📚 기술사 수험서 찾아보기

토목시공기술사 → 건축시공기술사 → 건설안전기술사 → 측량및지형공간정보기술사 →

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

레이블이 변화탐지인 게시물을 표시합니다. 모든 게시물 표시
레이블이 변화탐지인 게시물을 표시합니다. 모든 게시물 표시

2026-11-01

지진 피해를 위성과 AI로 빠르게 파악하기 | GeoAI 기초 38편

지진 피해를 위성과 AI로 빠르게 파악하기 | GeoAI 기초 38편

🎬 1분 브리핑 영상

지진 피해를 위성과 AI로 빠르게 파악하는 핵심은 전후 영상을 비교해 붕괴 건물 후보를 고르고, InSAR로 땅의 움직임을 재는 것입니다. 이 추정은 구조 인력을 어느 지역에 먼저 보낼지 정하는 참고 자료로 쓰입니다.

📌 3줄 요약

  • 지진 직후엔 피해 위치 정보가 가장 급합니다
  • 전후 영상 비교로 붕괴 건물 후보를 찾습니다
  • InSAR와 AI 추정은 구조 우선순위의 참고 자료입니다

지진이 난 직후, 상황실 화면에는 진원과 진도 숫자가 뜨지만 정작 필요한 답은 없습니다. 어느 동네의 건물이 무너졌는지, 구조대가 지나갈 길은 열려 있는지는 그 숫자만으로 알 수 없습니다. 현장에서 올라오는 신고는 사람이 많은 곳에 몰리고, 도로가 끊긴 곳은 오히려 조용합니다.

그래서 위성이 찍은 영상과 AI 분석이 쓰입니다. 하늘에서 넓은 지역을 한 번에 보고, 피해가 클 가능성이 높은 곳에 순서를 매기는 방식입니다. 이 글은 전후 영상 비교와 InSAR(위성 레이더 영상으로 땅의 움직임을 재는 기법), 그리고 그 결과가 구조 자원 배분으로 이어지는 흐름을 차례로 설명합니다.

earth observation satellite orbit
자료사진 · 사진: 12019 / Pixabay

🏚️ 지진 직후에는 어떤 정보가 가장 급한가요?

대응 기관이 가장 먼저 묻는 것은 어느 지역에서 건물이 얼마나 무너졌고 길은 열려 있는가입니다. 진도와 진원 정보는 빠르게 나오지만, 그것만으로는 실제 피해 위치를 알 수 없습니다. 같은 진도라도 지반이 무르거나 오래된 건물이 몰린 동네에서 피해가 커지기 때문입니다. 현장 조사는 정확하지만 한계가 분명합니다. 도로가 끊기면 조사팀이 들어가지 못하고, 통신이 불안하면 보고도 늦어집니다. 사람이 갈 수 있는 곳부터 확인하다 보니 신고가 적은 외곽은 뒤로 밀리기도 합니다. 위성은 현장에 닿지 못해도 넓은 지역을 한 번에 찍으므로 이 빈틈을 메웁니다. 실무에서는 위성 분석을 현장 조사의 대체가 아니라, 조사팀이 어디부터 갈지 정하는 안내도로 씁니다.

🛰️ 전후 영상을 비교하면 무너진 건물을 어떻게 찾나요?

기본은 같은 장소를 지진 전과 후에 찍은 두 영상으로 맞춰 놓고 달라진 곳을 찾는 일입니다. 눈으로만 넘겨 보기엔 범위가 넓어서, AI가 두 영상을 겹쳐 건물 단위로 변화 가능성에 점수를 매깁니다. 학습에는 붕괴 건물을 사람이 표시해 둔 영상이 필요하고, 촬영 각도와 계절, 해상도가 비슷할수록 결과가 안정적입니다. 그림자와 공사장, 주차된 차량도 변화로 잡혀 오탐이 생기고, 지붕은 그대로인 채 층만 주저앉은 건물은 놓치기 쉽습니다. 해봐야 아는 것: Copernicus Browser 같은 공개 뷰어의 Compare 기능으로 같은 지점을 전후로 번갈아 보며 변한 곳 다섯 군데를 고르고, 각각 그림자나 계절 탓인지 따져 보세요. 메뉴 이름은 버전에 따라 다를 수 있습니다. 이 판단이 현장 조사팀에 넘길 확인 대상 목록이 됩니다.

📡 InSAR로 땅의 움직임은 어떻게 재나요?

SAR는 위성이 직접 전파를 쏘고 되돌아온 신호를 기록하는 방식이라 구름이 끼거나 밤이어도 영상을 얻습니다. InSAR는 같은 궤도에서 다른 날 찍은 두 SAR 영상의 위상 차이를 비교합니다. 그 사이 땅이 위성 쪽으로 다가가거나 멀어지면 위상이 달라지고, 이 차이가 무지개처럼 반복되는 간섭무늬로 나타납니다. 무늬 한 바퀴는 위성 시선 방향으로 파장의 절반만큼 움직였다는 뜻이어서, 눈에 보이지 않는 미세한 지표 변위도 읽을 수 있습니다. 다만 재는 것은 시선 방향의 변화 하나뿐이고, 식생이 우거지거나 건물이 무너져 지표가 크게 바뀐 곳에서는 무늬가 흐려집니다. 지진 후에는 이 무늬로 단층이 어디까지 움직였는지 짐작하고, 지반 변형이 큰 지역을 우선 점검 구역으로 잡습니다.

🚒 빠른 추정치는 구조 자원 배분에 어떻게 쓰이나요?

흐름은 대체로 이렇습니다. 지진이 나면 쓸 수 있는 위성 영상을 확인하고, 필요하면 국제 협력 체계나 공공 서비스를 통해 촬영과 제공을 요청합니다. 영상이 들어오면 AI가 붕괴 가능성이 높은 건물과 지표 변위가 큰 곳을 표시합니다. 이 피해 가능성 지도를 인구 분포, 도로망, 병원·대피소 위치와 겹치면 사람이 많고 접근이 어려운 구역이 드러납니다. 상황실은 그 순서를 바탕으로 구조대와 중장비, 의료 인력을 어디에 먼저 보낼지 정합니다. 이때 추정치는 확정이 아니므로 지도에 촬영 시각과 신뢰도를 함께 적고, 현장 팀이 도착해 확인한 결과를 다시 분석에 반영해 지도를 고쳐 나갑니다. 이렇게 보정이 오가면서 초기 판단이 점점 정확해집니다.

⚠️ 위성 분석 결과를 그대로 믿어도 되나요?

그대로 믿으면 안 됩니다. 먼저 영상이 언제 찍혔는지 보세요. 본진 이후에 찍힌 영상이 아니면 피해가 반영되지 않았고, 여진 뒤에 찍은 영상이면 본진 피해와 섞일 수 있습니다. 해상도가 낮으면 건물 하나하나가 아니라 구역 단위로만 판단해야 합니다. 구름이 낀 지역은 광학 영상이 비어 있을 수 있어 SAR로 보완합니다. 정확도는 앞서 다룬 혼동행렬처럼 오탐과 누락을 나눠 확인하고, 일부 지점은 현장 사진이나 신고와 직접 대조합니다. 보고서에서는 단정하는 표현 대신 추정 피해 후보라고 쓰고 촬영일과 분석 방법을 함께 적어야 현장 판단이 흔들리지 않습니다. 이 한 줄이 나중에 구조 우선순위를 되짚을 때 근거가 됩니다.

🖥️ 화면에서 따라하기

따라하기 단계

  1. 뷰어 접속
    브라우저에서 Copernicus Browser를 열고 검색창에 확인할 지진 피해 지역명을 입력해 지도를 이동
  2. 전 영상 찾기
    왼쪽 Search 탭 > 데이터 소스 Sentinel-2 선택 > 지진 전 날짜 범위와 낮은 구름량 입력 > Search
  3. 후 영상 찾기
    같은 방식으로 지진 이후 날짜 범위를 넣고 구름이 적은 영상을 골라 Visualize 누르기
  4. 전후 비교
    Compare 기능(이름이 다르면 도움말에서 compare 검색)으로 두 날짜를 놓고 슬라이더 이동
  5. SAR 확인
    데이터 소스를 Sentinel-1로 바꿔 구름 낀 날에도 영상이 있는지 확인하고 광학 영상과 비교
  6. 후보 기록
    변화가 의심되는 지점의 위치를 메모하고 고해상도 지도와 대조해 그림자·공사 탓인지 구분

※ 프로그램 버전에 따라 메뉴 이름이 조금씩 다를 수 있습니다. 위 그림은 순서를 정리한 도식입니다.

✍️ 그대로 복사해 쓰는 프롬프트

위성 분석 결과를 현장 확인용 점검 목록과 상황보고 문장으로 정리하기

당신은 지진 대응 상황실에서 일하는 재난안전 분석 보조자입니다.
[기관명]이 [지진 발생일]에 [지역명]에서 받은 위성 분석 결과를 정리하려 합니다.
입력 자료: 전후 영상 촬영일 [전/후 날짜], 영상 종류 [광학 또는 SAR], 해상도 [값 또는 모름], 붕괴 의심 지점 목록 [지점명과 설명].
할 일: 1) 지점을 확인 우선순위 높음·중간·낮음으로 나누고 이유를 한 줄씩 쓰세요. 2) 상황보고용 문단을 3문장 이내로 쓰세요.
제약: 입력에 없는 피해 수치와 사상자 수는 만들지 마세요. 단정하지 말고 추정 피해 후보라고 쓰세요. 촬영일과 영상 한계를 반드시 포함하세요.
형식: 표 없이 줄글과 번호 목록만 쓰세요.
사람이 확인할 것: 지점 위치와 촬영일이 원자료와 일치하는지, 우선순위가 실제 도로 접근성과 맞는지, 보고 문장에 근거 없는 수치가 없는지 확인하세요.

오탐 가능성을 따져 현장 조사 질문지 만들기

당신은 건물 피해 조사 경험이 있는 보조자입니다.
AI가 [지역명]에서 붕괴 가능성이 높다고 표시한 건물 [개수 또는 목록]을 조사팀이 확인합니다.
각 후보에 대해 그림자, 공사, 계절 변화, 지붕은 멀쩡하고 층만 무너진 경우 같은 오탐·누락 원인을 점검할 질문을 만드세요.
형식: 현장 팀이 체크할 수 있는 질문 5개 이내와 사진으로 남길 항목 3개 이내.
제약: 구조 안전 판정이나 출입 가능 여부는 판단하지 말고, 최종 판단은 자격 있는 전문가가 한다고 한 줄로 적으세요.
사람이 확인할 것: 질문이 우리 기관의 조사 양식과 맞는지, 안전 관련 표현이 부적절하지 않은지 확인하세요.

※ 대괄호 부분을 상황에 맞게 바꿔서 쓰세요. 받은 답은 그대로 쓰지 말고 사실 확인을 거치세요.

🧪 직접 해보기

  • Copernicus Browser에서 최근 지진 피해 지역을 골라 Sentinel-2 전후 영상을 비교하고 변화 후보 다섯 곳을 적어 보기
  • 같은 지역을 Sentinel-1으로 바꿔 구름 낀 날에도 영상이 얻어지는지 확인하고 광학 영상과 차이를 메모하기
  • 위 프롬프트로 가상의 점검 목록을 만든 뒤 촬영일, 위치, 수치가 근거 없이 들어갔는지 직접 점검하기

❓ 자주 묻는 질문

Q. 위성으로 지진 피해를 얼마나 빨리 알 수 있나요?
A. 위성이 언제 그 지역을 지나가는지, 구름이 있는지, 영상 제공이 얼마나 빠른지에 따라 다릅니다. 영상이 들어온 뒤의 분석은 AI 덕분에 사람이 직접 보는 것보다 훨씬 빠르게 진행할 수 있습니다.
Q. InSAR는 건물이 무너졌는지도 알려 주나요?
A. 직접 알려 주지는 않습니다. InSAR는 지표가 위성 시선 방향으로 얼마나 움직였는지를 보여 주므로, 단층 이동이나 지반 변형이 큰 지역을 찾는 데 쓰입니다. 건물 붕괴 여부는 광학 영상 비교나 현장 조사와 함께 판단합니다.
Q. AI가 찾은 붕괴 건물은 믿을 수 있나요?
A. 참고 자료로는 유용하지만 확정은 아닙니다. 그림자나 공사 현장이 변화로 잡히는 오탐이 있고, 층만 주저앉은 건물을 놓칠 수도 있습니다. 현장 확인과 정확도 평가를 거쳐 추정 후보로 다루는 것이 안전합니다.

지진 직후의 위성 분석은 빠른 시야를 주지만 정답을 주지는 않습니다. 전후 영상 비교는 붕괴 후보를 좁히고, InSAR는 땅이 어디까지 움직였는지 보여 주며, 두 결과를 인구와 도로 정보에 겹치면 구조 자원을 어디에 먼저 보낼지 근거가 생깁니다. 다만 촬영일과 해상도, 오탐 가능성을 함께 적고 현장 확인으로 보정해야 판단이 흔들리지 않습니다. 그렇다면 같은 방식으로 지진 뒤 산사태나 지반 침하 같은 이차 피해는 어떻게 가려낼 수 있을까요?

GeoAI 기초 시리즈 38편 · 전체 43편

🔔 새 글 받아보기

도움이 되셨다면 팔로우해 두세요. 새 글이 올라오면 바로 알 수 있습니다.

➕ 이 블로그 팔로우  ·  ▶️ 유튜브 구독  ·  📡 RSS


재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.

📌 바로가기

2026-09-27

SAR 위성으로 침수 지역을 찾는 원리 | GeoAI 기초 12편

SAR 위성으로 침수 지역을 찾는 원리 | GeoAI 기초 12편

📌 3줄 요약

  • SAR 위성은 구름·밤에도 레이더파로 지표를 관측할 수 있다
  • 물 표면은 레이더파를 정반사해 후방산란이 낮아 어둡게 보인다
  • 홍수 전후 영상을 비교하는 변화탐지로 침수 범위를 구분한다

집중호우가 48시간째 이어지는 상황을 상상해 보세요. 하늘은 두꺼운 구름으로 가득 차 있고, 재난 대응 기관은 어느 지역이 얼마나 잠겼는지 파악하지 못해 구조 차량 배치도 못 하고 있습니다. 이때 일반 광학 위성은 구름 때문에 지표를 아예 볼 수 없습니다.

SAR(합성개구레이더, Synthetic Aperture Radar) 위성은 이 상황에서 빛을 발합니다. SAR는 마이크로파 대역의 레이더 신호를 스스로 쏘고 반사돼 돌아오는 신호를 기록하기 때문에, 구름이 두껍거나 야간이어도 지표 정보를 얻을 수 있습니다. 홍수 대응 실무에서 SAR 영상으로 침수 범위를 찾는 원리를 단계별로 풀어 보겠습니다.

🛰️ SAR 위성은 어떤 방식으로 지표를 관측하나요?

SAR는 안테나에서 마이크로파를 지표를 향해 비스듬히 쏘고, 지표 물체에 부딪혀 돌아오는 신호의 세기(후방산란, backscatter)를 측정합니다. 후방산란이 강할수록 영상에서 밝게, 약할수록 어둡게 표현됩니다. 건물이나 울퉁불퉁한 숲은 신호를 사방으로 반사해 많은 양이 안테나로 되돌아오기 때문에 밝게 나타납니다. 반대로 표면이 고르고 매끄러울수록 신호는 거울처럼 멀리 튕겨 나가 안테나로는 거의 돌아오지 않습니다. 위성 운용 기관에 따라 관측 주파수(C밴드, L밴드 등)와 해상도가 다르므로, 분석 전에 사용할 영상의 메타데이터를 반드시 확인해야 합니다. 홍수 대응에서는 이 특성 덕분에 구름이 낀 재난 상황에서도 반복 관측이 가능하고, 야간 침수 확산 모니터링에도 활용됩니다.

🌊 물이 SAR 영상에서 어둡게 보이는 이유가 뭔가요?

잔잔한 물 표면은 거울과 비슷하게 작동합니다. SAR 신호가 비스듬히 입사하면, 수면은 신호를 입사각과 반대 방향으로 정반사(specular reflection)시켜 버립니다. 안테나로 되돌아오는 에너지가 극히 적으므로 후방산란 값이 낮아지고, 영상에서는 어두운 색으로 표현됩니다. 이 원리는 잔잔한 호수, 침수된 논, 도시 침수 구역 모두에 동일하게 적용됩니다. 단, 바람이 강하거나 수면에 파도가 생기면 거칠어진 수면이 신호를 분산 반사하기 때문에 후방산란이 올라가 어두운 정도가 줄어들 수 있습니다. 재난 현장에서 강풍을 동반한 태풍 상황에는 이 점을 감안해 침수 범위가 실제보다 좁게 탐지될 수 있다는 것을 미리 고려해야 합니다.

🔍 변화탐지로 침수 범위를 찾는 절차는 어떻게 되나요?

변화탐지(Change Detection)는 같은 지역을 촬영한 두 시기의 영상을 비교해 달라진 부분을 찾아내는 방법입니다. 홍수 침수 탐지에서는 다음 순서로 진행합니다. 첫째, 홍수 이전(평상시) SAR 영상과 홍수 이후 영상을 준비합니다. 둘째, 두 영상을 같은 좌표계로 정합(registration)하여 픽셀 위치를 맞춥니다. 셋째, 후방산란 차이값(후방산란_이전 빼기 후방산란_이후)을 계산합니다. 홍수로 물이 고인 곳은 이전에는 밝았다가 이후에는 어두워지므로, 차이값이 큰 음수로 나타납니다. 넷째, 임계값(threshold)을 정해 그 이하인 픽셀을 침수 후보로 분류합니다. 이 임계값은 지역과 계절마다 달라질 수 있어 직접 확인해야 하는 부분입니다. 실무에서는 이렇게 추출한 침수 후보 영역을 행정 경계, 인구 데이터와 겹쳐서 피해 가구 수를 추정하는 데 활용합니다.

아래는 Python과 numpy를 사용해 후방산란 차이 이미지를 구하는 간단한 예시입니다.

import numpy as np
import rasterio

with rasterio.open("sar_before.tif") as src:
    before = src.read(1).astype(float)

with rasterio.open("sar_after.tif") as src:
    after = src.read(1).astype(float)

diff = after - before
threshold = -3.0  # dB 단위 임계값은 지역별로 직접 조정 필요
flood_mask = diff < threshold

⚠️ 오탐이 생기는 주요 원인은 무엇인가요?

SAR 변화탐지에서 자주 마주치는 오탐(false positive, 실제로는 침수가 아닌데 침수로 잡히는 경우)은 크게 두 가지입니다. 첫째는 그림자입니다. 산지나 고층 건물 뒤편에 생기는 레이더 그림자(radar shadow) 영역은 신호가 거의 도달하지 않아 후방산란이 낮게 나오며, 이 부분이 물로 오인될 수 있습니다. 둘째는 매끄러운 지면입니다. 비포장 도로, 짧게 깎은 잔디밭, 건조한 소금 평지처럼 표면이 고른 곳은 잔잔한 수면과 비슷한 낮은 후방산란을 보일 수 있습니다. 이를 걸러내려면 DEM(수치표고모델)으로 경사가 심한 그림자 영역을 마스킹하거나, 토지피복 데이터를 겹쳐 건물 밀집 지역과 교차 확인하는 과정이 필요합니다. 재난 대응 결정권자에게 탐지 결과를 보고할 때는 이런 오탐 가능성을 함께 명시하는 것이 신뢰도 높은 보고서의 기본 요건입니다.

🗺️ 실제 재난 대응 업무에서는 어떻게 연결되나요?

침수 범위가 벡터 폴리곤으로 확정되면, 이 데이터는 여러 단계의 의사결정에 연결됩니다. 행정안전부나 지자체의 재난 상황실에서는 침수 폴리곤을 도로망 데이터와 겹쳐 접근 불가 구역을 파악하고, 구조 차량 경로를 재설정하는 데 씁니다. 또 주민등록 기반 거주지 데이터와 교차하면 고립 가능 인구를 빠르게 추정할 수 있습니다. 이 과정에서 영상 촬영 시각과 분석 결과 제공 시각 사이의 시간 지연이 현장 활용성을 크게 좌우합니다. 따라서 분석 자동화 파이프라인을 미리 구축해 두고, 위성 영상이 수신되는 즉시 처리 결과가 나오도록 준비해 두는 것이 실무에서 점점 중요해지고 있습니다. 다음 편에서는 이런 자동화 흐름에 딥러닝 모델을 얹는 방법을 살펴볼 예정입니다.

🖥️ 화면에서 따라하기

따라하기 단계

  1. 영상 검색
    ESA Copernicus Data Space(https://dataspace.copernicus.eu) 접속 후 검색창에 관심 지역 입력, Sentinel-1 GRD 필터 선택
  2. 기간 설정
    날짜 범위 필드에 홍수 발생 전 30일과 발생 후 날짜를 각각 입력, 두 영상 다운로드
  3. SNAP 열기
    ESA SNAP 실행 > File > Open Product로 두 영상(.zip) 차례로 불러오기 (버전에 따라 메뉴 위치가 다를 수 있으므로 SNAP 공식 문서 참고)
  4. 전처리 실행
    Radar > Geometric > Terrain Correction 선택, 출력 좌표계를 EPSG:4326으로 설정 후 Run
  5. 차이 계산
    Raster > Band Maths 클릭, 수식 입력창에 'after_VV - before_VV' 입력 후 OK
  6. 임계값 분류
    Band Maths 재실행, '(after_VV - before_VV) < -3.0' 입력해 침수 마스크 생성, 결과 레이어 내보내기

※ 프로그램 버전에 따라 메뉴 이름이 조금씩 다를 수 있습니다.

✍️ 그대로 복사해 쓰는 프롬프트

SAR 침수 탐지 분석 결과를 재난 상황실 보고용 설명문으로 정리할 때 사용

당신은 재난안전 분야 GIS 분석가입니다.
아래 SAR 변화탐지 분석 결과를 바탕으로, 재난 상황실 비전문가 담당자가 이해할 수 있는 간결한 보고 문단을 작성해 주세요.
분석 개요: [홍수 발생 지역], [촬영 날짜 전후], Sentinel-1 GRD 영상 사용
침수 추정 면적: [숫자] km²
주요 침수 행정구역: [구역 목록]
오탐 가능성 지역: [해당 지역 또는 '없음']
작성 조건:
- 200자 내외의 한국어 단락 1개로 작성
- SAR, 후방산란 같은 전문용어는 괄호 안에 한 줄 설명 추가
- 분석의 불확실성(오탐 가능성, 바람 영향 등)을 마지막 문장에 반드시 포함
- 확인되지 않은 수치는 절대 추가하지 말 것
사람이 확인해야 할 항목: 면적 수치가 실제 입력값과 일치하는지, 불확실성 문장이 빠지지 않았는지 검토하세요.

※ 대괄호 부분을 상황에 맞게 바꿔서 쓰세요. 받은 답은 그대로 쓰지 말고 사실 확인을 거치세요.

🧪 직접 해보기

  • Copernicus Data Space에서 국내 하천 인근 지역의 Sentinel-1 GRD 영상을 두 시기 검색해, 육안으로 밝기 차이가 보이는 위치를 찾아보세요
  • ESA SNAP의 Band Maths 기능으로 두 시기 영상의 VV 밴드 차이 이미지를 만들고, 히스토그램을 확인해 임계값을 직접 조정하며 침수 후보 영역이 어떻게 바뀌는지 관찰하세요
  • 추출한 침수 마스크를 QGIS에서 레이어로 불러온 뒤, 배경 지도와 비교해 그림자·도로 등 오탐 의심 지점을 3곳 이상 찾아 메모해 보세요

❓ 자주 묻는 질문

Q. 광학 위성 NDWI와 SAR 침수 탐지는 어떻게 다른가요?
A. NDWI는 가시광·근적외선 반사율 차이를 이용하므로 구름이 없을 때만 사용할 수 있습니다. SAR는 마이크로파를 직접 쏘기 때문에 구름과 야간에도 관측이 가능합니다. 두 방법의 결과를 교차 검증하면 탐지 신뢰도를 높일 수 있습니다.

Q. 임계값은 어떻게 정하나요?
A. 정해진 고정값은 없습니다. 지역의 토지피복, 계절, 위성 관측 각도에 따라 달라지므로 먼저 분석 지역 안에서 확실히 침수된 곳과 침수되지 않은 곳을 몇 군데 골라 후방산란 차이값 분포를 직접 확인해야 합니다. 이렇게 기준 지점을 정해 임계값을 조정하는 과정을 현장 검증(ground truthing)이라고 합니다.

Q. SAR 영상은 어디서 무료로 받을 수 있나요?
A. ESA(유럽우주국)의 Copernicus Data Space에서 Sentinel-1 영상을 등록 후 내려받을 수 있습니다. 제공 조건과 접근 방식은 플랫폼 정책에 따라 변경될 수 있으므로, 이용 전에 해당 사이트의 최신 이용 약관을 확인하세요.

SAR 영상에서 물이 어둡게 보이는 이유는 물리적으로 단순합니다. 잔잔한 수면이 레이더 신호를 먼 곳으로 튕겨 버리기 때문입니다. 이 단순한 원리 위에 변화탐지라는 비교 절차를 얹으면, 구름이 가득한 재난 상황에서도 침수 범위를 추정하는 실용적인 도구가 됩니다. 다만 그림자와 매끄러운 지면이 만드는 오탐은 자동 분석만으로는 완전히 걸러내기 어렵고, 반드시 사람이 지형·토지피복 데이터를 함께 보며 검토하는 단계가 필요합니다. 침수 범위를 픽셀 단위로 찾아냈다면, 다음 질문은 자연스럽게 이어집니다. 이 침수 지역에 딥러닝 모델을 얹으면 더 빠르고 정확하게 탐지할 수 있을까요?

GeoAI 기초 시리즈 12편 · 전체 43편


재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.

📌 바로가기

노르딕워킹 폴을 앞으로 멀리 찍게 될 때, 앞발 옆 무게중심 아래로 가져오는 점검

노르딕워킹을 시작하면 팔을 앞으로 쭉 뻗어 폴을 멀리 찍고 싶어집니다. 폴이 멀리 닿으면 멀리 나가는 느낌이 들기 때문입니다. 스위스 건강보험사 Helsana의 건강 블로그와 독일 폴 제조사 LEKI의 초보자 안내는 이 습관을 흔한 실수로 꼽습니다....