A Hybrid Data Analytics Framework Integrating Machine Learning and Graph-Based Knowledge Models for Explainable Soil Organic Carbon Assessment

기술 요약: 설명 가능한 토양 유기 탄소 평가를 위한 머신러닝 및 그래프 기반 지식 모델 통합 하이브리드 데이터 분석 프레임워크

문제 정의
신뢰할 수 있는 토양 유기 탄소(SOC) 평가는 탄소 제거 이니셔티브, 농림업 계획, 그리고 신뢰할 수 있는 측정, 보고 및 검증(MRV) 시스템을 위해 매우 중요합니다. 그러나 현재의 접근 방식은 이질적인 토양 데이터, 일관되지 않은 샘플링 깊이, 제한된 공간적 범위, 그리고 데이터 기반 예측 모델의 "블랙박스" 특성을 포함한 상당한 장애물에 직면해 있습니다. 순수 머신러닝 기반 모델은 종종 해석 가능성이 떨어지며, 관련 있는 관측치들을 독립적인 것으로 취급하여 공간적 의존성을 고려하지 못하는 경향이 있습니다. 이러한 투명성의 결여는 정확한 예측뿐만 아니라 추정치의 근간이 되는 환경 조건과 가정에 대한 감사 가능한 설명을 요구하는 탄소 시장에서 이해관계자의 신뢰를 저해합니다.

방법론
본 논문은 설명 가능한 SOC 평가를 가능하게 하기 위해 지도 학습 머신러닝과 그래프 기반 지식 모델을 통합하도록 설계된 하이브리드 데이터 분석 프레임워크를 제‌ای합니다. 이 프레임워크는 네 가지 모듈형 구성 요소로 작동합니다:

1. 데이터 조화 파이프라인(Data Harmonisation Pipeline): 시스템은 세계 토양 정보 서비스(WoSIS)로부터 이질적인 데이터를 수집하고 이를 기후(World Bank CCKP), 토지 피복(MODIS), 생태 지역(CONABIO) 및 전문가 권장 토양 공변량으로 풍부하게 합니다. 핵심 단계는 서로 다른 샘플링 프로토콜 간의 비교 가능성을 보장하기 위해 Equal Area Quadratic Spline 방법(R의 ea_spline 함수 사용)을 사용하여 토양 측정값을 공통 0–30 cm 깊이 구간으로 표준화하는 것입니다.
2. 지도 머신러닝 구성 요소(Supervised Machine Learning Component): 이 구성 요소는 주요 예측 엔진 역할을 합니다. 유기 탄소 농도(g/kg)와 탄소 축적량(t/ha)이라는 두 가지 핵심 타겟을 추정하기 위해 랜덤 포레스트(Random Forest) 회귀 모델을 채택합니다. 모델은 조화된 토양 및 환경 공변량으로 훈련되며, 데이터 누수(예: 프로파일 수준의 train-test 분할)를 방 prevent하기 위한 엄격한 프로토콜을 따릅니다. 탐색적 딥러닝 모델도 테스트되었으나 랜덤 포레스트보다 낮은 성능을 보였습니다.
3. 그래프 기반 지식 구성 요소(Graph-Based Knowledge Component - 공간 표현): 공간적 맥락을 해결하기 위해, 본 프레임워크는 지리적 근접성(10 km 하버사인 거리 임계값으로 정의된 엣지)에 의해 연결된 토양 프로파일을 노드로 하는 공간 그래프를 구축합니다. 그래프 합성곱 신경망(GCN)은 자기 지도 학습 방식인 triplet margin loss를 사용하여 토양 프로파일의 저차원 임베딩을 학습하도록 훈련됩니다. 결정적으로, 유기 및 무기 탄소 변수는 입력 특징에서 제외되어, 결과적인 클러스터가 탄소 값에 직접 의존하는 것이 아니라 환경적 및 토양학적 유사성에 기반한 "토양 원형(archetypes)"을 나타내도록 보장합니다.
4. 설명적 그래프 구성 요소(Explanatory Graph Component): 확률적 추론을 지원하기 위해 베이지안 네트워크 기반의 그래프가 구축됩니다. 이 구성 요소는 SOC와 pH, 깊이, 경사, 암석 파편, 토지 피복 및 생태 지역과 같은 변수들 사이의 가정된 관계를 모델링합니다. 시스템은 고(high) 또는 저(low) SOC 상태에 대해 그래프를 조건화함으로써, 다양한 탄소 수준과 관련된 환경 프로파일을 해석 가능한 형태로 생성합니다.

주요 기여
본 논문은 여섯 가지 주요 기여를 기술합니다:

• 하이브리드 프레임워크: 지도 예측, 그래프 신경망 기반의 공간 표현, 그리고 확률적 그래프 기반 설명을 결합한 통합 워크플로우를 제안합니다.
• 데이터 조화: 이질적인 토양 및 환경 데이터셋을 통합하고, 측정값을 0–30 cm 깊이 구간으로 표준화하는 워크플로우를 개발합니다.
• 예측 평가: 멕시코 중심의 사례 연구를 통해 SOC 농도 및 축적량을 추정하는 지도 모델을 평가합니다.
• 공간적 원형: 탄소 값에 직접 의존하지 않고 지역적 토양 유사성을 포착하는 GCN 임베딩 모델을 구축합니다.
• 확률적 설명: 베이지안 네트워크가 높은 탄소 수준과 낮은 탄소 수준의 환경 프로파일을 어떻게 차별화하는지 입증합니다.
• 프로토타입 구현: 예측을 공간적 클러스터 및 설명적 프로파일과 함께 시각화하는 Streamlit 기반 대시보드를 제공하여 의사결정 지원을 위한 개념 증명 역할을 수행합니다.

결과
프레임워크는 WoSIS 데이터를 사용한 멕시코 중심의 사례 연구를 통해 평가되었습니다.

• 예측 성능: 랜덤 포레스트 모델은 0.54에서 0.78 사이의 $R^2$ 값을 기록하며 중간 정도의 성능을 달ert했습니다. 총 탄소 당량(TCEQ) 농도 모델이 가장 우수한 성능($R^2$ = 0.78)을 보였으며, 축적량 예측은 0.54의 $R^2$ 값을 보였습니다. 저자들은 모델이 광범위한 공간적 추세를 포착하지만, 정밀한 지점 단위 추정에는 상당한 불확실성을 보인다고 언급했습니다. 탐색적 딥러닝 모델은 성능이 낮았으며($R^2$ = 0.26), 축적량 예측 작업에는 확장 적용되지 않았습니다.
• 공간 클러스터링: GCN 임베딩 모델은 멕시코 전역에서 공간적으로 일관된 8개의 토양 클러스터를 성공적으로 식별했습니다. 이 클러스터들은 토양 질감, pH, 경사의 해석 가능한 차이에 대응하였으며, 이는 탄소 데이터에 직접 의존하지 않고도 지역적 토양 유사성을 포착하는 모델의 능력을 입증했습니다.
• 설명적 프로파일링: 베이지안 네트워크는 고(high) SOC와 저(low) SOC에 대한 환경 프로파일을 성공적으로 구분했습니다. 높은 SOC는 산성 pH, 얕은 토양 층, 온대 아습윤 생태 지역과 연관되었습니다. 반대로, 낮은 SOC는 알칼리성 조건, 깊은 토양 층, 건조 지역 및 높은 암석 파편 함량과 연관되었습니다.

의의 및 주장
저자들은 본 연구를 완전한 운영 단계의 MRV 플랫폼이라기보다, 보다 투명하고 해석 가능한 토양 탄소 평가를 향한 단계로 규정합니다. 의의는 수치적 예측, 공간적 유사성, 그리고 확률적 설명이라는 세 가지 상호 보완적인 증거 유형을 통합했다는 데 있습니다.

본 논문은 이러한 하이브리드 접근 방식이 환경 AI의 "설명 가능성 격차"를 해결한다고 주장합니다. 수치적 탄소 추정치를 공간적으로 근거가 있는 토양 원형 및 확률적 환경 프로파일과 연결함으로써, 프레임워크는 사용자가 왜 특정 예측이 이루어졌는지, 그리고 그것이 알려진 지역적 패턴과 일치하는지를 이해할 수 있게 합니다. 이는 탄소 시장의 신뢰를 구축하고 MRV 워크플로우에서 전문가 검토를 지원하는 데 필수적인 것으로 제시됩니다.

그러나 저자들은 운영 준비성에 대해 신중한 입장을 유지합니다. 그들은 조화된 데이터셋의 상대적으로 작은 규모, 상세한 토지 이용/관리 데이터의 부재(이는 농림업의 영향을 평가하는 데 한계가 됨), 그리고 프레임워크가 고부가가치 탄소 크레딧을 지원하기 전 추가적인 검증이 필요하다는 점 등 한계를 명시적으로 인정합니다. 현재의 결과물은 분석적 타당성과 하이브리드 분석의 가치를 입증하기 위해 설계된 연구용 프로토타입이며, 탄소 크레딧 검증을 위한 최종 솔루션이 아님을 밝히고 있습니다.