Unsupervised Detection of Groundwater Storage Anomalies in Ghana Using GRACE Satellite Data

발밑에 숨겨진 보이지 않는 바다

지구가 단순히 단단한 바위가 아니라, 거대하고 폭신폭신한 스펀지 매트리스라고 상상해 보세요. 때때로 호수나 강을 통해 매트리스 위의 물을 볼 수 있지만, 대부분의 경우 물은 틈새와 구멍을 통해 스며들어 스펀지 깊숙한 곳에 숨겨져 있습니다. 이 숨겨진 물을 지하수라고 부르며, 이는 특히 비가 불규칙하게 내리는 지역에서 수십억 명의 사람들에게 비밀스러운 생명줄 역할을 합니다. 하지만 까다로운 점이 하나 있습니다. 이 거대한 스펀지에 물이 얼마나 들어있는지 측정하기 위해 땅에 그냥 자를 꽂아 넣을 수는 없다는 것입니다. 특히 나라 전체를 대상으로 하는 일이라면 더욱 그렇습니다. 이는 마치 수면의 잔물결만 보고 수영장에 물이 얼마나 들어있는지 추측하려는 것과 같습니다.

오랫동안 과학자들은 이 미스터리를 풀기 위해 위성을 사용해 왔습니다. 이 위성들을 우주에 떠 있는 초정밀 욕실 체중계라고 생각하면 됩니다. 이들은 사람의 몸무게를 재는 것이 아니라, 지구 전체의 무게를 잽니다. 특정 지역이 젖어 지하수가 가득 차면 땅이 약간 더 무거워지고, 위성은 아주 미세한 추가 중력을 느낍니다. 반대로 물이 빠져나가면 땅은 가벼워지고 중력의 끌림도 약해집니다. 과학자들은 시간이 흐름에 따라 이러한 미세한 중력 변화를 추적함으로써, "스펀지"가 축축하게 젖어가는지 아니면 말라가는지를 알아낼 수 있습니다. 이는 매우 중요한데, 지하수가 얼마나 부족한지 모른다면 가뭄이나 홍수에 대비할 계획을 세울 수 없기 때문입니다. 하지만 위성 데이터를 살펴보는 것은 힘든 작업입니다. 데이터에는 노이즈가 섞여 있고, 때로는 패턴이 너무 미묘해서 단순한 "높음 또는 낮음" 식의 확인만으로는 실제 이야기를 놓칠 수 있습니다. 바로 그 지점에서 새로운 종류의 탐정 작업이 시작됩니다.

논문: 가나의 물 유령을 찾아라

이 논문은 서아프리카의 가나를 배경으로 한 탐정 이야기입니다. 이곳에서 지하수는 많은 공동체의 생명줄입니다. 가나와 남아프리카의 과학자 팀인 저자들은 정확히 언제, 어디서 지하수가 이상하게 움직이는지(위험할 정도로 낮아지거나 예상치 못하게 높아지는지) 알아내고자 했습니다. 그들은 단순히 숫자만 본 것이 아니라, **비지도 학습(unsupervised machine learning)**이라는 방법을 사용하여 컴퓨터에게 탐정이 되는 법을 가르쳤습니다.

지하수 데이터를 길고 울퉁불퉁한 도로라고 생각해 보세요. 보통 이 도로는 몇 개의 둔턱(우기)과 몇 개의 움푹 파인 곳(건기)이 있으며 예측 가능한 패턴을 따릅니다. 하지만 때때로 이 도로는 갑자기 패턴에 맞지 않는 거대한 구덩이나 거대한 언덕을 마주하기도 합니다. 이것들이 바로 "이상치(anomalies)"입니다. 과학자들은 **고립 포레스트(Isolation Forest)**라는 특별한 알고리즘을 사용했습니다. 모든 나무가 의사 결정권자인 숲을 상상해 보세요. 특이하고 엉뚱한 돌(이상치)을 찾기 위해 "정상적인" 돌이 어떻게 생겼는지 알 필요는 없습니다. 그저 숲을 점점 더 작게 계속 쪼개 나가기만 하면 됩니다. 큰 집단의 일부인 정상적인 돌은 고립되는 데 오랜 시간이 걸립니다. 하지만 이상하고 외톨이 같은 돌은 어떨까요? 그것은 다른 모든 것과 너무 다르기 때문에 매우 빠르게 고립됩니다. 컴퓨터는 이 "쪼개기" 방법을 사용하여 가나의 지하수가 이상하게 행동했던 달을 찾아냈습니다.

연구 결과:
연구팀은 2004년부터 2024년까지의 데이터를 살펴보았습니다. 그들은 가나의 지하수가 격동의 시기를 겪어왔음을 발견했습니다.

• 건조기: 2004년에서 2009년 사이, 지하수는 지속적인 결핍 상태, 즉 "스펀지"가 말라가는 상태에 있었습니다. 가장 심각했던 시기는 2006년과 2007년으로, 이때 수위가 극도로 낮아졌습니다.
• 반전: 2018년 이후, 상황이 뒤바뀌기 시작했습니다. 지하수는 더 많은 양(+)의 이상치를 보이기 시작했는데, 이는 "스펀지"가 평소보다 더 젖고 가득 찼음을 의미합니다.
• 탐정의 성적표: 컴퓨터는 지하수가 이상하게 행동했던 12개의 특정 달을 찾아냈습니다. 이 중 5개는 "결핍(너무 건조함)" 이벤트였고, 7개는 "과잉(너무 습함)" 이벤트였습니다. 흥ingly도, 컴퓨터는 일반적인 자(단순 통계적 임계값)가 놓쳤을 법한 몇몇 이상한 달들을 찾아냈습니다. 이는 머신러닝 탐정이 수위의 미묘하고 은밀한 변화를 포착하는 데 더 뛰어나다는 것을 시사합니다.

어디에서 일어났는가:
이 이야기는 가나의 모든 곳에서 동일하게 나타나지 않습니다.

• 북부 가나: 일반적으로 더 건조한 이 지역은 더 빈번한 "결핍" 이상치를 보였습니다. 이곳의 지하수는 더 자주 어려움을 겪는 듯 보였습니다.
• 남부 가나: 더 습한 이 지역은 더 많은 "과잉" 이상치와 더 큰 수위 변동을 보였습니다. 남부의 "스펀지"는 북부에 비해 더 극적으로 젖었다가 짜내지는 듯합니다.

"그래서 무엇이 중요한가?" (So What?):
이 논문은 위성 데이터와 머신러닝을 결 함께 사용하는 이 새로운 방식이 강력한 도구임을 시사합니다. 이는 단순한 온도계에서 구름이 형성되기도 전에 폭풍을 예측할 수 있는 스마트 기상 스테이션으로 업그레이드하는 것과 같습니다. 저자들은 이 방법이 지면 수준의 센서가 부족하여 물을 직접 측정하기 어려운 가나와 같은 곳에서 수자원 안보를 모니터링할 수 있는 실질적인 방법을 제공한다고 주장합니다.

하지만 저자들은 결과를 과장하지 않도록 주의를 기울입니다. 그들은 위성 데이터가 저해상도 사진과 같아서, 국가 전체의 큰 그림은 보여줄 수 있지만 특정 마을이나 특정 소규모 대수층에서 무슨 일이 일어나는지 확대해서 볼 수는 없다고 인정합니다. 그들이 발견한 패턴은 광범한 지역적 추세이지, 아주 작은 국지적 세부 사항이 아닙니다. 그러나 이 숨겨진 물에 크게 의존하는 국가로서, 북쪽의 "스펀지"가 마르고 있고 남쪽은 너무 젖어 있다는 사실을 아는 것은 큰 진전입니다. 이는 우리 발밑의 보이지 않는 바다를 지켜보는 새롭고 데이터 중심적인 방법입니다.