아고산대(亞高山帶, sub-alpine zone)는 산림대와 고산대 사이의 식생대로서 기온이 낮으며(연평균 4~5℃ 이하) 비와 눈이 많고 강한 바람이 부는 지역을 말한다.

구상나무, 분비나무, 가문비나무, 주목, 눈측백, 눈잣나무, 눈향나무와 같은 상록침엽수와 활엽수인 사스래나무가 주로 분포하는 특징을 지닌다.

국내는 설악산, 오대산, 태백산, 소백산, 덕유산, 지리산, 한라산 등 대부분 백두대간으로 국립공원 지역이 해당되며, 생물다양성이 높은 중요 생태계로서 기후변화에 매우 취약한 것으로 평가되고 있다.

최근 기후변화로 인해 급격히 쇠퇴 및 고사하고 있는 아고산대 생태계 상록침엽수의 고사원인을 파악하기 위해 고사한 수목의 위치정보를 파악하는 일은 매우 중요하다.

▲ 아고산대의 구분.

고사목이 언제, 어디서, 얼마나, 어떻게 고사했는지 파악할 수 있다면, 고사목이 집중된 지역의 광량, 경사도, 토양수분환경, 주변식생 등을 분석하여 고사에 영향을 미친 환경요인을 찾을 수 있기 때문이다.

이에 따라 국립공원공단은 2018년 소백산국립공원 주목 군락지 소규모 면적(2,500㎡)을 대상으로 무인기 및 인공지능 머신러닝 기술을 활용해 수목의 시들음 및 고사목 위치를 자동 수집했다.

아울러 최근 지리산국립공원 전역의 주 능선을 모두 포함한 대규모 면적을 대상으로 고사목을 조사했는데, 항공기 촬영영상을 활용했다는 점에서 규모의 차이가 있으며, 머신러닝이 아닌 딥러닝 기술을 적용했다는 점에서 차별성이 있다는 평가다.

그동안 대면적의 국립공원을 대상으로 생태계 공간정보를 구축하는 일은 거의 불가능한 일로 여겨졌다. 사람이 현장에서 일일이 생물(나무와 같이 이동하지 않는 생물자원)의 위치와 정보 등을 확인해야 했기 때문이다.

최근에는 항공촬영기술이 발전되면서 고해상도 항공영상을 활용해 컴퓨터로 생물정보를 파악할 수 있는 방법이 생겼지만, 이 역시 사람의 눈으로 일일이 생물의 위치와 수를 헤아리는 방법으로 작업자의 역량에 따라 결과에 차이가 있고, 많은 시간이 소요됐다.

이에 반해 인공지능을 통한 공간정보 구축은 원하는 시점과 지역을 대상으로 빠르게 원하는 정보를 수집할 수 있어, 인력 및 비용, 시간 절감, 균질한 결과물을 얻을 수 있다. 실제로 인공지능을 활용한 기술은 축구장 6000개 정도(41.88㎢)의 면적을 대상으로도 단시간에 검출이 가능하다.

국립공원공단은 4차 산업혁명의 시대적 요구에 발맞춰 인공지능을 활용한 아고산대 기후변화 연구, 생태자원 조사, 보전·관리정책 등 후속 과제를 지속 추진할 계획이다.

저작권자 © 에코타임스 무단전재 및 재배포 금지