기후변화로 산불의 빈도와 피해가 커지는 가운데, 한 달 뒤 산불 위험을 기존 수치예보 기반 방식보다 더 정확하게 예측하는 인공지능(AI) 기술이 울산과학기술원 연구팀에 의해 제시됐다.
 |
| ▲ 임정호 UNIST 교수(왼쪽부터), 강유진 국민대학교 교수, 이시현 UNIST 연구원. [울산과학기술원 제공] |
UNIST(유니스트)는 지구환경도시건설공학과 임정호 교수팀이 전 세계 산불기상지수(FWI)를 하루 단위로 최대 31일 앞서 예측하는 글로벌 딥러닝 모델 'FWI-Net'을 개발했다고 25일 밝혔다.
산불기상지수는 기온과 상대습도, 바람, 강수량을 종합해 불씨가 생겼을 때 산불이 크게 번질 위험이 얼마나 큰지를 보여주는 지표다. 이 지수를 예측하면 산불 위험이 커질 지역에 소방 인력과 장비를 미리 배치하고 주민 경보나 산림 출입 통제 같은 예방 대책을 세울 수 있지만, 기존 유럽중기예보센터(ECMWF)의 수치예보 기반 방식은 약 2주가 지나면 지역별 정확도가 빠르게 떨어진다.
반면 연구팀이 개발한 'FWI-Net'은 기존 방식보다 31일 전체 예측 기간의 평균 제곱근 오차(RMSE)를 6.6% 줄였으며, 첫 일주일 동안은 오차를 12.4%까지 크게 낮췄다. 또 산불 위험 노출도와 사회경제적 취약성이 모두 높은 지역의 85%에서 산불위험을 실제보다 과소, 과다 평가하는 예측 편향이 줄어든 것으로 나타났다.
특히 산불위험이 '매우 높음'인 상황에서 유의미한 예측이 가능한 기간이 기존보다 5일 더 늘어났다. 또 예보와 대응 기반이 부족한 빈곤 지역에서는 3주가 넘는 평균 22일 동안 유의미한 예측 성능을 유지했다.
연구팀은 과거 산불기상지수 변화와 미래 기상 조건을 동시에 반영한 덕분에 이 같은 고성능 모델을 만들 수 있었다. 기온이나 강수량과 같은 미래 기상 상태가 같더라도 앞선 기간의 가뭄과 건조 상태가 누적되면 산불 위험이 커지는 효과를 AI가 학습해 반영한 것이다.
이를 위해 연구팀은 FWI-Net을 두 단계로 학습시켰다. 실제 관측과 기상모델을 결합해 과거 날씨를 복원한 방대한 ERA5 재분석 자료로 먼저 사전학습시켜 중기 예측 성능을 극대화한 뒤, 실제 예보에 쓰이는 SEAS5 자료로 다시 학습시키는 방식을 통해 예보자료 부족 문제를 보완했다.
SEAS5는 ECMWF가 기온·습도·강수량·풍속 등을 예측해 제공하는 계절 수치예보 자료로, 월 1회만 생산돼 딥러닝 모델을 충분히 학습시키기에 부족하다. 이번 연구는 국민대학교 강유진 교수와 UNIST 지구환경도시건설공학과 이시현 연구원이 제1저자로 참여했다.
연구팀은 "과거 산불 기상 패턴과 미래 예측 정보를 AI가 동시에 학습하게 만들어 기존 수치예보 방식의 문제를 보완했다"며 "무엇보다 산불 위험에 크게 노출돼 있으면서도 자체 예측 인프라가 턱없이 부족했던 지역에 신뢰할 만한 예보를 제공할 수 있다는 데 큰 의미가 있다"고 설명했다.
임정호 교수는 "기후변화로 전 세계적인 산불 피해가 급증하는 상황에서 정확한 예측 기술은 실제 국가 재난 대응력과 직결되는 정보 인프라"라며 "개발된 기술은 중기 산불 대응 계획을 세우고, 예보 기반이 부족한 지역의 정보 공백을 줄이는 데 활용될 수 있을 것"이라고 말했다.
이번 연구는 국제 학술지 '커뮤니케이션스 어스앤 인바이론먼트'(Communications Earth & Environment)'에 지난달 28일 온라인 공개됐으며, 환경부, 산림청, 한국연구재단의 지원을 받아 수행됐다.
KPI뉴스 / 최재호 기자 choijh1992@kpinews.kr
[저작권자ⓒ KPI뉴스. 무단전재-재배포 금지]
