호주 뉴 사우스 웨일즈의 시간적 수문학적 가뭄 지수 예측을 위한 기계 학습 접근법

가뭄은 농업과 수자원에 상당한 피해를 주어 심각한 경제적 손실을 초래할 수 있다. 가뭄 관리의 가장 중요한 측면 중 하나는 가뭄 사건을 예측할 수 있는 유용한 도구를 개발하는 것으로, 이는 완화 전략에 도움이 될 수 있다. 최근 전 세계의 가뭄 사건 추세는 기후 변화가 이러한 사건에 영향을 미치는 주요 요인이 될 것임을 보여준다. 본 연구는 최근 수십 년 동안 여러 차례 가뭄을 겪은 호주 뉴 사우스 웨일즈(NSW) 지역에 대한 이 영향을 이해하는 것을 목표로 한다. 가뭄에 대한 이해는 일반적으로 가뭄 지수를 사용하여 수행되므로, 강우와 온도 매개변수를 모두 계산에 사용하는 표준 강수 증발 지수(SPEI)를 선택하였으며 이는 가뭄을 더 잘 반영하는 것으로 입증되었다. 가뭄 지수는 기후 연구 단위(CRU) 데이터 세트를 사용하여 다양한 시간 규모(1, 3, 6, 12개월)에서 계산되었다. 본 연구에서는 13개의 다양한 변수를 사용하여 가뭄 지수의 시간적 측면을 예측하는 데 중점을 두었으며, 이 중 8개는 기후적 요인 및 해수면 온도 지수였고 나머지는 다양한 기상 변수였다. 예측에 사용된 모델은 인공 신경망(ANN)과 지지 벡터 회귀(SVR)였다. 모델은 1901-2010년 동안 훈련되었고, 9년(2011-2018년) 동안 테스트되었으며, 세 가지 서로 다른 성능 지표 점수(결정 계수(R2), 평균 제곱근 오차(RMSE), 평균 절대 오차(MAE)를 사용하였다. 결과는 ANN이 시간적 가뭄 추세 예측에서 SVR보다 우수하다는 것을 나타내며, 전자는 0.86의 R2 값을 보였고 후자는 0.75였다. 본 연구는 또한 해수면 온도와 기후 지수(태평양 10년 변동)가 시간적 가뭄 측면에 유의미한 영향을 미치지 않는다는 것을 밝혔다. 현재 작업은 기후 변수와 NSW 지역의 가뭄 사건을 활용하기 위한 첫 번째 단계로, 시간적 추세만을 연구하는 것으로 볼 수 있다.