위성영상 변화탐지는 같은 장소를 다른 시점에 찍은 영상을 비교해 변화를 찾아내는 기술로, 전후 비교와 시계열 분해의 차이부터 가짜 변화를 가려내는 법까지 다룹니다.
📌 3줄 요약
- 전후비교는 두 장, 시계열분해는 추세와 계절성을 가른다
- 그림자·조수·계절차가 가짜 변화로 오인되기 쉽다
- 개발·침수·붕괴 판독엔 서로 다른 변화탐지 전략이 필요하다
작년 이맘때 찍은 위성사진과 오늘 찍은 사진을 나란히 놓고 보면, 분명 뭔가 달라 보입니다. 숲이었던 자리가 갈색으로 변했거나, 강가의 경계선이 넓어졌거나. 그런데 이게 정말 산사태나 침수 때문일까요, 아니면 그냥 촬영한 날의 햇빛 각도나 계절이 달라서 그렇게 보이는 걸까요.
변화탐지는 말 그대로 두 시점 이상의 영상을 비교해서 달라진 부분을 찾는 작업입니다. 원리는 간단해 보이지만, 실제로는 진짜 변화와 가짜 변화를 가려내는 일이 훨씬 어렵습니다. 재난 현장에서 오탐 하나가 잘못된 대피 지시나 엉뚱한 구조 출동으로 이어질 수 있기 때문에, 이 개념을 정확히 이해하고 쓰는 게 중요합니다.
🛰️ 전후 비교와 시계열 분해, 뭐가 다른가요?
전후 비교는 재난 전 영상 한 장과 재난 후 영상 한 장, 딱 두 시점을 겹쳐서 달라진 픽셀을 찾는 방식입니다. 지진이나 산사태처럼 특정 사건 전후를 빠르게 봐야 할 때 유용합니다. 반면 시계열 분해는 수십, 수백 장의 영상을 길게 쌓아 놓고 추세(꾸준히 늘거나 주는 변화), 계절성(해마다 반복되는 패턴), 그리고 나머지 불규칙한 변화를 수학적으로 분리합니다. 농경지가 매년 반복하는 작황 변화인지, 아니면 올해만 유난히 이상한 건지 구분할 수 있는 거죠. 전후 비교는 빠르고 직관적이지만 우연히 그날 조건이 특이했을 경우를 걸러내기 어렵고, 시계열 분해는 데이터가 많이 필요한 대신 장기적인 토지 변화나 산불 위험지 확산처럼 패턴을 보는 데 강합니다. 재난 대응 속도가 중요한 홍수 초기 대응은 전후 비교, 산사태 위험지역 모니터링처럼 누적 추세를 봐야 하는 경우는 시계열 분해가 더 어울립니다.
🌤️ 계절과 촬영 조건이 왜 가짜 변화를 만드나요?
같은 장소라도 여름과 겨울에 찍으면 식생의 색과 밀도가 완전히 다릅니다. 겨울에는 낙엽이 져서 토양이 드러나니 마치 숲이 사라진 것처럼 보일 수 있고, 비가 온 뒤 토양 수분이 높으면 반사율이 낮아져 실제로는 아무 일 없었는데도 변화로 잡힙니다. 촬영 시각에 따른 태양 고도 차이도 그림자 길이를 바꿔서 건물이나 산지의 경계를 다르게 보이게 만듭니다. SAR(합성개구레이더, 전파를 쏴서 반사되는 신호로 영상을 만드는 방식) 영상이라면 촬영 각도나 궤도 방향이 달라졌을 때도 같은 지형이 다르게 찍힙니다. 이런 가짜 변화를 줄이려면 가능한 한 비슷한 계절, 비슷한 시간대, 비슷한 궤도 조건의 영상을 골라 비교하는 게 기본입니다. 그래서 변화탐지 결과를 볼 때는 항상 두 영상의 촬영 날짜와 조건을 먼저 확인하는 습관이 필요하고, 이는 산불 피해지 판독처럼 계절성 식생 변화가 큰 지역에서 오탐을 줄이는 핵심 절차입니다.
🏗️ 개발로 인한 변화는 어떻게 읽나요?
도시 개발로 인한 변화는 보통 명확한 기하학적 패턴을 띱니다. 논밭이나 산지였던 곳에 직선 도로와 사각형 건물 배치가 생기면 변화탐지 알고리즘이 반사율 차이뿐 아니라 형태의 규칙성까지 함께 잡아내는 경우가 많습니다. 다만 공사장은 단계별로 모습이 계속 바뀌기 때문에, 한 시점의 전후 비교만으로는 공사 중인지 이미 완료됐는지 헷갈릴 수 있습니다. 이럴 때는 여러 시점을 연속으로 쌓아서 변화의 진행 방향을 확인하는 게 안전합니다. 불법 산지 개발이나 무허가 성토 작업을 감시할 때도 같은 원리가 쓰입니다. 특정 지역에서 식생 지수가 갑자기 뚝 떨어지고 그 상태가 계속 유지된다면, 일시적인 벌목이 아니라 영구적인 개발일 가능성이 높다고 판단하는 식입니다. 이런 식으로 변화의 지속성을 확인하는 절차는 산지 훼손이나 불법 매립 같은 재난 전조를 조기에 포착하는 데 활용됩니다.
💧 침수와 붕괴는 변화탐지에서 어떻게 다르게 보이나요?
침수는 물이 차오르면서 지표면을 넓게 덮기 때문에, 광학 영상에서는 어둡고 매끈한 색으로, SAR 영상에서는 반사가 거의 없어 검게 나타나는 특징이 있습니다. 변화탐지에서는 평소 마른 땅이었던 구간이 갑자기 이런 특징을 보이면 침수로 판단합니다. 반면 건물 붕괴나 산사태는 국소적이고 불규칙한 패턴으로 나타납니다. 멀쩡하던 직선 형태의 건물 윤곽이 사라지거나, 산비탈의 식생 패턴이 흙과 돌이 드러난 불규칙한 무늬로 바뀌는 식입니다. 침수는 넓은 면적에 걸쳐 비교적 단순한 변화라서 자동 탐지가 수월한 편이지만, 붕괴는 그림자나 잔해 더미 때문에 오인식이 잦아서 사람이 직접 영상을 확대해 확인하는 과정이 꼭 필요합니다. 재난 상황실에서는 이 둘을 구분해서, 침수는 자동 알고리즘으로 넓은 범위를 빠르게 스캔하고, 붕괴 의심지역은 고해상도 영상으로 추가 확인하는 이원화된 절차를 쓰는 경우가 많습니다.
🔍 가짜 변화인지 진짜 변화인지는 어떻게 확인하나요?
알고리즘이 변화라고 표시한 모든 픽셀을 다 믿을 수는 없습니다. 해봐야 아는 것이 바로 이 부분인데, 의심되는 지역을 다른 출처의 영상이나 지상 사진, 뉴스 보도, 현장 신고와 교차 확인하는 절차가 반드시 필요합니다. 예를 들어 변화탐지 결과에서 특정 농지가 갑자기 어두워졌다면, 그게 침수인지 단순히 추수 후 땅을 갈아엎은 것인지는 같은 시기 다른 지역의 농경 패턴과 비교해봐야 구분됩니다. 또한 구름 그림자나 센서의 일시적 오류도 변화로 잘못 잡힐 수 있어서, 하루 전이나 다음 날 영상을 추가로 확인하는 습관이 오탐을 크게 줄여줍니다. 이런 교차검증 절차는 특히 대피 명령처럼 실제 행동으로 이어지는 판단 앞에서는 생략할 수 없는 단계이며, 자동 탐지 결과를 1차 스크리닝으로만 쓰고 최종 판단은 사람이 내리는 체계가 재난 현장에서 권장됩니다.
🖥️ 화면에서 따라하기
- 영상 두 장 준비
공개 위성영상 사이트(예: Sentinel Hub, USGS EarthExplorer)에서 같은 지역 두 시점 영상 내려받기 - 레이어 불러오기
GIS 프로그램에서 레이어 > 레이어 추가 > 래스터 레이어로 두 영상 등록하기 - 촬영조건 확인
메타데이터 창에서 촬영 날짜·시간·궤도 방향 비교해 조건 차이 메모하기 - 밴드 연산 실행
래스터 > 래스터 계산기 열어 (영상2 - 영상1) 식으로 차영상 만들기 - 결과 시각화
생성된 차영상을 레이어 속성 > 심볼로지에서 색상 대비 강조해 변화 구간 확인하기 - 교차 검증
변화로 표시된 구역을 고해상도 지도나 뉴스·현장 사진과 대조해 오탐 여부 점검하기
※ 프로그램 버전에 따라 메뉴 이름이 조금씩 다를 수 있습니다. 위 그림은 순서를 정리한 도식입니다.
✍️ 그대로 복사해 쓰는 프롬프트
변화탐지 결과를 보고할 때 가짜 변화 가능성을 점검하는 체크리스트 받기
너는 위성영상 변화탐지 결과를 검수하는 GIS 분석 보조야. 내가 [분석 대상 지역]에서 [재난 유형, 예: 침수/산사태/산불]을 탐지한 결과를 보고서로 작성하려고 해. 두 영상의 촬영일은 [날짜1]과 [날짜2]이고 계절 차이는 [있음/없음]이야. 아래 형식으로 답해줘. 1) 이 조건에서 발생할 수 있는 가짜 변화 원인 3가지 2) 각 원인을 구분하기 위해 확인해야 할 영상 특징 3) 보고서에 반드시 명시해야 할 주의 문구 한 줄 확인하지 못한 사실은 추측해서 단정하지 말고 "현장 확인 필요"라고 표시해줘.
※ 대괄호 부분을 상황에 맞게 바꿔서 쓰세요. 받은 답은 그대로 쓰지 말고 사실 확인을 거치세요.
🧪 직접 해보기
- 공개 위성영상 사이트에서 같은 지역의 여름과 겨울 영상을 받아 색 차이를 직접 비교해보기
- 뉴스에 나온 재난 전후 비교 사진을 보고 그림자나 촬영각도 차이가 있는지 살펴보기
- 무료 GIS 프로그램으로 두 영상의 차영상을 만들어 변화 구간이 실제 지형과 맞는지 확인해보기
❓ 자주 묻는 질문
Q. 변화탐지에 꼭 SAR 영상을 써야 하나요?
A. 아닙니다. 광학 영상도 널리 쓰이며, 구름이 많은 지역이나 야간 관측이 필요할 때 SAR이 유리할 뿐 상황에 따라 선택이 달라집니다.
Q. 전후 비교만으로 재난 피해를 확정해도 되나요?
A. 권장되지 않습니다. 가짜 변화 가능성이 있으므로 현장 확인이나 추가 영상 교차검증을 거친 뒤 최종 판단하는 것이 안전합니다.
Q. 시계열 분해에는 영상이 몇 장쯤 필요한가요?
A. 정해진 기준은 없고 분석 목적과 주기에 따라 다릅니다. 계절성을 분리하려면 최소 1년 이상의 주기를 포함하는 데이터가 일반적으로 권장됩니다.
위성영상 변화탐지는 두 장의 사진을 겹쳐보는 단순한 작업처럼 보이지만, 그 이면에는 계절과 촬영조건이 만드는 수많은 함정이 숨어 있습니다. 다음 편에서는 이렇게 탐지된 변화를 AI가 어떻게 자동으로 분류하고 라벨링하는지, 그 학습 과정의 원리를 살펴보겠습니다.
GeoAI 기초 시리즈 19편 · 전체 43편
재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.
📌 바로가기
