Google ForTy, 자연림과 조림지를 구분하는 AI 산림 지도

구글 딥마인드와 구글 리서치가 세계자원연구소(WRI), 국제응용시스템분석연구소(IIASA)와 함께 10월 22일 ForTy를 공개했다. 위성 관측을 AI로 분석해 자연림과 사람이 심은 숲, 나무를 재배하는 농장을 구분하는 지도다. 나무가 있는 면적에 더해 그 땅이 어떤 숲으로 쓰이는지 보여준다. 공식 발표

위쪽 왼쪽은 실제 위성 영상, 가운데는 유형별로 색을 입힌 지도, 오른쪽은 분류가 불확실한 곳이다. 아래쪽은 같은 지역의 유형별 신뢰 점수로, 숲의 경계나 서로 다른 토지가 섞인 곳을 함께 살펴볼 수 있다.

같은 초록색 땅도 쓰임은 다르다

오래 유지된 자연림과 목재를 얻으려고 일정한 간격으로 나무를 심은 조림지는 위에서 보면 모두 초록색이다. 그러나 숲의 이력과 관리 방식은 다르다. 자연림을 베고 다시 나무를 심으면 수목 면적이 회복돼도 원래 숲이 보전됐다고 보기 어렵다. ForTy는 이런 차이를 지도에 담기 위해 만들었다. 산림 유형을 나누는 이유

이름은 Forest Typology의 줄임말이다. 기본 데이터인 ‘ForTy 2020 v1’은 2020년 상태를 기준으로 땅을 10m 격자로 나눈다. 한 칸은 가로·세로 10m이며, 그 안의 나무 한 그루씩을 식별하는 지도와는 다르다. 공식 카탈로그가 안내하는 범위는 남위 65도에서 북위 84도까지다. 데이터 범위와 해상도

분류는 원생림, 자연 재생림, 장기 조림지, 집약적 조림지, 나무 작물·혼농임업, 기타 토지의 여섯 가지다. 자연 재생림은 교란 이후 주로 자연적으로 다시 자란 숲이고, 나무 작물에는 기름야자·고무·과수처럼 목재 이외의 생산물이 목적인 농장이 들어간다. 혼농임업은 나무와 농업을 함께 운영하는 방식이다. 조림지는 운영상 40년을 넘는 벌채 주기와 그 이하로 구분하지만, 이는 관리 강도를 추정하기 위한 기준이다. 여섯 유형의 정의

여러 시기의 관측을 압축해 읽는다

기반이 되는 AlphaEarth Foundations는 여러 위성이 관측한 정보를 각 격자마다 64개 수치로 요약한다. 이를 ‘임베딩’이라고 한다. 한 장의 사진에 보이는 색뿐 아니라 한 해 동안 표면이 어떻게 달라졌는지와 주변의 특징을 함께 담은 표현이다. ForTy는 이 정보를 입력으로 받아 숲의 종류를 추정한다. 위성 임베딩의 구성

이런 요약 정보를 쓰면 이용자는 방대한 위성 영상을 처음부터 처리하는 대신, 땅의 특징이 정리된 데이터를 분류 작업에 활용할 수 있다. 다만 64개 수치 하나하나가 ‘수분’이나 ‘나무 간격’처럼 사람이 이름 붙인 항목은 아니다. 모델이 학습한 특징을 담은 벡터이며, 각각의 차원보다 전체 표현을 함께 해석한다. 임베딩을 사용하는 방법

연구진은 약 170만 학습 표본과 단계별 학습을 활용했다. 초기 분류 결과를 더 넓은 지역의 학습 자료로 확장하고, 잘 구분하지 못하는 지역은 전문가가 확인해 자료를 보완하는 방식이다. 단순히 나무가 녹색인지 보는 규칙보다 재배 형태와 시간에 따른 차이를 배울 수 있도록 구성했다. 학습 과정

90.2% 정확도는 무엇을 뜻하나?

논문은 무작위로 뽑은 9,100개 지점 가운데 전문가 합의가 완료된 8,190개로 정확도를 계산했다. 여섯 유형 전체의 정확도는 90.2%, 숲과 비산림만 나누는 정확도는 95.5%였다. 개발 연구진이 독립 표본으로 평가한 결과로, 모든 지역과 유형에서 같은 수준을 보장하는 수치는 아니다. 평가 표본과 결과

특히 전체 정확도에는 넓은 면적을 차지하는 ‘기타 토지’가 크게 영향을 준다. 장기 조림지(planted forest)의 F1은 58.2%로 산림 유형 중 가장 낮았다. F1은 해당 유형을 얼마나 빠뜨리지 않고, 다른 땅과 혼동하지 않으며 찾아냈는지를 함께 보는 지표다. 전체 정확도 90.2%와 지표가 다르므로 두 값을 바로 빼서 성능 차이를 계산할 수는 없다. 유형별 성능과 해석

지도는 유형 하나와 함께 분류 점수를 활용할 수 있게 한다. 예를 들어 보전 대상 후보지를 찾을 때 점수가 높은 지역부터 검토하고, 경계가 모호한 곳은 추가 자료와 대조하는 식이다. 이 점수는 별도로 확률 보정을 거친 값은 아니다. ‘90%로 표시된 지역 열 곳 중 아홉 곳이 맞는다’고 바로 해석하기보다 지역별 검증 자료로 확인해야 한다. 분류 점수의 의미

공개 지도와 데이터를 어떻게 쓰나?

관심 지역은 공식 지도 앱에서 살펴보고, 분석에는 Earth Engine의 데이터 컬렉션을 이용할 수 있다. Earth Engine은 대규모 위성 자료를 지도 위에서 계산하는 플랫폼이다. 연구·교육·비영리 용도는 무료 이용을 안내하며, 시작하려면 접근 등록이 필요하다. 데이터의 공개 라이선스와 플랫폼 이용 조건은 구분된다. 데이터 연결과 이용 안내

ForTy 데이터는 출처를 표시하는 CC BY 4.0으로 제공된다. 결과를 내려받아 다른 지도와 겹쳐 분석할 수 있지만, 2020년 기준 지도를 현재 상태로 읽어서는 안 된다. 구글은 별도로 2017~2025년의 변화를 보여주는 초기 시계열도 공개했다. 기준 지도와 초기 시계열은 성격이 다르므로 사용할 자료의 연도와 버전을 먼저 확인해야 한다. 라이선스 · 시계열 공개

예를 들어 원료 공급 지역에서 자연림이 농장으로 바뀐 곳을 찾거나, 숲 복원 사업의 후보지를 좁히는 데 활용할 수 있다. 다만 위성으로 관리 의도와 이력을 완전히 알기는 어렵다. 나무 아래에서 코코아나 커피를 재배하면 자연림과 혼동할 수 있고, 조림지의 관리 방식도 지역마다 다르다. 이 지도는 현장 확인과 다른 기록을 어디에 집중할지 정하는 자료로 읽는 편이 정확하다. 활용할 때의 한계