 수 있기 약 5시간 전)에서 AIFS보다 7.4% 더 정확하며, Flavor 5 단계(AIFS가 도달하는 시점과 거의 동일)에서는 11.4% 더 정확합니다.

WM-6 3km를 통한 고해상도 예보

WeatherMesh-6 제품군에는 훨씬 더 미세한 세부 사항을 분해 (resolve)할 수 있는 3km 해상도 모델이 포함되어 있습니다. WeatherMesh-6 3km는 GOES 정지궤도 위성 영상 및 MRMS 다중 레이더 합성물과 같은 추가적인 고해상도 관측치를 동화하여, 대류 규모 (convective-scale) 특징에 대한 접근을 가능하게 합니다. 지형을 인식하는 업스케일링 (upscaling) 경로를 통해 미세한 고도 및 토양 데이터를 주입함으로써, 모델이 국지적 날씨를 형성하는 지형 효과 (orographic effects)를 분해할 수 있도록 합니다. 미국 본토 (CONUS) 및 유럽의 고해상도 분석 데이터를 통해 학습된 이 모델은 학습 영역 이외의 지역으로도 일반화됩니다. 레이더, 위성, 지상 관측소, 고해상도 지역 분석과 전 지구적 ERA5 재분석 (reanalysis)을 병행하여 다양한 목표 및 직접 관측치에 대해 공동 최적화함으로써, 모델은 기존의 ERA5 기반 학습이 제공할 수 있는 것보다 더 풍부하고 고해상도인 대기의 내부 표현 (internal representation)을 학습합니다.

미국 본토 (CONUS)에서 WeatherMesh-6 3km는 온도 및 풍속과 같은 주요 지상 매개변수에 대해 지상 관측치 (METARs)를 대상으로 테스트한 모델 중 가장 높은 정확도를 달로 성 — 0시 이후의 모든 예보 시간대에서 NOAA의 HRRR보다 뛰어난 성능을 보입니다. 또한 예보 범위를 HRRR의 48시간보다 하루 더 긴 72시간까지 확장하며, 15분마다 갱신됩니다.