📚 기술사 수험서 찾아보기

토목시공기술사 → 건축시공기술사 → 건설안전기술사 → 측량및지형공간정보기술사 →

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

레이블이 LiDAR인 게시물을 표시합니다. 모든 게시물 표시
레이블이 LiDAR인 게시물을 표시합니다. 모든 게시물 표시

2026-11-02

[측량및지형공간정보기술사] 지상 라이다 측량원리와 점군 정합·해석방법, 활용분야 (2026년 제140회 기출) | 하루 한 문제 24일차

안녕하세요. 지상 라이다 문제는 스캐너 이름을 아는지보다, 삼각대 위 장비가 거리와 두 각으로 점을 만들고 여러 자리의 점군을 하나로 잇는 과정을 설명할 수 있는지를 묻습니다. 지난 10월 22일 열린 ‘2026 기반 재난 진단 신기술 세미나’에서는 라이다·카메라·GNSS·IMU를 실은 차량형 모바일 매핑 시스템을 지표투과레이더와 묶어, 도로 위 시설물과 지하 매설물을 하나의 공간정보 체계로 연결하는 방식이 소개됐어요(데일리경제, 2026년 10월 23일). 차에 싣고 달리는 장비와 달리, 오늘 다룰 지상 라이다는 한 자리에 세워 두고 스캔한 뒤 자리를 옮겨 가며 측량합니다.

문제

기출문제: 2026년 제140회 측량및지형공간정보기술사, 제4교시 2번 (Q-net 공식 문제지)

지상라이다(LiDAR) 측량원리와 해석방법, 활용분야에 대하여 설명하시오. (25점)

논술형 · 25점 · 학습용 권장 작성시간 25분, 분량 약 3쪽

출제 의도와 답안 방향

지상 레이저 스캐닝은 최근 5년 사이 거의 매년 다른 모습으로 나왔어요. 2022년 제126회 ‘터널 내공 단면 확인 측량’, 2023년 제129회 ‘공간정보 구축 방법’, 2025년 제137회와 2026년 제138회 ‘원리와 BIM 구축 절차’, 그리고 2026년 제140회 ‘원리·해석방법·활용분야’입니다(제126회, 제129회, 제137회, 제138회 문제지). 2022~2026년 10회차 문제지에서 같은 주제를 다섯 번 확인했어요.

문제가 세 가지를 물으니 세 덩어리 분량부터 고르게 나눕니다. 원리에서는 거리 측정 방식(펄스·위상차)과 극좌표가 3차원 좌표로 바뀌는 과정을 식으로 보여 주고, 해석방법에서는 정합(registration)과 그 품질 검증까지 써 주는 편이 좋다고 봐요. 해석방법을 ‘스캔 → 정합 → 모델링’ 세 단어로 끝내면 정합이 무엇을 구하는 일인지가 빠져 보입니다. 정합이 무엇을 구하는 일인지, 잘못 정합된 결과를 어떻게 걸러 내는지 한 줄씩만 더해도 답안이 달라 보입니다.

지상 라이다는 어떻게 점을 만드나

지상 라이다(TLS, Terrestrial Laser Scanner)는 삼각대 위에 세운 스캐너가 레이저를 발사해 주변을 촘촘히 측정하는 장비예요. 원리는 무타깃 토털스테이션과 같은 공간 극좌표법입니다. 점마다 거리 r, 수평각 θ, 수직각 φ를 재고, 이 세 값을 스캐너 중심의 3차원 좌표로 바꿔요(체코공대 강의자료).

거리를 재는 방식은 두 가지예요. 펄스(비행시간, ToF) 방식은 레이저의 왕복 시간 Δt를 재서 r = c·Δt/2로 거리를 구합니다. 멀리까지 재기 좋지만 상대적으로 느려요. 위상차 방식은 변조한 레이저의 위상 차이로 거리를 구해서 빠르지만, 변조 파장에 따라 잴 수 있는 거리가 짧아집니다. 같은 자료에 따르면 요즘은 펄스 방식도 위상 측정을 섞어 속도를 높여요.

식 1. 지상 라이다의 거리 측정식, 극좌표→3차원 좌표 변환, 점 간격

예를 들어 펄스가 133.4 ns 만에 돌아왔다면 거리는 약 20.00 m예요. 거리를 20 m로 두고 그 점을 수평각 30°, 수직각 10°로 쟀다면 X = 17.057 m, Y = 9.848 m, Z = 3.473 m가 됩니다. 각을 0.036°(약 0.000628 rad) 간격으로 돌리면 빔에 수직인 20 m 앞 벽에서는 점 사이가 약 12.6 mm, 50 m 앞에서는 약 31.4 mm로 벌어져요. 같은 설정이라도 멀수록 점밀도가 낮아진다는 뜻이라, 스캔 위치를 정할 때 이 간격을 먼저 따져 봐야 합니다.

도식 GIF. 거리와 두 각으로 벽면에 점이 쌓이는 모습

점마다 함께 남는 정보

좌표 말고도 돌아온 신호의 세기가 함께 기록돼요. DVW 지침은 이를 진폭(amplitude)이라 부르고, 거리로 정규화해 dB로 나타낸 값을 반사율(reflectance)이라고 구분합니다(DVW Guideline 18-2022). 스캐너에 달린 카메라로 색(RGB)을 입히기도 해요. 반사강도는 표면 재질과 입사각에 따라 달라서, 같은 거리라도 검고 매끈한 면이나 비스듬한 면에서는 측정이 불안해질 수 있습니다(체코공대 강의자료). 모서리처럼 레이저가 두 물체에 걸치면 실제로 없는 ‘혼합 픽셀(mixed pixel)’이 생기기도 해서, 처리 단계에서 걸러야 해요(DVW 지침).

구분 펄스(비행시간, ToF) 위상차
재는 것 레이저의 왕복 시간 Δt 변조파의 위상 차이 Δφ
거리 식 r = c·Δt / 2 r = (λ/2)(N + Δφ/2π)
거리 범위 길다(반사 신호 세기가 한계) 변조 파장에 따라 제한
속도 상대적으로 느림(최근 위상 측정 병행으로 향상) 빠름

표 1. 거리 측정 방식 비교

해석방법: 정합이 성과를 좌우한다

한 자리에서는 음영부가 생겨서, 건물이나 터널을 빠짐없이 담으려면 여러 자리에서 스캔해야 해요. 자리마다 점군은 각자 자기 좌표계를 가집니다. 이 점군들을 하나의 좌표계로 옮기는 일이 정합(registration)이에요. DVW 지침은 정합을 ‘세 방향 이동과 세 축 회전, 곧 6개 자유도를 구해 점군을 공통 좌표계로 옮기는 일’로 정의합니다(DVW Guideline 18-2022).

정합 방법을 크게 셋으로 묶어 봤어요. 구·평면 표지(타깃)를 여러 자리에서 함께 스캔해 그 중심을 맞추는 타깃 정합, 중복 영역의 점 사이 거리를 반복 계산으로 줄여 가는 ICP(Iterative Closest Point) 정합, 그리고 평면·원통·구 같은 기하 원형을 찾아 맞추는 방법입니다. DVW 지침은 복셀 기반 자동 정합을 따로 다루기도 해요. 타깃을 토털스테이션으로 따로 재 두면 점군을 바로 측량 좌표계에 올릴 수 있어요(DVW 지침).

DVW 지침은 ICP가 언제나 해를 내놓지만 그 해가 맞는다는 보장은 없다고 경고합니다. 평균 잔차가 작아도 잘못 정합되었을 수 있어요. 그래서 정합 뒤에는 중복 영역을 세 축 방향의 얇은 단면으로 잘라 어긋남을 눈으로 확인하고(체코공대 강의자료 2), 토털스테이션으로 따로 잰 검사점과 비교해 정확도를 확인합니다.

구분 타깃 정합 ICP 정합 기하 원형 기반 정합
맞추는 것 구·평면 표지의 중심 겹치는 부분의 점 사이 거리 평면·원통·구 등 기하 원형
장점 토털스테이션으로 잰 좌표에 바로 연결 표지를 세우지 않아도 됨 반복 계산 설정에 덜 민감
주의 표지 배치·입사각, 평평하지 않은 표지 초기 위치가 나쁘면 잘못된 해 형상이 부족한 장소에서 어려움

표 2. 정합 방법 비교

답안 작성 요령 — 해석방법은 흐름도 한 줄(계획 → 스캔 → 전처리 → 정합·좌표 부여 → 품질 검증 → 모델링·분석)로 먼저 보이고, 그중 정합과 품질 검증을 두세 줄로 풀어 쓴다. ‘잔차가 작으면 정확하다’로 끝내지 말고 독립 검사점과 단면 확인을 함께 적는다.

정합 뒤의 분석

정합한 점군은 목적마다 쓰임이 달라요. 터널이면 설계 단면과 측정 단면을 겹쳐 내공 변위나 여굴·미굴을 보고, 건설 현장이면 설계 BIM과 점군을 비교해 시공 오차를 확인하거나 준공 모델(as-built)을 만들어요. 같은 대상을 시기별로 스캔해 점군끼리, 또는 점군과 메시를 비교하면 변형을 면 단위로 볼 수 있습니다. 지면 점을 골라 DTM을 만드는 과정은 8일차 LiDAR 지면 분류 글, 이동하면서 정합까지 하는 방식은 17일차 SLAM 글에서 다뤘어요.

기호 뜻 단위
r 스캐너 중심에서 점까지 경사거리 m
c 빛의 속도(299,792,458) m/s
Δt 레이저 왕복 시간 s(ns)
λ, N, Δφ 변조 파장, 정수 파장 수, 위상차 m, —, rad
θ, φ 수평각(X축 기준), 수직각(수평면 기준 고저각, 천정각 z면 φ = 90° − z) °
Δα 스캔 각 간격(식에 넣을 때는 rad) rad
s 대상면에서의 점 간격 mm

표 3. 기호와 단위


답안 예시

Ⅰ. 개요

  • 지상라이다(TLS): 지상 고정점에 세운 스캐너가 레이저로 거리·수평각·수직각을 측정해 주변의 3차원 점군을 취득하는 측량
  • 무타깃 공간 극좌표법, 짧은 시간에 면 단위 고밀도 자료 취득
  • 여러 위치의 점군을 정합·좌표 부여한 뒤 단면·변위·BIM 등으로 해석함

Ⅱ. 측량원리

  • 거리 측정: 펄스(ToF) r = c·Δt/2(장거리), 위상차 r = (λ/2)(N + Δφ/2π)(고속, 거리 제한)
  • 좌표 변환: X = r·cosφ·cosθ, Y = r·cosφ·sinθ, Z = r·sinφ (스캐너 중심 좌표계)
  • 점 간격: s ≈ r·Δα(Δα는 rad), 거리가 멀수록 점 밀도 저하
  • 부가 정보: 반사강도(진폭·반사율), RGB 색상
  • 가상 예: Δt = 133.4 ns → r ≈ 20.00 m / r = 20 m, θ = 30°, φ = 10° → (17.057, 9.848, 3.473) m

Ⅲ. 해석방법

  • 작업 계획: 기준점·스캔 위치·중복도·해상도 결정, 음영부 최소화
  • 스캔·전처리: 노이즈·이동 물체·혼합 픽셀 제거
  • 정합: 6자유도(병진 3, 회전 3) 결정, 타깃 정합·ICP·기하 원형 기반 정합
  • 좌표 부여: 토털스테이션·GNSS로 관측한 타깃 좌표로 측량 좌표계에 연결
  • 품질 검증: 정합 잔차, 중복부 단면 확인, 독립 검사점 비교
  • 모델링·분석: 단면 추출, 점군·설계 비교, 메시·BIM 모델 작성, 시계열 변위 분석

Ⅳ. 활용분야

분야 해석 내용 관련 기출
터널 설계 단면 대비 내공 변위·여굴·미굴 확인 제126회 2교시 2번
건설 현장·BIM 시공 오차 확인, 준공(as-built) 모델 작성 제137회 3교시 2번, 제138회 3교시 6번
구조물·사면 시기별 점군 비교로 변형 감시 —
문화재·실내 현황 기록, 도면·3차원 모델 —
공간정보 3차원 건물·시설물 자료 구축 제129회 4교시 5번

Ⅴ. 유의사항

  • 입사각·반사율·거리에 따라 측정 정확도와 점 밀도가 달라짐
  • ICP는 항상 해를 산출하나 정해를 보장하지 않음 → 독립 검사점·단면 검증 필수
  • 정합 오차가 누적되지 않도록 기준점 배치와 망 구성을 계획 단계에서 검토함

놓치기 쉬운 점

  1. 정합의 대상은 6개 값이에요. 세 방향 병진과 세 축 회전입니다. ‘점군을 합친다’고만 쓰면 무엇을 구하는지가 빠져요.
  2. 잔차가 작다고 정확한 게 아니에요. ICP는 잘못 정합되어도 작은 잔차를 낼 수 있어서, 따로 잰 검사점과 단면으로 확인해야 합니다.
  3. 점 간격은 거리에 비례해요. s ≈ r·Δα(Δα는 rad, 빔에 수직인 면 기준). 같은 각 간격이면 두 배 먼 곳의 점 간격도 두 배가 됩니다.

참고자료와 확인일

확인일: 2026년 11월 2일. 기출 회차·교시·문항은 Q-net 공식 문제지 PDF(제126·129·137·138·140회)에서, 측정 원리와 처리 절차는 체코공대 강의자료(2023년 게시)에서, 정합의 정의·방법·품질 지표는 DVW Guideline 18-2022(2023년 4월 작성본) 원문에서 확인했습니다. 답안은 학습용 예시이며 공식 채점기준이 아니고, Q-net은 채점기준과 모범답안을 공개하지 않습니다. 133.4 ns, 각 간격 0.036° 같은 수치는 설명을 위한 가상 값이며 특정 장비의 성능이 아닙니다. 도식은 각 간격을 과장해 그린 학습용 모형입니다.

따라쓰기 PDF

Q-net 원본 답안지의 작성면에 답안을 옮겨 적은 3쪽짜리 따라쓰기 자료예요. 원본의 인쇄 문구와 선은 그대로 두고, 작성한 제목·본문·표·원리도는 옅은 회색(#B8B8B8)으로 통일해 펜으로 따라 쓰기 좋게 만들었습니다.

📄 24일차_지상라이다_모범답안_따라쓰기.pdf 내려받기

함께 푸는 측량및지형공간정보기술사 답안지 요청

요청한 문제는 매일 밤 11시부터 접수 순서대로 검토해 정답 예시를 블로그에 게시합니다.

2026-10-01

LiDAR와 DEM | 지형 데이터가 방재에 쓰이는 방식 | GeoAI 기초 16편

LiDAR와 DEM | 지형 데이터가 방재에 쓰이는 방식 | GeoAI 기초 16편

📌 3줄 요약

  • DSM은 건물·나무 윗면, DEM은 맨땅 높이를 담은 지형 데이터다
  • LiDAR 레이저는 나뭇잎 사이를 뚫고 땅바닥 반사를 잡아낸다
  • 지형 정확도가 낮으면 침수·산사태 예측 범위가 크게 틀어진다

산사태 위험지역을 그리는데, 위성사진에는 숲이 초록색으로 빽빽하게 덮여 있어서 그 아래 경사가 얼마나 가파른지 전혀 보이지 않는 상황을 상상해보세요. 나무 꼭대기 높이만 알아서는 실제로 물이 어디로 흐르고 흙이 어디로 무너질지 계산할 수 없습니다. 방재 분야에서 쓰는 지형 데이터는 단순한 배경 지도가 아니라, 침수 범위와 산사태 경로를 계산하는 '입력값' 그 자체입니다. 이번 편에서는 그 입력값을 만드는 핵심 기술인 라이다(LiDAR, 레이저로 거리를 재는 센서)와 DEM(수치표고모델, 땅의 높낮이를 숫자로 담은 데이터)의 관계를 짚어보겠습니다.

A Lufthansa Boeing 747 landing at an airport with Mount Fuji visible in the background on a clear day.
자료사진 · 사진: Guohua Song / Pexels

🏔️ DSM과 DEM, 뭐가 다른가요?

DSM(Digital Surface Model, 수치표면모델)은 드론이나 항공기에서 내려다본 '맨 위 표면'의 높이를 기록합니다. 건물 옥상, 나무 꼭대기, 전선까지 전부 포함됩니다. 반면 DEM(Digital Elevation Model, 수치표고모델)은 그런 구조물과 식생을 걷어내고 순수한 땅바닥 높이만 남긴 데이터입니다. 비유하자면 DSM은 이불을 덮은 채 찍은 사람의 윤곽이고, DEM은 이불을 걷어낸 몸의 실제 윤곽입니다. 물이 흐르는 경로나 경사면이 무너지는 방향을 계산하려면 이불(건물, 나무)이 아니라 몸(지형) 정보가 필요합니다. 그래서 침수 시뮬레이션이나 산사태 모델링에서는 거의 항상 DSM이 아니라 DEM을 기본 입력으로 씁니다.

🌲 LiDAR는 어떻게 나무 아래 땅을 보나요?

LiDAR는 센서에서 레이저 펄스를 초당 수십만 번 쏘고, 반사되어 돌아오는 시간을 측정해 거리를 계산하는 장비입니다. 울창한 숲 위로 비행하면 레이저 중 일부는 나뭇잎에 바로 반사되지만, 나뭇잎 사이 빈틈으로 통과한 레이저는 땅바닥까지 도달해 반사됩니다. 하나의 레이저 펄스에서 여러 번 반사가 돌아오는 경우 이를 '다중 반사(multiple returns)'라고 하는데, 가장 먼저 돌아온 반사는 나무 꼭대기, 가장 마지막에 돌아온 반사는 대체로 지면에 해당합니다. 이 마지막 반사점들만 모아서 보간하면 숲에 가려 위성사진이나 드론 사진으로는 볼 수 없는 지면 높이, 즉 DEM을 만들 수 있습니다. 산사태 취약성 분석에서 경사도와 사면 방향을 정확히 계산하려면 이렇게 식생을 걷어낸 지형이 꼭 필요합니다.

🌊 왜 지형이 조금만 틀려도 침수 범위가 달라지나요?

침수 모의는 물이 높은 곳에서 낮은 곳으로 흐른다는 단순한 원리를 바탕으로 하지만, 그 계산은 지형의 미세한 높이 차이에 민감합니다. 예를 들어 제방이나 작은 둔덕이 DEM에서 몇십 센티미터만 낮게 표현돼도, 모델은 그 지점으로 물이 넘친다고 잘못 판단할 수 있습니다. 반대로 실제로는 낮은 배수로인데 데이터 해상도가 거칠어 뭉개져 버리면, 물이 빠질 길이 없는 것처럼 계산되기도 합니다. 그래서 침수 해석에는 격자 간격(해상도)이 촘촘하고 수직 오차가 작은 DEM이 요구되며, 도심처럼 배수 구조가 복잡한 곳일수록 이 민감도가 커집니다. 실무에서는 같은 강우 조건이라도 쓰는 DEM의 해상도와 정확도에 따라 침수 예상도의 모양이 눈에 띄게 달라질 수 있다는 점을 염두에 두어야 합니다.

⛰️ 산사태 모의에서는 지형이 왜 더 까다로운가요?

산사태는 경사, 경사 방향, 사면의 굴곡(오목한지 볼록한지) 같은 지형 변수들을 조합해 위험도를 계산합니다. 이 변수들은 DEM을 한 번 미분하거나 이웃 셀과 비교해서 뽑아내는데, 원본 DEM에 작은 노이즈나 계단 현상이 있으면 경사도 계산 결과가 실제보다 들쭉날쭉하게 나올 수 있습니다. 특히 식생이 우거진 산지는 LiDAR 없이는 지면을 거의 볼 수 없기 때문에, 과거에는 등고선 지도를 디지털화한 거친 DEM을 쓰다가 LiDAR 기반 고해상도 DEM으로 바뀌면서 위험지역 경계가 다시 그려진 사례도 있습니다. 어떤 DEM을 썼는지에 따라 같은 마을이라도 산사태 위험등급이 달라질 수 있으므로, 결과 지도를 받았을 때는 바탕이 된 지형자료의 출처와 제작 연도를 확인하는 습관이 필요합니다.

🔍 내가 쓰는 지형 데이터, 믿을 만한지 어떻게 확인하나요?

지형 데이터를 그대로 받아쓰기 전에 몇 가지는 직접 확인해봐야 합니다. 먼저 해당 DEM이 LiDAR 기반인지, 위성 입체영상 기반인지, 등고선에서 변환한 것인지 메타데이터(데이터에 대한 설명 정보)를 살펴봐야 합니다. 같은 지역을 서로 다른 해상도의 DEM 두 개로 비교해 경사도 지도를 각각 만들어보면, 해상도 차이가 결과에 얼마나 영향을 주는지 눈으로 확인할 수 있습니다. 또한 실제 현장에서 눈에 띄는 배수로나 제방이 DEM 상에서도 제대로 표현되는지 위성지도나 현장 사진과 대조해보는 것도 좋은 점검 방법입니다. 이런 확인 없이 지형 데이터를 그대로 재난 대응 계획에 쓰면, 실제 위험 지점을 놓치거나 반대로 안전한 곳을 위험지역으로 잘못 분류할 수 있습니다.

🖥️ 화면에서 따라하기

따라하기 단계

  1. 지형 데이터 확인
    국가공간정보포털이나 공개 지도 서비스에서 해당 지역 DEM·DSM 제공 여부를 검색한다
  2. QGIS 설치 확인
    QGIS를 실행하고 상단 메뉴에서 래스터 항목이 보이는지 확인한다(버전별로 위치가 다를 수 있음)
  3. DEM 불러오기
    레이어 > 레이어 추가 > 래스터 레이어에서 내려받은 DEM 파일(.tif)을 연다
  4. 음영기복도 만들기
    래스터 > 지형해석 > 음영기복(Hillshade)을 눌러 지형 굴곡을 시각적으로 확인한다
  5. 경사도 계산하기
    래스터 > 지형해석 > 경사(Slope)를 눌러 경사도 레이어를 생성하고 색상을 확인한다
  6. 해상도 비교
    같은 지역의 다른 해상도 DEM이 있다면 둘을 나란히 띄워 경사도 차이를 눈으로 비교한다

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

✍️ 그대로 복사해 쓰는 프롬프트

DEM과 DSM 차이를 보고서나 교육자료용으로 쉽게 풀어 설명하는 초안 만들기

역할은 GIS 데이터를 처음 접하는 공무원 대상 교육 자료를 만드는 보조 작성자입니다
[대상 지역]의 침수 또는 산사태 분석 보고서에 들어갈 설명 문단을 작성해주세요
DSM과 DEM의 차이를 건물·식생 유무 중심으로 쉬운 비유를 들어 설명하고
LiDAR가 식생 아래 지형을 얻는 원리를 3문장 이내로 요약하고
왜 이 분석에는 DEM을 썼는지 한 문단으로 정리해주세요
전문용어가 나오면 괄호로 짧은 설명을 덧붙이고 추측성 수치는 넣지 마세요

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

🧪 직접 해보기

  • 공개 지도 서비스에서 같은 지점의 위성사진과 지형 음영도를 번갈아 보며 건물·나무가 사라지는지 확인한다
  • QGIS에서 DEM 하나를 불러와 Hillshade와 Slope 도구로 지형 기복과 경사도를 눈으로 비교한다
  • 거주 지역이나 관심 지역의 DEM 제작 연도와 출처(LiDAR인지 등고선 변환인지)를 메타데이터에서 찾아본다

❓ 자주 묻는 질문

Q. DSM과 DEM 중 어느 것이 더 정확한 데이터인가요?
A. 둘 다 정확도의 개념이 다릅니다. DSM은 표면 전체를 얼마나 세밀하게 담았는지가 중요하고, DEM은 지면 높이를 얼마나 왜곡 없이 뽑아냈는지가 중요합니다. 용도에 맞는 데이터를 고르는 것이 핵심입니다.

Q. LiDAR 없이도 산사태 위험지도를 만들 수 있나요?
A. 만들 수는 있지만 식생이 우거진 지역에서는 지형 표현이 거칠어질 수 있습니다. 등고선 기반 DEM이나 위성 입체영상 DEM도 쓰이지만, 산지의 세밀한 경사 변화를 볼 때는 LiDAR 기반 DEM이 더 유리한 경우가 많습니다.

Q. 일반인이 LiDAR DEM 데이터를 구할 수 있나요?
A. 지역과 기관에 따라 공개 여부와 해상도가 다릅니다. 국가 공간정보 포털이나 지방자치단체가 운영하는 공개 데이터 플랫폼에서 제공하는지 직접 검색해 확인하는 것이 가장 정확합니다.

결국 침수지도든 산사태 위험지도든, 그 바탕에는 반드시 지형 데이터가 깔려 있고 그 데이터가 얼마나 땅의 진짜 모습을 담고 있느냐가 결과의 신뢰도를 좌우합니다. 다음 편에서는 이렇게 만든 지형 데이터를 실제로 어떤 방식으로 재난 시뮬레이션 모델에 넣어 계산하는지 살펴보겠습니다.

GeoAI 기초 시리즈 16편 · 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....