토양수분은 증발산, 유출, 지하수 침투 등을 통해 끊임없이 배출된다. 토양의 특성에 따라 강우로 인한 홍수가 저감되기도 하며, 빗물을 저장하고 천천히 방류하여 하천의 수위를 조절해주는 자연적인 저류시설의 역할을 한다. 기존에는 토양수분 측정을 위해서 토양시료를 채취해서 실내 실험을 통해서 측정하거나 측정 장비를 통한 현장 조사 방법이 있으나 시간적, 경제적 한계점이 있으며, 원격탐사 기법은 공간적으로 넓은 범위를 포함하지만 시간 해상도가 낮은 단점이 있다. 본 연구의 목적은 토양수분과 연관된 다양한 인자들(강수량, 풍속, 습도 등)을 수집하여 머신기법을 통한 반복학습을 통해 토양수분 예측 기술을 개발하는데 있다. 과거부터 현재까지 토양수분 실측 자료가 잘 구축된 청미천, 설마천 유역을 대상으로 기상 인자 값들의 연구를 진행하였다. 두 지역에 2008년~2012년 수문자료인 강수량, 풍속, 대기온도, 증발산량, 습도 자료를 확보하였다. 기상자료는 기상자료개방포털과 WAMIS를 통해 자료를 확보하였다. 2008년~2011년 토양수분 자료와 기상자료를 머신러닝 알고리즘을 통해 학습하였으며 2012년 기상 자료를 바탕으로 토양수분을 예측하였다. 사용되는 머신러닝 기법은 의사결정 나무(Decision Tree), 신경망(Multi Layer Perceptron, MLP), K-최근접 이웃(K-Nearest Neighbors, KNN), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest), 그래디언트 부스팅 (Gradient Boosting)이다. 토양수분과 각 기상인자간의 상관관계를 분석하기 위해 히트맵(Heat Map)을 이용하였다. 청미천 유역을 대상으로 분석한 히트맵 결과에서는 토양수분과 기상 인자 간의 직접적인 영향력은 보이지 않았다. 설마천 유역을 대상으로 분석한 히트맵 결과에서는 일 상대습도의 최솟값이 0.52로서 청미천 유역의 결과에 비해 토양수분에 큰 영향력을 주는 것으로 보였으며, 일평균 강수량이 0.45, 일평균 상대습도 값이 0.43으로서의 영향력을 보여줬다. 두 지역 모두 신경망을 제외한 모든 기법이 전반적으로 비슷한 형태를 보였으며 비교 그래프에서도 실측값과 예측 값이 비슷한 추세를 나타냈다. 향후 연구를 통해 인자들 간의 상호관계에 대한 영향분석의 필요성이 예상되어진다.