전 세계적 기후변화로 인한 건조화(desiccation)로 인해 산불의 발생과 그로 인한 피해가 증가하고 있다. 여러 연구들이 산불의 발생을 예측하고자 시도해 왔으나, 예측은 예측 불가능한 인위적 활동과 변동하는 환경 조건 때문에 여전히 어렵다. 본 연구는 기상(meteorology), 지형(topography), 인위적 활동(anthropogenic activities) 등 모든 관련 요인을 고려하여 대한민국 강원도에서 산불 발생 가능성을 예측한다. 온도, 습도, 풍속, 강수량, 정규화 차이 식생 지수(normalized difference vegetation index), 고도(elevation), 경사(slope), 인구밀도(population density), 지표면(land surface) 등 비선형 요인을 반영하기 위해, 다중모달(multimodal) 합성곱 신경망 기반의 딥러닝 모델을 개발하였다. 학습 데이터셋은 2011년부터 2021년까지의 2106개 역사적 사례로 구성되었으며, 그중 1053건은 산불 발생, 1053건은 산불 비발생이었다. 분류 성능 지표에 따르면, 모델의 성능은 기상 변수만 사용했을 때 69%에서 환경 지수 NDVI와 지형 자료를 함께 포함하면 74%로 향상되었고, 인간 요인을 포함한 모든 자료를 사용하면 77%까지 추가로 상승하였다. 오류 지도(error map) 분석 결과, 모델 결과에는 체계적인 지역 편향과 공간적 자기상관이 나타나지 않았다. 각 변수의 기여도를 평가하기 위해 조합 기반 모델 평가 및 부분의존도(partial dependence plot, PDP) 분석을 수행하였다. 입력 특성 31개 조합에 대한 분석에서 인간 관련 요인을 포함하는 경우 모델의 성능이 개선되는 것으로 나타났다. 또한 PDP 분석에서는 토지 이용—특히 주거(residential), 산업(industrial), 농업(agricultural) 부문—과 산불 발생 가능성 증가 간에 유의한 연관성이 있음을 확인하였다. 실제 적용 시험에서, 모든 요인을 포함한 본 모델은 2022년 양구(Yanggu) 산불에서 고위험 지역을 보다 효과적으로 식별하였다. 본 연구는 다중모달 접근이 사회적 및 환경적 요인을 효과적으로 통합함으로써 산불 예측의 정확도를 향상시킬 수 있음을 시사한다.

서울의 농도는 대기질 정책에 도움이 될 수 있다.