제2차 IPCC TG-Data 연례미팅을 다녀와서

IPCC(Intergovernmental Panel on Climate Change) TG-Data(Task Group on Data Support for Climate Change Assessment)는 기후변화에 관한 정부간 협의체의 기후변화 평가를 위한 데이터 지원 테스크 그룹(그림 1)이다. TG-Data는 제47차 IPCC 총회(’18.3.13~16, 프랑스 파리)에서 TG-Data에 대한 참조조건(Decision IPCC-XLIX-6, Annex 1)과 IPCC 데이터 배포센터에 대한 지침(Annex 2)을 채택하여 기후변화 6차 평가보고서(AR6)의 작성부터 활동을 시작하였다.

TG-Data의 활동은 TOR(Terms of Reference)에 따라서 DDCs(Data Distribution Centers)와 TSUs(Technical Support Units) 협업을 통해 기후변화에 대한 데이터의 관리, 투명성, 추적 가능성 및 안정성 등에 대한 지침을 제공하는 역할을 담당하고 있다. TG-Data의 주요 임무는 ① 데이터 관리 및 보존으로 IPCC 기후변화 평가보고서에 사용된 데이터의 큐레이션, 추적가능성, 안정성, 공개 등을 보장하고, ② 데이터 표준설정 관련은 데이터의 형식, 메타 데이터, 품질 등에 대한 표준을 설정· 유지 관리하며, ③ 데이터 접근성 향상을 통해 연구자들이 IPCC 데이터를 쉽게 찾고 사용할 수 있도록 지원하며, 마지막으로 ④ 데이터 품질관리를 통해 데이터의 정확성과 신뢰성을 확보하기 위한 노력을 제공하는 것이다.
‘24년 AR6(The 6^th Assessment Report, 제6차 기후변화 평가보고서)에 대한 절차가 마무리되고, AR7(The 7^th Assessment Report, 제7차 기후변화 평가보고서)의 작성이 시작되면서 ‘25.4월에 AR7의 준비를 위한 TG-Data 멤버를 모집하였다. 전세계 총 195명이 지원하였으면 ’25.10월 스위스 제네바에서 열린 제69차 IPCC 세션을 통해 북중미 2, 남미 3, 유럽 5, 아프리카 3, 남서태평양 2, 아시아 5명으로 최종 20명의 TG-Data 멤버가 선정되게 되었다(표 1).

‘25년 9월 온라인미팅을 시작으로 TG-Data의 활동이 시작되었으며, ’25년 12월 독일 프랑크푸르트(12.11~13)에서 제7차 기후변화평가보고서와 연계한 TG-Data의 역할과 활동계획을 논의하기 위해 제1차 TG-Data 연례미팅을 개최하였다 이를 통해서 활동의 중심이 되는 4개의 Pillars(① DDC 시스템의 전략적 조정 및 감독, ② WGs(Working Groups, 워킹그룹)에 대한 데이터 관리 지원, ③ 홍보 및 보급, ④ 전략적 파트너십 및 외부 참여)(표 2)를 선정하고, 구체적인 활동계획을 수립하였으며, 이를 기초로 TG-Data의 활동에 대한 리포트가 ‘26.3월 태국 방콕에서 열린 제64차 IPCC 총회에서 최종 채택되었다.

이러한 활동과 연계하여 올해는 아르헨티나 부에노스아이레스에서 제2차 TG-Data 연례미팅(’26.7.6~8)이 개최되었다. 일정은 크게 ① DDCs와 TSUs의 활동에 대한 공유 및 TG-Data의 지원 필요사항에 대한 논의, ② 각 Pillars의 TG-Data 서브그룹별 활동현황에 대한 확인 및 향후 추진계획을 논의하는 것으로 진행되었다.

먼저 “The Physical Science Basis” 기후변화 평가보고서의 데이터 관리에 대한 역할을 맡고 있는 WG-1 TSU의 경우, 각 단계별 데이터의 관리를 위해 원본데이터를 Input data, 중간단계 처리데이터를 Intermediate data, 마지막 평가보고서에 반영되는 데이터를 Final data로 분류하여 단계별로 데이터의 효율적 관리를 위해 DDCs와 협업을 통해 작업을 진행 중에 있다. Input data는 DWD(독일기상청)¹⁾와 DKRZ(독일 기후컴퓨팅 센터)²⁾에서 AR7 작성시 사용된 CMIP6(기후모델 상호비교 프로젝트)⁶⁾와 CMIP7⁷⁾ 데이터의 장기보존 역할을 담당하고 있으며, 그 외 CORDEX(지역기후 다운스케일링 실험)⁸⁾ 및 관측자료 등의 데이터 관리에 대해서도 검토 중에 있다. Intermediate data의 경우, 먼저 CSIC(스페인 국립연구위원회)³⁾에서 제공되는 IPCC Interactive Atlas⁹⁾와 관련된 데이터셋을 장기보전하고 있으며, 그 외 Copernicus Climate Change Service(코페르니쿠스 기후변화 서비스)¹⁰⁾ 데이터 등도 연계하여 검토 중에 있다. 또한, AR7의 각 챕터별 활용된 데이터 및 분석 소프트웨어(REF(차세대 기후모델 신속평가 프레임워크)¹¹⁾, Matlab, ESMVal Tool(지구시스템모델 진단성능 지표 패키지)¹²⁾ 등)와 연계하여 FAIR(Findable, Accessible, Interoperable, Reusable)¹³⁾ 원칙에 따라서 데이터와 분석환경을 제공하기 위해 TG-Data와 함께 검토 및 가이드를 개발 중에 있다. Final data의 경우, CEDA(영국 환경데이터 분석센터)⁴⁾에서 데이터 및 메타데이터와 함께 AR7의 최종 그림과 데이터에 대한 장기적 보존과 서비스 제공에 대한 진행현황의 공유와 논의가 있었다.
두 번째, “Impacts, Adaptation and Vulnerability” 기후변화 평가보고서의 데이터 관리에 대한 역할을 맡고 있는 WG-2 TSU의 경우, WG-1 TSU와 유사하게 활동을 하고 있으며, 데이터의 보존과 서비스를 위해 협력하는 DDC는 CIESN(미국 콜롬비아 대학의 통합 지구시스템 정보센터)⁵⁾이다. WG-1은 주로 기상데이터를 이용하고 있기 때문에 FAIR 원칙을 최대한 만족할 수 있는 데이터 공유체계를 서비스하기 위해 노력한다. 하지만, WG-2는 기후변화에 따른 영향, 적응 및 취약성 등의 다양한 데이터를 다루고 있기 때문에 데이터의 공유도 중요하지만, 특정 지역의 피해나 기업 및 개인정보 등과 같이 공개를 제한해야 하는 특성을 가진 데이터도 함께 관리해야 한다. 따라서 WG-1과 유사한 형태로 데이터의 단계구분 및 FAIR 원칙을 적용하기 위해 검토 중이며, 필요에 따라서 FAIR 원칙을 적용할 수 없는 데이터의 경우, CARE(Collective Benefit, Authority Control, Responsibility, Ethics)¹⁴⁾ 원칙의 적용에 대한 논의가 있었다. 현재는 추가적으로 Special Report on Climate Change and Cities 보고서와 연계한 데이터의 보존 및 관리를 위해서도 검토 중이며, 이에 대한 진행현황에 대한 공유와 논의도 있었다.
마지막으로, “Mitigation of Climate Change” 기후변화 평가보고서의 데이터관리를 담당하고 있는 WG-3 TSU의 경우도 WG-2 TSU와 유사하게 데이터의 특성이 다양하여 WG-1의 프로세스를 활용하며 데이터 특성에 따라 보완사항을 도출하여 데이터의 체계적 관리를 위해 노력 중이며, 이에 대한 진행현황의 공유가 있었다.
현재 TG-Data는 Pillar 2를 중심으로 11개의 Activities를 정의하고, Activity별로 소그룹을 나눠서 활동을 진행하고 있다. 그 중 저자가 주로 참여하고 있는 4개의 Activities의 현재까지 진행현황 및 향후 추진방향에 대해 소개하겠다.
첫 번째 Activity-1은 WG-1의 AR7 데이터와 연계하여 GitHub을 통한 분석코드 및 데이터 공유에 대한 가이드를 지원하는 것이다. AR7의 각 챕터별 보고서에 들어가는 데이터, 테이블과 그림의 경우, GitHub을 통해서 코드와 관련 Final Data가 공유되게 되며, 이를 위해 TSU에서는 WG과 협업을 통해 각 챕터별 저자들이 GitHub을 통해서 보고서에 사용한 데이터 및 코드 등을 체계적으로 공유할 수 있도록 도와주고 있다. 이때 TG-Data에서는 이를 위한 상세한 가이드 및 설명을 위한 template 등에 대한 검토 및 지원을 수행하게 된다. 그리고 Final data의 용량이 큰 경우는 Zenodo와 같은 온라인 데이터 공유플랫폼과 연계하여 데이터를 공유할 수 있도록 하는 등의 방법론에 대한 진행현황과 향후 추진방향를 논의하였다.
두 번째 Activity-6은 다양한 지식관리 원칙과 절차(Diverse Knowledge Management Principle /Workflow)에 대한 가이드를 만드는 것이다. IPCC에서는 “IPCC Workshop on Engaging Diverse Knowledge Systems (’26.2.10~12)”을 통해 “Engagement with indigenous knowledge, local knowledge and practitioner knowledge”와 “Methods of Assessment covered the role of artificial intelligence, systematic reviews and ex-post evaluation studies”에 대해 IPCC 기후변화 평가보고서의 작성시 워크숍에서 논의된 데이터 및 절차의 반영에 대한 논의가 있었으며, 현재 Activity-6에서는 이러한 새롭고 다양한 데이터들에 FAIR, CARE 및 FPIC(Free, Prior and Informed Consent)¹⁵⁾ 등의 원칙 및 프로세스를 적용하기 위한 가이드작성에 대한 향후 추진일정에 대해 논의하였다.

세 번째 Activity-7에서는 “Implement a Subgroup about New Emerging Data Technologies”를 주제로, 현재 IPCC High-Level 그룹에서 내부적으로 기후변화 평가보고서 작성시 인공지능의 활용에 대한 논의가 진행 중이며, 향후 공식적으로 IPCC의 High-Level 가이드가 제공되면 이와 연계하여 데이터의 보존 및 관리 등과 관련된 인공지능의 활용에 대한 TG-Data의 가이드를 작성할 계획이다.
마지막으로, Activity-10 “Data Management Plan”에서는 “Towards an IPCC Assessment-Level Data Management Framework”보고서의 작성을 통해 WGs와 TSUs의 효율적 협력과 기후변화 평가보고서 작성시 데이터의 전주기에 대한 TG-Data의 역할을 명확하게 하기 위해서 데이터 관리계획의 수립과 향후 일정에 대해 논의하였다.

현재 참여하고 있는 IPCC TG-Data 활동은 과학기술 분야의 계산 재현성(Computational Reproducibility) 향상을 위한 활동 중 하나라고 할 수 있다. 계산 재현성은 특정 연구자를 통해서 연구된 결과가 데이터, 분석코드 및 분석환경 등의 공유를 통해 다른 연구자의 컴퓨터에서도 동일한 결과를 얻을 수 있도록 하기 위한 체계를 제시하는 연구로써 과학기술의 지속적인 발전을 위해서 반드시 필요한 분야이다. 저자는 ‘22년부터 K-water연구원 AI연구소에서 AI관련 연구를 시작하기 이전 박사과정(‘17.8~’21.6)동안 수자원분야의 계산 재현성(Computational Reproducibility) 향상을 주제로 연구를 수행하였고, 이러한 연구가 지속적인 과학기술의 발전에 매우 중요한 요소라는 것을 인지는 하고 있었지만 지속적인 활동이나 연구는 수행하지 못하고 있었다. 그러던 와중에 ‘25년 하반기부터 IPCC TG-Data 활동을 통해 기후변화 분석에 대한 계산 재현성 향상을 위한 데이터 및 분석 환경 등의 공유체계 개발에 대한 활동을 다시 시작할 수 있었다.
계산재현성의 향상은 다음세대 과학 및 기술자들이 현재 연구 중이거나 논문에 게재된 연구결과를 다시 분석하여 정확한 분석 프로세스를 파악하고, 개선점이 있다면 정확하게 파악할 수 있도록 분석에 이용된 데이터와 분석코드를 활용하여 동일한 결과를 얻을 수 있는 환경을 제공해줌으로써 논문을 단순히 읽고 끝나는 것이 아니라 직접 데이터를 확인하고, 코드를 검토하여 분석할 수 있게 함으로써 다음세대 과학 및 기술자들이 다음 연구를 한층 더 발전시킬 수 있도록 하는 중요한 밑거름이 된다고 생각한다.
TG-Data의 활동도 이러한 의미에서 정기적으로 발간되고 있는 IPCC의 기후변화 평가보고서가 단순히 보고서로만 끝나는 것이 아니라 전세계 모든 과학자들이 보고서에서 분석하여 제시한 결과(수치, 그림 등)를 공유된 데이터와 분석 코드를 이용해 다시 재현하고 절차를 명확하게 확인할 수 있게 함으로써 기후변화 분석의 신뢰성을 높이고 앞으로 기후변화의 과학적 분석, 저감과 적응에 좀 더 실질적인 대책을 수립할 수 있는 밑거름이 될 수 있을꺼라 생각한다.
앞으로 우리나라도 과학기술의 발전을 위해서 데이터, 코드 및 분석환경의 공유문화를 확산하고, 연구결과의 계산 재현성을 강화하기 위한 다양한 연구들이 이루어져야 할 것이다. 그리고 AI가 모든 과학기술 전반으로 급격하게 확대되어 가는 상황에서 ① AI 친화적인 FAIR 원칙이 적용된 데이터 공유체계를 확립하고, ② 공개에 제한이 필요한 정보는 CARE 원칙에 따라 체계적 절차에 따라 데이터를 공유하며, ③ 이러한 데이터와 연계하여 클라우드 기반의 지속가능한 분석체계를 확립하여 앞으로 과학 및 기술의 발전이 다음세대로 잘 이어질 수 있는 체계가 이루어지길 바라면서 이글을 마무리하고자 한다.