Machine Learning-Based Landslide Susceptibility Mapping and Environmental Controls in Hanang District, Northern Tanzania

지구를 접시 위에 놓인 거대하고 약간 흔들거리는 젤리 틀이라고 상상해 보세요. 가끔은 접시가 흔들리기도 하고(지진), 가끔은 누군가 젤리 위에 물을 너무 많이 부어서 젤리가 엉망진창인 덩어리가 되어 미끄러져 내려가기도 합니다. 실제 세상에서 이 '미끄러짐'은 산사태라고 불립니다. 이것은 지면, 보통 언덕이나 산이 더 이상 자신의 무게를 견디지 못하고 무너져 내릴 때 발생합니다. 이것은 매우 큰 문제입니다. 지면이 움직이면 집, 도로, 숲을 함께 휩쓸고 갈 수 있어 그곳에 사는 사람들에게 엄청난 문제를 일으키기 때문입니다.

이를 막기 위해 과학자들은 지면이 어디서 가장 미끄러지기 쉬운지를 예측하려고 노력합니다. 그들은 경사의 가파른 정도, 강수량, 그리고 그곳에 얼마나 많은 나무가 자라고 있는지와 같은 다양한 단서들을 살펴봄으로써 이를 수행합니다. 이것은 마치 탐정이 "누가 미끄러졌는가?"라는 미스터리를 풀려고 하는 것과 같습니다. 탐정은 바닥의 젖음 정도, 경사로의 각도, 그리고 그 사람이 미끄러운 양말을 신고 있었는지 여부를 살핍니다. 과학의 세계에서 컴퓨터는 바로 이 '슈퍼 탐정'이 되고 있습니다. 컴퓨터는 '머신러닝(기계 학습)'이라는 것을 사용하는데, 이는 기본적으로 컴퓨터에게 과거의 실수(이 경우에는 과거의 산사태)로부터 배우도록 가르치는 것입니다. 이를 통해 다음 산사태가 어디에서 발생할지 추측할 수 있습니다. 이것은 매우 중요합니다. 위험한 곳을 알면 더 안전한 집을 짓거나 재난이 닥치기 전에 사람들에게 경고할 수 있기 때문입니다.

이제 탄자니아의 구체적인 이야기로 시선을 돌려보겠습니다. 아스나트 알베르토 말켈라(Asnath Alberto Malekela)라는 연구자는 최근 2023년 말에 대규모 산사태 재난을 겪은 북부 탄자니아의 하나앙(Hanang) 지구에서 탐정 놀이를 하기로 결심했습니다. 그곳의 지면은 울퉁불퉁하고 거친 카펫과 같아서, 폭우가 내리자 카펫이 바닥에서 그대로 미끄러져 내려갔습니다. 아스나트는 이 지구의 정확히 어느 부분이 다시 미끄러질 가능성이 높은지 알아내고자 했고, 이를 위해 '랜덤 포레스트(Random Forest)'라는 컴퓨터 프로그램인 디지털 수정구슬을 만들었습니다.

랜덤 포레스트가 무엇인지 궁금할 수도 있습니다. 날씨를 예측하려고 한다고 가정해 봅시다. 단 한 명의 사람에게 묻는 대신, 100명의 서로 다른 친구들이 모인 숲에게 묻는 것입니다. 각 친구는 약간씩 다른 단서들을 살핍니다 (어떤 이는 구름을 보고, 어떤 이는 바람을 보고, 어떤 이는 새를 봅니다). 그런 다음, 투표를 합니다. 만약 90명의 친구가 "비가 올 것이다"라고 말한다면, 당신은 아마도 그들을 믿을 것입니다. 그것이 바로 랜덤 포레스트 모델이 한 일입니다. 이 모델은 100개의 디지털 '나무'에게 지형을 살펴보고 특정 지점에서 산사태가 발생할지 여부에 대해 투표하도록 했습니다.

이 디지털 숲을 가르치기 위해, 아스나트는 우주와 지상으로부터 방대한 단서 목록을 수집했습니다. 그녀는 859개의 특정 지점을 찾아냈습니다: 429곳은 실제로 산사태가 발생했던 곳("미끄러운" 지점)이고, 430곳은 지면이 완벽하게 안정적이었던 곳("안전한" 지점)입니다. 그런 다음 그녀는 모든 지점에 대해 다음과 같은 10가지 유형의 정보를 컴퓨터에 입력했습니다:

• 높이 (고도)
• 경사의 가파른 정도 (경사도)
• 언덕이 향하는 방향 (사면 방향)
• 강수량 (단일 폭풍우 및 연간 총 강수량)
• 식물이 얼마나 푸른지 (NDVI라는 특수 위성 측정값)
• 토양의 습기 정도 (지형적 습윤 지수)
• 강과의 거리
• 토지 이용 형태 (농경지 또는 숲 등)

그 후 컴퓨터는 이 모든 단서들을 비교하며 어떤 것이 가장 중요한지 분석하기 시작했습니다. 결과는 어땠을까요? 모델은 놀라울 정도로 일을 잘 해냈습니다. 정확도를 93.5%나 기록했습니다! 이는 정말 어려운 시험에서 A+를 받는 것과 같습니다. 컴퓨터는 매우 똑똑해서 지도를 만들었을 때, 하나앙 지구 전체의 거의 44%가 '높음' 또는 '매우 높음'의 위험 구역에 속한다는 것을 발견했습니다. 지구의 거의 절반에 달하는 수치입니다!

하지만 이 이야기에서 가장 놀라운 부분은 따로 있습니다. 여러분은 아마도 경사의 가파름이나 강수량이 가장 큰 악당일 것이라고 생각할 것입니다. 물론 그것들도 분명히 중요했지만, 컴퓨터는 다른 무언가를 향해 거대한 디지털 손가락을 가리켰습니다: 바로 **초목(Greenery)**입니다.

연구 결과, 식생의 상태(식물이 얼마나 건강하고 울창한지)가 단 하나의 가장 중요한 단서라는 것이 밝혀졌습니다. 컴퓨터는 '푸르름(Greenness)' 요소에 가장 높은 점수를 부여했습니다. 이렇게 생각해 보세요: 식물은 자연이 만든 자체적인 안전 그물과 같습니다. 뿌리는 수백만 개의 작은 손처럼 흙을 꽉 붙잡아 담요를 고정하듯 지면을 붙들어 줍니다. 식물이 건강하고 울창할 때 지면을 단단히 붙잡아 줍니다. 하지만 식물이 드문드문하거나 손상되거나 사라지면, 토양은 벌거벗겨진 채 취약한 상태가 됩니다. 아스나트의 연구는 지면을 건강한 식물로 덮어두는 것이 젤리가 미끄러지는 것을 막는 최선의 방법임을 시사합니다.

컴퓨터는 또한 단 한 번의 폭우가 불을 붙이는 불꽃이라면, 폭풍 전의 토양 건조도나 습도 역시 그만큼 중요하다는 것을 파악했습니다. 그것은 스펀지와 같습니다: 만약 스펀지가 몇 주간의 비로 이미 흠뻑 젖어 있다면, 아주 적은 양의 물만 더해져도 사방으로 물이 뚝뚝 떨어질 것입니다. 이 연구는 장기적인 기상 패턴과 짧고 강렬한 폭풍, 그리고 지형의 모양과 식물의 건강함이 결합될 때 산사태라는 완벽한 레시피가 만들어진다는 것을 보여주었습니다.

컴퓨터가 단순히 추측하는 것이 아님을 확인하기 위해, 아스나트는 실제 과거 기록과 대조하여 검증했습니다. 그녀는 과거의 실제 산사태 지점 429곳을 살펴보고 그것들이 컴퓨터가 만든 지도상의 어디에 위치하는지 확인했습니다. 결과는 놀라웠습니다: 실제 산사태의 93.71%가 컴퓨터가 예측한 '높음' 또는 '매우 높음' 위험 구역에 정확히 들어맞았습니다. 마치 컴퓨터가 범죄 현장과 완벽하게 일치하는 지도를 가지고 있었던 것과 같았습니다.

그렇다면 이것이 미래에는 무엇을 의미할까요? 이 연구는 단순히 "조심하라"고 말하는 데 그치지 않습니다. 그것은 구체적인 로드맵을 제시합니다. 만약 우리가 하나앙에서 산사태를 막고 싶다면, 식생을 보호하고 복원하는 데 집중해야 한다는 것을 알려줍니다. 또한, 강 근처의 가파르고 푸른 지역에 새로운 도로를 건설하거나 집을 지을 때는 각별히 주의해야 함을 시사합니다. 이 연구는 스마트한 컴퓨터 프로그램과 우주로부터 얻은 올바른 단서들을 사용함으로써, 재난이 닥치기 전에 위험을 미리 볼 수 있다는 것을 증명합니다. 이것은 사람들이 더 잘 계획하고, 더 안전하게 머물 수 있도록 돕는 강력한 도구이며, 때로는 멀리서 보이지 않는 풀과 나무가 산을 지탱하는 가장 중요한 요소라는 사실을 깨닫게 해줍니다.