1. 서론
해양의 사운드스케이프(soundscape)는 생물음(biophony), 자연음(geophony), 인공소음(anthrophony)으로 구성된
해양 생태계의 종합적 신호 체계다.
이 소리의 변화를 분석하면 생물다양성, 기후 변화, 인간 활동의 영향을 정량적으로 파악할 수 있다.
하지만 관측 중심의 사운드스케이프 연구는 시공간적 한계 때문에
“현재 상태”를 설명하는 데 그칠 뿐, 미래의 변화 예측에는 부족하다.
이에 따라 인공지능(AI)을 활용해 과거와 현재의 음향 데이터를 학습시키고
기후·인간활동 시나리오별로 미래의 사운드스케이프를 시뮬레이션하는 연구가 새롭게 부상하고 있다.
2. 연구 배경 및 필요성
2.1 해양 사운드스케이프의 변화 요인
- 기후 요인: 수온 상승, 염분·pH 변화로 인한 음속 구조 변동
- 인공소음: 선박, 해양풍력, 해저채굴 등의 저주파 소음 증가
- 생태적 요인: 어류·고래 개체수 변화, 산호초 붕괴, 플랑크톤 분포 변화
이 요인들은 상호작용하며 사운드스케이프를 비선형적으로 변화시킨다.
따라서 단순 통계모델로는 설명이 어려우며,
딥러닝 기반의 비선형 예측 모델 이 필수적이다.
2.2 필요성
- 해양보호구역(MPA) 및 어업관리의 장기 정책 수립
- 해양 개발사업의 환경영향 사전 평가
- 기후변화에 따른 생물다양성 손실 예측 및 대응
3. AI 기반 예측 모델 구조
3.1 데이터 구성
- 입력 데이터:
- 음향지표 (SPL, ACI, ADI, Bio/Anthrophony Ratio 등)
- 환경변수 (수온, 염분, 기류, 선박 통항량, 위성 클로로필 농도 등)
- 목표 변수:
- 향후 사운드스케이프의 주파수 스펙트럼 및 음향 다양성 지표
3.2 모델 아키텍처
- LSTM (Long Short-Term Memory)
- 시계열 음향 데이터의 장기 추세 학습
- CNN (Convolutional Neural Network)
- 스펙트로그램 형태의 주파수-시간 패턴 인식
- Transformer 기반 Attention 모델
- 장거리 의존성을 반영하여 비선형적 패턴 학습 강화
→ 최종적으로 “Hybrid LSTM–CNN–Attention” 구조를 사용하여
환경 변화에 따른 사운드스케이프의 공간·시간 예측(Spatiotemporal Forecasting) 을 수행.
3.3 예측 과정
- 데이터 정규화 및 특징 추출
- 과거 5~10년간 사운드스케이프 학습
- 미래 시나리오 입력 (예: 선박 교통량 30% 증가, 수온 +2°C)
- AI 모델이 해당 조건에서의 음향 스펙트럼 및 지표 변화를 시뮬레이션
4. 적용 사례 및 결과
4.1 북태평양 사운드스케이프 예측 (NOAA, 2023)
- 2000~2020년 데이터를 학습 후, 2050년 기후 시나리오(RCP 8.5)에 적용
- 결과:
- 저주파(50–200 Hz) 에너지 18% 증가
- 생물음 비율(B/A Ratio) 27% 감소
- 주요 해양포유류의 음향활동 대역이 고주파로 이동하는 경향 예측
4.2 제주 남부 해역 파일럿 모델 (KIOST, 2024)
- LSTM–CNN 하이브리드 모델을 이용해
계절별 어류 산란음의 강도 변화를 예측 - 실제 관측값과의 평균 오차(MAE): 0.12
→ AI 모델이 실측 기반 모니터링 수준의 정밀도를 달성함.
4.3 시각화 결과
예측된 사운드스케이프는 GIS 플랫폼 상에 “예측 음향지도(Predictive Acoustic Map)” 형태로 구현되어,
해역별 소음강도, 생물음 분포, 위험지수를 실시간으로 시뮬레이션 가능.
5. 한계와 향후 과제
5.1 데이터 품질 문제
- 국가별 센서 해상도, 장비 교정 방식이 달라 데이터 표준화 필요
- 극지 및 심해 구역의 장기 음향 데이터 부족
5.2 모델의 해석가능성(Explainability)
- 딥러닝 예측 결과는 “왜” 그런 결과가 나왔는지를 설명하기 어려움
- 생태학적 피드백(behavioral validation) 병행 필요
5.3 향후 과제
- AI 예측 결과를 실제 생물 모니터링 결과와 통합 검증
- 다국적 사운드스케이프 데이터베이스 구축 (Global Ocean SoundNet)
- 정책 모델로의 확장 – “예측 기반 해양소음 관리 시스템(Predictive Noise Management System)” 개발
6. 결론
AI 기반 사운드스케이프 예측은
바다의 소리를 데이터로 이해하고,
미래의 생태 변화를 시뮬레이션하는 새로운 과학적 접근이다.
이 기술은 단순한 예측을 넘어
- 기후변화 대응,
- 생물다양성 관리,
- 지속 가능한 해양 정책 설계에
핵심적인 도구가 될 것이다.
해양의 미래는 ‘보는 과학’에서 ‘듣는 과학’으로,
그리고 ‘예측하는 과학’으로 나아가고 있다.
AI는 그 변화를 가능하게 하는 바다의 새로운 귀다.