Building blocks for 3D fuelbeds: object-centered scanning and meshing protocol

숲 전체를 찍은 흐릿하고 멀리 떨어진 사진을 보며 산불이 어떻게 번지는지 이해하려고 노력한다고 상상해 보세요. 나무들은 보이지만, 아주 작은 나뭇가지나 바닥에 떨어진 마른 잎, 혹은 솔방울의 구체적인 모양은 볼 수 없습니다. 이것은 과학자들이 오랫동안 산불 모델링을 해온 방식과 비슷합니다. 그들은 불이 활활 타오르게 하거나 사그라들게 만드는 미세한 디테일들을 놓치는 크고 일반적인 지도들을 사용합니다.

이 논문은 이 문제에 접근하는 새로운 방식을 소개합니다. 전체 숲을 통째로 스캔하는 대신, 개별적인 "구성 요소"들을 하나씩 스캔하는 것입니다. 이렇게 생각해보세요. 만약 당신이 완벽한 디지털 레고 성을 만들고 싶다면, 완성된 성을 멀리서 사진으로 찍기만 해서는 안 될 것입니다. 대신 모든 브릭을 하나하나 스캔하여 정확한 크기를 측정하고, 돌기들이 어떻게 서로 맞물리는지 확인해야 합니다. 연구진들이 식물을 대상으로 한 작업이 바로 이와 같습니다.

새로운 도구: 초강력 3D 스캐너
연구팀은 정밀한 3D 카메라처럼 작동하는 첨단 산업용 스캐너(FARO Design ScanArm)를 사용했습니다. 이 장비는 단순히 사진을 찍는 것이 아니라, 물체 위로 레이저 선을 쏘아 물체의 형태를 나타내는 수백만 개의 미세한 점들인 '포인트 클라우드(point cloud)'를 생성합니다. 연구진은 뉴저지의 숲에서 가져온 실제 식물들(묘목, 관목, 솔방울, 심지어 떨어진 잎사귀까지)을 실험실에서 스캔했습니다.

목표는 이 실제 식물들을 "디지털 트윈(digital twins)"으로 만드는 것이었습니다. 이것은 단순한 평면 사진이 아닙니다. 물체를 완벽하게 감싸는 작은 삼각형들로 이루어진 디지털 와이어프레임인 '3D 메쉬 모델(3D mesh models)'입니다. 이를 통해 과학자들은 멀리서 추측하기 불가능한 것들, 예를 들어 잎의 정확한 표면적이나 솔방울의 부피 등을 측정할 수 있습니다.

단순한 물체 vs 복잡한 물체
연구진은 어떤 식물은 스캔하기 쉽고, 어떤 식물은 다소 까다롭다는 것을 발견했습니다.

• 단순한 물체: 단일 나뭇가지나 평평한 잎을 생각해보세요. 이들은 매끄럽고 예측 가능한 형태입니다. 스캐너가 그 위를 미끄러지듯 지나가면 컴퓨터가 쉽게 3D 모델로 변환합니다.
• 복합적인 물체: 잎사귀가 가지를 가리고 있는 관목이나, 솔방울처럼 비늘이 서로 겹쳐져 있는 형태입니다. 이런 것들은 잎이 레이저를 차단하는 현상(폐쇄/occlusion)이 발생하거나, 공중에서 흔들려 스캔을 방해하기 때문에 더 어렵습니다.

이런 까다로운 물체들을 처리하기 위해 연구팀은 창의적인 방법을 써야 했습니다. 때로는 잎이 있는 상태로 식물을 스캔한 다음, 잎을 제거한 후 다시 스캔하여 그 아래에 숨겨진 가지들을 확인하기도 했습니다. 또한, 아주 작은 바람에도 레이저 점들이 튀어 데이터에 '이중 이미지'가 생길 수 있으므로 식물이 움직이지 않도록 매우 주의해야 했습니다.

실제로 측정한 것들
연구팀은 이 디지털 트윈을 사용하여 23종의 식물을 대표하는 74개의 서로 다른 객체에 대해 구체적인 수치를 계산했습니다. 측정 항목은 다음과 같습니다:

• 표면적: 식물이 가진 '피부'의 면적 (불이 얼마나 빨리 타는지에 중요함).
• 부피: 식물이 차지하는 공간.
• 입자 밀도: 크기 대비 식물의 무게.

예를 들어, 잎이 너무 얇아서 레이저가 한쪽 면만 인식한 경우, 연구진은 표면적을 두 배로 늘리는 공식을 사용했고, 부피에는 표준 두께인 0.1mm를 곱하여 현실적인 추정치를 얻었습니다. 그들은 단순히 숫자를 추측한 것이 아니라, 식물을 오븐에 넣어 건조 중량을 측정하고 이를 3D 측정값과 비교했습니다.

이것이 '아닌' 것
이 논문이 하지 않는 일을 아는 것도 중요합니다. 저자들은 이 스캐너가 항공기에서 사용하는 광범한 각도의 레이저(하늘에서 숲 전체를 스캔하는 장비)를 대체하는 것이 아님을 분명히 밝히고 있습니다. 이 무겁고 섬세한 기계를 울창한 숲 속으로 가지고 들어가 산 전체를 스캔할 수는 없습니다. 대신, 이 방식은 큰 스캐너들이 놓치는 미세한 디테일을 이해하기 위한 "보완적" 도구입니다.

또한, 논문은 한계점도 인정합니다. 식물이 너무 빽빽하거나 잎이 너무 많이 움직이면 스캐너가 내부를 완벽하게 촬영하지 못할 수 있습니다. 이 경우 3D 모델이 시각적으로는 훌륭해 보일지라도, 부피와 표면적을 계산하는 수학적 결과에는 오류가 있을 수 있습니다. 연구진은 가장 정확한 결과를 얻으려면 식물을 두 번 스캔하거나(잎이 있을 때 한 번, 없을 때 한 번), 현장에서 잎의 두께를 측정하여 컴퓨터가 더 잘 추정할 수 있도록 돕는 방법이 필요하다고 제안합니다.

왜 중요한가
현재 산불 모델은 종종 '복셀(voxels)'을 사용합니다. 이는 3D 픽셀이나 공간 블록과 같은 것으로, 해당 블록에 연료가 얼마나 있는지 알려주지만, 그 연료가 실제로 어떤 '모양'인지는 알려주지 않습니다. 이러한 상세한 디지털 트윈을 제작함으로써, 과학자들은 마침내 실제의 구체적인 형태를 화재 시뮬레이션에 직접 입력할 수 있게 됩니다.

저자들은 이 접근 방식이 화재의 거동, 연기, 그리고 다양한 유형의 식생을 통해 불이 어떻게 이동하는지를 예측하는 능력을 향提升하는 데 도움이 될 수 있다고 제안합니다. 이는 모든 나뭇가지와 잎사귀 하나하나까지 고려된 숲의 '디지털 트윈'을 구축하는 단계이며, 이를 통해 소방관과 토지 관리자들이 더 나은 결정을 내릴 수 있도록 돕습니다. 비록 이번 연구가 특정 식물 세트를 대상으로 한 사례 연구이지만, 이전에는 가질 수 없었던 수준의 디테일로 화재를 모델링할 수 있는 미래를 위한 기초를 마련하고 있습니다.