산불 확산 예측과 공중 진화 전략의 통합, 하이브리드 AI 모델로 방재 새 지평

2020년 캘리포니아 베어 파이어는 불과 며칠 만에 수십만 에이커를 태우며 사상 최대 규모의 산불 중 하나로 기록됐다. 항공 진화 작전이 펼쳐졌지만, 불은 지형과 바람, 연료 상태의 복잡한 상호작용 속에서 예측하기 어렵게 퍼져나갔다. 어디에, 언제, 무엇을 떨어뜨려야 화선을 효과적으로 차단할 수 있는지 — 이 질문에 답하는 일은 여전히 경험에 의존하는 영역으로 남아 있었다.

이 논문이 제안하는 것은 그 질문에 대한 계산적 해답이다. 신경망과 셀룰러 오토마타를 결합한 하이브리드 모델로 산불의 확산을 예측하고, 그 위에 경사 기반 최적화를 얹어 항공 투하 전략을 자동으로 설계하는 프레임워크다.

산불이 어떻게 번지는지 AI가 배우다

산불 확산은 단순한 물리 법칙으로 설명하기에는 너무 복잡하다. 지형의 경사, 식생의 밀도와 수분 함량, 순간순간 바뀌는 풍향과 풍속이 뒤엉키면서 불은 때로는 예상치 못한 방향으로 폭발적으로 번진다. 전통적인 수치 모델은 이 복잡성을 충분히 담아내지 못했고, 순수한 데이터 기반 접근은 공간적 구조를 잃어버리는 경향이 있었다.

연구팀이 선택한 해법은 두 세계의 장점을 합치는 것이었다. CNN(합성곱 신경망)이 지형·연료·바람 데이터로부터 각 격자 셀의 확산 가능성을 학습하고, 그 결과를 셀룰러 오토마타의 전파 규칙으로 연결해 시공간적 확산 동학을 시뮬레이션한다. CNN은 복잡한 국소 패턴을 학습하는 데 강하고, 셀룰러 오토마타는 인접 셀 간 상호작용을 명시적으로 모델링하는 데 강하다. 두 방식의 결합은 공간적 정밀도와 계산 효율성을 동시에 확보하는 길이었다.

물 한 방울의 최적 낙하 지점을 찾아서

예측 모델만으로는 충분하지 않다. 산불 진화의 핵심은 "어디에 무엇을 얼마나 떨어뜨릴 것인가"라는 개입 전략의 설계에 있다. 연구팀은 이 문제를 연속 최적화 문제로 정식화했다. 각 항공 투하는 이진 결정(투하 여부)과 연속 파라미터(위치, 방향)의 조합으로 표현되며, 시뮬레이션 격자에 매핑된다.

물과 지연제(retardant)는 서로 다른 억제 효과를 갖는다. 물은 현재 활활 타고 있는 불을 즉시 줄이는 효과에 강하고, 지연제는 확산 경로상의 연료에 코팅돼 미래의 확산을 지속적으로 억제한다. 이 두 가지 효과를 구분하여 모델에 반영함으로써, 단순히 불을 끄는 것과 불이 번지지 않도록 막는 것을 전략적으로 구분할 수 있게 된다.

최적화는 경사 하강법으로 이루어진다. 시뮬레이션 전체가 미분 가능한 구조로 구성되어 있기 때문에, 투하 위치와 방향을 조금씩 조정하면서 피해 면적을 줄이는 방향으로 수렴할 수 있다. 이 접근은 가능한 모든 조합을 탐색하는 브루트포스 방식보다 훨씬 효율적으로 실용적인 투하 계획을 생성한다.

불확실성 속에서도 유효한 전략

산불 대응에서 불확실성은 피할 수 없다. 기상 데이터는 부정확하고, 연료 상태는 현장에서만 정확히 알 수 있으며, 모델 자체도 예측 오차를 가진다. 실용적인 진화 계획은 이런 불확실성 속에서도 충분히 강건해야 한다.

연구팀은 불확실성을 두 종류로 분리했다. 우연적 불확실성(aleatoric uncertainty)은 날마다 달라지는 기상 조건처럼 본질적으로 확률적인 요소에서 비롯된다. 이는 몬테카를로 샘플링으로 여러 시나리오를 생성해 분포를 추정했다. 인식론적 불확실성(epistemic uncertainty)은 모델 자체의 예측 오차, 즉 더 많은 데이터나 더 좋은 모델로 줄일 수 있는 종류의 불확실성이다. 이는 공간적으로 상관된 예측 오차 섭동을 통해 정량화했다.

2020년 베어 파이어를 대상으로 한 사례 연구는 이 프레임워크의 실용성을 보여준다. 실제 지형 데이터와 바람 데이터를 입력으로 삼아 항공 진화 일정을 생성하고, 다양한 불확실성 조건 하에서 그 계획의 유효성을 평가했다. 단일 최적해를 제시하는 데 그치지 않고, 불확실성을 인식한 분석을 지원한다는 점에서 운영 현장에 더 가까운 설계다.

AI가 산불 진화의 의사결정을 완전히 대체하기까지는 아직 갈 길이 멀다. 실시간 데이터 통합, 항공기 운용 제약, 더 긴 시간 지평의 계획 수립 같은 과제들이 남아 있다. 그러나 이 연구는 예측과 개입 전략 설계를 하나의 최적화 루프로 묶고, 그 위에 불확실성 분석을 얹는 체계적 접근의 가능성을 구체적으로 보여준다. 기후 변화로 산불의 강도와 빈도가 높아지는 지금, 이런 종류의 연구가 갖는 실천적 의미는 결코 작지 않다.