Rainfall Patterns over the Korean Peninsula Using Deep Clustering Techniques

최근 기후 변화로 인해 강우 예측의 불확실성이 증가함에 따라, 호우 피해를 정확히 추정하기 위해서는 극한 강우의 발생 양상과 공간적 특성을 정량적으로 모의해야 한다. 본 연구는 한반도 전역의 5km 공간 해상도의 일별 강우량 자료(2011-2025)를 활용하여, 비지도 학습 기반 심층 군집화 기법인 DEC(deep embedded clustering)와 DCN(deep clustering network)을 적용하고, 기존 거리 기반 기법인 SOM(self-organizing map)-k-means를 비교 기준으로 사용하여 한반도 강우 유형을 분류하였다. 군집화 성능 평가는 Moran’s I와 SPAEF(spatial efficiency)의 지표를 사용하였다. 분석 결과, 세 가지 기법 모두 강우의 비선형적 공간 구조를 효과적으로 반영하였으며, I≥0.94로 각 군집 내 높은 공간 응집도를 보였다. DCN(I=0.943, SPAEF=-0.142)은 SOM-k-means(I=0.944, SPAEF=-0.123)과 유사한 성능을 보이면서도, 단일(one-step) 통합 구조에서 표현 학습과 군집화를 동시에 수행하여 분석 효율성이 높았다. DEC(I=0.938, SPAEF=-0.224)는 데이터 밀도 변화에 덜 민감하고 높은 공간 상관성을 보여, 국지성·비정상 강우 패턴 탐지에 강점을 보였다. 결과적으로, DCN은 효율적이고 일관된 공간 패턴 학습에, DEC는 다양한 강우 유형 분류에 적합한 것으로 나타났다. 분류된 강우 유형은 지역별 자연재해 예측 및 대비 전략 수립에 활용 가능한 기초자료를 제공할 것으로 기대된다.