고해상도 지형 영상의 향상된 2차원 연속 웨이브릿 변환을 활용한 산사태 위험 구역 매핑

초록

본 연구는 리우데자네이루 산악 지역의 고해상도 지형 영상을 대상으로 향상된 2차원 연속 웨이브릿 변환(Enhanced‑2D‑CWT)을 적용해 산사태 위험 구역을 자동으로 구분하는 방법을 제시한다. 파형 선택, 스케일 최적화, 그리고 지형 특성(경사, 곡률)과의 결합을 통해 기존 GIS 기반 위험도 모델보다 높은 공간 해상도와 정확도를 달성하였다. 실험 결과는 위험 구역이 실제 발생한 지역과 높은 일치성을 보였으며, 향후 도시 계획 및 재난 대응에 활용 가능성을 제시한다.

상세 분석

본 논문은 연속 웨이브릿 변환(CWT)의 2차원 형태를 고해상도 디지털 고도 모델(DEM) 및 항공 라이다(LiDAR) 데이터에 적용함으로써 지형의 다중 스케일 특성을 정밀하게 추출한다는 점에서 혁신적이다. 기존 연구에서는 주로 단일 스케일의 푸리에 변환이나 전통적인 GIS 기반의 경사·곡률 지표를 사용했으나, 이러한 방법은 급격한 지형 변화와 미세한 구조를 포착하는 데 한계가 있었다. 저자들은 먼저 데이터 전처리 단계에서 노이즈 억제를 위해 가우시안 필터와 고도 보정 알고리즘을 적용하고, 이후 Morlet 웨이브릿을 기본 파형으로 선택하였다. Morlet 웨이브릿은 복소수 형태의 실시간 주파수와 위치 정보를 동시에 제공하므로, 급경사와 같은 국부적 특성을 효과적으로 드러낼 수 있다.

‘향상된’이라는 표현은 두 가지 주요 개선점을 의미한다. 첫째, 스케일 파라미터를 자동 최적화하는 적응형 스케일 선택 알고리즘을 도입해, 각 지역별 지형 복잡도에 맞는 최적 스케일을 동적으로 할당한다. 이를 위해 지역별 표준편차와 평균 기울기를 기반으로 스케일 범위를 제한하고, 최적 스케일을 찾는 비용 함수를 최소화한다. 둘째, 웨이브릿 계수의 절대값을 지형 지표(경사, 곡률, 고도 차)와 가중합하여 복합 위험 점수를 산출한다. 이 복합 점수는 기존 단일 지표 기반 위험도와 비교했을 때, 위험 구역의 경계가 더 명확히 드러나며, 특히 인구 밀집 지역의 미세한 경사 변화를 포착한다.

성능 평가는 ROC 곡선과 AUC 값을 이용해 진행했으며, 제시된 모델은 AUC 0.92를 기록해 기존 GIS 기반 모델(0.78)보다 현저히 높은 분류 능력을 보였다. 또한, 현장 조사와 비교했을 때 85% 이상의 정확도로 실제 산사태 발생 지역을 재현했으며, 오탐률은 7% 수준에 머물렀다. 이러한 결과는 웨이브릿 기반 접근법이 고해상도 지형 데이터와 결합될 때, 위험 지역 식별에 있어 공간적 정밀도와 신뢰성을 동시에 확보할 수 있음을 입증한다.

한계점으로는 데이터 처리량이 크다는 점과, 파형 선택 및 스케일 최적화 과정이 계산 비용을 증가시킨다는 점을 들 수 있다. 향후 연구에서는 GPU 가속 및 멀티코어 병렬 처리를 도입해 실시간 위험 지도 생성이 가능하도록 할 필요가 있다. 또한, 강우량, 토양 특성, 식생 커버와 같은 비지형 요인을 통합한 다변량 모델로 확장함으로써, 위험 예측의 종합성을 높일 수 있을 것으로 기대된다.