산불 확산 패턴 분석은 산림 생태계 안정화를 이해하는데 중요한 요소이다. 하지만 규모의 문제로 인해 실제적인 실험이 불가능하여 많은 학자들이 시뮬레이션 모델을 이용하여 산불 확산의 행동기작을 이해하고 산림 피해를 예측하였다. 그러나 많은 모델들이 연료의 종류, 바람, 습도 같은 여러 환경 요소들의 복잡한 관계를 표현하는데 한계를 가지고 있다. 본 논문에서는 지형의 구조와 두 종의 나무들로 구성된 산림에서 미치는 영향을 분석하는 간단한 모델을 제안하였다. 두 종의 나무는 가연성이 높은 나무와 가연성이 낮은 나무가 있으며, 서로 다른 산불 전이 확률을 가지고 있다. 전체 나무는 시뮬레이션 공간에 0.5에서 1.0까지의 비율로 무작위로 배치된다. 가연성이 높은 나무는 가연성이 낮은 나무 보다 높은 산불 전이 확률을 가진다. 전소한 나무의 수를 기준으로 지형의 구조와 전체 나무의 밀도가 산불 확산에 얼마나 영향을 미치는지 민감도를 분석하였다. 우리는, 본 논문에서 제시한 모델이 앞으로 산불 확산 패턴을 연구하는데 유용할 것으로 기대한다.
산불 확산 패턴 분석은 산림 생태계 안정화를 이해하는데 중요한 요소이다. 하지만 규모의 문제로 인해 실제적인 실험이 불가능하여 많은 학자들이 시뮬레이션 모델을 이용하여 산불 확산의 행동기작을 이해하고 산림 피해를 예측하였다. 그러나 많은 모델들이 연료의 종류, 바람, 습도 같은 여러 환경 요소들의 복잡한 관계를 표현하는데 한계를 가지고 있다. 본 논문에서는 지형의 구조와 두 종의 나무들로 구성된 산림에서 미치는 영향을 분석하는 간단한 모델을 제안하였다. 두 종의 나무는 가연성이 높은 나무와 가연성이 낮은 나무가 있으며, 서로 다른 산불 전이 확률을 가지고 있다. 전체 나무는 시뮬레이션 공간에 0.5에서 1.0까지의 비율로 무작위로 배치된다. 가연성이 높은 나무는 가연성이 낮은 나무 보다 높은 산불 전이 확률을 가진다. 전소한 나무의 수를 기준으로 지형의 구조와 전체 나무의 밀도가 산불 확산에 얼마나 영향을 미치는지 민감도를 분석하였다. 우리는, 본 논문에서 제시한 모델이 앞으로 산불 확산 패턴을 연구하는데 유용할 것으로 기대한다.
Understanding the forest fire patterns is necessary to comprehend the stability of the forest ecosystems. Thus, researchers have suggested the simulation models to mimic the forest fire spread dynamics, which enables us to predict the forest damage in the scenarios that are difficult to be experimen...
Understanding the forest fire patterns is necessary to comprehend the stability of the forest ecosystems. Thus, researchers have suggested the simulation models to mimic the forest fire spread dynamics, which enables us to predict the forest damage in the scenarios that are difficult to be experimentally tested in laboratory scale. However, many of the models have the limitation that many of them did not consider the complicated environmental factors, such as fuel types, wind, and moisture. In this study, we suggested a simple model with the factors, especially, the geomorphological structure of the forest and two types of fuel. The two fuels correspond to susceptible tree and resistant tree with different probabilities of transferring fire. The trees were randomly distributed in simulation space at densities ranging from 0.5 (low) to 1.0 (high). The susceptible tree had higher value of the probability than the resistant tree. Based on the number of burnt trees, we then carried out the sensitivity analysis to quantify how the forest fire patterns are affected by the structure and tree density. We believe that our model can be a useful tool to explore forest fire spreading patterns.
Understanding the forest fire patterns is necessary to comprehend the stability of the forest ecosystems. Thus, researchers have suggested the simulation models to mimic the forest fire spread dynamics, which enables us to predict the forest damage in the scenarios that are difficult to be experimentally tested in laboratory scale. However, many of the models have the limitation that many of them did not consider the complicated environmental factors, such as fuel types, wind, and moisture. In this study, we suggested a simple model with the factors, especially, the geomorphological structure of the forest and two types of fuel. The two fuels correspond to susceptible tree and resistant tree with different probabilities of transferring fire. The trees were randomly distributed in simulation space at densities ranging from 0.5 (low) to 1.0 (high). The susceptible tree had higher value of the probability than the resistant tree. Based on the number of burnt trees, we then carried out the sensitivity analysis to quantify how the forest fire patterns are affected by the structure and tree density. We believe that our model can be a useful tool to explore forest fire spreading patterns.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 많은 모델들이 연료의 종류, 바람, 습도 같은 여러 환경 요소들의 복잡한 관계를 표현하는데 한계를 가지고 있다. 본 논문에서는 지형의 구조와 두 종의 나무들로 구성된 산림에서 미치는 영향을 분석하는 간단한 모델을 제안하였다. 두 종의 나무는 가연성이 높은 나무와 가연성이 낮은 나무가 있으며, 서로 다른 산불 전이 확률을 가지고 있다.
본 연구에서는 환경요소를 고려하기 용이한 격자기반의 확률적 모델을 제안하였다. 격자기반 방식의 확산 기법은 단순하고 응용 가능 범위가 넓어서(Ball and Gurtin, 1992; Vasconcelos and Geurtin, 1992; Feunekes, 1991), 무질서한 자연현상을 연구하는데 유용하다(Wolfram, 1994).
가설 설정
경사도가 음수인 경우, hn − hn,j<0으로 정의하였으며 경사가 산불확산에 미치는 영향은 없는것으로 가정하였다.
제안 방법
Ex=1로 부여된 격자들(나무가 위치한 격자) 가운데, 임의의 수를 발생시키고 이 수를 0.4와 비교하였다. 발생한 수가 0.
본 연구에서 제안한 모델도 CA 방식을 사용하였다. 그리고 제안한 모델은 기존의 모델들에서는 고려하지 않은 두 종의 나무로 구성된 산림 구조와 기존의 획일화된 경사(Pimont et al., 2012; Bulter et al., 2007; David et al., 1997)가 아니라 좀더 실제적이고 자연스러운 지형을 기반으로 한 경사의 영향을 고려하였다. 본 연구에서 사용된 모델을 이용하여 산림에서 산불확산의 패턴 분석과 산불확산 속도 및 산불 후 나무의 생존밀도에 대해서 시뮬레이션 하였으며, 결과에 대해 민감도 분석을 수행하였다.
아마도, 지형에 따라서 변화하는 바람의 방향과 세기를 전이 확률식에 추가하는 과정을 통해 바람 효과를 포함 시킬 수가 있을 것으로 여겨진다. 바람의 방향과 세기는 유체의 흐름을 기술하는 NavierStokes 방정식을 지형 경계 면에 대해 수치 해석함으로써 얻을 수 있을 것이다. 이 방법을 통해서, Song and Lee(2013)에서 제안한 모델을 일반화 시킬 수 있을 것으로 기대된다.
/k를 얻을 수 있고 다른 방향의 ROFS역시 같은 방식으로 계산이 가능하다. 본 논문에서는 위에서 구한 4개의 ROFS의 평균을 각 시뮬레이션의 대표 ROFS로 취하였다.
산불패턴의 경계면이 들쑥날쑥한 복잡한 구조를 가질수록 SR값은 증가한다. 본 시뮬레이션 연구에서는 T(iteration time)=50 시점에서의 SR을 계산하였다.
, 1997)가 아니라 좀더 실제적이고 자연스러운 지형을 기반으로 한 경사의 영향을 고려하였다. 본 연구에서 사용된 모델을 이용하여 산림에서 산불확산의 패턴 분석과 산불확산 속도 및 산불 후 나무의 생존밀도에 대해서 시뮬레이션 하였으며, 결과에 대해 민감도 분석을 수행하였다.
본 연구에서 제안한 모델은 200×200 크기의 격자공간상에 나무와 산불의 상호작용을 표현하였다.
본 연구에서는 H와 D 값을 변화시키면서 산불의 패턴을 분석하였다. 우리는 H와 D가 SR, ROFS, 그리고 ROUT의 결과에 얼마나 영향을 미치는지를 알기 위해서, 민감도(Sensitivity) 분석을 아래와 같이 하였다(Cacuci et al.
본 연구에서는 지형의 구조와 나무밀도가 산불확산 패턴에 어떤 영향을 주는지에 대해서 산불확산속도(ROFS), 산불패턴의 경계면 균일성정도(SR), 그리고 연소 후 살아남은 나무의 밀도(ROUT)의 관점에서 분석하였다. 시뮬레이션 결과는 전체 나무 밀도가 산불 확산에 있어 매우 큰 영향을 주고, 지형구조는 다소 상대적으로 적은 영향을 준다는 것을 보여 주었다.
산불이 지나간 영역 내에서 타지 않고 살아남은 나무의 개수와 해당 영역 내에서 초기에 주어진 나무의 생존밀도(Rate of unburned trees, ROUT)를 계산하였다. 이 변수는 숲의 나무 분포와 나무의 가연성 정도에 깊은 관련성이 있다.
생성된 지형을 토대로 각 격자에 대한 경사를 계산하였다. 계산 영역 내 임의의 n 번째 셀을 Cn이라 하고 그 주변의 8셀을 Cn,j(j≤8)이라 하였다.
D의 값은 전체공간 격자 갯수(=40,000)에 대한 나무가 있는 격자의 개수 비를 나타낸다. 시뮬레이션 격자공간상에 이러한 밀도의 나무 분포를 만들기 위해서, 각각의 공간 셀에 0과 1사이의 값을 가지는 랜덤수(RD)를 발생시켜서 D의 값과 비교하였다. RD값이 D의 값보다 작으면 그 해당 격자에는 나무가 위치하도록 하였다.
가연성이 높은 나무는 가연성이 낮은 나무 보다 높은 산불 전이 확률을 가진다. 전소한 나무의 수를 기준으로 지형의 구조와 전체 나무의 밀도가 산불 확산에 얼마나 영향을 미치는지 민감도를 분석하였다. 우리는, 본 논문에서 제시한 모델이 앞으로 산불 확산 패턴을 연구하는데 유용할 것으로 기대한다.
대상 데이터
(2012)와 Bulter et al.(2007)에 의해 발표된 자료를 참조하였다. 추후 연구에서, 지형에 대한 전이 확률식에 지형에 따른 복잡한 바람의 영향을 포함하고자 한다.
데이터처리
이를 위해, 중심점에는 하나의 가연성이 높은 나무를 위치시켰다. 각각의 경우에 대해, 40번의 반복 시뮬레이션을 수행하였으며, 결과로는, 그 평균값과 편차를 계산하였다.
이론/모형
, 2000). 본 연구에서 제안한 모델도 CA 방식을 사용하였다. 그리고 제안한 모델은 기존의 모델들에서는 고려하지 않은 두 종의 나무로 구성된 산림 구조와 기존의 획일화된 경사(Pimont et al.
본 연구에서 제안한 모델은 200×200 크기의 격자공간상에 나무와 산불의 상호작용을 표현하였다. 임의의 한 격자 상태(예, 불탄 나무, 타고 있는 나무, 또는 타지 않은 나무)는 이웃하는 격자 상태의 조건에 의해 결정되도록 하는 셀룰라오토마타(Cellular Automata, CA)방식을 사용하였다. 숲은 산불로 부터 전이확률이 높은 나무(Susceptible tree)와 상대적으로 산불 전이확률이 낮은 나무(Resistant tree)로 구성되어 있으며, 산불의 전이확률은 각각 1.
나무종의 밀도변화와 산불확산정도와의 상관관계가 있을수 있으나, 본 연구에서는 이에 대한 분석은 하지 않았으며 추후 연구로 남겨두기로 하였다. 지형의 공간구조를 나타내기 위해서 우리는 Neutral landscape 방법을 사용하였다(Gardner et al., 1987). (i, j) 격자로 구성된 공간상에 다음과 같은 함수를 만든다.
성능/효과
5는 H와 D가 SR, ROFS, 그리고 ROUT에 어느 정도의 영향을 미쳤는지를 보여주는 민감도 계산 결과값이다. D가 H에 비해 상대적으로 매우 큰 영향을 미치는 것으로 나타났다. 상대적인 H의 영향력은 ROUT(7.
4보다 작으면 1을 부여하고 그 위치에는 산불전이확률이 높은 나무종을 위치시키고 그 반대의 경우는 산불전이확률이 낮은 나무종을 위치시켰다. 다시 말해, 시뮬레이션 초기조건으로 산불전이확률이 높은 나무의 밀도는 전체 나무밀도의 40%로 주어졌고, 산불전이확률이 낮은 나무의 밀도는 60%로 주어졌다. 나무종의 밀도변화와 산불확산정도와의 상관관계가 있을수 있으나, 본 연구에서는 이에 대한 분석은 하지 않았으며 추후 연구로 남겨두기로 하였다.
나무 밀도(D)가 높아질수록 이웃하는 나무가 많아져서 산불이 공간적으로 골고루 잘 확산 되어지고 이는 산불패턴 경계면의 불균일성을 줄여주었다. 반면에, 지형구조의 증가에 따라서 산불패턴 경계면 모양의 불균일성이 증가하는 경향을 보여주지만, 그 증가경향은 상대적으로 매우 작았다. 산불확산속도(ROFS)의 경우, 전체나무밀도가 증가할수록 커지는 경향을 보였다.
본 연구결과는 지형구조와 바람의 속도 및 방향이 서로 독립인자라는 가정하에 나온 것이기 때문에, 비교하는 지형의 구조가 심하게 차이가 나지 않고 바람도 강하게 불지 않는 산에 대해서 적용이 가능할 것으로 판단된다. 본 연구에서 제안한 산불확산 모델은 지형의 경사 값에 따른 산불의 확산 정도를 확률 분포 값으로 전환하였다는 점에서 기존 모델들과의 차별성을 가진다. 특히, 경사 값과 전이확률간의 상관관계는 실험자료를 토대로 만들었기 때문에 본 모델을 이용하여 실제 상황에 적용할 때 어느 정도의 예측 타당성을 높여 줄 수 있다.
높은 나무밀도로 인해 경사 효과가 희석되었기 때문이다. 생존나무의 밀도(ROUT)는 전체나무밀도와 지형의 경사도가 증가함에 따라 같이 증가하는 추세를 보여 주었다. 하지만 전체나무밀도가 0.
본 연구에서는 지형의 구조와 나무밀도가 산불확산 패턴에 어떤 영향을 주는지에 대해서 산불확산속도(ROFS), 산불패턴의 경계면 균일성정도(SR), 그리고 연소 후 살아남은 나무의 밀도(ROUT)의 관점에서 분석하였다. 시뮬레이션 결과는 전체 나무 밀도가 산불 확산에 있어 매우 큰 영향을 주고, 지형구조는 다소 상대적으로 적은 영향을 준다는 것을 보여 주었다. 그러나 실제로 이들 요소는 서로간에 밀접한 상관관계를 가지고 있다.
이는 이웃한 나무들이 서로 밀집하게 위치해 있기 때문에 산불이 옮겨 붙기 쉽기 때문이다. 아울러, 전체나무 밀도 값이 0.6과 0.7일 때는 지형이 완경사 일수록 감소하는 경향을 보였으며, 전체나무밀도가 높아질수록 경사의 영향을 거의 받지 않았다. 높은 나무밀도로 인해 경사 효과가 희석되었기 때문이다.
Table 1은 다양한 지형구조(H)와 전체나무밀도(D)에 대한 시뮬레이션 결과값을 보여준다. 전체 나무밀도가 낮으면 연소중인 나무로부터 이웃하는 주변의 나무가 많지 않아서 산불패턴의 경계면(불탄 나무의 가장자리에 위치한 나무위치들)의 불균일성(SR)이 높아졌다. 나무 밀도(D)가 높아질수록 이웃하는 나무가 많아져서 산불이 공간적으로 골고루 잘 확산 되어지고 이는 산불패턴 경계면의 불균일성을 줄여주었다.
본 연구에서 제안한 산불확산 모델은 지형의 경사 값에 따른 산불의 확산 정도를 확률 분포 값으로 전환하였다는 점에서 기존 모델들과의 차별성을 가진다. 특히, 경사 값과 전이확률간의 상관관계는 실험자료를 토대로 만들었기 때문에 본 모델을 이용하여 실제 상황에 적용할 때 어느 정도의 예측 타당성을 높여 줄 수 있다. 실험 자료는 Pimont et al.
후속연구
다시 말해, 시뮬레이션 초기조건으로 산불전이확률이 높은 나무의 밀도는 전체 나무밀도의 40%로 주어졌고, 산불전이확률이 낮은 나무의 밀도는 60%로 주어졌다. 나무종의 밀도변화와 산불확산정도와의 상관관계가 있을수 있으나, 본 연구에서는 이에 대한 분석은 하지 않았으며 추후 연구로 남겨두기로 하였다. 지형의 공간구조를 나타내기 위해서 우리는 Neutral landscape 방법을 사용하였다(Gardner et al.
그러나 실제로 이들 요소는 서로간에 밀접한 상관관계를 가지고 있다. 본 연구결과는 지형구조와 바람의 속도 및 방향이 서로 독립인자라는 가정하에 나온 것이기 때문에, 비교하는 지형의 구조가 심하게 차이가 나지 않고 바람도 강하게 불지 않는 산에 대해서 적용이 가능할 것으로 판단된다. 본 연구에서 제안한 산불확산 모델은 지형의 경사 값에 따른 산불의 확산 정도를 확률 분포 값으로 전환하였다는 점에서 기존 모델들과의 차별성을 가진다.
전소한 나무의 수를 기준으로 지형의 구조와 전체 나무의 밀도가 산불 확산에 얼마나 영향을 미치는지 민감도를 분석하였다. 우리는, 본 논문에서 제시한 모델이 앞으로 산불 확산 패턴을 연구하는데 유용할 것으로 기대한다.
바람의 방향과 세기는 유체의 흐름을 기술하는 NavierStokes 방정식을 지형 경계 면에 대해 수치 해석함으로써 얻을 수 있을 것이다. 이 방법을 통해서, Song and Lee(2013)에서 제안한 모델을 일반화 시킬 수 있을 것으로 기대된다.
(2007)에 의해 발표된 자료를 참조하였다. 추후 연구에서, 지형에 대한 전이 확률식에 지형에 따른 복잡한 바람의 영향을 포함하고자 한다. 아마도, 지형에 따라서 변화하는 바람의 방향과 세기를 전이 확률식에 추가하는 과정을 통해 바람 효과를 포함 시킬 수가 있을 것으로 여겨진다.
질의응답
핵심어
질문
논문에서 추출한 답변
지구온난화로 인한 이상 기후 발생이 산림에 어떤 영향을 미치는가?
, 1998; Flannigan et al., 2000; McCoy and Burn, 2005) 이상기후 발생은 산림 생태계에 많은 영향을 미치며, 또한 산불 발생 빈도수 증가와 산불의 광범위하고 빠른 확산에 큰 영향을 미치고 있다(Malamud et al., 1998).
산불확산 모델에서 확률적 시뮬레이션이 가지는 단점은 무엇인가?
, 2005). 확률적 시뮬레이션 모델은 연료의 밀도와 연료의 종류 및 지형 등 실제 야외에서 획득한 자료를 기반으로 확률 통계적으로 접근하는 특징을 가지며, 모델내의 모든 변수 값이 실험 자료를 토대로 하여 결정되기 때문에 실제 산림에서 산불 발생지점으로부터 산불의 확산과정 및 산불확산 패턴을 보다 정확하게 예측할 수 있는 장점을 가지고 있지만, 확률적 특성상 같은 초기 조건에 따라 서로 다른 결과를 만들 수 있다는 단점을 가지고 있다. 아울러, 산불확산 요소간의 상호작용에 관한 방대한 데이터를 요구한다는 단점도 가지고 있다.
산불 확산 패턴 분석은 어떤 요소인가?
산불 확산 패턴 분석은 산림 생태계 안정화를 이해하는데 중요한 요소이다. 하지만 규모의 문제로 인해 실제적인 실험이 불가능하여 많은 학자들이 시뮬레이션 모델을 이용하여 산불 확산의 행동기작을 이해하고 산림 피해를 예측하였다.
참고문헌 (30)
Alexandridis, A., D. Vakalis, C. I. Siettos, and G. V. Bafas, 2008: A cellular automata model for forest fire spread prediction: The case of the wildfire that swept through Spetses Island in 1990. Applied Mathematics and Computation 204, 191-201.
Andre, J. C. S., and D. X. Viegas, 1994: A strategy to model the average fireline movement of a light to medium intensity surface forest fire. In: Proc. of the 2nd International Conference on Forest Fire Research, 221-242.
Ball, G. L., and D. P. Guertin, 1992: Improved regrowth modeling. International Journal Wildland Fire 2, 47-54.
Butler, B. W., W. R. Anderson, and E. A. Catchpole, 2007: Influence of Slope on Fire Spread Rate. Management and Policy, 75-85.
Cacuci, D. G., M. Ionescu-Bujor, and M. Navon, 2005: Sensitivity and Uncertainty Analysis: Applications to Large-Scale Systems, vol 2, CRC Press, Boca Raton
Clark, T. L., M. A. Jenkins, J. Coen, and P. David, 1996: A Coupled Atmospheric Fire Model: Convect-ive Feedback on Fire Line Dynamics. Journal of Applied Meteorology 35, 875-901.
Dupuy, J. L., 1999: An analysis of semi-empirical and physical models for fire spread in wildland fuels. In: G. Eftichidis, P.Balabanis, A.Ghazi, Proc. Of the Advanced Study Course on Wildfire management, Algosystem S, A., Athens, 419-438.
Dunkerley, D. L., 1999: Banded chenopod shrublands of arid Australia: modeling responses to interannual rainfall variability with cellular automata. Ecological Modelling 121, 127-138.
Gardner, R. H., B. T. Milne, M. G. Turner, and R. V. O'Neill, 1987: Neutral models for the analysis of broad-scale landscape pattern. Landscape Ecology 1, 19-28.
Halada, L., and P. Weisenpacher, 2005: Principles of forest fire spread models and their simulation. Journal of the Applied Mathematics, Statistics and Informatics 1, 3-13.
Ioannis, K., and T. Adonios, 1997: A model for predicting forest fire spreading using cellular automata. Ecological Modelling 99, 87-97.
McCoy, V. M., and C. R. Burn, 2005: Potential alteration by climate change of the forest fire regime in the boreal forest of central Yukon Territory. Arctic 58, 276.
Pimont, F., J. L. Dupuy, and R. R., Linn, 2012: Coupled slope and wind effects on fire spread with influences of fire size: a numerical study using FIRETEC. International journal of wildland fire 21, 828-842.
Pinol, J., J. Terradas, and F. Lloret, 1998: Climate Warming, Wildfire Hazard, and Wildfire Occurrence in Coastal Eastern Spain. Climatic Change 38, 345-357.
Spencer, M., 1997: The effects of habitat size and energy on food web structure: An individual-based cellular automata model. Ecological Modelling 94, 299-316.
Sirakoulis, G. C., I. Karafyllidis, and A. Thanailakis, 2000: A cellular automaton model for the effects of population movement and vaccination on epidemic propagation. Ecological Modelling 133, 209-222.
Song, H. S., and S. H. Lee, 2013: Sensitivity Analysis on Ecological Factors Affecting Forest Fire Spreading: Simulation Study. Korean Journal of Agricultural and Forest Meteorology 15, 1-8.
Song, H. S., W. Jeon, and S. H. Lee, 2013: A simulation model for the study on the forest fire pattern. Journal of The Korea Society for Simulation 22, 101-107.
Vasconcelos, M. J., and D. P. Guertin, 1992: Firemap: simulation of fire growth with a geographic information system. International Journal Wildland Fire 2, 87-96.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.