구글, 위성·기후 데이터를 Gemini에 연결하는 '지리공간 추론 에이전트' 공개

Google Research가 Earth AI 모델과 Gemini를 결합해 행성 규모 분석을 자동화하는 Geospatial Reasoning Agent를 발표했어요. WHO 에볼라 대응에서 몇 분 만에 4만 5천 명 위험 인구를 파악한 사례도 공개됐습니다.

컨텐츠랩 편집부 · 읽는 시간 3분

핵심 3줄

Google Research가 Gemini 기반 Geospatial Reasoning Agent를 공개했어요. 위성 이미지·날씨·홍수·인구 데이터를 연결해 행성 규모 분석을 자동화해요.
WHO 아프리카 사무소와 콩고민주공화국 INRB가 2026년 에볼라 대응에 사용해, 48개 노출 정착지와 4만 5,500명 이상의 위험 인구를 몇 분 만에 파악했어요.
새 벤치마크 GeoKTools·GeoExpertQueries를 공개했고, 도메인 특화 도구와 사전 계획이 단독 LLM 대비 큰 성능 향상을 가져왔어요.

🧪 CONTENTSLAB 평지켜보세요★★★★★실전 활용도 3/5

지리공간 데이터 개발자

Google Earth Engine·Data Commons를 Gemini와 연결하는 A2A API를 신청해, 위성 이미지 분석 파이프라인 자동화를 시작할 수 있어요.

재난·기후 분석가

사이클론 14개 경로를 몇 분 만에 분석한 사례처럼, 재해 노출 인구 산출에 써 볼 수 있어요.

1인 사업자·기획자

Ask Google Earth 얼리 액세스로 '우리 지역에 태양광 패널을 설치할 만한 건물'처럼 위치 기반 질문을 자연어로 던져 볼 수 있어요.

$ 바로 해 보기

1. research.google 블로그에서 Interest Form 작성 → 얼리 액세스 신청
2. Ask Google Earth(대화형) 또는 A2A API(코드 통합) 중 선택
3. 자체 CSV·GeoJSON 데이터를 올려 자연어 질문 테스트
4. GeoKTools 벤치마크(GitHub)로 자체 에이전트와 비교 평가

CONTENTSLAB 생각 · 이렇게 써 볼 수 있을 것 같아요

위치 기반 콘텐츠를 기획할 때, 자연어로 지역 데이터를 뽑아 보는 용도로 써 보면 좋을 것 같아요.

Google Research가 10월 14일, Geospatial Reasoning Agent(지리공간 추론 에이전트)를 공개했어요. Gemini 모델 위에 위성 원격탐사, 날씨 예측(WeatherNext), 홍수 예보, 인구 동태 모델(PDFM), AlphaEarth 파운데이션 등 Earth AI 전용 모델을 연결하고, Google Earth Engine·Maps Platform·Data Commons 같은 도구까지 묶어 행성 규모의 분석을 자동화하는 시스템이에요.

어떻게 작동하나요?

핵심은 사전 계획(upfront planning)이에요. 질문이 들어오면 에이전트가 먼저 분석 계획을 세우고, 도메인 특화 도구(위성 이미지 분석, 기후 데이터 조회 등)를 순서대로 호출해요. 자체 CSV·GeoJSON·클라우드 테이블도 가져와 쓸 수 있고, 중간 데이터를 보관하는 전용 작업 공간도 갖추고 있어요.

벤치마크: 계획 + 전문 도구가 핵심

39쪽 분량의 기술 보고서(arXiv 2610.15750)에서 네 가지 벤치마크로 평가했어요.

GeoKTools — 85개 개발 쿼리(19개 템플릿), 210개 비공개 테스트 쿼리. 결정론적 채점 방식.
GeoExpertQueries — 전문가 3명이 교차 검증한 실제 GIS 워크플로. 25개 개발 쿼리(풀 수 있는 10개 + 현재 도구로 불가한 15개), 76개 비공개 테스트.
외부 벤치마크 CBGB, UnivEARTH(후자는 단독 LLM이 93.6%로 이미 포화 상태).

Gemini 3.8 Flash 기준, 네 가지 구성(단독 LLM → 웹검색+지도 → Earth AI 도구(계획 없음) → 전체 에이전트)을 비교한 결과, 도메인 특화 도구가 큰 성능 도약을 만들었고, 사전 계획이 개방형 워크플로에서 필수적이었어요.

실전 사례: WHO 에볼라 대응

2026년 에볼라 발생 때 WHO 아프리카 사무소(AFRO)와 콩고민주공화국 INRB가 이 에이전트를 사용했어요. 산림 감소, 채굴 현장, 인구 데이터를 교차 분석해 48개 노출 정착지와 4만 5,500명 이상의 위험 인구를 몇 분 만에 파악했어요. 기존에는 몇 주가 걸리던 작업이에요.

People in Need는 14개 역대 사이클론 경로를 분석해 고위험 마을을 몇 분 안에 식별했고, GiveDirectly는 열대 사이클론 마일라 때 풍속대별 인구 노출을 산출했어요. Milken Institute는 1,500개 이상의 후보 건물을 태양광 API·인구 조사·기후 위험 데이터로 스크리닝했어요.

건강 예측도 개선

인구·위성 신호를 결합하면 건강 결과 예측이 인구통계 기준선 대비 12% 향상되고, 8배 더 세밀한 공간 해상도로 매핑할 수 있다고 밝혔어요.

써 보려면

세 가지 경로로 확장 중이에요.

Ask Google Earth — 대화형 인터페이스로 공간 질문을 던질 수 있어요.
Geospatial Reasoning Agent API — 헤드리스 Agent-to-Agent(A2A) 서비스로 코드에 통합할 수 있어요.
Planetary Prediction Engine — 맞춤 예측 모델을 학습시키는 미리보기 인터페이스 + API.

현재 얼리 액세스 풀을 운영 중이며, Interest Form으로 신청할 수 있어요.

한계

GeoExpertQueries 점수는 전문가 워크플로와 비교하는 자동 평가(autorater) 기반이에요. 최종 정답이 아니라 '전문가가 검토할 첫 초안' 수준이라고 연구팀 스스로 밝혔어요.

원문 화면 · Google Research 블로그 — Geospatial Reasoning Agent 발표 페이지 상단

원문 화면 · 블로그 본문 — 실전 파트너 테스트·얼리 액세스 확장 안내

출처 (원문)