[논문 리뷰] Spatiotemporal wildfire modeling through point processes with moderate and extreme marks

Jonathan Koh, François Pimont외 2명|arXiv (Cornell University)|2021. 05. 17.

Fire effects on ecosystems인용 수 4

한 줄 요약

이 논문은 화재 발생 강도와 소각 면적 크기를 함께 모델링하여 중간화재와 극단화재를 구분하는 새로운 베이지안 계층적 시공간 포인트 프로세스 모델을 제안한다. 공유된 난수 효과를 통해 추정 효율성과 예측 정확도를 향상시키며, 극단가치 이론과 로그정규 코크스 프로세스를 통합하여 비선형적이고 계절적인 공변량 영향을 포착한다. 이는 1995–2018년 동안 프랑스 지중해 지역의 화재 위험에 대한 지역적 격차를 드러낸다.

ABSTRACT

Accurate spatiotemporal modeling of conditions leading to moderate and large wildfires provides better understanding of mechanisms driving fire-prone ecosystems and improves risk management. We here develop a joint model for the occurrence intensity and the wildfire size distribution by combining extreme-value theory and point processes within a novel Bayesian hierarchical model, and use it to study daily summer wildfire data for the French Mediterranean basin during 1995--2018. The occurrence component models wildfire ignitions as a spatiotemporal log-Gaussian Cox process. Burnt areas are numerical marks attached to points and are considered as extreme if they exceed a high threshold. The size component is a two-component mixture varying in space and time that jointly models moderate and extreme fires. We capture non-linear influence of covariates (Fire Weather Index, forest cover) through component-specific smooth functions, which may vary with season. We propose estimating shared random effects between model components to reveal and interpret common drivers of different aspects of wildfire activity. This leads to increased parsimony and reduced estimation uncertainty with better predictions. Specific stratified subsampling of zero counts is implemented to cope with large observation vectors. We compare and validate models through predictive scores and visual diagnostics. Our methodology provides a holistic approach to explaining and predicting the drivers of wildfire activity and associated uncertainties.

연구 동기 및 목표

• 화재 발생의 시공간적 발생과 크기 분포를 통합적으로 모델링하는 통계적 프레임워크를 개발함으로써, 특히 중간화재와 극단화재를 구분하는 것.
• 모델의 발생 및 크기 구성 요소 간 잠재적 공간 난수 효과를 공유하여 추정 불확실성을 줄이고 예측 정확도를 향상시키는 것.
• 화재 위험지수와 산림 커버와 같은 공변량의 비선형적이고 계절적인 영향을 포착하는 것.
• 대규모 화재 데이터셋에서의 데이터 희소성과 영점 과잉 문제를 해결하기 위해 영점 수를 계층적으로 샘플링하는 전략을 적용하는 것.
• 지역 간 화재 발생과 극단화재 크기의 공통 원인을 규명하여 실질적인 화재 위험 관리 통찰을 제공하는 것.

제안 방법

• 화재 발생을 시공간적 로그정규 코크스 프로세스로 모델링하여 발생 패턴의 복잡한 공간적·시간적 의존성을 포착한다.
• 각 화재 발생 지점에 대해 소각 면적을 연속적인 수치적 표식으로 할당하며, 극단화재는 높은 임계값(79ha)을 초과하는 경우로 정의한다.
• 중간화재와 극단화재 분포를 별도로 포착하기 위해 유한 혼합모형(이중성분)을 사용하며, 구성 요소별로 공변량의 스무딩 함수를 적용한다.
• 모델의 발생 및 크기 구성 요소 간에 공유된 난수 효과를 통합하여 모델 구성 요소 간의 강도를 빌려오고 불확실성을 감소시킨다.
• 영점 수가 많은 대규모 데이터셋을 효율적으로 처리하기 위해 계층적 서브샘플링 전략을 적용하여 계산 효율성을 향상시킨다.
• 계층적 사전분포를 사용한 MCMC 기반 완전 베이지안 추론을 통해 모델 파라미터를 추정하고 불확실성을 정량화한다.

실험 결과

연구 질문

• RQ1 어떻게 화재 발생의 시공간적 발생과 크기 분포를 함께 모델링할 수 있으며, 특히 중간화재와 극단화재를 구분할 수 있는가?
• RQ2 공유된 난수 효과가 통합 화재 모델링 프레임워크에서 추정 불확실성과 예측 성능에 어떤 영향을 미치는가?
• RQ3 화재 위험지수와 산림 커버와 같은 공변량이 화재 발생과 크기 분포에 비선형적이고 계절적으로 변화하는 방식으로 영향을 미치는가?
• RQ4 지형 구조의 지역적 차이(예: 도시화, 분할)가 극단화재 발생 가능성에 어떤 영향을 미치는가?
• RQ5 표식이 있는 포인트 프로세스와 극단가치 이론을 통합한 베이지안 계층 모델이 별도의 모델보다 위험 예측 및 원인 규명에 있어 개선된 성능을 보일 수 있는가?

주요 결과

• 공유된 난수 효과의 포함은 특히 극단화재 데이터가 희소한 지역에서 추정 불확실성을 크게 감소시키고 예측 성능을 향상시킨다.
• 코르시카에서는 COX-BETA 공유 효과가 매우 긍정적이며, 이는 중간 크기의 화재가 극단화재로 번질 가능성이 높다는 것을 시사한다. 이는 화재 진압이 지연되고 대규모 연속된 산림 지역이 존재하기 때문일 것이다.
• 지형의 분할과 인구 밀도가 높거나 농촌 지역에서의 인간 활동은 화재 발생 빈도를 증가시키지만, 연료의 끊김으로 인해 대규모 화재 발생 가능성을 낮춘다.
• 화재 위험지수의 비선형적이고 계절적인 영향이 강하게 드러나며, 이는 현재의 화재 위험도 평가 체계가 주의 깊이 해석되어야 함을 시사한다.
• 극단화재의 임계값 초과 확률은 지역 간에 크게 차이가 나며, 대규모 연속된 산림 지역에서 높고, 분할되거나 도시화된 지역에서는 낮다.
• 공유 효과가 없을 경우 극단화재 크기 구성 요소는 데이터 희소성으로 인해 넓은 신뢰구간을 가지게 되어 실용적 이용에 제한을 받는다.