플래시 가뭄 예측을 위한 해석 가능한 트랜스포머 모델

초록

본 연구는 공개된 수문기후 데이터를 활용해 토양수분을 최대 42일, 플래시 가뭄을 평균 11일 앞서 예측할 수 있는 인터프리터블 트랜스포머(IT‑Drought)를 제안한다. 기존 10일 한계의 예보 시스템을 뛰어넘으며, 방사와 온도 등 기후 요인의 시공간적 영향과 토양수분 기억 효과를 데이터 기반으로 해석한다.

상세 요약

IT‑Drought는 시계열 데이터를 효율적으로 처리하도록 설계된 트랜스포머 인코더‑디코더 구조를 기반으로 한다. 입력으로는 미국 전역의 일일 기상 변수(강수, 일사량, 기온, 습도 등)와 토양수분 관측치, 그리고 대기 재분석 데이터가 포함되며, 공간적 해상도는 0.25°×0.25° 수준이다. 모델은 다중 헤드 어텐션을 통해 각 시점과 변수 간의 상관관계를 학습하고, 포지셔널 인코딩을 이용해 장기 기억(최대 42일) 능력을 확보한다.

학습 과정에서는 교차 엔트로피 손실과 회귀 손실을 동시에 최소화하도록 멀티태스크 손실 함수를 설계했으며, 데이터 불균형을 완화하기 위해 플래시 가뭄 발생 시점에 가중치를 부여한 샘플링 전략을 적용하였다. 검증 단계에서는 2000년부터 2020년까지의 독립적인 기간을 사용해 10‑day Soil Moisture Forecast (SMF)와 11‑day Flash Drought Forecast (FDF)의 기술통계 지표(RMSE, CSI, POD 등)를 기존 NWP 기반 시스템과 비교하였다. 결과는 IT‑Drought가 SMF에서 평균 RMSE를 15 % 감소시키고, FDF에서는 CSI를 0.12 상승시키는 등 현저히 높은 성능을 보였다.

해석 가능성 측면에서는 어텐션 가중치를 시각화해 기후 변수들의 기여도를 정량화하였다. 특히, 높은 일사량과 급격한 온도 상승이 플래시 가뭄 발현 전 37일 사이에 가장 큰 어텐션 점수를 기록했으며, 토양수분 자체는 1421일 전까지 기억 효과를 유지한다는 ‘메모리 효과’를 밝혀냈다. 이러한 결과는 기존 물리 기반 모델이 간과하기 쉬운 비선형 상호작용을 데이터‑드리븐 방식으로 포착했음을 의미한다.

한계점으로는 훈련 데이터가 주로 미국 중·동부에 집중돼 있어 극한 건조 지역(예: 사막)에서의 일반화 능력이 검증되지 않았으며, 트랜스포머의 계산 비용이 높아 실시간 운영 시스템에 적용하려면 모델 경량화가 필요하다. 또한, 해석 결과가 어텐션 가중치에 의존하므로 어텐션이 실제 물리적 인과관계를 반영한다는 추가 검증이 요구된다.

전반적으로 IT‑Drought는 장기 토양수분 예측과 플래시 가뭄 조기 경보를 동시에 제공하면서, 변수별 기여도와 기억 효과를 정량화하는 새로운 패러다임을 제시한다. 향후에는 전 세계 기후 데이터와 결합해 글로벌 적용성을 검증하고, 경량화된 변형 모델을 운영 환경에 통합하는 연구가 필요하다.