본 연구는 캘리포니아 지역의 산불 위험 지도를 개발하기 위해 Random Forest (RF) 알고리즘을 사용하고, Shapley Additive exPlanations (SHAP)를 통해 Explainable Artificial Intelligence (XAI)를 적용하여 모델 예측을 해석했습니다. 모델의 성능은 공간적 및 시간적 검증 전략을 통해 평가되었습니다.
시사점, 한계점
•
RF 모델은 초원(AUC = 0.996)과 산림(AUC = 0.997)에 대해 매우 높은 예측 성능을 보였습니다.
•
공간적 교차 검증은 제한적인 전이성을 보였으며, 시간적 분할 검증은 특히 산림에서 일반화 성능이 향상되었습니다.
•
SHAP 분석을 통해 토양 유기 탄소, 나무 덮개, NDVI는 산림에서, 지표면 온도(LST), 고도, 식생 건강 지수는 초원에서 주요 위험 요인으로 확인되었습니다.
•
Central Valley와 Northern Buttes 지역은 고위험 초원, Northern Buttes와 North Coast Redwoods 지역은 고위험 산림의 집중 구역으로 나타났습니다.
•
RF-SHAP 프레임워크는 산불 위험 평가에 강력하고 이해하기 쉬우며 적응 가능한 방법을 제공합니다.
