본 논문은 기후 변화로 인한 극심한 기상 이변에 대응하기 위해 인공지능(AI)을 활용하는 방안을 제시하며, 특히 기후 변화로 인해 발생하는 데이터 불균형 문제를 해결하기 위한 새로운 데이터 증강 방법론을 제안한다. 기존의 기계 학습 모델이 데이터 분포 변화에 취약하다는 점을 지적하고, 설명 가능한 AI(XAI)의 인스턴스 기반 반사실적 방법과 SMOTE 기법을 결합한 Counterfactual-Based SMOTE (CFA-SMOTE)를 제안한다. CFA-SMOTE는 극심한 기후 이변을 나타내는 합성 데이터를 생성하여 예측 성능을 향상시킨다. 2018년 유럽 전역의 가뭄 및 사료 위기 동안 아일랜드 낙농장의 풀 성장 예측을 위한 실험을 통해 CFA-SMOTE의 성능을 평가하고, 기존 방법론과의 비교 실험 결과를 제시한다.
