# \#geospatial **URL:** https://discuss.pytorch.kr/tag/geospatial/8178.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [World Monitor: 500여종의 뉴스와 지표들을 종합하여 실시간으로 보여주는 글로벌 정보 대시보드 (OSINT)](https://discuss.pytorch.kr/t/world-monitor-500-osint/11457)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 31, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/world-monitor-500-osint/11457 "2026-07-31T06:30:30Z")
World Monitor 소개 World Monitor는 전 세계에 흩어진 뉴스와 지표를 한 화면에 모아 상황을 파악할 수 있게 해주는 오픈소스 정보 대시보드입니다. 국제 정세를 따라가려면 보통 여러 언론사 사이트, 금융 단말, 항공 추적 서비스를 각각 열어 두고 사람이 머릿속에서 연결해야 합니다. 흩어진 창을 오가는 동안 정작 중요한 신호는 다른 탭에 묻히기 쉽고, 어느 사건이 어느 지표와 이어지는지는 더더욱 눈에 들어오지 않습니다. World Monitor는 이 과정을 지도 한 장과 실시간 패널 묶음으로 통합해, 사건이 일어난 위치와 그에 연동되는 수치를 같은 화면에서 보게 만듭니다. 브라우저에서 바로 쓸 수 있는 웹 앱과 직접 설치해 돌리는 자체 호스팅을 모두 지원합니다. 수집 규모는 15개 카테고리에 걸친 500개 이상의 큐레이션된 뉴스 피드이며, 이 피드들은 그대로 나열되지 않고 AI를 거쳐 브리핑 형태로 종합됩니다. 데이터 출처는 지정학, 금융, 에너지, 기후, 항공, 사이버, 군사, 인프라, 뉴스 인텔리전스 분야의 외부 제공자 65곳 이상이고, 35개 소스 그룹을 대상으로 신선도 모니터가 함께 돌아갑니다. 요약을 만드는 모델은 클라우드 API에 묶여 있지 않아서, Ollama를 붙이면 API 키 없이 로컬에서 전체 기능을 돌릴 수 있습니다. 요약 외에도 군사, 경제, 재난, 긴장 고조 신호를 교차 상관(cross-stream correlation)으로 묶어 여러 흐름이 한 지점에 수렴하는 순간을 잡아내는 기능이 들어 있습니다. 프로젝트는 Elie Habib이 개발하고 있으며, 하나의 코드베이스에서 world, tech, finance, commodity, happy, energy 6개 사이트 변형(variant)이 만들어집니다. 웹 외에 Tauri 2 기반 데스크톱 앱으로도 배포되어 macOS, Windows, Linux에서 네이티브 실행이 가능하고, 25개 언어와 RTL 표기를 지원합니다. 브라우저용 화면만 있는 것이 아니라 MCP 서버… --- ## [Google Earth AI, 농지 속 산울타리를 매핑하는 고해상도 딥러닝 프레임워크와 벡터 데이터셋 공개](https://discuss.pytorch.kr/t/google-earth-ai/10766)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 22, 2026, 11:30오전 UTC](https://discuss.pytorch.kr/t/google-earth-ai/10766 "2026-06-22T11:30:40Z")
Google Earth AI와 농지 위 자연 복원 소개 기후 위기와 생물다양성(Biodiversity) 감소를 함께 막으려면 더 많은 숲이 필요합니다. 숲은 단순히 나무가 모여 있는 곳이 아니라 탄소를 격리(carbon sequestration)하고 물을 정화하며, 인류가 의존하는 생물다양성을 지탱하는 핵심 시스템이기 때문입니다. 그러나 여기에는 풀기 어려운 긴장 관계가 있습니다. 인구가 늘면서 식량 수요도 함께 증가하는데, 대규모로 숲을 늘리려면 그만큼 농경지와 경쟁할 수밖에 없습니다. 즉, "식량 안보를 해치지 않으면서 어떻게 기후 변화에 대응하고 생물다양성 감소를 멈출 것인가" 가 핵심 질문이 됩니다. Google Research가 공개한 이번 작업은 이 질문에 대한 한 가지 현실적인 답을 제시합니다. 핵심 아이디어는 농경지를 숲으로 전환하는 대신, 농지 곳곳에 이미 존재하지만 그동안 "보이지 않던" 작은 목본(woody) 요소들에 주목하는 것입니다. 밭과 밭 사이를 가르는 산울타리(Hedgerow), 바람을 막는 방풍림(Shelterbelt), 띄엄띄엄 자리한 작은 숲(Copse) 은 작물을 밀어내지 않으면서도 탄소 저장량과 서식지를 늘려 줍니다. 문제는 이런 요소들이 너무 작아서 일반적인 위성 탐지로는 잡히지 않고, 그래서 국가 산림 통계에서도 누락되어 왔다는 점입니다. 이 문제를 풀기 위해 Google은 미세한 생태 요소까지 드러내는 고해상도 딥러닝 프레임워크를 개발하고, 그 결과물을 행동 가능한 형태의 데이터로 정리했습니다. 단순히 "여기에 초목이 있다" 를 표시하는 픽셀 지도를 넘어, 산울타리와 돌담, 작은 숲을 각각의 기하학적 객체로 구분해 측정하고 관리할 수 있는 벡터(Vector) 데이터셋을 만든 것입니다. 이번 데이터셋은 Google Earth AI의 일부로, 토지 소유주와 환경 보전 활동가가 영국 전역에서 이런 미세 요소를 직접 측정하고 확장할 수 있도록 돕는 것을 목표로 합니다. 이 글에서는 "픽셀에서 계획으로(from pi…