환경부 소속 국립생물자원관(관장 서민환)은 도심에 출몰하는 멧돼지의 서식 특성을 수집해 인공지능(AI) 기술로 분석한 멧돼지 이동 경로와 서식지 예측 정보를 10월 28일부터 서울특별시에 제공한다고 밝혔다.
국립생물자원관은 우리나라 산악지형에 적합하게 개발한 ‘멧돼지 개체 탐지 기법*’과 무인 카메라로 올해 1월부터 7월까지 멧돼지가 주로 출몰하는 서울 독립문역 인근의 인왕산과 안산에서 현장 조사를 실시했다.
* 무인기가 지정된 경로를 따라서 최적화된 방식(고도 100~120m, 속도 3m/s, 간격 50m, 각도 90°)으로 촬영
조사 결과 오전 7시 전후로 휴식을 취하는 모습이 △개나리 등의 관목군락에서 32회, △등산로부터 직선거리 20m 이내의 경사진 지형에서 8회 확인됐으며 오후 7시에서 오전 5시 사이에는 △참나무군락에서 먹이활동을 하는 모습이 8회, △숲 사잇길, △능선, △생태통로 및 나무계단 하부통로에서 이동하는 모습이 235회 촬영됐다.
특히, 야간 식별(Night Vision)* 카메라로 멧돼지의 행동 특성을 관찰한 결과 오후 10시 이후 도심과 가까운 저지대 능선까지 내려와 먹이활동을 하는 모습이 2회 포착됐으며 사람을 피해 이동하는 모습도 함께 촬영됐다.
* 어두운 환경에서 적외선 또는 열화상으로 보이지 않는 물체를 감지해 시각화하는 기술
수집된 정보를 딥러닝(Deep Learning)* 기술로 분석한 결과, 인왕산과 안산에 서식하는 멧돼지는 11m 정도의 큰 수목이 울창한 능선을 따라 이동하고 경사가 30도 이상으로 가파른 지형의 밀집도가 높은 관목 덤불 군락에서 휴식을 취하는 것으로 나타났다.
* 대량의 데이터를 반복 학습시켜 스스로 규칙을 찾아내고 예측을 수행하는 인공지능 기술
국립생물자원관은 서울시에 제공하는 이번 분석 결과가 멧돼지 등 야생동물의 생태통로를 개선하고 등산로와 산책로의 경고 표지판 설치에 활용되는 등 멧돼지에 의한 도심지역 피해를 줄이는 데 도움을 줄 것으로 기대했다.
서민환 국립생물자원관 관장은 “무인기, 인공지능 등과 같은 첨단 기술을 이용한 야생동물 생태 분석과 정보 공개로 멧돼지에 의한 도심지역의 피해 예방 지원에 힘쓸 것”이라고 말했다.
붙임 1. 무인기와 무인카메라를 이용한 시간대별 멧돼지 관찰 결과.
2. 무인기를 통해 관찰된 도심 출몰 멧돼지의 행동특성.
3. 딥러닝 기술로 분석한 멧돼지 서식환경.
4. 전문용어. 끝.
붙임 1 | | 무인기와 무인카메라를 이용한 시간대별 멧돼지 관찰 결과 |
| 주간(07:00~18:00) | 야간(18:00~07:00) | 합계 | 이동 | 13 | 222 | 235 | 휴식 | 38 | 2 | 40 | 먹이활동 | 4 | 4 | 8 | 합계 | 55 | 228 | 283 |
관찰 결과 주간에는 주로 휴식(40회)을 야간에는 이동(235회)을 하고 먹이활동은 주·야간 동일하게 하는 것으로 관찰됨 |
붙임 2 | | 무인기를 통해 관찰된 도심 출몰 멧돼지의 행동특성 |
사람과 마주쳤을 때 도망가는 멧돼지 | 생태통로를 이용하는 멧돼지(2024년 4월 24일, 19시 35분) 
(좌: 열화상 카메라로 촬영한 멧돼지, 우: 야간 식별 카메라로 촬영한 멧돼지) |
이동 및 먹이활동하는 멧돼지 | 나무계단 하부통로로 이동하는 멧돼지(2024년 5월 1일, 23시 40분) 
| 저지대 능선에서 먹이활동하는 멧돼지(2024년 5월 1일, 23시 15분) 
|
|
관목군락에서 휴식 중인 멧돼지 | 나무계단과 가까운 관목군락에서 휴식을 취하는 멧돼지(2024년 2월 2일, 9시 35분) 
(좌: 열화상 카메라에 촬영된 멧돼지(노란색 원)과 공원 이용객(붉은색 원),
우: RGB 카메라에 촬영된 휴식을 취하는 멧돼지) . |
붙임 3 | | 딥러닝 기술로 분석한 멧돼지 서식환경 |
딥러닝을 이용한 멧돼지 서식환경 3차원 분석 | 
라이다를 이용해 수집한 안산 전체의 서식환경과 멧돼지가 자주 이용하는 것으로 확인된 생태통로 전경 |
딥러닝을 이용한 멧돼지의 행동별 서식 특성 | 
멧돼지의 행동 | 수관높이모델 | 임관피복도 | 지형의 경사도 | 관목의 밀도 | 이동 | 11.34 | 42% | 23.53° | - | 휴식 | 3.09 | 13% | 30.54° | 59% |
멧돼지는 키가 큰 수목(  =11.34)이 울창한(  =42%) 등산로와 능선을 통해 이동하고, 경사가 다소 가파르고(  =30.54°) 키가 작은 수목(  =3.09)이 듬성듬성하며(  =13%) 관목의 밀도가 높은 곳(  =0.59, 단위면적당 관목의 비율)에서 휴식을 취했음 |
○ 인공지능(AI, Artificial Intelligence) : 컴퓨터가 언어 및 음성을 인식, 이해, 번역하며, 데이터 분석 및 추천하는 등 다양한 고급 기능 수행을 돕는 기술
○ 딥러닝(Deep learning) : 사람의 두뇌 작동 방식을 기반으로 한 기술로, 두 개 이상의 다층 신경망을 이용하여 대량의 데이터를 반복적으로 학습시켜 스스로 규칙을 찾아내고 예측을 수행할 수 있는 기술
○ 수관높이모델(Canopy Height Model) : 나무의 가장 윗부분(가지와 잎이 퍼져있는 부분)을 통해 나무의 높이를 측정한 자료를 시각적으로 표현한 모델, 수관높이모델을 통해 나무의 높이를 확인할 수 있어 숲의 구조를 파악할 수 있으며, 수관높이모델의 값이 크면 키가 큰 나무들이 많은 것을 의미
○ 임관피복도(Canopy Cover) : 산림에서 수관이 덮고 있는 면적의 비율로, 나무나 다른 식물들의 잎이나 가지가 지상을 얼마나 덮고 있는지를 나타내는 것이다. 산림과 같은 자연환경을 이해하는데 중요한 지표이다. 0부터 1로 표현된다.
<저작권자(C) 세계환경신문. 무단전재 재배포금지>
