KR102452884B1 - 빅데이터를 이용한 산불확산 예측시스템 - Google Patents

빅데이터를 이용한 산불확산 예측시스템 Download PDF

Info

Publication number
KR102452884B1
KR102452884B1 KR1020210166517A KR20210166517A KR102452884B1 KR 102452884 B1 KR102452884 B1 KR 102452884B1 KR 1020210166517 A KR1020210166517 A KR 1020210166517A KR 20210166517 A KR20210166517 A KR 20210166517A KR 102452884 B1 KR102452884 B1 KR 102452884B1
Authority
KR
South Korea
Prior art keywords
information
module
grid
prediction
wind speed
Prior art date
Application number
KR1020210166517A
Other languages
English (en)
Inventor
이영미
김병식
Original Assignee
(주)에코브레인
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)에코브레인 filed Critical (주)에코브레인
Priority to KR1020210166517A priority Critical patent/KR102452884B1/ko
Application granted granted Critical
Publication of KR102452884B1 publication Critical patent/KR102452884B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/18—Testing or calibrating meteorological apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • General Physics & Mathematics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 산불확산 예측시스템에 관한 것으로, 더욱 상세하게는 일정 단위의 격자별로 예측되는 기상정보, 각 격자 사이의 경사, 각 격자의 피복 정보에 따른 토지 상태, 임상정보에 따른 연료 상태를 반영하여 각 격자에서의 산불 확산 방향의 예측이 이루어지도록 함으로써, 산불확산 예측의 정확성을 높일 수 있도록 하는 빅데이터를 이용한 산불확산 예측시스템에 관한 것이다.

Description

빅데이터를 이용한 산불확산 예측시스템{A System for Forecasting Spread of Forest Fire Using a Big Data}
본 발명은 산불확산 예측시스템에 관한 것으로, 더욱 상세하게는 일정 단위의 격자별로 예측되는 기상정보, 각 격자 사이의 경사, 각 격자의 피복 정보에 따른 토지 상태, 임상정보에 따른 연료 상태를 반영하여 각 격자에서의 산불 확산 방향의 예측이 이루어지도록 함으로써, 산불확산 예측의 정확성을 높일 수 있도록 하는 빅데이터를 이용한 산불확산 예측시스템에 관한 것이다.
산불은 산림이나 산림 인접지의 나무, 풀, 낙엽 등이 인위적으로나 자연적으로 불에 타 발생하눈 화재를 의미하며, 산불이 발생할 경우 초기 인지가 어렵고 산림에 산재된 연료들을 통해 빠르게 확산되는 특징이 있어 그 피해가 막대하다는 문제가 있다.
특히, 우리나라의 경우에는 국토의 대부분이 산림으로 이루어져 있어 산불 발생률이 높으며, 산불이 발생할 경우 자연 훼손뿐만 아니라 재산 및 인명 피해가 크게 발생할 수 있는 위험이 높다.
또한, 산림이 많고 삼면이 바다라는 특수성으로 인해 강원도 산간에서의 양간지풍과 같은 강한 바람이 자주 발생되고 있으며, 이러한 강한 바람이 산불 확산 범위를 넓히는 주요 원인으로 지목되고 있고, 실제로 강원도에서는 이러한 대형산불이 최근들어 자주 발생하고 있다.
산불이 발생되기 위해서는 산림내 가연물질인 연료와 열, 산소가 필요한데, 연료는 고체, 액체, 기체의 형태로 존재하며 일정한 열이 가해지면 공기 중에 약 20%가 포함된 산소의 작용으로 산화작용이 진행되는 것이다.
따라서, 산불은 연료, 지형, 기상 등의 환경 인자의 영향을 받아 확산되며, 최근에는 아래 특허문헌과 같이 다양한 센서를 통해 산불의 확산을 예측하는 시스템이 개발되어 산불에 대한 대처가 이루어질 수 있도록 하고 있으나, 이러한 센서들을 모든 산림 지역에 설치하기 어렵고, 설치하더라도 산불의 정확하고 신속한 예측이 어렵다는 문제가 있다.
(특허문헌) 등록특허공보 제10-2309166호(2021. 09. 29. 등록)"Disposable IoT 단말을 활용한 산불 확산 예측 및 재발화 감시 서비스 방법 및 시스템"
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로,
본 발명은 일정 단위의 격자별로 기상정보를 예측하여 예측되는 기상정보에 따라 각 격자별로 산불이 확산되는 방향을 예측하도록 함으로써, 기상정보를 활용한 정확한 산불 확산 방향의 예측이 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 각 격자의 풍향 및 풍속을 예측하도록 하면서, 각 격자를 중심으로 주변 8개 격자의 풍향을 고려한 풍속의 차에 따라 각 격자에서의 산불 확산 방향을 예측하도록 함으로써 바람의 세기와 강도에 따른 정확한 확산 예측이 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 각 격자 사이의 경사, 각 격자의 피복 정보에 따른 토지 상태, 임상정보에 따른 연료 상태를 풍속에 반영하여 산불 확산 방향의 예측이 이루어지도록 함으로써, 지형정보를 고려한 산불 확산 예측이 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 일정 구역 단위의 임상정보를 각 격자영역과 일치시켜 연료정보로 활용되도록 함으로써 연료정보의 정확한 반영이 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 각 격자에 대해 예측되는 기온, 상대습도를 반영하여 풍속의 보정이 이루어지도록 함으로써 산불 확산 예측의 정확성을 더욱 높일 수 있도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 예측되는 각 격자별 산불의 확산 방향을 추적하여 산불 확산 영역을 예측하고 표시하도록 함으로써, 산불 확산 영역의 정확하고 신속한 예측이 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 풍속, 풍향, 기온, 상대습도 등 기상정보의 예측시 실제 관측정보와 비교하여 예측정보의 수정이 이루어지도록 함으로써 기상예측의 정확성 향상을 통한 산불 확산 예측의 신뢰성 확보가 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 기상 관측 정보 및 예측 정보의 공간 영역 및 시간 영역을 일치시켜 비교가 이루어지도록 함으로써 관측정보 및 예측정보에 대한 정확한 비교가 가능하고 각 격자에서의 예측 정보 생성이 가능하도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 머신러닝을 통한 기계적 학습을 통해 풍속을 예측하도록 하면서 복수의 머신러닝 모델 중 가장 오차가 적은 모델을 선택하도록 하여 예측의 정확성을 높이도록 하고, 이때 기온, 일사량 등의 기상정보뿐만 아니라, 기압, 관측고도, 토양수분함량 등의 산악기상정보를 입력변수로 사용하며, 또한 직전의 실제 풍속정보 또는 직전의 예측 풍속정보를 입력변수로 사용하도록 하여 풍속 예측의 정확성을 더욱 높일 수 있도록 하는 산불확산 예측시스템을 제공하는데 목적이 있다.
본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.
본 발명의 일 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템은 일정 범위의 격자별 기상정보를 예측하는 기상예측부와, 상기 기상예측부에 의해 예측되는 기상정보를 이용하여 각 격자별로 산불이 확산되는 방향을 예측하는 산불확산예측부를 포함하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 산불확산예측부는 일정 크기의 격자를 형성하는 격자형성부와, 상기 격자형성부에 의해 형성된 각 격자에 대한 특정 시점의 풍향, 풍속의 예측정보를 입력하는 예측정보입력부와, 각 격자 및 격자 주변의 8개 격자에 대한 풍향, 풍속을 고려하여 각 격자에서 산불이 확산되는 방향을 예측하는 확산방향예측부를 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 확산방향예측부는 각 격자의 풍향을 고려하여 각 격자 사이의 풍속차를 산정하는 풍속차산정모듈과, 각 격자 사이의 풍속차에 따라 각 격자에서의 확산 방향을 결정하는 확산방향결정모듈과, 결정된 확산방향을 각 격자에 표시하는 확산방향표시모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 산불확산예측부는 각 격자에 대한 고도, 피복, 임상정보를 입력하는 지형정보입력부를 포함하고, 상기 확산방향예측부는 각 격자의 고도정보를 이용한 각 격자 사이의 경사, 각 격자의 피복정보에 따른 토지 상태, 각 격자의 임상정보에 따른 연료종류 및 수량에 따라 풍속에 대한 가중치를 설정하도록 하는 가중치적용모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 가중치적용모듈은 각 격자의 연료정보에 따른 가중치 적용시 입력된 임상정보의 기준 범위와 격자의 공간정보를 일치시켜 적용되도록 하는 공간영역일치모듈을 포함하고, 상기 공간영역일치모듈은 설정된 각 격자의 공간영역을 불러오는 영역로딩모듈과, 임상정보의 기준 단위면적에 대한 각 격자의 공간영역의 비율을 산정하는 영역비율산정모듈과, 각 영역의 비율에 따라 각 영역에 대한 임상정보를 산출하는 영역값산출모듈과, 격자에 포함되는 영역에 따라 임상정보에 따른 연료의 종류와 수량을 결정하는 연료값결정모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 예측정보입력부는 각 격자에 대한 기온, 상대습도의 예측정보를 입력하는 기상정보입력모듈을 포함하고, 상기 확산방향예측부는 입력된 기온 및 상대습도에 따라 각 격자의 풍속을 보정하는 풍속보정모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 산불확산예측부는 상기 확산방향예측부에 의해 예측된 각 격자별 확산방향에 따라 산불의 확산범위를 예측하여 표시하는 확산범위표시부를 포함하고, 상기 확산범위표시부는 산불이 발생된 발화지점 정보를 수신하는 발화지점수신모듈과, 수신된 발화지점 주변의 각 격자별 확산방향정보를 불러오는 확산방향로딩모듈과, 발화지점을 기점으로 각 격자의 확산방향을 추적하는 확산경로추적모듈과, 추척된 확산방향에 따라 산불의 확산영역을 산출하여 표시하는 확산영역표시모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 기상예측부는 일정기간 동안의 기상예측 데이터를 수집하는 예보데이터수집부와, 일정기간 동안의 기상관측 데이터를 수집하는 관측데이터수집부와, 기상 예측 데이터 및 관측 데이터의 공간 및 시간 기준을 일치시키는 전처리부와, 기상 예측 데이터를 관측 데이터와 비교하여 그 상관관계에 따라 예측 데이터를 수정하는 예측보정부를 포함하고, 상기 예측보정부는 일정 영역에 대한 기상 예측 정보를 불러오는 예측정보로딩모듈과, 해당 영역에 대한 기상 관측 정보를 불러오는 관측정보로딩모듈과, 예측정보 및 관측정보의 상관관계를 분석하는 상관분석모듈과, 상관관계에 따라 예측정보를 수정하는 예측수정모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 전처리부는 공간 영역을 일치시키는 공간처리모듈과, 시간 영역을 일치시키는 시간처리모듈을 포함하고, 상기 공간처리모듈은 일정 격자영역과 예측정보 및 관측정보와의 거리에 따라 케이스를 분류하는 거리분류모듈과, 각 거리에 따른 선형관계를 통해 함수를 산정하는 선형관계산정모듈과, 예측 및 관측정보가 생성되는 각 위치에 대한 가중치를 설정하는 가중치설정모듈과, 각 위치의 가중치를 고려하여 일정 격자영역에 대한 관측 및 예측 정보를 산출하는 처리값산출모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 산불확산 예측시스템에 있어서, 상기 기상예측부는 머신러닝에 의해 풍속을 예측하는 풍속예측부를 포함하고, 상기 풍속예측부는 풍속을 예측할 복수의 머신러닝 모델을 설정하는 모델설정모듈과, 풍속에 관한 예측모델을 생성하기 위한 변수정보를 입력하는 변수입력모듈과, 상기 모델설정모듈에 의해 설정된 모델들을 통해 입력된 변수들과 풍속간의 상관관계를 학습하는 머신러닝수행모듈과, 학습된 복수의 모델 각각에 의해 예측되는 풍속값을 실제 풍속과 비교하여 각 모델의 오차를 검증하는 오차검증모듈과, 오차가 적은 모델을 선택하는 모델선택모듈과, 풍속을 예측하기 위한 변수정보를 입력하는 예측정보입력모듈과, 입력된 변수정보를 선택된 모델에 적용하여 풍속 예측값을 생성하는 예측데이터생성모듈을 포함하며, 상기 변수입력모듈은 기온, 일사량, 태양고도, 상대습도, 기압, 해면기압에 관한 기상정보를 입력하는 기상정보입력모듈과, 관측고도, 토양수분함량의 지형정보를 입력하는 지형정보입력모듈과, 월, 시간의 시기정보를 입력하는 시기정보입력모듈과, 상관관계를 분석할 시점 직전의 관측 풍속정보를 입력하는 직전풍속입력모듈과, 직전 풍속정보가 입력되지 않는 경우 직전의 예측 풍속정보를 입력하는 예측풍속입력모듈을 포함하는 것을 특징으로 한다.
본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.
본 발명은 일정 단위의 격자별로 기상정보를 예측하여 예측되는 기상정보에 따라 각 격자별로 산불이 확산되는 방향을 예측하도록 함으로써, 기상정보를 활용한 정확한 산불 확산 방향의 예측이 가능하도록 하는 효과가 있다.
본 발명은 각 격자의 풍향 및 풍속을 예측하도록 하면서, 각 격자를 중심으로 주변 8개 격자의 풍향을 고려한 풍속의 차에 따라 각 격자에서의 산불 확산 방향을 예측하도록 함으로써 바람의 세기와 강도에 따른 정확한 확산 예측이 가능하도록 하는 효과가 있다.
본 발명은 각 격자 사이의 경사, 각 격자의 피복 정보에 따른 토지 상태, 임상정보에 따른 연료 상태를 풍속에 반영하여 산불 확산 방향의 예측이 이루어지도록 함으로써, 지형정보를 고려한 산불 확산 예측이 가능하도록 하는 효과가 있다.
본 발명은 일정 구역 단위의 임상정보를 각 격자영역과 일치시켜 연료정보로 활용되도록 함으로써 연료정보의 정확한 반영이 가능하도록 하는 효과가 있다.
본 발명은 각 격자에 대해 예측되는 기온, 상대습도를 반영하여 풍속의 보정이 이루어지도록 함으로써 산불 확산 예측의 정확성을 더욱 높일 수 있도록 하는 효과가 있다.
본 발명은 예측되는 각 격자별 산불의 확산 방향을 추적하여 산불 확산 영역을 예측하고 표시하도록 함으로써, 산불 확산 영역의 정확하고 신속한 예측이 가능하도록 하는 효과가 있다.
본 발명은 풍속, 풍향, 기온, 상대습도 등 기상정보의 예측시 실제 관측정보와 비교하여 예측정보의 수정이 이루어지도록 함으로써 기상예측의 정확성 향상을 통한 산불 확산 예측의 신뢰성 확보가 가능하도록 하는 효과가 있다.
본 발명은 기상 관측 정보 및 예측 정보의 공간 영역 및 시간 영역을 일치시켜 비교가 이루어지도록 함으로써 관측정보 및 예측정보에 대한 정확한 비교가 가능하고 각 격자에서의 예측 정보 생성이 가능하도록 하는 효과가 있다.
본 발명은 머신러닝을 통한 기계적 학습을 통해 풍속을 예측하도록 하면서 복수의 머신러닝 모델 중 가장 오차가 적은 모델을 선택하도록 하여 예측의 정확성을 높이도록 하고, 이때 기온, 일사량 등의 기상정보뿐만 아니라, 기압, 관측고도, 토양수분함량 등의 산악기상정보를 입력변수로 사용하며, 또한 직전의 실제 풍속정보 또는 직전의 예측 풍속정보를 입력변수로 사용하도록 하여 풍속 예측의 정확성을 더욱 높일 수 있도록 하는 효과가 있다.
도 1은 본 발명의 일 실싱예에 따른 빅데이터를 이용한 산불확산 예측시스템의 구성을 나타내는 블럭도
도 2는 도 1의 전처리부의 구성을 나타내는 블럭도
도 3은 도 2의 공간처리모듈의 실행과정을 설명하기 위한 참고도
도 4는 도 1의 예측보정부의 구성을 나타내는 블럭도
도 5는 도 1의 풍속예측부의 구성을 나타내는 블럭도
도 6은 도 5의 변수입력모듈의 구성을 나타내는 블럭도
도 7은 도 1의 예측정보입력부의 구성을 나타내는 블럭도
도 8은 도 1의 지형정보입력부의 구성을 나타내는 블럭도
도 9는 도 1의 확산방향예측부의 구성을 나타내는 블럭도
도 10은 도 9의 가중치적용모듈의 구성을 나타내는 블럭도
도 11은 도 10의 가중치설정모듈의 구성을 나타내는 블럭도
도 12는 도 10의 공간영역일치모듈의 구성을 나타내는 블럭도
도 13은 공간영역일치모듈의 작용예를 나타내는 참고도
도 14는 도 1의 확산범위표시부의 구성을 나타내는 블럭도
도 15는 각 격자에 대해 예측되는 풍속 및 풍향의 표시예를 나타내는 참고도
도 16은 확산방향표시모듈에 의해 각 격자에 대해 표시되는 확산방향 표시예 및 확산방향의 추적예를 나타내는 참고도
도 17은 확산범위표시부에 의한 산불의 확산영역 표시예를 나타내는 참고도
이하에서는 본 발명에 따른 빅데이터를 이용한 산불확산 예측시스템의 바람직한 실시예들을 첨부된 도면을 참조하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하고, 또한 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 발명의 일 실시예에 따른 빅데이터를 이용한 산불확산 예측시스템을 도 1 내지 도 17을 참조하여 설명하면, 상기 산불확산 예측시스템은 일정 범위의 격자별 기상정보를 예측하는 기상예측부(1)와, 상기 기상예측부(1)에 의해 예측되는 기상정보를 이용하여 각 격자별로 산불이 확산되는 방향을 예측하는 산불확산예측부(3)를 포함한다.
본 발명에 따른 산불확산 예측시스템은 토지를 일정 크기의 격자 영역으로 구획하도록 하고, 각 격자 영역에 대해 예측되는 기상정보를 기반으로 산불이 확산되는 방향의 예측이 이루어지도록 한다. 특히 상기 산불확산 예측시스템은 각 격자의 풍속, 풍향을 예측하도록 하며, 각 격자의 풍향, 풍속을 주변 격자들과 비교하여 각 격자에서 바람의 방향을 예측하고, 이를 통해 산불 확산 방향의 예측이 이루어질 수 있도록 한다. 이에 더해 상기 산불확산 예측시스템은 지형의 고도에 따른 경사, 토지의 피복정보에 따른 토지의 상태, 임상정보에 따른 산불의 연료가 되는 정보 등을 풍속에 반영하여 각 격자에 대한 산불 확산의 예측이 이루어지도록 하고, 또한 풍속, 풍향뿐만 아니라 기온, 상대습도 등의 기상정보도 예측하여 산불 확산 예측에 활용되도록 함으로써 산불 확산 예측의 정확성을 높일 수 있도록 한다. 그리고 무엇보다 상기 산불확산 예측시스템은 산불이 발생되는 경우 산불의 발화지점을 중심으로 각 격자의 산불확산 방향을 따라 추적하여 산불이 확산되는 영역을 예측하도록 함으로써 신속하고 정확한 산불확산의 예측이 이루어지도록 할 수 있다.
또한, 상기 산불확산 예측시스템은 풍속, 풍향, 기온, 상대습도 등의 기상정보 예측시 기상예측정보와 실제 관측정보를 비교하여 그 상관관계를 분석하도록 함으로써 기상예측의 정확성을 높이도록 하고, 공간영역 및 시간영역을 일치시켜 정확한 상관관계의 분석이 이루어질 수 있도록 하며, 특히 풍속의 경우 다양한 변수들을 이용한 머신러닝 수행을 통해 예측이 이루어지도록 하여 산불 확산 예측에서 가장 중요한 변수인 풍속 예측의 정확성을 더욱 높일 수 있도록 한다.
본 발명에 따른 산불확산 예측시스템은 프로그램 형태로 형성되어 프로그램 저장이 가능한 매체에 저장되도록 할 수 있으며, 별도의 서버로 구성되어 산불을 관리하는 PC, 태블릿, 스마트폰 등의 단말기에 예측정보 등을 표시하도록 할 수 있다.
상기 기상예측부(1)는 산불 확산 예측을 위한 기상정보를 예측하는 구성으로, 일정기간동안 축적되는 기상예측정보와 기상관측정보를 이용하여 그 상관관계를 분석하고, 이에 따른 기상예측정보의 수정이 이루어지도록 하여 기상예측의 정확성을 높이도록 한다. 특히, 상기 기상예측부(1)는 서로 다른 지역적, 시간적 기준으로 산출되는 기상에 대한 예측 및 관측정보에 대해 공간 및 시기적 기준을 일치시켜 비교가 이루어지도록 함으로써 분석의 정확성을 높일 수 있도록 한다. 상기 기상예측부(1)는 풍속, 풍향, 기온, 상대습도 등의 기상정보를 예측하도록 할 수 있으며, 특히 풍속의 경우에는 풍속에 영향을 미치는 다양한 변수들과의 상관관계 분석을 통해 풍속 예측의 정확성을 더욱 높일 수 있도록 한다. 이를 위해, 상기 기상예측부(1)는 예보데이터수집부(11), 관측데이터수집부(12), 전처리부(13), 예측보정부(14), 풍속예측부(15)를 포함할 수 있다.
상기 예보데이터수집부(11)는 기상예측정보를 수집하여 저장하는 구성으로, 기상청의 예측정보뿐만 아니라 기상정보를 예측할 수 있는 다양한 물리모델 등에 의한 예측정보를 수집하도록 할 수 있으며, 풍속, 풍향뿐만 아니라, 기온, 일사량, 태양고도, 기압, 상대습도 등의 정보를 수집하도록 할 수 있다.
상기 관측데이터수집부(12)는 기상예측정보의 보정을 위해 기상에 관한 관측정보를 수집하는 구성으로, 기상청에서 관측되는 정보뿐만 아니라 산림청 등에서 관측하는 산악기상데이터도 수집하도록 하여 산림 지역에 대한 정확한 관측정보를 획득하고 기상예측정보의 정확한 수정이 이루어지도록 할 수 있다.
상기 전처리부(13)는 기상예측 데이터 및 관측 데이터의 공간 및 시간 영역을 일치시키는 구성으로, 기상청, 산림청, 그리고 다양한 물리모델에 의해 예측되는 기상정보와 다양한 위치에서 측정되는 관측정보는 그 지역적 기준 및 시기적 기준의 상이할 수 있으므로, 이를 일치시켜 상기 예측보정부(14)에 의한 상관관계의 분석및 예측 정보의 수정이 이루어지도록 하여 기상예측정보의 정확한 수정이 이루어질 수 있도록 한다. 상기 전처리부(13)는 공간처리모듈(131) 및 시간처리모듈(132)을 포함할 수 있다.
상기 공간처리모듈(131)은 기상예측정보 및 관측정보의 공간영역을 일치시키는 구성으로, 바람직하게는 동일한 일정 격자에 대한 정보로 보간하도록 할 수 있다. 상기 공간처리모듈(131)은 다양한 공간분포 보정기법에 의해 예측정보 및 관측정보를 일정위치의 격자에 대한 정보로 보간하도록 할 수 있으며, 일 예로 도 3에 도시된 바와 같은 크리깅(Kriging) 기법에 의해 정보의 보간이 이루어지도록 할 수 있다. 이를 위해, 상기 공간처리모듈(131)은 거리분류모듈(131a), 선형관계산정모듈(131b), 가중치설정모듈(131c), 처리값산출모듈(131d)을 포함할 수 있다.
상기 거리분류모듈(131a)은 예측정보 및 관측정보를 생성할 격자의 위치와 주변 예측정보 및 관측정보가 제공된 위치의 거리에 따라 분류하는 구성으로, 일 예로 도 3에 도시된 바와 같이 5m의 간격으로 케이스를 분류하도록 할 수 있다. 따라서, 상기 거리분류모듈(131a)에 의해 분류된 거리에 따른 각 케이스의 예측 및 관측정보가 각각 어떠한 선형관계를 갖는지 파악하여 해당 격자에서의 예측 및 관측정보를 추출하도록 할 수 있다.
상기 선형관계산정모듈(131b)은 각 지점의 거리에 따른 선형관계를 통해 함수를 산정하는 구성으로, 베리오그램(Variogram)을 이용하도록 할 수 있으며, 각 예측 및 관측값의 분산에 따른 상관관계를 분석하여 거리에 따른 함수로 표현하도록 한다.
상기 가중치설정모듈(131c)은 각 지점에 대한 가중치를 설정하는 구성으로, 예측정보 및 관측정보가 제공되는 각 위치와의 거리뿐만 아니라 각 예측값 및 관측값 사이의 상관강도를 반영하여 가중치를 설정하도록 한다. 따라서, 상기 가중치설정모듈(131c)은 통계적 분석을 통해 각 지점에 대한 가중치를 산출하도록 하며, 이를 반영하여 해당 격자에 대한 보간된 예측 및 관측 자료를 생성하도록 할 수 있다.
상기 처리값산출모듈(131d)은 상기 선형관계산정모듈(131b)에 의해 산정된 함수와 가중치설정모듈(131c)에서 설정된 가중치를 이용하여 특정 격자의 기상예측정보 및 관측정보를 생성하는 구성으로, 각 위치에서의 예측 및 관측정보에 산정된 함수와 가중치를 적용하여 보간값을 산정하도록 하며, 아래 [수학식 1]과 같은 형태로 계산되도록 할 수 있다.
Figure 112021137541761-pat00001
(si: 주변지점 값, λi: 주변지점에 대한 가중치, s0: 보간될 지점, N: 주변지점 개수)
상기 시간처리모듈(132)은 기상예측정보 및 관측정보의 시간 영역을 일치시키는 구성으로, 예측 및 관측정보를 동일한 시간해상도로 일치시켜 상기 예측보정부(14)에 의한 상관관계의 분석이 이루어지도록 한다.
상기 예측보정부(14)는 기상관측정보를 이용하여 예측정보를 보정하는 구성으로, 예측정보 및 관측정보의 상관관계에 따라 기상예측정보를 수정하여 기상 예측의 정확성을 높일 수 있도록 한다. 이를 위해, 상기 예측보정부(14)는 예측정보로딩모듈(141), 관측정보로딩모듈(142), 상관분석모듈(143), 예측수정모듈(144)을 포함할 수 있다.
상기 예측정보로딩모듈(141)은 기상예측정보를 불러오는 구성으로, 상기 예보데이터수집부(11)에 의해 수집되는 예측정보를 상기 전처리부(13)에 의해 전처리하여 불러오도록 한다.
상기 관측정보로딩모듈(142)은 기상관측정보를 불러오는 구성으로, 상기 관측데이터수집부(12)에 의해 수집되는 관측정보를 상기 전처리부(13)에 의해 전처리하여 불러오도록 한다.
상기 상관분석모듈(143)은 기상예측정보와 관측정보의 상관관계를 분석하는 구성으로, 일 예로 선형회귀식을 이용하여 일정 기간 동안의 상관관계를 분석하도록 할 수 있다. 상기 상관분석모듈(143)은 예측정보 및 관측정보의 공간영역 및 시간해상도를 일치시켜 상관관계의 분석이 이루어지도록 하며, 동일한 격자, 시간대의 예측 및 관측정보의 상관관계 분석이 이루어지도록 한다.
상기 예측수정모듈(144)은 상관분석모듈(143)에 의해 분석된 상관관계를 예측정보에 반영하여 기상예측정보를 수정하는 구성으로, 수정된 예측기상정보를 산불 확산 예측에 이용하도록 한다.
상기 풍속예측부(15)는 풍속에 영향을 미치는 다양한 변수들을 이용하여 풍속을 예측하는 구성으로, 산불 확산에 가장 큰 영향을 미치는 풍속에 대해 빅데이터를 이용한 예측이 이루어지도록 하여 산불 확산 예측의 정확성을 높일 수 있도록 한다. 상기 풍속예측부(15)는 일정기간동안 축적되는 데이터들을 이용하여 다양한 변수들과 풍속의 관계를 머신러닝을 통해 학습하도록 하고, 다양한 기계적 학습의 방식 중 정확도가 높은 모델을 선택하도록 하여 풍속 예측의 정확성을 더욱 높일 수 있도록 한다. 이를 위해, 상기 풍속예측부(15)는 모델설정모듈(151), 변수입력모듈(152), 머신러닝수행모듈(153), 오차검증모듈(154), 모델선택모듈(155), 예측정보입력모듈(156), 예측데이터생성모듈(157)을 포함할 수 있다.
상기 모델설정모듈(151)은 풍속을 예측할 머신러닝 모델을 설정하는 구성으로, 랜덤포레스트, 서포트벡터머신, XGBOOST 등 머신러닝을 수행할 수 있는 다수의 모델을 선택하여 풍속 예측에 대한 성능의 비교가 이루어질 수 있도록 한다.
상기 변수입력모듈(152)은 풍속을 예측할 변수를 입력하는 구성으로, 풍속에 영향을 미치는 다양한 정보를 입력하도록 한다. 상기 변수입력모듈(152)은 기상정보입력모듈(152a)을 통해 기온, 일사량, 태양고도, 기압, 습도 등의 기상정보를 입력하고, 지형정보입력모듈(152b)을 통해 고도, 토양수분함량 등의 정보를 입력하도록 할 수 있으며, 시기정보입력모듈(152c)을 통해 시간, 월 등의 정보를 입력하도록 할 수 있다. 특히, 상기 변수입력모듈(152)은 직전풍속입력모듈(152d)을 통해 풍속을 예측하는 시점 직전의 풍속 정보를 변수로 입력하도록 할 수 있으며, 일 예로 1시간전의 관측 풍속 자료를 입력하도록 할 수 있고, 이를 통해 직전 풍속과의 관계도 풍속 예측에 활용되도록 하여 예측의 정확성을 높일 수 있도록 한다. 또한, 상기 변수입력모듈(152)은 직전풍속입력모듈(152d)에 의한 직전 관측 풍속 대신 예측풍속입력모듈(152e)에 의해 직전의 예측된 풍속정보를 입력하도록 할 수도 있다. 상기 변수입력모듈(152)은 직전풍속입력모듈(152d)을 통해 직전의 관측 풍속 정보를 입력하여 풍속 예측의 정확성을 높이도록 하는데, 직전의 풍속정보가 제때 전달되지 못할 수 있으므로, 직전의 예측된 풍속정보를 관측 풍속정보 대신 입력하도록 할 수 있다.
상기 머신러닝수행모듈(153)은 풍속에 영향을 미치는 변수와 풍속간의 관계에 대한 기계적 학습을 수행하는 구성으로, 일정기간 동안 축적되어 저장되는 입력변수들과 풍속과의 관계를 상기 모델설정모듈(151)에 의해 설정되는 복수의 기계적 학습 모델을 통해 학습하도록 한다.
상기 오차검증모듈(154)은 각 모델에 대한 정확도를 검증하는 구성으로, 각 모델에 의해 예측되는 풍속값을 실제 풍속값과 비교하여 그 오차가 검증되도록 할 수 있다. 상기 오차검증모듈(154)은 MAE(평균제곱오차), RMSE(평균제곱오차), R(상관계수), IOA(일치성) 등의 지표를 이용하여 정확도를 검증하도록 할 수 있다.
상기 모델선택모듈(155)은 오차검증모듈(154)에 의한 검증결과 풍속 예측에 대해 정확도가 가장 높은 모델을 선택하도록 하는 구성으로, 0에 가까운 MAE(평균제곱오차), RMSE(평균제곱오차)를 갖는 모델, 1에 가까운 R(상관계수), IOA(일치성) 값을 갖는 모델을 정확도가 높은 모델로 선택하여 풍속 예측에 사용되도록 할 수 있다.
상기 예측정보입력모듈(156)은 실제 풍속을 예측하기 위한 변수를 입력하는 구성으로, 풍속을 예측하고자 하는 시점에 대한 기상예측정보, 지형정보, 시기정보, 직전 풍속정보 또는 풍속예측정보를 입력하도록 한다.
상기 예측데이터생성모듈(157)은 풍속에 대한 예측값을 생성하는 구성으로, 상기 예측정보입력모듈(156)에 의해 입력되는 변수들을 상기 모델선택모듈(155)에 의해 선택된 모델에 입력하여 풍속값의 예측이 이루어지도록 한다. 상기 예측데이터생성모듈(157)은 일정 격자 영역에 대한 풍속예측값을 생성하도록 할 수 있으며, 바람직하게는 1km × 1km의 격자 영역에 대한 예측값을 생성하도록 할 수 있다.
상기 산불확산예측부(3)는 산불의 확산 범위를 예측하는 구성으로, 일정범위의 격자별로 산불이 확산되는 방향을 예측하여 표시하도록 하고, 산불의 발생시 각 격자의 확산 방향을 추적하도록 하여 산불의 확산 범위를 예측할 수 있도록 한다. 상기 산불확산예측부(3)는 기본적으로 각 격자의 풍속, 풍향 정보를 기반으로 산불의 확산 방향을 예측하도록 하며, 이에 더해 기온, 상대습도 등에 관한 기상예측정보, 경사, 토지 상태, 임상정보 등의 지형정보를 고려하여 확산 방향의 예측이 이루어지도록 한다. 특히, 상기 산불확산예측부(3)는 D8 flow direction(D8흐름분석모델)을 사용하여 확산 방향의 예측이 이루어지도록 할 수 있으며, 여기서 D8 flow direction은 일정 격자에 대해 주변 8개 격자의 특성을 고려하여 흐름 방향을 예측할 수 있도록 하는 모델링 방법으로, 본 발명에서는 특정 격자 및 주변 8개 격자의 풍향, 풍속을 고려하여 각 격자에서 산불이 확산될 것으로 예측되는 방향을 결정할 수 있도록 한다. 이를 위해, 상기 산불확산예측부(3)는 격자형성부(31), 예측정보입력부(32), 지형정보입력부(33), 확산방향예측부(34), 확산범위표시부(35)를 포함할 수 있다.
상기 격자형성부(31)는 산불 확산 방향을 예측할 격자 영역을 설정하는 구성으로, 바람직하게는 1km × 1km의 격자 영역을 설정하도록 할 수 있다.
상기 예측정보입력부(32)는 각 격자에 대한 기상예측정보를 입력하는 구성으로, 상기 기상예측부(1)에 의해 예측되는 기상예측정보를 입력하도록 할 수 있다. 상기 예측정보입력부(32)는 풍속정보입력모듈(321), 풍향정보입력모듈(322), 기상정보입력모듈(323)에 의해 풍속, 풍향 및 기온, 상대습도 등의 기상예측정보를 입력하도록 할 수 있으며, 산불 발생후 일정시간 동안의 예측정보를 불러와 입력하도록 할 수 있다.
상기 지형정보입력부(33)는 각 격자에 대한 지형정보를 입력하는 구성으로, 산불 확산에 영향을 미칠 수 있는 지형정보를 불러와 저장하도록 한다. 상기 지형정보입력부(33)는 지형의 고도정보를 입력하는 고도정보입력모듈(331), 토지 상태에 관한 피복 정보를 입력하는 피복정보입력모듈(332), 토지 상의 나무의 종류, 수량 등에 관한 임상정보를 입력하는 임상정보입력모듈(333)을 포함할 수 있으며, 각 정보들이 저장된 외부 서버 등으로부터 정보를 불러와 저장하도록 할 수 있다.
상기 확산방향예측부(34)는 각 격자에서의 산불 확산 방향을 예측하는 구성으로, 주변 8개 격자의 풍향, 풍속을 고려하여 각 격자에서의 산불 확산 방향을 예측할 수 있도록 한다. 특히, 상기 확산방향예측부(34)는 각 격자에서의 기온, 상대습도에 따라 풍속을 보정하여 산정하도록 할 수 있고, 각 격자 사이의 경사, 연료정보, 피복정보에 따라 풍속에 대한 가중치를 설정하여 확산 방향의 결정이 이루어지도록 할 수 있다. 이를 위해, 상기 확산방향예측부(34)는 풍속차산정모듈(341), 풍속보정모듈(342), 가중치적용모듈(343), 확산방향결정모듈(344), 확산방향표시모듈(345)을 포함할 수 있다.
상기 풍속차산정모듈(341)은 각 격자 사이의 풍속의 차이를 산정하는 구성으로, 각 격자별로 주변 8개 격자와의 풍속, 풍향 비교를 통해 풍속차를 산정하여 산불 확산 방향의 예측이 이루어질 수 있도록 한다.
상기 풍속보정모듈(342)은 각 격자의 기온, 상대습도 등에 관한 기상정보를 이용하여 풍속값을 보정하는 구성으로, 일 예로 기온이 높을수록, 상대습도가 낮을수록 풍속값이 증가하도록 보정할 수 있다.
상기 가중치적용모듈(343)은 각 격자의 지형 상태에 따라 풍속에 대한 가중치를 설정하는 구성으로, 격자 사이의 경사, 각 격자의 연료상태 및 토지 상태에 따라 가중치의 설정이 이루어지도록 할 수 있다. 또한, 상기 가중치적용모듈(343)은 각 격자에 대한 정확한 연료정보의 반영을 위해 상기 임상정보입력모듈(333)에 의해 입력되는 임상정보를 격자 영역과 일치시키도록 수정하여 가중치 설정에 반영될 수 있도록 한다. 이를 위해, 상기 가중치적용모듈(343)은 경사정보산출모듈(343a), 가중치설정모듈(343b), 공간영역일치모듈(343c)을 포함할 수 있다.
상기 경사정보산출모듈(343a)은 각 격자 사이의 경사정보를 산출하는 구성으로, 각 격자에 대해 주변 8개 격자와의 경사를 산출하도록 하며, 상기 고도정보입력모듈(331)에 의해 입력되는 각 격자에서의 고도정보를 이용하여 경사의 산출이 이루어지도록 할 수 있다.
상기 가중치설정모듈(343b)은 지형정보에 따른 풍속에 대한 가중치를 설정하는 구성으로, 경사가중치설정모듈(343b-1), 연료가중치설정모듈(343b-2), 피복가중치설정모듈(343b-3)을 포함할 수 있다.
상기 경사가중치설정모듈(343b-1)은 지형의 경사에 따른 가중치를 설정하는 구성으로, 하강하는 경사가 급할수록 풍속에 대한 가중치를 높게 설정하여 경사에 의해 풍속이 증가하는 것을 반영하도록 할 수 있다.
상기 연료가중치설정모듈(343b-2)은 각 격자의 토지 상의 임상정보에 따라 가중치를 설정하는 구성으로, 산불의 연료가 되는 수목의 종류, 수량에 따라 풍속에 대한 가중치를 설정하도록 한다. 따라서, 상기 연료가중치설정모듈(343b-2)은 수목의 종류, 수량별로 가중치를 설정하여 저장하도록 할 수 있으며, 불에 잘타는 수목이 많을수록 가중치가 높게 설정되도록 할 수 있다.
상기 피복가중치설정모듈(343b-3)은 토지의 상태에 따른 가중치를 설정하는 구성으로, 국가, 지자체 등에서 제공되는 토지 피복정보를 활용하여 토지 상태에 따라 가중치를 설정하도록 할 수 있으며, 일 예로 해당지역이 산림지역인지, 농지인지, 습지인지, 저수지 등이 존재하는지 등에 따라 가중치의 설정이 이루어지도록 할 수 있다.
상기 공간영역일치모듈(343c)은 연료에 대한 공간정보를 격자 영역과 일치시키는 구성으로, 수집되는 임상정보는 본 발명에 따른 격자 영역과는 다른 지역적 기준으로 산정되어 있을 것이므로, 수집된 임상정보를 각 격자 영역에 맞추어 수정함으로써 정확한 연료정보로서의 사용이 이루어질 수 있도록 한다. 이를 위해, 상기 공간영역일치모듈(343c)은 영역로딩모듈(343c-1), 영역비율산정모듈(343c-2), 영역값산출모듈(343c-3), 연료값결정모듈(343c-4)을 포함할 수 있다.
상기 영역로딩모듈(343c-1)은 연료정보를 생성할 격자 정보를 불러오는 구성으로, 도 13에 도시된 바와 같이 연료로 사용되는 임상정보가 저장된 각 위치정보 내에서 격자(A)가 위치하는 영역의 정보를 불러오도록 한다.
상기 영역비율산정모듈(343c-2)은 연료정보가 저장된 각 구역에서 격자(A)가 차지하는 영역의 비율을 산정하는 구성으로, 연료정보가 저장된 각 구역에서 격자(A)가 차지하는 영역의 비율을 산정하도록 한다.
상기 영역값산출모듈(343c-3)은 각 구역에서 격자가 차지하는 비율에 따라 연료정보를 수정하여 산출하는 구성으로, 일 예로 도 13에 도시된 바와 같이 ①,②,③,④각 구역의 연료 수량이 184, 98, 76, 141이고, ①,②,③,④ 구역 각각에서 격자(A)가 차지하는 영역의 비율이 0.35, 0.15, 0.2, 0.1인 경우 각 구역에 포함되는 격자(A) 영역의 연료 수량은 184*0.35, 98*0.15, 76*0.2, 141*0.1의 값을 갖게 된다.
상기 연료값결정모듈(343c-4)은 각 격자(A)의 연료값을 결정하는 구성으로, 상기 영역값산출모듈(343c-3)에 의해 산출되는 각 영역의 연료값을 합산하여 격자(A)의 연료값으로 결정하도록 할 수 있다. 물론, 격자 영역이 임상정보가 저장되는 위치 범위보다 클수도 있으며, 상기 공간영역일치모듈(343c)은 이러한 경우에도 동일하게 임상정보를 격자(A) 영역에 맞추어 수정하여 연료값을 산출하도록 할 수 있다.
상기 확산방향결정모듈(344)은 각 격자에 대한 산불의 확산 방향을 예측하여 결정하는 구성으로, 상기 풍속보정모듈(342) 및 가중치적용모듈(343)에 의해 기상정보 및 경사, 피복, 연료정보가 반영된 풍속 및 풍향 정보를 고려하여 각 격자에서 주변 8 격자들과의 풍속 및 풍향 정보의 비교를 통해 확산 방향의 예측이 이루어지도록 한다.
상기 확산방향표시모듈(345)은 확산방향결정모듈(344)에 의해 예측되는 산불의 확산 방향을 각 격자에 표시하는 구성으로, 도 16에 도시된 바와 같이 산불이 확산될 것으로 예측되는 방향이 화살표로 나타날 수 있으며, 이러한 확산 방향을 추적하여 산불의 확산 범위가 예측되도록 할 수 있다. 이때, 각 격자에 대해 예측되는 산불의 확산 방향은 각 방향에 따라 코드화되어 연산되고 추적되도록 할 수 있다.
상기 확산범위표시부(35)는 산불이 확산될 것으로 예측되는 범위를 표시하는 구성으로, 각 격자의 확산 예측 방향을 추적하여 확산 영역의 예측이 이루어질 수 있도록 한다. 이를 위해, 상기 확산범위표시부(35)는 발화지점수신모듈(351), 확산방향로딩모듈(352), 확산경로추적모듈(353), 확산영역표시모듈(354)을 포함할 수 있다.
상기 발화지점수신모듈(351)은 산불이 발생된 발화지점에 관한 정보를 수신하는 구성으로, 수신된 발화위치부터 확산 방향의 추적이 이루어지도록 할 수 있다.
상기 확산방향로딩모듈(352)은 각 격자 영역에 대해 예측된 확산 방향에 관한 정보를 불러오는 구성으로, 발화위치로부터 일정 범위의 지역에 대한 정보를 불러오도록 할 수 있다.
상기 확산경로추적모듈(353)은 산불의 확산 경로를 예측하여 추적하는 구성으로, 도 16(c)에 도시된 바와 같이 각 격자의 예측 방향을 따라 추적이 이루어지도록 한다.
상기 확산영역표시모듈(354)은 확산경로추적모듈(353)에 의한 추적 결과에 따라 산불의 확산되는 영역을 예측하여 표시하는 구성으로, 도 17에 도시된 바와 같이 지도 상에 산불의 확산 영역을 표시하도록 할 수 있다.
이상에서, 출원인은 본 발명의 다양한 실시예들을 설명하였지만, 이와 같은 실시예들은 본 발명의 기술적 사상을 구현하는 일 실시예일 뿐이며, 본 발명의 기술적 사상을 구현하는 한 어떠한 변경예 또는 수정예도 본 발명의 범위에 속하는 것으로 해석되어야 한다.
1: 기상예측부 11: 예보데이터수집부
12: 관측데이터수집부 13: 전처리부
14: 예측보정부 15: 풍속예측부
3: 산불확산예측부 31: 격자형성부
32: 예측정보입력부 33: 지형정보입력부
34: 확산방향예측부 35: 확산범위표시부

Claims (10)

  1. 일정 범위의 격자별 기상정보를 예측하는 기상예측부와, 상기 기상예측부에 의해 예측되는 기상정보를 이용하여 각 격자별로 산불이 확산되는 방향을 예측하는 산불확산예측부를 포함하고,
    상기 산불확산예측부는,
    일정 크기의 격자를 형성하는 격자형성부와, 상기 격자형성부에 의해 형성된 각 격자에 대한 특정 시점의 풍향, 풍속의 예측정보를 입력하는 예측정보입력부와, 각 격자 및 격자 주변의 8개 격자에 대한 풍향, 풍속을 고려하여 각 격자에서 산불이 확산되는 방향을 예측하는 확산방향예측부를 포함하며,
    상기 확산방향예측부는,
    각 격자의 풍향을 고려하여 각 격자 사이의 풍속차를 산정하는 풍속차산정모듈과, 각 격자 사이의 풍속차에 따라 각 격자에서의 확산 방향을 결정하는 확산방향결정모듈과, 결정된 확산방향을 각 격자에 표시하는 확산방향표시모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서, 상기 산불확산예측부는
    각 격자에 대한 고도, 피복, 임상정보를 입력하는 지형정보입력부를 포함하고,
    상기 확산방향예측부는,
    각 격자의 고도정보를 이용한 각 격자 사이의 경사, 각 격자의 피복정보에 따른 토지 상태, 각 격자의 임상정보에 따른 연료종류 및 수량에 따라 풍속에 대한 가중치를 설정하도록 하는 가중치적용모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  5. 제 4 항에 있어서, 상기 가중치적용모듈은
    각 격자의 연료정보에 따른 가중치 적용시 입력된 임상정보의 기준 범위와 격자의 공간정보를 일치시켜 적용되도록 하는 공간영역일치모듈을 포함하고,
    상기 공간영역일치모듈은,
    설정된 각 격자의 공간영역을 불러오는 영역로딩모듈과, 임상정보의 기준 단위면적에 대한 각 격자의 공간영역의 비율을 산정하는 영역비율산정모듈과, 각 영역의 비율에 따라 각 영역에 대한 임상정보를 산출하는 영역값산출모듈과, 격자에 포함되는 영역에 따라 임상정보에 따른 연료의 종류와 수량을 결정하는 연료값결정모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  6. 제 1 항에 있어서, 상기 예측정보입력부는
    각 격자에 대한 기온, 상대습도의 예측정보를 입력하는 기상정보입력모듈을 포함하고,
    상기 확산방향예측부는,
    입력된 기온 및 상대습도에 따라 각 격자의 풍속을 보정하는 풍속보정모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  7. 제 1 항에 있어서, 상기 산불확산예측부는
    상기 확산방향예측부에 의해 예측된 각 격자별 확산방향에 따라 산불의 확산범위를 예측하여 표시하는 확산범위표시부를 포함하고,
    상기 확산범위표시부는,
    산불이 발생된 발화지점 정보를 수신하는 발화지점수신모듈과, 수신된 발화지점 주변의 각 격자별 확산방향정보를 불러오는 확산방향로딩모듈과, 발화지점을 기점으로 각 격자의 확산방향을 추적하는 확산경로추적모듈과, 추척된 확산방향에 따라 산불의 확산영역을 산출하여 표시하는 확산영역표시모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  8. 제 1 항에 있어서, 상기 기상예측부는
    일정기간 동안의 기상예측 데이터를 수집하는 예보데이터수집부와, 일정기간 동안의 기상관측 데이터를 수집하는 관측데이터수집부와, 기상 예측 데이터 및 관측 데이터의 공간 및 시간 기준을 일치시키는 전처리부와, 기상 예측 데이터를 관측 데이터와 비교하여 그 상관관계에 따라 예측 데이터를 수정하는 예측보정부를 포함하고,
    상기 예측보정부는,
    일정 영역에 대한 기상 예측 정보를 불러오는 예측정보로딩모듈과, 해당 영역에 대한 기상 관측 정보를 불러오는 관측정보로딩모듈과, 예측정보 및 관측정보의 상관관계를 분석하는 상관분석모듈과, 상관관계에 따라 예측정보를 수정하는 예측수정모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  9. 제 8 항에 있어서, 상기 전처리부는
    공간 영역을 일치시키는 공간처리모듈과, 시간 영역을 일치시키는 시간처리모듈을 포함하고,
    상기 공간처리모듈은,
    일정 격자영역과 예측정보 및 관측정보와의 거리에 따라 케이스를 분류하는 거리분류모듈과, 각 거리에 따른 선형관계를 통해 함수를 산정하는 선형관계산정모듈과, 예측 및 관측정보가 생성되는 각 위치에 대한 가중치를 설정하는 가중치설정모듈과, 각 위치의 가중치를 고려하여 일정 격자영역에 대한 관측 및 예측 정보를 산출하는 처리값산출모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
  10. 제 9 항에 있어서, 상기 기상예측부는
    머신러닝에 의해 풍속을 예측하는 풍속예측부를 포함하고,
    상기 풍속예측부는,
    풍속을 예측할 복수의 머신러닝 모델을 설정하는 모델설정모듈과, 풍속에 관한 예측모델을 생성하기 위한 변수정보를 입력하는 변수입력모듈과, 상기 모델설정모듈에 의해 설정된 모델들을 통해 입력된 변수들과 풍속간의 상관관계를 학습하는 머신러닝수행모듈과, 학습된 복수의 모델 각각에 의해 예측되는 풍속값을 실제 풍속과 비교하여 각 모델의 오차를 검증하는 오차검증모듈과, 오차가 적은 모델을 선택하는 모델선택모듈과, 풍속을 예측하기 위한 변수정보를 입력하는 예측정보입력모듈과, 입력된 변수정보를 선택된 모델에 적용하여 풍속 예측값을 생성하는 예측데이터생성모듈을 포함하며,
    상기 변수입력모듈은,
    기온, 일사량, 태양고도, 상대습도, 기압, 해면기압에 관한 기상정보를 입력하는 기상정보입력모듈과, 관측고도, 토양수분함량의 지형정보를 입력하는 지형정보입력모듈과, 월, 시간의 시기정보를 입력하는 시기정보입력모듈과, 상관관계를 분석할 시점 직전의 관측 풍속정보를 입력하는 직전풍속입력모듈과, 직전 풍속정보가 입력되지 않는 경우 직전의 예측 풍속정보를 입력하는 예측풍속입력모듈을 포함하는 것을 특징으로 하는 산불확산 예측시스템.
KR1020210166517A 2021-11-29 2021-11-29 빅데이터를 이용한 산불확산 예측시스템 KR102452884B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210166517A KR102452884B1 (ko) 2021-11-29 2021-11-29 빅데이터를 이용한 산불확산 예측시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210166517A KR102452884B1 (ko) 2021-11-29 2021-11-29 빅데이터를 이용한 산불확산 예측시스템

Publications (1)

Publication Number Publication Date
KR102452884B1 true KR102452884B1 (ko) 2022-10-12

Family

ID=83598001

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210166517A KR102452884B1 (ko) 2021-11-29 2021-11-29 빅데이터를 이용한 산불확산 예측시스템

Country Status (1)

Country Link
KR (1) KR102452884B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173848A (zh) * 2023-09-07 2023-12-05 海南省林业科学研究院(海南省红树林研究院) 一种基于数据分析的森林火灾探测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210064981A (ko) * 2019-11-26 2021-06-03 대한민국(산림청 국립산림과학원장) 산불 확산 예측 장치 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210064981A (ko) * 2019-11-26 2021-06-03 대한민국(산림청 국립산림과학원장) 산불 확산 예측 장치 및 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173848A (zh) * 2023-09-07 2023-12-05 海南省林业科学研究院(海南省红树林研究院) 一种基于数据分析的森林火灾探测方法
CN117173848B (zh) * 2023-09-07 2024-05-07 海南省林业科学研究院(海南省红树林研究院) 一种基于数据分析的森林火灾探测方法

Similar Documents

Publication Publication Date Title
Anderson A model to predict lightning-caused fire occurrences
San-Miguel-Ayanz et al. Current methods to assess fire danger potential
Fronzek et al. Potential effect of climate change on the distribution of palsa mires in subarctic Fennoscandia
Stojanova et al. Estimating the risk of fire outbreaks in the natural environment
Schunk et al. Forest fire danger rating in complex topography–results from a case study in the Bavarian Alps in autumn 2011
CN113553764A (zh) 一种基于深度学习网络的山火预测方法
CN114067545B (zh) 一种基于遥感大数据的森林火灾监测方法及系统
Matthews et al. Testing a process-based fine fuel moisture model in two forest types
KR102452884B1 (ko) 빅데이터를 이용한 산불확산 예측시스템
Vajda et al. Assessment of forest fire danger in a boreal forest environment: description and evaluation of the operational system applied in F inland
KR102496876B1 (ko) 산불 위험 계절 예보 장치 및 방법
Page et al. An evaluation of NDFD weather forecasts for wildland fire behavior prediction
Rios et al. A data-driven fire spread simulator: Validation in Vall-Llobrega's fire
Mitsopoulos et al. Effect of stand, topographic, and climatic factors on the fuel complex characteristics of Aleppo (Pinus halepensis Mill.) and Calabrian (Pinus brutia Ten.) pine forests of Greece
Feidas et al. Monitoring mesoscale convective cloud systems associated with heavy storms using Meteosat imagery
Wang et al. A review of recent advances (2018–2021) on tropical cyclone intensity change from operational perspectives, part 2: Forecasts by operational centers
Bates et al. Classification of Australian thunderstorms using multivariate analyses of large-scale atmospheric variables
Kaluza et al. Composite analysis of the tropopause inversion layer in extratropical baroclinic waves
Allaire et al. Simulation-based high-resolution fire danger mapping using deep learning
Su et al. A novel framework for identifying causes of forest fire events using environmental and temporal characteristics of the ignition point in fire footprint
Prior et al. Multi‐decadal stability of woody cover in a mesic eucalypt savanna in the Australian monsoon tropics
CN113139272A (zh) 林火蔓延预测方法、装置、设备和存储介质
Sampath et al. Evaluation of seasonal forecasts for the fire season in interior Alaska
Tennant et al. Application of the NCEP ensemble prediction system to medium-range forecasting in South Africa: New products, benefits, and challenges
Kim et al. Characteristics and effects of ground-based GNSS zenith total Delay observation errors in the Convective-scale model

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant