Soil Texture Prediction with Bayesian Generalized Additive Models for Spatial Compositional Data

스무디를 설명하려고 한다고 상상해 보세요. 단순히 "딸기가 50% 들어있어요"라고 말할 수는 없습니다. 대신 "딸기 50%, 바나나 30%, 우유 20%로 구성되어 있습니다"라고 말해야 합니다. 만약 딸기의 양을 바꾸면, 전체 합이 100%가 되도록 나머지 두 성분의 비율도 반드시 바뀌어야 합니다. 이것이 바로 **구성 데이터(compositional data)**라는 까다로운 세계입니다. 구성 데이터는 부분들이 전체와 어떤 관계를 맺고 있는지를 통해서만 의미를 갖는 정보입니다. 과학자들은 공기 중 가스의 혼합 비율을 추적하거나 장내 박테리아를 연구하는 등 도처에서 이런 종류의 데이터를 사용합니다. 하지만 일반적인 통계 도구들은 숫자를 독립적인 선 위의 점으로 취급하기 때문에, 이 데이터를 분석하는 것은 악몽과 같습니다.

이제, 과일이 어디서 자랐는지, 날씨는 어떠했는지, 토양 유형은 무엇인지에 따라 그 스무디가 어떤 맛이 날지 예측하고 싶다고 가정해 봅시다. 당신은 그 관계가 직선 형태가 아니라는 것을 알고 있습니다. 예를 들어, 비가 조금 더 내리면 딸기에 도움이 되지만, 너무 많이 내리면 바나나에 도움이 될 수도 있습니다. 당신에게는 이런 꼬불꼬불하고 복잡한 패턴을 찾아낼 수 있도록 구부러지고 뒤틀릴 수 있는 도구가 필요합니다. 여기서 **일반화 가법 모델(Generalized Additive Models, GAMs)**이 등장합니다. GAM은 데이터에 맞춰 휘어질 수 있는 유연한 자와 같습니다. 하지만 지금까지 이러한 유연한 자를 구성 데이터의 까다로운 "파이" 수학과 결합하여, 불확실성과 공간(예: 지도)까지 처리하는 방식은 풀리지 않은 숙제로 남아 있었습니다.

이 논문은 연구팀이 정확히 이 문제를 해결하기 위해 어떻게 새로운, 초유연한 도구를 만들어냈는지에 대한 이야기입니다. 그들은 "베이지안 지오애디티브(Bayesian Geoadditive)" 모델을 만들었는데, 이름은 길지만, 이를 토양 질감을 지역 전체에 걸쳐 그려낼 수 있는 똑똑하고 형태를 바꾸는 탐정이라고 생각하면 됩니다. 그들은 단순히 도구를 만든 것에 그치지 않고, 이 탐정이 사건을 얼마나 잘 해결하는지 측정하는 새로운 방법까지 발명했습니다. 스페인 바스크 지방의 데이터를 사용하여, 그들의 방식이 토양이 모래질인지, 미사질인지, 혹은 점토질인지를 정확하게 예측하는 동시에, 그 예측에 대해 자신이 얼마나 확신하는지(혹은 확신하지 못하는지)를 정확히 알려줄 수 있음을 보여주었습니다. 이는 지구의 피부를 이해하는 데 있어 큰 진전이며, 환경론자들이 수학적 혼란에 빠지지 않고 더 나은 결정을 내릴 수 있도록 돕습니다.

문제점: "파이"의 함정과 "직선"의 한계

토양 질감은 기본적으로 흙의 레시피와 같습니다. 모래, 미사, 점토라는 세 가지 주요 성분으로 구성됩니다. 규칙은 간단합니다. 이들은 항상 100%가 되어야 합니다. 모래가 많아지면 나머지 두 성분은 자동으로 줄어듭니다. 이 때문에 데이터는 "구성적"입니다. 키나 온도 같은 것을 다루는 표준 수학 도구들은 이를 싫어합니다. 그들은 숫자가 자유롭게 오르거나 내릴 수 있다고 가정합니다. 만약 토양 데이터에 이런 도구들을 사용한다면, "흙이 110%"라거나 "점토가 -5%"라는 식의 불가능한 예측을 내놓을 수도 있습니다.

이를 해결하기 위해 통계학자들은 등거리 로그비(isometric log-ratio, ilr) 변환이라는 특별한 기술을 사용합니다. 그 100%짜리 파이를 평평하고 열린 테이블 위에 펼쳐 놓는다고 상상해 보세요. 그러면 일반적인 수학 법칙이 적용되는 곳에서 계산을 수행한 뒤, 마지막에 다시 파이 모양으로 접어 올릴 수 있습니다. 이 논문은 이 기술을 사용하여 "파이" 문제를 컴퓨터가 쉽게 처리할 수 있는 "평평한 테이블" 문제로 전환합니다.

하지만 또 다른 문제가 있습니다. 토양은 직선 형태로 변하지 않습니다. 언덕은 계곡과 다른 토양을 가질 수 있고, 그 관계는 직선이 아닌 곡선일 수 있습니다. 기존의 모델 대부분은 딱딱한 막대기와 같아서 직선만을 그릴 수 있습니다. 연구자들은 데이터에 맞춰 곡선, 굴곡, 꿈틀거림을 그릴 수 있는 도구를 원했습니다. 그들은 유연하기로 유명한 **일반화 가법 모델(GAMs)**을 사용하고 싶었지만, 이 모델을 토양 파이에 맞게 작동시켜야 했습니다.

해결책: 형태를 바꾸는 탐정

저자인 호아킨 마르티네스-미냐야(Joaquín Martínez-Minaya), 로레 주메타-올라스코아가(Lore Zumeta-Olaskoaga), 데이진 리(Dae-Jin Lee)는 brms(Stan을 이용한 베이지안 회귀 모델)라는 소프트웨어 패키지를 사용하여 새로운 모델을 구축했습니다. brms를 복잡한 통계적 레시피를 만들기 위해 재료를 섞고 조합할 수 있는 첨단 주방이라고 생각하십시오.

그들의 레시피에는 세 가지 주요 재료가 있습니다:

1. 파이 변환기 (ilr): 먼저 토양 비율(모래, 미사, 점토)을 표준 수학이 작동할 수 있는 평평한 좌표로 변환합니다.
2. 유연한 자 (Penalized Splines): 직선을 그리는 대신 "스플라인(spline)"을 사용합니다. 데이터를 따라 휘어질 수 있는 얇고 유연한 나무 조각을 상상해 보세요. 모델은 이 조각들을 구부려 데이터에 맞춥니다. 토양이 고도에 따라 천천히 변하면 조각이 완만하게 휘어지고, 빠르게 변하면 날카롭게 휘어집니다. 또한, 2D 지도(위도와 경도)를 따라 토양이 어떻게 변하는지 매핑하기 위해 격자 형태의 유연한 조각인 "텐서 곱(tensor products)"을 사용했습니다.
3. 베이지안 두뇌: 그들은 "베이지안" 접근 방식을 사용했습니다. 간단히 말해, 이 모델은 단 하나의 답만을 주는 것이 아니라, 가능한 답변들의 "구름"을 제공하여 스스로 얼마나 확신하는지를 보여줍니다. 데이터가 지저분하면 구름이 넓게 퍼지고(낮은 확신), 데이터가 명확하면 구름이 촘촘해집니다(높고 높은 확신).

새로운 성적표: 성공을 측정하는 법

통계학에서 가장 골치 아픈 일 중 하나는 모델이 실제로 얼마나 좋은지 아는 것입니다. 보통 과학자들은 모델이 "미스터리의 X%를 설명한다"라고 말하기 위해 **R-제곱(R-squared)**이라는 점수를 사용합니다. 하지만 토양 파이의 경우, 기존의 R-제곱은 파이의 규칙을 깨뜨리기 때문에 사용할 수 없습니다.

저자들은 이 작업을 위해 특화된 두 가지 새로운 성적표, BR-CoDa-R2와 BM-CoDa-R2를 발명했습니다.

• BR-CoDa-R2는 모델의 추측이 실제 흙 샘플과 얼마나 떨어져 있는지에 기반한 점수입니다.
• BM-CoDa-R2는 데이터에 포함된 "노이즈"나 무작위성이 모델의 내부 추정치와 얼마나 일치하는지에 기반한 점수입니다.

이 새로운 점수들을 통해 과학자들은 "우리 모델은 토양 질감의 변동성을 34.6% 설명한다"라고 말할 수 있으며, 그 숫자가 수학적으로 정직하고 "100% 규칙"을 준수한다는 것을 보장받을 수 있습니다.

테스트 드라이브: 바스크 지방 매핑

연구팀은 이 새로운 도구가 제대로 작동하는지 확인하기 위해 스페인의 바스크 지방에서 테스트를 진행했습니다. 그들은 2010년부터 2018년 사이에 30cm 깊이에서 채취한 2,279개의 토양 샘플 데이터를 사용했습니다. 모델에 다음과 같은 정보를 입력했습니다:

• 고도: 샘플이 얼마나 높은 곳에서 채취되었는지.
• 경사도: 지형이 얼마나 가파른지.
• 암석 유형(Lithology): 토양이 생성된 기반 암석의 종류 (예: 사암, 석회암, 화산암).
• 위치: 정확한 지도 좌표.
• 연도: 샘플이 채취된 연도.

그들은 어떤 모델이 최고의 탐정인지 확인하기 위해 다양한 버전의 모델을 테스트했습니다. 그 결과, 모든 요인—특히 공간적 위치(샘플이 있는 곳)와 암석 유형—을 포함한 모델이 승자임을 발견했습니다.

무엇을 발견했나요?

• 공간이 가장 중요합니다: 지도의 위치는 모델에 위치 정보가 없을 때보다 약 14% 더 많은 미스터리를 설명했습니다. 이는 토양이 단순한 암석 유형만으로는 설명할 수 없는 복잡한 방식으로 지형에 따라 변화함을 의미합니다.
• 시간도 중요합니다: 샘플 연도를 포함했을 때 설명력이 약 3% 증가했는데, 이는 토양이 매년 완전히 동일하지 않음을 보여줍니다.
• 패턴: 모델은 높은 고도일수록 모래와 미사가 많아지고 점토는 적어진다는 것을 밝혀냈습니다. 경사가 급한 곳은 점토가 더 많은 경향이 있습니다. 이것은 단순한 추측이 아니라, 모델이 이러한 변화가 일어나는 "구불구불한" 곡선을 보여준 결과입니다.

얼마나 확신하나요?

연구진은 단순히 모델이 좋다고 주장하는 데 그치지 않고, 시뮬레이션을 통해 이를 증명했습니다. 그들은 정답(Ground Truth)을 알고 있는 가짜 토양 데이터를 만들고, 모델이 이를 찾아내도록 했습니다.

• 이 시뮬레이션에서 모델은 데이터가 노이즈가 많거나 관계가 매우 복잡하더라도 실제 패턴을 성공적으로 복구해 냈습니다.
• 그들은 새로운 성적표(BR-CoDa-R2 및 BM-CoDa-R2)가 좋은 모델과 나쁜 모델을 정확히 구분할 수 있음을 보여주었습니다. 예를 들어, 모델에 쓸모없는 가짜 변수를 추가했을 때, 성적표는 "이것은 도움이 되지 않는다"라고 정확히 판정했습니다.

실제 바스크 지방 데이터에 적용했을 때도 결과는 일관되었습니다. 모델은 실제 과학자들이 예상하는 것과 일치하는 현실적인 토양 질감 지도를 만들어냈습니다. 심지어 농부들이 사용하는 표준 방식인 USDA 질감 분류(예: "사질 양토" 또는 "점토")를 보여주는 지도까지 생성했습니다.

핵심 요약

이 논문은 단순히 "새로운 모델을 만들었다"라고 말하는 것이 아닙니다. "우리는 토양 파이의 규칙을 존중하고, 복잡한 지형에 맞춰 휘어질 수 있으며, 우리가 얼마나 확신하는지를 정확히 알려주는 모델을 만들었다"라고 말하고 있습니다.

그들은 토양 성분(모래, 미사, 점토)을 별개의 독립적인 숫자로 취급해서는 안 된다는 점을 명시적으로 입증했습니다. 그렇게 하면 터무니없는 결과가 나온다는 것을 보여주었습니다. 또한, 단순한 선형 모델(직선)이 일부 상황에서는 괜찮을지 몰라도, 토양이 형성되는 복잡하고 곡선적인 현실을 놓친다는 점도 보여주었습니다.

이 발견의 신뢰성은 두 곳에서 옵데: 새로운 성적표가 작동한다는 수학적 증명과, 가짜 데이터에서 숨겨진 패턴을 찾아낸 시뮬레이션 테스트입니다. 실제 세계에 적용했을 때, 모델은 단 하나의 예측값만을 내놓는 것이 아니라 불확실성의 전체 그림을 제시하며, 어느 부분이 잘 이해되어 있고 어느 부분이 여전히 미스터리인지 보여주었습니다. 이는 토지를 관리하고, 작물을 재배하며, 환경을 보호하려는 모든 이들에게 강력한 도구가 됩니다. 혼란스럽고 복잡한 퍼즐을 명확하고 유연한 지도로 바꾸어 주기 때문입니다.