결정트리를 활용한 지역 기후 기반 작물 패턴 분류

초록

본 연구는 월별 강수량 패턴을 이용해 쌀과 CGPRT 작물의 경작 패턴을 분류하기 위해 J48, RandomTree, REPTree 세 가지 결정트리 알고리즘을 비교하였다. J48이 48%의 정확도로 가장 높은 성능을 보였으며, 이를 통해 DKI 자카르타와 반텐 지역에 적합한 경작 조합을 제시한다.

상세 분석

이 논문은 기후 변화로 인한 작물 재배 일정 변동을 해결하고자, 전통적인 Oldeman 방법의 한계를 보완하는 데이터‑드리븐 접근법을 제시한다. 연구자는 월별 강수량 데이터를 입력 변수로 삼아, J48, RandomTree, REPTree 세 가지 결정트리 모델을 학습시켰으며, 교차 검증을 통해 분류 정확도를 비교하였다. J48이 48%의 정확도로 가장 우수했지만, 전체 정확도가 50% 이하인 점은 데이터의 불균형 혹은 특성 선택의 미비를 시사한다. 또한, 논문은 모델 설명력을 강조하기 위해 트리 규칙을 시각화하고, 각 지역별 최적 경작 패턴을 도출하였다. DKI 자카르타에서는 ‘1 PS + 1 PL’(한 차례 벼와 한 차례 CGPRT) 패턴이 주로 추천되었으며, 반텐에서는 ‘1 PS + 1 PL’, ‘3 단기 PS’, ‘2 PS + 1 PL’ 등 세 가지 옵션이 제시된다. 그러나 연구는 강수량 외에 토양 비옥도, 온도, 관개 시설 등 다변량 요인을 배제했으며, 이는 모델의 일반화 가능성을 제한한다. 또한, 48%라는 정확도는 실무 적용에 있어 위험성을 내포하므로, 향후 앙상블 기법이나 심층 학습 모델과의 비교, 그리고 지역별 샘플 수 확대가 필요하다. 데이터 전처리 과정에서 결측치 처리와 이상치 제거 방법이 구체적으로 기술되지 않아 재현 가능성에 의문이 남는다. 전반적으로, 결정트리를 이용한 접근법은 해석 가능성과 정책 제안 측면에서 장점이 있지만, 모델 성능 향상을 위한 추가 변수 통합과 정교한 검증 절차가 요구된다.