하상(Riverbed) 수치표고모델(Digital Elevation Model, DEM) 정보 누락은 수체 유동성과 위성 관측 시점의 차이로 인해 발생된다. 하상 DEM 은 홍수 예측, 유량 추정 등 수문분석에서 필수적인 정보이며 누락시 분석과 해석에 불가능한 지형고도정보구간이 발생한다. 본 연구에서는 결측된 하상 DEM 을 추정하기 위한 딥러닝 기반의 인페인팅 방법을 제안한다. 학습데이터와 모델을 구축하고 평가를 통해 진행하고자 한다. 모델 학습에 필요한 데이터는 Copernicus 30m DEM 을 사용하여 구축했다. 실제 저수지, 댐, 하천 등 수체의 특성을 모사하기 위해 마스크를 생성하고, 마스크는 각 DEM 패치에 해당하는 고도값의 누적분포함수(Cumulative Distribution Function)를 계산한 뒤 Kneedle 알고리즘을 적용하여 도출된 임계점을 기준으로 정의하여 제작했다. 마스킹 된 구역의 DEM 을 추정하기 위한 모델은 Inception 모듈을 결합한 U-Net 기반의 MSU-Net(Multi-Sacle U-Net)을 사용했다. 모델 평가지표는 PSNR(Peak Signalto-Noise Ratio), SSIM(Structural Similarity Index Measure), 그리고 DEM 의 절대평가지표인 MAE(Mean Absolute Error)를 선정했다. 모델은 구축된 데이터 10,000 장을 Epoch 150, 학습률 0.003 으로 학습 및 테스트하였으며, 최종적으로 PSNR 13.44 dB, SSIM 0.78, MAE 는 약 2.80 m 의 결과를 보였다. 본 연구는 하상 DEM 을 추정하기 위해 학습데이터 및 모델을 구축하고 평가 결과를 통해 추정 가능성을 확인하였다. 이 연구는 하상 DEM 의 결측으로 인한 데이터 부재 문제를 극복하고 수문분석 등 다양한 분야에 활용할 수 있을 것으로 기대된다.