Random Forest-Based Prediction of Geothermal Heat Flow in the Arabian-Nubian Shield: A Multi-Proxy Satellite Geophysical Approach

지구의 숨겨진 온도 조절기

지구를 우리가 걷고 있는 단단한 바위 덩어리가 아니라, 거대하고 천천히 익어가는 스튜 냄비라고 상상해 보세요. 지구 내부에는 수십억 년 전 탄생할 때의 열기가 여전히 남아 있으며, 이 열기는 표면을 향해 끊임없이 새어 나오고 있습니다. 이 보이지 않는 온기를 "지구 열류량(terrestrial heat flow)"이라고 부릅니다. 우리 대부분에게 이 열기는 그저 배경에 깔린 낮은 소음 같은 것이지만, 과학자들과 에너지 기업들에게는 잠재적인 황금광입니다. 만약 지구가 열을 충분히 빠르게 내뿜는 지점을 찾아낼 수 있다면, 화석 연료를 태우지 않고도 도시의 전력을 공급하거나 해수 담수화를 위한 물을 데우는 데 그 에너지를 활용할 수 있습니다.

까다로운 점은 지구가 일종의 미스터리 박스 같다는 것입니다. 우리는 전체 그림을 볼 수 있을 만큼 깊게 드릴로 구멍을 뚫을 수 없기에, 이곳저곳에 박아둔 몇 개의 "온도계"(측정값)만을 가지고 있을 뿐입니다. 특히 광활한 아라비아-누비아 쉴드(이집트, 사우디아라비아 등을 포함하는 거대한 땅의 영역) 전역에서는 이러한 온도계가 매우 희귀합니다. 이는 마치 몇 개의 무작위 웅덩이에만 온도계를 꽂아서 전체 바다의 온도를 추측하려는 것과 같습니다. 이를 해결하기 위해 과학자들은 영리한 기술을 사용하고 있습니다. 바로 지표면에 남겨진 단서들—지형의 모양, 자기장의 강도, 지각의 깊이 등—을 이용해 지하에서 무슨 일이 일어나고 있는지 추측하는 것입니다. 여기서 머신러닝이 등장하며, 지표면의 단서와 깊은 곳의 열기를 연결하는 초스마트 탐정 역할을 수행합니다.

논문의 이야기: 로봇에게 지구의 열기를 읽는 법 가르치기

이 연구에서 멘나 학가그(Menna Haggag), 모하메드 소브(Mohamed Sobh), 호스니 H. 가잘라(Hosni H. Ghazala)가 이끄는 연구팀은 아라비아-누비아 쉴드 전역을 위한 "수정 구슬"을 만들기로 했습니다. 손으로 직접 열 지도를 그릴 만큼 직접적인 열 측정값이 충분하지 않았기 때문에, 그들은 컴퓨터 알고리즘인 **랜덤 포레스트 회귀(Random Forest Regression)**를 사용하여 대신 추측하도록 가르쳤습니다. 이 알고리즘을 단 한 명의 똑똑한 사람이 아니라, 490개의 서로 다른 "결정 트리(decision trees, 컴퓨터 모델의 일종)"로 구성된 거대한 군중이라고 생각해보세요. 군중 속의 각 나무는 데이터를 조금씩 다르게 바라보며, 그 후 모두가 최종 답변에 투표합니다. 이러한 "군중의 지혜" 방식은 단일 모델이 저지를 수 있는 실수를 방와합니다.

연구팀은 위성과 글로벌 데이터베이스에서 수집한 16가지 종류의 서로 다른 "단서"들을 이 디지털 군중에게 먹이로 주었습니다. 이 단서들에는 지각과 맨틀 사이의 경계(모호면, Moho)의 깊이, 지구의 암석 껍질인 암석권(lithosphere)의 두께, 지표를 통과하는 지진파의 속도, 심지어 지형의 모양까지 포함되었습니다. 컴퓨터가 학습하기 전에, 연구팀은 **아이솔레이션 포레스트(Isolation Forest)**라는 특수 필터를 사용하여 오류처럼 보이는 이상하거나 깨진 데이터 포인트를 찾아내 제거함으로써, 컴퓨터가 오직 진실로부터만 학습할 수 있도록 보장했습니다.

연구 결과:
모델을 훈련시킨 후, 컴퓨터는 데이터가 없는 빈 공간을 채워 넣으며 지역 전체에 대한 매끄럽고 연속적인 열 지도를 만들어냈습니다. 결과는 놀라울 정도로 정확했습니다. 실제 측정값과 대조하여 테스트했을 때, 모델은 0.92의 점수(1.0이 완벽한 기준)를 얻었는데, 이는 실제 데이터 변동의 92%를 설명한다는 의미입니다. 평균 오차는 단 20.4 mW m⁻²였으며, 이는 이토록 넓은 지역을 대상으로 한 것치고는 매우 작은 오차 범위입니다.

지도는 세 가지 뚜렷한 "열적 이웃(thermal neighborhoods)"을 드러냈습니다:

1. 핫 존 (Hot Zones): 홍해 열곡(Red Sea Rift)과 아파르 삼각지대(Afar Triangle)를 따라 열류량이 매우 높으며, 80에서 200 mW m⁻² 이상에 달합니다. 이곳은 지구의 지각이 얇아지고 뜨거운 맨틀이 표면 가까이 상승하고 있는 곳으로, 고엔탈피 지열 발전소를 건설하기에 최적의 장소입니다.
2. 웜 존 (Warm Zones): 지역의 암석 심장부인 고기 프레캄브리안 쉴드 아래에서는 열기가 적당한 수준인 60에서 80 mW m⁻² 사이에 머뭅니다. 이곳 역시 암석에 균열이 있어 열이 순환할 수 있다면 충분히 유용할 수 있습니다.
3. 쿨 존 (Cool Zones): 동쪽의 안정된 아라비아 플랫폼에서는 열류량이 60 mW m⁻² 미만으로 떨어집니다. 이곳은 지구의 지각이 두껍고 깊어, 열을 저 멀리 아래에 가두어 두는 무거운 담요 역할을 합니다.

지도의 "이유":
연구진은 단순히 예쁜 그림을 만든 것이 아니라, 왜 그곳에 열이 있는지 알아냈습니다. 컴퓨터에게 어떤 단서가 가장 중요한지 물었을 때, 그들은 열을 결정하는 두 가지 가장 큰 요인이 모호면의 깊이(지각이 얼마나 깊은지)와 암석권-연약권 경계의 깊이(암석 껍질이 얼마나 깊은지)라는 것을 발견했습니다. 간단히 말해, 지구의 껍질이 얇을수록 초고온의 맨틀이 표면에 더 가까워지며, 따라서 더 뜨거워집니다. 이는 홍해의 지각 확장(tectonic stretching)이 해당 지역의 높은 열을 일으키는 주요 엔진임을 확인시켜 줍니다.

심부 구조가 무대를 설정한다면, 본 연구는 화산 중심지와 단층 네트워크가 전달 시스템 역할을 한다는 점을 강조합니다. 최종적으로 가장 효율적인 모델은 상위 12개의 예측 변수를 사용했지만(화산 근접성을 주요 동인에서 제외), 분석 결과 높은 열류량이 조밀한 균열 네트워크와 겹치는 지역이 "고엔탈피 회랑(High-Enthalpy Corridors)"을 형성한다는 것이 확인되었습니다. 이곳은 유체 순환을 통해 열이 실제로 표면까지 올라올 수 있는 '스윗 스팟(sweet spots)'입니다. 연구진은 별도의 지형 분석(CET)을 사용하여 이러한 조밀한 균열 네트워크를 감지했으며, 이러한 특징들이 비록 최종 열류량 계산에서 통계적 주요 동인은 아닐지라도, 유용한 에너지를 찾기 위한 필수적인 목표물임을 입증했습니다.

얼마나 확신하는가?
저자들은 검증할 데이터가 있는 지역에 대한 지도에 대해 매우 자신감을 보이며, 모델의 예측이 실제 측정값과 거의 완벽하게 일치한다고 언급했습니다. 하지만 측정값이 매우 적은 지역(예: 일부 깊은 사막 지역)에서는 "불확실성"이 더 높다는 점을 주의 깊게 밝히고 있습니다. 그들은 심지어 컴퓨터가 높은 확신을 가지고 추측하는 곳과 조금 더 불확실해하는 곳을 정확히 보여주는 특수 "신뢰도 지도"를 제작했습니다. 그들은 이 지도가 새로운 시추 목표를 찾는 강력한 도구이지만, 탐사자들은 "높은 불확실성" 구역에서는 여전히 주의해야 하며, 깊이 파기 전에 더 많은 현지 데이터를 수집해야 할 수도 있다고 제언합니다.

결론적으로, 이 논문은 데이터가 부족한 사막을 깨끗하고 재생 가능한 지열 에너지를 찾기 위한 명확한 가이드로 바꾸어 놓는 고해상도 지도를 에너지 기획자들에게 전달하며, 이는 해당 지역 국가들이 더 푸른 미래를 향해 나아가는 데 도움을 줄 수 있습니다.