하와이를 비롯한 전 세계 여러 지역이 "종말의 불길"에 휩싸였습니다. AI 모니터링이 중요한 순간에 산불보다 더 나은 성과를 낼 수 있을까?

지구는 돌이킬 수 없는 지구 온난화를 겪고 있습니다. 유럽연합의 코페르니쿠스 기후변화 서비스(C3S)에 따르면,2023년 7월은 1940년 이래 전 세계적으로 가장 더운 달이었으며, 산업화 이전 평균보다 기온이 약 1.5°C 상승했습니다.,파리 협정에서 정한 임계치를 초과했습니다.

지구 온난화로 인해 가장 직접적으로 느끼게 되는 것은 고온입니다.울창한 숲이 있는 지역에서는 덥고 건조한 기후로 인해 산불이 발생할 가능성이 매우 높습니다. 8월 8일, 미국 하와이주 마우이 섬에서 산불이 발생했습니다. 태풍 도라를 타고 온 산불은 숲을 빠르게 휩쓸고 지나가 지역 문화 센터인 라하이나까지 번져 수만 명의 사람들을 집을 잃게 했습니다.

그 사이 북미 서부의 건조한 지역에서는 산불이 맹위를 떨치고 있습니다. 미국/캐나다 자원 관리 시스템(FIRMS)의 화재 정보 지도는 다음을 보여줍니다.지난주에 1,000에이커가 넘는 면적을 태운 산불이 캐나다 서부로 번졌고, 미국 동부에도 많은 화재 지점이 생겼습니다.

산불은 빠르고 끊임없이 발생하며, 갑작스러운 산불에 직면했을 때 사람들이 적시에 대응하는 것은 어렵습니다. 하지만 지금은,AI를 사용하면 산불을 실시간으로 모니터링하고 예측하여 산불로 인한 손실을 최소화할 수 있습니다.

산불 삼지창 예측

지리 데이터: 호주 대학, XAI 개발

2023년 5월, 호주 국립 대학의 Abolfazl Abdollahi와 시드니 공과 대학의 Biswajeet Pradhan은설명 가능 AI(XAI)를 사용하여 호주 기프스랜드의 다양한 지리적 요인에 대한 포괄적인 분석을 실시하고 지역 산불 확률 분포 지도를 얻었습니다.산불 발생을 예측하는 새로운 방법을 제공합니다.

산불 발생 가능성에 더 큰 영향을 미치는 지리적 특징으로는 환경적 요인, 지질학적 요인, 식생적 요인, 기상적 요인이 있습니다.본 연구에서 연구진은 강수량, 풍속, 기온, 습도, 식생분포, 식생면적, 식물체 내 질소 함량, 수분, 지역의 고도, 경사도, 방위 등 11가지 특성을 주로 활용하였다.

이 연구에서는 기프스랜드 시에서 521개 산불 현장을 선정하여 2019년부터 2020년까지의 중해상도 영상 분광 방사계(MODIS) 데이터, 열 이상 데이터, 화재 이력 데이터를 사용하여 훈련시켰습니다.훈련 세트는 교차 검증과 데이터 세트 보존을 통해 처리됩니다.훈련 과정의 정확성을 보장합니다.

먼저, 교차 검증 기법은 학습 세트를 무작위로 5개의 하위 세트로 나누고, 그 중 4개는 모델 학습에 사용하고 1개 하위 세트는 검증 세트로 사용합니다.

훈련이 완료되면, 기프스랜드의 환경, 지질, 식생 및 기상적 특성이 모델에 입력되고, 그림에서 볼 수 있듯이 해당 지역의 완전한 산불 확률 지도를 얻을 수 있습니다.모델 예측 결과는 기본적으로 해당 지역의 과거 산불 발생 지역과 일치하며, 이는 XAI가 지리적 특성에 기반하여 산불 발생을 효과적으로 예측할 수 있음을 나타냅니다.

에이:XAI 모델이 예측한 산불 확률 지도;

비:기프스랜드의 역사적 산불 지역을 나타낸 지도입니다.

서류 주소:

https://www.sciencedirect.com/science/article/pii/S0048969723016224

영상 데이터: 연기를 기반으로 화재 지점 식별 

지리적 데이터에 기반한 산불 예측은 사람들의 인식을 높일 수 있을 뿐, 실시간으로 산불 발생을 관찰할 수는 없습니다. 이를 위해 캘리포니아 산림 및 소방부는 캘리포니아 대학교 샌디에이고(UCSD)와 협력하여 AI를 기반으로 한 ALERTCalifornia라는 산불 예방 프로젝트를 개발했습니다.이 프로젝트에서는 캘리포니아 전역에 분산된 1,000대 이상의 카메라를 사용하여 해당 지역을 모니터링하고 AI를 사용하여 비정상적인 상황을 식별합니다.비상 지휘 센터에 경보를 보내 근무 중인 인원이 산불이 발생했는지 확인할 수 있도록 경고합니다.

이 프로젝트는 2023년 7월에 공식적으로 시행되었고 곧 효과를 발휘했습니다. 오전 3시, 샌디에이고에서 동쪽으로 80km 떨어진 클리블랜드 국유림에서 화재가 감지되었습니다. 사건이 늦은 밤에 발생했기 때문에 연기를 감지하기 어려웠고, 육안으로 화재 지점을 식별하기도 어려웠기 때문에 화재가 번지기가 매우 쉬웠습니다. 하지만 AI는 소방서장에게 적절한 시기에 경보를 보내 소방서가 45분 만에 산불을 진압하는 데 도움을 주었습니다.

하지만 이 기술은 개발 과정에서 많은 어려움에 직면합니다. 그 중 하나는,AI가 산불과 다른 간섭 요소를 정확하게 구별하고 정확한 판단을 내릴 수 있도록 하는 방법.숲에는 거짓 경보를 일으킬 수 있는 요소가 많이 있는데, 여기에는 다양한 모양의 구름, 공기 중의 먼지, 심지어 지나가는 트럭의 배기가스도 포함됩니다. 100명이 넘는 전문가의 공동 노력 덕분에 AI의 정확도는 몇 주간의 훈련과 반복을 거쳐 크게 향상되었습니다.

ALERT캘리포니아 주소:

https://cameras.alertcalifornia.org

위성 데이터: 2차 스크리닝을 통한 실시간에 가까운 산불 모니터링 

특정 지역에서는 카메라로 산불을 효과적으로 모니터링할 수 있지만, 이 방법은 대규모로 홍보하기 어렵습니다. 특히 광활한 지역과 복잡한 지형을 가진 일부 지역에서는 카메라 배치 및 유지 관리 비용이 상당히 증가하기 때문입니다. 그러므로,실시간 위성 데이터는 AI가 산불을 실시간으로 모니터링하는 무기로 활용될 수도 있습니다.

중국 전자과학기술대학의 허빈빈 연구팀,랜덤 포레스트 모델과 공간 문맥 알고리즘을 결합하여 머신 러닝 모델을 구축했습니다.위성 데이터를 통해 거의 실시간에 가까운 산불 모니터링이 가능해졌습니다.

기존의 AI 산불 식별 시스템은 단일 알고리즘을 사용하는 경우가 많아 데이터 누락이나 오탐지가 발생합니다. 이 연구에서는누락을 방지하기 위해 랜덤 포레스트 모델을 통해 데이터를 먼저 엄격하게 검토합니다. 그런 다음, 비교적 낮은 임계값을 갖는 공간적 맥락 알고리즘을 2차 스크리닝에 사용하여 거짓 경보를 제거합니다.이를 통해 모니터링 모델의 정확도가 향상됩니다.

연구진은 일본 우주항공연구개발기구(JAXA)와 NASA가 기록한 산불 데이터를 훈련 세트로 사용하여 모델을 훈련시켰습니다. 이후 2020년부터 2022년까지 산불 발생 위치에 대한 위성 데이터를 모델의 검증 데이터로 사용하여 판단을 내렸습니다.

그림에서 볼 수 있듯이,대부분의 화재의 경우, 이 모델은 산불의 근원을 정확하게 찾아내고 시기적절한 경고를 제공할 수 있습니다. AI 산불 식별 모델은 실시간 위성 데이터를 데이터 소스로 사용하고, 랜덤 포레스트 모델과 공간 맥락 알고리즘을 결합하여 모델의 경보 미발견률과 오경보율을 낮추고, 거의 실시간에 가까운 산불 경보를 실현합니다.

서류 주소:

https://www.mdpi.com/2272228

산불 진화: 시간과의 경쟁

산불의 주요 원인은 인간 활동입니다.예를 들어, 방치된 캠프파이어, 부주의하게 버린 담배꽁초, 장비의 부적절한 사용 등이 있습니다. 하와이 산불의 가능한 원인은 전력 시설의 손상이었습니다. 지구 온난화로 인한 고온 건조한 환경과 태풍 도라의 영향으로 화재가 급속히 번져 지역 주민들에게 막대한 피해를 입혔습니다.

산불 진화는 시간과의 싸움이다.산불은 시속 약 23km의 속도로 번질 수 있으며, 불에 탄 면적은 4시간 만에 4배로 늘어날 것으로 추산됩니다. 2017년 캘리포니아주 토마스 산불은 1초에 축구장 면적만큼 번졌고, 결국 3개월 이상 불타버렸습니다.

따라서 산불 모니터링 및 소방 활동에서는 최단 시간 내에 화재 지점을 감지하고, 최대한 빨리 산불을 진압하고, 확산을 방지하기 위해 여러 기술을 사용해야 하는 경우가 많습니다.현재 우리나라는 산불 감시를 위한 6가지 방어선을 구축하고 있습니다. 즉, 위성 모니터링, 항공기 모니터링 및 순찰, 산림 감시탑, 비디오 감시 시스템, 지상 순찰, 온라인 여론 인식입니다.

다양한 기술의 도움으로 우리나라의 산불 발생 건수는 2010년 7,723건에서 2022년 709건으로 감소했습니다. 그러나 2019년 쓰촨성 무리현 산불과 2020년 쓰촨성 시창시 산불은 모두 상당한 인명 피해를 냈으며, 산불 모니터링 및 예방은 여전히 어려움에 직면해 있습니다.

현재 지리 데이터, 비디오 데이터, 위성 데이터는 모두 AI가 산불을 조기에 감지하고 불씨를 제거하는 데 사용할 수 있는 원시 데이터입니다. 우리나라는 국토가 넓고, 지역마다 기후와 지형이 크게 다르지만, 산불을 완벽하게 예방하기는 어렵습니다.하지만저는 AI의 도움으로 결국 산불 위험을 따라잡고 최소화할 수 있을 것이라고 믿습니다.

참조 링크:

[1]https://climate.copernicus.eu/7월-2023-지구에서 가장 따뜻한 달-최근-역사

[2]https://firms2.modaps.eosdis.nasa.gov/

[3]https://www.washingtonpost.com/climate-environment/2023/08/10/hawaii-wildfire-maps/

[4]https://www.bjnews.com.cn/detail/168429261314778.html