구글, 기후 재난 AI 대응 확대: 홍수 예측 북미 적용 및 산불 확산 모델 개편

기후 위기로 인한 이상기후가 일상화되는 가운데, 구글이 검색과 지도 데이터를 재난 예방을 위한 실시간 관측 레이더로 활용하고 있습니다.

구글은 연례 행사 'Sustainable with Google'을 통해 홍수, 산불, 폭염 피해에 대응하는 인공지능 기반 환경 예측 도구의 업데이트를 공개했습니다. 복잡한 환경 데이터를 학술 연구실에 가둬두지 않고, 전 세계 수십억 명이 매일 사용하는 검색창과 지도 앱에 안전 정보로 직접 띄우겠다는 계획입니다.

7일 전 홍수 예측과 50년 만의 산불 모델 개편

가장 흔한 자연재해인 홍수에 대응하기 위해 구글은 2018년부터 '플러드 허브(Flood Hub)'를 개발해 왔습니다. AI와 지리공간 분석을 통해 최대 7일 전 하천 범람을 예측하는 플랫폼입니다.

올해 초 서비스 범위를 아프리카, 아시아태평양, 유럽, 중남미 80개국으로 넓히며 약 4억 6000만 명을 대상으로 예측을 제공하기 시작했습니다. 지난 8월에는 칠레 현지 당국이 이 데이터를 활용해 조기 대피 경보를 발령하기도 했습니다.

이번 발표를 통해 플러드 허브의 하천 홍수 예측은 미국과 캐나다로 확대 적용됩니다. 하천 인근 800여 개 지역, 1200만 명 이상의 주민이 거주하는 구역이 대상입니다. 이 예측 데이터는 플러드 허브뿐만 아니라 구글 검색과 지도에서도 확인할 수 있습니다.

산불 대응도 빨라졌습니다. 구글의 산불 경계 추적기는 위성 이미지와 AI를 결합해 대형 산불의 경계선을 15분마다 갱신합니다. 2023년 한 해 동안 구글의 SOS 알림은 120건의 산불 상황에서 3000만 명 이상의 사용자에게 도달했습니다.

더불어 미국 산림청(U.S. Forest Service)과 손잡고 지난 50년간 유지되어 온 산불 확산 예측 모델의 대대적인 개편에 착수했습니다. 머신러닝 기술을 도입해 산불의 동적 확산 경로를 보다 정밀하게 시뮬레이션함으로써 소방대원 훈련과 진화 작전을 지원할 예정입니다.

도심 열섬 현상 잡는 수목과 쿨루프 분석

도시 지역의 도로와 건물이 열을 흡수해 기온을 끌어올리는 열섬 현상에도 AI가 투입됩니다. 구글은 이미 80여 개국에서 검색을 통해 열파 지속 기간과 건강 수칙을 안내하는 극단적 폭염 경보를 운영하고 있습니다.

한 걸음 더 나아가 도시 계획가를 위한 공간 분석 도구도 확대합니다. 항공 사진과 AI로 도심 내 그늘 분포를 파악하는 '트리 캐노피(Tree Canopy)' 도구의 지원 도시를 전 세계 2000개 이상으로 늘렸습니다. 미국에서는 비영리단체 아메리칸 포레스트와 협력해 인구의 80%에 달하는 2억 6000만 명 대상의 그늘 형평성 데이터를 제공하고 있습니다.

햇빛을 반사해 건물 온도를 낮추는 차열 페인트 시공을 돕는 '쿨 루프(Cool Roofs)' 도구도 선보였습니다. 항공 영상으로 도시 지붕들의 태양광 반사율을 측정해 시공이 가장 시급한 구역을 찾아내는 방식입니다. 현재 4개 도시에서 시범 운영 중이며, 조만간 뉴욕, 내슈빌, 멜버른 등 11개 도시로 확대될 예정입니다.

왜 중요한가

재난 예보의 핵심은 인프라 구축이지만, 수문 관측소나 기상 레이더가 부족한 지역은 정보 사각지대에 놓이기 쉽습니다. 구글의 방식은 위성 사진과 머신러닝 모델을 활용해 지상 인프라의 부족분을 소프트웨어 알고리즘으로 메워내는 접근법입니다.

무엇보다 강력한 무기는 전달력입니다. 대피 경보를 별도의 전문 플랫폼을 찾아보지 않아도 일상적으로 쓰는 지도 앱 화면에 띄워준다는 점은 실제 골든타임 확보에 직결됩니다. 지자체 입장에서도 막대한 현장 실측 예산 없이 도심 그늘이나 지붕 반사율 데이터를 무료로 확보할 수 있어 실질적인 도움이 됩니다.

우리는 구글이 자사의 핵심 플랫폼인 지도와 검색의 영향력을 공공 안전 영역으로 영리하게 확장하고 있다고 평가합니다. 하지만 생명과 직결된 예측 모델인 만큼 기술적 위험도 공존합니다. 위성 데이터의 오차나 기상 이변의 비정형성 때문에 AI가 침수 수위나 산불 방향을 오판할 경우 대피 체계에 치명적인 혼선을 줄 수 있습니다. 또한 알고리즘이 가로수를 심거나 쿨루프를 칠할 최적의 장소를 찾아내더라도, 실제 도시를 바꾸는 현장 예산과 행정 집행력은 AI가 대신해 줄 수 없다는 한계도 분명합니다.