[논문 리뷰] From spatio-temporal data to chronological networks: An application to wildfire analysis

Didier A. Vega‐Oliveros, Moshé Cotacallapa외 5명|Biblioteca Digital da Memória Científica do INPE (National Institute for Space Research)|2018. 12. 04.

Complex Network Analysis Techniques참고 문헌 31인용 수 4

한 줄 요약

이 논문은 상관관계 기반 네트워크의 한계를 극복하기 위해 연속적인 화재 사건 간에 격자 셀을 연결함으로써 시공간 화재 데이터를 모델링하는 새로운 연대순 네트워크 접근법을 제안한다. 이 방법은 MODIS 데이터를 사용하여 아마존 분지에서 연간 화재 활동 이동 패턴과 하위지역의 화재 역학을 규명하며, 시간적·공간적 사건 순서를 보다 우수하게 탐지함을 보여준다.

ABSTRACT

Network theory has established itself as an appropriate tool for complex systems analysis and pattern recognition. In the context of spatiotemporal data analysis, correlation networks are used in the vast majority of works. However, the Pearson correlation coefficient captures only linear relationships and does not correctly capture recurrent events. This missed information is essential for temporal pattern recognition. In this work, we propose a chronological network construction process that is capable of capturing various events. Similar to the previous methods, we divide the area of study into grid cells and represent them by nodes. In our approach, links are established if two consecutive events occur in two different nodes. Our method is computationally efficient, adaptable to different time windows and can be applied to any spatiotemporal data set. As a proof-of-concept, we evaluated the proposed approach by constructing chronological networks from the MODIS dataset for fire events in the Amazon basin. We explore two data analytic approaches: one static and another temporal. The results show some activity patterns on the fire events and a displacement phenomenon over the year. The validity of the analyses in this application indicates that our data modeling approach is very promising for spatio-temporal data mining.

연구 동기 및 목표

• 복잡한 시스템에서 비선형적이고 반복적이며 순차적인 시공간 사건을 포착하는 데 있어 상관관계 기반 네트워크의 한계를 해결하기 위해.
• 시공간 데이터의 사건 순서에서 직접 네트워크를 구성할 수 있는 계산 효율적이고 유연한 방법을 개발하기 위해.
• 실제 아마존 분지 화재 데이터에 이 방법을 적용하여 숨겨진 시간적·공간적 패턴을 규명하기 위해.
• 활성 화재 지역과 이동 추세를 식별하기 위해 정적 및 시간적 네트워크 분석 접근법을 비교하기 위해.
• 이 방법이 기후 및 농경지 이용과 관련된 화재 활동 이동과 공동체 구조를 탐지할 수 있는 능력을 검증하기 위해.

제안 방법

• 아마존 분지를 공간 격자로 나누며, 각 셀을 네트워크의 노드로 표현한다.
• 연속적인 화재 사건이 두 셀 간에 발생할 경우에만 링크를 설정하여 유도 간선을 형성한다.
• 동일한 격자 셀에서 연속적인 사건이 발생할 경우 순환 간선(셀프루프)을 허용한다.
• 네트워크 구조와 역학을 평가하기 위해 정적 및 시간적 네트워크 분석 기법을 모두 적용한다.
• 시간 창을 사용하여 데이터를 분할하고 시간에 따른 네트워크 성질의 변화를 분석한다.
• 환경적 맥락에서 네트워크 결과를 해석하기 위해 강수량, 농경지 이용 등의 외부 데이터를 통합한다.

실험 결과

연구 질문

• RQ1 연대순 네트워크가 상관관계 기반 네트워크보다 순차적이고 반복적인 시공간 사건을 더 잘 포착할 수 있는가?
• RQ2 아마존 화재의 연대순 네트워크 분석에서 어떤 시간 패턴, 예를 들어 화재 활동 이동 패턴이 드러나는가?
• RQ3 건기 시기, 화재 강도, 농경지 이용의 하위지역 차이가 네트워크 공동체 구조와 어떻게 관련되는가?
• RQ4 정적 및 시간적 네트워크 분석 접근법이 가장 활성화된 화재 지역을 식별하는 데 얼마나 일치하는가?
• RQ5 강수량 및 삼림 벌채와 같은 환경적·인간 활동 요인에 대해 네트워크 구조는 어떻게 반응하는가?

주요 결과

• 연대순 네트워크 접근법은 명확한 연간 화재 활동 이동 패턴을 성공적으로 규명하였으며, 이는 남동부 하위지역에서 시작하여 북서쪽으로 확장됨을 보여주었다.
• 하위지역 4~7은 동일한 기간에 건기를 경험하였으며, 하위지역 4와 5는 6과 7보다 강수량이 적었다.
• 하위지역 2와 3는 가장 길고 심한 건기를 경험하였고, 하위지역 12는 가장 덜 강렬하지만 가장 긴 건기를 경험하여 다른 모든 지점과 다름을 보였다.
• 정적 및 시간적 네트워크 분석 모두 동일한 활성화된 화재 셀 집합을 식별하여 방법의 강건성을 검증하였다.
• 도로와 자연 보전구역 근처의 목초지, 농경지, 삼림 벌채와 같은 농경지 이용 패턴은 네트워크에서 고화재 활동 공동체와 강하게 연관되어 있었다.
• 이 방법은 화재 확산이 거리에 의해만 결정되는 것이 아니라, 특히 건기 동안 지역 간 순차적 사건 역학에 의해 이뤄진다는 것을 드러내었다.