KR20190129470A - Realtime forest fire danger rating system in north korea - Google Patents
Realtime forest fire danger rating system in north korea Download PDFInfo
- Publication number
- KR20190129470A KR20190129470A KR1020180054173A KR20180054173A KR20190129470A KR 20190129470 A KR20190129470 A KR 20190129470A KR 1020180054173 A KR1020180054173 A KR 1020180054173A KR 20180054173 A KR20180054173 A KR 20180054173A KR 20190129470 A KR20190129470 A KR 20190129470A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- forest fire
- fire
- index
- risk
- Prior art date
Links
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 8
- 230000007480 spreading Effects 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 16
- 238000009792 diffusion process Methods 0.000 claims description 12
- 238000010304 firing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 18
- 238000012950 reanalysis Methods 0.000 description 13
- 238000007477 logistic regression Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 241000218631 Coniferophyta Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000036626 alertness Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Abstract
Description
본 발명은 산불위험예보시스템에 관한 것으로, 보다 상세하게는 접근불능지역에서 현재 또는 가까운 장래에 산불이 발생할 수 있는 위험확률에 대하여 신속하면서도 정확성이 높게 예측할 수 있고, 산불 위험성을 미리 경보함으로써 대형산불의 발생 가능성을 현저하게 줄일 수 있는 접근불능지역 실시간 산불위험예보시스템에 관한 것이다.The present invention relates to a forest fire risk forecasting system, and more particularly, it is possible to predict the risk probability of wildfire in current or near future in an inaccessible area quickly and with high accuracy, and to warn forest fire danger in advance of large forest fire. It relates to a real-time forest fire risk forecasting system in an inaccessible area that can significantly reduce the likelihood of occurrence.
국내의 북한을 포함한 접근불가 지역에서의 화재는 단순히 북한이라는 이질적인 체제를 갖는 집단이 점유하는 영토에서 발생하는 문제라는 인식에서 벗어나, 북한도 우리와 같은 민족이고 헌법상 규정된 한국의 영토개념상 우리나라의 일부를 구성하는 것으로 인식하여 북한에서 발생되는 화재 역시 우리나라에서 발생된 화재와 동일한 정도의 문제인식을 가질 것이 요구된다.From the perception that fires in inaccessible areas, including North Korea, are simply a matter of territories occupied by a heterogeneous group of North Koreans, North Korea is the same nation as ours and the constitutional concept of South Korea Recognizing that it constitutes a part of the fire, fires in North Korea are also required to have the same degree of problem recognition as fires in Korea.
이는 북한의 영토 역시 통일 이후 우리 자손들이 살아가야 할 터전이자, 영원한 우리 민족 고유의 공통 자산이기에 접근불능 지역에서의 대형산불과 같은 엄청안 국가적인 손실을 미리 예방하고, 관리하는 것은 매우 중요한 일이다.It is very important to prevent and manage huge national losses such as large wildfires in inaccessible areas because North Korea's territory is also a place where our descendants should live after unification and are common assets unique to our nation. .
북한에서는 시스템의 불비 내지 낙후로 인하여 매년 발생하는 산불의 발생시점 및 위치에 대한 정확한 데이터의 수집이 어렵고, 이를 해석할 수 있는 시스템이 마련되어 있지 않아 신속하고 정확한 산불위험예보는 불가능한 실정이다. In North Korea, it is difficult to collect accurate data on the time and location of wildfires that occur every year due to system failures or deterioration, and there is no system for interpreting them.
더욱이 북한은 산불진화장비가 현대적이지 못하고, 주로 인력에 의한 수작업으로만 이루어져 진화작업의 어려움이 가중되고 있으며, 산불로 인한 인명피해의 가중으로 산불의 예방은 진화대책과 더불어 매우 중요하고 시급한 실정이다.In addition, the fire extinguishing equipment in North Korea is not modern, and it is mainly made by manual labor, which increases the difficulty of extinguishing the fire.In addition, the prevention of forest fire is very important and urgent as well as the countermeasures due to the weight loss of people due to the fire. .
현재 산불의 예방을 위해 제외국에서는 독자적으로 개발한 산불위험예보시스템을 가동하고 있다. 미국의 경우 1913년부터 산불연구를 시작하여 1978년부터 국가산불위험예보(NFDRS)를 실시하고 있으며, 캐나다의 경우 1925년부터 산불연구를 시작으로 1970년 캐나다 산불위험도 평가시스템을 개발하여 실용화(CFFDRS)하고 있다. 우리나라의 경우에도 1994 ~ 1996년 동안 연료습도측정봉을 이용한 산불위험예보제의 연구를 시작하여 1997년부터 서울 등 23개 권역에 실용화하고 있다. 하지만, 이들 시스템은 접근가능한 지점에서의 기초 정보 예로, 기상정보 등을 취득하여 산불위험을 예보하는 시스템에 불과하다.Currently, in order to prevent forest fires, excluded countries are operating their own forest fire risk forecasting systems. In the United States, forest fire research began in 1913, and the National Forest Fire Risk Forecast (NFDRS) has been conducted since 1978. In Canada, forest fire research began in 1925, and the Canadian forest fire risk assessment system was developed in 1970. ) In Korea, the forest fire risk forecasting system using the fuel humidity measuring rod was started for the period 1994-1996, and it has been applied to 23 areas including Seoul since 1997. However, these systems are merely a system for predicting forest fire risk by acquiring basic information such as weather information at an accessible point.
이에 따라, 접근불능지역에서 현재 또는 가까운 장래에 산불이 발생할 수 있는 위험확률에 대하여 신속하면서도 정확성이 높게 예측할 수 있고, 산불 위험성을 미리 경보함으로써 대형산불의 발생 가능성을 현저하게 줄일 수 있는 접근불능지역 실시간 산불위험예보방법 및 시스템이 절실하게 요구되고 있다.As a result, inaccessible areas can be predicted quickly and accurately with respect to the probability of a wildfire occurring in the inaccessible area now or in the near future, and an alarm area that can significantly reduce the likelihood of a large wildfire by warning the fire risk in advance. Real-time forest fire risk prediction methods and systems are urgently needed.
본 발명은 상기한 바와 같이 종래기술이 가지는 문제를 해결하기 위해 안출된 것으로, 그 목적은 접근불능지역에서 현재 또는 가까운 장래에 산불이 발생할 수 있는 위험확률에 대하여 신속하면서도 정확성이 높게 예측할 수 있고, 산불 위험성을 미리 경보함으로써 대형산불의 발생 가능성을 현저하게 줄일 수 있는 접근불능지역 실시간 산불위험예보시스템을 제공함에 있다.The present invention has been made to solve the problems of the prior art as described above, the purpose of which can be predicted quickly and with high accuracy with respect to the risk probability that a fire can occur in the near future or in the near future, It provides a real-time fire risk forecasting system in an inaccessible area that can significantly reduce the possibility of large-scale fires by alarming the fire risk in advance.
상기한 바와 같은 본 발명의 기술적 과제는 다음과 같은 수단에 의해 달성되어진다.The technical problem of the present invention as described above is achieved by the following means.
(1) 전국이 일정한 단위격자로 구분된 단위격자별 기상정보를 제공하는 기상정보 제공서버;(1) a weather information providing server that provides weather information for each unit grid divided into regular unit grids nationwide;
상기 기상정보 제공서버로부터 실시간 수신된 기상정보, 및 단위격자내 임상정보 및 지형정보를 이용하여 산불위험지수를 도출하고 상기 위험지수에 따른 예보를 클라이언트에게 전송하는 산불위험예보 분석서버를 포함하되,Includes a forest fire risk forecasting server for deriving a forest fire risk index using the weather information received from the weather information providing server in real time, and clinical information and topographical information within a unit grid, and transmits a forecast according to the risk index to the client,
상기 산불위험예보 분석서버는 접근불능지역의 위성촬영이미지를 획득하는 위성이미지획득수단; 상기 위성이미지 획득수단으로부터 획득된 이미지로부터 화점을 픽셀단위로 추출하는 화점추출수단; 시계열별 산불의 확산정도 및 바람의 벡터를 고려하여 독립발화지점으로부터 확산되어 추출된 확산발화지점을 제거하는 화점필터링수단; 해당 시계열별로 얻어진 독립발화지점을 포함하는 단위격자에 대한 해당 시점에서의 기상정보, 임상정보 및 지형정보를 단위격자별로 획득하는 기초정보획득수단; 상기 기초정보획득수단으로부터 얻어진 기상정보, 임상정보 및 지형정보로부터 기상위험지수, 임상위험지수 및 지형위험지수를 산출할 각 함수를 도출하는 함수도출수단; 및 상기 얻어진 각 함수에 실시간 얻어진 단위격자별 기상정보, 임상정보 및 지형정보를 입력하여 현재의 기상위험지수, 임상위험지수 및 지형위험지수를 산출하고, 상기 산출된 현재의 기상위험지수, 임상위험지수 및 지형위험지수로부터 단위격자별 산불위험지수 및 위험등급을 산출하는 산불위험지수산출부를 포함하는 산불예보에이전트를 포함하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.The forest fire risk prediction server includes satellite image acquisition means for acquiring satellite imagery of an inaccessible region; Fire point extracting means for extracting a pixel point from the image acquired from the satellite image obtaining means in units of pixels; A fire point filtering means for removing a diffusion ignition point extracted by spreading from an independent ignition point in consideration of a spreading time of a wildfire by time series and a wind vector; Basic information acquiring means for acquiring weather information, clinical information, and topographic information for each unit grid including the independent ignition point obtained for each time series; Function derivation means for deriving each function for calculating a weather hazard index, a clinical hazard index and a terrain hazard index from weather information, clinical information, and topographic information obtained from the basic information acquisition means; And calculating the current weather risk index, the clinical risk index, and the terrain risk index by inputting the real-time weather information, clinical information, and topographic information for each unit grid obtained in each of the obtained functions, and calculating the current weather risk index and clinical risk. An inaccessible real-time forest fire risk forecasting system comprising a forest fire forecasting agent including a forest fire risk index calculation unit that calculates a forest fire risk index and a risk level for each unit grid from an index and a terrain risk index.
(2) 상기 (1)에 있어서,(2) In the above (1),
특정 픽셀에서 시계열적으로 산불이 탐지되었을 때, 최초로 탐지된 시점의 화점을 발화지점과 발화시기로 정하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.When fire is detected in a time-series at a specific pixel, inaccessible area real-time fire hazard prediction system, characterized in that the fire point and the time of firing at the time of the first detection point is determined.
(3) 상기 (1)에 있어서,(3) In the above (1),
동일 픽셀에서 서로 다른 시기의 산불이 탐지되었을 경우에는 개별산불로 간주하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.If a fire is detected at different times in the same pixel, it is regarded as an individual fire.
(4) 상기 (1)에 있어서,(4) In the above (1),
발화시점 이후 1일에 해당 화점을 중심으로 하는 3×3 픽셀영역 내에 나타난 화점은 확산발화지점으로 제외하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.Real-time forest fire risk forecasting system in inaccessible area, characterized in that the flash point appearing within the 3 × 3 pixel area centered on the corresponding fire point on the 1st after the point of ignition is excluded as the diffusion ignition point.
(5) 상기 (1)에 있어서,(5) In the above (1),
발화시점 이후 2일 이후부터는 해당 화점을 중심으로 하는 5×5 픽셀영역내에 나타난 화점은 확산발화지점으로 제외하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.Two days after the point of ignition, the fire point in the inaccessible area is characterized by excluding the flash point appearing within the 5 × 5 pixel area around the fire point as the diffusion ignition point.
(6) 상기 (1)에 있어서,(6) In the above (1),
기상위험지수를 산출할 함수는 식 1으로 표시되는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.The function of calculating the weather hazard index is an inaccessible area real-time forest fire hazard prediction system, characterized by
[1+exp{-(2.745+(0.0905*일최고기온)-(0.0517*일최저상대습도)+(0.0334*실효습도)+(0.1283*평균풍속))}-1]-1 [1 + exp {-(2.745+ (0.0905 * daily high temperature)-(0.0517 * daily minimum relative humidity) + (0.0334 * effective humidity) + (0.1283 * average wind speed))} -1 ] -1
본 발명에 의하면, 접근불능지역에서 현재 또는 가까운 장래에 산불이 발생할 수 있는 위험확률에 대하여 신속하면서도 정확성이 높게 예측할 수 있고, 산불 위험성을 미리 예보함으로써 접근불능지역에서의 대형산불의 발생 가능성을 현저하게 줄일 수 있다.According to the present invention, it is possible to rapidly and accurately predict the risk probability of wildfire in the inaccessible area at present or in the near future, and to predict the fire risk in advance, thereby remarkably probing the occurrence of large wildfire in the inaccessible area. Can be reduced.
도 1은 본 발명에 따른 산불위험 예보과정의 절차도의 일예.
도 2는 본 발명에 따른 산불위험 예보시스템의 전체 구성도의 일예.
도 3은 본 발명에 따른 화점필터링과정의 일예.
도 4는 연도별(2011~2015) 산불발생지점 정보를 활용한 산불발화지점의 재추정 결과
도 5는 임상분류를 통하여 생성된 FMI 지수
도 6은 재분석 자료를 활용한 고도 구간별 및 사면별 산불발생 경향
도 7은 지형분류를 통하여 생성된 TMI 지수
도 8은 재분석에 의한 화점(fire spot)의 기상자료 DB 구축
도 9는 기상에 의한 산불발생확률모형 입력자료 간의 상관관계 매트릭스
도 10은 산불발생에 영향을 주는 기상 요인의 로지스틱 회귀모형 분석 결과
도 11은 기상위험지수(DWI) 모형의 검증 결과
도 12는 실시간 기상정보 연계 및 자료처리, 산불위험예보 분석 체계도
도 13은 2014년 4월 15일 기상정보(15시), 시간별 기상위험지수와 산불위험등급
도 14는 2014년 4월 25일 기상정보(15시), 시간별 기상위험지수와 산불위험등급
도 15는 2014년 4월 27일 기상정보(15시), 시간별 기상위험지수와 산불위험등급
도 16은 자동화된 실시간 산불위험 예측모델 흐름도
도 17은 접근불능지역 산불위험예보 파일럿 시스템 세부 페이지 구성 현황
도 18은 접근불능지역 실시간 산불위험예보 파일럿 시스템 관리자 페이지 1 is an example of a procedure of a forest fire risk forecasting process according to the present invention.
2 is an example of the overall configuration of a forest fire risk forecasting system according to the present invention.
3 is an example of a flash point filtering process according to the present invention.
4 is a re-estimation result of the wildfire ignition point by using the annual fire occurrence point information by year (2011 ~ 2015)
5 is a FMI index generated through clinical classification
6 is a trend of forest fire occurrence by altitude section and slope using reanalysis data
7 is a TMI index generated through the topographic classification
8 is a weather data DB of the fire spot by reanalysis
9 is a correlation matrix between the probability of forest fire occurrence model input data due to weather
10 is a logistic regression model analysis of meteorological factors affecting forest fire occurrence
11 is a verification result of the weather risk index (DWI) model
12 is a real-time weather information linkage and data processing, forest fire risk forecast analysis system diagram
13 is April 15, 2014 weather information (15:00), hourly weather risk index and forest fire risk class
14, April 25, 2014, weather information (15:00), hourly weather risk index and forest fire risk class
15 is April 27, 2014 weather information (15:00), hourly weather risk index and forest fire risk class
16 is an automated real-time forest fire risk prediction model flow chart
17 is a detailed configuration of the forest fire risk forecast pilot system inaccessible region
18 is a real-time forest fire risk forecast pilot system administrator page
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다. Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. The detailed description, which will be given below with reference to the accompanying drawings, is intended to explain exemplary embodiments of the present invention and is not intended to represent the only embodiments in which the present invention may be practiced. The following detailed description includes specific details in order to provide a thorough understanding of the present invention. However, one of ordinary skill in the art appreciates that the present invention may be practiced without these specific details.
몇몇 경우, 본 발명의 개념이 모호해지는 것을 피하기 위하여 공지의 구조 및 장치는 생략되거나, 각 구조 및 장치의 핵심기능을 중심으로 한 블록도 형식으로 도시될 수 있다.In some instances, well-known structures and devices may be omitted or shown in block diagram form centering on the core functions of the structures and devices in order to avoid obscuring the concepts of the present invention.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 발명을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.Throughout the specification, when a part is said to "comprising" (or including) a component, this means that it may further include other components, except to exclude other components unless specifically stated otherwise. do. In addition, the terms “… unit”, “… unit”, “module”, etc. described in the specification mean a unit that processes at least one function or operation, which may be implemented by hardware or software or a combination of hardware and software. have. Also, "a or an", "one", "the", and the like are used differently in the context of describing the present invention (particularly in the context of the following claims). Unless otherwise indicated or clearly contradicted by context, it may be used in the sense including both the singular and the plural.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In describing the embodiments of the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, terms to be described below are terms defined in consideration of functions in the embodiments of the present invention, which may vary according to intentions or customs of users and operators. Therefore, the definition should be made based on the contents throughout the specification.
본 발명에 따른 접근불능지역 실시간 산불위험예보방법은 도 1에 도시한 바와 같이,Real time forest fire risk prediction method inaccessible region according to the present invention, as shown in Figure 1,
접근불능지역의 위성촬영이미지를 획득하는 단계; 상기 획득된 위성촬영이미지로부터 발화지점을 픽셀단위로 추출하는 단계; 시계열별 산불의 확산정도 및 바람의 벡터를 고려하여 독립발화지점으로부터 확산되어 추출된 확산발화지점을 제거하는 단계; 해당 시계열별로 얻어진 독립발화지점을 포함하는 단위격자에 대한 해당 시점에서의 기상정보, 임상정보 및 지형정보를 단위격자별로 획득하는 단계; 상기 얻어진 기상정보, 임상정보 및 지형정보로부터 기상위험지수, 임상위험지수 및 지형위험지수를 산출할 각 함수를 도출하는 단계; 상기 얻어진 각 함수에 실시간 얻어진 단위격자별 기상정보, 임상정보 및 지형정보를 입력하여 현재의 기상위험지수, 임상위험지수 및 지형위험지수를 산출하는 단계; 및 상기 산출된 현재의 기상위험지수, 임상위험지수 및 지형위험지수로부터 단위격자별 산불위험지수를 추출하고, 그 결과를 단위격자별로 지도상에 식별 가능한 방법으로 표시하여 사용자 단말기에 디스플레이 하는 단계를 포함한다. Obtaining a satellite image of an inaccessible region; Extracting a firing point in units of pixels from the acquired satellite image; Removing the diffusion ignition point diffused and extracted from the independent ignition point in consideration of the spread time of the wildfire by time series and the wind vector; Acquiring weather information, clinical information, and terrain information for each unit grid including the independent ignition point obtained for each time series by unit grid; Deriving each function for calculating a weather hazard index, a clinical hazard index, and a terrain hazard index from the obtained weather information, clinical information, and topographic information; Calculating current weather risk index, clinical risk index, and terrain risk index by inputting the real-time weather information, clinical information, and terrain information of each unit grid obtained in each function; And extracting a forest fire risk index for each unit grid from the calculated current weather hazard index, clinical risk index, and topographic risk index, and displaying the result on a map for each unit grid by displaying the result on a user terminal. Include.
상기와 같은 접근불능지역 실시간 산불위험예보방법을 구현하기 위하여, 본 발명에 따른 접근불능지역 실시간 산불위험예보시스템은 도 2에 도시한 바와 같이,In order to implement the inaccessible region real-time forest fire risk forecasting method as described above, the inaccessible region real-time forest fire risk forecasting system according to the present invention, as shown in FIG.
전국이 일정한 단위격자로 구분된 단위격자별 기상정보를 제공하는 기상정보 제공서버(100);Meteorological
상기 기상정보 제공서버로부터 실시간 수신된 기상정보, 및 단위격자내 임상정보 및 지형정보를 이용하여 산불위험지수를 도출하고 상기 위험지수에 따른 예보를 클라이언트에게 전송하는 산불위험예보 분석서버(200)를 포함하되,The forest fire risk
상기 산불위험예보 분석서버는 접근불능지역의 위성촬영이미지를 획득하는 위성이미지획득수단(201); 상기 위성이미지 획득수단으로부터 획득된 이미지로부터 화점을 픽셀단위로 추출하는 화점추출수단(202); 시계열별 산불의 확산정도 및 바람의 벡터를 고려하여 독립발화지점으로부터 확산되어 추출된 확산발화지점을 제거하는 화점필터링수단(203); 해당 시계열별로 얻어진 독립발화지점을 포함하는 단위격자에 대한 해당 시점에서의 기상정보, 임상정보 및 지형정보를 단위격자별로 획득하는 기초정보획득수단(204); 상기 기초정보획득수단으로부터 얻어진 기상정보, 임상정보 및 지형정보로부터 기상위험지수, 임상위험지수 및 지형위험지수를 산출할 각 함수를 도출하는 함수도출수단(205); 및 상기 얻어진 각 함수에 실시간 얻어진 단위격자별 기상정보, 임상정보 및 지형정보를 입력하여 현재의 기상위험지수, 임상위험지수 및 지형위험지수를 산출하고, 상기 산출된 현재의 기상위험지수, 임상위험지수 및 지형위험지수로부터 단위격자별 산불위험지수 및 위험등급을 산출하는 산불위험지수산출부(206)를 포함하는 산불예보에이전트(210)를 포함한다. The forest fire risk prediction server includes satellite image acquisition means 201 for acquiring satellite imagery of an inaccessible region; A picture point extracting means (202) for extracting a picture point pixel by pixel from the image acquired from the satellite image obtaining means; Fire point filtering means 203 for removing the diffusion ignition point extracted by being diffused from the independent ignition point in consideration of the spread of the wildfire by time series and the wind vector; Basic information acquiring means (204) for acquiring weather information, clinical information, and topographic information for each unit grid including the independent ignition point obtained for each time series; Function derivation means (205) for deriving each function for calculating a weather hazard index, a clinical hazard index and a terrain hazard index from weather information, clinical information, and topographic information obtained from the basic information acquisition means; And calculating the current weather risk index, the clinical risk index, and the terrain risk index by inputting the real-time weather information, clinical information, and topographic information for each unit grid obtained in each of the obtained functions, and calculating the current weather risk index and clinical risk. It includes a forest
이하, 본 발명에 따른 접근불능지역 실시간 산불위험예보방법에 관하여 상기 도 1 및 도 2를 참조하여 보다 상세하게 설명하기로 한다.Hereinafter, the inaccessible region real-time forest fire risk prediction method according to the present invention will be described in more detail with reference to FIGS.
기상정보 제공서버(100)는 바람직하게는 전국 각지에 설치된 기상관측소로부터 현재의 기상정보(예로, 상대습도, 실효습도, 풍속, 온도 등)를 실시간 내지 일정시간 간격으로 수신하여 산불위험예보 분석서버(200)에 전송한다.The meteorological
바람직하게는 상기 기상정보는 전국을 일정 개수(예를 들어, 5kmㅧ 5km)의 단위격자를 이용하여 구분하였을 때, 각각의 단위격자 마다 얻어질 수 있다.Preferably, the weather information may be obtained for each unit grid when the whole country is divided using a predetermined number of units (for example, 5 km ㅧ 5 km).
임상정보는 예를 들어 국립산림과학원에서 발행하는 1/25,000 축척의 수치임상도를 제공하는 서버로부터 제공받을 수 있으며, 접근불능지역의 임상정보를 산불위험예보 분석서버(200)에 제공한다. 임상정보는 단시간 대에 변하는 정보가 아니므로 기 저장된 정보를 그대로 적용하여 사용할 수도 있다.The clinical information can be provided from a server providing a numerical clinical scale of 1 / 25,000 scale, for example, issued by the National Forest Research Institute, and provides clinical information of the inaccessible area to the forest fire risk
지형정보는 국내 국토지리정보원에서 발행하는 1/25,000 축척의 수치지형도를 제공하는 서버로부터 제공받을 수 있으며, 접근불능지역의 지형정보를 산불위험예보 분석서버(200)에 제공한다. 임상정보와 마찬가지로 지형정보 역시 단시간 대에 변하는 정보가 아니므로 기 저장된 정보를 그대로 적용하여 사용할 수도 있다.The terrain information can be provided from a server providing a digital map of 1 / 25,000 scale issued by the National Geographic Information Institute of Korea, and provides terrain information of the inaccessible area to the forest fire risk
본 발명의 산불위험예보 분석서버(200)는 상기 기상정보 제공서버(100)로부터 실시간 수신된 기상정보, 및 단위격자내 임상정보 및 지형정보를 이용하여 산불위험지수를 도출하고 상기 위험지수에 따른 예보를 클라이언트에게 전송한다.The forest fire
본 발명에서 산불위험지수는 산불위험을 수치로 객관화하여 산불위험예보 분석서버(200)가 산출한 것으로, 기상정보, 임상정보 및 지형정보로부터 후술하는 산불예보에이전트(210)가 각각 기상위험지수, 임상위험지수 및 지형위험지수를 산출하고, 이로부터 이들 각 지수에 소정의 가중치를 부여하여 산출되는 값이다.In the present invention, the forest fire risk index is calculated by the forest fire risk
상기 「기상위험지수」란 기상 분류에 따라 기상정보를 이용하여 산불이 발생할 수 있는 위험도를 지수로 수치화 한 것을 의미하고, 「임상위험지수」란 임상 분류에 따라 임상정보를 이용하여 산불이 발생할 수 있는 위험도를 지수로 수치화 한 것을 의미하며, 「지형지수」란 지형 분류에 따라 지형정보를 이용하여 산불이 발생할 수 있는 위험도를 지수로 수치화 한 것을 의미한다.The `` climatic risk index '' means that the risk of wildfire can be numerically indexed using meteorological information according to the weather classification, and the `` clinical risk index '' can be caused by clinical information according to the clinical classification. It means that the number of risks in the index is quantified, and the `` Terrain Index '' means that the risk of wildfire can be digitized using the terrain information according to the terrain classification.
본 발명의 바람직한 실시예로써, 접근불능지역에서의 기상위험지수, 임상위험지수 및 지형위험지수의 산출을 위한 함수로는 아래와 같다.As a preferred embodiment of the present invention, as a function for calculating the weather risk index, clinical risk index and topographic risk index in an inaccessible region is as follows.
(1) 기상위험지수(DWI) 산출을 위한 함수(1) Function to calculate weather risk index (DWI)
본 발명에 의하면, 기상정보로 기온(예, 평균기온, 최고기온, 최저기온), 습도(예, 실효습도, 최대습도, 최소습도), 풍속(예, 평균풍속, 최대풍속, 최소풍속)이 사용될 수 있다. 이외에 강수량 등의 다른 정보를 사용하는 것도 가능하다. 이와 같은 기상정보는 1시간 씩 하루에 24회 기상정보 제공서버(100)로부터 수신하는 것이 바람직하다. 이러한 기상정보는 저장장치(미도시)에 기록 및 저장된다.According to the present invention, the weather information such as temperature (eg, average temperature, maximum temperature, minimum temperature), humidity (eg, effective humidity, maximum humidity, minimum humidity), wind speed (eg, average wind speed, maximum wind speed, minimum wind speed) Can be used. It is also possible to use other information such as precipitation. Such weather information is preferably received from the weather
상기 기상정보는 지역에 따라 산불발생과 상관성을 가지는 하나 이상의 정보가 이용될 수 있다. 본 발명에서는 이러한 기상정보를 변수로 하여 실험적으로 정해질 수 있는 함수 f(기온, 습도, 풍속)에 따라 기상위험지수를 산출하며, 아래에 바람직한 실시예로써 기상위험지수 산출의 일예를 제시한다. The weather information may use one or more information that has a correlation with wildfire occurrence according to a region. In the present invention, the weather hazard index is calculated according to the function f (temperature, humidity, wind speed) that can be determined experimentally using such weather information as a variable, and an example of the weather hazard index calculation is given below as a preferred embodiment.
DWI=[1+exp{-(2.745+(0.0905*일최고기온)-(0.0517*일최저상대습도)+(0.0334*실효습도)+(0.1283*평균풍속))}-1]-1 DWI = [1 + exp {-(2.745+ (0.0905 * daily high temperature)-(0.0517 * daily minimum relative humidity) + (0.0334 * effective humidity) + (0.1283 * average wind speed))} -1 ] -1
(2) 임상위험지수(FMI) 산출을 위한 함수(2) Function for calculating clinical risk index (FMI)
FMI=ΣPiIi (상기 식에서 Pi는 단위격자내 분포하는 i형 임상이고, Ii는 i형 임상의 위험지수를 나타낸다.)FMI = ΣP i I i (In the above equation, Pi is the type i clinical trial distributed in the unit lattice, and I i is the risk index of the type i clinical trial.)
예를 들어, 도 5에 나타난 바와 같이, 낙엽활렵수에 대하여 10, 상록침엽수에 대하여 4, 혼효림에 대하여 2가 주어진다. 이에 의하면, 만일 단위격자내에 낙엽활엽수가 87개소(69%), 상록침엽수가 18개소(14.3%), 혼효림이 21개소(16.7%)를 차지할 경우 임상위험지수는 아래와 같이 산출된다.For example, as shown in FIG. 5, 10 is given for the deciduous tree, 4 for the evergreen conifer, and 2 for the mixed forest. According to this, if the deciduous forests occupy 87 places (69%), the evergreen conifers occupy 18 places (14.3%), and the mixed forests occupy 21 places (16.7%), the clinical risk index is calculated as follows.
임상위험지수: Clinical Risk Index :
0.690×10+0.143×4+0.167×2=7.8060.690 × 10 + 0.143 × 4 + 0.167 × 2 = 7.806
(3) 지형위험지수(TMI) 산출을 위한 함수(3) A function for calculating the terrain risk index (TMI)
TMI=ΣPi,표고Ii,표고+ΣPj,방위Ij,방위 TMI = ΣP i, elevation I i, elevation + ΣP j, bearing I j, bearing
상기 식에서 Pi는 단위격자내 존재하는 i형의 표고 또는 방위의 분포비율, Ii는 i형의 표고 또는 방위의 위험지수를 나타낸다.In the above formula, Pi represents the distribution ratio of the elevation or orientation of type i existing in the unit grid, and Ii represents the risk index of the elevation or orientation of type i.
지형위험지수는 도 7에 제시된 바와 같이 방위에 대하여는 북쪽이 가장 높은 5, 북동쪽/남동쪽 4.5, 동쪽/북서쪽이 4.0, 남서쪽이 3이 대응되어지는 예가 제시되어 있다. 이와 같은 수치는 산불발생과 관련한 경험적 통계를 근거하여 얻어질 수 있다. 또, 표고에 대하여는 550m 이하가 가장 높은 5, 550~1044m가 3.5, 1,537m 이상이 0.5로 주어져 있다.As shown in FIG. 7, the topographic risk index is shown as an example in which north corresponds to 5, northeast / southeast 4.5, east / northwest 4.0, and
이에 의하면, 만일 단위격자내에 550m가 80개소(80.0%), 550~1044m가 18개소(18.0%), 1,537m 이상이 2개소(2.0%)가 존재할 경우, 표고에 대한 지형위험지수는 아래와 같이 산출될 수 있다.According to this, if there are 80 places (80.0%) in 550m, 18 places (18.0%) in 550 ~ 1044m, and 2 places (2.0%) in more than 1,537m, the topographic risk index for elevation is as follows. Can be calculated.
표고의 지형위험지수: Topographic Hazard Index of Elevation :
0.80×5+0.18×3.5+0.02×0.5=4.640.80 × 5 + 0.18 × 3.5 + 0.02 × 0.5 = 4.64
마찬가지로, 단위격자내에 북향이 10개소(10.0%), 북동향이 30개소(30.0%), 동향이 20개소(20.0%), 남동향이 10개소(10.0%), 남서향이 30개소(30.0%)가 존재할 경우 방위에 대한 지형위험지수를 구하면 아래와 같다.Similarly, within the unit grid, there are 10 places north (10.0%), 30 places northeast (30.0%), 20 places trend (20.0%), 10 places south east (10.0%), and 30 places south west (30.0%). If is present, the topographic risk index for the bearing is as follows.
방위의 지형위험지수: Topographic Hazard Index of Defense :
0.10×5+0.30×4.5+0.20×4.0+0.10×4.5+0.30×3.0=4.000.10 × 5 + 0.30 × 4.5 + 0.20 × 4.0 + 0.10 × 4.5 + 0.30 × 3.0 = 4.00
전체 지형위험지수: Overall Terrain Hazard Index :
따라서 위 제시된 예에 의하면 동 단위격자내에서의 지형위험지수는 4.64+4.00=8.64가 된다.Therefore, according to the example presented above, the terrain hazard index in the unit grid is 4.64 + 4.00 = 8.64.
바람직하게는 상기 기상위험지수, 임상위험지수 및 지형위험지수는 접근불능지역을 일정 개수(예를 들어, 5㎞×5㎞)의 단위격자를 이용하여 구분하였을 때, 각각의 단위격자 마다 추출될 수 있다.Preferably, the meteorological hazard index, clinical hazard index, and topographic hazard index are extracted for each unit grid when the inaccessible area is divided using a predetermined number of unit grids (for example, 5 km × 5 km). Can be.
상기 기상위험지수, 임상위험지수 및 지형위험지수의 접근불능지역에서의 구체적인 산출예는 후술하는 본 발명의 실시예를 참조하기로 한다.Specific calculation examples in the inaccessible region of the meteorological hazard index, clinical hazard index, and topographic hazard index will be referred to the embodiments of the present invention described below.
본 발명에 따른 산불위험예보 분석서버(200)는 접근불능지역에서 현재의 기상위험지수, 임상위험지수 및 지형위험지수를 산출하는 산불예보에이전트(210)를 포함한다.Forest fire
상기 산불예보에이전트(210)는 위성이미지획득수단(201), 화점추출수단(202), 화점필터링수단(203), 기초정보획득수단(204), 및 함수도출수단(205)을 포함한다. The forest
위성이미지획득수단(201)은 접근불능지역의 위성촬영이미지를 획득하기 위한 것으로, 위성촬영이미지는 예를 들어 MODIS 시스템을 이용하여 얻은 위성정보(예로, 250, 500, 100m의 픽셀 해상도)일 수 있다.The satellite image acquisition means 201 is for acquiring satellite image of the inaccessible region, which may be, for example, satellite information (for example, pixel resolutions of 250, 500, and 100 m) obtained using the MODIS system. have.
화점추출수단(202)은 위성이미지획득수단(201)이 얻은 위성촬영이미지로부터 화점을 픽셀단위로 추출하며, 각 픽셀의 색상정보를 이용하여 화재가 발생한 것으로 판단되는 화점(fire spot)을 추출한다. 이때, 화점은 최초발화점인 독립발화점이거나, 상기 독립발화점에서 바람 등의 영향으로 확산되어 발화된 확산발화점일 수 있다.The fire point extracting means 202 extracts a fire point in units of pixels from the satellite image obtained by the satellite image obtaining means 201, and extracts a fire spot that is determined to be a fire by using color information of each pixel. . In this case, the firing point may be an independent firing point which is an initial firing point, or may be a spreading firing point ignited by being spread by the wind or the like at the independent firing point.
화점필터링수단(203)은 시계열별 산불의 확산정도 및 바람의 벡터를 고려하여 상기 화점추출수단(202)에 의해 추출된 화점 중에서 확산발화점을 제거하고 독립발화점인 화점만을 얻기 위해 필터링과정을 수행한다.The firing point filtering means 203 performs a filtering process to remove only the spreading flash point from the flash point extracted by the flash point extracting means 202 in consideration of the spread of the wildfire for each time series and the wind vector. .
본 발명에서는 바람직하게는 특정 픽셀에서 시계열적으로 화점이 추출되었을 때, 최초로 추출된 시점의 화점만을 독립발화점으로 특정한다.In the present invention, preferably, when a picture point is extracted in time series from a specific pixel, only the picture point of the first extracted time point is identified as the independent firing point.
또한, 동일 픽셀에서 서로 다른 시기의 화점이 추출되었을 경우에는 개별산불 즉, 각각의 화점은 독립발화점으로 간주한다.In addition, when fire points of different times are extracted from the same pixel, individual fires, that is, each fire point is regarded as an independent fire point.
본 발명에서는 확산발화점으로 판단하기 위해 도 3에 도시한 바와 같이 발화시점 이후 1일에 해당 화점을 중심으로 하는 3×3 픽셀영역 내에 나타난 화점은 확산발화점으로 제외하여 독립발화점으로 카운팅하지 않는다. 이는 짧은 시간대에 걸쳐 인근 지역에서 동시발화된 것으로 보기 어려우며, 바람 등에 의한 영향으로 확산된 화재로 보는 것이 보다 타당하기 때문에서이다.In the present invention, as shown in FIG. 3, the flash point shown in the 3 × 3 pixel area centering on the corresponding flash point is not counted as an independent flash point as shown in FIG. 3 to determine the diffusion flash point. This is because it is unlikely to be co-fired in a nearby area over a short period of time, and it is more reasonable to see it as a fire spread by the influence of wind.
나아가, 본 발명에서는 발화시점 이후 2일 이후부터는 해당 화점을 중심으로 하는 5×5 픽셀영역내에 나타난 화점은 산불의 확산정도 및 바람의 벡터를 고려할 때, 확산발화지점으로 보아 제외하는 것이 바람직하다. 이는 2일 이후에는 5×5 픽셀영역내에 측정된 화점은 통계적으로 중심의 독립발화점으로부터 유래된 확산발화점일 확률이 높기 때문에서이다.Furthermore, in the present invention, two days after the point of ignition, the flash point appearing in the 5 × 5 pixel area centering on the corresponding fire point is preferably considered as a diffusion ignition point in consideration of the spread of the fire and the vector of the wind. This is because after 2 days, the flash point measured in the 5 × 5 pixel area is statistically highly likely to be a diffusion flash point derived from the central independent flash point.
상기 기초정보획득수단(204)은 화점필터링수단(203)에 의해 얻어진 독립발화점을 포함하는 단위격자에 대한 해당 시점에서의 기상정보, 임상정보 및 지형정보를 단위격자별로 획득한다. 이때, 상기 기상정보, 임상정보 및 지형정보에 대한 획득방법은 앞에서 설명한 바와 같다.The basic
본 발명에 따른 함수도출수단(205)은 상기 기초정보획득수단(204)으로부터 얻어진 기상정보, 임상정보 및 지형정보로부터 기상위험지수, 임상위험지수 및 지형위험지수를 산출할 각 함수를 도출한다.The function derivation means 205 according to the present invention derives each function for calculating the weather risk index, the clinical risk index and the terrain risk index from the weather information, the clinical information and the terrain information obtained from the basic information acquisition means 204.
산불위험지수산출부(206)는 상기 얻어진 각 함수에 실시간 얻어진 단위격자별 기상정보, 임상정보 및 지형정보를 입력하여 현재의 기상위험지수, 임상위험지수 및 지형위험지수를 산출하고, 상기 산출된 현재의 기상위험지수, 임상위험지수 및 지형위험지수로부터 단위격자별 산불위험지수 및 위험등급을 산출한다.The forest fire risk
본 발명에서는 바람직하게는 상기 각 위험지수에 따른 가중치를 부여한 후 최종적으로 산불위험지수를 추출한다. 예를 들어, 본 발명의 바람직한 실시예에서는 기상위험지수에 가중치로 0.6 내지 0.8, 바람직하게는 0.7을 곱하고, 임상위험지수 및 지형위험지수에는 가중치로 각각 1.2 내지 1.8, 바람직하게는 1.5를 곱한 것을 합하여 이를 산불위험지수로써 각 단위격자별로 추출하고, 그 값을 산불위험예보 분석서버(200)에 제공한다. 상기와 같은 가중치 범위를 적용할 경우 정확한 예측이 가능함을 실험적으로 확인하였다.In the present invention, preferably, the fire risk index is finally extracted after assigning a weight to each risk index. For example, in a preferred embodiment of the present invention, the weather risk index is multiplied by 0.6 to 0.8, preferably 0.7 by weight, and the clinical risk index and topographic risk index by 1.2 to 1.8 by weight, respectively, preferably 1.5. In addition, it is extracted for each unit grid as a forest fire risk index, and the value is provided to the forest fire risk
위험등급은 상기와 같이 산출된 산불위험지수를 등급화하여 예를 들어, 관심, 주의, 경계, 심각 등의 4등급으로 나누어 표시할 수 있다.The risk level may be expressed by classifying the forest fire risk index calculated as described above and divided into four levels, for example, attention, attention, alertness, and severity.
상기한 바와 같이 산불위험예보 분석서버(200)에 의해 제공되는 접근불능지역의 산불위험예보는 상술한 바와 같은 단위격자 단위로 제공될 수 있으며, 이는 클라이언트(300)의 요청에 따라 소정 형식을 통해 디스플레이되어질 수 있도록 한다. As described above, the forest fire risk forecast of the inaccessible area provided by the forest fire risk
이하 본 발명의 내용을 보다 구체적인 실시예를 참조하여 상세하게 설명하고자 한다. 다만 하기 예시된 실시예 등은 본 발명의 이해를 돕기 위해 제시되는 것일 뿐 이에 의해 본 발명의 권리범위가 한정되는 것으로 해석되어서는 아니된다.Hereinafter, the content of the present invention will be described in detail with reference to specific embodiments. However, the following examples and the like are presented to aid the understanding of the present invention and should not be construed as limiting the scope of the present invention.
[실시예 1] 최근 5년간 접근불능지의 산불발화지 정보 추출 및 DB 재분석[Example 1] Extraction of wildfire site information and DB re-analysis of inaccessible land for the last 5 years
(가) 산불발화지점의 정보 추출(A) Extraction of information from wildfire sites
최근 5년간(2011-2015년)의 MODIS fire spot(MOD14) 자료를 이용하여 총 3,637개의 fire spot points 정보를 추출한 결과를 토대로 산불이 발화된 지점을 추출하기 위해 다음과 같은 가설 수립으로 확산에 의한 중복된 산불정보를 제거하였다.Based on the result of extracting 3,637 fire spot points information using MODIS fire spot (MOD14) data for the last 5 years (2011-2015), the following hypothesis was established to extract the point where the fire was ignited. Duplicate forest fire information has been removed.
1) 특정 픽셀에서 시계열적으로 산불이 탐지되었을 경우, 최초로 탐지된 시점의 fire spot을 발화지점으로 간주1) If a fire is detected in time series at a specific pixel, the fire spot at the time of the first detection is regarded as the ignition point.
2) 동일 픽셀에서 5일 이상의 차이가 발생한 산불이 탐지되었을 경우에는 개별 산불로 간주2) If a forest fire with more than 5 days difference is detected in the same pixel, it is considered as individual forest fire.
3) 발화지점을 중심으로 발화 시점으로부터 4일후까지 산불의 확산 유무를 파악3) Identify the spread of forest fires from the point of ignition until 4 days after the point of ignition.
ㅇ 발화 시점부터 1일 이후까지 3×3 픽셀 영역 설정 후 fire spot 제거ㅇ Eliminate fire spot after setting 3 × 3 pixel area from 1st day after firing
ㅇ 2일 이후부터는 5×5 픽셀 영역 점검ㅇ After 5 days, check 5 × 5 pixel area
ㅇ 구름에 의한 자료 결측 시 이후의 fire spot 자료 파악ㅇ Identify fire spot data after missing data due to cloud
4) 바람 UV 벡터정보를 이용하여 산불 확산으로 판단되는 픽셀 제거4) Eliminate pixels determined to spread wildfire using wind UV vector information
(나) 산불발화지 정보의 재분석(B) Reanalysis of wildfire information
산불발화지점을 추출하기 위해 fire spot에 대한 풍속과 풍향 정보를 분석한 결과, 풍속의 범위가 10m/s~30m/s에서는 북서풍과 남서풍을 포함한 서풍 계열의 바람이 강하게 부는 것으로 분석되었다. 또한 풍속이 10m/s 이하인 경우에는 주풍 방향이 다양하게 나타났지만 남서풍 계열 바람의 빈도가 비교적 높게 나타나는 결과를 보였다. As a result of analyzing the wind speed and wind direction information of the fire spot to extract the wildfire spot, it was analyzed that the wind of the western wind series including the northwest wind and southwest wind blows strongly at the wind speed range of 10m / s ~ 30m / s. In the case of the wind speed of 10m / s or less, the main wind direction was varied, but the frequency of the southwest wind was relatively high.
앞서 기술한 산불발화지점을 추출하는 가설에 의해 2011년부터 2015년까지 탐지된 MODIS fire spot 정보를 재분석한 결과, 산불발화지점은 기존에 탐지된 3,637개 픽셀 중에서 약 60%가 산불확산으로 중복된 산불발생지점으로 추정되었다. 따라서 산불확산 추정으로 중복된 지점을 제거함으로써 총 1,469개의 산불발화지 픽셀이 최종 추출되었다. 연도별로 추출된 산불발화지점을 살펴보면 2011년이 368개, 2012년 151개, 2013년 172개, 2014년 554개, 2015년은 224개로 추출되었다. 특히, 2015년은 762개의 fire spot 중에서 약 71%(fire spot 538개)가 확산 지점으로 제거되면서 산불 확산이 가장 심했던 시기로 분석되었고, 2013년은 약 39%(fire spot 111개)가 제거되면서 산불확산이 가장 적었던 시기로 분석되었다(도 4).As a result of re-analyzing MODIS fire spot information detected from 2011 to 2015, based on the hypothesis of extracting the forest fire point, the forest fire point is approximately 60% of the 3,637 pixels detected. It was estimated to be a forest fire spot. Therefore, a total of 1,469 wildfire pixels were finally extracted by eliminating overlapping points by wildfire diffusion estimation. According to the year, 368 forest fires were extracted in 2011, 151 in 2012, 172 in 2013, 554 in 2014, and 224 in 2015. In particular, in 2015, about 71% (538 fire spots) of the 762 fire spots were removed as spread points, and the spread of forest fires was the most severe.In 2013, about 39% (111 fire spots) were removed. It was analyzed as the time when forest fire spread was the least (Fig. 4).
재분석된 산불발화지점의 연·월별 산불발생빈도를 분석한 결과, 최근 5년 동안 봄철 시기인 4월이 43.0%(2013년)~70.7%(2011년)으로 산불발생빈도가 가장 높게 나타나면서 남한에서 집중적으로 다발하는 산불 시기와 동일한 것으로 분석되었다. 다음으로 5월이 7.6%(2011년)~47.0%(2012년)로 산불발생이 집중되어 나타나는 것으로 분석되면서 시기적으로는 3월과 4월에 산불발생이 집중되는 남한과 비교하여 1개월 가량 늦은 4월과 5월에 산불이 다발하는 경향을 보였다.As a result of analyzing the annual and monthly wildfire incidence of re-analyzed wildfire spots, the most frequent wildfire occurrence rate was 43.0% (2013) ~ 70.7% (2011) in April, the spring season for the last five years. It was analyzed to be the same as the wildfire season in which intensive clusters occur. Next, it was analyzed that forest fire occurrences were concentrated in May from 7.6% (2011) to 47.0% (2012), and it was a month later compared to South Korea, where forest fires are concentrated in March and April. Forest fires tended to occur in April and May.
[실시예 2] 접근불능지역 임상위험지수 모형 개발Example 2 Development of Inaccessible Region Clinical Hazard Index Model
접근불능지역에서 발생한 산불발화지점을 대상으로 임상위험지수를 산출하기 위해 임상특성을 분석한 결과, 낙엽활엽수림이 59.4%로 가장 높은 비율을 차지하였다. 다음으로 상록침엽수림이 21.7%, 혼효림이 18.9%의 비율을 차지하는 것으로 분석되었다. 본 결과는 남한 지역에서 가장 높은 산불발생빈도 비율을 나타내는 임상 특성이 상록침엽수림(69.0%)이라는 결과와 상반되게 접근불능지역은 낙엽활엽수림에서 산불 발화가 높은 것으로 분석되었다. 재분석 전(총 3,637개 fire spot points) 대비 재분석 후(총 1,469개 fire spot points)의 결과를 비교하였을 경우, 재분석 후에는 낙엽활엽수림의 비율이 약 3.1% 증가하였으나 상록침엽수림은 약 1.8%, 혼효림은 약 1.3%가 감소한 결과를 보였다(표 1). 따라서 산출된 자료는 산불발화지점의 임상 조건별 빈도분석을 실시한 후 임상별 산불발생빈도를 가중치별로 1~10단계로 지수화하여 임상 특성에 따른 산불위험지수(FMI, Fuel Model Index)를 개발하였다(도 5).As a result of analyzing the clinical characteristics to calculate the clinical risk index of wildfire ignition sites in inaccessible areas, deciduous forests accounted for the highest rate of 59.4%. Next, evergreen coniferous trees accounted for 21.7% and mixed forests accounting for 18.9%. The results of this study were in contrast to that of the evergreen coniferous forest (69.0%), which showed the highest rate of wildfire incidence in South Korea. When the results of reanalysis (total 1,469 fire spot points) were compared with those before reanalysis (total 3,637 fire spot points), the ratio of deciduous coniferous forests increased by about 3.1% after reanalysis, but about 1.8% in evergreen coniferous forests and mixed forests. Showed a decrease of about 1.3% (Table 1). Therefore, the calculated data were analyzed by the frequency of clinical conditions of the wildfire ignition point, and the wildfire risk index (FMI, Fuel Model Index) according to the clinical characteristics was developed by indexing the incidence of wildfire incidence by weight in 1 ~ 10 steps. 5).
[실시예 3] 접근불능지역 지형위험지수 모형 개발[Example 3] Development of Topographic Hazard Index Model for Inaccessible Areas
지형정보를 고려한 지형위험지수(TMI, Topography Model Index)를 산출하기 위해 30m 공간해상도의 1초 DEM(Digital Elevation Model) 자료를 활용하여 산불발화지점에 대한 고도 분포와 사면방향을 산출하였다.In order to calculate the Topographic Model Index (TMI) considering the topographical information, the altitude distribution and slope direction for the wildfire location were calculated using 1 second DEM (Digital Elevation Model) data of 30m spatial resolution.
북한의 산림지역을 대상으로 고도 분석을 통해 얻어진 평균과 표준편차 통계량을 이용하여 고도의 분포범위를 5개 구간(550m 이하, 550~1,044m, 1,044~1,537m, 1,537~2,030m, 2,030m 이상)으로 설정하여 총 1,469개의 산불발생빈도를 분석한 결과, 고도 정보가 550m 이하인 지점에서는 828건(약 56.3%)으로 가장 높은 산불발생빈도를 보였으며, 그 다음으로 550~1,044m에서 542건(약 36.8%)으로 높은 산불발생빈도를 나타내었다(도 6). 총 1,469개의 산불발화지점에 대한 평균 고도는 약 796m로 나타났으며, 산불발생지역에 대한 재분석 전ㅇ후의 고도분포 비율의 변화는 차이가 없었다.Using the average and standard deviation statistics obtained from altitude analysis on forest areas in North Korea, the distribution range of altitude is divided into five sections (550m or less, 550-1,044m, 1,044-1,537m, 1,537-2,030m, 2,030m or more). As a result of analyzing 1,469 wildfire occurrence frequency, the highest wildfire occurrence rate was 828 (about 56.3%) at the elevation information below 550m, followed by 542 (550 ~ 1,044m). About 36.8%), high incidences of wildfire (FIG. 6). The average altitude of 1,469 wildfire sites was about 796m, and there was no difference in the change of altitude distribution before and after reanalysis for wildfire occurrence areas.
최근 5년간 재분석된 발화추정지점(1,469개 fire spot points)을 대상으로 사면 방향을 산출하기 위해 8방위로 분류하여 발생 분포 경향을 분석한 결과, 남동 사면에서 산불발생 비율이 약 13.9%로 가장 높게 나타났고, 북동사면 및 동사면에서는 약 11.6%로 가장 낮은 산불발생 비율을 나타냄으로써 8방위 범위 내에서는 큰 차이를 보이지 않았다. 즉 접근불능지역의 사면방향은 산불발생 초기에 큰 영향력을 미치지 않는 것으로 사료된다. 따라서 산출된 자료는 산불발화지점의 지형조건별 빈도분석(고도와 사면방향의 가중치 각 0.5)을 실시한 후 1~10단계로 지수화하여 지형 특성에 의한 산불위험지수(TMI)를 개발하였다(도 7).As a result of analyzing the distribution trend of 8 directional directions to calculate slope direction from the reanalyzed ignition estimation points (1,469 fire spot points) in the last 5 years, the rate of forest fires in the southeast slope was the highest at about 13.9%. In the northeast slope and the verbal side, the lowest rate of wildfire occurred at about 11.6%, indicating no significant difference within the eight-direction range. In other words, the slope direction of inaccessible areas is not considered to have a great influence in the early stages of forest fires. Therefore, the calculated data were analyzed by terrain conditions (0.5 in each of altitude and slope direction) at the top of wildfire ignition point and then indexed in 1 ~ 10 steps to develop the forest fire risk index (TMI) according to the topography characteristics (Fig. 7). ).
[실시예 4] 접근불능지역 기상위험지수 모형 개발Example 4 Development of Meteorological Risk Index Model for Inaccessible Areas
접근불능지역에 대한 기상위험지수(DWI, Daily Weather Index)를 산출하기 위해 재분석을 통해 추출된 산불발화 지점을 대상으로 산불발생과 관련이 있는 기상요인인 기온, 습도, 풍속 등의 기상정보 DB를 재구축하였다(도 8). 본 실시에에서는 산불 발생에 영향을 미치는 기상 요인을 구명하기 위해 로지스틱 회귀모형(logistic regression model)을 이용하여 종속변수(dependent variable)와 독립변수(independent variable)는 산불발생 유무와 산불발생 관련 기상요인으로 설정하였다. 기상에 의한 산불발생확률모형에 대한 기상입력 변수의 선정은 상관분석을 통해 기상청 5km 재분석 자료에서 획득 가능한 기상 요소들 중 산불이 발생한 날에서 높은 상관성을 갖는 기온(평균, 최고, 최저), 상대습도(평균, 최소), 실효습도, 풍속(평균, 최대), 강수량을 이용하였으며, 기상에 의한 산불발생확률모형 입력자료 간의 상관관계 결과는 도 9와 같이 나타났다.To calculate the DWI (Daily Weather Index) for inaccessible areas, we use the weather information DB such as temperature, humidity, and wind speed, which are related to forest fires, to the wildfire ignition sites extracted through reanalysis. Rebuild (FIG. 8). In this example, the logistic regression model is used to identify the meteorological factors that affect the occurrence of forest fires. Set to. The selection of weather input variables for the probability of forest fire occurrence due to weather is based on the correlation between temperature (average, highest, lowest), and relative humidity among the weather factors that can be obtained from the Korea Meteorological Agency's 5km reanalysis data. (Average, minimum), effective humidity, wind speed (average, maximum), and precipitation were used, and the correlation result between the wildfire occurrence probability model input data due to the weather was shown in FIG.
접근불능지역의 기상에 의한 일일 산불발생확률(DWI)은 산불발생위치에서의 시계열 기상자료와 산불발생의 유무 정보로부터 로지스틱 회귀모형을 이용하여 산출하였다. 입력 자료의 경우에는 산불발생 당일의 개수와 발생 전ㅇ후 3일 간의 비 발생일 정보로 10,283개를 이용하였다(표 2).Daily fire incidence (DWI) due to weather in inaccessible area was calculated using logistic regression model from time series weather data and information on forest fire occurrence at forest fire location. In the case of the input data, 10,283 pieces were used as information on the number of days of wildfire occurrence and the non-occurrence date between 3 days before and after the occurrence (Table 2).
접근불능지역에 대한 로지스틱 회귀모형을 분석한 결과, 산불발생에 영향을 주는 기상인자는 일 최고기온, 일 최저상대습도, 실효습도, 평균 풍속이 99% 신뢰 수준에서 유의한 것으로 나타났다(도 10). 산불발생과 기상 요소간의 관계를 분석한 결과에서 일 최소상대습도는 음(-)의 관계를 보였으며, 일 최고기온과 평균 풍속은 양(+)의 관계를 보이면서 산불발생확률은 상대습도가 낮고 기온이 상승하고 풍속이 강할수록 높아지는 것으로 나타났다. 추정모형에 대한 적합도는 일 최고기온이 13.4266, 일 최소상대습도 84.1784, 실효습도 25.8035, 평균풍속 22.1316로 99% 신뢰 수준에서 유의성이 있는 것으로 나타났으며, 표본 내 추정모형의 예측력은 66.6%로 분석되었다(표 3).As a result of analyzing logistic regression model for inaccessible region, it was found that weather factors affecting forest fire occurrence were significant at daily high temperature, daily minimum relative humidity, effective humidity, and average wind speed at 99% confidence level (Fig. 10). . As a result of analyzing the relationship between wildfire occurrence and meteorological factors, the daily minimum relative humidity showed a negative relationship, the daily maximum temperature and the average wind speed showed a positive relationship, and the probability of wildfire occurrence was low. The higher the temperature and the stronger the wind speed, the higher. The goodness of fit for the estimation model was 13.4266, daily minimum relative humidity 84.1784, effective humidity 25.8035, average wind speed 22.1316, and it was significant at 99% confidence level. (Table 3).
접근불능지역에 대한 산불발생위험지수의 설정은 본 실시예를 통해 얻어진 전체 예측치를 이용하여 10% 구간별 백분위수를 추정하였고, 해당 예측 확률구간을 지수화하여 설정하였다(표 4). 모형에 의한 추정된 산불발생일과 비 발생일의 일일 기상위험지수(DWI) 빈도를 비교한 결과, 접근불능지역의 산불발생위험 예측이 잘 수행되고 있음을 최종 확인되었다(도 11).The forest fire occurrence risk index for the inaccessible area was estimated by the 10% interval percentile using the overall prediction value obtained through this example, and was set by indexing the prediction probability interval (Table 4). As a result of comparing the daily weather risk index (DWI) frequency between the estimated fire occurrence date and the non- occurrence occurrence date by the model, it was finally confirmed that the forest fire risk prediction in the inaccessible area was well performed (FIG. 11).
[실시예 5] 실시간 기상정보 송ㅇ수신 체계 구축[Example 5] Real-time weather information transmission and reception system construction
접근불능지역에 대한 실시간 산불위험예보 체계를 구축하기 위해 기상청에서 생산 및 배포하고 있는 초단기 실황인 재분석 기상정보의 송ㅇ수신 체계를 마련하였다. 이는 매 시간 단위로 생산되는 5km 해상도의 재분석 기상정보는 기상청-국립산림과학원 간의 국가 전용망을 통해 실시간으로 기상정보를 수집 서버로 저장하는 체계로 구축하였다. 수집 서버에 저장된 기상정보는 접근불능지역 실시간 산불위험예보 분석서버로 전송되어 좌표 변환 등 전처리 과정을 거쳐 산불위험지수를 산출하기 위한 입력 자료로 활용되었다. 이러한 일련의 과정은 실시간으로 산불위험예보 분석을 자동화할 수 있도록 프로그램화하였다(도 12).In order to establish a real-time forest fire risk forecasting system for inaccessible areas, a system for sending and receiving reanalytical weather information, which is a short-term situation produced and distributed by the Korea Meteorological Administration, was established. The 5km resolution reanalyzed weather information produced every hour is constructed by storing weather information as a collection server in real time through the national network between the Korea Meteorological Administration and the National Forest Research Institute. The meteorological information stored in the collection server was transmitted to the real-time forest fire risk forecasting server in inaccessible area and used as input data to calculate the forest fire risk index after preprocessing such as coordinate transformation. This series of processes was programmed to automate wildfire risk forecasting analysis in real time (FIG. 12).
[실시예 6] 접근불능지역 산불위험예보 파일럿 시스템 개발[Example 6] Development of wildfire risk forecast pilot system in inaccessible area
접근불능지역을 대상으로 개발한 기상위험지수(DWI), 임상위험지수(FMI), 지형위험지수(TMI)에 각각의 가중치를 부여하여 산불위험지도(FFDRI)를 작성하기 위한 프로세스의 자동화 체계를 마련하였다. 그리고 실제 산불 사례에 대한 산불발생확률모형의 예측정확도를 검증하기 위해 산불이 다발하였던 2014년 4월을 대상으로 사례분석 연구를 수행하였다. 특히, 산불이 가장 많이 발생하였던 4월 15일(51건)과 25일(70건), 산불이 적게 발생하였던 4월 27일(1건)을 대상으로 분석 및 검증을 수행하였다.The process of creating a forest fire risk map (FFDRI) by assigning each weight to the weather risk index (DWI), clinical risk index (FMI), and topographic risk index (TMI) developed for inaccessible areas Prepared. In addition, a case analysis study was conducted in April 2014, when wildfires were in order to verify the prediction accuracy of the wildfire occurrence probability model. In particular, the analysis and verification were conducted on April 15 (51) and 25 (70) when wildfires occurred the most and April 27 (1) when wildfires occurred the most.
2014년 4월 15일에 51건의 산불이 발생한 것으로 추정되는 지점의 산불위험지수는 전반적으로 높게 나타났으며 모델에서 예측된 산불위험등급별로 산불발화지점에 대한 정확도를 평가한 결과, '매우 높음' 지역에서 13.7%, '높음' 지역에서 60.8%, '보통' 지역에서 11.8%, '위험 낮음' 지역에서 13.7%로 나타났다. 이 시기에는 산불위험등급이 '보통(산불위험지수 51 이상)' 이상에서 실제 산불발생 예측 정확도가 86.3%였다(도 13). 총 70건의 동시다발적인 산불이 발생한 것으로 추정되는 2014년 4월 25일에는 산불발생지점별 산불위험등급은 '매우 높음'이 7.1%, '높음' 60.8%, '보통' 24.3%, '위험 낮음'이 8.6%로 나타났으며, 보통 이상 등급에서의 모델 정확도는 91.4%로 나타났다(도 14). 반면 접근불능지역에 강우가 탐지되었던 2014년 4월 27일은 단 1건의 산불이 발생한 것으로 추정되었으며, 산불발생지점의 산불위험지수는 58로 산불위험등급은 보통이었다(도 15).The wildfire risk index at the point where 51 wildfires were estimated to occur on April 15, 2014 was high overall, and the accuracy of the wildfire ignition point was evaluated according to the wildfire risk class predicted in the model. 13.7% in the region, 60.8% in the 'high' region, 11.8% in the 'normal' region, and 13.7% in the 'low risk' region. At this time, the wildfire risk rating was 'normal' (fire risk index 51 or higher) or higher, and the actual wildfire occurrence prediction was 86.3% (FIG. 13). On April 25, 2014, a total of 70 simultaneous forest fires were estimated, with forest fire risk ratings of 7.1%, 'high' 60.8%, 'moderate' 24.3%, and 'low risk'. 'Was 8.6%, and the model accuracy in the above average grade was 91.4% (FIG. 14). On the other hand, on April 27, 2014, when only rainfall was detected in inaccessible areas, only one forest fire was estimated, and the forest fire risk index was 58, with the wildfire risk rating being moderate (Figure 15).
본 실시예에서는 접근불능지역의 실시간 산불위험지수의 산출 및 검증 결과를 바탕으로 접근불능지역에 대한 산불위험정보를 실시간 분석하여 표출할 수 있는 웹 기반의 산불위험예보 파일럿 시스템을 개발하였다. 도 16은 접근불능지역에 대한 산불위험지수를 산출하기 위한 처리 흐름도를 나타낸 것으로 매 시간마다 기상위험지수(DWI), 임상위험지수(FMI), 지형위험지수(TMI)를 산출하며, 시기별로 가중치를 부여하여 최종적으로 산불위험지수를 산출하도록 설계하였다. 이렇게 산출된 산불위험지수는 산림보호법 32조 동법 시행령 3조 별표 1에 근거하여 4단계의 산불위험등급으로 발표될 수 있도록 하였다. 여기서 산불위험등급은 산불위험지수에 따라 '낮음(51 미만)', '보통(51~65)', '높음(66~85)', '매우 높음(86 이상)'인 4단계로 구분된다. 산불위험의 실황 분석은 매 시간 단위로 기상 정보가 입수되면 분석이 시작되도록 설계하였고, 이 때 공간 내삽 및 고도변화에 따른 기온감률 효과를 적용하여 기상 정보의 공간분포의 정확도를 고도화 하였다. 산불위험의 예보 분석은 기상청에서 발표한 05시 자료를 기준으로 72시간까지 분석이 가능하도록 설정하였다.In the present embodiment, a web-based forest fire risk prediction pilot system has been developed that can analyze and display forest fire risk information in an inaccessible area based on the calculation and verification results of the real-time forest fire risk index in an inaccessible area. FIG. 16 is a flowchart illustrating a forest fire risk index for an inaccessible area. The weather risk index (DWI), clinical risk index (FMI), and terrain risk index (TMI) are calculated every hour, and weighted by time. Was designed to finally calculate the forest fire risk index. The forest fire risk index thus calculated can be published in four stages of forest fire risk based on
파일럿 시스템의 구성은 메인화면, 현재산불위험지수, 행정구역별 산불위험등급, 상세산불위험정보, 산불위험통계, 과거자료 검색 등 산불발생위험정보를 상세하게 살펴볼 수 있도록 구성하였으며, 구성된 항목별 내용은 다음과 같다. 메인 화면에서는 행정구역별 산불위험등급 정보와 함께 실시간 기상위성 및 지상레이더 정보를 표출하고 있다. 현재 '산불위험지수' 페이지에서는 매 시간 단위로 변화되는 격자별 산불위험지수 정보를 제공하고 있으며, 산불위험지수의 공간 변화를 잘 나타낼 수 있도록 구성하였다. 또한 현재산불위험지수를 바탕으로 행정구역단위별 '산불위험등급'을 표출하도록 설계하였다. 세 번째 항목으로 구성된 '상세산불위험정보'는 지도 내에서 원하는 지점의 주소 또는 좌표 검색을 통해 현재 산불위험정보를 획득할 수 있도록 설계하였다. 다음으로 '산불위험통계'에서는 행정구역별 산불위험지수 실황 및 예보의 통계적 수치와 함께 산불위험등급이 구현되고 있다(도 17). '과거자료'검색 항목은 과거에 발표된 산불위험정보를 검색할 수 있도록 구성하였다. 마지막으로 파일럿 시스템의 운영, 분석 데이터의 관리, 기상 자료의 확인 등을 위해 비공개된 '관리자 페이지'를 구성하였다. 추가로 관리자 모드에서는 접속자 현황 정보를 관리할 수 있는 기능을 사용할 수 있다(도 18).The pilot system consists of the main screen, current forest fire risk index, forest fire risk level by administrative district, detailed forest fire risk information, forest fire risk statistics, and historical data search. Is as follows. The main screen displays real-time weather satellite and ground radar information along with forest fire risk level information by administrative district. Currently, 'The Forest Fire Risk Index' page provides information on the forest fire risk index for each grid that changes every hour, and is configured to represent the spatial change of the forest fire risk index. In addition, based on the current forest fire risk index, it is designed to express 'forest fire risk level' by administrative district unit. The detailed forest fire risk information consisting of the third item is designed to obtain current forest fire risk information by searching the address or coordinates of the desired point on the map. Next, the forest fire risk statistics are implemented with forest fire risk indexes along with statistical values of the actual forest fire risk index and forecast for each administrative region (Fig. 17). The 'Historical Data' search item is designed to search for forest fire risk information published in the past. Finally, a private 'administrator page' was created to operate the pilot system, manage the analysis data, and check the weather data. In addition, in the administrator mode, a function for managing accessor status information may be used (FIG. 18).
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.As described above, it has been described with reference to a preferred embodiment of the present invention, but those skilled in the art various modifications and changes of the present invention without departing from the spirit and scope of the invention described in the claims below I can understand that you can.
100: 기상정보 제공서버
200: 산불위험예보 분석서버
201: 위성이미지획득수단
202: 화점추출수단
203: 화점필터링수단
204: 기초정보획득수단
205: 함수도출수단
206: 산불위험지수산출부
210: 산불예보에이전트
300: 클라이언트100: weather information providing server
200: forest fire risk forecast server
201: satellite image acquisition means
202: fire point extraction means
203: fire point filtering means
204: Means for obtaining basic information
205: function derivation means
206: Forest fire risk index calculation
210: Forest Fire Forecast Agent
300: client
Claims (6)
상기 기상정보 제공서버로부터 실시간 수신된 기상정보, 및 단위격자내 임상정보 및 지형정보를 이용하여 산불위험지수를 도출하고 상기 위험지수에 따른 예보를 클라이언트에게 전송하는 산불위험예보 분석서버를 포함하되,
상기 산불위험예보 분석서버는 접근불능지역의 위성촬영이미지를 획득하는 위성이미지획득수단; 상기 위성이미지 획득수단으로부터 획득된 이미지로부터 화점을 픽셀단위로 추출하는 화점추출수단; 시계열별 산불의 확산정도 및 바람의 벡터를 고려하여 독립발화지점으로부터 확산되어 추출된 확산발화지점을 제거하는 화점필터링수단; 해당 시계열별로 얻어진 독립발화지점을 포함하는 단위격자에 대한 해당 시점에서의 기상정보, 임상정보 및 지형정보를 단위격자별로 획득하는 기초정보획득수단; 상기 기초정보획득수단으로부터 얻어진 기상정보, 임상정보 및 지형정보로부터 기상위험지수, 임상위험지수 및 지형위험지수를 산출할 각 함수를 도출하는 함수도출수단; 및 상기 얻어진 각 함수에 실시간 얻어진 단위격자별 기상정보, 임상정보 및 지형정보를 입력하여 현재의 기상위험지수, 임상위험지수 및 지형위험지수를 산출하고, 상기 산출된 현재의 기상위험지수, 임상위험지수 및 지형위험지수로부터 단위격자별 산불위험지수 및 위험등급을 산출하는 산불위험지수산출부를 포함하는 산불예보에이전트를 포함하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.Meteorological information providing server that provides weather information for each unit of grid divided into a certain unit grid nationwide;
It includes a forest fire risk forecasting server for deriving a forest fire risk index using the weather information received from the weather information providing server in real time, and clinical information and terrain information in a unit grid, and transmits a forecast according to the risk index to the client,
The forest fire risk prediction server includes: satellite image acquisition means for acquiring satellite imagery of an inaccessible region; A picture point extraction means for extracting a picture point pixel by pixel from the image acquired from the satellite image acquisition means; A fire point filtering means for removing a diffusion ignition point extracted by being diffused from an independent ignition point in consideration of a spreading time of a wildfire by time series and a wind vector; Basic information acquiring means for acquiring weather information, clinical information, and topographic information for each unit grid including the independent ignition points obtained for each time series; Function derivation means for deriving each function for calculating a meteorological risk index, a clinical risk index, and a terrain risk index from meteorological information, clinical information, and topographic information obtained from the basic information acquiring means; And calculating the current weather risk index, clinical risk index, and terrain risk index by inputting real-time weather information, clinical information, and topographic information for each unit grid obtained in each of the obtained functions, and calculating the current weather risk index and clinical risk. An inaccessible real-time forest fire risk forecasting system comprising a forest fire forecasting agent including a forest fire risk index calculation unit that calculates a forest fire risk index and a risk level for each unit grid from an index and a terrain risk index.
특정 픽셀에서 시계열적으로 산불이 탐지되었을 때, 최초로 탐지된 시점의 화점을 발화지점과 발화시기로 정하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.The method of claim 1,
When a fire is detected in a time-series at a specific pixel, inaccessible area real-time fire risk prediction system, characterized in that the fire point and the time of firing at the time of the first detection point.
동일 픽셀에서 서로 다른 시기의 산불이 탐지되었을 경우에는 개별산불로 간주하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.The method of claim 1,
If a fire is detected at different times in the same pixel, it is regarded as an individual fire.
발화시점 이후 1일에 해당 화점을 중심으로 하는 3×3 픽셀영역 내에 나타난 화점은 확산발화지점으로 제외하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.The method of claim 1,
A fire hazard prediction system in real time inaccessible area, characterized in that the flash point appearing within the 3 × 3 pixel area centered on the corresponding fire point on the 1st after the point of ignition is excluded as a diffusion ignition point.
발화시점 이후 2일 이후부터는 해당 화점을 중심으로 하는 5×5 픽셀영역내에 나타난 화점은 확산발화지점으로 제외하는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.The method of claim 1,
Two days after the point of ignition, the point of fire within the 5 × 5 pixel area centered on the corresponding point of fire is the diffusion ignition point.
기상위험지수를 산출할 함수는 식 1으로 표시되는 것을 특징으로 하는 접근불능지역 실시간 산불위험예보시스템.
[1+exp{-(2.745+(0.0905*일최고기온)-(0.0517*일최저상대습도)+(0.0334*실효습도)+(0.1283*평균풍속))}-1]-1
The method of claim 1,
The function of calculating the weather hazard index is an inaccessible area real-time forest fire hazard prediction system, characterized by Equation 1.
[1 + exp {-(2.745+ (0.0905 * daily high temperature)-(0.0517 * daily minimum relative humidity) + (0.0334 * effective humidity) + (0.1283 * average wind speed))} -1 ] -1
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180054173A KR102108754B1 (en) | 2018-05-11 | 2018-05-11 | Realtime forest fire danger rating system in north korea |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180054173A KR102108754B1 (en) | 2018-05-11 | 2018-05-11 | Realtime forest fire danger rating system in north korea |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190129470A true KR20190129470A (en) | 2019-11-20 |
| KR102108754B1 KR102108754B1 (en) | 2020-05-08 |
Family
ID=68729488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180054173A KR102108754B1 (en) | 2018-05-11 | 2018-05-11 | Realtime forest fire danger rating system in north korea |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102108754B1 (en) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112785805A (en) * | 2021-03-09 | 2021-05-11 | 成都星河天玑数字科技有限公司 | Fire-fighting site rescue solution method and system based on grid codes |
| CN112884324A (en) * | 2021-02-21 | 2021-06-01 | 深圳数研锦瀚智慧科技有限公司 | Forest fire danger monitoring method and device and storage medium |
| CN112989577A (en) * | 2021-02-22 | 2021-06-18 | 中国林业科学研究院森林生态环境与保护研究所 | Method for forecasting forest fire danger trend of China regional monthly or quarterly |
| CN113159362A (en) * | 2020-12-10 | 2021-07-23 | 西安天和防务技术股份有限公司 | Forest fire grade prediction method and device |
| CN113361622A (en) * | 2021-06-21 | 2021-09-07 | 广东电网有限责任公司 | Fire passing area extraction method and system based on geostationary satellite |
| CN113350728A (en) * | 2021-06-17 | 2021-09-07 | 重庆邮电大学 | Fire-fighting alarm and prediction system based on real-time calculation and artificial intelligence |
| CN113554845A (en) * | 2021-06-25 | 2021-10-26 | 东莞市鑫泰仪器仪表有限公司 | Be used for forest fire prevention thermal imaging device |
| CN113886763A (en) * | 2021-10-15 | 2022-01-04 | 中国科学技术大学 | Method for estimating forest fire frequency and intensity based on satellite microwave index and meteorological index |
| CN114861991A (en) * | 2022-04-18 | 2022-08-05 | 国家林业和草原局哈尔滨林业机械研究所 | Lightning stroke fire risk prediction method and system based on three-dimensional lightning perception |
| CN116824462A (en) * | 2023-08-30 | 2023-09-29 | 贵州省林业科学研究院 | Forest intelligent fireproof method based on video satellite |
| CN113361622B (en) * | 2021-06-21 | 2024-04-26 | 广东电网有限责任公司 | Method and system for extracting fire passing area based on stationary satellite |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110023609A (en) * | 2009-08-31 | 2011-03-08 | 대한민국(관리부서 : 산림청 국립산림과학원장) | Method for forecasting forest fire danger rating and the system |
| KR101484667B1 (en) * | 2014-07-23 | 2015-01-27 | 대한민국 | A method and system for fire detection using satellite observation |
| JP2018018297A (en) * | 2016-07-28 | 2018-02-01 | 株式会社日立パワーソリューションズ | Fire simulation device, fire simulation method and fire simulation program |
-
2018
- 2018-05-11 KR KR1020180054173A patent/KR102108754B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110023609A (en) * | 2009-08-31 | 2011-03-08 | 대한민국(관리부서 : 산림청 국립산림과학원장) | Method for forecasting forest fire danger rating and the system |
| KR101484667B1 (en) * | 2014-07-23 | 2015-01-27 | 대한민국 | A method and system for fire detection using satellite observation |
| JP2018018297A (en) * | 2016-07-28 | 2018-02-01 | 株式会社日立パワーソリューションズ | Fire simulation device, fire simulation method and fire simulation program |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159362A (en) * | 2020-12-10 | 2021-07-23 | 西安天和防务技术股份有限公司 | Forest fire grade prediction method and device |
| CN112884324A (en) * | 2021-02-21 | 2021-06-01 | 深圳数研锦瀚智慧科技有限公司 | Forest fire danger monitoring method and device and storage medium |
| CN112989577A (en) * | 2021-02-22 | 2021-06-18 | 中国林业科学研究院森林生态环境与保护研究所 | Method for forecasting forest fire danger trend of China regional monthly or quarterly |
| CN112785805B (en) * | 2021-03-09 | 2024-01-26 | 成都星河天玑数字科技有限公司 | Fire scene rescue solving system based on grid codes |
| CN112785805A (en) * | 2021-03-09 | 2021-05-11 | 成都星河天玑数字科技有限公司 | Fire-fighting site rescue solution method and system based on grid codes |
| CN113350728A (en) * | 2021-06-17 | 2021-09-07 | 重庆邮电大学 | Fire-fighting alarm and prediction system based on real-time calculation and artificial intelligence |
| CN113361622A (en) * | 2021-06-21 | 2021-09-07 | 广东电网有限责任公司 | Fire passing area extraction method and system based on geostationary satellite |
| CN113361622B (en) * | 2021-06-21 | 2024-04-26 | 广东电网有限责任公司 | Method and system for extracting fire passing area based on stationary satellite |
| CN113554845A (en) * | 2021-06-25 | 2021-10-26 | 东莞市鑫泰仪器仪表有限公司 | Be used for forest fire prevention thermal imaging device |
| CN113554845B (en) * | 2021-06-25 | 2022-09-30 | 东莞市鑫泰仪器仪表有限公司 | Be used for forest fire prevention thermal imaging device |
| CN113886763B (en) * | 2021-10-15 | 2023-08-29 | 中国科学技术大学 | Method for Estimating Forest Fire Frequency and Intensity Based on Satellite Microwave Index and Meteorological Index |
| CN113886763A (en) * | 2021-10-15 | 2022-01-04 | 中国科学技术大学 | Method for estimating forest fire frequency and intensity based on satellite microwave index and meteorological index |
| CN114861991A (en) * | 2022-04-18 | 2022-08-05 | 国家林业和草原局哈尔滨林业机械研究所 | Lightning stroke fire risk prediction method and system based on three-dimensional lightning perception |
| CN116824462A (en) * | 2023-08-30 | 2023-09-29 | 贵州省林业科学研究院 | Forest intelligent fireproof method based on video satellite |
| CN116824462B (en) * | 2023-08-30 | 2023-11-07 | 贵州省林业科学研究院 | Forest intelligent fireproof method based on video satellite |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102108754B1 (en) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102108754B1 (en) | Realtime forest fire danger rating system in north korea | |
| KR102108752B1 (en) | Method for realtime forest fire danger rating forecasting in north korea | |
| Di Giuseppe et al. | The potential predictability of fire danger provided by numerical weather prediction | |
| Catry et al. | Modeling and mapping wildfire ignition risk in Portugal | |
| Martínez et al. | Human-caused wildfire risk rating for prevention planning in Spain | |
| Salis et al. | Predicting wildfire spread and behaviour in Mediterranean landscapes | |
| Amraoui et al. | Fire activity over Mediterranean Europe based on information from Meteosat-8 | |
| Pinto et al. | Fire danger rating over Mediterranean Europe based on fire radiative power derived from Meteosat | |
| Gonzalez-Olabarria et al. | Identifying location and causality of fire ignition hotspots in a Mediterranean region | |
| Nieto et al. | Lightning-caused fires in Central Spain: Development of a probability model of occurrence for two Spanish regions | |
| CN110009031B (en) | Satellite mountain fire point secondary screening method based on multi-source remote sensing data | |
| Dowdy et al. | Characteristics of lightning-attributed wildland fires in south-east Australia | |
| Elia et al. | Likelihood and frequency of recurrent fire ignitions in highly urbanised Mediterranean landscapes | |
| Hand et al. | Examining heterogeneity and wildfire management expenditures using spatially and temporally descriptive data | |
| Plucinski et al. | Predicting the number of daily human-caused bushfires to assist suppression planning in south-west Western Australia | |
| CN110853280A (en) | Mountain fire identification method and device combining satellite remote sensing and ground surface elements | |
| CN114333207A (en) | Fire overall process monitoring method and device based on remote sensing data | |
| CN108664926B (en) | Method for identifying cloud layer reflection false hot spot on forest fire satellite monitoring | |
| CN113204736A (en) | Method, system, medium and equipment for real-time monitoring and prediction of forest fire danger | |
| Trang et al. | Forest fire and its key drivers in the tropical forests of northern Vietnam | |
| Horel et al. | An evaluation of fire danger and behaviour indices in the Great Lakes Region calculated from station and gridded weather information | |
| Blanchi et al. | Forest fire risk assessment and cartography. A methodological approach | |
| Hysa et al. | Multi-criteria inventory of burned areas in landscape scale; Case of Albania | |
| KR102108755B1 (en) | Realtime forest fire danger rating system in north korea on mobile network | |
| CN112750280A (en) | Combined type geological disaster professional monitoring and early warning method and device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |