지구환경도시건설공학과

인공위성과 기상 예보 자료를 조합해 산불을 탐지할 수 있는 기술이 개발됐다. 다양한 환경 변화에서도 감지 가능해 중·대형 산불로 발생할 수 있는 피해를 최소화하는 데 도움 될 것으로 기대된다. UNIST(총장 이용훈) 지구환경도시건설공학과 임정호 교수팀은 인공위성 자료와 기상 예보에 사용되는 수치모델 자료를 융합해 ‘다양한 환경 변화에 대응 가능한 산불 탐지 기술’을 개발했다. 인공위성과 수치모델 자료를 독립적으로 추출해 조합할 수 있는 이중 모듈 신경망(Dual-module Convolutional Neural Network, DM CNN)구조의 딥러닝 모델 또한 제안했다. 그림1. 인공 위성 자료와 수치모델 자료의 장점을 극대화하고자 제안된 Dual-module Convolutional Neural Network 구조 산불은 예측이 어려워 실시간 모니터링을 통한 빠른 대응이 필수적이다. 미국의 NASA를 포함한 각국에서는 산불 탐지를 위해 20년이 넘는 기간 동안 인공위성 자료에만 의존해왔다. 연구팀은 인공위성 자료에만 의존하던 기존의 형식에서 벗어나 기상 예보에서 사용되는 수치모델 자료와 융합을 시도했다. 수치모델 자료는 상대 습도, 지표면 온도, 위성 관측각 등의 정보를 전송하는데 이런 다양한 자료를 접목해 목표 지역의 환경과 관측 조건들을 계산했다. 특히 인공위성에서 주로 활용되는 변수들과 수치모델에서 제공되는 정보의 서로 다른 특성을 학습하기 위해 이중 모듈 신경망 모델을 개발했다. 이 모델은 11X11 픽셀의 이미지를 입력받아 산불 여부를 판단할 수 있다. 연구팀은 개발한 기술을 미국, 일본, 한국에서 사용하는 탐지 기술인 MODIS/VIIRS, AHI, AMI와 비교했다. 기존 탐지 기술은 습도 혹은 태양의 위치에 따라 파장별 신호가 섞여 산불을 정확히 감지하기 어렵다. 반면에 연구팀이 개발한 모델은 상대 습도 등 다양한 변수를 동시에 고려하기 때문에 환경의 변화가 탐지 정확도에 영향력을 미치지 않는다는 것이 큰 장점이다. 그림2. 제안된 기술 (DM CNN)과 각국에서 제공되는 산불 탐지 산출물과의 산불 발생 탐지 결과 비교 다양한 환경 변화를 적용해 실제 구동 실험을 진행했다. 개발된 모델은 기존 탐지 기술보다 정확하게 산불의 위치를 탐색할 수 있음이 확인됐다. 4㎢의 공간의 넓은 범위를 탐지하기 때문에 좁은 범위(1㎢ 등)를 탐지하는 기존의 기술보다 위성의 해상도가 떨어지지만 더 높은 정확성을 보인 것이다. 임정호 지구환경도시건설공학과 교수는 “이번 연구는 다양한 특성을 가진 이종 자료의 융합에 탁월한 딥러닝의 장점을 극대화한 연구다”며 “향후 글로벌 산불 탐지 기술이 나아갈 새로운 방향을 제시한 중요한 성과가 될 것이다”고 설명했다. 임정호 교수가 교신 저자로, UNIST 강유진 박사, 성태준 학생이 공동 1저자로 참여한 이번 연구는 기상청의 폭염 분야 장기원천기술연구사업, 과학기술정보통신부 한국연구재단 기초연구사업, 환경부의 관측기반 온실가스 공간정보지도 구축 기술개발사업, 항공우주연구원의 지원을 받아 수행됐다. 원격탐사분야 최고 학술지인 ‘환경원격탐사(Remote Sensing of Environment) 저널에 9월 15일 온라인 게재됐다.

지구환경도시건설공학과 임정호 교수 연구실 소속 연구원들이 인공위성 기반 환경 모니터링 연구로 국내외 학회에서 수상했다. 주인공은 최현영 연구원(석박통합과정생)과 성태준 연구원(석박통합과정생)이다. 성태준 연구원은 2023 GeoAI데이터학회 춘계컨퍼런스에서 인공위성 산불 감시 알고리즘으로 학생우수논문발표상을 받았다. 인공위성은 적외선 열 감지 방식으로 산불 발생 여부를 모니터링하는데, 고도와 식생지수(vegetation index) 같은 변수가 정확한 모니터링을 방해하는 요소로 지목돼 왔다. 성 연구원이 제시한 알고리즘은 이 같은 환경 변수를 함께 고려하도록 설계돼 모니터링 정확도가 높다. 위성 영상의 구조적인 정보를 활용하는 것도 이 알고리즘의 특징이다. 성태준 연구원은 “선행 산불 탐지 알고리즘들의 단점을 극복하기 위해 다양한 새로운 시도를 적용해 본 결과 좋은 결과를 얻게 된 것 같다”며 “이러한 경험을 바탕으로 앞으로도 다양한 연구를 수행하고 싶다”고 소감을 전했다. 최현영 연구원은 아시아-오세아니아 지구과학협회 연례회의에서 (AOGS2023 Annual Meeting)에서 최우수학생포스터상(Best Student Poster Awards)을 수상했다. 올해로 20회째를 맞는 아시아-오세아니아 지구과학협회 연례회의는 지난 7월 30일 (일)에서 8월 4일 (금)까지 싱가포르에서 개최됐다. 최 연구원은 정지궤도 환경위성 (GEMS) 에어로졸 광학 두께(AOD)를 산출하는 머신러닝 기반 알고리즘을 제시해 이 상을 받았다. 정확도 높은 에어로졸 광학 두께를 산출함으로써 대기질 관측 오차를 줄인 것이다. 미세먼지와 같은 대기질은 에어로졸 광학 두께를 관측하는 간접 방식으로 모니터링하는데, GEMS에서 공식적으로 산출되는 에어로졸 광학 두께 값이 실제 오염도가 높은 상황에서 대기 오염 상태를 과소 반영하는 문제가 있었다. 최 연구원은 머신러닝의 학습 데이터 값으로 GEMS의 초분광 대기 상한 반사도 자료와 수치모델 기반 기상변수 등을 활용했다. 최현영 연구원은 “국내 위성 자료로 한반도를 포함한 동아시아 전역의 넓은 영역에 대하여 정확한 에어로졸 모니터링이 가능하게 되어 보람을 느낀다”며 “사람들이 더 건강한 환경에서 생활할 수 있게 대기질 모니터링 연구를 지속해 나가겠다”고 밝혔다.