PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.11022v1physics.ao-ph

중기 리드 타임의 전 지구 일별 화재 복사 강도 예측을 위한 그래프 신경망

A Graph Neural Network for Global Daily Fire Radiative Power Prediction at Medium-Range Lead Times

수일 전 생체량 연소(biomass-burning) 활동을 숙련되게 예측하는 것은 대기질 예보 및 에어로졸 예측에 중요합니다. 본 연구는 두 가지 운영상의 제약 조건에서 출발합니다. 첫째, NOAA의 GEFS-Aerosols를 초기화하는 데 사용되는 GBBEPx 위성 화재 복사 강도(FRP, Fire Radiative Power) 산출물은 약 1.5일의 지연 시간(latency)을 두고 제공되므로, 각 예보 주기는 가장 최근에 사용 가능하지만 이미 구식이 된 화재 관측치에 의존합니다. 둘째, 이러한 화재 입력값은 후속 5일간의 운영 예보 기간(또는 GSL 실험 시스템에서는 7일간) 내내 고정되어 유지되며, 사실상 화재 활동의 변화가 없다고 가정합니다. 본 연구에서는 가장 최근에 가용한 관측치를 바탕으로 1~7일 후의 전 지구 FRP를 예측하는 데이터 기반 모델을 개발합니다. 이 모델은 재분석 기상 자료, 토지 피복 및 식생 정보, 최근 화재 이력, 그리고 학습 목표로서의 GBBEPx FRP를 활용하는 시공간 그래프 신경망(GNN)을 적용합니다. 2020~2022년 데이터로 학습되었으며 2023~2024년 데이터로 평가되었습니다. 모델은 전 지구적 계절 주기를 재현하며 지속성(persistence) 기준선보다 크게 우수한 성능을 보입니다. 0.1$^\circ$ 해상도에서 평균 제곱 오차(MSE)는 2023년 기준으로 1일 리드 타임에서 32%, 7일 리드 타임에서 43% 감소했고, 2024년에는 각각 24%와 40% 감소했습니다. 1$^\circ$ 해상도에서 임계 성공 지수(CSI)는 0.32에서 0.60 범위를 나타냅니다. 탐지 성능은 리드 타임에 따라 완만하게만 감소하는 반면, 강도 예측 성능은 더 빠르게 저하됩니다. 대형 화재는 안정적으로 탐지되지만, 그 복사 강도는 체계적으로 과소평가됩니다. 이러한 결과는 며칠 앞선 화재 활동의 유용한 예측 가능성을 보여주며, 예측된 FRP가 현업 에어로졸 예보를 지원하기 전에 해결해야 할 주요 과제로 강도 보정과 소규모 화재 위치 파악을 규명합니다.

arXiv:2606.20693v1cs.CV

위성 영상과 Video Swin-Hybrid-U-Net을 이용한 캐나다 시공간 산불 확산 예측

Spatio-Temporal Wildfire Spread Prediction in Canada using a Video Swin-Hybrid-U-Net and Satellite Imagery

배경: 캐나다의 산불은 생태계, 지역사회, 인프라에 점점 더 큰 위협을 제기하며, 완화 노력을 지원하기 위해 정확한 예측 도구가 필요하다. 기존 모델들은 종종 확장성이 부족하거나 시간적 역학을 효과적으로 포착하지 못한다. 목적: 본 연구는 환경 데이터의 시공간 패턴을 포착하는 캐나다 산불 확산 예측에 맞춤화된 심층 학습 프레임워크를 개발하는 것을 목표로 한다. 방법: 우리는 기상 및 환경 변수의 3일 시퀀스를 모델링하기 위해 Video Swin 트랜스포머 인코더와 컨볼루션 디코더를 통합한 U-Net 아키텍처를 제안한다. 데이터는 Google Earth Engine을 통해 공개 저장소에서만 수집하여 투명성과 확장성을 보장한다. 모델은 2014년부터 2023년까지 주요 캐나다 산불 사건으로 구성된 큐레이션된 데이터셋에서 학습 및 테스트되었다. 주요 결과: 우리 접근법은 시공간 어텐션을 효과적으로 활용하여 다음 날 화재 발생 지도를 예측함으로써 강력한 예측 성능을 달성한다. 결론: 이 모델은 캐나다 지형과 시간적 변동성에 고유한 복잡한 산불 역학을 성공적으로 포착한다. 시사점: 이 프레임워크는 공개적으로 접근 가능한 데이터셋을 사용한 고급 시공간 산불 예측 연구와 운영 적용을 위한 길을 연다.