산불진화도 이제 ‘감’이 아니라 데이터다｜노르웨이 CAURUS Sensor가 바꾸려는 Water Drop

※ 실제 소방항공 경험과 공개자료를 바탕으로 작성했으며, 특정 기관의 비공개 SOP·세부 제한치·내부 운용절차는 다루지 않습니다.

공식 이미지 출처: CAURUS Technologies – Digital Guidance System I / Sensor

물을 떨어뜨린 뒤, 우리는 그 결과를 얼마나 정확히 알고 있을까

산불진화 헬기의 임무를 밖에서 보면 물을 담고, 화점으로 이동하고, 정확한 위치에 투하한 뒤 다시 담수지로 돌아오는 과정처럼 보인다.

하지만 실제 조종석에서는 ‘어디에 떨어뜨릴 것인가’를 정하는 순간부터 생각보다 많은 변수가 겹친다. 연기 때문에 지상의 기준점이 흐려질 수 있고, 능선과 계곡은 보는 방향에 따라 전혀 다르게 보인다. 공중지휘기와 진화헬기가 서로 다른 위치와 고도에서 같은 화점을 바라보면, 말로 전달된 목표지점이 각자 조금씩 다르게 해석되는 일도 생긴다.

나 역시 실제 화재 진압 임무에서 공중지휘기가 말로 지정한 목표를 PF가 다르게 이해해 원하는 지점에 정확히 투하하지 못한 경험이 있다. 그런 상황을 겪고 나면 ‘조종사가 잘 뿌렸느냐, 못 뿌렸느냐’만으로 평가하기보다 한 가지 질문을 더 하게 된다.

우리가 같은 목표를 보고 있다는 것을 어떻게 확인할 것인가.

그리고 물을 떨어뜨린 뒤에는 또 다른 질문이 남는다.

그 물이 실제로 어디에 떨어졌고, 어느 정도 면적을 덮었으며, 화점에 어떤 영향을 주었는가.

지금까지는 많은 부분을 조종사와 지휘요원의 경험, 눈으로 본 결과, 무전 보고에 의존해 왔다. 그런데 최근 유럽에서는 이 과정을 센서와 데이터로 보완하려는 시도가 실제 산불현장까지 들어오기 시작했다.

2026년 8월 26일, 노르웨이 산불현장에 ‘디지털 눈’이 올라갔다

2026년 8월 26일, 노르웨이에서 CAURUS Technologies의 센서 시스템이 처음으로 실제 산불진화 임무에 투입됐다.

운용사는 노르웨이의 Arctic Aviation이었다. 이 회사는 노르웨이 재난·민방위 당국의 산불진화 임무를 수행하고 있으며, 넓고 접근이 어려운 산림지역에 여러 헬리콥터와 기지를 분산해 대응하고 있다.

이번 임무에서 센서는 헬리콥터에 장착돼 가시광선 영상과 열화상 영상을 수집했고, 물 투하 위치를 지리좌표와 연결해 기록했다. 또한 물이 덮은 면적을 측정하고, 연기 아래의 화점을 열화상으로 확인하는 데 활용됐다.

여기서 중요한 점은 ‘헬기에 카메라 하나를 더 달았다’는 것이 아니다.

산불진화 임무에서 투하 전·중·후의 상황을 디지털 데이터로 남기기 시작했다는 점이다.

그동안 조종사의 경험과 지휘기의 관찰에 의존했던 일부 판단을, 지도 위 좌표와 영상, 투하면적 같은 객관적 데이터로 보완하려는 시도다.

CAURUS Sensor는 정확히 무엇을 하는가

현재 공개된 자료에 따르면 CAURUS의 센서 플랫폼은 가시광선과 적외선 영상을 수집하고, 그 데이터를 위치정보와 결합해 지도상에서 확인할 수 있도록 설계돼 있다.

센서는 물 투하장치와 함께 헬리콥터 하부에 장착돼 담수 과정과 비행 중 지상상황, 투하 순간을 기록한다. 실제 노르웨이 시험에서는 물 투하 위치, 투하가 덮은 범위, 화점의 열화상 정보 등을 얻었다.

특히 산불현장에서 열화상은 의미가 크다. 연기가 짙어지면 조종사나 지휘요원이 육안으로 지상을 확인하기 어려운 순간이 생긴다. 열화상은 연기를 완전히 ‘없애는’ 기술은 아니지만, 일반 영상에서 놓치기 쉬운 고온영역을 다른 방식으로 보여줄 수 있다.

다만 여기서 한 가지는 구분해야 한다.

현재 노르웨이에서 실제 임무에 사용된 것은 센서를 이용해 상황과 투하 결과를 기록하고 보여주는 단계다. 앞으로 개발 중인 ‘최적 투하시점 예측’ 기능과 자동화된 의사결정 지원은 별도의 Forest Shield 프로젝트를 통해 계속 발전시키는 중이다.

즉, 오늘 당장 AI가 조종사 대신 물을 떨어뜨리는 시스템이 등장한 것은 아니다.

Forest Shield｜센서 데이터에 시뮬레이션과 AI를 더한다

CAURUS Technologies는 독일 Fraunhofer ITWM과 함께 ‘Forest Shield’ 프로젝트도 진행하고 있다.

이 프로젝트의 목표는 센서로 실제 산불과 물 투하 데이터를 수집하고, Fraunhofer의 MESHFREE 시뮬레이션과 머신러닝 모델을 이용해 투하 결과를 예측·평가하는 것이다.

물은 항공기에서 떨어지는 순간부터 지상에 도달하기까지 바람, 투하고도, 속도, 숲의 구조와 주변 환경의 영향을 받는다. 같은 양의 물이라도 조건이 달라지면 지상에 도달하는 형태와 분포가 달라질 수 있다.

Forest Shield는 이런 복잡한 변수를 시뮬레이션하고 실제 센서 데이터와 다시 비교하면서 예측모델을 개선하는 방식을 지향한다.

공개된 프로젝트 목표에는 화재상황을 실시간으로 모니터링하고, 적절한 투하시점을 제안하며, 실제 투하효과를 평가하고, 대응조직에 피드백을 제공하는 기능이 포함돼 있다.

결국 방향은 분명하다.

‘물을 떨어뜨렸다’에서 끝나는 것이 아니라 ‘왜 그 지점에 떨어뜨렸고, 실제로 어떤 효과가 있었으며, 다음 투하는 어떻게 개선할 것인가’까지 하나의 데이터 흐름으로 연결하려는 것이다.

내가 이 기술에 관심을 갖는 이유｜현장에서는 Target Identification이 생각보다 어렵다

대형산불이나 대형화재 현장에서 공중지휘기는 전체 화점을 보면서 우선순위를 정한다. 진화헬기는 그 지시에 따라 화점으로 진입한다.

문제는 ‘저기’라는 말이 공중에서는 생각보다 어렵다는 것이다.

산 능선, 도로, 건물, 연기기둥, 전신주 같은 지형지물을 기준으로 설명하더라도 지휘기와 진화헬기의 위치가 다르면 같은 지형이 다르게 보일 수 있다. 특히 연기가 이동하거나 여러 화점이 동시에 존재하면 목표 식별은 더 어려워진다.

실제 임무에서 우리 Crew가 요구된 위치를 정확히 식별하지 못해 투하를 miss한 경험도 있다. 나는 이런 경험을 특정 조종사의 실수 하나로만 보고 싶지는 않다.

물론 Crew는 더 정확하게 확인해야 한다. 의심스럽다면 다시 물어야 하고, PF와 PM이 서로 target을 cross-check해야 한다.

동시에 지휘체계도 더 명확한 목표정보를 제공할 방법을 고민해야 한다.

만약 공중지휘기와 진화헬기가 동일한 georeferenced thermal image와 정확한 target 위치를 공유할 수 있다면, 말로만 ‘능선 왼쪽 붉은 부분’이라고 설명하는 것보다 서로 같은 그림을 만들 가능성이 커진다.

이것이 내가 CAURUS 같은 시스템에서 가장 먼저 보는 가치다.

AI라는 단어보다 먼저 ‘같은 목표를 정확히 공유하는 도구’라는 관점이다.

H225 Belly Tank와 CAURUS를 그대로 비교하면 안 된다

여기서는 기종과 시스템의 차이도 분명히 짚고 넘어가야 한다.

이번 노르웨이 실제 임무에서 공개된 CAURUS 시스템은 외부 Water Bucket을 운용하는 헬리콥터에서 시험됐다. 반면 내가 현재 운용하는 H225는 Tsunami Belly Tank를 사용한다.

Belly Tank와 Bucket은 담수방식, 기체와 물의 움직임, 조종사가 보는 시야와 임무절차가 다르다.

따라서 ‘CAURUS 센서를 H225에 달면 바로 같은 기능을 사용할 수 있다’고 말할 수는 없다. 실제 적용을 위해서는 기체와 소화장비의 형상, 감항, 센서 위치, 데이터 연결, 조종석 workload 등을 별도로 검증해야 한다.

그러나 기술의 방향은 충분히 참고할 가치가 있다.

현재 우리 H225 임무에서도 PF와 PM은 각자의 역할을 나눈다. 우측좌석 PF가 정밀하게 항공기를 조종하는 동안 좌측 조종사는 주변 항공기와 장애물을 경계하고, 무전을 담당하며, Hoist Camera 등을 이용해 상황을 확인하고 조언한다.

이미 현대의 소방항공은 ‘조종사의 눈’ 하나에만 의존하는 임무가 아니다.

여기에 지상의 화점과 투하결과를 객관적으로 보여주는 데이터가 더해진다면, 그 정보는 Crew의 판단을 대체하기보다 판단을 보완하는 또 하나의 cross-check가 될 수 있다.

물이 화점에 맞았는지 바로 확인할 수 있다면 무엇이 달라질까

산불진화에서는 한 번의 투하보다 반복되는 cycle이 중요하다.

담수하고, 화점으로 이동하고, 진입하고, 투하하고, 이탈한 뒤 다시 담수지로 돌아온다.

그런데 첫 번째 투하의 결과를 정확하게 알지 못하면 두 번째 투하도 경험과 육안판단에 크게 의존할 수밖에 없다.

투하 위치와 열분포가 기록된다면 다음 cycle의 의사결정은 달라질 수 있다.

조금 더 오른쪽을 보완해야 하는지, 같은 지점을 반복할 필요가 있는지, 이미 충분히 냉각된 곳보다 다른 화점에 항공력을 보내야 하는지를 판단하는 근거가 하나 더 생긴다.

특히 여러 항공기가 동시에 움직이는 Multi-Aircraft Mission에서는 이 데이터의 가치가 더 커질 수 있다.

앞 항공기가 어디에 물을 떨어뜨렸고, 그 결과가 어땠는지 후속 항공기와 공중지휘기가 동일하게 볼 수 있다면 각자 머릿속으로 추정하는 상황보다 훨씬 구체적인 Shared Situational Awareness를 만들 수 있기 때문이다.

산불진화 데이터는 훈련과 Debrief를 바꿀 수도 있다

나는 이 기술의 또 다른 가치가 임무가 끝난 뒤에 있다고 생각한다.

항공에서 실력은 비행 중에만 만들어지는 것이 아니다. 비행이 끝난 뒤 무엇이 잘됐고 무엇을 바꿔야 하는지 다시 보는 과정이 중요하다.

군에서 교관으로 근무할 때도 그랬고, 지금 소방항공에서 CRM을 적용할 때도 마찬가지다.

그런데 산불진화의 debrief는 다른 비행보다 객관적인 자료를 남기기 어려운 경우가 있다. 어느 위치에서 어떤 조건으로 투하했고, 실제 물이 어느 범위에 떨어졌으며, 화점에 얼마나 영향을 주었는지를 정확히 복원하기 쉽지 않기 때문이다.

만약 항적, 영상, thermal data, drop footprint가 함께 남는다면 debrief는 훨씬 구체적으로 바뀔 수 있다.

‘조금 늦었던 것 같다’가 아니라 실제 위치와 결과를 볼 수 있고, ‘잘 맞았다’가 아니라 어느 범위를 덮었는지 확인할 수 있다.

이런 데이터는 개인을 평가하거나 질책하는 도구가 아니라 Crew가 더 안전하고 정확하게 임무를 수행하도록 돕는 교육자료가 되어야 한다.

특히 반복훈련과 표준화가 중요한 항공에서는 그 차이가 크다.

그러나 센서와 AI가 조종사를 대신할 수는 없다

새로운 기술이 등장하면 항상 ‘이제 사람이 필요 없게 되는 것 아니냐’는 질문이 따라온다.

산불진화에서는 오히려 반대라고 생각한다.

센서와 AI가 제공하는 정보가 많아질수록 Crew는 그 정보가 맞는지 판단할 능력이 더 필요하다.

센서가 고장날 수도 있고, 데이터 전송이 지연될 수도 있으며, 열영상이 보여주는 고온영역과 실제 작전 우선순위가 항상 같지는 않을 수 있다. 지상대의 위치, 바람 변화, 다른 항공기의 움직임, 기체성능, 이탈경로 같은 요소는 여전히 Crew와 공중지휘가 통합해서 판단해야 한다.

그리고 새로운 화면과 경고가 하나 추가될 때마다 cockpit workload 역시 증가할 수 있다.

좋은 기술은 조종사에게 데이터를 많이 보여주는 기술이 아니라, 필요한 순간에 필요한 정보를 이해하기 쉽게 제공하는 기술이어야 한다.

그래서 이런 시스템을 도입할 때는 센서 성능만큼 Human Factors와 CRM을 같이 봐야 한다.

기술이 판단을 보완해야지, Crew의 시선을 또 하나의 화면에 묶어서는 안 된다.

한국 산불항공에 이런 기술이 들어온다면 무엇부터 필요할까

나는 장비를 먼저 사는 것보다 운용개념을 먼저 만들어야 한다고 생각한다.

한국의 대형산불 현장에는 산림·소방·경찰·군 등 여러 기관의 항공기가 함께 투입된다. 기종도 다르고 Bucket과 Belly Tank 등 소화장비도 다르다. 따라서 하나의 센서를 일부 항공기에 장착했다고 전체 체계가 곧바로 디지털화되는 것은 아니다.

• 첫째, 공중지휘기와 진화헬기가 같은 target 정보를 공유할 수 있어야 한다. 좌표와 지도, 열영상이 서로 다른 체계에 갇혀 있다면 의미가 줄어든다.
• 둘째, 투하결과를 실시간으로 누가 보고 다음 임무에 반영할지 지휘·통제 절차가 정해져야 한다.
• 셋째, Bucket·Belly Tank·기종별 차이를 고려한 검증이 필요하다. 한 기종에서 성공한 장비를 다른 플랫폼에 그대로 적용할 수 있다고 가정해서는 안 된다.
• 넷째, 데이터가 Crew workload를 줄이는지 오히려 늘리는지 Human Factors 평가가 필요하다.
• 다섯째, 임무 후 데이터를 교육과 안전개선에 활용하되 개인을 공개적으로 비난하는 수단이 아니라 학습과 표준화의 자료로 사용해야 한다.

결국 중요한 것은 센서 한 개가 아니다.

센서에서 얻은 정보를 공중지휘, Crew, 지상진화대가 어떻게 같은 그림으로 공유하고 다음 행동으로 연결할 것인가가 핵심이다.

Multi-Aircraft Mission 다음 단계는 ‘Shared Digital Picture’일 수 있다

최근 나는 대형산불 Multi-Aircraft Mission에서 가장 중요한 것 중 하나가 Shared Situational Awareness라고 썼다.

누가 담수 중인지, 누가 화점에 들어가는지, 누가 이탈하는지, 어느 화점이 우선인지, 다음 항공기는 어디로 들어갈 것인지 참여자들이 비슷한 그림을 가지고 있어야 한다.

지금은 그 그림의 상당 부분을 무전과 육안, 경험을 통해 만든다.

앞으로는 여기에 디지털 데이터가 추가될 가능성이 크다.

공중지휘기가 최신 열영상과 drop footprint를 보고, 후속 항공기가 이전 투하결과를 확인하고, 지상지휘부가 같은 데이터를 보면서 항공력을 배분한다면 Multi-Aircraft Mission의 공통상황인식은 한 단계 더 발전할 수 있다.

나는 이것을 단순한 ‘AI 산불진화’라고 부르고 싶지는 않다.

오히려 Shared Situational Awareness를 Shared Digital Picture로 확장하는 과정에 가깝다고 본다.

마치며｜좋은 기술은 조종사를 대체하는 것이 아니라 더 좋은 판단을 돕는다

노르웨이에서 CAURUS Sensor가 첫 실제 산불진화 임무를 수행했다는 소식을 보면서 내가 먼저 떠올린 것은 화려한 AI 기술이 아니었다.

현장에서 겪었던 하나의 단순한 어려움이었다.

‘우리는 정말 같은 화점을 보고 있는가.’

조종사는 경험을 쌓으면서 더 빨리 지형을 읽고, 연기와 바람을 판단하고, 물을 어디에 떨어뜨려야 할지 감을 만들어간다.

그 경험은 앞으로도 중요할 것이다.

하지만 경험만으로 해결하기 어려운 부분을 정확한 위치정보, 열영상, 투하결과 데이터가 보완할 수 있다면 산불진화는 더 안전하고 더 정밀해질 가능성이 있다.

중요한 것은 새로운 기술을 맹신하는 것도, 반대로 ‘우리는 지금도 잘하고 있다’며 외면하는 것도 아니다.

조종사의 경험, 공중지휘의 판단, Crew의 CRM, 지상대의 정보 그리고 센서 데이터가 서로 연결돼야 한다.

산불진화의 미래는 사람이 빠지는 방향이 아니라, 사람이 더 좋은 정보를 가지고 더 좋은 결정을 내리는 방향이어야 한다고 생각한다.

물을 얼마나 많이 나르는가를 넘어, 그 물이 어디에 떨어졌고 실제로 어떤 효과를 만들었는지까지 확인하는 것.

노르웨이에서 시작된 이번 실제 운용시험이 내가 흥미롭게 지켜보는 이유다.

Make each second count.

— Captain Phil

공식 참고자료

AirMed&Rescue, “The CAURUS-Sensor successfully masters first wildfire fighting mission in Norway,” 24 Sep 2026.

CAURUS Technologies – Sensor

CAURUS Sensor란 무엇인가?	CAURUS Sensor는 헬리콥터 외부화물 임무에서 영상·적외선·위치 데이터를 수집하고, 산불과 Water Drop 관련 정보를 지상 지휘체계에 전달하도록 설계된 Digital Guidance System의 센서 플랫폼이다.
CAURUS Sensor는 실제 산불진화에 사용됐나?	CAURUS는 노르웨이 실제 산불진화 임무에서 Sensor를 운용한 사례를 공개했으며, Water Drop과 화점 관련 데이터를 수집·분석하는 방향을 제시하고 있다.
산불진화에 열화상과 위치정보가 왜 필요한가?	연기와 지형 때문에 육안 식별이 어려운 상황에서 열화상과 지리좌표 정보는 화점과 투하위치를 보다 객관적으로 공유해 Crew와 공중지휘의 공통 상황인식을 보완할 수 있다.
CAURUS를 H225 Belly Tank에 바로 적용할 수 있나?	현재 공개된 운용형태는 외부화물·longline 중심이므로 H225 Tsunami Belly Tank에 적용하려면 별도의 기체 통합, 감항, 센서 위치, Human Factors 검증이 필요하다.
AI가 산불진화 조종사를 대신할 수 있나?	현재 공개된 기술 방향은 조종사를 대체하기보다 화점·투하결과·임무 데이터를 제공해 Crew와 공중지휘의 판단을 보완하는 의사결정 지원에 가깝다.