“산불 위험, AI로 한 달 먼저 안다”…UNIST, 세계 최고 수준 예측 모델 개발 작성일 06-25 35 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">임정호 UNIST 교수팀, 글로벌 딥러닝 산불 예측 모델 ‘FWI-Net’ 개발<br>기존 수치예보 대비 오차 최대 12.4%↓…재난 취약 지역 예보 공백 메운다<br>과거 기상 정보와 미래 예보 결합해 최대 31일 앞서 ‘산불기상지수’ 산출<br>아프리카 등 인프라 부족한 빈곤 지역서도 3주 이상 유의미한 예측 성능</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="f9i6iPoMlw"> <figure class="figure_frm origin_fig" contents-hash="90ddeda5df326d7aa01d1d3d7d977483c8d47b0ca26976e25dc79ce2f0609f19" dmcf-pid="42nPnQgRvD" dmcf-ptype="figure"> <p class="link_figure"><img alt="FWI-Net의 학습 방법과 모델 구조. 연구그림=UNIST" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/25/seouleconomy/20260625091403519hvay.png" data-org-width="1200" dmcf-mid="2X8q8BQ9vm" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/25/seouleconomy/20260625091403519hvay.png" width="658"></p> <figcaption class="txt_caption default_figure"> FWI-Net의 학습 방법과 모델 구조. 연구그림=UNIST </figcaption> </figure> <p contents-hash="d7af0c3a75dc4f9ea533cf4d8c5fc20be60abf1cdafa266e9f9fcc87789e83fb" dmcf-pid="8foxoMNdTE" dmcf-ptype="general">기후변화로 전 세계적인 산불 피해가 걷잡을 수 없이 커지는 가운데, 국내 연구진이 인공지능(AI)을 활용해 산불 발생 위험을 한 달 전부터 정확하게 예측해 내는 기술을 개발했다. 기존 예보 시스템의 한계를 극복하고 재난 대응의 ‘골든타임’을 확보하는 것은 물론, 재난 예측 인프라가 부족한 빈곤 국가들의 피해를 줄이는 데 기여할 것으로 전망된다.</p> <p contents-hash="049a0ea334e74516421efa02d8b2d7c0a055ddac92212d4674faf9e33ceb0af1" dmcf-pid="64gMgRjJWk" dmcf-ptype="general">울산과학기술원(UNIST) 지구환경도시건설공학과 임정호 교수팀은 전 세계 산불기상지수(FWI)를 하루 단위로 최대 31일 앞서 예측하는 글로벌 딥러닝 모델 ‘FWI-Net’을 개발했다고 25일 밝혔다.</p> <p contents-hash="b208197d463c8863f58bc3cb380ee50037867c57dfecc04d9b304b3546dd7113" dmcf-pid="P8aRaeAiTc" dmcf-ptype="general">산불기상지수(FWI)는 기온, 상대습도, 바람, 강수량 등을 종합해 산불의 확산 위험도를 나타내는 지표다. 이 지수를 정확히 예측하면 소방 인력 사전 배치, 주민 대피령 등 선제적 재난 대응이 가능해진다. 하지만 기존에 널리 쓰이던 유럽중기예보센터(ECMWF)의 수치예보 기반 방식은 약 2주가 지나면 지역별 예측 정확도가 급격히 떨어진다는 한계가 있었다.</p> <p contents-hash="36543e347fd7f40f688852ed27e428d119d12edff46853c12e40183d2a9a62ce" dmcf-pid="Q6NeNdcnCA" dmcf-ptype="general">연구팀이 이번에 개발한 ‘FWI-Net’은 이러한 기존 방식의 단점을 AI로 돌파했다. 검증 결과, FWI-Net은 기존 수치예보 방식보다 31일 전체 예측 기간의 평균 제곱근 오차(RMSE)를 6.6% 줄였으며, 첫 일주일 동안은 오차를 12.4%까지 대폭 낮추는 데 성공했다.</p> <p contents-hash="3b70619dec14f54d28bab6e51ac7ad0d0a4534168c8429e64b4be4a1c5c617bb" dmcf-pid="xPjdjJkLTj" dmcf-ptype="general">특히 산불 위험이 ‘매우 높음’인 극한 상황에서 유의미한 예측이 가능한 기간이 기존보다 5일이나 더 늘어났다. 최근 대규모 피해를 낳았던 2023년 캐나다·칠레 산불, 2025년 로스앤젤레스 산불 사례에 이 모델을 적용한 결과, 기존 모델이 산불 위험 강도를 과소평가했던 상황에서도 FWI-Net은 실제에 가까운 높은 위험 신호를 정확히 포착해 냈다.</p> <p contents-hash="3495a05900837813d03c10890e21a98f43d9298ceed6247ed21d87656be3dd5d" dmcf-pid="yvpHpX71vN" dmcf-ptype="general">이러한 획기적인 성능 향상은 ‘과거의 누적된 날씨’와 ‘미래의 기상 조건’을 AI가 동시에 학습한 덕분이다. 기온이나 강수량 같은 미래 조건이 같더라도, 앞선 기간에 가뭄과 건조 상태가 얼마나 누적되었는지에 따라 산불 위험도가 달라지는 패턴을 AI가 스스로 깨우친 것이다. 연구팀은 과거 날씨를 복원한 방대한 ‘ERA5’ 재분석 자료로 AI를 사전 학습시킨 뒤, 실제 예보에 쓰이는 ‘SEAS5’ 자료로 미세조정(Fine-tuning)을 거쳐 데이터가 부족한 예보 환경의 단점을 보완했다.</p> <p contents-hash="e8bd5c397d77adf22a25b83c766059ae06a95c0f4d237fa3edb70dc768a82e52" dmcf-pid="WTUXUZztWa" dmcf-ptype="general">무엇보다 이번 기술은 글로벌 재난 불평등을 해소할 수 있는 ‘따뜻한 기술’로 주목받고 있다. 산불 위험 노출도와 사회경제적 취약성이 높은 지역의 85%에서 예측 편향이 줄어들었다. 예보 인프라가 턱없이 부족한 아프리카 빈곤 지역에서도 평균 22일 동안 유의미한 예측 성능을 유지해, 선진국과 취약 국가 간의 ‘재난 정보 격차’를 줄일 수 있음을 입증했다.</p> <p contents-hash="544489cd3bb2b84cc9b3d57c5671f344ac95679516ee481b10becff3c947cb5e" dmcf-pid="YyuZu5qFTg" dmcf-ptype="general">임정호 교수는 “기후변화로 전 세계적인 산불 피해가 급증하는 상황에서 정확한 예측 기술은 실제 국가 재난 대응력과 직결되는 핵심 정보 인프라”라며 “이번에 개발된 기술은 중기 산불 대응 계획을 세우고, 자체 예보 기반이 부족한 취약 지역의 정보 공백을 메우는 데 적극적으로 활용될 수 있을 것”이라고 강조했다.</p> <figure class="figure_frm origin_fig" contents-hash="94d58aec0270ddea0558fd67a875922c8b09d49e548a0d52ef544692a6026132" dmcf-pid="GHBFB39Uho" dmcf-ptype="figure"> <p class="link_figure"><img alt="전 세계 산불기상지수(FWI)를 하루 단위로 최대 31일 앞서 예측하는 글로벌 딥러닝 모델 ‘FWI-Net’을 개발한 연구진. 왼쪽부터 임정호 UNIST 교수, 강유진 국민대학교 교수, 이시현 UNIST 연구원. 사진제공=UNIST" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/25/seouleconomy/20260625091404838eplj.jpg" data-org-width="1200" dmcf-mid="VjCkCESrWr" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/25/seouleconomy/20260625091404838eplj.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 전 세계 산불기상지수(FWI)를 하루 단위로 최대 31일 앞서 예측하는 글로벌 딥러닝 모델 ‘FWI-Net’을 개발한 연구진. 왼쪽부터 임정호 UNIST 교수, 강유진 국민대학교 교수, 이시현 UNIST 연구원. 사진제공=UNIST </figcaption> </figure> <p contents-hash="50f9bd76f636697289b790cee0402cd349fbdc9654fe86a803587173ad3e0d2b" dmcf-pid="HXb3b02uhL" dmcf-ptype="general">국민대학교 강유진 교수와 UNIST 이시현 연구원이 제1저자로 참여한 이번 연구는 환경부, 산림청, 한국연구재단의 지원을 받아 수행됐다. 세계적인 국제 학술지 ‘커뮤니케이션스 어스 앤 인바이론먼트(Communications Earth & Environment)’에 지난달 28일 자로 온라인 공개됐다.</p> <p contents-hash="4e52c5e8e82c71d04c5115d677494626640dcd8976dcefdaaeda040956bf63a9" dmcf-pid="XZK0KpV7vn" dmcf-ptype="general">울산=장지승 기자 jjs@sedaily.com</p> </section> </div> <p class="" data-translation="true">Copyright © 서울경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 “AI는 이미 교육 현장의 ‘새로운 도구’…사용하는 인간이 학습 방향 주도해야” 06-25 다음 SKT 독자 AI 모델, 철강·자동차 부품 공장 들어간다 06-25 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
