산불, 한 달 전에 잡는다… UNIST, 산불 예측 AI개발, 재난 대응 혁신
임정호 교수팀, 산불기상지수 중기 예측 정확도↑ 글로벌 AI 모델 개발
중기 산불 대책·취약지 정보 공백↓… Commun. Earth Environ 게재
기후변화로 전 세계 산불 피해가 커지는 가운데 UNIST 연구팀이 산불기상지수(FWI)를 최대 31일 앞서 예측하는 글로벌 AI 모델을 개발했다.
특히 기존 예보보다 산불 위험 예측 기간을 늘리고 정확도를 개선해 재난 대응 인프라의 새로운 전환점이 될 전망이다.
UNIST 지구환경도시건설공학과 임정호 교수 연구팀은 전 세계 산불기상지수(FWI)를 하루 단위로 최대 31일 앞서 예측하는 글로벌 딥러닝 모델 'FWI-Net'을 개발했다고 25일 전했다.
산불기상지수(FWI)는 기온, 상대습도, 풍속, 강수량 등을 종합해 산불 발생 시 확산 위험성을 수치화한 지표다. 해당 지수를 정확하게 예측하면 산불 위험 지역에 소방 인력과 장비를 사전에 배치하고 주민 대피 경보, 산림 출입 통제 등 선제 대응이 가능하다.
기존에는 European Centre for Medium-Range Weather Forecasts(ECMWF)의 수치예보 자료를 기반으로 산불 위험을 예측했지만, 예보 기간이 약 2주를 넘어서면 지역별 정확도가 급격히 떨어지는 한계가 있었다.
연구팀이 개발한 FWI-Net은 이러한 문제를 개선했다. 실험 결과 기존 방식 대비 31일 전체 예측 기간의 평균 제곱근 오차(RMSE)를 6.6% 줄였고, 예측 초기 일주일 동안에는 오차를 최대 12.4%까지 낮췄다.
특히 산불 위험 노출도와 사회경제적 취약성이 모두 높은 지역의 85%에서 과소·과대 예측 편향을 줄인 것으로 나타났다. 산불 위험도가 '매우 높음' 단계인 상황에서도 기존보다 5일 더 긴 기간 동안 유의미한 예측 성능을 유지했으며, 자체 예보 인프라가 부족한 저개발·빈곤 지역에서는 평균 22일 이상 신뢰할 수 있는 예측 결과를 제공했다.
연구팀은 과거 산불기상지수 변화와 미래 기상 조건을 동시에 학습시키는 방식으로 성능을 높였다. 같은 기상 조건이라도 이전 기간의 가뭄과 건조 상태가 누적되면 산불 위험이 커지는 특성을 AI가 반영하도록 설계한 것이다.
이를 위해 실제 관측자료와 기상모델을 결합해 과거 날씨를 복원한 ERA5 재분석 자료로 먼저 사전 학습을 진행한 뒤, ECMWF의 계절 수치예보 자료인 SEAS5를 활용해 추가 학습했다. 연구팀은 이를 통해 예보 데이터 부족 문제를 보완하면서 중기 예측 성능을 향상시켰다.
이번 연구에는 강유진 교수와 이시현 연구원이 제1저자로 참여했다.
연구팀은 "과거 산불 기상 패턴과 미래 예측 정보를 AI가 동시에 학습하도록 설계해 기존 수치예보 방식의 한계를 보완했다"며 "산불 위험에 크게 노출돼 있으면서도 자체 예측 인프라가 부족한 지역에 신뢰도 높은 예보를 제공할 수 있다는 점에서 의미가 크다"고 설명했다.
임정호 교수는 "기후변화로 전 세계 산불 피해가 급증하는 상황에서 정확한 예측 기술은 국가 재난 대응력과 직결되는 핵심 정보 인프라"라며 "중기 산불 대응 계획 수립과 정보 취약지역의 예보 공백 해소에 기여할 것으로 기대한다"고 말했다.
꼭 봐야 할 주요 뉴스
"화장실 두 번 다녀오더니 답을 술술"…스마트 안경 숨긴 수험생 결국
이번 연구 결과는 국제학술지 Communications Earth & Environment에 지난달 온라인 게재됐으며, 환경부와 산림청, 한국연구재단의 지원을 받아 수행됐다.
<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>