선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 실시하고 있다. 따라서 본 연구는 산불발생 위 험 예 보의 정 확성 을 향상시 키기 위하여 의성군지역의 1993 ~2002년 산불 발생자료와 공간특성자료(100x100m)를 이용하여각 지점별 산불발생확률모형을 개발하였으며, 연구결과를 요약하면 다음과 같다.
- 따라서, 본 연구는 산불위험예보시스템에 있어서 지형, 임상에 대한 알고리즘 개선을 위한계속적인 연구로서 기존에 조건부확률모형을 이용하여 산불발생위험지역을 구분한(이시영 등, 2004) 의성군지역 대상으로 공간분석과 통계모형에 의한 산불발생확률모형을 개발하고 지수화하였다. 또한 기존에 개발된 것과 정확성을 비교 검토함으로서 산불위험예보시스템의 알고리즘 개선에 대한 기초 자료를 제시하는데 있다.
- 또한 기존에 개발된 것과 정확성을 비교 검토함으로서 산불위험예보시스템의 알고리즘 개선에 대한 기초 자료를 제시하는데 있다.
- 본 연구에서는 기존에 조건부확률을 이용하여 산불발생위험지역을 구분한 경상북도 의 성군지 역을 대상으로 하였으며, 산불발생위 험지 역을 구분하기 위해서 우선 산불발생과 관련 있을 것으로 판단되는 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지, 산불발생지점에 대한 GIS 관련 주제도를 구축하였다. 산불발생지점은 최근 10년간(1993 ~ 2002년) 아주 작은 산불일지라도 일단 불이 붙은 지역을 포함한 190건의 자료를 이용하였으며, 오차범위는 50m 이내였다.
제안 방법
- 이때 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등은 인자로부터 떨어진 거리 값을 독립변수값으로 설정하였다. 그리고 임상은 침엽수, 활엽수, 혼효림, 기타(초지, 벌채지 등), 임외로 구분하고, 사면향은 평지, 북, 북동, 동, 남동, 남, 남서, 서, 북서로 구분하여 더미변수로 변환하였으며, 비교기준이 되는 독립변수로 침엽수와 평지를 지정하여 분석하였다. 로지스틱 모형(박상언, 2002)은 다음과 같다
- 이러한 결과가 기존에 조건부 확률모형(이시영 등, 2004)을 이용하여 산불 발생위험 지역을 구분한 결과와 비교하여 어느 모형을 이용하는 것이 산불발생위험지역을 구분하는데 효율적인지 알아보기 위하여 예측비 곡 risk region using logistic model in Uiseong-gun 선을 이용하였다. 기존에 개발된 조건부확률모형은 lOxlOm 해상도로 분석되어 있기 때문에 지점별로 계산된 산불발생확률 값을 로지스틱모형과 동일한 조건인 100x100m 해상도로 변환하여 위험지수를 구하였다. 두 모형간 효율성 분석을 위하여 과거(1993-2002년) 산불 발생지점에 대한 위험지수를 산출하여 누적된 산불 발생비율로 예측비 곡선에 적용한 결과 그림 3과 같이 나타났다.
- 적합성 검정이 끝난 후 산불 발생위험지수를 바탕으로 산불발생위험지역을 구분하였다. 또한 로지스틱모형에 의해 개발된 산불 발생위험지수를 과거 조건부확률모형(이시영 등, 2004)에 의해 개발된 산불발생위험지수와 비교 검토함으로서 보다 효율적인 산불발생위험지역 구분이 되도록 하였다.
- 로지스틱에 의하여 개발된 산불 발생확률모형을 이용하여 지점별 산불발생확률을 구한 다음 확률값을 이용하여 산불발생위험지수를 20등급으로 산출하였다. 산출된 위험지수의 적합성 검정을 위하여 과거 발생하였던 산불 발생지점에 대한 위험지수를 산출하여 예측비곡선에 적용하였다.
- 위험지역을 구분하였다. 사용자가 산불 발생위험지역을 효율적으로 관리할 수 있도록 20등급으로 되어 있는 지수를 크게 아주 높음, 높음, 보통, 낮음, 아주 낮음과 같이 5단계로 구분하여 산불발생 위험지도를 작성하였다. 위험지도를 작성하기 위한 5단계 구분은 표 2와 같이 위험지수를 이용하여 분류한 결과 아주 높음이 전체 면적 증 차지하는 비율이 20%에 불과하지만 전체 발생건수의 58% 이상 발생하므로 이 지역을 집중적으로 관리하면 산불감시 측면에서 효율성이 높을 것으로 사료된다.
- 산불 발생위험 지역을 구분하기위한 위험지수의 적합성 검증을 위하여 과거 발생하였던 산불 발생지점에 대한 위험지수를 산출하였다. 그 결과 그림 1과 같이 좌상곡선을 나타냈으며, 위험지수 4등급까지 전체 산불발생건수의 58%, 8등급까지 81%가 발생하였다.
- 개발하였다. 산불발생 유무를 나타내는 산불발생지점을 더미변수로 하여 종속변수로 놓고, 산불발생과 영향이 있는 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등과 같은 요인들을 독립변수로 주었다. 이때 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등은 인자로부터 떨어진 거리 값을 독립변수값으로 설정하였다.
- 산불발생에 영향을 주는 요인을 구명하기 위하여 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지, 산불발생지점에 대한 GIS 관련 주제도를 구축하였다. 산불발생지점은 1993 ~2002년에 발생한 지점으로 하였으며, 구축된 주제 도를 지점별로 산불발생확률을 구하기 위하여 GIS 프로그램인 ArcGIS8.
- 산불발생위험지수가 적합성이 있는 것으로 나타났기 때문에 이것을 이용하여 의성군 지역 산불 발생 위험지역을 구분하였다. 사용자가 산불 발생위험지역을 효율적으로 관리할 수 있도록 20등급으로 되어 있는 지수를 크게 아주 높음, 높음, 보통, 낮음, 아주 낮음과 같이 5단계로 구분하여 산불발생 위험지도를 작성하였다.
- 구축하였다. 산불발생지점은 1993 ~2002년에 발생한 지점으로 하였으며, 구축된 주제 도를 지점별로 산불발생확률을 구하기 위하여 GIS 프로그램인 ArcGIS8.3을 이용하여 각 주제도를 Iha(lOOxlOOm) 크기의 그리드로 변환하고, 각 지점별 공간특성을 분석하였다.
- 산출하였다. 산출된 위험지수의 적합성 검정을 위하여 과거 발생하였던 산불 발생지점에 대한 위험지수를 산출하여 예측비곡선에 적용하였다. 적합성 검정이 끝난 후 산불 발생위험지수를 바탕으로 산불발생위험지역을 구분하였다.
- 우선 공간분석은 100x100m 크기의 그리드로 하였는데 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 산불발생지점은 구축된 주제도에서 직접 100x100m 크기의 셀로 변환하였으며, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등거리에 따른 분석이 필요한 주제도는 10x10m 해상도로 변환하여 거리에 따른 재분류를 실시한 다음 100x100m 크기로 재변환하여 셀 크기를 동일하게 하였다.
- 이러한 결과를 바탕으로지 점 별 산불발생확률모형 에서 사후검 정 으로 예측된 지점별 산불발생확률을 이용하여 산불 발생위험지수를 설정하였다. 위험지수의 설정은 지점별 공간특성자료를 확률모형에 대입하여 얻어진 확률들의 총예측치를 이용하였으며, 5% 구간별 백분위수를 추정하고 해당 확률구간을 지수화하여 설정하였다. 산불발생확률값은 1이 100%를 나타내므로 구한 결과값에 100을 곱하여 표기하였으며, 지수는 산불발생확률이 높은 지역을 1로 낮은 지역을 20으로 선정하여 나타낸 결과 표 1과 같이 나타났다.
- 의성군지역의 지점별 공간특성자료(농경지, 관청, 경급, 도로, 산림지, 사면향)를 독립변수로 산불 발생지점을 종속변수로 설 정 하여 로지 스틱 모형에 대입하여 통계적으로 유의한 산불 발생확률모형을 개발하였다. 이러한 결과를 바탕으로지 점 별 산불발생확률모형 에서 사후검 정 으로 예측된 지점별 산불발생확률을 이용하여 산불 발생위험지수를 설정하였다.
- 산불발생 유무를 나타내는 산불발생지점을 더미변수로 하여 종속변수로 놓고, 산불발생과 영향이 있는 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등과 같은 요인들을 독립변수로 주었다. 이때 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등은 인자로부터 떨어진 거리 값을 독립변수값으로 설정하였다. 그리고 임상은 침엽수, 활엽수, 혼효림, 기타(초지, 벌채지 등), 임외로 구분하고, 사면향은 평지, 북, 북동, 동, 남동, 남, 남서, 서, 북서로 구분하여 더미변수로 변환하였으며, 비교기준이 되는 독립변수로 침엽수와 평지를 지정하여 분석하였다.
- 개발하였다. 이러한 결과를 바탕으로지 점 별 산불발생확률모형 에서 사후검 정 으로 예측된 지점별 산불발생확률을 이용하여 산불 발생위험지수를 설정하였다. 위험지수의 설정은 지점별 공간특성자료를 확률모형에 대입하여 얻어진 확률들의 총예측치를 이용하였으며, 5% 구간별 백분위수를 추정하고 해당 확률구간을 지수화하여 설정하였다.
- 산출된 위험지수의 적합성 검정을 위하여 과거 발생하였던 산불 발생지점에 대한 위험지수를 산출하여 예측비곡선에 적용하였다. 적합성 검정이 끝난 후 산불 발생위험지수를 바탕으로 산불발생위험지역을 구분하였다. 또한 로지스틱모형에 의해 개발된 산불 발생위험지수를 과거 조건부확률모형(이시영 등, 2004)에 의해 개발된 산불발생위험지수와 비교 검토함으로서 보다 효율적인 산불발생위험지역 구분이 되도록 하였다.
- 지점별 공간특성자료(농경지, 관청, 경급, 도로, 산림지, 사면향)를 로지스틱 모형에 대입하여 산불발생 확률모형 을 개 발하여 , 산불발생 위 험지역을 구분하였다. 이러한 결과가 기존에 조건부 확률모형(이시영 등, 2004)을 이용하여 산불 발생위험 지역을 구분한 결과와 비교하여 어느 모형을 이용하는 것이 산불발생위험지역을 구분하는데 효율적인지 알아보기 위하여 예측비 곡 risk region using logistic model in Uiseong-gun 선을 이용하였다.
- 12# 이용하였다. 지점별로 각각 산불발생 유무를 종속변수로 하고, 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등과 같은 요인들을 독립변수로 하여 로지스틱 회귀모형을 적용하였다. 독립변수들 중에서 통계적으로 유의한 변수를 선택하기 위하여 모든 변수를 모형에 포함시키고 변수를 하나씩 제거해나가는 변수감소법 (backward elimination)을 사용하였으며, 유의수준은 5%로 설정하였다.
- 첫째, 산불발생에 영향을 주는 공간 특성으로는 농경지, 관청, 경급, 도로, 산림지, 사면 향으로 나타났으며, 이것을 이용하여 각 지점별 산불 발생확률을 계산하는 산불발생확률모형을 개발하였다. 각 지점별 산불발생확률 추정식은 다음과 같다.
대상 데이터
- 주제도를 구축하였다. 산불발생지점은 최근 10년간(1993 ~ 2002년) 아주 작은 산불일지라도 일단 불이 붙은 지역을 포함한 190건의 자료를 이용하였으며, 오차범위는 50m 이내였다. 임상자료(임상, 밀도, 경급, 영급, 산림지)는 국립산림과학원 1:25,000 임상도로부터 필요한 주제도를 추출하였다.
- 산불발생지점은 최근 10년간(1993 ~ 2002년) 아주 작은 산불일지라도 일단 불이 붙은 지역을 포함한 190건의 자료를 이용하였으며, 오차범위는 50m 이내였다. 임상자료(임상, 밀도, 경급, 영급, 산림지)는 국립산림과학원 1:25,000 임상도로부터 필요한 주제도를 추출하였다. 또한 지형자료(고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지)는 국토지리정보원 1:5,000과 1:25,000 수치지형도 및 환경부 1:25,000 토지피복지도를 이용하여 구축하였다.
데이터처리
- 산불발생위험지역을 구분하기 위한 알고리즘인 산불발생확률모형을 개발하기 위하여 GIS 프로그램인 ArcGIS8.3을 이용하여 공간분석과 통계 프로그램인 SAS8.12를 이용하여 로지스틱 분석을 실시하였다.
이론/모형
- 지점별로 각각 산불발생 유무를 종속변수로 하고, 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등과 같은 요인들을 독립변수로 하여 로지스틱 회귀모형을 적용하였다. 독립변수들 중에서 통계적으로 유의한 변수를 선택하기 위하여 모든 변수를 모형에 포함시키고 변수를 하나씩 제거해나가는 변수감소법 (backward elimination)을 사용하였으며, 유의수준은 5%로 설정하였다. 분석 결과 산불발생에 영향을 주는 인자로 농경지, 관청, 경급, 도로, 산림지, 사면향으로 나타났으며, 각 지점별 산불발생확률 추정식은 다음과 같다.
- 산불발생위험지역을 구분하는 알고리즘을 개발하기 위한 통계모형으로 로지스틱 모형을 이용하였으며, 특정지역의 산불발생확률은 산불 발생과 연관성이 있을 것으로 사료되는 지형 및 임상자료와 산불발생지 점 을 이용하여 산불 발생확률모형을 개발하였다. 산불발생 유무를 나타내는 산불발생지점을 더미변수로 하여 종속변수로 놓고, 산불발생과 영향이 있는 임상, 밀도, 경급, 영급, 고도, 경사, 사면향, 도로, 소로, 하천, 관청, 묘지, 주거지, 농경지, 산림지 등과 같은 요인들을 독립변수로 주었다.
- 구분하였다. 이러한 결과가 기존에 조건부 확률모형(이시영 등, 2004)을 이용하여 산불 발생위험 지역을 구분한 결과와 비교하여 어느 모형을 이용하는 것이 산불발생위험지역을 구분하는데 효율적인지 알아보기 위하여 예측비 곡 risk region using logistic model in Uiseong-gun 선을 이용하였다. 기존에 개발된 조건부확률모형은 lOxlOm 해상도로 분석되어 있기 때문에 지점별로 계산된 산불발생확률 값을 로지스틱모형과 동일한 조건인 100x100m 해상도로 변환하여 위험지수를 구하였다.
성능/효과
- 대한 위험지수를 산출하였다. 그 결과 그림 1과 같이 좌상곡선을 나타냈으며, 위험지수 4등급까지 전체 산불발생건수의 58%, 8등급까지 81%가 발생하였다. 이러한 결과로 볼 때 산불발생위험지역을 구분하기 위한 산불 발생위험지수는 적합성이 있는 것으로 판단된다.
- 둘째, 지점별 산불발생확률모형에서 사후검정으로 예측된 지점별 산불발생확률을 이용하여 산불 발생위험지수를 20등급으로 설정하였다, 또한 위험지수의 적합성 검정을 위하여 과거 발생하였던 산불발생지점에 대한 위험지수를 산줄하여 예측비곡선에 적용하였더니 좌상곡선을 나타냈으며, 위험지수 4등급까지 전체 산불 발생 건수의 58%, 8등급까지 81%가 발생하여 신뢰성이 있는 것으로 나타났다.
- 그러나 9등급에서 두 모형이 84%로 동일한 결과 값을 나타내었으며, 10등급 이상에서도 두 모형이 비슷한5값을 나타내었다. 따라서 전반적으로 산불발생6 위험이 높은 지역을 대상으로 보면 로지스틱모형이 조건부확률모형보다 예측력이 좋은 것으로) 나타났다. 또한 로지 스틱 모형 이 조건부확률모형보다 수식이 간단하기 때문에 추후 산불 발생위험 지역을 구분할 때 효율성이 높을 것으로 사료된다.
- 로지스틱모형에서는 4등급까지 전체 발생 건수의 58%가 발생하고, 8등급까지 81%가 발생한 반면, 조건부확률모형은 4등급까지 53%, 8등급까지 79%가 발생하여 로지스틱확률모형에서 예측력이 높은 것으로 나타났다. 그러나 9등급에서 두 모형이 84%로 동일한 결과 값을 나타내었으며, 10등급 이상에서도 두 모형이 비슷한5값을 나타내었다.
- 셋째, 새로 개발된 로지스틱모형이 기존에 조건부확률모형 과 비교하여 산불발생위 험지역 을 구분하는데 효율적인지 알아보기 위하여 예측비곡선을 이용하였더니 전반적으로 산불 발생위험이 높은 지역을 대상으로 보면 로지스틱모형이 조건부확률모형보다 예측력이 좋은 것으로 나타났다.
- 사용자가 산불 발생위험지역을 효율적으로 관리할 수 있도록 20등급으로 되어 있는 지수를 크게 아주 높음, 높음, 보통, 낮음, 아주 낮음과 같이 5단계로 구분하여 산불발생 위험지도를 작성하였다. 위험지도를 작성하기 위한 5단계 구분은 표 2와 같이 위험지수를 이용하여 분류한 결과 아주 높음이 전체 면적 증 차지하는 비율이 20%에 불과하지만 전체 발생건수의 58% 이상 발생하므로 이 지역을 집중적으로 관리하면 산불감시 측면에서 효율성이 높을 것으로 사료된다. 그림 2는 산불 발생위험지역을 구분하여 위험지도를 작성한 결과이다.
- 그 결과 그림 1과 같이 좌상곡선을 나타냈으며, 위험지수 4등급까지 전체 산불발생건수의 58%, 8등급까지 81%가 발생하였다. 이러한 결과로 볼 때 산불발생위험지역을 구분하기 위한 산불 발생위험지수는 적합성이 있는 것으로 판단된다.
후속연구
- 따라서, 로지스틱확률모형을 이용한 산불 발생위험 지역의 구분은 현재 실용화하고 있는 산불위험 예보시스템의 알고리즘 개선과 산불위험 지역관리방안에 대한 기초 자료로서 활용될 수 있을 것으로 사료된다.
- 따라서 전반적으로 산불발생6 위험이 높은 지역을 대상으로 보면 로지스틱모형이 조건부확률모형보다 예측력이 좋은 것으로) 나타났다. 또한 로지 스틱 모형 이 조건부확률모형보다 수식이 간단하기 때문에 추후 산불 발생위험 지역을 구분할 때 효율성이 높을 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.