이 논문에서는 공간적 통계기법에 근거한 예측적 공간 데이터 마이닝 방법을 제안하고, 산불위험지역을 예측하는데 적용하였다. 제안된 방법은 조건부 확률과 우도비를 이용한 방법으로 과거 산불발생지역에 대해 산불과 관련된 공간데이터 집합들 사이의 정량적 관계에 의존적인 예측 모델이다. 두 가지 방법을 이용하여 산불위험지역 예측도를 만들고, 각 모델의 예측력을 평가하기 위해 산불위험율(FHR : Forest Fire Hazard Rate)과 예측률곡선(PRC : Prediction Rate Curve)을 이용하였다. 제안된 두 가지 예측모델의 예측력 비교분석 결과, 우도비 방법이 조건부 확률 방법보다 더 우수한 것으로 나타났다. 이 논문에서 제안된 산불위험지역 예측모델을 이용하여 작성된 산불위험지역 예측도는 산불예방과 산불감시장비 및 인력의 효율적인, 배치 등 산불관리의 효율성을 높이는데 많은 도움을 줄 것으로 기대된다.
In this paper, we propose two predictive spatial data mining based on spatial statistics and apply for predicting the forest fire hazardous area. These are conditional probability and likelihood ratio methods. In these approaches, the prediction models and estimation procedures are depending un the basic quantitative relationships of spatial data sets relevant forest fire with respect to selected the past forest fire ignition areas. To make forest fire hazardous area prediction map using the two proposed methods and evaluate the performance of prediction power, we applied a FHR (Forest Fire Hazard Rate) and a PRC (Prediction Rate Curve) respectively. In comparison of the prediction power of the two proposed prediction model, the likelihood ratio method is mort powerful than conditional probability method. The proposed model for prediction of forest fire hazardous area would be helpful to increase the efficiency of forest fire management such as prevention of forest fire occurrence and effective placement of forest fire monitoring equipment and manpower.
