관측 데이터

관측 데이터는 실험처럼 변수를 인위적으로 조작해서 얻는 값이 아니라, 특정 시점과 장소에서 실제로 측정·기록된 자료를 말한다.^[1] 온도와 기온, 바람, 파고, 해빙 상태처럼 센서가 직접 읽는 값도 포함되고, 위성이나 항공기처럼 멀리서 얻는 위성 데이터도 여기에 들어간다.^[1]

해양 생물처럼 직접 채집과 시각 관찰이 필요한 분야에서는 표본 수와 관측 위치가 자료 해석을 크게 좌우한다.^[4] 그래서 관측 데이터는 "있다"와 "없다"만으로 읽기보다, 어디서 어떤 절차로 모였는지까지 함께 봐야 의미가 분명해진다.^[4]

관측 데이터는 크게 현장 관측과 원격 관측으로 나뉜다. 현장 관측은 부이, 지상 관측소, 해양 관측선, 조사망처럼 대상과 가까운 위치에서 값을 얻는 방식이고, 원격 관측은 위성, 항공기, 레이더처럼 멀리서 에너지를 감지해 정보를 얻는 방식이다.^[1][2]

두 방식은 서로 대체 관계라기보다 보완 관계에 가깝다. 현장 자료는 해석의 기준점을 제공하고, 원격 자료는 넓은 범위를 빠르게 덮는 데 강점이 있다.^[1] 그래서 관측 네트워크는 단일 장비보다 여러 지표를 함께 묶는 체계로 이해해야 한다.^[2]

기상 모델과 일기예보는 관측 데이터를 그대로 복사하는 것이 아니라, 관측값을 품질 관리한 뒤 분석과 동화 과정을 거쳐 예측에 넣는다.^[2][3] 이때 관측 데이터는 현재 상태를 정리하는 기준이자, 모델이 잘 맞는지 점검하는 검증 자료가 된다.^[3]

해양과 대기처럼 시공간 변화가 빠른 분야에서는 관측망의 밀도와 갱신 주기가 예측 품질을 좌우한다.^[2] 관측 데이터가 잘 쌓이면 장기 변화와 단기 변동을 나눠 읽을 수 있고, 기후 변화처럼 느리게 진행되는 변화도 더 안정적으로 비교할 수 있다.^[1][3]

관측 데이터는 사실성을 높이기 위해 표준 형식, 오류 점검, 결측 처리, 보정 절차를 거치지만, 모든 장소를 같은 밀도로 관측할 수는 없다.^[3] NCEP의 관측 처리 절차처럼 자료 형식과 품질 점검은 이후 분석을 위해 꼭 필요하다.^[3]

표본 크기, 장비 해상도, 계절, 지역, 관측 시간대에 따라 편향이 생길 수 있고, 특히 해양처럼 접근이 어려운 환경에서는 공백이 더 커진다.^[4] 그래서 관측 데이터는 단독 진실이라기보다, 다른 자료와 함께 읽어야 하는 근거 자료로 다루는 편이 적절하다.^[4]

관측 데이터는 기상, 해양, 수문, 대기 환경, 생태 조사처럼 여러 분야에서 서로 다른 방식으로 쓰인다. 해양 항해에서는 실시간 관측이 경보와 항로 판단에 직접 연결되고, 생태 연구에서는 직접 관찰과 시료 채집의 기준이 된다.^[2][4]

또한 장기 관측 자료는 인간 활동의 영향이 자연 변동과 어떻게 겹치는지 살피는 데도 유용하다.^[1][3] 이 때문에 관측 데이터는 예보용 입력값에만 머물지 않고, 장기 축적과 비교 분석을 위한 공통 언어로 기능한다.^[3]

관측 네트워크, 위성 데이터, 기상 모델, 일기예보, 기온, 온도, 해빙, 인간 활동

^[1] NASA Earthdata, Earth Observation Data Basics | Remote Sensing, Wwww.earthdata.nasa.gov(새 탭에서 열림)

^[2] NOAA, Real-Time Observations, Mmarinenavigation.noaa.gov(새 탭에서 열림)

^[3] NOAA/NWS/NCEP/EMC, Observational Data Processing, Wwww.emc.ncep.noaa.gov(새 탭에서 열림)

^[4] NOAA National Ocean Service, Modeling Marine Ecosystems with Virtual Reality: Observations and Models Module, Ooceanservice.noaa.gov(새 탭에서 열림)