Regression based Prediction and Analysis of Rainfall Data for Heavy Rainfall and Drought of Sikta Weather Station-Banke District Nepal

기술 요약: 네팔 바네케 디스트릭트 식타 기상 관측소의 폭우 및 가뭄을 위한 회귀 기반 강수 데이터 예측 및 분석

문제 제기
네팔의 농촌 개발은 인구의 80% 이상이 농촌 지역에 거주함에 따라 농업에 크게 의존하고 있습니다. 그러나 농업 계획과 수자원 관리는 예측 불가능한 기상 패턴, 특히 가뭄과 폭우 현상으로 인해 심각한 도전에 직면해 있습니다. 테라이 지역에 위치한 바네케 디스트릭트는 계절성과 강수량 모두에서 불규칙해진 기후 변동성 문제를 겪고 있습니다. 기존 연구들이 기상학적 가뭄과 수문학적 가뭄 사이의 연관성을 탐구해 왔으나, 이러한 조건들을 모니터링하고 적응하기 위한 지역 특화된 데이터 기반 전략이 절실히 필요한 실정입니다. 본 연구의 주요 목적은 바네케 디스트릭트 식타 기상 관측소 지역의 강수량 예측의 어려움을 해결하는 것이며, 예측 정확도가 최소 60% 이상인 예측 방법을 식별하는 것을 목표로 합니다. 이는 예측치가 이 임계값 미만일 경우 계획 수립에 해로운 영향을 미칠 수 있기 때문입니다.

방법론
본 연구는 1993년부터 2023년까지의 월간 및 연간 강수량을 포함하는 식타 기상 관측소 데이터셋을 중심으로 한 종합적인 데이터 분석 접근 방식을 활용합니다. 데이터셋에는 계절별 구분(JF, MAM, JJAS, OND)이 포함되어 있으며 Python을 사용하여 분석됩니다.

핵심 방법론은 강수량 및 가뭄 조건을 예측하기 위한 최적의 접근법을 결정하기 위해 다섯 가지 회귀 기반 머신러닝 모델을 비교 평가하는 것입니다:

1. 선형 회귀 (Linear Regression): 평균 제곱 오차(MSE)를 최소화함으로써 종속 변수와 독립 변수 간의 관계를 모델링합니다.
2. 라쏘 회귀 (Lasso Regression, L1 규제): 계수를 축소하기 위한 패널티 항을 포함하여, 일부 계수를 0으로 줄임으로써 효과적인 특징 선택(feature selection)을 수행합니다.
3. 릿지 회귀 (Ridge Regression, L2 규제): 예측의 높은 분산을 방지하기 위해 다중공선성이 존재하는 상황에서 추정치를 안정화하는 패널티를 도입합니다.
4. 엘라스틱 넷 회귀 (Elastic Net Regression): 상관관계가 있는 기상 예측 변수들을 처리하면서 특징 선택을 수행하기 위해 L1 및 L2 규제를 결합합니다.
5. XGBoost (Extreme Gradient Boosting): 여러 개의 약한 결정 트리(weak decision trees)를 결합하여 강력한 예측 모델을 만드는 앙상블 학습 방법으로, 대규모 데이터셋에서의 속도와 효율성이 특징입니다.

워크플로우는 데이터 정제, 패턴 식별을 위한 탐색적 데이터 분석(EDA), 강수 데이터의 계절성 제거, 그리고 분류 및 회귀 기법의 적용을 포함합니다. 모델 성능은 상관 계수(R), 평균 절대 오차(MAE), 평균 제곱근 오차(RMSE)를 사용하여 엄격하게 평가됩니다.

주요 결과
본 연구는 다섯 가지 모델의 성능을 과거 강수 데이터와 비교하였습니다. 분석 결과, 모든 모델이 다양한 수준의 통찰력을 제공했으나, XGBoost 회귀 모델이 강수 패턴 및 잠재적 가뭄 조건을 예측하는 데 있어 가장 높은 정확도를 보였습니다.

혼동 행렬(confusion matrices)과 오차 지표(MAE 및 RMSE)를 포함한 시각적 및 통계적 평가를 통해, 본 특정 데이터셋에 대해 XGBoost가 선형, 라쏘, 릿지 및 엘라스틱 넷 모델보다 우수함을 확인했습니다. 이 모델은 특히 평균 강수량이 가장 높은 JJAS(6월~9월) 몬순 시즌의 비선형적 상호작용을 성공적으로 포착했습니다.

의의 및 주장
본 논문은 XGBoost 회귀 모델을 활용한 제안된 기상 예측 전략이 네팔 농촌 지역의 농업 계획 및 수자원 관리에 있어 상당한 향상을 제공한다고 주장합니다. 폭우와 가뭄을 정확하게 예측함으로써, 지역 이해관계자들이 기후 유발 위험에 더 잘 대비할 수 있음을 시사합니다.

또한, 본 분석은 **지수형 보험(parametric insurance)**의 실질적인 활용 가능성을 강조합니다. 본 연구는 식별된 트리거 포인트와 강수 임계값이 바네케의 농민들이 저비용 지수형 보험(잠재적으로 50센트 미만)에 가입할 수 있게 할 수 있다고 상정합니다. 이 체계 아래에서, 농민들은 특정 강수 조건(가뭄 또는 홍수 임계값)이 충족될 때 자동으로 보험금을 지급받게 되며, 이를 통해 복잡한 손실 평가 없이 경제적 손실을 완화할 수 있습니다.

결론적으로, 본 연구는 이러한 예측 데이터 분석을 배치하는 것이 네팔의 지속 가능한 농촌 개발을 지원하는 데 필수적이며, 과거의 기상 데이터를 기후 적응을 위한 실행 가능한 통찰력으로 전환하는 데 매우 중요하다고 결론짓습니다.