AI와 성장하는 ‘발생 데이터베이스’ 사이에서 산불 위협이 감소할 수 있다

현재, 빠르게 진행되는 산불이 캐나다 로키산맥에 있는 오래된 산악 마을 Jasper의 일부를 파괴하고 있습니다. Jasper의 피해는 “묘사와 이해를 초월한다”고 묘사되었으며, 이미 25,000명이 대피해야 했습니다. 

거대한 산불이 캐나다의 역사적인 마을 Jasper의 절반까지 파괴했습니다. 동시에, 인접한 브리티시 컬럼비아와 캘리포니아, 유타에서도 수백 건의 화재가 발생하고 있습니다.

매년 수천 명이 산불의 직접적인 영향을 받으며, 마을이 불에 휩싸입니다. 미국에서는 지난 5년간 344건의 대형 산불이 178명의 사망자를 냈습니다. 한편, 1980년대 이후 미국은 연간 약 7만 건의 화재가 평균적으로 발생해 왔습니다. 국가 다기관 화재 센터(NIFC)에 따르면 1983년 이후 총 270만 건의 산불이 발생했습니다.

화재 수가 계속 증가함에 따라 진화 비용도 상승하고 있습니다. 미국 정부는 2021년 한 해만에 산불 진화에 거의 44억 달러를 지출했습니다. 평균적으로 한 건의 산불을 진압하는 데 약 7만4천 달러가 소요됩니다. 그러나 이것이 전부는 아니며, 주택 소유자 보험료도 상승하고 있습니다.

산불은 전 세계적으로 빈도뿐만 아니라 강도와 지속 시간에서도 증가하고 있습니다. 산불 위험은 주로 강풍, 가뭄, 폭염과 같은 극도로 건조한 조건에서 발생합니다. 이는 인간과 야생동물 건강에 점점 더 큰 부정적 영향을 미친다는 의미입니다. 

불 자체가 초래하는 파괴 외에도, 산불 연기는 NO2, 오존, 방향족 탄화수소, 납, 또는 직경이 2.5마이크론 이하인 입자 PM2.5와 같은 유해 대기 오염 물질을 포함합니다. PM2.5는 매우 미세하여 호흡기 깊숙이 침투해 건강에 영향을 미칠 수 있습니다.

산불 연기의 PM2.5는 일반 인구의 조기 사망과 연관이 있습니다. 이는 폐, 신장, 심장, 피부, 장, 눈, 코, 간 등의 질병을 유발하고 악화시킬 수 있습니다. 또한 인지 기능 저하와 기억력 상실을 초래하는 것으로 밝혀졌습니다. 

산불은 독성 오염 물질로 공기를 오염시킬 뿐만 아니라, 대량의 CO2와 기타 온실가스를 대기 중에 방출해 기후에도 영향을 미칩니다. 온실가스 배출은 지구를 덮어 태양열을 가두어 살기 어려운 환경을 만들게 됩니다. 과도한 온실가스는 기후 변화를 초래하고, 이는 더 건조한 조건을 만들며, 화재 시즌이 길어지는 악순환을 일으킵니다.

산불이 강도와 피해 면에서 점점 더 극심해짐에 따라 통신, 교통, 전력 공급, 가스 서비스, 물 공급 등 인프라를 방해할 수 있습니다. 또한 인구 밀집 지역 근처에서는 재산, 가축, 인간 사망률 및 환경에 큰 영향을 미칩니다.

지난 해, 메릴랜드 대학 연구진의 연구에 따르면 현재 산불은 2001년에 비해 연간 300만 헥타르의 나무 손실을 초래하고 있습니다. 전 세계적으로 930만 헥타르의 나무 손실을 일으킨 2021년은 최악의 해 중 하나가 되었습니다.

불이 숲의 자연스러운 기능이 아니라는 것은 아닙니다. 실제로 북유럽, 러시아, 알래스카, 캐나다 전역에 걸쳐 광범위하게 분포한 북방 숲은 화재에 적응해 있습니다. 화재는 다양한 경관을 만들고 오래된 숲을 제거해 새로운 숲이 탄생하도록 합니다.

하지만 이러한 지역에서도 화재와 관련된 나무 손실이 가속화되고 있습니다. 북방 숲은 세계 주요 청정수 공급원이며, 풍부한 야생동물 서식지이자 중요한 탄소 흡수원인데, 지속적인 산불 추세는 우려스러우며 해결이 필요합니다. 

지구 온난화 해결을 위해 노력하는 바이오테크 기업 목록을 보려면 여기를 클릭하세요.

위성 이미지와 결합한 AI 모델 활용 

산불 문제를 해결하는 방법 중 하나는 인공지능(AI)을 활용하는 것입니다. 이 새로운 기술은 챗봇과 가상 비서에만 쓰이는 것이 아니라, 고급 원격 탐사를 통해 환경을 돕는 데에도 사용됩니다.

최근 AI는 캘리포니아 베이 지역의 외딴 지역에서 발생한 산불에 신속히 대응하도록 소방관을 도왔습니다. AI 기반 카메라가 연기를 감지하고 화재가 확산되기 전에 소방대원에게 알림으로써 산불이 퍼지기 전에 진압되었습니다.산불에 신속히 대응하도록 도왔습니다.

보험 제공업체도 AI를 활용하고 있습니다. 샌프란시스코에 본사를 둔 Delos Insurance Solutions는 다른 기업이 거절한 주택 소유자에게 17,000건 이상의 정책을 판매했습니다. 이는 회사의 산불 모델 덕분이며, Delos는 대학 교수와 협력해 산불 모델링에 대한 독점 데이터셋을 확보하고, 이를 통합하기 위해 AI 알고리즘을 추가합니다. 공동 설립자 Shanna McIntyre에 따르면 Delos는 식생, 지형, 온도 등을 포함한 200개 이상의 변수를 고려합니다.

화재 확산을 예측하기 위한 고해상도 산불 행동 모델 개발에 대한 관심이 명확히 증가하고 있습니다.

이는 위성을 결합해 화재 위치를 탐지하는 방식으로 이루어지고 있습니다. LANDSAT, VHRS, MODIS와 같은 위성은 이미 식생 분포와 교란을 모니터링하는 데 사용되고 있지만, 산불 예측은 여전히 어려운 과제입니다. AI와 머신러닝은 산불을 예측하고 관리하는 신뢰할 수 있는 방법을 제공할 수 있습니다.

예를 들어, AI는 연기 발생, 화재 발생, 식생 교란 등 다양한 요인을 분석하는 영상 위성과 연결될 수 있습니다. 모든 데이터를 결합함으로써 AI 알고리즘은 지속적인 학습을 통해 산불을 예측할 수 있습니다. AI 기술은 또한 비디오 카메라를 이용해 소화기와 순찰 차량을 관리할 수 있게 합니다.

1년 전, 핀란드 알토 대학 연구팀은 산불 확산을 예측할 수 있는 FireCNN이라는 AI 모델 개발을 시작했습니다. 이 모델은 2002년부터 2019년까지 기록된 위성 이미지와 기상 데이터를 학습해 고위험 지역을 식별합니다. FireCNN은 식생 및 토지 피복과 같은 요인을 포함한 31개의 변수를 분석합니다.개발을 시작했습니다.

하지만 전 세계 다양한 지형의 요구에 맞는 모든 가용 데이터를 연관시키고 현실적인 모델링 방법론을 제공할 수 있는 AI 알고리즘이 부족합니다. 

새로운 연구에 따르면, 새로운 모델이 산불 확산을 정확히 예측할 수 있습니다. 이 모델은 위성 이미지와 AI를 결합해 산불 관리와 비상 대응에 큰 진전을 제공합니다.

NASA, 육군 연구소, Viterbi CURVE 프로그램이 자금을 지원한 이 연구는 USC 연구원들이 수행했으며 Earth System Science Data에 게재되었습니다.게재되었습니다. 

이 새로운 모델에서는 위성 데이터를 활용해 실시간으로 산불 진행 상황을 추적합니다. 이 정보는 정교한 컴퓨터 알고리즘에 입력되어 화재의 예상 경로와 강도, 성장 속도를 정확히 예측합니다.

“이 모델은 산불과 싸우는 우리의 능력에 중요한 진전을 의미합니다. 보다 정확하고 시의적절한 데이터를 제공함으로써, 우리의 도구는 최전선에서 산불과 맞서는 소방관 및 대피팀의 노력을 강화합니다. 

– 연구의 교신 저자이자 USC Viterbi 공대 박사 과정 학생인 Bryan Shaddy

연구는 고해상도 위성 이미지에서 과거 데이터를 수집하는 것으로 시작되었습니다. 이후 과거 산불의 행동 분석을 통해 연구진은 화재가 어떻게 시작되고, 확산되며, 최종적으로 진압되었는지를 추적했습니다. 

이 정밀한 연구는 지형, 날씨, 나무와 관목 같은 연료와 같은 요인에 의해 영향을 받는 패턴을 밝혀냈습니다.

연구진은 이후 생성 AI 기반 모델을 훈련시켜 이러한 요인이 시간에 따라 산불의 진화에 어떻게 영향을 미치는지 시뮬레이션했습니다. 그 모델은 위성 이미지에서 산불 확산과 일치하는 패턴을 인식하도록 훈련되었습니다.

이 모델은 조건부 Wasserstein 생성적 적대 신경망(cWGAN)이라고 불리며, 2020년부터 2022년 사이에 캘리포니아의 실제 산불 4건에 대해 테스트되어 화재 확산 예측 효과를 확인했습니다. WRF-SFIRE 시뮬레이션으로 훈련된 cWGAN은 위성 활성 화재 데이터를 통해 화재 도착 시간을 계산하는 데 사용됩니다.

cWGAN의 결과는 인상적이었습니다. 일방향 바람과 평탄한 지형과 같은 이상적인 조건에서 단순 데이터로 훈련된 모델은 실제 캘리포니아 산불에서도 좋은 성과를 보였습니다.

모델의 성공은 AI 모델과 위성 이미지를 함께 사용해 실제 산불 데이터를 제공한 덕분이며, 단독으로는 얻을 수 없었습니다.

하지만 이는 쉬운 일이 아니었습니다. 연구 공동 저자이자 USC Viterbi 항공우주·기계공학 교수인 Assad Oberai는 산불 모델링이 그들의 “복잡한 과정” 때문에 가장 어려운 과제 중 하나라고 밝혔습니다.

나무와 관목 같은 연료가 점화되어 복잡한 화학 반응을 일으키고 열과 바람 흐름을 만들 뿐만 아니라, 날씨와 지형도 화재 행동에 영향을 미칩니다. Assad는 이렇게 말했습니다:

“이것들은 매우 복잡하고, 혼돈적이며, 비선형적인 과정입니다. 이를 정확히 모델링하려면 모든 다양한 요인을 고려해야 합니다. 고급 컴퓨팅이 필요합니다.”  

AI 모델을 위한 향상된 데이터

AI 기술의 발전 외에도, 이러한 모델을 훈련시키는 데이터도 화재 발화와 확산에 영향을 미치는 수백 가지 추가 요인을 포함하도록 개선되고 있습니다. 이는 야생동물 관리자와 과학자들이 산불이 언제, 어디서 발생할지 더 정확히 예측하는 데 도움이 될 것입니다.

최근 미국에서 가장 방대한 지리좌표 기반 화재 발화 데이터인 Fire Program Analysis Fire-Occurrence Database(FPA FOD)가 크게 개선되었습니다. 2013년 미국 산림청이 처음 개발한 이 모델은 다섯 차례 업데이트되었습니다. 이는 지역, 주, 연방 기관의 화재 보호 및 보고 책임 데이터를 통합합니다.

이 모델은 발화 위치, 발견 날짜, 최종 산불 규모와 같은 기본 정보를 포함합니다. 그러나 개정된 데이터베이스는 더 많은 사회적·환경적 요인을 다룰 것입니다. 오리건 주립대학 교수 Erica Fleishman에 따르면:

“산불 발화를 가능하게 하는 요인과 이를 예방하기 위해 할 수 있는 일에 대한 관심이 엄청납니다. 이 데이터베이스는 관련 정보를 접근하고 산불 대비 및 예방에 기여할 수 있는 능력을 향상시킵니다.”

이 향상된 데이터베이스는 현장 소방관과 관리자가 화재와 싸우는 데 도움을 줄 뿐만 아니라, 단기 전력 위험 평가에도 도움이 될 수 있습니다. 전력 회사는 공공 안전 전력 차단을 시행할지에 대해 보다 정보에 기반한 결정을 내릴 수 있습니다. 또한, 토지 관리 기관은 연중 특정 시기에 공공 토지 접근을 제한할지 여부를 결정할 수 있습니다.

Fleishman에 따르면, 많은 정책이 방대한 증거보다는 감정에 의해 좌우됩니다. 그녀는 이 데이터베이스가 “그러한 결정을 내릴 때 고려할 객관적 증거를 늘리는 한 방법”이라고 말했습니다. 

Earth System Science Data 저널에 게재된 이 연구는 Joint Fire Science Program의 지원을 받았습니다. 이 연구는 산불에 대한 이해와 예측을 향상시키기 위해 생물학적, 사회적, 물리적 속성을 제시했습니다. 

전체적으로, Oregon Climate Change Research Institute를 이끌고 있는 Fleishman을 포함한 연구팀은 Boise State University의 부교수 Mojtaba Sadegh와 박사 과정 학생 Yavar Pourmohamad가 이끌었으며, 약 270개의 추가 속성을 추가했습니다. 이제 데이터베이스는 1992년부터 2020년까지 미국에서 발생한 230만 건의 화재 정보를 포함합니다.

개정된 데이터베이스에서는 각 산불에 날씨, 기후, 지형, 인프라와 같은 물리적 속성; 식생 지수와 토지 피복과 같은 생물학적 속성; 국가 및 지역 대비 수준과 관할 구역을 포함한 행정적 속성; 사회적 취약성 지수와 인구 밀도 등을 포함한 사회적 속성이 부여됩니다.

FPA FOD의 여섯 번째 버전은 발화 지점 주변의 시간·공간 버퍼 내 요약 통계와 발화 1년 전부터 매월 위성에서 얻은 식생 지수를 추가로 보강했습니다. 연구는 “이 풍부하고 표형식의 데이터셋은 다양한 가설 기반 또는 데이터 탐색 응용에 활용될 수 있다”고 말했습니다.

이와 같은 방대한 데이터베이스는 속성이 산불 발화와 규모에 미치는 개별 및 복합적인 영향을 훨씬 더 깊이 이해하는 데 도움이 될 것이라고 Pourmohamad는 말했습니다.

“또한 산불이 특정 인간 집단과 생태계에 미치는 불균형적인 영향을 식별하여, 불평등을 줄이기 위한 노력에 정보를 제공할 수 있습니다.”

이 데이터베이스는 과거 화재를 일으킨 요인, 미래 화재 발생 가능성 및 그 영향 등을 설명하는 AI 및 머신러닝 모델에 통합될 수 있습니다. 그녀는 이렇게 말했습니다:

“이 정도의 계산 능력과 방대한 정보를 갖추면 무엇을 추론할 수 있는지 놀랍습니다. 다양한 장소에서 다양한 행동을 안내하고, 산불 발화와 화재 효과와 연관된 요인을 이해하는 많은 질문을 할 수 있습니다.”

최종 생각

숲이나 초원과 같은 야생 지역은 인간 번영에 필수적입니다. 결국 이들은 탄소를 저장하고, 야생동물 서식지를 보존하며, 경관 회복력을 강화함으로써 기후 변화를 완화합니다. 이러한 야생 지역은 언제나 산불의 영향을 받아왔지만, 지난 수십 년간 그 빈도가 크게 증가해 산불이 위협이 되었습니다. 

이러한 대규모의 예측되지 않은 화재는 전 세계의 토지를 황폐화시키고 있으며, 과거 화재에 대한 더 나은 이해, 평가 및 분석과 성공적인 예방 및 완화 전략이 필요합니다. 이는 산불을 방지할 뿐만 아니라 화재 계획, 대응, 적응, 비용 효율적인 완화 및 부정적 영향을 제한하는 데에도 도움이 됩니다.

앞서 언급했듯이, 당국은 지속적으로 데이터베이스를 강화하고 있으며, 이를 AI 모델에 통합해 화재 발생 가능성과 미래 영향을 설명할 수 있습니다. 이러한 검증된 AI 모델은 위성 이미지와 결합해 미래 산불을 정확히 예측하고 예방하는 데 활용될 수 있습니다. 이렇게 하면 우리는 야생 지역을 보호하고, 생물 다양성을 지키며, 미래 세대의 삶을 풍요롭게 할 수 있습니다.

인공지능 투자에 대해 모두 알아보려면 여기를 클릭하세요.