📚 기술사 수험서 찾아보기

토목시공기술사 → 건축시공기술사 → 건설안전기술사 → 측량및지형공간정보기술사 →

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

레이블이 파이썬GIS인 게시물을 표시합니다. 모든 게시물 표시
레이블이 파이썬GIS인 게시물을 표시합니다. 모든 게시물 표시

2026-10-14

GeoAI 진로 | 배울 것과 포트폴리오 | GeoAI 기초 26편

GeoAI 진로 | 배울 것과 포트폴리오 | GeoAI 기초 26편

🎬 1분 브리핑 영상

GeoAI 진로를 준비한다면 GIS·프로그래밍·재난 도메인 지식을 한 번에 갖추려 하지 말고 순서대로 쌓는 편이 낫습니다. 포트폴리오도 거창한 모델보다 공개 데이터로 끝까지 완성한 작은 프로젝트 하나가 더 설득력 있습니다.

📌 3줄 요약

  • GeoAI는 GIS·프로그래밍·재난 도메인 세 역량이 겹치는 자리입니다
  • 학습은 지도 보는 법부터 코드, 모델 순으로 쌓는 게 효율적입니다
  • 포트폴리오는 공개 재난 데이터로 만든 작은 분석 1~2개면 충분합니다

"GIS도 배우고, 파이썬도 배우고, 딥러닝도 배워야 하나요?" GeoAI 진로를 묻는 분들이 가장 많이 하는 질문입니다. 셋을 동시에 완벽히 하려다 보면 어느 것도 끝맺지 못하고 지치기 쉽습니다.

사실 재난안전 분야의 GeoAI 업무는 지도를 다루는 감각, 코드로 반복 작업을 자동화하는 능력, 그리고 홍수·산사태·산불 같은 현장 지식이 적당한 비율로 섞여 있으면 충분히 해낼 수 있습니다. 중요한 건 세 가지를 동시에 완벽히 갖추는 게 아니라, 어떤 순서로 쌓아야 중간에 포기하지 않는지입니다. 이번 글에서는 그 순서와 함께, 이력서에 바로 넣을 수 있는 포트폴리오 예시까지 정리합니다.

Camera on tripod in a golden field with lush forest in Istanbul, Türkiye.
자료사진 · 사진: afra nur koç / Pexels

🧭 GeoAI 하려면 어떤 역량부터 쌓아야 하나요?

GeoAI는 공간정보(GIS, 위치·지도 데이터를 다루는 기술)와 인공지능이 만나는 분야라 크게 세 묶음의 역량이 필요합니다. 첫째는 GIS 기초로, 좌표계·레이어·래스터(격자 형태의 영상 데이터)와 벡터(점·선·면 형태의 데이터) 차이를 아는 것입니다. 둘째는 프로그래밍으로, 반복되는 지도 작업을 자동화하고 모델을 돌리는 데 필요합니다. 셋째는 도메인 지식, 즉 홍수나 산사태가 실제로 어떻게 발생하고 어떤 데이터로 포착되는지 아는 것입니다. 셋 중 하나라도 빠지면 분석 결과는 나오지만 현장에서 못 쓰는 숫자에 그칩니다. 예를 들어 침수 범위를 계산했는데 대피소 위치나 도로 통제 기준을 모르면 그 숫자를 어떻게 써야 할지 알 수 없는 것과 같습니다.

🗺️ GIS는 어디까지 알아야 하나요?

처음부터 모든 공간분석 기법을 외울 필요는 없습니다. QGIS 같은 무료 프로그램으로 레이어를 열고 닫고, 속성 테이블을 확인하고, 좌표계를 맞추는 수준이면 시작하기 충분합니다. 그다음 버퍼(특정 지점 주변 일정 거리 영역을 만드는 기능), 중첩분석(여러 레이어를 겹쳐 조건을 만족하는 구역을 찾는 기능) 같은 기본 도구를 익히고, 여유가 되면 래스터 연산과 공간보간까지 넓혀가면 됩니다. 여기서 중요한 건 기능을 외우는 게 아니라 "이 레이어가 왜 이렇게 보이는지" 스스로 확인하는 습관입니다. 해봐야 아는 것인데, 똑같은 분석이라도 좌표계가 다르면 거리와 면적 계산이 틀어지므로 결과를 받으면 항상 좌표계부터 확인해야 합니다. 이 습관은 산사태 위험구역처럼 거리 기준이 결과를 좌우하는 분석에서 특히 중요합니다.

🐍 프로그래밍은 어떤 언어부터 배워야 하나요?

파이썬이 가장 무난한 출발점입니다. GIS 라이브러리(지도 데이터를 다루는 코드 묶음)가 풍부하고, 최근의 지구관측 모델이나 생성형 AI 도구 대부분이 파이썬 기반으로 돌아가기 때문입니다. 처음에는 엑셀로 하던 반복 작업, 예를 들어 여러 날짜의 강우량 파일을 하나로 합치는 작업을 코드로 바꿔보는 정도로 시작하면 됩니다. 익숙해지면 지도 데이터를 다루는 라이브러리로 벡터·래스터 파일을 읽고 간단한 지도를 그려보는 단계로 넘어갑니다. 다음과 같은 식으로 시작할 수 있습니다.

import geopandas as gpd
flood = gpd.read_file("flood_extent.shp")
print(flood.crs)
flood.plot()

이 정도 코드만으로도 침수 범위 파일을 열어 좌표계를 확인하고 지도를 그릴 수 있습니다. 실무에서는 이런 자동화 코드 한 줄이 매번 수작업으로 지도를 그리던 담당자의 시간을 크게 줄여줍니다.

📂 포트폴리오로 쓸 만한 프로젝트는 뭐가 있나요?

포트폴리오는 복잡한 딥러닝 모델보다 처음부터 끝까지 완성한 작은 분석이 더 설득력 있습니다. 예를 들어 공개된 침수 흔적도나 산불 발생 이력 데이터를 내려받아 지도에 표시하고, 특정 조건(경사도 높은 지역, 하천에서 가까운 지역 등)을 중첩분석으로 찾아내는 프로젝트가 있습니다. 국가공간정보포털, 공공데이터포털 같은 곳에서 재난 관련 공간 데이터를 찾을 수 있고, 해외 사례를 보고 싶다면 공개된 위성영상 플랫폼에서 특정 지역의 산불 전후 영상을 비교하는 것도 좋은 소재입니다. 중요한 건 데이터 출처와 분석 과정, 한계점을 함께 적는 것입니다. "이 분석은 실제 대피 경로 설계에는 과거 데이터만으로 부족하며 현장 조사가 더해져야 한다"처럼 한계를 밝히는 태도가 오히려 실무자에게는 신뢰를 줍니다.

📈 학습 순서를 어떻게 짜야 끝까지 갈 수 있나요?

세 역량을 동시에 배우려 하지 말고 GIS 기초, 자동화 코드, 도메인 지식 순으로 겹쳐 쌓는 방식을 추천합니다. 먼저 QGIS로 지도를 다루는 감각을 익히고, 그 다음 반복 작업을 코드로 바꾸는 연습을 하면서 동시에 관심 있는 재난 유형 하나(홍수든 산불이든)를 정해 관련 통계와 보고서를 읽습니다. 셋을 한 번에 깊게 파려 하면 지치기 쉬우니, 작은 프로젝트 하나를 끝까지 완성하는 경험을 반복하는 편이 낫습니다. 이렇게 쌓은 역량은 실제 재난 상황실에서 지도 한 장을 빠르게 만들어내야 할 때, 또는 새로운 위성 데이터가 들어왔을 때 바로 써먹을 수 있는 밑천이 됩니다.

🖥️ 화면에서 따라하기

따라하기 단계

  1. QGIS 설치
    공식 사이트에서 운영체제에 맞는 설치파일을 내려받아 설치한다
  2. 공개 데이터 내려받기
    국가공간정보포털 또는 공공데이터포털에서 침수흔적도나 산불 이력 파일을 내려받는다
  3. 레이어 불러오기
    레이어 > 레이어 추가 > 벡터 레이어에서 내려받은 파일을 선택한다
  4. 속성 확인
    레이어 오른쪽 클릭 > 속성 테이블 열기로 항목과 값을 살펴본다
  5. 버퍼 분석 실행
    벡터 > 공간 분석 도구 > 버퍼에서 거리값을 입력해 영향권을 만든다
  6. 결과 저장 및 기록
    레이어 오른쪽 클릭 > 내보내기로 저장하고 분석 과정을 문서로 정리한다

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

✍️ 그대로 복사해 쓰는 프롬프트

재난 관련 공개 데이터로 포트폴리오 프로젝트 주제를 구체화할 때

당신은 공간정보와 재난안전 분야 경력을 코칭하는 멘토입니다
저는 [GIS 기초/파이썬 기초] 정도를 아는 입문자이고 [홍수/산사태/산불] 분야 포트폴리오를 만들고 싶습니다
아래 형식으로 프로젝트 아이디어 3개를 제안해 주세요
형식: 제목 / 사용할 공개 데이터 종류 / 분석 단계 3~4가지 / 예상되는 한계점
실제로 존재하지 않는 데이터나 기관명은 만들어내지 말고, 일반적으로 어떤 종류의 공개 데이터를 찾아보면 되는지로 답해 주세요

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

🧪 직접 해보기

  • QGIS를 무료로 설치하고 공개 침수·산불 데이터를 한 번 레이어로 열어본다
  • 좌표계가 다른 레이어 두 개를 불러와 지도에서 어긋나는 모습을 직접 확인해본다
  • 관심 있는 재난 유형 하나를 정해 관련 공개 데이터가 어디에 있는지 30분만 찾아본다

❓ 자주 묻는 질문

Q. GeoAI 하려면 꼭 개발자처럼 코딩을 잘해야 하나요?
A. 처음부터 고급 개발 실력이 필요하지는 않습니다. 반복 작업을 자동화할 수 있는 수준의 파이썬이면 충분히 시작할 수 있고, 나머지는 프로젝트를 진행하며 필요한 만큼 늘려가면 됩니다.

Q. 포트폴리오에 꼭 딥러닝 모델이 들어가야 하나요?
A. 그렇지 않습니다. 공개 데이터를 깔끔하게 정리해 지도로 보여주고 분석 과정과 한계를 명확히 설명하는 작은 프로젝트도 충분히 좋은 포트폴리오가 됩니다.

Q. 어떤 재난 분야부터 공부하면 좋을까요?
A. 정답은 없지만 거주 지역이나 관심 있는 재난 유형, 또는 공개 데이터가 비교적 풍부한 분야부터 시작하면 끝까지 완성하기 수월합니다.

GIS·프로그래밍·도메인 지식을 한 번에 갖추려 하기보다 작은 프로젝트를 끝까지 완성하는 경험을 쌓다 보면 어느새 셋 다 늘어 있는 걸 느끼게 됩니다. 다음 편에서는 이렇게 만든 포트폴리오를 실제 면접이나 이력서에서 어떻게 설명해야 하는지 다뤄보겠습니다.

GeoAI 기초 시리즈 26편 · 전체 43편


재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.

📌 바로가기

2026-10-11

생성형 AI로 공간분석 코드를 짜는 법 | GeoAI 기초 22편

생성형 AI로 공간분석 코드를 짜는 법 | GeoAI 기초 22편

🎬 1분 브리핑 영상

생성형 AI로 공간분석 코드를 짜는 법은 데이터 스키마와 좌표계를 먼저 알려주고 결과를 검증하는 습관에서 시작합니다.

📌 3줄 요약

  • LLM에 공간분석 코드를 시킬 땐 데이터 정보부터 정확히 알려줘야 함
  • 좌표계·컬럼명 생략하면 그럴듯하지만 틀린 코드가 나옴
  • 생성된 코드와 결과 지도는 반드시 눈으로 검증해야 함

"침수 위험지역 안에 있는 대피소 목록을 뽑아줘"라고 생성형 AI에 물어봤더니 코드를 뚝딱 만들어 줬습니다. 그대로 실행했더니 에러도 안 나고 결과도 나왔습니다. 그런데 뭔가 이상합니다. 분명 침수구역 안에 있어야 할 대피소가 하나도 안 잡힙니다. 알고 보니 두 레이어의 좌표계가 달랐던 겁니다. 코드는 멀쩡하게 돌아갔지만, 서로 다른 좌표계 위에서 거리와 포함 관계를 계산했으니 결과는 처음부터 의미가 없었던 거죠.

이런 일은 생각보다 자주 일어납니다. 생성형 AI는 문법적으로 맞는 코드를 아주 잘 만들지만, 여러분의 데이터가 정확히 어떤 모양인지는 모릅니다. 그래서 공간분석 코드를 AI에게 맡길 때는 '요청 잘하기'와 '결과 의심하기'라는 두 가지 습관이 필요합니다. 이번 편에서는 그 요령을 구체적으로 짚어보겠습니다.

computer code screen
자료사진 · 사진: diegartenprofis / Pixabay

🛰️ 생성형 AI에게 데이터 스키마를 왜 먼저 알려줘야 하나요?

데이터 스키마란 테이블에 어떤 컬럼이 있고 각 컬럼에 어떤 값이 들어있는지를 정리한 설계도입니다. AI는 여러분의 shp 파일이나 geojson 안을 직접 들여다볼 수 없습니다. 그래서 "대피소명이 들어있는 컬럼은 name입니다", "침수심 컬럼은 depth_m이고 미터 단위입니다"처럼 구체적으로 알려줘야 코드가 실제로 맞물립니다. 컬럼명을 대충 짐작해서 쓰면 코드는 실행되다가 KeyError 같은 오류를 내거나, 운 나쁘면 엉뚱한 컬럼을 골라 조용히 틀린 결과를 냅니다. 실무에서는 코드를 요청하기 전에 속성 테이블 상단 몇 줄을 캡처하거나 컬럼 목록을 텍스트로 복사해 프롬프트에 붙여 넣는 게 안전합니다. 재난 대응 현장에서 대피소-침수구역 매칭처럼 사람 생명과 연결된 분석일수록, 컬럼 하나 잘못 짚은 코드가 엉뚱한 대피 경로를 만들 수 있다는 점을 꼭 기억해야 합니다.

🌍 좌표계를 안 알려주면 왜 결과가 조용히 틀려지나요?

좌표계는 지구라는 둥근 표면 위의 위치를 숫자로 표현하는 약속입니다. 위경도로 된 WGS84(EPSG:4326)와 미터 단위 평면좌표계(예: 국내에서 자주 쓰는 EPSG:5179 등)는 숫자의 단위 자체가 다릅니다. 문제는 좌표계가 달라도 교차·버퍼·거리 계산 코드 자체는 에러 없이 돌아간다는 점입니다. 예를 들어 위경도 좌표 그대로 버퍼를 500 단위로 주면, 실제로는 500도짜리 원을 그리려다 이상한 값이 나오거나 지구 반대편 규모의 버퍼가 생길 수 있습니다. 그래서 프롬프트에 "입력 레이어의 좌표계는 EPSG:5179이고, 버퍼 반경은 500미터 기준으로 계산해줘"처럼 명시해야 합니다. 산사태 위험구역에서 일정 반경 내 주택을 찾는 분석처럼 거리 단위가 생명과 직결되는 작업일수록, 좌표계를 재투영(reproject)하는 코드를 포함시켜 달라고 구체적으로 요청하는 게 안전합니다.

🐍 AI가 짜준 코드, 어떤 오류가 자주 나오나요?

생성형 AI가 만드는 공간분석 코드에서 흔히 보이는 문제는 크게 세 가지입니다. 첫째는 라이브러리 버전 차이로 함수 이름이 바뀐 경우(geopandas나 shapely 버전에 따라 문법이 조금씩 다릅니다). 둘째는 공간 조인(spatial join) 방향을 반대로 짜서 포함 관계가 뒤집히는 경우입니다. 셋째는 널값(NaN)이나 빈 geometry를 거르지 않아 중간에 멈추거나 엉뚱한 집계가 나오는 경우입니다.

import geopandas as gpd
shelters = gpd.read_file("shelters.shp").to_crs(epsg=5179)
flood = gpd.read_file("flood_zone.shp").to_crs(epsg=5179)
result = gpd.sjoin(shelters, flood, predicate="within")
print(len(result), "개 대피소가 침수구역 내부")

이렇게 좌표계 통일과 predicate(공간관계 조건) 지정을 명시적으로 요청하면 오류 확률이 줄어듭니다. 대피소 전수조사처럼 반복 작업일수록 한 번 틀린 로직이 전체 결과를 왜곡할 수 있어 코드 리뷰가 필수입니다.

👀 결과를 왜 반드시 눈으로 확인해야 하나요?

코드가 에러 없이 끝났다고 결과가 맞다는 뜻은 아닙니다. 공간분석은 특히 "숫자는 나왔는데 지도로 보면 말이 안 되는" 경우가 많습니다. 예를 들어 교차 분석 결과 대피소가 0개로 나왔다면, 정말 0개인지 아니면 좌표계나 조인 방향이 잘못된 건지 지도에 띄워봐야 압니다. 이게 바로 '해봐야 아는 것'입니다. 코드 실행 결과를 QGIS나 지도 뷰어에 올려서 침수구역과 대피소 점이 실제로 겹치는지, 면적이나 개수가 상식적인 범위인지 눈으로 대조하는 절차를 꼭 거쳐야 합니다. 생성형 AI는 그럴듯한 설명까지 붙여서 코드를 주기 때문에 신뢰하기 쉽지만, 공간분석 결과는 지도라는 눈으로 보는 검증 수단이 있다는 걸 적극 활용해야 합니다. 특히 재난 상황보고서에 들어갈 수치라면 지도 확인 없이 숫자만 복사해 쓰는 일은 피해야 합니다.

🧭 검증 요구를 프롬프트에 어떻게 넣으면 좋나요?

AI에게 코드만 받지 말고, 검증 코드까지 같이 요청하는 습관을 들이면 좋습니다. "결과 개수를 출력하고, 입력 레이어와 결과 레이어의 좌표계가 같은지 assert로 확인하는 코드도 같이 짜줘"처럼 요청하면 AI가 스스로 체크 로직을 넣어줍니다. 또한 "중간 결과를 geojson으로 저장해서 지도에서 확인할 수 있게 해줘"라고 덧붙이면, 최종 결과만이 아니라 중간 단계 산출물도 눈으로 볼 수 있어 어디서 틀렸는지 짚기 쉬워집니다. 이런 습관은 반복되는 재난 데이터 처리 파이프라인을 만들 때 특히 유용한데, 매번 사람이 전수 검사하기 어려운 자동화 업무일수록 코드 안에 자체 점검 로직을 심어두는 게 장기적으로 시간을 아껴줍니다.

🖥️ 화면에서 따라하기

따라하기 단계

  1. 데이터 정보 정리
    속성 테이블 열기(레이어 우클릭 > 속성 테이블 열기)로 컬럼명과 예시값 확인
  2. 좌표계 확인
    레이어 우클릭 > 속성 > 정보 탭에서 좌표계(EPSG 코드) 확인 후 메모
  3. 프롬프트 작성
    컬럼명, 좌표계, 원하는 결과 형식을 넣어 AI에 코드 요청
  4. 코드 실행
    파이썬 환경(예: Jupyter Notebook)에 붙여넣고 실행, 에러 메시지 확인
  5. 결과 지도 확인
    결과 파일을 레이어 > 레이어 추가 > 벡터 레이어로 불러와 원본과 겹쳐보기
  6. 수치 재검산
    결과 개수·면적을 속성 테이블 하단 요약이나 필드 계산기로 다시 확인

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

✍️ 그대로 복사해 쓰는 프롬프트

좌표계와 컬럼 정보를 명시해 침수구역-대피소 공간조인 코드 요청

너는 GIS 공간분석에 능숙한 파이썬 개발자야.
아래 조건으로 geopandas를 이용한 공간조인 코드를 작성해줘.
입력 레이어1: [shelters.shp], 좌표계 [EPSG:5179], 컬럼 [name, capacity]
입력 레이어2: [flood_zone.shp], 좌표계 [EPSG:5179], 컬럼 [depth_m, zone_id]
요청: 대피소가 침수구역 내부에 포함되는지 판별하고, 포함된 대피소 목록과 개수를 출력
추가 요청: 두 레이어의 좌표계가 다를 경우 자동으로 통일하는 코드 포함
추가 요청: 결과를 result.geojson으로 저장하는 코드 포함
주의: 라이브러리 함수는 최신 버전 기준으로 작성하되 버전 차이가 있을 수 있음을 주석으로 표시해줘

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

🧪 직접 해보기

  • 가지고 있는 shp나 csv 파일의 컬럼명과 좌표계를 먼저 메모해보기
  • 위 프롬프트로 코드를 받아 실행하고, 결과 개수가 예상과 맞는지 지도에서 확인하기
  • 일부러 좌표계 정보를 빼고 같은 질문을 해본 뒤 결과가 어떻게 달라지는지 비교하기

❓ 자주 묻는 질문

Q. 생성형 AI가 짜준 공간분석 코드를 그냥 믿고 써도 되나요?
A. 에러 없이 실행된다고 결과가 맞는 건 아닙니다. 좌표계나 공간관계 조건이 틀려도 코드는 정상 작동하는 경우가 많아 지도로 직접 확인하는 절차가 꼭 필요합니다.

Q. 좌표계를 모르는 데이터는 어떻게 확인하나요?
A. QGIS 같은 무료 GIS 도구에서 레이어를 불러온 뒤 속성 정보 창에서 좌표계(CRS)를 확인할 수 있습니다. 파일에 좌표계 정보가 아예 없다면 원본 출처 문서를 확인해야 합니다.

Q. AI에게 공간분석을 맡기면 전문가가 필요 없어지나요?
A. 코드 작성 속도는 빨라지지만 데이터 해석과 결과 검증은 여전히 사람의 판단이 필요합니다. 특히 재난 대응처럼 결과가 의사결정에 직결되는 분야는 전문가 검토가 꼭 필요합니다.

생성형 AI는 공간분석 코드를 짜는 속도를 확실히 높여주지만, 데이터의 맥락과 결과의 타당성을 판단하는 몫은 여전히 사람에게 남아 있습니다. 다음 편에서는 이렇게 만든 분석 결과를 지도나 대시보드로 어떻게 보기 좋게 공유할 수 있을지 살펴보겠습니다.

GeoAI 기초 시리즈 22편 · 전체 43편


재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.

📌 바로가기

2026-09-23

파이썬으로 공간분석 시작하기 | GeoPandas 기초 | GeoAI 기초 7편

파이썬으로 공간분석 시작하기 | GeoPandas 기초 | GeoAI 기초 7편

📌 3줄 요약

  • GeoDataFrame은 공간 위치 정보를 품은 표 구조로, 엑셀 시트에 지도를 붙인 형태다.
  • 파일 읽기·좌표 변환·공간조인까지 10줄 내외 코드로 처리할 수 있다.
  • 반복 분석이 필요한 재난 현장 데이터에서 코드 기반 접근이 특히 강력하다.

홍수 피해 현장에서 대피소 위치 파일과 침수 구역 파일을 받아 "어느 대피소가 침수 구역 안에 있는지" 확인해야 한다고 상상해 보세요. QGIS에서 두 레이어를 불러와 벡터 > 데이터 관리 도구 > 위치에 따라 레이어 결합 메뉴를 찾아 설정하고 저장하는 과정은 한 번이라면 괜찮습니다. 하지만 태풍 시즌 내내 매일 업데이트되는 침수 구역 파일을 같은 방식으로 반복한다면 어떨까요?

파이썬의 GeoPandas 라이브러리(공간 데이터를 다루기 위해 Pandas 표 구조에 도형 정보를 추가한 도구)는 이 흐름을 코드로 고정해 두고 파일만 바꿔 실행할 수 있게 해줍니다. 이번 글에서는 GeoDataFrame이 무엇인지, 파일을 읽고 좌표계를 바꾸고 두 레이어를 공간적으로 연결하는 흐름을 짧은 코드와 함께 살펴봅니다. 엑셀이나 QGIS로 하던 일을 코드로 옮기면 무엇이 달라지는지도 함께 짚어 드립니다.

🗂️ GeoDataFrame이 일반 표와 어떻게 다른가요?

Pandas의 DataFrame은 행과 열로 이루어진 표입니다. GeoDataFrame은 그 표에 geometry(도형) 열 하나를 추가한 구조입니다. 이 열에는 점, 선, 면 같은 공간 도형이 들어가고, 각 행은 하나의 공간 객체와 그에 딸린 속성 값들을 함께 가집니다. 엑셀 시트에 지도 핀 정보를 열 하나로 붙여 놓은 것과 비슷합니다.

중요한 차이는 CRS(좌표 참조 계, Coordinate Reference System) 정보를 GeoDataFrame이 스스로 기억한다는 점입니다. 6편에서 다룬 EPSG:4326(위경도)과 EPSG:5186(한국 미터 좌표)처럼 어떤 기준으로 위치를 표현하는지가 여기 저장됩니다. 좌표계가 다른 두 파일을 그냥 합치면 위치가 수백 킬로미터 벗어나는 오류가 생기는데, GeoPandas는 CRS를 명시적으로 다루도록 설계되어 이런 실수를 미리 잡아줍니다. 재난 대응 시 서로 다른 기관에서 받은 파일의 좌표계가 다른 경우는 생각보다 자주 있습니다.

📂 ShapeFile이나 GeoJSON은 어떻게 읽나요?

GeoPandas에서 파일을 읽는 기본 함수는 gpd.read_file()입니다. Shapefile(.shp), GeoJSON(.geojson), GeoPackage(.gpkg) 등 일반적인 공간 파일 형식을 별도 변환 없이 읽을 수 있습니다.

import geopandas as gpd

# 대피소 점 데이터 읽기
shelter = gpd.read_file("shelter.geojson")

# 침수 구역 폴리곤 읽기
flood = gpd.read_file("flood_zone.shp")

# 좌표계 확인
print(shelter.crs)   # 예: EPSG:4326
print(flood.crs)     # 예: EPSG:5186

파일을 읽은 뒤 가장 먼저 해야 할 일은 .crs 속성을 출력해 두 파일의 좌표계가 같은지 확인하는 것입니다. 이것이 '해봐야 아는 것'의 첫 번째 관문입니다. 출력 결과가 다르면 공간 연산 전에 반드시 통일해야 합니다. 실무에서는 국토교통부, 소방청, 기상청이 제공하는 공개 데이터의 좌표계가 각각 다른 경우가 있으므로, 데이터를 받으면 CRS를 먼저 확인하는 습관을 들이는 것이 좋습니다.

🌐 좌표계를 바꾸려면 어떤 함수를 쓰나요?

좌표 변환은 .to_crs() 메서드 하나로 처리합니다. 두 레이어를 같은 좌표계로 맞춰야 거리·면적 계산과 공간 조인이 정확하게 작동합니다.

# shelter를 flood의 좌표계에 맞춤
shelter_proj = shelter.to_crs(flood.crs)

# 또는 EPSG 코드로 직접 지정
shelter_proj = shelter.to_crs(epsg=5186)

주의할 점은 .to_crs()가 원본을 수정하지 않고 새 GeoDataFrame을 돌려준다는 것입니다. 원본 변수를 덮어쓰지 않으려면 새 변수에 받아야 합니다. 미터 단위 좌표계(예: EPSG:5186)로 변환해 두면 이후 거리나 면적을 계산할 때 단위가 미터로 나오기 때문에 결과 해석이 훨씬 직관적입니다. 예를 들어 산사태 위험 구역에서 500미터 이내에 있는 주거지를 추출할 때, 미터 단위 좌표계가 아니면 버퍼 반경 값을 위경도 차이로 계산해야 해서 실수가 생기기 쉽습니다.

🏘️ 공간 조인은 어떤 상황에 쓰나요?

공간 조인(Spatial Join)은 두 레이어를 위치 관계를 기준으로 합치는 연산입니다. "이 점이 저 면 안에 있는가"처럼 공간적 포함 관계로 속성을 연결할 때 씁니다. QGIS에서는 벡터 > 데이터 관리 도구 > 위치에 따라 속성 결합 메뉴가 같은 역할을 합니다.

# 침수 구역 안에 있는 대피소 찾기
joined = gpd.sjoin(shelter_proj, flood, how="inner", predicate="within")
print(joined[["name", "flood_level"]])

predicate 옵션에는 "within"(면 안에 포함), "intersects"(경계 포함 교차), "contains" 등을 상황에 따라 골라 씁니다. how="inner"는 조건을 만족하는 행만 남기고, "left"는 왼쪽 레이어의 모든 행을 유지하면서 매칭된 값만 붙입니다. 산불 대피 경로를 설계할 때 도로 선 데이터와 위험 구역 면 데이터를 intersects 조건으로 조인하면, 위험 구역을 통과하는 도로 구간을 자동으로 추려낼 수 있습니다.

💡 엑셀·QGIS로 하던 것을 굳이 코드로 옮겨야 하는 이유가 있나요?

QGIS 메뉴 클릭과 코드 실행은 결과가 같습니다. 차이는 반복성과 기록 가능성에 있습니다. 코드는 파일 이름만 바꾸면 어제와 똑같은 분석을 오늘 다시 실행할 수 있고, 어떤 좌표계로 변환했고 어떤 조건으로 조인했는지가 코드 자체에 남아 있어 동료에게 공유하거나 6개월 뒤에 검토하기가 쉽습니다. 엑셀 VLOOKUP으로 공간 조인을 흉내 낼 수 있지만, 위치 기반 관계는 엑셀이 기본으로 지원하지 않아 중간에 수작업이 들어갑니다.

실제로 해봐야 아는 것이 있습니다. 같은 분석을 QGIS 메뉴로 한 번, GeoPandas 코드로 한 번 각각 실행해 결과 레이어의 행 수와 속성 값이 일치하는지 비교해 보세요. 일치하면 코드가 옳게 작동한다는 확인이 되고, 차이가 생기면 predicate 옵션이나 좌표계 불일치를 의심해야 합니다. 이 검증 습관은 재난 대응 보고서에 들어가는 수치의 신뢰도를 높이는 데 직결됩니다. 버전에 따라 메뉴 이름이나 함수 인자 이름이 다를 수 있으므로, 공식 GeoPandas 문서(geopandas.org)의 API 레퍼런스를 함께 열어두는 것을 권장합니다.

🖥️ 화면에서 따라하기

따라하기 단계

  1. 환경 준비
    터미널에서 pip install geopandas 입력 후 설치 완료 메시지 확인
  2. 파일 읽기
    주피터 노트북 또는 VS Code에서 gpd.read_file("파일경로.shp") 실행
  3. CRS 확인
    shelter.crs, flood.crs 각각 출력해 두 값이 같은지 눈으로 비교
  4. 좌표 변환
    shelter_proj = shelter.to_crs(flood.crs) 입력 후 shelter_proj.crs 재확인
  5. 공간 조인
    gpd.sjoin(shelter_proj, flood, how="inner", predicate="within") 실행
  6. 결과 검토
    joined.shape로 행 수 확인, joined.explore() 로 지도 위 결과 시각화

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

✍️ 그대로 복사해 쓰는 프롬프트

GeoPandas 코드 오류 메시지를 붙여 넣고 원인과 수정 방법을 얻을 때 사용

나는 파이썬 GeoPandas를 공부하는 초보자입니다. 아래 오류 메시지와 코드를 보고 원인을 한국어로 설명해 주세요. 설명은 중학생도 이해할 수 있는 수준으로, 전문용어가 나오면 괄호 안에 짧은 풀이를 붙여 주세요. 수정된 코드도 함께 보여 주되, 각 줄에 주석으로 무엇을 하는지 적어 주세요. 지어낸 함수나 존재하지 않는 파라미터는 쓰지 마세요.
[오류 메시지를 여기에 붙여 넣기]
[문제가 생긴 코드를 여기에 붙여 넣기]
확인 항목: AI가 제안한 함수명과 파라미터가 실제 GeoPandas 공식 문서에 있는지 직접 확인하세요.

재난 대응 데이터 분석 시나리오를 코드 흐름으로 정리할 때 사용

나는 [대상 재난, 예: 홍수] 상황에서 [분석 목표, 예: 침수 구역 내 대피소 파악] 작업을 GeoPandas로 처리하려고 합니다. 사용할 파일은 [파일1 설명]과 [파일2 설명]입니다. 아래 순서로 답해 주세요. 1) 필요한 전처리 단계, 2) 좌표계 확인 및 변환 방법, 3) 공간 조인 코드 예시, 4) 결과를 검증하는 방법. 각 단계에 10줄 이하 코드를 포함하고, 가정한 사항은 명확히 표시해 주세요. 사실이 불확실한 내용은 '확인 필요'라고 표시해 주세요.
확인 항목: 제안된 EPSG 코드가 내 데이터에 실제로 맞는지, 파일 경로와 열 이름이 실제 데이터와 일치하는지 반드시 확인하세요.

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

🧪 직접 해보기

  • 공공데이터포털(data.go.kr)에서 "대피소" 또는 "민방위 대피시설" 검색 후 GeoJSON 또는 Shapefile 형식으로 내려받아 gpd.read_file()로 읽고 .crs를 출력해 보세요.
  • 읽은 GeoDataFrame에서 .explore() 메서드를 실행해 지도 위에 점이 올바른 위치에 찍히는지 눈으로 확인해 보세요. 화면에 점이 아예 안 보이거나 엉뚱한 곳에 찍히면 좌표계 문제를 의심하세요.
  • QGIS에서 같은 파일을 레이어 > 레이어 추가 > 벡터 레이어로 불러온 뒤 레이어 오른쪽 클릭 > 속성 > 소스 탭에서 표시되는 CRS와 .crs 출력 값이 일치하는지 비교해 보세요.

❓ 자주 묻는 질문

Q. GeoPandas를 설치했는데 import 오류가 납니다. 왜 그런가요?
A. GeoPandas는 GDAL, Fiona, Shapely 같은 C 기반 라이브러리에 의존하기 때문에 pip install만으로 환경에 따라 설치가 실패하는 경우가 있습니다. conda 환경을 사용하거나, conda-forge 채널에서 conda install -c conda-forge geopandas 로 설치하면 의존성 문제가 줄어드는 경우가 많습니다.

Q. .shp 파일을 읽으려면 .dbf, .prj 파일도 같은 폴더에 있어야 하나요?
A. 네, Shapefile은 하나의 파일이 아니라 .shp, .dbf, .prj, .shx 등 여러 파일이 모여 하나의 레이어를 이루는 형식입니다. 이 파일들이 같은 폴더에 함께 있어야 gpd.read_file()이 속성과 좌표계 정보를 모두 읽어올 수 있습니다.

Q. 공간 조인 결과 행 수가 원본보다 늘어났어요. 오류인가요?
A. 오류가 아닐 수 있습니다. 하나의 점이 여러 면 폴리곤과 겹치면 각 폴리곤마다 행이 하나씩 생겨 결과 행 수가 늘어납니다. 의도한 분석에서 중복이 문제라면 how="left"로 바꾸거나 .drop_duplicates()로 정리하면 됩니다. 먼저 joined.index_right.value_counts()로 어느 폴리곤에서 중복이 생겼는지 확인해 보세요.

GeoPandas의 읽기·좌표 변환·공간 조인 흐름을 익히면, 반복적으로 바뀌는 재난 데이터를 매번 수작업으로 처리하지 않아도 됩니다. 코드를 저장해 두면 내일 새로운 침수 구역 파일이 와도 경로만 바꿔 같은 분석을 바로 실행할 수 있습니다. 처음에는 열 이름 오타나 좌표계 불일치로 막히는 경우가 많지만, 그때마다 .columns와 .crs를 출력해 확인하는 습관이 가장 빠른 해결책입니다. 파일을 읽고 조인하는 것까지 익혔다면, 다음 단계는 그 결과를 버퍼링이나 면적 계산 같은 공간 연산으로 발전시키는 것입니다. 다음 편에서는 GeoDataFrame 위에서 거리와 면적을 계산하고, 위험 구역을 자동으로 추출하는 방법을 살펴볼 예정입니다.

GeoAI 기초 시리즈 7편 · 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....