인공지능 기반 고사목 판독기술, 생태조사 새 지평 열어

약 5만여 건의 지리산 아고산대 상록침엽수 고사목 검출

환경부 산하 국립공원공단(이사장 송형근)은 기후변화로 인한 지리산 아고산대 상록침엽수 고사목 현황 파악을 위해 고해상도 항공영상 기반 인공지능기술을 최근 적용했다고 밝혔다.

전문가가 육안으로 지리산 아고산대 전체 면적 약 41㎢ 대상 고사목을 검출하는데 약 1년이 소요되지만 이번 인공지능 판독 기술은 2~3일이면 검출이 가능하다.

이 기술은 국립공원공단이 구상나무 등 상록침엽수의 고사 현황을 효율적으로 파악하기 위해 인공지능개발업체인 ‘㈜다비오’ 및 항공영상측정 업체인 ‘삼아항업(주)’와 공동으로 개발한 고해상도 항공영상 기반 인공지능(AI) 딥러닝 기술이다.

우리나라 고유종인 구상나무를 포함한 아고산대 상록침엽수가 기후변화 등으로 인해 최근 고사 경향이 뚜렷하게 나타나 쇠퇴 현황 및 원인을 신속하게 파악하기 위해 이번 기술이 개발되었다.

지리산국립공원 아고산대 상록침엽수 연구에 이번 인공지능 기반 판독 기술이 도입되었으며, 이 기술은 지난해 11월 19일부터 2일 동안 약 41㎢ 면적을 대상으로 고사목 5만 4,781그루를 자동으로 검출했다.

국립공원공단 연구진은 기술 적용에 앞서 지리산 아고산대 침엽수 고사목 약 4,000그루의 질감, 형태, 색감 등을 인공지능 프로그램에 학습시켰고, 이를 토대로 학습시킨 정보량의 13배에 달하는 고사목 정보를 새로 얻었다.

연구진이 이번 인공지능 판독과 전문가가 직접 육안으로 판독한 능력을 비교한 결과, 선채로 고사한 수목은 약 89.1%, 쓰러져 고사한 수목은 약 56.5%로, 평균적으로 약 72.9%의 검출 정확도를 보인 것으로 나타났다.

연구진은 이번 기술을 통해 전문가의 접근이 불가능한 급경사지 등 위험지역에 대한 고사목 자료를 수집할 수 있게 되었으며, 수개월이 필요한 조사기간을 단 몇 시간으로 단축할 수 있게 되었다고 설명했다.

연구진은 향후 기술 고도화 사업을 통해 설악산, 덕유산 등 백두대간 아고산대 생태계에 확대·적용하고 향후 기후변화 시나리오에 따른 아고산대 상록침엽수 고사를 예측하고 보전 방안을 수립할 계획이다.

최승운 국립공원공단 국립공원연구원장은 “이번 기술개발을 시작으로 4차 산업혁명시대에 발맞춰, 기후변화 연구뿐만 아니라 생태자원, 산림 병해충 피해, 산사태 발생지 등 다양한 분야에 인공지능 기술을 접목하여 안전하고 효율적인 조사 연구를 추진하겠다”라고 밝혔다.

[다음은 Q&A 입니다]

Q. 국립공원에서 인공지능을 활용한 조사는 처음인가요?

2018년 소백산국립공원 주목 군락지 소규모 면적(2,500㎡)을 대상으로 무인기 및 인공지능 머신러닝 기술을 활용해 수목의 시들음 및 고사목 위치를 자동 수집했습니다.

이번에는 지리산국립공원 전역의 주 능선을 모두 포함한 대규모 면적을 대상으로 항공기 촬영영상을 활용했다는 점에서 규모의 차이가 있습니다.

Q. 인공지능 기술로 생태계 공간정보를 구축하면 어떠한 장점이 있나요?

그 동안 대면적의 국립공원을 대상으로 생태계 공간정보를 구축하는 일은 거의 불가능한 일로 여겨졌습니다. 사람이 현장에서 일일이 생물(나무와 같이 이동하지 않는 생물자원)의 위치와 정보 등을 확인해야 했기 때문입니다.

최근에는 항공촬영기술이 발전되면서 고해상도 항공영상을 활용해 컴퓨터로 생물정보를 파악할 수 있는 방법이 생겼지만, 이 역시 사람의 눈으로 일일이 생물의 위치와 수를 헤아리는 방법으로 작업자의 역량에 따라 결과에 차이가 있고, 많은 시간이 소요되었습니다.

이에 반해 인공지능을 통한 공간정보 구축은 원하는 시점과 지역을 대상으로 빠르게 원하는 정보를 수집할 수 있어, 인력 및 비용, 시간 절감, 균질한 결과물을 얻을 수 있습니다.

Q. 아고산대 생태계 침엽수 고사목 공간정보 구축은 왜 중요한가요?

지리산국립공원 주요 3개 봉우리(반야봉·영신봉·천왕봉)를 대상으로 고사목 현황을 분석한 결과, 약 5.94㎢ 면적에서 총 27,421본이 고사하였고 2008년 이후에 고사한 비율이 약 71%로 최근 10년 내 고사 경향이 큰 것을 알 수 있습니다.

이처럼 기후변화 등으로 최근 급격히 쇠퇴 및 고사하고 있는 아고산대 생태계 상록침엽수의 고사원인을 파악하기 위해 고사한 수목의 위치정보를 파악하는 일은 매우 중요합니다.

고사목이 언제, 어디서, 얼마나, 어떻게 고사했는지 파악할 수 있다면, 고사목이 집중된 지역의 광량, 경사도, 토양수분환경, 주변식생 등을 분석하여 고사에 영향을 미친 환경요인을 찾을 수 있습니다.

Q. 향후 국립공원 관리에 있어 인공지능 기술 활용 가능성은 어떠한 가요?

국립공원 특성상 험준지가 많고 면적이 넓기 때문에 인공지능 기술은 안전한 공원관리에 있어 기여도가 클 것으로 예상됩니다. 아고산대 상록침엽수 고사목 발생 현황뿐만 아니라 소나무재선충병 발생 현황, 산사태 발생 현황, 해안 사구 면적 변화 등 공원 관리에 있어 다양한 방면으로 활용 가능할 것으로 예상됩니다.

Q. 인공지능에게 고사목 정보를 어떻게 학습시키나요?

수목 식별이 가능한 항공영상 상에서 상록침엽수 고사 형태에 따라 선 채로 고사, 쓰러져 고사로 구분하여 학습데이터를 구축하였습니다. 선채로 고사한 수목은 3,391개, 쓰러져 고사한 수목은 414개의 학습데이터 구축하였고, 인공지능이 이를 반복 학습하여 항공영상 상에서 자동으로 고사목을 검출하게 됩니다.

Q. 상록침엽수 고사목 자동 검출을 위해 어떤 영상을 활용하였나요?

인공지능 특성상 객체 식별이 용이한 고해상도의 영상이 활용되어야 합니다. 이를 위해 공단은 25cm, 12cm, 10cm급 해상도의 항공영상을 활용하여 인공지능 활용 고사목 검출률을 비교한 결과, 수목 하나하나가 구분되어 식별되는 10cm급 고해상도 항공영상에서 검출률이 가장 높게 나타났습니다. 이에 따라 10cm급 고해상도 항공영상을 활용하여 분석을 진행하였습니다.

Q. 쓰러져서 고사한 수목은 서서 고사한 수목에 비하여 검출율이 왜 낮게 나타나나요?

개발된 딥러닝 모델은 고해상도 항공영상을 기반으로 하고 있는데 서서 고사한 수목의 경우 비교적 객체 식별이 용이한 반면 쓰러져 고사한 수목은 다른 수목에 의해서 가려지는 경우가 많고 여러 개가 겹쳐서 고사한 경우가 많기 때문에 객체 식별이 어려워 정확도가 낮게 나타났습니다.

향후 기술 고도화 연구를 통해 학습데이터 추가 구축, 세분화 등을 통해 쓰러져서 고사한 수목에 대한 검출률을 개선할 예정입니다.

.