산불 위험 예측 파인튜닝 튜토리얼

Sentinel-2 위성 이미지를 입력으로 받아 산불 위험 지역을 판별하는 end-to-end 파이프라인을 소개한다.

• 입력은 **RGB(B4-B3-B2)**와 SWIR(B12-B8-B4) 두 장의 위성 이미지다.
• 모델은 LFM2.5-VL-450M을 사용하며, 위성 내에서 추론해 작은 JSON 페이로드만 지상으로 전송하는 구성을 강조한다.
• 시뮬레이션은 SimSat Docker 서비스, predict.py 워치 루프, llama-server로 구동되는 로컬 모델로 구성했다.
• 시스템은 22개 고정 위치를 모니터링하며, 위치별로 위성 패스마다 1회 예측을 생성한다.
• 데이터 라벨링은 claude-opus-4-6을 이용해 위성 이미지 쌍을 주석 처리하고, 위치·공간 타일·시간 타일의 교차 조합으로 학습 데이터를 만든다.
• 예시 위치로는 Attica, Greece, Angeles National Forest, Napa Valley, Mati 등이 포함된다.

튜토리얼에는 클론, Docker 실행, uv sync, 예측 워치 실행, 과거 데이터 백필, Streamlit 앱 실행까지의 절차가 포함돼 있어 재현 가능한 실습형 자료로 볼 수 있다.