광학 위성영상으로 무엇을 하든 구름 마스크는 거의 첫 단계다. 구름과 그림자를 걸러 내지 않으면 지수 계산이든 분류든 변화탐지든 엉뚱한 값이 섞인다. 이번에는 QGIS 3.44.12와 NaGeoAI 1.9.0의 추가 분석 → 구름 마스크로 Sentinel-2 예제 영상을 처리하면서, 밴드를 어떻게 지정하는지와 출력이 입력 격자에 제대로 맞는지를 확인했다.
결과부터 말하면 540,360화소 전부가 ‘맑음(0)’으로 나왔다. 그래서 출력 레이어가 새까맣게 보인다. 처음 보면 실패한 것 같지만 그렇지 않다. 다만 이것은 모델이 이렇게 출력했다는 관찰일 뿐, 실제로 구름이 전혀 없다거나 정확도가 100%라는 뜻은 아니다. 이 차이를 어떻게 확인하는지가 이번 글의 중심이다.
설치와 실행 환경
- NaGeoAI-1.9.0.zip 다운로드에서 배포본을 받는다. 설치할 때 ZIP 파일 자체를 고르므로 압축은 풀지 않는다.
- 플러그인 → 플러그인 관리 및 설치 → ZIP에서 설치에서 ZIP을 골라 설치하고 NaGeoAI를 활성화한다.
- NaGeoAI → 필수 프로그램·모델 설치에서 필요한 환경을 확인한다. 이미 깔린 항목은 다시 설치하지 않는다. 이번에는 설치된 플러그인을 그대로 썼다. 설치 화면은 실습 1: 설치부터 변화탐지까지에 있다.
- 구름 마스크는 OmniCloudMask와 PyTorch가 있어야 돈다. 이번 환경은 PyTorch 2.14.0+cu126, Rasterio 1.5.1이었다. 초해상도용 opensr-model은 이번 실습과 관계없다. 처음 실행할 때 모델을 내려받으므로 인터넷 연결이 필요하다. 설치 완료 표시가 떴다고 끝난 것이 아니고, 실제 실행 로그를 봐야 동작 여부를 알 수 있다.
예제 영상: 밴드 순서부터 확인
GeoAI 공개 Sentinel-2 예제 TIFF 다운로드를 열어 저장한다. 브라우저가 파일을 바로 열어 버리면 링크를 다른 이름으로 저장하면 된다. 이번에는 D:\QGIS_Plugin\SampleData\NaGeoAI\S2A-L2A-20190318-N0211-R061-6Bands-S2.tif에 저장했다. 위치는 바꿔도 되지만 패널에는 실제 경로를 넣어야 한다.
GeoAI 예제에 쓰이는 Sentinel-2 L2A 6밴드 TIFF로, 파일명상 관측일은 2019년 3월 18일이다. 받은 파일은 760×711화소, UInt16 6밴드, WGS84 UTM 47N EPSG:32647, 10×10m 격자였다. 로컬 예제 설명에 따르면 밴드 순서는 B2·B3·B4·B8·B11·B12다. 문제는 TIFF의 밴드 설명에 파장명이 적혀 있지 않다는 점이다. 파일만 봐서는 몇 번 밴드가 무엇인지 알 수 없으니, 이 순서를 다른 자료에 그대로 적용하면 안 된다. 6밴드 Sentinel-2 파일이라도 만든 사람마다 순서가 다를 수 있다.
자료는 opengeos의 GeoAI 예제 배포 경로에서 받았다. Sentinel 자료의 이용 조건은 Copernicus Data Space 이용 조건과 Sentinel 자료 이용 고지로 확인했다. Contains modified Copernicus Sentinel data (2019). 예제 배포본 자체의 추가 이용 조건은 받는 시점에 따로 확인해야 한다.
입력 레이어 올리기
프로젝트 → 열기로 QGIS_Play.qgz(동부원점(GRS80) EPSG:5187)를 열고 다른 이름으로 저장해 실습용 복사본을 만든 다음, 레이어 → 레이어 추가 → 래스터 레이어 추가로 예제 TIFF를 올린다. 배경지도는 분석 입력으로 쓰지 않았다.
올려 보면 영상 외곽이 비스듬히 돌아가 보이는데, 프로젝트의 즉시 재투영 때문이다. 래스터 자체의 EPSG:32647과 10m 격자는 바뀌지 않는다. 색도 이상해 보일 수 있다. QGIS 기본 RGB 표시가 밴드 1·2·3이라 자연색이 아니기 때문이다. 자연색으로 보고 싶으면 레이어 속성의 심볼에서 빨강 3·초록 2·파랑 1로 바꾼다. 다만 여기서 바꾸는 것은 화면 표시용 밴드이고, 모델에 넣는 밴드는 패널에서 따로 지정한다. 둘을 헷갈리지 않아야 한다.
그림 1. 출력 레이어를 잠시 숨기고 입력 영상만 띄운 화면. 오른쪽 아래의 프로젝트 CRS는 래스터 자체 CRS와 다르다.
모델 입력 밴드 지정
NaGeoAI → 추가 분석에서 기능을 구름 마스크로 고르고 입력 래스터에 예제 TIFF 전체 경로를 넣는다. 밴드는 빨강 3, 초록 2, 근적외선 4로 넣었다. 앞의 밴드 순서대로라면 B4·B3·B8에 해당한다. 밴드 번호를 Sentinel-2 밴드 이름(B4, B8)과 혼동해 4·8을 넣지 않도록 주의한다. 이 파일에는 8번 밴드가 없다.
출력은 원본과 다른 경로인 D:\QGIS_Plugin\SampleData\NaGeoAI\verification\cloud_mask_replay_20261001.tif로 두고 ‘출력 결과를 지도에 추가’를 켰다. 오전에 처음 돌린 출력 cloud_mask_gui_20261001.tif는 덮어쓰지 않았다. 이 패널에서는 모델 버전을 따로 지정하지 않으므로, 설치 시점이 다른 모델에서도 같은 결과가 나온다고 보장할 수는 없다.
그림 2. 밴드 3·2·4와 원본과 다른 출력 경로가 들어간 설정 화면.
실행 로그와 경고
실행을 누르면 시작 메시지에 이어 Starting cloud_mask, Cloud mask complete가 찍히고 새 GeoTIFF가 레이어 목록에 자동으로 올라온다. 이 화면은 QGIS 데스크톱 패널에서 실행한 결과이며, 따로 돌린 Python 점검을 GUI 실행처럼 보인 것이 아니다.
로그에는 경고가 두 개 있었다. 하나는 입력 TIFF의 Photometric 색상 채널 수와 SamplesPerPixel이 맞지 않아 색상 외 채널을 ExtraSamples로 취급한다는 내용이고, 다른 하나는 출력 저장 시 BLOCKXSIZE가 TILED=YES일 때만 쓰인다는 내용이다. 이번에는 처리가 끝나고 파일도 정상적으로 읽혔다. 그렇다고 이 경고를 늘 무시해도 된다는 뜻은 아니다. 다른 자료에 적용할 때는 밴드 구조와 TIFF 메타데이터를 먼저 따로 점검하는 편이 안전하다.
그림 3. 완료 로그와 자동 추가된 출력 레이어. 로그 안의 두 경고도 함께 보인다.
새까만 출력은 실패가 아니다
출력은 1밴드 분류값 래스터다. GeoAI 구현의 클래스는 0=맑음, 1=두꺼운 구름, 2=얇은 구름, 3=구름 그림자다. 이번 결과에는 값 0만 있어서 기본 단일밴드 회색조로 그리면 전체가 검게 나온다. 검은 화면만 보고 처리 실패라고 하거나, 반대로 구름 영역이라고 읽으면 안 된다. 색이 아니라 값의 의미와 실제 화소 분포를 봐야 한다.
그림 4. 오전에 처음 만든 출력 마스크를 다시 연 화면. 검은 영역은 클래스 0이며, 재실행 결과도 같은 분포였다.
값과 격자 확인
출력 레이어를 더블클릭해 레이어 속성 → 정보를 열면 760×711화소, Byte 자료형, GeoTIFF 형식, 최소·최대값 0이 보인다. 그런데 이 통계는 근사 통계다. 전체 화소을 다 센 값이 아니므로, 드문 클래스가 몇 화소 섞여 있으면 놓칠 수 있다. 그래서 고유값 집계는 Rasterio로 전체 화소을 읽어 따로 했다.
그림 5. 출력 GeoTIFF의 속성 화면. 너비·높이·자료형과 근사 통계값을 본다.
| 점검 항목 | 확인 결과 |
|---|---|
| 출력 크기·밴드 | 760×711화소, 1밴드 UInt8 |
| 래스터 CRS·공간해상도 | EPSG:32647, 10×10m |
| 입력과 출력 격자 | CRS, 크기, Affine 변환 모두 일치 |
| 래스터 범위 | 좌하단 (901340, 1806040), 우상단 (908940, 1813150) |
| 전체 화소 집계 | 0: 540,360개 / 1·2·3: 각 0개 |
| NoData | 출력 파일에 별도 NoData 값이 설정되어 있지 않음 |
출력 파일에는 NoData가 설정되어 있지 않다. 화면이 검은 게 거슬린다고 값 0을 NoData로 지정하면 맑음 클래스가 통째로 사라지니 주의한다. 클래스별로 색을 주는 팔레트 렌더러로 바꾸는 편이 낫다.
이번 결과로 말할 수 있는 것
입력 → 모델 처리 → 출력 레이어 추가 → 파일 읽기, 그리고 입력과 같은 격자로 출력이 나온다는 것까지는 확인했다. 분류 정확도, 구름 누락률, 구름 그림자 탐지 성능은 정답 구름 마스크가 없어 검증하지 못했다. 이 장면에서 모든 화소이 맑음으로 나온 것이 맞는 판단인지는 이번 자료로 알 수 없다. 탐지 성능을 보려면 구름과 그림자가 실제로 들어 있는 장면과 검증 라벨, 일관된 비교 기준이 필요하다. 그 전까지 이 결과를 현장 판단의 근거로 쓰면 안 된다. 구름 제거 영상이나 시계열 합성영상까지 만든 실습도 아니다.
참고: GeoAI 원본 프로젝트, GeoAI 구름 마스크 구현과 클래스 정의, OpenGeoAI 교재, NaGeoAI 1.9.0 배포 페이지.
작업 메모
그림은 2026년 10월 1일 QGIS 데스크톱에서 직접 캡처했다. 입력·설정·완료 로그·속성 화면은 발행 전 재실행에서, 그림 4는 같은 날 오전 첫 실행 결과를 다시 열어 얻었다. 작업은 복사본(QGIS_Play_NaGeoAI_20261001_cloudmask.qgz)에서 했고 원본 QGIS_Play.qgz는 덮어쓰지 않았다. 재실행 중 속성 화면 확인 뒤 잠시 응답이 늦었으나 회복 후 저장했다. 예제 TIFF는 재배포하지 않는다. SHA-256 14b92a5523ae….





댓글 없음:
댓글 쓰기