한국농림기상학회지, 제 18 권제 4 호 (216) (pissn 1229-5671, eissn 2288-1859) Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 4, (216), pp. 199~27 DOI: 1.5532/KJAFM.216.18.4.199 c Author(s) 216. CC Attribution 3. License. 2 년대기후변화를반영한봄철산불발생확률모형개발 원명수 * 윤석희 장근창 1) 국립산림과학원기후변화연구센터 (216 년 11 월 18 일접수 ; 216 년 12 월 5 일수정 ; 216 년 12 월 11 일수락 ) Developing Korean Forest Fire Occurrence Probability Model Reflecting Climate Change in the Spring of 2s Myoungsoo Won *, Sukhee Yoon and Keunchang Jang Center for Forest & Climate Change, National Institute of Forest Science, 57 hoegi-ro, Dongdaemun-gu, Seoul, 13-712, Korea (Received November 18, 216; Revised December 5, 216; Accepted December 11, 216) ABSTRACT This study was conducted to develop a forest fire occurrence model using meteorological characteristics for practical forecasting of forest fire danger rate by reflecting the climate change for the time period of 2yrs. Forest fire in South Korea is highly influenced by humidity, wind speed, temperature, and precipitation. To effectively forecast forest fire occurrence, we developed a forest fire danger rating model using weather factors associated with forest fire in 2yrs. Forest fire occurrence patterns were investigated statistically to develop a forest fire danger rating index using times series weather data sets collected from 76 meteorological observation centers. The data sets were used for 11 years from 2 to 21. Development of the national forest fire occurrence probability model used a logistic regression analysis with forest fire occurrence data and meteorological variables. Nine probability models for individual nine provinces including Jeju Island have been developed. The results of the statistical analysis show that the logistic models (p<.5) strongly depends on the effective and relative humidity, temperature, wind speed, and rainfall. The results of verification showed that the probability of randomly selected fires ranges from.687 to.981, which represent a relatively high accuracy of the developed model. These findings may be beneficial to the policy makers in South Korea for the prevention of forest fires. Key words: Forest fire occurrence, Daily weather index, Forest fire danger rating, Climate change I. 서론우리나라는전국토의 64% 가산림으로구성되어있으며, 불에잘타는침엽수가 43% 로가장많아산불발생의위험성이높다. 동시에, 대륙성계절풍으로인하여봄 가을철건조기가지속되어해풍 푄현상등바람 의영향으로전국에동시다발적인산불발생경향이상존하고있다. 뿐만아니라매년봄철에는기후적으로가장건조하여상대습도와연료습도가낮아지고임내지피물이매우건조해있으며, 산림내지피물의식생은아직잎이돋아나지않기때문에산불이집중된다. 우리나라는최근 2년간연평균 448건의산불이발생하였다. 이 * Corresponding Author : Myoungsoo Won (forestfire@korea.kr)
2 Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 4 중 85% 에해당하는산불이건조기인 1월 5 월에발생하고있다. 뿐만아니라건조기에는 3ha 이상의대형산불이총 11건으로전부봄철에발생하였고 28,883ha 의산림과재산피해를가져왔다. 이러한대형산불중에서약 82%(9건 ) 의산불이 4월에집중적으로발생하였고 2년간전체산불발생대비피해면적은 56% 를차지하여봄철대형산불로인한피해는심각하다고볼수있다. 최근전지구적인기후변화추세와관련하여한반도내에서나타나고있는기후변화경향에대하여활발한연구가진행되고있다 (Kwon, 25; Choi et al., 26; Sung et al., 21). 이들연구에서공통적으로밝히고있는점은기온및강수변화로대표되는기후변화신호가전지구적인경향성과맞물려한반도에서도뚜렷이나타나고있다는것이다. 외국의여러선행연구들에서도기후변화와산불발생은상호작용한다고알려져있다. 다시말해서기후변화로인한기온증가와강수패턴변화로산불의발생률증가및강도강화등이나타나기도하지만 (Pinol et al., 1998; Flannigan et al., 2; McCoy and Burn, 25), 역으로산불발생으로인해방출되는온실가스와에어로솔의증가, 지표반사가다시기후변화에영향을미치게된다고하였다 (Clark et al., 1996; Randerson et al., 26). 국내에서도최근한반도내에서의기후변화추세와산불발생경향의관련성을분석하는연구들이발표되고있다 (Won et al., 26; Kwak et al., 21; Won et al., 21a and 21b; Won et al., 211). 국내연구또한외국에서발표된기존의연구들과마찬가지로지구온난화와관련된기온증가와습도감소경향이산불발생빈도의증가에영향을미친다고보고하고있다. 따라서본연구는기후변화에따른 199년대와 2년대의봄철산불발생패턴이크게변화됨에따라현재진행되고있는기후변화에대응하기위한산불발생확률모형의변화를비교하고, 2년대이후의산불발생확률모형을적용함으로써우리나라에서의기후변화로인한산불발생변화를산불예측에현실적으로반영하고자수행하였다. II. 연구자료및방법본연구에서는전국특정지역의일일산불발생위험도예측하기위하여산불발생과관련이있는습도, 기온, 풍속등기상정보를이용하여기후변화를반영한 2 년대의전국 9개권역의봄철기상요소에의한일일산 불발생위험지수 (daily weather index, DWI) 를개발하였다. 첫번째로구체적인개발방법은전국 9개광역지역별로산불발생에영향을주는기상요소를규명하여지역별로산불발생의유무를종속변수 (dependent variable) 로두고산불발생관련기상요소들을독립변수 (independent variable) 로하여로지스틱회귀모형 (logistic regression model) 을적용하여산불발생확률을추정하였다. 2.1. 연구방법특정일의산불발생확률모형은시계열기상자료 ( 산불발생과연관성이규명된기상요소 ) 와산불발생의유무를나타내는더미변수 (dummy variables) 를이용하여산불발생확률모형을개발하였다. 즉, 산불발생의유무인더미변수를종속변수 (dependent variable) 로놓고, 산불발생과영향이있는기상요소들을독립변수 (independent variable) 로주었을때의회귀모형 (regression model) 은식 (1) 과같다. (1) P rj = (If not a forest fire occurs) or 1(If a forest fire occurs) X j = weather variables related forest fire(i.e. temperature, humidity, wind speed etc.) 식 (1) 에서모형의오차 (error term) 의기댓값 E (εj) 를 이라고가정하면반응함수는특별한의미를갖는다. 즉, 종속변수 Pr j 는 또는 1의값을가지므로베르노우리 (Bernoulli) 확률변수가된다. 따라서식 (1) 은식 (2) 와같이표현된다. (2) 반응함수 E (Pr j ) 는독립변수가 X j 의값을가질때, 종속변수가 Pr j = 1이되는확률로표현된다. 이처럼종속변수가지시변수로나타나는경우는종속변수와독립변수와의관계를확률적모형으로나타낼수있는모형으로는로짓이나프로빗모형이널리이용되는데, 로짓모형은프로빗모형보다도간결하며적합도가높다. 따라서본연구에서는로짓모형을이용하여산불발생확률모형을개발하였다.
Myoungsoo Won et al.: Developing Korean Forest Fire Occurrence Probability Model Reflecting 21 2.2. 분석자료봄철에대한산불발생추정모형의종속변수인산불발생유무의현황자료는 Table 1과같이 2년에서 21 년까지의 11년간지역별산불발생현황자료를이용하였다. 11년간봄철발생현황을살펴보면경상북도지역의발생건수가 938건 (19.9%) 으로가장높았으며, 다음으로경기도 768건 (16.3%), 경상남도 74건 (15.7%) 순으로나타났다. 독립변수 ( 설명변수 ) 인해당지역의일별기상변수는크게최고기온, 상대습도, 실효습도, 평균풍속을이용하였으며, 실효습도 ( 實效濕度 ) 는당일과전일들의상대습도에가중치를붙여얻어지는평균습도로, 본연구에서는적용한실효습도는식 (3) 과같이당일의상대습도를포함하여 3일간의상대습도의누적치를이용하였으며, 실효습도계수는.7을사용하였다. (3) H e : The effective humidity, H : The relative humidity of the day, H n : The relative humidity before n days, r : Effective humidity coefficient (.7) III. 결과및고찰 3.1. 봄철건조계절의평균기후장변화기후변화와산불발생간의관련성에대해조사하기위해서는산불발생조건과기상인자의관련성에대한이해가필요하다. 현재까지의여러선행연구들에서는습도와기온의변화가산불발생에주요한인자임을지적하고있다. Lee et al.(24) 은우리나라에서지역에따라산불발생에미치는기상변수를분석하여실효습도와일최고기온, 평균풍속과같은기상변수의변동이산불발생확률을증가시키는요인이됨을보였다. Won et al.(26) 은산불발생을증가시키는온도와습도의범위를분석함으로써기상변동에따른산불발생위험성을판정할수있도록하였다. 우리나라는봄철과가을철의서로다른기후특성으로인해산불발생특성이다르게 Table 1. The statistics of forest fire occurrences during the Spring time of the years from 2 to 21 for the regions; Gangwon (GW), Gyeonggi (GG), Chungnam (CN), Chungbuk (CB), Jeonnam (JN), Jeonbuk (JB), Gyeongnam (GN), Gyeongbuk (GB), Jeju (JJ) Class GB GG GN JN Year 2 21 22 23 24 25 26 27 28 29 21 115 (17.6%) 87 (13.3%) 55 (8.4%) 64 (9.8%) GW 124 (19.%) CN CB JB JJ Total 93 (14.2%) 59 (9.%) 51 (7.8%) 5 (.8%) 653 125 (18.%) 134 (19.3%) 98 (14.1%) 66 (9.5%) 77 (11.1%) 82 (11.8%) 55 (7.9%) 54 (7.8%) 2 (.3%) 693 94 (17.%) 111 (2.%) 7 (12.6%) 69 (12.5%) 44 (7.9%) 75 (13.5%) 45 (8.1%) 46 (8.3%) (.%) 554 42 (18.3%) 67 (29.3%) 21 (9.2%) 37 (16.2%) 1 (4.4%) 19 (8.3%) 21 (9.2%) 12 (5.2%) (.%) 229 116 (24.6%) 6 (12.7%) 88 (18.6%) 91 (19.3%) 45 (9.5%) 31 (6.6%) 2 (4.2%) 2 (4.2%) 1 (.2%) 472 79 (18.4%) 64 (14.9%) 53 (12.3%) 81 (18.8%) 31 (7.2%) 41 (9.5%) 32 (7.4%) 49 (11.4%) (.%) 43 52 (15.2%) 76 (22.3%) 67 (19.6%) 62 (18.2%) 19 (5.6%) 33 (9.7%) 2 (5.9%) 12 (3.5%) (.%) 341 74 (18.9%) 74 (18.9%) 74 (18.9%) 72 (18.4%) 24 (6.1%) 24 (6.1%) 25 (6.4%) 24 (6.1%) 1 (.3%) 392 52 (18.9%) 41 (14.9%) 54 (19.6%) 43 (15.6%) 17 (6.2%) 19 (6.9%) 21 (7.6%) 27 (9.8%) 1 (.4%) 275 144 (29.6%) 41 (8.4%) 11 (2.7%) 57 (11.7%) 47 (9.7%) 19 (3.9%) 33 (6.8%) 45 (9.2%) (.%) 487 45 (23.3%) 13 (6.7%) 59 (3.6%) 11 (5.7%) 28 (14.5%) 6 (3.1%) 26 (13.5%) 5 (2.6%) (.%) 193 Total 938 (19.9%) 768 (16.3%) 74 (15.7%) 653 13.8%) 466 9.9%) 442 9.4%) 357 7.6%) 345 7.3%) 1.2%) 4,719
22 Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 4 Table 2. Climate change trend of dry season by four forest fire climate Zones Temperature Relative humidity Accumulated Precipitation Precipitation day Gyeonggi ++ (+2.5 ) (-12%) (-8mm) (-6 days) Gangwon + (+1.5 ) (-8%) + (mm) + ( days) Chungcheong, Jeolla + (+1.5 ) (-8%) (-1mm) (-8 days) Gyeongsang ++ (+2. ) (-1%) (-1mm) (-4 days) 나타난다. 이러한이유로 Won et al.(21a and 21b) 은 199년대봄철과가을철의산불발생확률모형을분리하여국가산불위험예보시스템에적용한바있다. 이들연구에서는권역별로산불발생에영향을주는기상변수가서로다르지만 199년대봄철의경우대체로실효습도와최고기온, 풍속에많은영향을받으며, 가을철의경우는실효습도와평균기온과크게관련이있음을보였다. Sung et al.(21) 의연구에서는 1973년이후의한반도평균기후장분포에서남부지방이건조계절동안대체로고온 건조한경향이강한것으로나타났으며, 호남과영남지역의강수량은적은특성을보였다. 특히, 영남지역은습도가전국평균에비하여가장낮고, 강수량이적으며, 강수일수또한적은분포를나타내어기후적으로산불위험도가높은지역으로판단해볼수있다. 호남지역과강원지역은전국평균에비하여높은강수량과강수일수로기후적으로산불위험성이타지역에비해양호한특성을보였다. 권역별로기후변화경향이다르며, 특히경기지역은기온증가와습도감소폭이크 며, 충청과호남지역은강수량과강수일수감소가두드러졌다. 특히영남지역은기온상승과습도, 강수량의감소폭이큰것으로나타났다 (Table 2). 하지만강원지역은모든기상요소에서변화폭이비교적낮아산불발생환경측면에서다른지역보다안정적인것으로사료된다. 향후권역별기후변화특성과산불발생경향을비교함으로써산불발생에영향을미치는권역별주요기후인자를선별할수있을것으로판단된다. 3.2. 199 년대와 2 년대의산불발생변화기후변화에따른 199년대와 2년대의지역별산불발생빈도의변화를비교하기위해 1991년부터 21 년까지총 8,82건의산불발생위치를공간분석한결과, 2년대에는 199년대에비해지역별산불발생빈도가증가하였고, 지역별공간분포도대도시를중심으로인근주변지역으로확대되면서백두대간을중심으로동서로분할되어발생하는경향을보였다. 199년대에는서울, 부산, 대구, 울산, 광주, 대전과같은광역대도시 (a) 199s (b) 2s (c) 2s 199s Fig. 1. Change in frequency of forest fire occurrence between 199s and 2s.
Myoungsoo Won et al.: Developing Korean Forest Fire Occurrence Probability Model Reflecting 23 를중심으로산불발생빈도가높게나타났으며, 강원영서와영남동해안일대, 대구주위의중소도시를중심으로집중되어발생하는경향을보였다 (Fig. 1(a)). 2년대에는 199년대와마찬가지로산불발생빈도가광역대도시를중심으로발생하는경향을보였을뿐만아니라대도시주변을포함한인근지역으로뚜렷하게확대되는경향을보이면서전체발생비율또한증가하는결과를보였다. 특히, 강원영서에서영동지역인강릉일대로산불발생빈도영역이확대되는경향을보였고, 가장집중적으로발생했던영남동해안일대에서는경북내륙으로산불발생빈도의공간적인영역이확대되는경향을보였다 (Fig. 1(b)). 이러한결과는산을찾는사람들이많아지면서산불발생확률과건수가증가되었을것으로추정된다. 우리나라의산불은입산자실화와소각행위등대부분인간활동과관련하여발생하며, 그중가장큰비중을차지하는입산자실화의공간적분포가인구밀도가높은대도시인근지역에서높게나타나는결과와일치하는경향을보이고있다 (Kwak et al., 21; Won et al., 211). 3.3. 2년대봄철기상에의한산불발생확률모형개발봄철기상에의한일일산불발생확률은전국 9개광역지역별로산불발생에영향을주는기상변수를구명하여지역별로각각산불발생의유무를종속변수로기상요소들을독립변수로하여로지스틱회귀모형을적용하였다. 이때, 각지역별로어떤특정산불발생일의경우에는단지 1건이발생한경우가아니라 2건이상다수가발생 한경우에는특정일은산불발생확률이매우높다는것을의미한다. 따라서이러한특정일의경우에는기상변수 ( 독립변수 ) 는동일하게두고발생건수만큼표본수를늘여분석하였다. 제주도를제외한 8개광역지역의 2년에서 21년까지의자료와제주도는 1991년에서 21년까지의산불발생에대한시계열기상자료는 1월부터 6월까지산불미발생에대한시계열기상자료는 2월부터 4월까지자료를활용하여시계열기상자료와산불발생의유무를로지스틱회귀분석이용하여산불발생확률모형을추정하였으며, 모형추정결과는 Table 3과같다. 강원도지역에서는산불발생에영향을주는기상변수로는최고기온, 상대습도, 실효습도, 평균풍속으로나타났으며, 모두 99% 신뢰수준에서통계적으로유의한것으로나타났다. 상대습도및실효습도의부호가음 (-) 으로나타나상대습도및실효습도가낮으면낮을수록산불발생위험이증가하는것으로나타났으며, 최고기온과평균풍속의경우에는부호가정 (+) 으로최고기온및평균풍속이증가하면산불발생확률이증가하는것으로나타나일반기대이론과부합하는것으로나타났다. 추정모형의적합도는 -값과표본내예측력비율 (percent of right prediction) 로검토할수있는데, 이는실제관측된산불발생과추정된산불발생의확률이서로일치하는비율을계산한것으로서모형적합도에대한일종의측정지표로서의미를갖는다. 추정결과 -값은 396.7로 99% 신뢰수준에서유의성이있었으며, 표본내예측력은 8.7% 로나타나모형의적합도는매우높은것으로나타났다. 경기도지역에서는유의성있 Table 3. Forest fire occurrence probability model in Spring, 2s (Tmax : maximum temperature, Eh : effective humidity, Rh : relative humidity, Wmean : average wind speed) Regions Model (Pr) (%) predict value Gyeonggi [1+exp{-(2.57+(.112*Tmax)-(.61*Rh)-(.123*Wmean))}] -1 73.6 Gangwon [1+exp{-(1.932+(.19*Tmax)-(.47*Rh)-(.57*Eh)+(.646*Wmean))}] -1 8.7 Gyeongnam [1+exp{-(4.713+(.76*Tmax)-(.55*Rh)-(.23*Eh)-(.572*Wmean))}] -1 74.4 Gyeongbuk [1+exp{-(2.3+(.52*Tmax)-(.62*Rh)+(.38*Eh)-(.32*Wmean))}] -1 68.7 Jeonnam [1+exp{-(1.931+(.87*Tmax)-(.55*Rh)-(.14*Eh)+(.329*Wmean))}] -1 7.1 Jeonbuk [1+exp{-(-.281+(.127*Tmax)-(.42*Rh))}] -1 73.5 Chungnam [1+exp{-(-.188+(.113*Tmax)-(.41*Rh)+(.182*Wmean))}] -1 7.6 Chungbuk [1+exp{-(-.857+(.127*Tmax)-(.66*Rh)+(.38*Eh))}] -1 72.8 Jeju* [1+exp{-(-6.224+(.4*Tmax)+(.399*Wmean))}] -1 98.1
24 Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 4 는독립변수로는최고기온, 상대습도, 평균풍속으로나타났으며, 모두통계적으로유의한것으로나타났다. 상대습도및평균풍속의부호가음 (-) 으로나타나상대습도및평균풍속이낮으면낮을수록산불발생위험이증가하는것으로나타났으며, 최고기온의경우에는부호가정 (+) 으로최고기온및평균풍속이증가하면산불발생확률이증가하는것으로나타났으며, 추정모형의적합도는 -값이 253.417로 99% 신뢰수준에서유의성이있었으며, 표본내예측력은 73.6% 로나타났다. 경상남도지역에서는유의성있는독립변수로는최고기온, 상대습도, 실효습도, 평균풍속이통계적으로유의한것으로나타났으며, 추정모형의적합도는 -값이 286.912으로 99% 신뢰수준에서유의성이있었으며, 표본내예측력은 74.4% 로나타났다. 경상북도지역에서는유의성있는독립변수로는최고기온, 상대습도, 실효습도, 평균풍속이통계적으로유의한것으로나타났으며, 추정모형의적합도는 -값이 94.951으로 99% 신뢰수준에서유의성이있었으며, 표본내예측력은 68.7% 로약간낮게나타났다. 전라남도지역에서도유의성있는독립변수로는최고기온, 상대습도, 평균풍속이통계적으로유의한것으로나타났으며, 실효습도는통계적으로유의하지않으나중요변수로간주하여모형에포함시켰으며, 추정모형의적합도는 -값이 183.538 로통계적으로유의하였으며, 표본내예측력은 7.1% 로나타났다. 전라북도지역에서는유의성있는독립변수로는최고기온과상대습도가나타났으며, 모두 99% 신뢰수준에서통계적으로유의한것으로나타났다. 또한추정모형의적합도는 -값이 151.32로통계적으로유의하였으며, 표본내예측력은 73.5% 로나타났다. 충청남도지역에서는유의성있는독립변수로는최고기온, 상대습도, 평균풍속으로나타났으며, 통계적으로유의한것으로나타났다. 또한이론적인기대치와부합하 는부호를보이고있다. 추정모형의적합도는 -값이 158.623로유의성이있었으며, 표본내예측력은 7.6% 로나타났다. 충청북도지역에서는유의성있는독립변수로는최고기온, 상대습도, 실효습도가통계적으로유의한것으로나타났으며, 추정모형의적합도는 -값이 15.225로유의성이있었으며, 표본내예측력은 72.8% 로높게나타났다. 마지막으로제주도지역에서는유의성있는독립변수로는최고기온, 평균풍속이모형에포함되었으며, 표본내예측력은 98.1% 로나타내고있으나발생건수에대한자료부족으로미발생건수에대한예측력이라볼수있으며추정모형의적합도는계산되지않는다. 3.4. 2 년대봄철산불발생확률모형의신뢰성검정전국 9개광역도별각각기상대의일별기상자료 ( 기온, 습도, 풍속 ) 를독립변수로산불발생일을종속변수 ( 발생일 1, 비발생일 ) 로설정하여확률모형으로변환할수있는로지스틱모형을적용하여통계적으로유의한산불발생확률모형을개발하였다. 여기서는이들추정확률모형이얼마나예측력이뛰어난가를검토하기위하여제주도를제외한 8개지역은 2년부터 21 년간과제주도지역은 1991년부터 21년간의분석에이용된시계열기상인자를추정모형에대입하여산불발생확률들을계산하는사후검정분석을실시하였다. 추정된확률들을산불발생일과비발생일로구분하여모형의정확성과신뢰성을검정하였다. 그결과는 Table 4와같다. 실제로산불이발생한날들의평균산불발생확률이산불이발생하지않은날들의산불발생확률보다도통계적으로높다는것이 99% 신뢰수준에서유의성이있는것으로확인되었다. 실제로산불이발생한날의확률이실제로산불이발생하지않았던날보다추정예측값이높다는것을확인할수있다. Table 4. Reliability evaluation of estimating forest fire occurrence probability model; Gangwon (GW), Gyeonggi (GG), Chungnam (CN), Chungbuk (CB), Jeonnam (JN), Jeonbuk (JB), Gyeongnam (GN), Gyeongbuk (GB), Jeju (JJ) Regions GW GG CN CB JN JB GN GB JJ Mean of non-fire days Mean of fire days.245.444.331.273.433.269.413.562.18.674.7.545.57.643.492.692.697.52 t-value 28.9 ** 2.778 ** 16.782 ** 17.39 ** 17.494 ** 16.193 ** 21.889 ** 13.972 ** 2.31 * ** significant at 99% level, * significant at 95% level.
Myoungsoo Won et al.: Developing Korean Forest Fire Occurrence Probability Model Reflecting 25 3.5. 2 년대봄철기상에의한일일산불발생위험지수 (DWI) 의개발 3.4. 에서전국의지역별기상자료를이용한산불발생확률모형이효과적으로산불발생위험을예측할수있다는것이확인되었다. 여기에서는지역별산불발생확률모형에서사후검정으로예측된과거의지역별산불발생확률예측치들을이용하여산불발생위험지수를설정하였다. 산불발생위험지수의설정은과거 11년간 (2-21년 ) 의봄철 (1 2 3 4 5 6 월 ) 의지역별기상자료를지역별확률모형에대입하여얻어진확률들의총예측치를이용하여 1% 구간별백분위수를추정하고해당예측확률구간을지수화하여설정하였다. 그결과는 Table 5와같다. Table 5에서설정한 DWI를지역별산불발생확률모형에서사후검정으로예측된과거의지역별산불발생확률예측치에적용하여기상에의한 2년대봄철일일산불발생위험지수 (DWI) 를산출하였다 (Table 6). 실제로산불이발생한날들의 DWI는높은반면, 실제로산불 Table 5. Daily weather index(dwi) in Spring, 2s Ratio interval DWI Estimated interval rate 1% 1 [..162] 2% 2 [.163.916] 3% 3 [.917.23] 4% 4 [.231.3218] 5% 5 [.3219.4342] 6% 6 [.4343.5535] 7% 7 [.5536.6527] 8% 8 [.6528.7443] 9% 9 [.7444.8346] 1% 1 [.8347 1.] 이발생하지않은날의 DWI는낮은것으로나타났다. 이 러한결과는 DWI가산불발생의위험정도를매우잘예 측할수있는모형이라는것을의미한다. 9개도별지역 간에있어서산불발생건수가많은강원도, 경기도, 경상 Table 6. Distribution of DWI by weather data of the past dry season Class GW GG GN GB JN JB CN CB JJ Total Fire frequency Daily Weather Index(DWI) 1 2 3 4 5 6 7 8 9 1 Total Fire 2 12 24 32 25 3 47 71 56 167 466 Non Fire 37 169 139 94 58 41 4 17 13 12 62 Fire 13 42 61 73 84 12 119 274 768 Non Fire 9 71 93 12 79 59 41 35 29 518 Fire 2 4 21 29 33 68 17 18 149 219 74 Non Fire 5 49 83 78 9 67 75 45 41 18 551 Fire 1 11 58 11 139 196 249 183 938 Non Fire 13 62 63 74 98 11 69 16 55 Fire 9 42 6 1 92 15 145 1 653 Non Fire 19 75 89 93 11 59 54 33 16 539 Fire 4 28 53 57 57 54 43 34 15 345 Non Fire 15 219 117 81 49 44 21 12 3 651 Fire 5 25 42 63 88 48 76 63 32 422 Non Fire 45 145 151 18 52 49 4 16 2 68 Fire 9 25 4 66 63 53 36 54 11 357 Non Fire 1 121 186 12 79 51 51 29 8 646 Fire 12 14 2 1 1 3 Non Fire 1,39 53 17 1 1,587 Fire 16 48 148 292 423 581 624 737 869 11 4719 Non Fire 182 147 948 85 674 514 475 357 227 96 6225
26 Korean Journal of Agricultural and Forest Meteorology, Vol. 18, No. 4 남도, 경상북도, 전라남도지역의 DWI는산불발생건수가상대적으로적은전라북도, 충청남도, 충청북도, 제주도의 DWI보다도높은지수값에서산불발생일의빈도수가높은것을알수있다. 특히제주도의경우는과거산불사례가 3건에불과해통계적으로무의미한결과를보일수도있어추후보완연구가필요하다. 적요본연구는기후변화에따른 199년대와 2년대봄철에발생하는산불의공간적분포가크게변화됨에따라현재진행되고있는기후변화에대응하기위한산불발생확률모형의변화를비교하고, 2년대이후의산불발생확률모형을적용함으로써우리나라에서의기후변화로인한산불발생변화예측을현실적으로반영하기위해수행하였다. 본연구에서는전국특정지역의일일산불발생위험도예측하기위하여산불발생과관련이있는기상요소로규명된습도, 기온, 풍속등기상정보를이용하여기후변화를반영한 2년대의전국 9개권역의봄철기상요소에의한일일산불발생위험지수 (daily weather index, DWI) 를개발하였다. 첫번째로구체적인개발방법은전국 9개광역지역별로산불발생에영향을주는기상요소를규명하여지역별로산불발생의유무를종속변수 (dependent variable) 로두고산불발생관련기상요소들을독립변수 (independent variable) 로하여로지스틱회귀모형 (logistic regression model) 을적용하여산불발생확률을추정하였다. 197년대이후우리나라의봄철건조계절의평균기후장분석결과, 영남지역에서기온은상승하고습도와강수량의감소폭이큰것으로나타났다. 반면강원지역은모든기상요소에서변화폭이비교적낮아산불발생환경측면에서다른지역보다안정적인것으로사료된다. 향후권역별기후변화특성과산불발생경향을비교함으로써산불발생에영향을미치는권역별주요기후인자를선별을수있을것으로판단된다. 199년대와비교하여 2년대의산불의패턴은남북으로분할되던경향이광역대도시를중심으로인근지역으로확대되면서백두대간을중심으로동서로분할되는경향을보였다. 이러한결과를토대로 2년대봄철기상에의한산불발생확률모형개발을수행하였다. 각권역별산불발생과관련되는기상요소로경상남 북도, 전라남도 4개권역은최고기온, 상대습도, 실효습도, 평균풍속, 경기도와충청남도 2개권역은최고기온, 상대습도, 평균풍속, 충청북도는최고기 온, 상대습도, 실효습도, 전라북도는최고기온과상대습도, 마지막으로제주도는최고기온과평균풍속에서 95% 이상의신뢰도에서유의성이있는것으로나타났다. 제주도를제외한모든권역에서 99% 의신뢰수준에서통계적으로유의한것으로나타났으며, 표본내예측력은 68.7 8.7% 로나타나모형의적합도는매우높은것으로나타났다. 개발된모형은현재운영중인산림청국립산림과학원의국가산불위험예보시스템에반영하여기후변화에따른 2년대의산불발생위험을정확히예측하여산불예방은물론진화자원의효율적인배치를통해시간과인적 경제적비용을절감하고산불피해를최소화할수있는선택과집중의산불정책에일조할수있을것으로기대한다. REFERENCES Choi, G., W. T. Kwon, and D. A. Robinson, 26: Seasonal onset and duration in South Korea. Journal of Korean Geographical Society 41(4), 435-456. (in Korean with English abstract) Clark, J. S., P. D. Royall, and C. Chumbley, 1996: The role of fire during climate change in an eastern deciduous forest at Devel S Bathtub, New York. Ecology 77(7), 2148-2166. Flannigan, M. D., B. J. Stocks, and B. M. Wotton, 2: Climate change and forest fires. The Science of the Total Environment 262, 221-229. Kwak, H. B., W. K. Lee, S. Y. Lee, M. S. Won, K. S. Koo, B. D. Lee, and M. B. Lee, 21: Caused-specific point pattern analysis of forest fire in Korea. Journal of Korean Forest Society 99(3), 259-266. (In Korean with English abstract) Kwon, W. T., 25: Current status and perspective of climate change sciences. Journal of Korean Meteorological Society 41(2-1), 325-336. (in Korean with English abstract) Lee, S. Y., S. Y. Han, M. S. Won, S. H. An, and M. B. Lee, 24: Developing of forest fire occurrence probability model by using the meteorological characteristic in Korea. Korean Journal of Agricultural and Forest Meteorology 6(4), 242-249. (In Korean with English abstract) McCoy, V. M., and C. R. Burn, 25: Potential alteration by climate change of the forest-fire regime in the boreal forest of central Yukon Territory. Arctic 58(3), 276-285. Pinol, J., J. Terradas, and F. Lloret, 1998: Climate warming, wildfire hazard, and wildfire occurrence in
Myoungsoo Won et al.: Developing Korean Forest Fire Occurrence Probability Model Reflecting 27 costal eastern Spain. Climate Change 38, 345-357. Randerson, J. T., H. Liu, M. G. Flanner, S. D. Chambers, Y. Jin, P. G. Hess, G. Pfister, M. C. Mark, K. K. Treseder, L. R. Welp, F. S. Chapin, J. W. Harden, M. L. Goulen, E. Lyons, J. C. Neff, E. A. G. Schuur, and C. S. Zender, 26: The Impact of boreal forest fire on climate warming. Science 314(582), 113-1132. DOI: 1.1126/science.113275 Sung, M. K., G. H. Lim, E. H. Choi, Y. Y. Lee, M. S. Won, and K. S. Koo, 21: Climate change over Korea and its relation to the forest fire occurrence. Atmosphere 2(1), 27-35. (In Korean with English abstract) Won, M. S., K. S. Koo, and M. B. Lee, 26: An analysis of forest fire occurrence hazards by changing temperature and humidity of ten-day intervals for 3 years in spring. Korean Journal of Agricultural and Forest Meteorology 8(4), 25-259. (in Korean with English abstract) Won, M. S., D. Miah, K. S. Koo, M. B. Lee, and M. S. Shin, 21a: Meteorological determinants of forest fire occurrence in the fall, South Korea. Journal of Korean Forest Society 99(2), 163-171. Won, M. S., S. Y. Lee, M. B. Lee, and S. Ohga, 21b: Development and application of a forest fire danger rating system in South Korea. Journal of the Faculty of Agriculture Kyushu University 55(2), 221-229. Won, M. S., S. H. Yoon, K. S. Koo, and K. H. Kim, 211: Spatio-temporal analysis of forest fire occurrences during the dry season between 199s and 2s in South Korea. Journal of Korean Association of Geographic Information Studies 14(3), 15-162. (In Korean with English abstract)