드론과 AI가 야생동물 생존 및 관리 방식을 재작성하고 있다

인공지능(AI)과 드론은 야생동물 보호 연구에서 사진과 위치 정보를 수집하고 분석하는 데 쓰인다. 많은 동물이 한곳에 모이는 번식기에는 하늘에서 넓은 지역을 조사할 수 있지만, 사진에 보이는 개체를 단순히 더하면 정확한 개체수가 나오지 않을 수 있다. 같은 동물이 여러 번 찍히거나 촬영 당시 보이지 않는 경우가 있기 때문이다.

플로리다대학교와 야생동물보전협회(WCS) 연구진은 남아메리카의 큰강거북(Podocnemis expansa)이 모이는 모래톱을 드론으로 조사하고 이런 오류를 보정했다. 2025년 Journal of Applied Ecology에 발표된 연구의 추정치는 12일간의 산란기 동안 해당 장소를 이용한 약 4만 1,000마리의 거북이다. 원문의 한국어 도입부처럼 ‘4만 1,000개의 둥지’를 발견했다는 뜻이 아니다.

계절적 집합을 이용한 개체수 조사

생태학에서 개체수는 종의 증감, 서식지 변화, 기후 영향, 보호조치의 효과를 평가하는 기본 지표다. 넓은 지역에 흩어져 사는 동물을 모두 세기는 어렵지만, 번식이나 이동 중 특정 장소에 모일 때 조사하면 더 많은 개체를 관찰할 수 있다. 큰강거북은 건기 동안 브라질과 볼리비아 국경의 과포레강 모래톱에 모여 산란한다.

기존에는 부화한 새끼를 세고 평균 산란수를 적용하거나 땅에서 성체를 직접 관찰했다. 그러나 모래톱 전체에서 둥지를 구분하기 어렵고, 동물이 서로 가리거나 이동한다. 새끼를 다루는 조사에는 시간과 동물에 대한 간섭도 따른다. 드론은 계획한 경로를 따라 사진을 찍고 이를 이어 붙여 정사영상 모자이크를 만들 수 있어 넓은 조사지를 비교적 일관되게 관찰하게 해 준다.

항공사진도 완전한 답은 아니다. 거북이 촬영 중 움직이면 다른 사진에 두 번 나타날 수 있다. 밤에 모래톱에 왔다가 오전 촬영 전에 떠난 개체는 사진에 보이지 않는다. 사진에 찍혔어도 몸이 가려지거나 표식을 읽지 못할 수 있다. 산란기에는 개체가 계속 들어오고 나가므로, 한 시점의 사진이 전체 기간의 개체수를 그대로 나타내지 않는다.

항공 조사와 통계 모델을 결합하다

연구진은 브라질·볼리비아의 과포레강 조사에서 거북 1,187마리의 등껍질에 흰 표식을 하고, 12일 동안 하루 네 차례 정해진 경로로 드론을 날렸다. 한 번의 비행에서 약 1,500장의 사진을 찍어 정사영상으로 합쳤다. 사진 속 거북의 위치, 표식 식별 여부, 걷거나 산란하는 행동을 기록했다.

이 자료로 표식을 붙인 개체를 다시 발견한 비율과 전체 사진 계수를 함께 분석했다. 모델은 조사 기간에 들어오고 나가는 개체, 촬영 시점에 보이지 않는 개체, 사진을 합칠 때 생기는 중복, 보이지만 표식을 식별할 수 없는 경우를 각각 고려한다. 단순히 물체를 인식하는 AI만으로 모든 오류를 해결한 연구는 아니다. 드론 영상과 현장 표식 자료, 통계적 보정의 결합이 핵심이다.

연구진은 하루 산란 확률을 약 0.37로 추정했다. 밤에 모래톱을 이용한 개체 가운데 오전 드론 비행 때도 현장에 있는 비율은 약 35%였고, 정사영상에서 걷는 것으로 기록된 거북의 약 20%는 중복 계수로 추정됐다. 보이는 표식을 정확히 식별할 확률은 약 0.78이었다. 이러한 값은 이 조사에서 추정된 것으로, 모든 거북 서식지에 그대로 적용할 수 없다.

단순 계수와 크게 달랐던 결과

현장 육안 조사에서는 약 1만 6,000마리, 오류 보정 없이 정사영상을 센 결과에서는 약 7만 9,000마리가 나왔다. 연구진의 보정 모델은 조사 기간 해당 집합지를 이용한 거북을 약 4만 1,377마리로 추정했다. 서로 다른 수치는 어느 하나가 단순히 ‘틀린 사진’이라는 뜻이 아니라, 관찰 가능한 범위와 중복·누락을 어떻게 다뤘는지에 따라 추정치가 달라짐을 보여준다.

논문은 이곳이 현재 알려진 가장 큰 민물거북 집합지라고 설명한다. 다만 조사 기간 이후에도 산란이 이어졌고, 다른 모래톱도 있을 수 있어 강 전체의 개체수로 일반화할 수 없다. 연구진은 산란기 전 기간에 걸친 반복 조사와 주변 집합지의 추가 조사를 권고했다. 같은 방법을 여러 해 적용하면 실제 개체군의 증감과 보전조치의 효과를 더 잘 평가할 수 있다.

표식 후 재관찰과 드론 영상의 결합은 다른 집단생활 동물의 조사에도 응용할 수 있다. 하지만 종마다 이동 방식, 몸체의 가시성, 드론에 대한 반응이 달라 조사 설계와 모델의 가정을 새로 검증해야 한다. 개체를 세는 기술은 보호 활동을 어디에 집중할지 판단하는 도구이지, 서식지 보호나 밀렵 방지를 대신하지 않는다.

드론 기술의 활용 사례를 더 살펴보세요.

보전 기술과 관련 기업

NVIDIA (NVDA )

드론 영상과 대규모 생태 자료를 처리할 때 그래픽처리장치(GPU)가 사용될 수 있다. NVIDIA의 칩과 개발 도구는 영상 속 동물 인식, 위성자료 처리, 현장 경보 시스템 등 여러 연구의 기반 기술로 쓰인다. 다만 특정 GPU가 거북 조사에 사용되었다고 이 논문이 주장하는 것은 아니므로, 아래 사례는 별도의 보전 기술 활용 사례다.

AI 연구기관 Ai2는 선박의 위치 신호를 분석하는 Atlantes 모델을 개발했다. NVIDIA의 기술 설명에 따르면 이 모델은 하루 50억 건 이상으로 설명된 신호와 약 60만 척의 원양 선박 자료를 다루며, 선박의 행동을 추정해 불법 조업이 의심될 때 조사 기관에 알림을 보낼 수 있다. 약 80%라는 분류 정확도는 모델 평가의 결과이지 모든 불법 조업을 확정적으로 찾아낸다는 의미가 아니다. Atlantes는 NVIDIA H100 GPU와 PyTorch를 이용해 학습됐다.

다른 단체들은 코뿔소 감시, 야생동물 위치 추적, 산불 감지 등에 카메라·위성·현장 센서와 AI를 결합한다. EarthRanger 같은 플랫폼은 여러 출처의 자료를 모아 보호구역 운영을 돕는다. 이러한 시스템의 실제 효과는 현장 자료의 품질, 경보 확인 절차, 조사 인력과 보호정책에 달려 있다. AI를 이용해 멸종 종을 ‘되살린다’는 원문의 표현도 현존하는 멸종 위기 개체군의 보호와는 다른 분야이며 성과가 이미 입증된 것처럼 받아들여서는 안 된다.

NVIDIA는 2025년 4월 27일 종료된 회계연도 2026년 1분기에 매출 441억 달러를 발표했으며, 이 가운데 데이터센터 매출은 391억 달러였다. 이는 역사적 실적이다. 원문에 적힌 특정일의 주가, 시가총액, 주가수익비율과 배당수익률은 현재 값으로 사용할 수 없어 제외했다. 기업의 전체 실적을 야생동물 보호 기술의 경제적 성과로 혼동해서도 안 된다.

최신 NVIDIA 주식 뉴스 및 개발

결론

멸종 위기종을 보호하려면 개체수가 늘고 있는지, 어느 장소가 중요한지, 보호조치가 효과가 있는지를 알아야 한다. 큰강거북 연구는 드론 사진을 단순히 세는 것보다 이동·누락·중복을 함께 보정하는 편이 더 유용한 추정치를 낼 수 있음을 보여준다. 약 4만 1,000이라는 결과는 둥지 수가 아닌 조사 기간 해당 집합지를 이용한 거북의 추정 개체수다. 반복 조사와 현장 보호 활동이 이어져야 이 기술이 실제 보전 성과로 연결된다.

드론 관련 기업 개요를 읽어보세요.

참고 연구

Brack, I. V. 외, “Estimating abundance of aggregated populations with drones while accounting for multiple sources of errors: A case study on the mass nesting of Giant South American River Turtles,” Journal of Applied Ecology 62, 2036–2047 (2025). doi:10.1111/1365-2664.70081.