한 달 뒤 산불 위험을 기존 수치예보 기반 방식보다 더 정확하게 예측하는 인공지능(AI) 기술이 나왔다.

울산과학기술원(UNIST) 지구환경도시건설공학과 임정호 교수팀은 전 세계 산불기상지수(FWI)를 하루 단위로 최대 31일 앞서 예측하는 글로벌 딥러닝 모델 'FWI-Net'을 개발했다고 25일 박혔다.

산불기상지수는 기온과 상대습도, 바람, 강수량을 종합해 불씨가 생겼을 때 산불이 크게 번질 위험이 얼마나 큰지를 보여주는 지표다.

이 지수로 산불 위험이 커질 지역에 소방 인력과 장비를 미리 배치하고 주민 경보나 산림 출입 통제 등 예방 대책을 세울 수 있다.

그러나 기존 유럽중기예보센터(ECMWF)의 수치예보 기반 방식은 약 2주가 지나면 지역별 정확도가 빠르게 떨어지는 한계가 있다.

연구팀이 개발한 모델은 기존 방식보다 31일 전체 예측 기간의 평균 제곱근 오차(RMSE)를 6.6% 줄였고, 첫 일주일 동안은 오차를 12.4%까지 낮췄다.

또 산불 위험 노출도와 사회경제적 취약성이 모두 높은 지역의 85%에서 산불 위험을 실제보다 과소·과다 평가하는 예측 편향이 줄어든 것으로 나타났다.

특히 산불 위험이 '매우 높음'인 상황에서 유의미한 예측이 가능한 기간이 기존보다 5일 더 늘어났다.

예보와 대응 기반이 부족한 빈곤 지역에서는 3주가 넘는 평균 22일 동안 유의미한 예측 성능을 유지했다.

연구팀은 과거 산불기상지수 변화와 미래 기상 조건을 동시에 반영해 이 모델을 만들었다. 기온이나 강수량 등 미래 기상 상태가 같더라도 앞선 기간의 가뭄과 건조 상태가 누적되면 산불 위험이 커지는 효과를 AI가 학습해 반영한 것이다.

연구팀은 모델을 두 단계로 학습시켰다. 먼저 실제 관측과 기상 모델을 결합해 과거 날씨를 복원한 방대한 ERA5 재분석 자료로 사전 학습시켜 중기예측 성능을 극대화했다.

이어 실제 예보에 쓰이는 SEAS5 자료로 다시 학습시키는 방식을 통해 예보 자료 부족 문제를 보완했다.

SEAS5는 ECMWF가 기온·습도·강수량·풍속 등을 예측해 제공하는 계절 수치예보 자료로, 월 1회만 생산돼 딥러닝 모델을 충분히 학습시키기에 부족했기 때문이다.

임정호 교수는 "기후변화로 전 세계적인 산불 피해가 급증하는 상황에서 정확한 예측 기술은 실제 국가 재난 대응력과 직결되는 정보 인프라"라며 "중기 산불 대응 계획을 세우고, 예보 기반이 부족한 지역의 정보 공백을 줄이는 데 활용할 수 있을 것"이라고 말했다.

기후에너지환경부, 산림청, 한국연구재단의 지원을 받은 이번 연구 결과는 국제 학술지 '커뮤니케이션스 어스 앤드 인바이런먼트'(Communications Earth & Environment)에 지난달 28일 온라인으로 공개됐다.