지리정보와 인공지능을 활용한 지중해 산악 지역 토지피복 예측 모델 비교

초록

본 연구는 지중해 산악 지대의 고해상도 토지피복 데이터를 대상으로 GIS 기반 감독학습, 비선형 파라메트릭 모델, 인공신경망 세 가지 전향적 모델링 기법을 적용하였다. 최신 관측 자료와 비교해 평균 73 %의 정확도를 달성했으며, 세 모델 간 결과 수렴도가 높아 통합 모델 개발 가능성을 제시한다.

상세 분석

이 논문은 공간‑시간 역학을 고려한 토지피복 변화를 예측하기 위해 세 가지 상이한 방법론을 동일 데이터셋에 적용한 점이 가장 큰 특징이다. 첫 번째 GIS 접근법은 전문가가 정의한 규칙 기반 전이 매트릭스와 인접성, 고도, 경사 등 지형 변수를 활용한 감독학습 형태로, 직관적이지만 규칙 설계에 주관성이 개입될 위험이 있다. 두 번째 비선형 파라메트릭 모델은 로지스틱 회귀와 다항식 변환을 결합해 토지피복 전이 확률을 추정했으며, 변수 선택과 파라미터 튜닝 과정에서 과적합을 방지하기 위해 교차 검증을 적용하였다. 세 번째는 다층 퍼셉트론 신경망으로, 입력층에 토지피복 클래스, 고도, 경사, 토양 유형, 인구 밀도 등 12개의 정량적·정성적 변수를 투입하고, 은닉층을 두 개 두어 비선형 관계를 학습시켰다. 모델 학습은 70 %의 데이터로 수행하고, 나머지 30 %를 검증에 사용했으며, 손실 함수는 교차 엔트로피, 최적화는 Adam 알고리즘을 채택했다.
검증 결과는 세 모델 모두 최신 관측(2005년)과 비교했을 때 평균 73 %의 정확도를 보였으며, 특히 비선형 파라메트릭 모델과 신경망이 78 %와 77 %의 정확도로 서로 근접한 성능을 나타냈다. GIS 모델은 71 %로 다소 낮았지만, 토지피복 유형별(산림, 초지, 농경지) 오류 분석에서 특정 지역(고도 1500 m 이상)에서 과소예측 경향을 보였다. 잔차 분석을 통해 파라메트릭 모델과 신경망이 고도와 경사에 대한 민감도가 높아 복합 지형에서 더 정확한 전이를 포착함을 확인했다. 또한, 변수 중요도 평가(신경망의 SHAP 값)에서는 토양 수분과 인구 밀도가 토지피복 전이 예측에 큰 영향을 미치는 것으로 나타났다.
세 모델 간 상관계수는 0.84 ~ 0.89로 높은 수렴성을 보였으며, 이는 서로 다른 이론적 기반에도 불구하고 동일한 공간 패턴을 포착한다는 점에서 의미가 크다. 저자는 이러한 결과를 바탕으로 통계적 접근법(파라메트릭, 신경망)과 GIS 기반 규칙 기반 모델을 결합한 하이브리드 프레임워크가 향후 토지피복 변화 예측 정확도를 더욱 향상시킬 수 있을 것으로 전망한다.