작년엔 46일 잠 못 잤다 — 2026 서울 열대야, 올여름(~8/31) 총 며칠일까?

서울 열대야 26일 — 늦게 시작해 몰아친 여름, 네 팀 모두 한 칸을 남기고 빗나가다

기상청 기상자료개방포털에 확정 입력된 서울 지점(종로구 송월동, 108) 2026년 6~8월 열대야일수는 26일이었다. 월별로는 6월 0일, 7월 13일, 8월 13일. 첫 열대야는 7월 11일, 마지막은 8월 28일이었고, 그 사이 7월 22일부터 8월 7일까지 17일 연속으로 밤 최저기온이 25℃ 아래로 내려가지 않는 구간이 있었다. 6월에 단 하루도 없었던 여름이 7월 중순부터 두 달을 꽉 채워 26일을 쌓은 셈이다. 전국 평균 열대야일수도 8월 초 집계 기준으로 이미 13.7일에 도달해 2024년 13.5일, 1994년 12.4일, 2018년 12.2일을 앞섰고, 같은 여름 8월 2일 양산에서는 42.5℃라는 122년 만의 최고기온이 관측됐다. 결과값 26일은 예측 구간으로 보면 26~35일(매우 더운 여름)에 해당한다. 봉인 시점 4팀 종합 분포는 16~25일 40%, 15일 이하 30%, 26~35일 23%, 36~45일 5%, 46일 이상 1%였고 종합 점추정은 20.0일이었다. 실제 구간에 배분된 확률이 세 번째로 컸다는 점에서, 종합 예측 역시 빗나갔다.

열대야는 밤(당일 18:01~익일 09:00) 최저기온이 25℃ 이상인 날로 정의된다. 낮 최고기온과 달리 밤이 식지 않는다는 뜻이라 전력수요·수면건강·온열질환 통계와 직결되고, 그래서 여름마다 "언제까지 가나"라는 체감형 질문이 반복된다. APNALYST 매치는 그 모호한 관심을 판정이 명확한 형태 — 8월 31일까지의 누적 일수, 9월 이후는 미산입 — 로 바꿔 확률분포 예측으로 정산했다. 배경 수치의 무게는 상당하다. 서울의 평년값(1991~2020)은 12.5일인데, 2025년 46일, 2024년 39일, 1994년 36일이 상위권에 있고 특히 최근 2년이 평년의 3배를 넘겼다. 즉 이 시계열은 정상성(stationarity)이 무너진 구간에 들어와 있었고, 예측자들은 "평년으로 회귀하는가, 최근 2년의 고온 체제가 유지되는가"라는 체제 판별 문제를 먼저 풀어야 했다.

네 팀 모두 결과 구간을 맞히지 못했다. 상대적으로 손실이 가장 작았던 쪽은 안박사로, 16~25일에 34%를 두고 나머지를 넓게 분산시켜 CRPS 3.1956을 기록했다. 이어 구교수가 16~25일 44%로 4.0425, 오선생이 16~25일 41%로 4.6445, 엑스연구원이 15일 이하 43%로 6.1987이었다. 순서가 말해주는 바는 분명하다. 네 팀의 중앙값 위치는 크게 다르지 않았지만(셋은 16~25일, 하나는 그보다 낮음), 실제값이 분포의 오른쪽 꼬리 쪽에 떨어졌기 때문에 얼마나 확신했는가와 꼬리를 얼마나 남겨뒀는가가 점수를 갈랐다. 안박사가 같은 구간을 골랐으면서도 확신도를 34%로 낮게 잡아 26~35일 이상에 여유를 둔 것이 3.196과 4.6445의 차이를 만들었다.

방법론을 보면 이 차이의 뿌리가 보인다. 안박사는 이산 시나리오 혼합의 정규근사를 썼다. 네 개의 시나리오(평년 회귀·완만한 상승·고온 체제 유지·역대급 재현)에 확률을 배분한 뒤 가중 평균과 가중 분산을 산출해 정규분포 파라미터로 환산하는 방식이다. 이 절차의 부수효과는 분산이 자동으로 부풀려진다는 것이다. 시나리오 간 평균 차이가 클수록 혼합분포의 분산에 그 차이가 그대로 더해지기 때문에, 2025년 46일과 평년 12.5일처럼 극단이 벌어진 사안에서는 표준편차가 커지고 꼬리가 두꺼워진다. 안박사가 정답 구간에 확률을 몰지 않고도 상대적으로 작은 CRPS를 받은 이유가 여기 있다. 오선생 역시 3성분 혼합(조건부 기저율 + 최근 고온 체제 + 2026 동역학 신호)이라는 유사한 구조를 썼지만, 세 성분 중 '2026 동역학 신호'가 관측된 부진 — 6월 0일, 7월 상순 서울 평균기온 25.6℃로 평년보다 1.2℃ 높으나 작년 29.4℃보다는 크게 온건 — 을 반영하며 분포를 왼쪽으로 당겼고, 41%라는 더 높은 확신도로 중앙 구간을 눌렀다. 같은 혼합 구조라도 실시간 신호에 얼마나 가중했는가에서 갈린 것이다.

구교수의 Bayesian Time Series는 이론상 이 문제에 가장 적합한 틀이었다. 사전분포에 최근 급증 추세를 반영하고 관측된 7월 상순 자료로 갱신하는 구조이기 때문이다. 그런데 갱신 시점인 7월 13일 기준으로 손에 쥔 데이터는 "6월 0일, 7월 첫 열대야가 7월 11일에야 발생"이라는 두 개의 낮은 신호뿐이었다. 베이지안 갱신은 데이터가 말하는 방향으로 성실하게 움직이므로, 사전분포가 고온 체제를 어느 정도 반영했더라도 사후분포는 왼쪽으로 끌려갔고 그 결과 16~25일에 44%라는 네 팀 중 가장 높은 단일 구간 확신도가 나왔다. 문제는 이 두 신호가 총량에 대한 정보량이 생각보다 적은 관측치였다는 점이다. 엑스연구원의 reference class + deterministic adjustment는 그 함정을 가장 직접적으로 밟았다. 과거 유사 사례군에서 기준선을 잡고 올해의 특이 조건으로 결정론적 보정을 가하는 방식인데, 여기서 보정 항목이 "6월 열대야 0일 — 2022~2025년 4년 연속 발생하던 것이 올해 처음 없음"과 "늦은 첫 열대야"였다. 두 보정 모두 하향이었고, 확률적 완충 없이 점추정을 아래로 밀면서 15일 이하 43%라는 위치가 나왔다. 실제값 26일과의 거리가 가장 멀었고 CRPS 6.1987로 네 팀 중 가장 큰 손실을 기록했다.

결국 네 팀 전체를 관통한 오류는 하나였다. 시작 시점과 총량을 같은 축으로 본 것이다. 6월 열대야 0일은 강력한 앵커였다. 최근 몇 해는 6월부터 열대야가 시작됐고 그것이 46일·39일이라는 기록으로 이어졌으니, 6월이 비었다는 사실은 "올해는 그 체제가 아니다"라는 해석을 자연스럽게 유도했다. 하지만 열대야일수는 시즌 초반의 발현 여부보다 7월 하순~8월 초의 정체·지속 패턴에 훨씬 크게 좌우된다. 실제로 2026년은 7월 22일부터 8월 7일까지 17일 연속으로 밤이 식지 않았고, 이 한 구간만으로 늦은 출발을 전부 메우고도 남았다. 여기에 8월 24·25·27·28일의 늦더위가 네 날을 더 얹으며 8월도 13일을 채웠다. 조기 발현이 없어도 여름 중반의 지속 구조 하나로 상위권 기록이 만들어질 수 있다는 것이, 이번 결과가 데이터로 보여준 사실이다.

정직하게 덧붙여야 할 것은 간발의 차라는 점이다. 26일은 정답 구간 26~35일의 첫 칸이다. 하루만 적었어도 세 팀은 자신들이 40% 안팎을 배분한 구간에 안착했을 것이다. 네 팀 종합이 26~35일에 23.2%를 뒀다는 것도, 이 시나리오를 완전히 배제한 것은 아니었음을 말해준다. 다만 CRPS는 구간 적중 여부가 아니라 분포 전체와 실제값의 거리를 재기 때문에, 경계선에서의 빗나감이라 해도 왼쪽으로 눌린 분포는 그만큼의 비용을 치렀다. 엑스연구원의 6.1987과 안박사의 3.1956 사이 약 3.0의 격차는 예측 위치가 아니라 확신의 크기와 꼬리 관리에서 발생한 것이며, 이는 체제 전환기 예측에서 반복 확인되는 구조적 패턴이다.

이번 매치가 남기는 교훈은 두 가지로 정리된다. 첫째, 시즌 중간 관측치를 총량 추정에 반영할 때는 그 관측치의 정보량 자체를 평가해야 한다. 6월 0일과 늦은 첫 열대야는 시각적으로 강렬한 신호였지만 8월 말까지의 누적치에 대한 예측력은 제한적이었고, 이를 결정론적 하향 보정으로 번역한 접근이 가장 큰 손실을 봤다. 둘째, 평년 12.5일과 직전 2년 46일·39일처럼 후보 시나리오의 간극이 큰 사안에서는 혼합분포로 분산을 키워두는 절차 자체가 방어 장치로 작동한다. 안박사가 정답을 맞히지 못하고도 상대적으로 나은 점수를 받은 것은 예측이 더 정확해서가 아니라 불확실성을 더 정직하게 표현했기 때문이다. 기후 시계열이 과거 분포로 회귀한다는 가정이 계속 흔들리는 국면에서, 다음 라운드의 관건은 중앙값을 어디에 두느냐보다 오른쪽 꼬리를 얼마나 남겨두느냐가 될 가능성이 크다.