Ökoinfomatik

그야말로 최근 연구 동향; 초고해상도 3d 이미지 찍고, 나무 하나하나 딥러닝으로 자동 매핑. 
레이저 센서는 고해상도 라이다 같음. 카본이랑 나이트로젠을 뭘로 잰 건지 모르겠는데, 요새 형광 센서 써서 leaf nitrogen 보는 식으로 대신 고해상도로 한 것 아닌가 추측. 이런 연구를 어서 시작해야 하는데.. 
https://cao.carnegiescience.edu/publications 발표자 Greg Asner가 속해 있는 연구 그룹 홈페이지. 
사이언스 논문
http://science.sciencemag.org/content/355/6323/385
다음 주에도 프로젝트 회의 있는데, .. 연구 갭이 너무 크게 느껴져서 갑갑하다. 뭔가 회의를 하면서 '새로운 방법!' 하면 반응은 보통 2가지다. '뭔진 모르지만 그럴싸 하니 해보자' 아니면 '뭐 항상 대단한 건 없었으니 그냥 하던 대로 하자'. 첫 번째 반응을 따라가면 결국 뭐 이것 저것 새로운 용어만 붙으면서 근본적인 연구, 분석은 옛날 스타일로 하는 경우가 된다. 빅 데이터.. 어쩌고 하는 연구가 상당수 들여다 보면 그렇다. 두 번째 반응을 따라가면 그냥 뭐, 코릴레이션, ols, pca. 그리고 결국은 뭐 불확실성이 있다 (그러나 우리는 다루지 않겠다), 이런 결론을 내리는 연구가 된다. 
왜 새로운 방법이 나왔고, 실제 장점은 무엇이며, 그것을 우리가 어떻게 도입해서 연구 해야 하는지 진지하게 의논하는 그런 분위기 속에서 일하고 싶은데, 언제가 될 지, 언젠가는 될 지 아직도 모르겠다. 
자, 이 연구로 돌아오자. 왜 나왔는가. 이런 방법을 쓰지 않으면 대규모 연구 지역에 대한 고해상도 (3D) species mapping은 불가능하다. 그리고 그게 불가능해서 현재 대부분의 중규모 생태학 연구에서는 100미터 이상 해상도에 분류도 굉장히 러프하게 된 식생 지도를 사용한다 (e.g., 서울 숲이 500m 500m 픽셀의 활엽수림이라 던가). 이 동영상 초반에 소개한 사자 이동 연구 같은 건 당연히 불가능하다. 실제 장점은 무엇인가, 자료처리 방법론이 정리가 되고, 국가나 광역 수준에서 이와 같은 데이터를 정기적으로 만들면, 지금까지 '토의'로 남겨 놓던 부분을 해결할 수 있다. 예를 들어서 중부지방 산림 고사의 경우, 개별 나무 수준의 시뮬레이션을 수행할 수 있고, 고사 원인 분석도 그러니 수목 수준에서 진행할 수 있다. 이게 안 돼서 아직 산림 고사 원인이 분명히 밝혀지지 않았다. 조류나 포유류 다양성 연구에도 이와 같은 자료가 있냐 없냐가 가져올 차이는 매우 크리라 짐작한다. 어떻게 도입할 수 있나. 라이다야 지금도 조금씩 찍는데, 언뜻 보기에도 여기서 쓴 자료는 더 고해상도로 보인다. 형광 센서 이용한 거라면, 라이다 촬영 할 때 고해상도 형광도 같이 찍는 캠페인을 해야하고, 개별 기관 수준에서는 힘들어도 중요한 생태연구지에 대해 국가연구기관에서 시범적으로 수행하는 것은 가능하리라 본다. 자료가 일단 얻어지면, 자료 처리는 이 사람들이 만든 논문도 있을 거고, 확실친 않지만 species mapping은 비교적 간단한 알고리즘 사용했을 수도 있다. 레이저 자료 처리는 오래 연구가 돼서 3d자료에서 나무 모양 비교해서 분류하는 정도는 많이 출간되어 있다. 건물 같은 큰 구조물은 아주 정확히 매핑하고, 나무도 요샌 많이 잘 한다. 자료 양이 많으니 처리 자체가 좀 일 이겠지만, 가능하다. 
쓰고 나니, 역시 똑같은 반론에 부딪힐 수 있단 생각이 든다. 뭐 예전 부터 하던 거 아니냐, 비슷하지 않냐. 결국 고해상도로 자료를 얻고 처리하는 것, 그 처리를 자동화 하는 것, 자동화 하면서 정확도를 deep learning 이용해서 향상시키는 것 세 가지다. 이게 큰 차이라고 보는 사람과 그렇지 않은 사람 간의 결정은 사뭇 다를 것이다. 난 결국 생태학 연구가 곧 생태계 요소 전부를 고해상도로 가상 공간에 올리고 지금 게임에서 사용하는 것과 같은 물리엔진을 이용해서, 일종의 생물리엔진을 이용한 연구로 전환될 것으로 본다. 그리고 많은 발전한 프레임 워크가 그렇듯, 기존의 생태학 연구 방법은 이런 가상공간에서 엔진을 이용한 연구에 투사해서 100% 동일하게 재현할 수 있다. 재현해서 보면 그 허점, 무리한 가정이 드러날 수 밖에 없다. 예를 들어서, 10년 내내 기후가 똑같다던지, 흙의 깊이가 전국이 다 똑같다던지, 나무가 똑같은 종류 하나만 심어져 있다던지. 그렇게 투영해 보면 지금 연구의 한계가, 난 쉽게 드러난다고 생각한다. 앞으로 그리고 나아갈 수 있다고 믿는다. 언제, 누구에 의해서 될 것인지 궁금할 뿐. 


AI MAPS BIOLOGICAL RICHES OF THE RAINFOREST 
An ecologist at the Carnegie Institution for Science and Stanford University is using deep learning and a powerful spectral imaging method to map Peru’s rainforest in unprecedented detail.

AI MAPS BIOLOGICAL RICHES OF THE RAINFOREST
 

10X More Rainforest Biodiversity



저작자 표시 비영리 변경 금지
신고
0

0

티스토리 툴바