Monte Carlo Positive-Unlabeled Two-Step Learning for Landslide Susceptibility Mapping under Inventory Uncertainty: Comparison with Hard-Threshold PU Two-Step and EIV in Northern Morocco

모로코 북부의 험준하고 비바람이 몰아치는 산악 지대에서 지표면은 살아 움직이는 변화하는 실체이다. 가파른 경사, 복잡한 지질 구조, 그리고 계절적인 폭우가 결합되어 산사태는 빈번하고 위험한 현실이 된다. 계획가와 안전 관리들의 목표는 지표면이 다시 무너져 내릴 가능성이 있는 곳을 보여주는 지도를 그리는 것이다. 이것은 추측의 문제가 아니라 통계적인 도전이다. 산사태가 발생할 수 있는 위치를 예측하는 모델을 구축하기 위해 과학자들에게는 두 가지가 필요하다. 바로 이미 산사태가 발생했던 장소들의 목록과 지표면이 안정적인 장소들의 목록이다. 첫 번째 목록은 찾기 쉽다. 하지만 두 번째 목록은 함정이다. 특정 지점에서 산사태가 기록되지 않았다고 해서 그 지형이 반드시 안전하다는 뜻은 아니다. 단지 산사태가 기록되지 않았거나, 식생에 가려졌거나, 혹은 너무 오래되어 보이지 않는 것일 수도 있기 때문이다. 기록되지 않은 지점들을 확정된 "안전" 구역으로 취급하는 것은, 방 안에 아무도 없다는 것을 확인하지 못한 채 누군가 옷장에 숨어 있을 가능성을 무시하고 방 안에 아무도 없다고 가정하는 것과 같다. 이러한 불확실성은 컴퓨터가 안정적인 지면과 그저 미끄러지기를 기다리고 있는 지면을 구분하도록 학습시키는 것을 매우 어렵게 만든다.

모로코의 연구진은 이러한 "누락된" 산사태를 처리하는 새로운 방법을 개발하여 이 문제에 맞섰다. 기록되지 않은 지점들에 대해 컴퓨터가 단 하나의 경직된 결정을 내리도록 강요하는 대신, 그들은 불확실성을 수용하는 방법을 만들었다. 그들은 이 새로운 접근 방식인 MC-PU-2S를 가파른 지형과 빈번한 사면 붕괴로 알려진 리프(Rif) 산맥 지역에서 두 가지 기존 방식과 비교 테스트했다. 연구에는 약 6,000개의 관측치를 포함한 데이터베이스가 사용되었으며, 여기에는 2,300개가 넘는 알려진 산사태 위치와 지표 상태를 알 수 없는 수천 개의 다른 지점들이 포함되었다. 연구진은 컴퓨터가 테스트 데이터를 암기하여 과적합(overfitting)되는 것을 방지하는 엄격한 테스트 과정을 통해 모델을 실행했으며, 그 결과 그들의 새로운 방식이 훨씬 더 명확하고 신뢰할 수 있는 위험 지도를 만들어낸다는 것을 발견했다. 기존 방식들은 거의 모든 지형을 위험하다고 분류하여 고위험 지역과 저위험 지역의 경계를 흐릿하게 만드는 경향이 있었던 반면, 새로운 방식은 이 둘을 성공적으로 분리해 냈으며, 단순한 위험 지도가 아닌 '신뢰의 지도'를 제공했다.

문제의 핵심은 전통적인 모델들이 "음성(negative)" 클래스, 즉 안전하다고 가정되는 지점들을 다루는 방식에 있다. 많은 연구에서 연구자들은 단순히 알려진 산사태 지점에서 떨어진 무작위 지점들을 골라 컴퓨터에게 "이곳은 안전하다"라고 말한다. 새로운 연구는 이것이 결함이 있는 가정이라고 주장한다. 만약 어떤 지점이 실제로는 불안정하지만 아직 지도에 기록되지 않은 것이라면, 컴퓨터는 잘못된 교훈을 배우게 된다. 연구진은 이 문제를 처리하는 세 가지 전략을 비교했다. 첫 번째로 '강화된 정보 가치(Enhanced Information Value)' 방식은 예비 모델을 살펴보고 가장 낮은 위험을 가진 구역을 선택함으로써 가장 안전한 지점들을 걸러내려고 시도한다. 두 번째인 'PU 투 스텝(PU Two-Step)' 방식은 엄격한 차단점을 사용한다. 특정 점수가 충분히 안전해 보이면 안전하다고 라벨을 붙이고, 조금이라도 덜 안전해 보이면 제외한다. 이 두 방식 모두 이진 선택을 강요하며, 현실 세계에는 존재하지 않을 수도 있는 안전과 불안전 사이의 날카로운 선을 만들어낸다.

연구진의 새로운 방식인 MC-PU-2S는 다른 길을 택한다. 이 방식은 딱딱한 선을 긋는 대신, 모든 미기록 지점에 확률을 할당한다. 이 방식은 "이 지점이 정말로 안전할 확률은 얼마나 되는가?"라고 질문하며, 답이 흑백이 아닌 회색조가 될 수 있도록 허용한다. 이를 위해 컴퓨터는 수백 번의 시뮬레이션을 수행한다. 각 시뮬레이션에서 컴퓨터는 특정 확률에 기초하여 특정 미기록 지점을 안전하게 취급할지 아니면 불안전하게 취급할지를 무작위로 결정한다. 그런 다음 각 시나리오에 대한 예측 모델을 구축한다. 마지막으로, 이 수백 개의 모델을 모두 평균 낸다. 이 과정은 오류를 완화하고 어떤 예측이 견고하고 어떤 것이 흔들리는지를 드러낸다. 그 결과는 단 하나의 민감도 지도만이 아니라 일련의 결과물들이다. 즉, 평균적인 위험을 보여주는 지도, 예측이 시뮬레이션 전반에 걸쳐 어떻게 변하는지를 보여주는 지도, 그리고 모델이 단순히 결정을 내리지 못하는 지역을 강조하는 지도이다.

연구진이 결과를 비교했을 때 그 차이는 극명했다. 기존 방식들은 연구 지역의 거의 모든 지점을 산사태 위험이 높은 것으로 분류하는 지도를 만들어냈다. 컴퓨터가 사실상 모든 곳에 "위험"이라고 외치고 있었던 것인데, 이는 계획 수립에 전혀 도움이 되지 않는다. 그러나 새로운 방식은 훨씬 더 균형 잡힌 시각을 보여주었다. 이 방식은 많은 지역이 실제로 위험하다는 것을 정확히 식별하면서도, 지형의 상당 부분이 안정적이라는 사실을 제대로 짚어냈다. 새 모델은 이 둘을 구별하는 데 훨씬 뛰어났으며, 그 예측은 실제 데이터와 훨씬 더 밀접하게 일치했다. 또한 기존 모델들의 주요 결함, 즉 확률 추정치가 압축되고 편향되어 AUC 0.9와 AUC 0.6을 정확히 구분할 수 없었던 문제를 해결했다. 새로운 방식은 이러한 확률을 넓게 펼쳐 놓음으로써 더 미묘한 이해를 가능하게 했다.

이 새로운 접근 방식의 가장 가치 있는 결과물은 아마도 불확실성을 식별하는 능력일 것이다. 연구에 따르면 전체 면적의 약 23%에서 모델이 지표가 안전한지 혹은 불안정한지 확신할 수 없다는 것이 밝혀졌다. 이곳들은 분류가 결정 경계선 바로 근처에서 머뭇거리는 지점들이다. 전통적인 지도에서 이러한 지역은 나머지 지역과 똑같이 보이며 중요한 지식의 부재를 숨기게 된다. 하지만 새로운 지도에서는 이러한 지역들이 명시적으로 표시된다. 이는 의사 결정자들에게 게임 체인저가 된다. 높은 신뢰도를 가진 고위험 지역은 즉시 안전 조치를 위한 대상으로 지정될 수 있다. 반면 낮은 신뢰도를 가진 고위험 지역은 건설이나 완화 조치에 비용을 쓰기 전에 추가적인 현장 조사가 필요함을 알리는 신호가 된다. 이는 관리들에게 다음에 어디를 살펴봐야 할지 정확히 알려주어, 막연한 경고를 구체적인 행동 계획으로 바꾸어 놓는다.

이 연구는 또한 이 지역의 산사태를 유발하는 가장 중요한 요인들이 지질학자들이 이미 알고 있는 것들과 일치한다는 점을 확인했다. 즉, 경사도, 도로와의 거리, 암석의 종류, 그리고 강수량이다. 그러나 이러한 요인들이 해석되는 방식은 불확실성을 고려할 때 달라진다. 새로운 방식은 이러한 요인들과 위험 사이의 관계가 단순한 스위치가 아니라 복잡한 경사(gradient)임을 보여주었다. "누락된" 산사태의 노이즈를 평균화함으로써 모델은 이러한 패턴을 더 명확하게 볼 수 있었다. 연구진은 이 방식이 기존 기술보다 더 많은 컴퓨팅 파워를 요구하지만, 그 대가가 충분한 가치가 있다고 언급했다. 불확실성을 정량화하고 자신이 무엇을 모르는지를 인정하는 지도를 만들 수 있는 능력은 자연 재해 관리에 있어 중대한 진전이다.

이 연구가 산사태 예측의 문제를 완전히 해결했다고 주장하는 것은 아니다. 연구진은 자신들의 방식이 초기 데이터의 품질에 민합하며, 이번 연구에 사용된 시뮬레이션 횟수는 파일럿 테스트였다는 점을 주의 깊게 명시했다. 그들은 향-후 연구에서 결과가 안정될 수 있도록 더 많은 시뮬레이션을 실행해야 한다고 제안한다. 또한 그들의 방식은 한 가지 유형의 불확실성, 즉 어떤 지점이 정말로 안전한지에 대한 불확실성만을 측정한다는 점을 지적한다. 이는 지도 자체의 오류나 시간에 따른 기후 변화는 고려하지 않는다. 그럼에도 불구하고, 이 연구는 흑백 논리의 사고에서 벗어나 확률적 접근 방식으로 나아가는 것이 더 나은 결과를 낳는다는 것을 입증한다. 지표면이 끊임없이 변화하는 세상에서, 자신의 의구심을 인정할 수 있는 모델은 확신에 찬 채로 틀린 모델보다 훨씬 더 유용하다. 북부 모로코의 새로운 지도들은 경사면 끝자락에 살고 있는 공동체를 보호하기 위한 더 명확하고 정직한 가이드라인을 제공한다.