스파이 위성 영상으로 되살린 1970년대 이스탄불 인구 지도

초록

1970~90년대의 부정확한 인구 분포 데이터를 해결하기 위해, 과거 미국의 첩보 위성인 KH-9 Hexagon의 해제된 영상을 활용하여 이스탄불 지역의 역사적 인구 격자 지도를 정밀하게 재구성한 연구입니다.

상세 분석

본 연구의 핵심 기술적 가치는 ‘다시메트릭 매핑(Dasymetric Mapping)’ 기법의 정밀도를 극대화하기 위해, 과거 군사적 목적으로 사용되었던 KH-9 Hexagon 첩보 위성 영상을 활용했다는 점에 있습니다. 기존의 GHSL(Global Human Settlement Layer) 프레임워크는 1970~90년대의 인구 분포를 추정할 때, 건축물 데이터의 해상도가 낮고 토지 피복 정보가 거칠어 인구가 존재하지 않는 미개발 지역에 인구를 과다 배정(Misallocation)하는 구조적 한계를 보였습니다.

연구진은 1977년 KH-9 영상에서 추출한 ‘HexaLCSeg’ 데이터셋을 통해 고해상도 건물 분포를 식별하였으며, 이를 지리적으로 코딩된 인구 조사 데이터와 결합했습니다. 기술적으로 주목할 점은 단순한 위성 영상 분석에 그치지 않고, LAU-2(Local Administrative Unit) 수준의 세부 행정 구역 인구 데이터를 통합하여 공간적 해상도를 높였다는 것입니다. 이는 래스터(Raster) 기반의 위성 영상 데이터와 벡터(Vector) 기반의 통계 데이터를 융합하는 고도의 공간 정보 처리 프로세스를 보여줍니다. 특히, 도시 외곽(Peri-urban) 및 농촌 지역의 파편화된 거주 패턴을 재구성하는 데 있어, 첩보 위성 특유의 고해상도 식별 능력이 기존의 저해상도 글로벌 제품이 놓쳤던 미세한 정주 패턴을 포착해내는 결정적 역할을 수행했음을 입증했습니다.

역사적 인구 분포를 정확하게 재구성하는 것은 도시 계획, 환경 변화 분석, 그리고 과거의 사회경제적 변화를 이해하는 데 있어 매우 중요한 과제입니다. 그러나 1970년대부터 1990년대 사이의 기간은 전 세계적으로 정밀한 건축물 데이터와 신뢰할 수 있는 인구 조사 기록이 부족하여, 현재 사용되는 GHSL(Global Human Settlement Layer)과 같은 글로벌 인구 격자 제품에서도 상당한 오차를 보이고 있습니다. 특히 인구가 밀집되지 않은 미개발 지역에 인구가 배정되는 ‘인구 오배정’ 문제는 역사적 인구 지도의 신뢰도를 떨어뜨리는 주요 원인이었습니다.

본 연구는 이러한 문제를 해결하기 위해 매우 혁신적인 접근 방식을 제안합니다. 바로 과거 미국의 정찰용 첩보 위성인 KH-9 Hexagon의 해제된(Declassified) 영상을 활용하는 것입니다. 연구진은 1977년 촬영된 KH-9 영상을 기반으로 건물 분포를 세밀하게 분할한 ‘HexaLCSeg’ 데이터셋을 구축하였습니다. 이를 통해 과거의 건축물 분포를 고해상도로 파악할 수 있는 기반을 마련했습니다.

연구의 실험적 검증은 이스탄실의 Arnavutkoy와 Cekmekoy 지역을 대상으로 진행되었습니다. 연구진은 세 가지 모델을 비교 분석했습니다. 첫째는 기존의 GHSL 베이스라인 모델, 둘째는 KH-9 위성 영상 데이터를 강화한 워크플로우, 셋째는 위성 영상 데이터에 지역 단위(LAU-2)의 인구 조사 데이터를 완전히 통합한 모델입니다.

분석 결과, 기존 GHSL 모델은 과거에 개발되지 않았던 지역에 인구를 잘못 배정하는 경пи를 보였으나, KH-9 영상 기반의 데이터셋을 적용했을 때 이러한 오류가 현저히 감소했습니다. 특히, 기존 글로벌 제품들이 놓치기 쉬운 파편화된 농촌 지역과 도시 외곽(Peri-urban) 지역의 인구 분포를 매우 정밀하게 재현해냈습니다. 여기에 세부 행정 구역의 인구 통계를 결합한 최종 모델은 가장 높은 공간적 정확도를 나타냈습니다.

결론적으로, 이 연구는 기밀 해제된 과거의 첩보 위성 영상이 단순한 군사적 기록을 넘어, 인류의 역사적 인구 패턴을 복원하는 데 있어 매우 강력한 과학적 도구가 될 수 있음을 증명했습니다. 이러한 방법론은 위성 영상 데이터가 부족하거나 인구 통계 기록이 불충분한 전 세계의 다양한 데이터 결핍 지역(Data-scarce regions)에 적용될 수 있는 높은 확장성을 지니고 있으며, 향후 역사적 인구 지도의 정확도를 높이는 데 획기적인 전환점이 될 것으로 기대됩니다.