현재 위치
Home
Machine Learning–Based Forestfire Occurrence Risk Prediction using Meteorological Big Data
기상 빅데이터와 머신러닝 기반 산불 발생 위험 예측 모형 개발
-
- 발행기관
- 위기관리 이론과 실천 바로가기
-
- 간행물
- 한국위기관리논집 KCI 등재 바로가기
-
- 통권
- 제22권 제5호 (2026.05)바로가기
-
- 페이지
- pp.55-63
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A489107
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- This study developed a machine learning model to assess forest fire risk in South Korea by integrating meteorological data from 1991 to 2022 with official fire records. A temporal split was used (training: 2000–2010, validation: 2011–2016, test: 2017–2022) to preserve time dependency, and SMOTE was applied to address data imbalance. The XGBoost model outperformed logistic regression, achieving an accuracy of 0.923, F1-score of 0.896, and AUC of 0.94. SMOTE improved recall from 0.48 to 0.73, enhancing sensitivity to fire events. Feature importance and SHAP analysis identified consecutive dry days, minimum relative humidity, and effective humidity as key predictors. Prolonged dryness and low humidity were found to sharply increase fire risk, revealing a nonlinear threshold. This study demonstrates the utility of combining long-term meteorological data with imbalanced learning techniques for interpretable forest fire risk assessment, supporting improved early warning and resource management.
- 한국어
- 기후변화로 인한 고온·건조 및 강풍 빈도의 증가는 산불 발생 위험을 증가시키고 있으며, 이에 대한 선제적 대응체계 고도화가 필요하다. 본 연구는 1991년부터 2022년까지의 기상 자료와 산불 통계를 활용하여 1–6월 산불 발생 위험을 예측하는 머신러닝 모형을 개발하였다. SMOTE를 적용하여 데이터 불균형을 해결하고, 시계열 종속성을 고려하여 학습, 검증, 테스트 데이터셋을 분리하여 모델을 학습시켰다. XGBoost 모델은 정확도 0.923, F1-score 0.896, AUC 0.94로 로지스틱 회귀보다 우수한 성능을 보였다. SMOTE 적용 후 재현율이 0.48에서 0.73으로 향상되었으며, 무강수일수, 최저습도, 실효습도가 주요 예측 변수로 도출되었다. 장기간 건조와 저습 조건이 결합될 경우 산불 발생 확률이 급격히 증가하는 패턴이 확인되었다. 이 연구는 산불 위험 예측 및 조기경보 시스템 개선에 기여할 수 있는 실증적 근거를 제공한다.
목차
Abstract
Ⅰ. 서론
Ⅱ. 자료 및 분석방법
2.1 자료 구축
2.2 분석방법
Ⅲ. 연구결과
3.1 기상 변수와 산불 발생 간의 분포 특성
3.2 기상변수와 산불 발생간의 상관관계 분석
3.3 주요 변수 중요도 분석
3.4 모형 예측 성능 평가
Ⅳ. 연구 결론
Acknowledgement
References
국문초록
키워드
산불 발생 예측 XGBoost 기상 시계열 SMOTE 산불 위험도 Forest fire occurrence prediction XGBoost Meteorological time series SMOTE Forestfire risk assessment저자
간행물 정보
발행기관
-
- 발행기관명
- 위기관리 이론과 실천 [Crisis and Emergency Management: Theory and Praxis]
- 설립연도
- 2005
- 분야
- 사회과학>행정학
- 소개
- 위기관리 이론과 실천(Crisis and Emergency Management: Theory and Praxis; CEM-TP)은 위기관리에 관한 제 학문분야간 협동적 연구 공동체(Research Network)로서 전통적 안보 위기, 재난 위기(자연재난, 인위재난), 국가핵심기반 위기 등에 관한 제학문적 연구를 촉진하고 제 학문분야 연구자간 협력의 토대를 구축하기 위하여 위기관리 이론과 실천 편집위원회 구성이 완료된 2005년 2월 14일에 설립되었다. 현재 위기관리 이론과 실천(CEM-TP)에 참여하고 있는 연구자들의 학문 분야는 행정학, 사회학, 정치외교학, 신문방송학, 사회복지학, 법학, 심리학, 정보학, 지리학, 경찰행정학, 소방행정학, 경호학, 토목공학, 건축학, 의학, 간호학, 보건학, 기상학, 안전공학, 전산학, 지역개발학 등이 있으며, 따라서 한국의 위기관리 연구를 가장 폭 넓게 반영하고 있는 연구 공동체라 할 수 있다. 위기관리 이론과 실천(CEM-TP)의 조직으로는 편집위원회가 있으며, 편집위원회가 본 연구 공동체를 대표하고 있다. 따라서 위기관리 이론과 실천의 각종 연구 및 출판 활동은 편집위원회가 맡고 있으며, 현재 편집위원회는 46명의 위원으로 구성되어 있다. 또한 편집위원회는 위기관리의 제학문적 연구를 촉진하고 연구자간 협력을 위한 학술지로 <한국위기관리논집>을 발행한다. 위기관리 이론과 실천(CEM-TP)의 회원은 개인회원과 기관회원으로 구분된다. 개인회원은 본 회의 설립 목적과 취지에 찬동하는 위기관리 연구자 및 실무자로 구성되고, 기관회원은 위기관리 연구 및 실무에 관련된 정부기관, 연구기관, 대학도서관 등으로 구성된다
간행물
-
- 간행물명
- 한국위기관리논집 [Crisisonomy]
- 간기
- 월간
- pISSN
- 2466-1198
- eISSN
- 2466-1201
- 수록기간
- 2005~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 350 DDC 351
이 권호 내 다른 논문 / 한국위기관리논집 제22권 제5호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.