Deep Learning-Based Analysis of Wildfire Susceptibility Considering Spatial Autocorrelation - Focusing on Andong-si and Uiseong-gun, Gyeongsangbuk-do -

2025년 3월 영남 지역에서 발생한 대형 산불은 기상, 지형, 식생, 인간 활동 등 여러 위험 요인이 복합적으로 작용하는 특정 공간에서 피해가 집중될 수 있음을 보여주었다. 따라서 산불 위험 지역을 사전에 식별하는 산불 민감성 지도의 구축과, 그 예측력에 대한 엄밀한 검증이 중요하다. 그러나 일반적인 교차검증은 공간적 자기상관에 따른 정보 누출로 예측 성능을 과대평가하고 지도의 신뢰성을 저하할 수 있다. 이에 본 연구는 경상북도 안동시와 의성군을 대상으로 60m 해상도의 심층신경망 기반 산불 민감성 지도를 구축하고 공간 교차검증을 적용하여 공간 일반화 성능을 평가하였다. 분석 결과, 공간적으로 분리된 검증 조건에서도 모델은 산불 피해·비 피해 지역을 구분하는 판별력을 유지했으며, 고민감 지역은 산지 능선, 사면, 산지와 저지대 전이 구간을 중심으로 군집하는 패턴을 보였다. 이러한 고위험 패턴은 NBR(Normalized Burn Ratio) 기반 피해 분포와 전반적으로 대응하였으나, 임계값 기반 지표는 심각한 클래스 불균형과 엄격한 공간적 분리 조건의 영향으로 제한적으로 나타났다. 본 연구는 산불 예방 및 자원 배분의 우선순위를 결정하는 증거 기반 도구로서의 민감성 지도의 활용 가능성을 제시하며, 딥러닝 기반 산불 예측에서 공간적 자기상관을 고려한 검증 설계의 필요성을 강조한다.