위성·AI로 메탄 누출 자동 탐지…차세대 온실가스 감시 기술
메탄은 배출 후 20년간 이산화탄소보다 약 84배 강한 온난화 효과를 낸다. 국내 연구팀이 초분광 위성 데이터와 딥러닝을 결합해 메탄 누출 기둥을 자동으로 탐지하는 기술을 개발했다.
전문가 수작업 없이도 작동해 누출 의심 지역을 빠르게 선별하고 정밀 검증까지 가능하다. 누출 의심 지역을 빠르게 선별하고 정밀 검증까지 가능해 국제 메탄 감축 노력에 새로운 전기가 마련될 전망이다.
울산과학기술원(UNIST)은 임정호 지구환경도시건설공학과 교수팀이 초분광 위성 데이터에서 메탄 구름 기둥을 자동으로 탐지하는 인공지능 기술을 개발하고, 탐지 모델별 성능을 비교 분석해 감시 목적에 맞는 활용 기준을 제시했다고 25일 밝혔다. 연구결과는 국제 학술지 ‘npj 기후와 대기과학’에 3월 25일 게재됐다.
초분광 위성은 지표면에서 반사된 빛을 수십~수백 개의 좁은 파장대로 나눠 관측한다. 메탄은 특정 적외선 파장의 빛을 흡수하는 성질이 있어 해당 파장대의 위성 센서가 감지하는 빛의 세기인 복사휘도 변화를 분석하면 메탄이 새어 나와 형성된 기둥 형태의 플룸(plume)을 찾아낼 수 있다.
연구팀은 미국항공우주국(NASA) 국제우주정거장 초분광 위성 자료인 EMIT 데이터를 영상분할 딥러닝 모델에 학습시켜 메탄 누출 기둥에 해당하는 영역을 자동으로 구분하는 탐지 모델을 구축했다. 탐지 모델은 투르크메니스탄·알제리·미국 등지의 석유·가스 시설, 폐기물 처리장, 석탄 채굴지 등 다양한 배출원에서 발생한 메탄 플룸을 높은 정확도로 포착했다.
연구팀은 입력 데이터 두 가지와 딥러닝 모델 세 가지를 조합해 탐지 성능을 비교했다. 입력 데이터는 위성이 측정한 빛의 세기를 그대로 담은 복사휘도 자료와 메탄 농도가 높은 영역을 두드러지게 가공한 전처리 자료다. 모델은 이미지에서 패턴을 추출하는 CNN-ASPP, 다양한 크기의 특징을 동시에 잡아내는 인셉션 U-넷(Inception U-Net), 문맥 전체를 한꺼번에 파악하는 세그포머(SegFormer) 세 가지다.
메탄 강화 자료를 학습한 모델이 전반적으로 탐지 정확도가 높았다. 반면 복사휘도를 그대로 학습한 모델은 정확도가 상대적으로 낮지만 전처리 과정을 생략할 수 있어 누출 의심 지역을 빠르게 추려내는 데 유리했다.
AI가 왜 그런 판단을 내렸는지 근거를 보여주는 설명 가능한 인공지능(XAI) 분석 결과 탐지 모델은 영상의 색이나 배경 패턴이 아니라 메탄 고유의 빛 흡수 파장대와 플룸의 공간적 형태 등 실제 물리적 특성에 근거해 판단하는 것으로 확인됐다. AI가 주목한 영역을 색깔로 표시하는 그래드캠 (Grad-CAM)과 각 데이터 요소의 기여도를 수치화하는 통합 기울기(Integrated Gradients) 기법으로 모델의 신뢰성을 입증했다.
국제우주정거장 초분광 위성 자료인 EMIT 데이터에서 검증한 데이터·모델 조합을 민간 초분광 위성 자료인 타나저-1(Tanager-1)에 동일하게 적용했을 때도 유사한 탐지 성능을 보였다. 해상도와 관측 조건이 다른 위성 데이터에도 모델이 안정적으로 작동해 기술의 확장 가능성을 확인했다.
연구팀은 "해상도와 관측 조건이 달라도 적용할 수 있고 AI가 어떤 물리적 근거로 메탄을 판별하는지도 확인할 수 있다"며 "대규모 메탄 누출을 더 빨리 찾아내고 대응하는 차세대 온실가스 감시 기술로 활용될 것"이라고 밝혔다.
임정호 교수는 "메탄은 어디서 얼마나 새는지 빠르게 파악하는 것만으로도 감축 효과를 높일 수 있는 온실가스"라며 "기존에는 자료 처리와 전문가 검토에 시간이 걸렸으나 초분광 위성과 인공지능을 결합해 누출 의심 지역을 신속히 선별하고 필요한 경우 정밀 검증까지 가능한 분석 기준을 제시했다"고 말했다. 이어 "국제 사회의 메탄 감축 노력과 배출 검증 체계 강화에 기여할 것으로 기대한다"고 덧붙였다.
<참고자료>
nature.com/articles/s41612-026-01387-8
[조가현 기자 gahyun@donga.com]
Copyright © 동아사이언스. 무단전재 및 재배포 금지.