두 시기 영상에서 무엇이 바뀌었는지 빠르게 훑어보고 싶을 때 가장 먼저 해 보는 방법이 밴드 차분이다. 같은 위치의 화소값을 빼고, 차이가 일정 값을 넘는 곳을 변화 후보로 표시한다. 단순하지만 어디를 먼저 들여다볼지 정하는 데는 꽤 쓸모가 있다. 이번에는 QGIS 3.44.12에서 NaGeoAI 1.9.0의 변화탐지 기능으로 미국 라스베이거스의 2019년·2022년 NAIP 예제 영상을 비교해 이진 차분 마스크를 만들었다.
실제로 해 보면 차분 계산 자체보다 그 앞 단계, 즉 두 영상의 격자를 맞추는 일에서 더 자주 막힌다. 이번 예제도 그랬다. 그 부분을 중심으로 따라가 본다.
설치: ZIP으로 받고 해시부터 확인
배포본은 NaGeoAI-1.9.0.zip 직접 다운로드나 GitHub 릴리스 페이지에서 받는다. ZIP의 SHA-256은 479B508625839070AE952DF5A5E7CE04308A3971A81DF33B238F71AC4FCF9288이다. 플러그인은 QGIS 안에서 코드를 실행하므로, 설치 전에 출처와 해시를 맞춰 보는 습관을 들이는 편이 낫다.
QGIS에서 플러그인 → 플러그인 관리 및 설치 → ZIP에서 설치를 열고 받은 ZIP을 지정한다. 새로 설치한다면 설치 단추를 누르고 QGIS를 다시 시작한 뒤 NaGeoAI → 변화탐지 메뉴나 도구 모음이 생겼는지 본다. 이번 PC에는 이미 1.9.0이 깔려 있어서 재설치 단추는 누르지 않았다. 게다가 플러그인 관리자가 응답하지 않는 현상이 있어 설치 완료 화면은 싣지 않는다. 아래 그림 2는 ZIP을 지정한 데까지이고 재설치를 마쳤다는 증거는 아니다. 실행과 분석 결과는 이미 설치된 NaGeoAI로 따로 확인했다.
예제 영상과 격자 맞추기
예제는 Source Cooperative의 opengeos/geoai 공개 페이지에 있는 NAIP GeoTIFF 두 장이다. 2019 영상 직접 다운로드와 2022 영상 직접 다운로드로 각각 받는다. 이용 조건은 실제로 활용하기 전에 제공처에서 다시 확인한다.
두 영상 모두 NAD83 UTM 11N EPSG:26911, 2721×1420화소, 화소 크기 0.6m다. 메타데이터만 보면 바로 빼도 될 것 같지만, 2022 영상의 격자 원점이 2019 영상과 다르다. 이대로 차분하면 같은 행·열 번호가 서로 다른 지점을 가리키게 되고, 도로나 건물 가장자리마다 가짜 변화가 생긴다. 차분형 변화탐지에서 크기와 공간해상도가 같다는 것만 보고 넘어가면 안 되는 이유다.
그래서 2019 영상의 범위 649647.6 4019223 651280.2 4020075와 크기 2721×1420을 기준으로, GDAL gdalwarp의 bilinear 재표본화로 2022 영상 사본을 정합했다. QGIS에 포함된 GDAL 명령으로 한 전처리이고, QGIS의 ‘래스터 정렬’ GUI로 한 것은 아니다. 원본 TIFF는 그대로 두었다. 영상이 있는 폴더에서 실행할 때의 명령은 다음과 같다.
gdalwarp -of GTiff -co TILED=YES -co COMPRESS=LZW -s_srs EPSG:26911 -t_srs EPSG:26911 -te 649647.6 4019223 651280.2 4020075 -ts 2721 1420 -r bilinear las_vegas_naip_2022_a.tif verification/las_vegas_naip_2022_a_aligned_replay.tif
bilinear는 주변 화소을 섞어 값을 만들기 때문에 원래 화소값이 조금 달라진다. 차분 결과를 읽을 때 이 정합 과정의 영향이 섞여 있다는 점은 기억해 둔다.
작업 프로젝트와 입력 확인
기존 QGIS_Play.qgz를 열어 프로젝트 → 다른 이름으로 저장으로 QGIS_Play_NaGeoAI_20260928_replay.qgz 사본을 만들었다. 원본 프로젝트는 동부원점(GRS80) EPSG:5187에 레이어가 없는 상태였고, 예제 영상은 사본에 새 레이어로 올렸다. 프로젝트 좌표계(EPSG:5187)와 분석 자료의 좌표계(EPSG:26911)는 별개다. 화면에 함께 보인다고 같은 좌표계로 계산되는 것은 아니다.
변화탐지 실행
도구 모음에서 변화탐지를 열고 이전 영상에 2019 원본, 이후 영상에 앞서 정합한 2022 사본을 넣었다. 원본 2022 파일을 넣지 않는 것이 핵심이다. 분석 밴드는 1(Red), 방식은 절대 차분(원본 화소값), 임계값은 20, 출력은 새 GeoTIFF change_mask_gui_replay_20260928.tif로 두고 변화탐지 실행을 눌렀다.
QGIS 실행 로그에는 “유효 화소 3,861,099개 중 변화 2,165,338개 (56.08%)”가 찍혔다. 출력 래스터는 2721×1420화소, EPSG:26911, 0.6m 격자로 입력과 같고, 값은 0·1 이진에 NoData 255다. 지도에서 흰색이 임계값을 넘은 후보 화소이다.
56.08%를 어떻게 읽을까
절반이 넘는 화소이 변했다고 나왔지만, 이 숫자는 적색 밴드 밝기 차이가 20을 넘은 유효 화소의 비율일 뿐이다. 토지피복 변화율도, 피해 면적도, 분류 정확도도 아니다. 두 시기의 촬영 시기와 조명, 색조 차이, 그리고 앞에서 한 재표본화와 정합 오차가 모두 이 숫자에 섞여 있다. 단일 밴드 절대 차분은 이런 방사 차이에 민감하므로, 결과는 현장 확인이나 정밀 분석을 어디부터 할지 고르는 후보 지도로 쓰는 것이 맞다. 실제 변화 여부를 말하려면 현장 기준자료와 혼동행렬로 정확도를 따로 검증해야 하는데, 이번에는 하지 않았다.
덧붙여, 모델 기반 기능에 필요한 PyTorch·OpenSR 모델이 설치되어 있는지는 이번 변화탐지 결과만으로는 알 수 없다. 그 부분은 모델을 쓰는 기능을 실행할 때 따로 확인해야 한다.
작업 메모
그림은 이번 작업에서 실제로 확인한 QGIS와 웹 페이지 화면이다. 원본 프로젝트는 건드리지 않고 사본(QGIS_Play_NaGeoAI_20260928_replay.qgz)에서 작업했다. 예제 영상은 재배포하지 않고 원본 페이지로 연결한다.
댓글 없음:
댓글 쓰기