머신러닝 기법을 활용한 토양수분 예측 가능성 연구 = Study o n S oil Moisture Predictability using Machine Learning Technique

국문 초록 (Abstract)

토양수분은 증발산, 유출, 침투 등 물 수지 요소들과 밀접한 연관이 있는 주요한 변수 중의 하나이다. 토양수분의 정도에 따라 강우를 저류해 홍수 피해를 저감하는 등 수재해 발생에 대한 예방 및 대책으로 수립할 수 있는 가치가 있다. 기존 토양수분 측정은 토양 시료 채취를 통한 실내 실험 측정과 측정 장비를 통한 현장 조사 방법이 있으나 토양 시료를 채취할 때 토양이 흐트러지는 등의 시간적, 경제적 한계점이 있으며, 원격탐사 기법은 공간적으로 넓은 범위를 포함하지만 시간 해상도가 낮은 단점이 있다. 또한, 모델링을 통한 토양수분 예측 기술은 전문적인 지식이 요구되며, 복잡한 입력자료의 구축이 요구된다. 최근 머신러닝 기법은 과거 및 현재의 데이터를 통한 학습으로 사용자가 원하는 출력값을 도출하는데 널리 활용되고 있다. 이에 본 연구에서는 다양한 기상 인자들(강수량, 풍속, 습도 등)과 작물 및 토양에 대한 인자 등을 활용하여 머신러닝을 통해 토양수분의 예측 가능성을 분석하고자 한다. 이를 위해 건설기술연구원에서 직접 실측하여 시공간적으로 토양수분 자료가 잘 확보되어있는 청미천과 설마천 유역을 대상으로 머신러닝 기법을 적용하였다. 두 대상지에서 2008년∼2012년 수문 자료를 확보하였으며, 기상자료는 기상자료개방포털과 WAMIS를 통해 자료를 확보하였다. 토양수분 자료와 기상자료를 머신러닝 알고리즘을 통해 학습하고 2012년 기상자료를 바탕으로 토양수분을 예측하였다. 사용되는 머신러닝 기법은 의사결정 나무(Decision Tree), 신경망(Multi Layer Perceptron, MLP), K-최근접 이웃(K-Nearest Neighbors, KNN), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest), 그래디언트 부스팅 (Gradient Boosting)이다. 토양수분과 기상인자, 작물 및 토양인자 간의 상관관계를 분석하기 위해 히트맵(Heat Map)을 이용하였다. 히트맵 분석 결과 토양수분의 시간적 변동은 다양한 기상자료 중 강수량과 상대습도가 가장 큰 영향력을 보여주었다. 또한, 다양한 기상인자 기반 머신러닝 기법 적용 결과에서는 두 지역 모두 신경망(MLP) 기법을 제외한 모든 기법이 전반적으로 실측값과 유사한 형태를 보였으며 비교 그래프에서도 실측값과 예측값이 유사한 추세를 나타냈다. 따라서 상관 관계있는 과거 기상자료를 통해 머신러닝 기법 기반 토양수분의 시간적 변동 예측이 가능할 것으로 판단된다.