전 세계적으로 산호초가 급격히 감소하고 있는 가운데, 하와이 대학교 마노아 캠퍼스 연구진은 하늘에서 산호초의 상태를 모니터링하는 AI 기반 측량 도구를 개발했습니다.
연구진은 딥 러닝 모델과 엔비디아 GPU 기반의 고해상도 위성 이미지를 사용하여 산호초를 둘러싸고 있는 모래의 독특한 고리인 산호초 후광을 발견하고 추적하는 새로운 방법을 개발했는데요,
최근 환경 원격 감지 저널에 게재된 이 연구는 실시간 산호초 모니터링을 통해 전 세계 산호초 보존에 새로운 전기를 마련할 수 있을 것으로 기대됩니다.
하와이 대학의 박사후 연구원이자 이 연구의 공동 저자인 Amelia Meier는 “산호초 후광은 생태계 건강의 잠재적 지표가 될 수 있습니다.”라고 답했습니다. “우주에서 볼 수 있는 후광 패턴은 과학자들과 환경 보호론자들에게 광활하고 먼 지역을 관찰할 수 있는 특별한 기회를 제공하는데, 특히 AI를 사용하면 후광의 존재 여부와 크기를 거의 실시간으로 정기적으로 평가하여 생태계의 건강 상태를 파악할 수 있습니다.”
바다를 맑게: 산호초의 건강 조명
연구자들의 최근 발견에 따르면, 이전에는 물고기 방목으로만 여겨졌던 산호초 후광이 건강한 포식자-포식자 생태계를 나타낼 수도 있다고 합니다. 일부 초식 어류는 보호 산호초 주변에서 해조류나 해초를 뜯어먹는 반면, 사냥꾼은 해저를 파헤쳐 굴에 파묻힌 무척추동물을 찾아 주변 모래를 드러내기도 합니다.
이러한 역동성은 이 지역이 다양한 해양 생물 개체군을 유지하기 위한 건강한 먹이 뷔페를 보유하고 있음을 나타냅니다. 후광의 모양이 변하면 해양 먹이 그물망의 불균형을 의미하며, 산호초 환경이 건강하지 않다는 것을 나타낼 수 있습니다.
뜨거운 물 속
산호초는 바다의 1% 미만을 차지하지만 100만 종 이상의 수생 생물에게 서식지, 먹이, 보육원을 제공합니다. 또한 상업 및 생계형 어업, 관광, 해안 폭풍 보호, 신약 개발 연구를 위한 항바이러스 화합물 제공 등 연간 약 3750억 달러에 달하는 막대한 상업적 가치도 있습니다.
하지만 현재 산호초의 건강은 남획, 영양염 오염, 해양 산성화 등으로 인해 위협받고 있는데요, 온난화로 인한 열 스트레스와 함께 기후 변화가 심화되면서 산호 백화 현상과 전염병도 증가하고 있습니다.
전 세계 산호초의 절반 이상이 이미 사라지거나 심하게 훼손되었으며, 과학자들은 2050년까지 모든 산호초가 위협에 직면할 것이며 많은 산호초가 심각한 위험에 처할 것이라고 예측하고 있습니다.
AI로 새로운 지평을 열다
산호초 후광의 변화를 파악하는 것은 전 세계 산호초 보존 노력의 핵심입니다. 그러나 이러한 변화를 추적하는 데는 노동력과 시간이 많이 소요되기 때문에 연구원들이 매년 수행할 수 있는 조사 횟수는 제한됩니다. 외딴 곳에 있는 산호초에 접근하는 것도 어려운 일이구요.
연구진은 전 세계 인공위성에서 산호초 후광을 식별하고 측정하는 AI 도구를 개발하여 환경 보호론자들이 산호초 황폐화에 선제적으로 대응할 수 있는 기회를 제공했습니다.
연구진은 Planet SkySat 이미지를 사용하여 두 가지 유형의 컨볼루션 신경망(CNN)을 사용하는 이중 모델 프레임워크를 개발했습니다. 이미지 세그먼트를 위해 컴퓨터 비전 방법을 사용하여 산호초와 후광의 가장자리를 픽셀 단위로 감지하는 마스크 R-CNN 모델을 학습시켰습니다. 산호초와 후광을 구분하도록 훈련된 U-Net 모델은 산호초와 후광의 영역을 분류하고 예측합니다.
연구팀은 산호초 모델에 대한 수천 개의 주석을 훈련하고 테스트하기 위해 텐서플로우, 케라스, 파이토치(PyTorch) 라이브러리를 사용했습니다.
이 작업의 대규모 컴퓨팅 요구 사항을 처리하기 위해 CNN은 cuDNN 가속 PyTorch 프레임워크에 의해 강화된 엔비디아 RTX A6000 GPU에서 작동됩니다. 연구진은 엔비디아 아카데미 하드웨어 보조금 프로그램의 참가자로서 A6000 GPU를 지원받았습니다.
이 AI 툴은 약 2분 만에 100평방킬로미터에 걸쳐 약 300개의 후광을 빠르게 식별하고 측정하는데요, 사람이 같은 작업을 수행하려면 약 10시간이 걸립니다. 또한 이 모델은 위치에 따라 정확도가 약 90%에 달하며 다양하고 복잡한 후광 패턴을 탐색할 수 있습니다.
Meier 는 “이번 연구는 고양이나 개와 같은 일반적인 이미지 데이터 세트가 아닌 산호초 후광 패턴에 대해 AI를 학습시킨 첫 번째 사례입니다.”라고 말합니다. “수천 장의 이미지를 처리하는 데는 많은 시간이 소요될 수 있지만, 엔비디아 GPU를 사용하면 처리 속도가 크게 빨라집니다.”
한 가지 문제는 이미지 해상도가 모델의 정확도를 제한하는 요인이 될 수 있다는 점입니다. 해상도가 낮은 코스 스케일 이미지는 암초와 후광 경계를 파악하기 어렵고 예측 정확도가 떨어집니다.
환경 모니터링 강화
Meier 는 또한 “저희의 장기적인 목표는 후광 크기의 변화를 평가하고 해당 지역의 포식자와 초식동물의 개체군 역학에 대한 상관관계를 도출하기 위한 강력한 모니터링 도구로 연구 결과를 전환하는 것입니다.”라고 답했습니다.
이 새로운 접근 방식을 통해 연구원들은 종 구성, 산호초 건강, 후광의 존재와 크기 사이의 관계를 탐구하고 있습니다. 현재는 상어와 후광 사이의 연관성을 조사하고 있습니다. 가설로 설정한 포식자-먹이-후광의 상호작용이 사실로 입증되면 연구팀은 우주에서 상어 개체수를 추정할 수 있을 것으로 예상합니다.