Comparative Google Earth Engine Workflows for Flood and Landslide Diagnostics in Lower Silesia, Poland, and Batang Kali, Malaysia

기술 요약: 홍수 및 산사태 진단을 위한 비교 구글 어스 엔진(Google Earth Engine) 워크플로우

문제 제념
재난 발생 후의 지형 공간 진단은 파손된 인프라, 불안정한 지형, 제한된 접근성 등의 운영상 제약에 직면하는 경우가 많으며, 이는 대규모 데이터셋을 해석 가능한 지리 정보로 신속하게 변환할 수 있는 원격 탐사 방법론을 필요로 한다. 홍수와 산사태 매핑은 각각 개별적으로 활발히 연구되어 왔으나, 두 가지 서로 다른 물리적 재해(수문학적 홍수 vs 사면 붕괴)를 비교하면서도 각 센서 신호(광학 vs 레이더)의 고유한 물리적 해석을 보존할 수 있는 단일하고 일관된 계산 로직을 적용하는 데에는 방법론적 간극이 존재한다. 본 연구는 분석 환경을 파편화하지 않으면서 다양한 환경적 맥문(온대 유럽 vs 열대 아시아)과 센서 모달리티를 가로질러 작동할 수 있는 전이 가능하고 반복 가능한 워크플로우의 필요성을 다룬다.

방법론
본 연구는 두 가지 별개의 사례 연구인 2024년 9월 폴란드 하부 실레시아(Lower Silesia) 홍수와 2022년 12월 말레이시아 바탕 칼리(Batang Kali) 산사태를 처리하기 위해 구글 어스 엔진(GEE)을 통합된 계산 아키텍처로 채택하였다. 두 워크플로우는 모두 동일한 6단계 분석 시퀀스를 따른다:

1. 이미지 선택: 관심 영역(AOI) 및 시간 창을 기준으로 전후 이벤트 이미지를 필터링한다.
2. 변화 지수 계산: 사례별 변화 메트릭을 도출한다.
3. 이진 마스크 추출: 임계값 설정을 통해 이진 이벤트 마스크를 생성한다.
4. 표준화: 무차원 변화 강도 레이어를 생성하기 위해 Z-점수(Z-score) 변환을 수행한다.
5. 검증: 혼동 행렬(confusion matrices)을 이용한 점 기반 정확도 평가를 실시한다.
6. 내보내기: QGIS에서의 지도 제작 합성을 위해 GeoTIFF를 생성한다.

• 홍수 워크플로우 (하부 실레시아): Sentinel-2 Level-2A 광학 영상을 활용하였다. 변화 메트릭은 녹색(B3) 및 근적외선(B8) 밴드에서 계산된 정규화 차수 수분 지수($\Delta$NDWI)의 시간적 차이이다. 구름은 QA60 비트 마스크를 사용하여 마스킹되었다. 이진 홍수 마스크는 $\Delta$NDWI $\ge$ 0.25라는 고정 임계값을 사용하여 생성되었다.
• 산사태 워크플로우 (바탕 칼리): Sentinel-1 GRD SAR 영상(VV 편파, 간섭계 와이드 스와스 모드)을 활용하였다. 변화 메트릭은 후방 산란 계수의 차이($\Delta\sigma^0$)이다. 스펙클 노이즈를 완화하기 위해 임계값 설정 전 변화 레이어에 공간 평활화(spatial smoothing)를 적용하였다. 이진 "산사태 유사" 마스크는 표면 교란을 나타내는 음의 $\Delta\sigma^0$ 값을 기준으로 생성되었다.

두 사례 모두 분류된 결과의 검증을 위해 층화 추출법을 사용하였으며, 참조 레이블은 독립적인 현장 조사 데이터가 아닌 위성 영상(Copernicus Browser 및 NASA Worldview)에 대한 수동 시각 해석을 통해 할당되었다.

주요 결과
본 연구는 서로 다른 두 재해에 대해 GEE 계산 아키텍처의 이식성을 성공적으로 입증하였으나, 지표의 물리적 특성에 따라 분류 성능은 상이하게 나타났다.

• 하부 실레시아 (홍수): 워크플로우는 70.142 km²의 홍수 클래스 픽셀을 식별하였다. 내부 검증 샘플(240개 지점)은 모든 지표(전체 정확도, 사용자 정확도, 생산자 정확도)에서 100% 일치도를 보였다. 저자는 이 결과가 분류에 사용된 것과 동일한 위성 영상 도메인에서 유도된 참조 데이터를 사용했기 때문에 낙관적이고 사례 특이적일 수 있다고 언급하였다.
• 바탕 칼리 (산사태): 워크플로우는 11개의 참조 산사태 지점을 모두 탐지하였으나(생산자 정확도/재현율 100%), 109개의 안정적인 참조 지점을 산사태 유사 지점으로 오분류하였다(특이도 0%). 결과적으로 전체 정확도와 사용자 정확도는 낮게 나타났다(전체 정확도 9.17%, F1-score 16.79%). 저자는 이 출력을 정밀한 산사태 인벤토리로 보는 것이 아니라, 습도, 거칠기, 기하학적 구조의 영향을 받는 복잡한 열대 식생 지역에서 레이더 후방 산란이 발생하는 특성 때문에 발생하는 위양성(false positives)이 많은 "고감도 교란 스크리닝 제품"으로 해석하였다.

주요 기여

1. 방법론적 전이 가능성: 주요 기여는 단일화되고 표준화된 클라우드 기반 처리 로직(전/후 선택, 변화 탐지, 임계값 설정)이 광학 및 레이더 데이터 모두에 적용되어 서로 다른 재해 유형에 활용될 수 있음을 입증한 것이다.
2. 운영적 접근성: 본 연구는 무료로 사용 가능한 Sentinel 데이터, 오픈 소스 GEE 스크립트, QGIS의 활용성을 검증함으로써 독점 소프트웨어나 광범위한 로컬 컴퓨팅 자원 없이도 신속한 사후 이벤트 스크리닝이 가능함을 보여준다.
3. 워크플로우와 성능의 차별화: 본 논문은 계산 워크플로우는 전이 가능하지만, 진단 성능은 본질적으로 재해 및 지표에 따라 달라짐을 확립한다. 즉, $\Delta$NDWI와 $\Delta\sigma^0$는 방법론적으로는 변화 측정으로서 비교 가능하지만, 물리적으로는 서로 다르며 재해 강도의 상호 대체 불가능한 지표임을 강조한다.

의의 및 주장
본 논문은 자신의 주된 기여가 보편적인 분류 정확도가 아닌 방법론에 있다는 점을 겸허히 주장한다. 논문은 구글 어스 엔진이 신속한 지형 공간 진단을 위한 안정적이고 재현 가능한 아키텍처를 제공한다고 상정한다. 그러나 워크플로우의 전이 가능성이 동등한 진단 성능을 보장하는 것은 아님을 명시적으로 경고한다. 결론적으로, 특히 산사태 탐지의 경우, 레이더 기반 스크리닝은 위양성 오류를 줄이기 위해 지형 제약, 지표 피복 필터링 및 다중 시계열 증거와 병행되어야 한다. 본 연구의 결과는 내부 이미지 기반 체크에서 운영 가능한 재해 매핑으로 넘어갈 때 독립적인 검증 데이터셋이 필요함을 강조하며, 통합된 오픈 소스 방식의 재난 위험 감소(DRR) 진단을 위한 개념 증명 역할을 한다.