본 연구는 파키스탄과 아프가니스탄의 국경을 이루는 카불 강을 대상으로, 국경을 넘는 유역에서의 홍수 예측의 복잡성을 보여주는 사례 연구를 수행했습니다. 상류 지역 데이터 확보의 어려움으로 인해 홍수 통제 및 조기 경보 시스템의 효율성이 저하되는 문제를 다루고 있습니다. 위성 기반 기후 데이터를 활용하여 SVM, XGBoost, ANN, LSTM, GRU 등 다양한 머신러닝 및 딥러닝 모델을 적용하여 일일 및 다단계 강 유량을 예측했습니다. 그 결과 LSTM 네트워크가 가장 높은 R² 값(0.96)과 가장 낮은 RMSE 값(140.96 m³/sec)을 달성하며 다른 모델보다 우수한 성능을 보였습니다. 최대 5일까지의 단기 예측에 사용된 시계열 LSTM 및 GRU 네트워크 모델은 유의미한 성능을 보였으나, 4일 이상의 장기 예측 정확도는 감소하여 장기 예측을 위한 장기간의 과거 데이터셋 필요성을 시사했습니다. 본 연구 결과는 지속 가능한 개발 목표 6, 11, 13, 15와 직접적으로 연관되어 재해 및 수자원 관리, 적시 대피, 준비 태세 개선 및 효과적인 조기 경보에 기여할 수 있습니다.