Littoral Cell Clustering of the East Sea Based on Coastal Sediment Transport Parameters Using Unsupervised Machine Learning

Abstract

The coastline is increasingly vulnerable to environmental changes, such as sea level rise, global warming, and human activities, which exacerbate coastal erosion and pose significant social challenges. Due to the high utilization of coastal spaces and the growing risk of natural disasters, effective coastal management is crucial in South Korea. The littoral cell approach offers a promising framework for managing sediment transport and mitigating erosion. Existing systems in Korea need more regional oceanographic characteristics and sediment transport mechanisms in demarcation, which can be an objective reason for divided results. This study aims to cluster the boundaries of the East Sea littoral cells in South Korea using unsupervised machine learning techniques, focusing on coastal sediment transport parameters. A comprehensive dataset was constructed, standardized, and subjected to dimensionality reduction. Clustering methods were applied to identify spatially distinct littoral cells, and results were saved and visualized using GIS (Geographic Information System) data. The newly defined littoral cells are utilized to examine the feasibility of defining mesoscale littoral cells. They also serve as a basis to suggest a management scope for coastal erosion grade D, which represents the most severely eroded areas as reported in The Comprehensive Report on Coastal Erosion Status. This research will contribute to sustainable coastal management and adaptive strategies for addressing coastal erosion.

기후 변화와 인간활동으로 인해 연안침식이 가속화됨에 따라 지속 가능하고 효율적인 침식 관리 및 대응의 필요성이 증대되었다. 표사계 단위로 연안을 구분하여 관리하는 것은 효율적인 연안 관리 방법 중 하나이며, 국부적 관리와 이해관계자 간 협력을 용이하게 하고 대상지에 특화된 국지적 연구를 활성화하는 등의 이점이 있다. 현재 국내의 표사계는 크기와 관리 목적에 따라 광역 표사계, 중역 표사계, 단위 표사계의 세 단계로 나뉘며, 특히 강원도권 표사계의 경우 중역 표사계는 유역을 중심으로, 단위 표사계는 연안에 위치한 자연 곶이나 돌출된 암석해안을 기준으로 표사 수지분석이 가능하도록 상세하게 나누어져 있다. 본 연구는 표사계 설정에 있어서 새로운 방법론을 정립하기 위한 기초연구로서 연안 유사 이송 변수와 비지도 기계학습을 활용하여 동해안의 단위표사계를 군집화한 결과를 해석하고, 해당 결과로 중역표사계의 경계를 설정하는 것이 가능한지 탐구하였다. 유사이송 매개변수로 위도, 경도, 중앙입경, 해빈폭, 해안선 길이, 대표저질특성, 전빈경사, 해안형태를 취득하였다. 차원 축소를 위해 비선형 차원 축소 기법 중 하나인 UMAP을 채택하였으며, 데이터 간 상대적 거리 구조가 잘 보존되도록 차원 축소된 결과를 얻었다. 이후, 평균제곱오차 값에 대하여 원자료를 무작위로 임베딩하였을 때와 비교하여 UMAP의 차원 축소 결과가 신뢰할만함을 증명하였다. 연안의 크기와 관리 목적에 따라 표사계의 크기를 쉽게 설정할 수 있도록 군집간 계층적 관계가 덴드로그램으로 나타나는 계층적 병합형 군집화 기법을 선택하였다. 군집화 결과는 성능 평가를 거쳐 GIS DB로 저장된 후 그 결과를 알기 쉽게 시각화하였다. 결과 해석을 위해 유사도가 높은 개체끼리 동일한 군집으로 분류된다는 군집화의 특징을 활용하였는데, 결과 분석시 해안선을 따라 단위 표사계를 차례로 나열하였을 때 할당된 군집이 서로 다른 두 인접한 표사계의 사이를 표사계간 경계로 두며 표사 이동에 경계가 생기는 지점이라 해석하였다. 또, 위성 영상으로 확인되는 자연 곶이나 인공 구조물 및 하천의 영향 등을 종합적으로 고려하여 모든 군집화 결과를 재검토하였다. 검토 결과는 연안침식 실태조사 종합보고서에 보고된 연안침식 등급 D 지역에 대한 연안 관리 범위를 제안하는 데에 활용되었다. 본 연구의 방법론은 국내 표사계 설정시 실용 표사계와 함께 이론적 기반으로 활용되어, 효율적인 해안 지형 변화 예측 및 대응 방안 수립에 기여할 것으로 기대된다.