이산화탄소보다 84배 더 강한 ‘메탄’…위성·AI로 빠르고 정확하게 탐지
특정 적외선 파장대 빛 흡수 특성으로 메탄 누출 기둥 확인
높은 탐지 정확도, 전처리 과정 줄여 의심 지역 빠르게 찾아
이산화탄소와 함께 온실가스의 최대 주범인 메탄을 초분광 위성 데이터와 인공지능(AI)으로 보다 빠르고 정확하게 탐지할 수 있는 기술이 개발됐다.
울산과학기술원(UNIST)은 임정호(사진) 지구환경도시건설공학과 교수팀이 초분광 위성 데이터에서 메탄 구름 기둥을 자동으로 탐지하는 AI 기술을 개발하고, 감시 목적에 맞는 활용 기준을 제시했다고 25일 밝혔다.
메탄은 배출 후 20년간 이산화탄소보다 약 84배 강한 온실효과를 유발한다. 기존 메탄 탐지 기술은 위성 데이터 처리 시간이 오래 걸리고, 수동 분석 과정으로 신속한 감시에 한계가 있다. 이 때문에 초분광 위성 자료와 AI를 활용한 자동화된 메탄 탐지 기술 개발이 요구된다.
초분광 위성은 지표면에서 반사된 빛을 수십~수백 개의 좁은 파장대로 나눠 관측한다. 메탄은 특정 적외선 파장의 빛을 흡수하기 때문에 해당 파장대의 변화를 분석하면 메탄이 새어 나와 형성된 기둥 형태의 플룸(plume)을 찾을 수 있다.
연구팀은 미국항공우주국(NASA) 국제우주정거장 초분광 위성 자료인 EMIT 데이터를 영상분할 딥러닝 모델에 학습시켜 위성 영상에서 메탄 누출 기둥에 해당하는 영역을 자동으로 구분하는 탐지 모델을 구축했다.
실제, 탐지 모델은 투르크메니스탄, 알제리, 미국 등지의 석유와 가스 시설, 폐기물 처리장, 석탄 채굴지 등 다양한 배출원에서 발생한 메탄 기둥을 포착했다.
연구팀은 위성이 관측한 빛의 세기인 복사휘도와 메탄 농도 증가 영역을 강화한 자료 등 두 종류의 데이터를 세 종류의 영상 분할 딥러닝 모델에 각각 학습시켜 자동 탐지 모델을 개발하고, 각 모델에 대한 탐지 성능을 분석했다.
그 결과, 메탄 강화 자료를 학습한 모델이 전반적으로 탐지 정확도가 높았다. 반면 복사휘도를 학습한 모델은 정확도가 상대적으로 낮았다. 다만 전처리 과정을 생략할 수 있어 누출 의심 지역을 빠르게 찾을 수 있었다.
연구팀은 설명 가능한 인공지능(XAI)으로 분석한 결과, 개발된 탐지 모델은 단순히 영상의 색이나 배경 패턴을 학습하는 것이 아니라 메탄이 빛을 흡수하는 파장대와 누출 기둥의 공간적 형태처럼 실제 물리적 특성과 관련된 정보를 활용·판단해 높은 정확도를 보였다.
해상도와 관측 조건이 다른 위성 데이터 자료에도 탐지 모델을 적용할 수 있어 확장 가능성을 입증했다.
임정호 UNIST 교수는 연구팀은 "이번 연구는 초분광 위성 자료와 AI를 활용해 메탄 누출 의심 지역을 빠르게 선별하고 필요한 경우 정밀 검증할 수 있는 분석 기준을 제시했다는 데 의미가 있다"며 "앞으로 대규모 메탄 누출을 더 빨리 찾아내고 대응하는 차세대 온실가스 감시 기술로 활용돼 국제 사회의 메탄 감축 노력과 배출 검증 체계 강화에 기여할 것"이라고 말했다.
연구 결과는 국제 학술지 'npj 기후와 대기과학' 지난 3월 25일자에 실렸다.
이준기 기자 bongchu@dt.co.kr
Copyright © 디지털타임스. 무단전재 및 재배포 금지.