기후 변화 영향과 해안선 적응을 고려한 심층 시각 기반 해안 홍수 예측 프레임워크

기후 변화에 대한 일반적인 위협과 특히 해수면 상승(SLR)에 대한 위협이 증가함에 따라 잠재적인 연안 홍수 위험을 추정하고 분석하기 위한 계산 효율적인 방법의 필요성이 점차 시급해지고 있습니다. 데이터 기반 감독 학습 방법은 이러한 과정을 크게 가속화할 수 있는 유망한 후보로 작용하여, 전통적인 물리학 기반 수력학 시뮬레이터와 관련된 계산 병목 현상을 제거할 수 있습니다. 그러나 정확하고 신뢰성 있는 연안 홍수 예측 모델, 특히 딥 러닝(DL) 기술을 기반으로 한 모델의 개발은 두 가지 주요 문제로 인해 어려움을 겪고 있습니다: (1) 훈련 데이터의 부족과 (2) 상세한 침수 지도를 위해 필요한 고차원 출력입니다. 이 장벽을 제거하기 위해 우리는 저 데이터 환경에서 고충실도 딥 비전 기반 연안 홍수 예측 모델을 훈련시키는 체계적인 프레임워크를 제시합니다. 제안된 워크플로는 완전 트랜스포머 기반 구조와 주의 게이트를 추가한 컨벌루션 신경망(CNN) 등 다양한 기존 비전 모델에서 테스트되었습니다. 또한, 본 연구에서는 연안 홍수 예측 문제에 특화된 깊은 CNN 구조를 소개합니다. 이 모델은 특히 자원 제약 상황과 접근성 측면을 고려하여 그 크기를 최소화하는 데 중점을 두어 설계되었습니다. 개발된 DL 모델들의 성능은 일반적으로 사용되는 지리통계 회귀 방법과 전통적인 머신 러닝(ML) 접근 방식과 비교하여 검증되었으며, 예측 품질에서 큰 개선을 보였습니다. 마지막으로, 아부다비 연안의 물리학 기반 수력학 시뮬레이터로 생성된 합성 침수 지도 데이터셋을 철저히 정리하여 제공함으로써, 미래의 연안 홍수 예측 모델 평가를 위한 벤치마크로서 활용될 수 있도록 하였습니다.