구글, 위성에 안 보이던 농지 산울타리까지 찾아내는 AI 벡터 지도 공개

구글 리서치가 표준 위성 탐지로는 너무 작아 잡히지 않던 산울타리와 작은 숲 같은 미세 생태 요소를 드러내는 고해상도 딥러닝 프레임워크를 개발하고, 이를 벡터 데이터로 만든 영국 전역 인벤토리를 공개했다고 6월 16일 밝혔다. 식량 안보를 해치지 않으면서 기후·생물다양성 위기에 대응하는 새로운 길을 제시한다는 설명이다.

숲은 탄소를 흡수하고 물을 거르며 생물다양성을 떠받치는 핵심 시스템이지만, 인구 증가로 식량 수요가 늘면서 대규모 조림은 농지와 충돌한다. 구글 리서치는 한 지역의 보전이 다른 지역의 환경 악화로 옮겨가는 '누출(leakage)'까지 함께 고려해야 하는 것이 핵심 과제라고 짚었다.

농지 사이에 짜인 산울타리와 방풍림 같은 미세 목본 요소는 작물을 밀어내지 않고도 탄소 저장과 생물다양성을 높일 수 있다. 그러나 표준 위성 탐지로는 너무 작아 국가 산림 통계에서 사실상 '보이지 않는' 자산으로 남아 있었다.

구글은 앞서 옥스퍼드대 레버흄 자연회복센터와 함께 잉글랜드 전역의 산울타리와 선형 산림을 식별한 첫 대규모 고해상도 지도 '팜스케이프 2020(Farmscapes 2020)'을 공개한 바 있다. 다만 픽셀 기반 래스터 형식이라 복원과 탄소 회계에 바로 쓰기 어려웠고, 이번에 이를 산울타리·돌담·작은 숲의 실행 가능한 인벤토리로 바꾼 벡터 데이터셋을 내놨다.

래스터 지도를 벡터로 옮기는 데는 공간 위상, 의미 분류, 계산 규모라는 세 가지 난제가 있었다. 농지에서는 산울타리가 돌담과 나란히 놓이는 등 요소가 겹쳐 단일 레이어 모델로는 표현이 어렵고, 잉글랜드 13만 km²가 넘는 면적을 S2 격자 타일로 쪼개 처리하면 경계에서 요소가 인위적으로 잘리는 문제가 생겼다.

영국 시골의 관리된 산울타리를 인식하도록 AI를 학습시키려면 깊은 전문성이 필요하지만 주석이 달린 데이터는 약 247km²로 적었다. 구글은 전 세계 위성영상을 3억 장 넘게 사전학습한 '리모트 센싱 파운데이션스(RSF)'의 비전 트랜스포머(ViT) 백본을 활용해 영국 지형의 특성에 맞춰 미세 조정했다. RSF는 구글 어스 AI의 지리공간 모델·데이터셋 모음에 속한다.

겹쳐진 지형을 다루기 위해 서브미터 영상과 1미터 라이다(LiDAR) 데이터를 쓰는 이중 레이어 라벨링 체계를 만들어, 지면 경계와 그 위의 나무·돌담을 같은 공간에서 함께 인식하게 했다. 타일 경계에서 잘린 요소는 격자를 가로질러 기하 구조를 병합하는 알고리즘으로 이어 붙였다.

의미 분류에는 폴스비-포퍼(Polsby–Popper) 형상 점수를 적용했다. 지름 30미터 이상의 연속된 수관을 산림으로, 작은 숲이나 개별 나무를 목본 패치로, 형상 점수 0.5 미만의 길고 가는 형태를 산울타리 같은 선형 목본 요소로 분류해 야생동물 이동에 중요한 좁고 긴 회랑을 가려냈다.

계산 부담은 구글 어스 엔진으로 수천 개의 S2 격자를 병렬 처리해 해결했고, 수백만 개의 개별 목본 요소에 대한 벡터 기하를 동시에 생성했다. 구글은 향후 혼농임업과 임축혼합 등 다양한 자연 기반 해법으로 활용을 넓히고, 한 지역의 탄소·생물다양성 성과가 경계 밖 손실로 상쇄되는 '누출'을 식별하는 데도 쓸 수 있을 것으로 봤다.

구글은 이 데이터를 공개·개방형으로 제공해 농민과 과학자, 정책 입안자가 큰 변화를 만드는 작은 규모의 요소를 보호하도록 돕고자 한다고 밝혔다.