위성 이미지 통해 AI가 산불 위험 지역 찾아낸다?

미국은 기후 온난화와 기후 패턴 변화 탓에 지난 몇 년 동안 엄청난 산불에 시달렸다. 물론 이 같은 자연 현상은 원래 예측 불가능한 심각한 재해다. 스탠포드대학 연구팀은 기계학습과 위성 영상을 이용해 건조한 위험 지역을 조사하고 예측하는 방법을 찾아냈다.

지금은 산불 예측은 숲이나 관목 지대 검사 방법으로 수동으로 나뭇가지와 잎을 모아 수분을 조사하는 형식을 취한다. 정확하고 신뢰할 만한 방법이지만 시간이 걸리는 데다 대규모 조사는 어렵다.

하지만 유럽우주국 ESA의 인공위성 센티넬과 랜드셋을 통해 지상 이미지를 대량으로 수집해 자세하게 분석하면 산불 위험을 평가하기 위한 데이터 소스를 취할 수 있다. 위성 영상을 이용한 관측 방법은 이전부터 존재했지만 인간의 눈으로 판단하는 장소에 따라 관측 방법이 크게 달랐다. 넓은 면적 조사는 당연히 어려웠다. 연구팀이 이용한 새로운 방법은 위성 내 레이더를 이용해 숲을 뚫고 아래쪽 표면 이미지를 볼 수 있게 해준다.

연구팀은 지금까지보다 훨씬 긴 파장을 이용한 새로운 유형 위성에서 착안한 연구라며 이를 통해 숲의 깊은 곳 수분을 관측할 수 있고 이를 통해 수분 함량을 직접 표시할 수 있다는 것이다. 연구팀은 2016년부터 정기적으로 모은 새로운 이미지에 미국 임야 당국이 수작업으로 측정한 데이터를 함께 더해 기계학습 모델에 입력헀다. 이 모델은 이미지 내 다양한 특징과 지상 측정값 사이의 상관관계를 학습한 것이다.

그런 다음 이렇게 얻은 AI 에이전트는 이미 답을 알고 있는 오래된 데이터에 예보를 하는 식으로 테스트를 진행했다. 결과는 맞았지만 대부분이 미국 서부에서 가장 많은 생태계 군 중 하나이자 산불이 나는 경향이 높은 식물군인 관목지대였다. 서부 전역 1년간 시기별 모델에서 얻은 건조도 예보도 볼 수 있다. 소방관에게 구체적인 도움이 되는 건 아니지만 같은 모델에 최신 데이터를 더하면 앞으로 산불 시즌 예보가 가능하며 당국이 위험 지역이나 안전 경보를 위해 정보를 바탕으로 한 결정을 내릴 수도 있다. 관련 내용은 이곳에서 확인할 수 있다(논문은 여기).