우리나라 산불연무영향 예보체계 개발을 위한 산불연무확산모델 고찰 및 제언

Review of Wildland Fire Smoke Dispersion Models and Suggestion for Korean Forest-Fire Smoke Impact Forecast System

Article information

J. Korean Soc. Hazard Mitig. 2016;16(6):197-208

Publication date (electronic) : 2016 December 31

doi : https://doi.org/10.9798/KOSHAM.2016.16.6.197

Joowon Park ^*, Ho Jung Youn ^**, Byung Doo Lee ^***, Choong Shik Woo ^****, Youngbeen Kim ^*****, Boknam Lee

박주원^*, 윤호중^**, 이병두^***, 우충식^****, 김영빈^*****, 이복남

^* Member, Assistant Professor, School of Forestry Sciences & Landscape Architecture, Kyungpook National University

^** Director, Division of Forest Disaster Management, National Institute of Forest Science

^*** Senior Research Scientist, Division of Forest Disaster Management, National Institute of Forest Science

^**** Member, Research Scientist, Division of Forest Disaster Management, National Institute of Forest Science

^***** Master Candidate, Department of Forestry, Kyungpook National University

^******Corresponding Author, Member, Research Assistant Professor, Research Institute of Agriculture and Life Sciences, Seoul National University (Tel: +82-2-880-4928, Fax: +82-2-873-3560, E-mail: leeboknam@gmail.com)

Received 2016 August 08; Revised 2016 August 17; Accepted 2016 September 01.

Abstract

우리나라는 산림 바이오매스 축적의 증가와 기후변화 등으로 인해 산불의 발생가능성이 높아지고 있다. 산불로 인한 재난과 피해를 미연에 방지하기 위하여 연료량 관리, 산불확산모델개발, 산불대응체계구축 등과 같은 분야에 많은 노력을 기울이고 있다. 그러나 산불로 인해 발생하는 연무는 광대한 면적에 확산되면서 공공보건에 악영향을 미칠 수 있음에도 불구하고 그에 대한 관심이 낮은 편이다. 이에 본 연구는 우리나라에 적합한 산불연무영향예보체계를 구축하는데 기여하고자 산불연무확산 모델 및 산불연무예보체계를 고찰하고 적합한 모델을 제시하는 것에 목적이 있다. 기존 문헌 고찰 결과, 이제까지 소개된 산불연무확산모델의 대부분은 이론적 접근방법에 따라 상자 모델(Box Model), 가우시안 연속모델(Gaussian Plume Model), 퍼프 모델(Puff Model) 및 입자 모델(Particle Model)을 포함한 라그랑지안 모델(Lagrangian Model), 오일러 격자 모델(Eulerian Grid Model), 그리고 Navier-Stokes 방정식 기반 물리 모델(Full Physics Model)의 5개의 모델 유형으로 구분할 수 있다. 연무확산예측체계와 관련해서는 북미에서는 BlueSky Framework, BlueSky Canada, 및 미 공병대 BlueSky Playground Beta 등의 BlueSky 계열을 채택하고 있다. 10ha 미만의 소형 산불이 대부분이고 연무확산예측을 위한 연산시간을 최소화할 것을 요구하는 우리나라 산불 관련 상황에서는 BlueSky Playground Beta에 사용되는 가우시안 연속모델이 산불연무영향예측체계에 적합한 모델이라고 할 수 있다.

Trans Abstract

Due to the increment of forest biomass stock as well as global climate change, the possibility of wildfire occurrence has been risen in Korea. To prevent adverse effects or disasters from such wildland fires, many efforts have been given in fuel-loading management, wildland fire dispersion-model development, response establishment of system to wildland fire, etc. However, wildfire-caused smoke has been given only little attention in Korea, while forest fire-smoke can disperse over vast areas deteriorating the public health. Thus, this study aims to review wildland fire smoke-dispersion models and forecast systems to suggest an appropriate one to contribute to the development of Korean forest-fire smoke impact forecast system. From the review, it was found that the models introduced up to now can be categorized mostly into five model groups by their theoretical approaches: a Box Model, a Gaussian Plume Model, Lagrangian Models which include a Puff Model and a Particle Model, an Eulerian Grid Model, and a Full Physics Model which is based on the Navier-Stokes equations. Regarding the forest-fire smoke impact forecast system, BlueSky series have been widely adopted in North America: BlueSky Framework, BlueSky Canada, BlueSky Playground Beta. Given Korean wildland fire-related situations where most of its wildland fires are a small scale with less than 10 ha-burnt areas, and minimal process time is required for the immediate prediction of smoke dispersion, the Gaussian Plume Model adopted in BlueSky Playground Beta, is suggested for the Korean forest-fire smoke impact forecast system.

Keywords: 산불; 연무확산모델; 예보체계

Keywords: Forest Fire; Wildland Fire; Smoke Dispersion Model; Forecast System

1. 서론

우리나라 산림은 치산녹화사업의 성공과 더불어 현재는 단위 면적당 재적이 140m³/ha에 이르는 울창한 산림으로 가꾸어져 왔다(산림청, 2015). 울창해진 우리나라 산림은 3,4영급 침엽수림의 비중이 높아짐에 따라 산불에 더 취약해졌다고 할 수 있다(한승길 등, 2010). 임목축적량 증가와 더불어 이상기후변화로 인해 대형 산불의 발생할 가능성은 점차 높아지고 있다. 이에 산불방재 역량을 증진시키기 위해 산불 연료 산정, 산불 확산 위험도, 확산 가능성 등 산불예방이나 진화와 같이 산불의 화염과 직접적으로 연관된 산불방재 사업에 많은 연구 및 투자를 해오고 있다. 반면, 산불로 인해 발생하는 연무에 대한 위험성의 이해와 그 피해를 줄이고자 한 노력은 미미한 실정이다.

실제로 산불연무로 인한 영향은 고농도로 단기간에 발생하는 영향과 저농도로 장기간에 걸쳐 발생하는 영향에 이르기까지 그 범위가 넓다(Clinton et al., 2006). 미국의 산불연무 연구들에 따르면, 산불연무는 지역 및 지구적 수준에서 대기의 질을 악화시킬 뿐만 아니라(Dirksen et al., 2009; Dutkiewicz et al., 2011; Meagher et al., 1998) 산불연무에 직·간접적으로 노출될 경우 심폐기능에 악영향을 미칠 수 있다고 보고하고 있다(Dennekamp and Abramson, 2011). 또한, 국지적으로는 산불연무로 인한 가시거리 감소는 차량의 도로주행에 위해 요소가 있음을 알리고 있다(Mobley, 1989).

이러한 산불연무의 부정적인 영향을 최소화하기 위해 미국, 캐나다, 유럽과 같은 선진국의 경우 산불발생시 발생하는 연무에 미리 대비할 수 있는 예·경보시스템을 통해 산불의 발생 지점으로부터 연무가 확산되어 나가는 범위를 추정하고 이를 바탕으로 연무피해강도에 따라 지역별 대응조치를 결정할 수 있도록 대피범위를 고려한 산불연무확산예보 체계를 개발하여 사용하고 있다(Larkin, 2010, Sakiyama, 2013). 특히, 정확한 산불연무 확산 예측을 위해 여러 다양한 연무확산 모델을 개발, 사용함으로써 산불 연무로 인한 피해를 줄이고자 하는 많은 연구와 투자를 해오고 있다. 반면, 우리나라의 경우 우리나라 산림조건 및 산불발생 특성에 적합한 산불연무확산모델 및 연무로 인한 영향을 예측하여 시의적절한 예·경고를 제공하는 예보체계를 구축하기 위한 연구는 초기단계로, 산불연무로 인한 피해 방지 노력이 제한을 받고 있다. 이에 본 연구에서는 산불연무확산 모델과 산불연무영향예보체계에 대한 동향과 특성을 이해하여 향후 우리나라 산불발생현황에 맞는 산불연무확산 및 대피 범위 의사결정 예·경보시스템 구축에 필수적인 한국형 산불연무확산 모델 구축에 적절한 모델유형과 산불연무확산 예보체계를 탐색하고자 한다.

2. 연구방법 및 범위

산불연무확산 모델 연구동향을 파악하기 위하여 Web of Science를 통한 논문검색과 인터넷 검색을 병행하여 실시하였다. 이를 통해 나온 논문들을 검토하여 그 이론적 특성에 따라 분류하였다. 산불연무확산 모델은 접근방법에 따라 크게 결정론적 모델 및 통계적 모델의 두 가지 유형으로 나눌 수 있다. 결정론적 모델은 산불로 인한 연무가 대기 중에서 이동, 확산 및 변형되는 과정에 관련되는 물리, 화학적 과정을 일련의 방정식으로 구현하여 연무의 농도를 계산하는 수치형 모델이다. 이에 반해, 통계적 모델은 과거의 연무 측정 자료와 기상자료 등에서 관측한 값들 사이의 통계적인 상관관계를 이용하여 연무의 농도를 계산하는 방법이다. 이 중 본 연구에서는 선진국에서 실제 산불연무확산 예측모델로 많이 사용되고 있는 결정론적 연무확산모델로 연구범위를 제한하여 살펴보고자 한다.

산불연무영향 예보체계와 관련해서는 논문검색과 아울러 인터넷으로 제공하고 있는 예보체계 관련 자료검색과 현지 개발자들을 방문 면접하여 그 특성을 파악하고자 하였다. 접근 가능한 자료가 북미 지역의 체계들인 관계로 연구 범위도 미국과 캐나다에서 운용되고 있는 산불연무영향 예보체계로 국한하였다.

3. 산불연무확산 모델 연구 동향

본 연구에서 논의할 연무확산모델은 적용이론(Theory), 상태(State), 지역규모(Scale), 지형(Terrain) 적용 특성에 따라 Table 1.로 분류되며 각각의 연무확산모델에 대한 자세한 설명과 적용 연구사례에 대해 다음과 같이 살펴보았다.

Table 1

Comparisons of Smoke Dispersion Models.

3.1. 상자 모델 (Box Model)

상자 모델은 산불연무농도를 질량보존법칙에 근거하여 Fig. 1.과 같이 넓은 산간 지역을 하나의 상자로 가정하고 연무가 일정하게 공간 안에 분포한다는 가정하에 상자 내부의 산불연무 배출량, 대상영역 외부로부터의 연무 유입 및 유출, 그리고 화학반응에 의한 연무의 생성 및 소멸 등을 고려하여 주어진 범위 내에서 연무의 농도를 단일한 값으로 추정하는 가장 간단한 모델이다. 이는 최초 도시의 대기질을 예측하기 위해 개발된 것으로, 시간에 따라 변하는 대기의 혼합고(Mixing Height)와 대기의 수평적 공간범위를 각각 높이(z_i)와 바닥(Δx×Δy)으로 구성되는 3차원 상자 내에 대기오염물질이 균일하게 분포하는 것으로 가정하여 시간 당 박스 내 오염물질의 농도(C)를 추정한다(Lettau, 1970).

Fig. 1

Schematic Diagram of the Box.

상자 모델을 기반으로 한 대표적인 산불연무모델은 Ventilated Valley Box Model(혹은 Ventilated Valley Diffusion Model)이 있다(Sestak et al., 1989). Ventilated Valley Box Model은 산지 계곡부의 지표면에서의 정체된 입자 또는 가스형태를 띠는 오염물질의 농도를 예측하기 위하여 개발된 것으로 계곡부의 하상과 사면으로 공간 내의 오염물질의 농도를 예측하고자 사용하고 있다. Kirkpartrick et al. (1976)은 상자 모델을 이용해 산지 계곡부에서의 연무확산 예측에 신뢰성 있는 결과를 얻을 수 있었다. 반면, Brown and Bradshaw (1994)은 상자 모델이 시간경과에 따른 계곡부의 총 연무량(Total Smoke Loading)을 예측하는데 용이하였으나 산불이 확대되면서 발생하는 지표면 연무확산 예측에는 적합하지 않음을 보고하였다. 아울러 Holmes and Morawska (2006)은 대기 중 물질의 균일한 분포라는 단순한 가정으로 인해 상자 모델을 적용해서는 이동과 확산으로 인해 국지적 변이가 심한 대기오염물질의 정확한 농도 추정에는 많은 제한이 있다고 밝혔다.

3.2. 가우시안 연속모델 (Gaussian Plume Model)

가우시안 연속모델은 연무확산 모델 중 가장 보편화된 모델로서 정상상태의 대기 및 배출 조건하에 점, 선, 면의 연료원에서 발생되는 연무가 가우시안 분포를 보이며 이동, 확산된다는 가정하에 개발된 모델이다. 즉, 연속모델은 Fig. 2.와 같이 연무가 공간 및 시간적으로 일정한 풍향에 따라 풍속에 비례하여 종축으로 이동하면서 횡축 및 지표면에 대한 수직한 연직축으로 정규분포에 따라 연무가 확산되는 행태를 가정하고 개발된 것으로서 상자 모델보다 이류(Advection) 및 확산(Diffusion)과 같은 대기과정을 보다 엄밀하게 구현할 수 있다(Turner, 1970). 연무의 지표반사를 고려한 경우 연무 농도에 대한 추정공식은 Eqs. (1)와 같다(Zannetti, 2013).

Fig. 2

Schematic Diagram of the Gaussian Plume Model.

(1)C(x,y,z;H)=Q2πσyσzU*exp[−12(yσy)2]*{exp[−12(z−Hσz)2]+exp[−12(z+Hσz)2]}

where,

C: concentration of the pollutant at a point with coordinates x,y,z(g/m³)

x: downwind distance from the source(m)

y: lateral distance from the source(m)

z: vertical distance above the ground(m)

Q: emission rate(g/s)

U: downwind velocity (m/s)

H: effective height above the ground(m), which is generally presented in the form H = h_s+Δh (where, hs : physical stack height, Δh : plume rise).

σ_y, σ_z: plume dispersion parameters in the lateral and vertical directions (m), respectively.

연속모델은 모델의 정확도를 좌우하는 수평 및 연직확산변이 (σ_y, σ_z) 모델계수를 대기 안정도와 풍하거리의 함수로부터 구하는 Pasquill-Gifford방법(Turner, 1964)에 의해 산정하므로 기상 정보가 부족한 경우 유용성이 높다. 하지만 평평하고 균일한 지표면에서 발생하는 정상상태의 연무확산을 구현하는 연속모델은 복잡한 지형에 의해 지역 및 국소적으로 변하는 풍향 및 풍속을 제대로 반영하지 못할 뿐 아니라 수직적인 바람의 전단(Wind Shear)이나 연소기간 동안의 바람 조건의 변화를 설명할 수 없는 제한을 가지고 있다(EPA, 2005).

현재 연속모델 기반의 산불연무확산에 대한 모델은 Tuner (1970)의 가우시안 분포 이론을 토대로 하는 VSMOKE (Lavdas, 1996), SASEM (Sestak and Riebau, 1988)이 대표적이며, Jackson et al. (2007)이 North Carolina의 Asheville에서 발생한 산불 연무에 대하여 VSMOKE를 적용하여 PM_2.5의 농도 패턴을 시뮬레이션 한 사례가 있다.

3.3. 라그랑지안 모델 (Lagrangian Model)

라그랑지안 모델은 라그랑지안 좌표계의 개념을 적용하여 대기 중으로 배출이 연기덩어리(Puff)나 입자(Particle)의 형태로 대기의 움직임에 따라 이류 및 확산되어 이동된다는 가정하에 농도를 계산하는 모델링 방법으로 라그랑지안 퍼프 모델(Lagrangian Puff Model, 이하 Puff 모델) 및 라그랑지안 입자 모델(Lagrangian Particle Model, 이하 Particle 모델)의 두 가지 주요한 흐름이 있다.

3.3.1 퍼프 모델(Puff Model)

퍼프 모델은 산불 연료의 연소 기간 동안 연속적으로 발생하는 연무를 Fig. 3.과 같이 연무를 각각의 연무입자로 구성된 연기덩어리로 세분화하여 표현함으로써 풍향, 풍속에 의해 이동 및 확산되는 연기덩어리들을 종합하여 연무의 농도분포를 시간변화에 따라 예측할 수 있는 모델이다. 특히, 퍼프 모델은 각각의 연기덩어리가 시간에 따라 변화하는 기상조건(풍향, 풍속)하에 연기덩어리의 중심에서 확산에 의해 정규분포의 형태로 퍼져나감을 가정함으로써 연료배출량의 변동에 따른 연무농도 변화를 예측할 수 있는 용이성이 있다(Arya, 1999; Lee, 1996).

Fig. 3

Schematic Diagram of Puff-Particles Dispersion in the Lagrangian Puff-Particle Model.

산불연무확산 예측에 적용한 모델로는 미국 환경보호청(US Environmental Protection Agency)에서 채택하고 있는 CALPUFF와 미국 해양대기청 (US National Oceanic and Atmospheric Administration)에서 채택한 HYSPLIT가 있다. CALPUFF는 3차원 기상모델인 CALMET, 후처리 시스템인 CALPOST와 연계된 통합 모델링 시스템을 통해 복잡한 지형, 비정상상태의 기상조건과 더불어 건성 및 습성침적(Dry and Wet Deposition)의 영향을 고려하여 시간단위로 연무의 확산을 예측할 수 있는 모델이다. Choi and Fernando (2007)은 CALPUFF을 이용하여 화전으로 인한 연무가 대기질에 미치는 영향성에 대한 연구를 수행하였고, Jain et al. (2007)은 연료원의 형태에 따른 연무 농도의 변화를 예측하는 연구를 수행하였다.

HYSPLIT은 일종의 혼합모델로서 연무의 확산을 연무덩어리(Puff) 또는 연무입자(Particle)의 형태로 수평 및 수직 방향으로 퍼져나가는 연무의 확산을 단순한 대기 궤적뿐만 아니라 침적반응을 고려한 복잡한 확산을 예측하는데 용이하게 사용할 수 있다. 이에 현재 미국과 캐나다의 대기질 예측시스템에서 연무확산모델의 하나로 채택되어 사용되고 있는 모델이다.

하지만 CALPUFF, HYSPLIT 모델을 이용한 연무농도 예측은 시간단위로 변화하는 기상상태를 반영해 줄 수 있는 높은 정확도를 가진 다양한 기상예측 모델자료와 더불어 복잡한 지형 및 침적반응과 같은 화학반응에 관련된 많은 모델 입력 자료가 필수적으로 입력되어야 하므로 모델운용에 고도의 전문성이 요구된다. 또한 강한 난류나 바람의 전단이 나타나는 경우에는 퍼프 모델에서 가정한 정상분포의 확산형태의 오류로 인하여 정확한 연무확산 예측을 할 수 없는 한계가 있다(Goodlick et al., 2013).

3.3.2 입자 모델 (Particle Model)

입자 모델은 Fig. 3.와 같이 연무를 개별적 연무입자로 간주하여 공기의 움직임을 따라 이동함과 동시에 연무의 확산현상을 개별 연무입자가 시간이 지남에 따라 두 개의 입자로 나누어져 공간적 부피가 팽창하는 것으로 가정하여 개별 연무입자를 추적하면서 확산 범위를 산출하는 모델로 시간의 경과에 따라 연무입자의 위치는 x, y, z축 방향으로의 평균풍속과 대기난류에 의해 불규칙하게 변하는 풍속의 변동성분에 의해 나타나므로 Random Walk Model이라고도 한다(Thomson, 1987; Stohl et al., 2005). 특히, 입자 모델은 연무의 초기 확산 농도를 실제와 비슷하게 정확하게 재현할 수 있을 뿐만 아니라 바람의 변동량을 확률적(Stochastic)인 방법으로 추정하므로 위의 퍼프 모델에서 가정한 물리적인 모델 요소로부터 자유롭다는 장점이 있다. 또한, 입자의 크기 및 건·습성 침적반응을 고려한 연무이동 확산을 모델링 할 수 있다.

하지만, 평균풍속을 계산하기 위한 고도기상모델과 시간에 따라 변하는 대기안정도로부터 각각의 난류성분의 추정과 개개의 연무입자의 위치 계산을 위해서는 장시간의 시뮬레이션 처리가 필요하다는 단점이 있다.

입자 모델을 이용한 산불연무확산 모델들로는 전통적인 입자 모델 기법을 사용하는 FLEXPART (Stohl and Thomson, 1999), 실험 모델(Empirical Model)과 입자 모델의 혼합모델인 DaySmoke (Achtemeier, 1998), 밤에 복잡한 계곡 봉우리 지역에서 타다 남은 연료의 연무확산을 모델링 할 수 있는 PB-Piedmont (Achtemeier, 2005) 등이 있다.

3.4. 오일러 격자 모델 (Eulerian Grid Model)

오일러 격자 모델은 연무의 발생지역을 고정된 3차원 좌표계(Eulerian Coordinate)의 수평, 수직방향으로 여러 개의 작은 격자로 분획하여, 각 격자 구간 내에서의 연무의 배출, 이류, 확산, 화학반응의 과정을 질량보전법칙에 근거한 일련의 편미분 방정식으로 구현하여 연무농도를 계산하는 모델이다(Ott, 1976).

오일러 격자 모델은 상호 연결된 고정된 상자 내 연무농도를 계산한다는 측면에서 넓은 의미에서의 상자 모델이라고 할 수 있으나 전체 대상 공간을 하나의 상자로 보고 단일한 평균연무농도를 계산하여 적용하는 상자 모델과는 달리 공간을 미세하게 분화시킨 작은 상자들의 개별적 연무농도를 순차적으로 상호 연관시켜 연무확산을 계산하기에 보다 정확하게 연무확산 농도를 예측할 수 있는 장점이 있다. 또한 앞서의 퍼프 모델이나 입자 모델과 같이 개별적인 연무기둥, 입자 등을 추적하는 데는 적합하지 않으나, 연무기둥 내 입자나 가스의 상호작용, 그리고 다수의 연무 기둥으로 배출된 누적된 연무의 확산 영향을 평가하는데 매우 효율적이다(Hardy et al., 2001).

하지만 개개의 세분화된 상자내의 연무농도 계산을 위한 배출량자료, 기상자료, 경계농도자료, 초기 농도자료 및 물리·화학적 반응 자료와 같은 많은 입력 자료와 상호 연결된 각각의 상자 내의 연무농도를 동시 다발적으로 시뮬레이션 하기 위해 장시간의 자료처리 시간이 요구된다는 단점이 있다.

대표적인 오일러 격자 모델로는 넓은 지역에 걸쳐 대기의 오존층, 미세먼지, 그리고 독성물질의 대기 확산 예측에 많이 쓰이고 있는 미국 EPA의 CMAQ (Community Multiscale Air Quality) (Byun and Ching, 1999; Byun and Schere, 2006)과 WRF-Chem (Skamarock et al., 2005: Grell et al., 2005) 등이 있으며, 이러한 상용모델을 이용하여 Tian et al. (2008)과 Grell et al. (2011) 등이 산불로 인한 연무의 농도 확산 예측에 사용하는 연구를 실행하였다.

3.5. 물리 모델 (Full Physics Model)

물리 모델은 Navier-Stokes 방정식에 기반하여 대기의 이동현상을 표현한 수리모델로, 기존의 오일러 격자 모델이 각각의 구획 구간 50m 내에서 퍼지는 연무의 시뮬레이션만 가능했던 제약을 넘어 연무의 이동 및 확산의 물리 현상을 대기역학 연속방정식으로 직접 구현하여 시뮬레이션 할 수 있는 모델이다.

ATHAM (Active Tracer High-resolution Atmospheric Model) (Oberhuber et al., 1998; Herzog et al., 2003; Textor, 1999; Herzog and Graf, 2010)모델은 물리 모델이 구현된 산불 연무확산 예측모델로, Trentmann et al. (2002)은 ATHAM을 적용하여 미국 태평양 연안 북서부의 산불에서 방출되는 연무 입자들의 대기 이동을 시뮬레이션하고 원격탐사 자료와의 비교 연구를 통해 ATHAM모델이 연무 입자의 투입 고도와 이동 추정에서 높은 정확도를 나타냄을 보였다. Trentmann et al. (2006)과 Luderer et al. (2006)은 캐나다의 Alberta지역에서 발생한 대형 산불에 의해 생성된 적란운의 변화와 형성에 대한 시뮬레이션 연구에 ATHAM모델을 사용하였다.

이와 같이 물리 모델을 적용하여 산불 연무확산을 예측하는 것은 실제 산불연무확산현상을 구현하는데 신뢰할 만한 결과 값을 높인다. 그러나 정확한 연무확산 예측을 위해 요구되는 기상자료 및 산불 방출 자료 등의 입력 자료가 방대한 반면 모델을 컴퓨터 모델에서 정확하게 구현할 수 있는 연산알고리즘이 현재까지는 부재하여 정확한 연무확산 예측이 어렵다는 한계가 있다.

4. 산불연무영향 예보 체계

산불연무영향예보체계는 크게 두 가지로 구성된다고 할 수 있다. 먼저 산불로 인해 발생하여 대기 중으로 방출되는 물질의 양, 즉 산불연무량 산정이 필요하고 다음으로 대기 중에 방출되어져서 존재하는 물질의 확산모델이다. 위에서 살펴본 산불연무확산모델은 후자의 경우로 연무의 이동 및 확산의 예측을 위해 필요하다. 이에 산불연무확산모델의 입력인자인 산불연무량을 별도로 산출할 필요가 있는데, 이를 위해서는 산불연무확산모델에 선행하는 여러 단계의 과정이 필요하다. 즉, 산불이 발생했을 때 산불 연료량(Fuel Loading), 연료소비량(Fuel Consumption), 연무발생량(Fuel Emission)의 산정이 필요하다. 이와는 별도로 기상조건과 같은 일련의 선행 자료가 준비되어야 연무확산모델을 이용한 연무의 확산 정도를 예측하여 연무의 확산 및 그 위험성에 대한 예·경보를 할 수 있다. 따라서 산불연무량 및 산불연무확산을 기상정보와 통합적으로 연산하여 산불연무영향을 예보하는 체계를 구축해야 한다. 이를 위해 미국과 캐나다의 경우 BlueSky Framework (Goodrick et al., 2013) 등과 같은 모듈구성 형식의 산불연무확산 및 영향예보 체계를 개발하여 연무확산모델에 대한 운용의 접근성을 용이하게 했을 뿐 아니라 과학적인 연무확산모델 결과를 이용한 빠른 의사결정을 통해 산불연무확산에 따른 피해를 줄이는데 도움을 주고 있다. 이에 북미에서 사용되는 산불연무영향 예보체계의 구성요소와 특징 등에 대해 알아봄으로써 앞으로 우리나라 산불연무영향예보 체계 개발 방향을 모색하고자 한다.

4.1. BlueSky Framework

BlueSky Framework는 미국 산림청(U.S. Forest Service, USFS)과 환경보호청에서 산불의 발생에서부터 연무발생량의 산정 및 확산되는 일련의 과정을 시뮬레이션 하기 위해 만든 통합형 의사결정 모듈체계이다. 즉, Fig. 4.에서 보는 바와 같이 연무의 확산 예측을 위해 BlueSky Framework은 크게 연료량(Fuels), 연료소비량(Total Consumption), 연무발생량(Emissions) 모듈이 연료정보에서 순차적으로 각 단계별 모듈의 입력 자료로 사용되고 출력정보는 다시 다음 모듈의 입력 자료로 사용되어 최종적으로 연무의 확산범위를 예측한다.

Fig. 4

BlueSky Framework v3 Pathway.

예를 들어, 연료량 산정을 위해 BlueSky Framework에서는 미서부 지역의 경우 Fuel Characteristic Classification System (FCCS) (Ottmar et al., 2003)과 연료량 지도(Hardy et al., 1998), 그리고 미국 전역의 연료량 산정을 위해서는 National Fire Danger Rating System (NFDRS)을 이용하여 연료량을 산정할 수 있는 모듈을 각 지역의 특성에 맞게 선택하여 사용할 수 있도록 하고 있다(Burgan et al., 1998). 연료소비량(Fuel Consumption)과 연료발생량(Fuel Emission)의 경우 BlueSky Framework내에 CONSUME (Ottmar et al., 1993), FEPS (Anderson et al., 2004), FOFEM (Reinhardt et al., 1997)와 같은 복수의 연료소비량 및 발생량 산정 모듈이 있어 산불발생 지역의 연료량 및 연료형태에 따라 알맞은 모듈을 선택하여 산정할 수 있다. 이중 CONSUME 모듈은 사전입화(Prescribed Burning), 임야 및 초지의 연료가 일정 연료수분 상태에 따라 소비되는 연료량 및 그에 따른 연무발생량을 산정해 주는 모듈로써 CONSUME의 경우 연료소비량 산정시 산림의 생태학적인 측면을 고려해주지 못하는 단점이 있으나 총 연료소비량을 계산하는데 있는데 가장 정확한 도구로 인식되어 현재 미국에서 많이 사용되고 있다(Larkin et al., 2010).

이렇듯 BlueSky Framework는 연료, 연소, 방출, 기상모델 등 부문별 상호 조건에 따라 선택 가능한 모듈을 제공함으로써 조합한 모델들의 결과 값을 비교·분석하여 최적의 결과를 도출할 수 있다. Adkins et al. (2003)은 실제 Montana와 Idaho에서 발생한 산불에 BlueSky Framework를 적용하여 연무확산예측 결과와 위성영상 자료를 이용하여 연무가 확산되는 위치와 시간에 대하여 합리적인 결과를 도출할 수 있었다. Strand et al. (2012)은 CMAQ를 적용한 BlueSky Framework를 통해 신뢰성 있는 PM_2.5 농도 예측 결과를 도출하여 대기질 농도 평가에 모델의 적용가능성이 있음을 제시하였다.

이와 같이 연무확산을 예측하는 모델링 시스템 동향은 BlueSky Framework과 같이 산불발생 정보로부터 발생지역 내의 연료량을 추정하고 기상 정보 등과 연동하여 해당 지역 연소형태의 추정자료를 바탕으로 연무확산을 예측하는 통합 의사결정 시스템을 지향하고 있다. 따라서 BlueSky Framework를 응용한 지역적 실시간 연무 추정 시스템(O’neil et al., 2008)이나 Southern Smoke Simulation System (Liu et al., 2010)과 같이 통합된 시스템 개발 연구가 지속되고 있다.

4.2. BlueSky Canada

매년 8,000건 이상의 대형 산불과 그로인한 산불연무의 피해가 심각한 캐나다의 경우 2010년 University of British Columbia (UBC)에서 개발한 BlueSky Canada Prototype System을 기반으로 2013년 BC Ministry of Environment, Environment and Climate Change Canada, Natural Resources Canada, Parks Canada, UBC의 다양한 전문가(산불, 대기모델, 데이터구축, 주정부 및 자치정부)들이 팀을 구성하여 캐나다 서부지역의 산불연무영향예보체계인 BlueSky Western Canada을 시작으로 하여 동부 캐나다지역을 위한 BlueSky Eastern Canada를 개발하여, 캐나다 전 지역을 아우르는 BlueSky Canada을 개발하였다.

BlueSky Canada는 Fig. 5.과 같이 기본적으로 미국의 BlueSky Framework에 기반을 둔 캐나다형 산불연무확산예측 통합의사결정 시스템으로 캐나다의 산지지형, 산불연료, 환경 및 기후조건 인자를 반영한 캐나다형 BlueSky Framework이라고 할 수 있다(DeWinter & Raffuse, 2015).

Fig. 5

BlueSky Canada Pathway.

산불이 발생한 경우 실시간 산불연무확산예측을 위해 산불 모니터링 및 지도 데이터, 위성자료에 기반을 둔 산불면적 산정 모델인 FireM3와 캐나다의 국가산림조사자료(National Forest Inventory Data)를 이용하여 만든 산불정보 시스템인 캐나다 산불정보체계(Canadian Wildland Fire Information System)을 이용하여 산불이 일어난 지역의 산불특성자료를 산불행태예측(Fire Behaviour Prediction, FBP) 시스템에 실시간으로 제공하여 연료량 및 연료소비량을 용이하게 산정할 수 있다. 다음 단계의 연료발생량 산정은 산불발생 지역의 연료량 및 연료형태에 대한 정보에 따라 FEPS (Anderson et al., 2004), EPM (Anderson et al., 2004), BURNUP (Reinhardt et al., 1997)중 알맞은 모듈을 선택하여 계산할 수 있다. 이렇게 산정된 연료발생량은 UBC 기상연구소에서 운영되는 기상예측모델인 MM5의 기상 예측 결과와 같이 퍼프 모델의 일종인 HYSPLIT의 입력 자료로 이용되어 하루에 두 번 산불연무로 인해 발생하는 PM_2.5의 확산범위 및 농도를 예측하여 인터넷으로 실시간 그 결과를 제공하고 있다.

이렇듯 BlueSky Canada는 앞서 소개한 미국의 BlueSky Framwork와 같은 맥락에서 연료, 연소, 방출, 기상모델 등 다양한 모델모듈을 캐나다의 환경에 적합하도록 개선하여 산불 및 산불연무로 인한 피해를 최소화하기 위한 의사결정과정에서의 기반 정보를 제공하고 있다.

4.3 BlueSky Plyaground Beta

BlueSky Framework은 기상예보의 한 부분으로 산불연무가 대기질에 미치는 영향을 보다 정확히 예측하여 예보하는 시스템으로 다양한 모델을 선택하여 구현할 수 있는 특징이 있는 반면 복잡한 모델들을 구현하기 위한 방대한 자료를 요구하고 있다. 따라서 산불연무확산 예측에 필요한 대용량 자료와 복잡한 모델연산을 처리할 수 있는 컴퓨터 자원에 대한 요구가 매우 높아 대면적 산불의 국가적 혹은 지역적 차원에서의 장기적 영향 평가에 적합하다고 할 수 있다. 반면 실무자들이 현장에서 소규모 산불 관련 국지적 영향을 신속하게 예측하기에는 명백한 한계가 있다(Huang et al., 2015).

이러한 한계를 극복하기 위하여 미국에서는 미국 공병대(U.S. Army Corps of Engineers)용 BlueSky Playground Beta를 개발하였다. 이 시스템은 미국 공병대가 19백만 에이커의 연방정부 토지에 시행하는 사전입화(Prescribed Fire)로 인해 발생하는 산불연무가 확산되면서 대기질을 악화시키는 정도를 사전에 파악하여 주변 지역 주민들에게 미치는 피해를 예방하기 위하여 개발된 것으로 군인들이 현장에서 즉시 신속하게 사용할 수 있어야 한다는 실용성을 강조하여 BlueSky 체계 가운데 단일 정적 모델들을 선정하여 구성하였다. 이에 Fig. 6.에서 보는 바와 같이 연료량 산정 모델은 FCCS, 연료소비모델은 CONSUME 4.2, 연소시간모델, 방출 및 연기기둥 모델은 FEPS (Fires Emission Production Simulation) 그리고 연무확산모델은 VSMOKE을 각각 채택하였다.

Fig. 6

Modeling Pathway of BlueSky Beta for the U.S. Army Corps of Engineers (Huang et al., 2015).

본 시스템은 웹상에 제공되어져 특별한 소프트웨어 설치 없이 필요시 즉시 사용가능하며 사용법이 매우 간단하다. 우선 임상에 따른 연료베드를 선택할 수 있으며 연료량도 자유롭게 입력하도록 설계되었다. 연무확산모델로는 가우시안 연속모델 기반의 VSMOKE를 사용하고 있다. 이 모델은 요구되는 입력 자료가 많지 않고, 모델 구현 프로그램을 구동시키는데 필요한 컴퓨터 자원요구가 낮아 기존의 BlueSky Framework에 비해 예보 시스템 연산시간이 분(Minute) 단위로 매우 실용적인 시스템이다 (http://ace-playground.airfire.org/vsmoke.php).

5. 우리나라 산불현황을 고려한 산불연무모델 구축방향 고찰

우리나라의 산불 발생 경향은 시대적 흐름에 따라 사회적 환경, 산림정책, 기상환경 등의 변화로 인해 다양하게 변화하였다. 1960년~1970년대에는 산불 피해목의 제거 명목으로 벌채 허가를 받기 위한 방화가 빈번하였고 화전민이 증가하였으므로 산불 발생건수와 산불피해면적이 매우 광범위한 것으로 추정된다. 그러나 이후 제 1차 산림기본계획이 시작되고 치산녹화사업이 적극적으로 추진되었으며 입산통제 등의 복합적인 노력을 통해 1970년대 후반에서 1980년대까지 산불피해면적은 지속적으로 감소하는 추세를 보인다.

감소하던 산불 발생 횟수는 1990년대 초를 기점으로 다시 증가하게 된다. 주요한 요인은 치산녹화사업이 성공함에 따라 낙엽, 관목과 같은 산림 내 가연성 물질이 증가한 것과, 2000년대에 접어들면서 등산객이 급격하게 증가한 것 역시 주요한 원인으로 추정된다(Lee et al., 2012).

Fig. 7.에서 보듯이 최근 11년(2003년 ~ 2014년)간 우리나라 개별 산불의 발생면적은 대부분 1ha미만 소형 산불이 3,961회로 가장 많은 발생빈도를 나타내고 있으며, 그 다음으로는 1ha이상 ~ 10ha미만이 579회이다. 반면 10ha이상 ~ 50ha미만이 48회, 50ha이상 ~ 100ha 미만이 11회, 100ha 이상이 12회로 상대적으로 적게 나타났다. 다시 말해, 우리나라 개별 산불규모는 규모 10ha 미만의 소형 산불이 총 4,540회로 전체 발생횟수 4,611회의 약 98.5%를 차지하는 반면 10ha 이상의 대형 산불은 상대적으로 미미한 발생 분포를 보이고 있다(NIoFS, 2014).

Fig. 7

Distribution of Forest Fire Areas between 2003 and 2014.

우리나라 산불 연무 확산 특성을 분석하기 위해 국립산림과학원 (2014)에서 2000년 4월 7일에서 4월 15일까지 발생한 동해안 산불의 위성사진을 사용하여 연무확산특징을 분석하였다. 우리나라에서 발생한 소규모 산불연무위성영상을 획득하려 하였으나 가능하지 않아 대규모 산불의 영상을 바탕으로 소규모 산불로 인한 연무특성을 개략적으로나마 추정하고자 하였다. 위성사진 촬영 당시 풍향은 남서풍이며 평균풍속은 8.1m/sec, 최고 풍속은 17.8m/sec를 기록하였다. 연무의 최장거리는 약 163km로 나타났으며, 최대 폭은 풍하거리 120km에서 약 21km를 기록하였다. 산불연무의 확산행태와 관련해서는 연무확산 영상을 살펴본 결과 산불연무가 종축으로는 풍향에 따라 직선으로 이동하고 횡축으로는 일정하게 확산되는 경향을 나타나고 있으며, 풍하거리에 따라 횡축방향으로 폭이 확대되면서 확산되는 가우시안 모델에서 예측되는 행태와 유사하다(Fig. 8.).

Fig. 8

An Example Case of Wildfire Smoke Dispersion in Korea.

우리나라 산불연무의 확산범위를 살펴볼 때 약 1,200ha 규모의 산불에서는 산불발생원점으로부터 연무가 약 120km 이동한 것으로 나타났다. 따라서 산불규모와 산불연무 확산범위가 비례 관계가 성립한다고 가정한다면 우리나라에서는 대부분 피해면적 100ha 미만의 소형 산불이 발생하므로 연무는 50km 이하로 이동한다고 할 수 있다(국립산림과학원, 2014). 퍼프 모델과 가우시안 연속모델을 모두 사용하고 있는 미국 환경청(Environmental Protection Agency)은 산불이 소형이라 연무 이동거리가 50km 이하일 경우 퍼프 모델보다는 가우시안 연속모델을 대기질 예측모델로 선택하는 것을 권장하고 있다(EPA, 2005). 산불연무에 대응하는 측면에서 볼 때 우리나라 산불은 미국 등에 비하여 규모가 작고 영향을 받는 주민들의 거주지가 산불 지역으로부터 단거리 안에 있는 경우가 대부분이기 때문에 신속한 예보가 요구된다. 따라서 다양하고 대규모의 자료를 요구하며, 계산량이 많고 예측모델 구현을 위한 컴퓨터 자원 요구도가 높은 라그랑지안 모델 계열, 오일러 격자 모델 및 물리 모델은 신속한 예보에는 적합하지 않은 것으로 사료된다. 반면 상자 모델은 매우 초기의 모델로서 신속하나 정확도나 연무 예보에서 중요한 역할을 하는 거리별 농도변화를 예측하는데 제한이 많다. 따라서 연산량이 상대적으로 적고 거리별 농도 예측이 가능한 가우시안 연속모델이 연무확산모델로 적합하다. 아울러 우리나라 산불연무영향예보체계는 개별 산불발생면적의 분포, 산불연무의 확산행태 및 신속한 대응 필요성 등의 우리나라 상황을 종합하여 볼 때 사용하는 컴퓨터 자원소비량이 적고 신속한 예측이 가능하며 현장에서의 운용이 용이한 가우시안 연속모델 등 정적 모델을 기반으로 한 BlueSky Playground Beta가 적합하다고 할 수 있다. 다만, 가우시안 연속모델 기반 한국형 BlueSky Playground Beta를 개발하기 위해서는 산불연료의 연소행태에 따른 연무 발생량, 일사 강도와 운량 및 운고 조건에 따른 대기 안정성 등급, 6m ~ 10m 높이에서의 풍속 등의 정보가 필요하다. 현재 기상청에서는 지상 10m에서의 풍속과 주·야간에 각각 1시간, 3시간 단위로 운량 정보를 제공하고 있다. 또한, 운고를 기상청에서 측정하고 있다. 아울러 산불연료량은 산림청의 산불확산예측모델을 통해 임상별 연료량을 획득할 수 있다. 그러나 기존 BlueSky Playground Beta에서 사용되는 연무확산계수가 우리나라 산지지형에 적합한지 여부와 산불연료량의 연소행태에 따른 연무량 발생 관계에 대한 연구가 국내에서 아직 미흡하여 이에 대한 추가적인 연구가 필요하다고 할 수 있다.

6. 결론

본 연구에서는 산불연무확산 모델에 관한 연구들과 이를 활용하여 북미 지역에서 운용 중인 산불연무영향 예보체계에 대한 동향을 살펴봄으로써 향후 우리나라 산불연무확산 및 대피 범위 의사결정 예·경보시스템 구축에 적합한 산불연무확산모델과 산불연무영향 예보체계를 탐색해 보았다.

기존의 다양한 산불연무확산 모델들을 고찰한 결과, 상자 모델은 대상지 내 오염물질들이 고르게 분포한다는 단순한 가정으로 인해 다른 모델들에 비해 연무의 추정에 대한 정확성이 상대적으로 낮고 농도의 차이에 따른 예보에 적용하기에 유용성이 떨어진다고 판단된다. 반면 입자 모델, 오일러 격자 모델 및 물리 모델은 연무확산 예측 시뮬레이션에 요구되는 정보와 시간이 많이 소요되어 장기간 지속되는 대형 산불로 인한 예보에는 적합할 수 있으나 빠른 의사결정을 통한 연무 피해 확산에 대처할 수 없어 우리나라 산불연무확산범위 예측에는 효율적이지 못할 것이라 사료된다. 따라서 가우시안 연속모델 및 퍼프 모델이 우리나라 산불연무모델에 적용할 가능성이 있는 것으로 판단된다.

이 두 모델 가운데 우리나라의 산불 발생규모와 그로 인한 연무확산거리, 주거지와의 인접성 및 인공영상을 통한 연무의 확산행태 등을 고려해 볼 때 퍼프 모델 보다는 가우시안 연속모델이 자원투자대비 빠른 의사결정에 도움을 줄 수 있기 때문에 산불연무확산 모델로 우리나라에서는 보다 적합할 것으로 사료된다. 또한 향후 산불연무 확산으로 인한 피해예방을 위하여 신속하며 효율적으로 대처하기 위해 우리나라 산림환경을 반영한 산불 연료량, 소비량, 및 연무 배출량을 산정할 수 있는 각각의 모듈 시스템을 개발·연계하고 우리나라 지형에 적합한 연무확산계수를 산정하여 BlueSky Playground Beta와 같은 정적 모델 기반의 통합적 산불연무영향 예보체계 개발이 우선적으로 필요할 것이라 사료된다.

감사의 글

본 연구는 산림재해피해저감을 위한 대피 및 경계피난시스템 개발(S111516L010120)의 연구비지원에 의해 수행되었습니다. 아울러 이 논문 작성에 많은 기여를 한 조승완 군에게 깊은 감사를 표합니다.

References

Achtemeier G.L. 1998;Predicting Dispersion and Deposition of Ash from Burning Cane. Sugar Cane 1:17–22.

Achtemeier G.L. 2005;Planned Burn-Piedmont. A local operational numerical meteorological model for tracking smoke on the ground at night: model development and sensitivity tests. International Journal of Wildland Fire 14(1):85–98. 10.1071/WF04041.

Adkins J.W, O’Neill S.M, Rorig M, Ferguson S. A, Berg C.M, Hoadley J.L. 2003;Assessing the Accuracy of the Blue Sky Smoke Modeling Framework During Wildfire Events. In 5th Symposium on Fire and Forest Meteorology and the 2nd International Wildland Fire Ecology and Fire Management Congress, Orlando, FL.

Anderson G.K, Sandberg D.V, Norheim R.A. 2004;Fire Emission Production Simulator (FEPS) User’s Guide. USDA Forest Service :99.

Brown J.K, Bradshaw L.S. 1994;Comparisons of Particulate-Emissions and Smoke Impacts from Presettlement, Full Suppression, and Prescribed Natural Fire Periods in the Selway-Bitterroot Wilderness. International Journal of Wildland Fire 4(3):143–155. 10.1071/WF9940143.

Burgan R.E, Klaver R.W, Klaver J.M. 1998;Fuel Models and Fire Potential from Satellite and Surface Observations. International Journal of Wildland Fire 8:159–170. 10.1071/WF9980159.

Byun D.W, Schere K.L. 2006;Review of the Governing Equations, Computational Algorithms, and Other Components of the Models-3 Community Multiscale Air Quality (CMAQ) Modeling System. Applied Mechanics Reviews 59(2):51–77. 10.1115/1.2128636.

Byun D.W, Ching J.K.S. 1999;Science Algorithms of the EPA Models-3 Community Multiscale Air Quality (CMAQ) Modeling System. US Environmental Protection Agency, Office of Research and Development. :727.

Choi Y.J, Fernando H.J.S. 2007;Simulation of Smoke Plumes from Agricultural Burns: Application to the San Luis/Rio Colorado Airshed along the US/Mexico Border. Science of the Total Environment 388(1):270–289. 10.1016/j.scitotenv.2007.07.058. 17889257.

Dewinter J.L, Raffuse S.M. 2015;Playground Cadana User’s Guide Version 2

Environmental Protection Agency. 2005;Revision to the Guideline on Air Quality Models: Adoption of a Preferred General Purpose (Flat and Complex Terrain) Dispersion Model and Other Revisions;Final Rule. Federal Register 70(216):68239–68240.

Goodrick S.L, Achtemeier G.L, Larkin N.K, Liu Y, Strand T.M. 2013;Modelling Smoke Transport from Wildland Fires: A Review. International Journal of Wildland Fire 22(1):83–94. 10.1071/WF11116.

Grell G, Freitas S.R, Stuefer M, Fast J. 2011;Inclusion of Biomass Burning in WRF-Chem: Impact of Wildfires on Weather Forecasts. Atmospheric Chemistry and Physics 11:5289–5303. 10.5194/acp-11-5289-2011.

Grell G.A, Peckham S.E, Schmitz R, Mckeen S.A, Frost G, Skamarock W.C, Eder B. 2005;Fully Coupled “Online” Chemistry within the WRF Model. Atmospheric Environment 39(37):6957–6975. 10.1016/j.atmosenv.2005.04.027.

Han Seung-Kil, Lee Si-Young, Lee Hae-Pyeong. 2010;Analysis of Forest Fire Conditions on Forest Structure Changing Annually. Proceedings of the Korea Institute of Fire Science and Engineering Conference :438–442.

Hardy C, Menakis J.P, Garner J.L. 1998. FMI/Westar Emissions Inventory And Spatial Data For the Western United States USDA Forest Service, Rocky Mountain Research Station, Fire Sciences Laboratory. Missoula, MT:

Hardy C.C, Ottmar R.D, Peterson J.L, Core J.E. 2001;Smoke Management Guide for Prescribed and Wildland Fire: 2001 Edition

Herzog M, Graf H.F. 2010;Applying the Three Dimensional Model Atham to Volcanic Plumes: Dynamic of Large Co-Ignimbrite Eruptions and Associated Injection Heights for Volcanic Gases. Geophysical Research Letters 37(19):L19807. 10.1029/2010gl044986.

Herzog M, Oberhuber JM, Graf HF. 2003;A Prognostic Turbulence Scheme for the Nonhydrostatic Plume Model Atham. Journal of the Atmospheric Sciences 60:2783–2796. 10.1175/1520-0469(2003)060<2783:APTSFT>2.0.CO;2.

Holmes N.S, Morawska L. 2006;A Review of Dispersion Modelling and Its Application to the Dispersion of Particles: An Overview of Different Dispersion Models Available. Atmospheric Environment 40:5902–5928. 10.1016/j.atmosenv.2006.06.003.

Huang Shinming, Ottmar R.D, Pichard S, Larkin N.K, Raffuse S, Cavallaro A, Carrier L, Swedin K. 2015;Blue Sky Playground for the U.S. Army Corps of Engineers: Web-Based Smoke Modeling for Military Installation in the Southern United States. 11Th Symposium On Fire And Forest Meteorology, Minneapolis, MN, May 4-7.

Jackson W.A, Achtemeier G.L, Goodrick S.L. 2007;A Technical Evaluation of Smoke Dispersion from the Brush Creek Prescribed Fire and the Impacts on Asheville, North Carolina.

Jain R, Vaughan J, Heitkamp K, Ramos C, Claiborn C, Schreuder M, Lamb B. 2007;Development of the Clearsky Smoke Dispersion Forecast System for Agricultural Field Burning in the Pacific Northwest. Atmospheric Environment 41(32):6745–6761. 10.1016/j.atmosenv.2007.04.058.

Jung Y.R, Park W.G, Park O.H. 2003;Pollution Dispersion Analysis Using the Puff Model with Numerical Flow Field Data. Mechanics Research Communications 30(4):277–286. 10.1016/S0093-6413(03)00024-7.

Kirkpatrick L.W, Reeser W.K Jr. 1976;The Air Pollution Carrying Capacities of Selected Colorado Mountain Valley Ski Communities. Journal Of the Air Pollution Control Association 26(10):992–994. 10.1080/00022470.1976.10470353.

Korea Forest Research Institute. 2014;The Development of Evacuation Area-Estimating Method in Response to Forest Fire Smoke Diffusion :11–18.

Korea Forest Service. 2015;Statistical Yearbook of Forestry :34–36.

Larkin N.K, O’Neill S.M, Solomon R, Raffuse S, Strand T, Sullivan D.C, Ferguson S.A. 2010;The Blue Sky Smoke Modeling Framework. International Journal of Wildland Fire 18(8):906–920. 10.1071/WF07086.

Lavdas L.G. 1996;Program VSMOKE–Users Manual. USDA Forest Service, Southeastern Forest Experiment Station, General Technical Reports-6. (Maconga). 8670674.

Lee , Chong Bum. 1995;On the Development of Local Air Pollution Dispersion Models for Application to Korea. Journal of Korean Society for Atmospheric Environment 11:15–28.

Lee Chong, Bum . 1996;On the Development of Local Air Pollution Dispersion Models for Application to Korea. Journal of Korea Air Pollution Research Association 13:30–43.

Lee Myung-Woog, Lee Si-Young, Lee , Jong Ho. 2012;Study of the Characteristics of Forest Fire Based on Statistics of Forest Fire in Korea. Journal Of Korean Society of Hazard Mitigation 12(5):185–192. 10.9798/KOSHAM.2012.12.5.185.

Lettau H.H. 1970;Physical and Meteorological Basis for Mathematical Models of Urban Diffusion Processes. Proceedings of Symposium on Multiple Source Urban Diffusion Models. US Environmental Protection Agency, Research Triangle Park, NC

Liu Y, Achtemeier G.L, Goodrick S.L, Jackson W.A. 2010;Important Parameters for Smoke Plume Rise Simulation with Daysmoke. Atmospheric Pollution Research 1(4):250–259. 10.5094/APR.2010.032.

Luderer G, Trentmann J, Winterrath T, Textor C, Herzog M, Graf H.F, Andreae M.O. 2006;Modeling of Biomass Smoke Injection into the Lower Stratosphere by a Large Forest Fire (Part II): Sensitivity Studies. Atmospheric Chemistry And Physics 6(12):5261–5277. 10.5194/acp-6-5261-2006.

O’Neill S.M, Larkin N.S.K, Hoadley J, Mills G, Vaughan J.K, Draxler R.R, Ferguson S.A. 2008;Regional Real-Time Smoke Prediction Systems. Developments in Environmental Science 8:499–534. 10.1016/S1474-8177(08)00022-3.

Oberhuber J.M, Herzog M, Graf H.F, Schwanke K. 1998;Volcanic Plume Simulation on Large Scales. Journal of Volcanology and Geothermal Research 87(1):29–53. 10.1016/S0377-0273(98)00099-7.

Ottmar R.D, Burns M.F, Hall J.N, Hanson A.D. 1993;Consume Users Guide. General Technical Reports PNW-GTR-304, USDA Forest Service, Pacific Northwest Research Station, Portland, OR. 10.2737/PNW-GTR-304.

Ottmar R.D, Sandberg D.V, Prichard S.J, Riccardi C.L. 2003. Fuel Characteristic Classification System. Presentation at the 2nd International Wildland Fire Ecology and Fire Management Congress. Http://Ams.Confex.Com/Ams/Fire2003/Techprogram/Paper_67236.Htm .

Reinhardt E.D, Keane R.E, Brown J.K. 1997;First Order Fire Effects Model: FOFEM 4.0 User’s Guide. General Technical Reports INT-GTR-34, USDA Forest Service, Rocky Mountain Research Station, Ogden, UT.

Sakiyama S. 2013. The Bluesky Western Canada Wildfire Smoke Forecasting System British Columbia Ministry of Environment. Victoria, BC:

Sestak M.l, Riebau A.R. 1988;Simple Appraoch Smoke Estimation Model. US Bureau Of Land Management, Technical Note 382

Sestak M.L, Marlatt W.E, Riebau A.R. 1989. VALBOX: Ventilated Valley Box Model Unpublished Report on File with Michael Sestak, USDI Bureau of Land Management and Colorado State University, Environmental Science and Technology Center. Fort Collins, CO:

Skamarock W.C, Klemp J.B, Dudhia J, Gill D.O, Barker D.M, Wang W, Powers J.G. 2005. A Description of the Advanced Research WRF Version 2. NCAR Technical Note (NCAR/TN-468+STR) National Center For Atmospheric Research. Boulder, CO:

Stohl A, Thomson D.J. 1999;A Density Correction for Lagrangian Particle Dispersion Models. Boundary-Layer Meteorology 90(1):155–167. 10.1023/A:1001741110696.

Stohl A, Forster C, Frank A, Seibert P, Wotawa G. 2005;Technical Note: The Lagrangian Particle Dispersion Model Flexpart Version 6.2. Atmospheric Chemistry and Physics 5(9):2461–2474. 10.5194/acp-5-2461-2005.

Strand T.M, Larkin N, Craig K.J, Raffuse S, Sullivan D, Solomon R, Pryden D. 2012;Analyses of Blue Sky Gateway PM2.5 Predictions during the 2007 Southern and 2008 Northern California Fires. Journal of Geophysical Research: Atmospheres 117:D17. 10.1029/2012JD017627.

Textor C. 1999. Numerical Simulation of Scavenging Processes in Explosive Volcanic Eruption Clouds. Doctoral Dissertation Universitat Hamburg.

Thomson D.J. 1987;Criteria for the Selection of Stochastic Models of Particle Trajectories in Turbulent Flows. Journal of Fluidmechanics 180:529–556. 10.1017/S0022112087001940.

Tian D, Wang Y, Bergin M, Hu Y, Liu Y.Q, Russell A.G. 2008;Air Quality Impacts from Prescribed Forest Fires under Different Management Practices. Environmental Science & Technology 42(8):2767–2772. 10.1021/es0711213.

Trentmann J, Andreae M.O, Graf H.F, Hobbs P.V, Ottmar R.D, Trautmann T. 2002;Simulation of a Biomass-Burningplume: Comparison of Model Results with Observations. Journal Of Geophysical Research: Atmospheres 107:D2. 10.1029/2001JD000410.

Trentmann J, Luderer G, Winterrath T, Fromm M.D, Servranckx R, Textor C, Andreae M.O. 2006;Modeling of Biomass Smoke Injection into the Lower Stratosphere by a Large Forest Fire (Part I): Reference Simulation. Atmospheric Chemistry and Physics 6(12):5247–5260. 10.5194/acp-6-5247-2006.

Turner D.B. 1964;A Diffusion Model for an Urban Area. Journal of Applied Meteorology 3:83–91. 10.1175/1520-0450(1964)003<0083:ADMFAU>2.0.CO;2.

Turner D.B. 1970;Workbook of Atmospheric Dispersion Estimates. US Government Printing Office :5–7.

US Army Corps of Engineers. Blue Sky Playground Beta. http://Ace-Playground.Airfire.Org/Vsmoke.Php. Accessed August 4, 2016.

Wayne O.E. 1976. Proceedings of the Conference on Environmental Modeling and Simulation US Environmental Protection Agency. Cincinnati, OH: PMC233253.

Zannetti P, ed. 2013;Air Pollution Modeling: Theories, Computational Methods and Available Software. Springer Science & Business Media :141.

Dispersion Model	Theory / State / Scale / Terrain
Box Model	Theory: mass budget equation State: steady state Scale: smoke distance from fire < 100 km Terrain: mountain valley smoke dispersion
Gaussian Plume Model	Theory: Gaussian plume equation State: steady state Scale: smoke distance from fire < 50 km Terrain: flat terrain smoke dispersion
Puff & Particle Model	Theory: Gaussian puff and random-walk equation in the Lagrangian coordinate system State: non-steady state Scale: smoke distance from fire < 1000 km Terrain: flat & complex terrain smoke dispersion
Eulerian Grid Model	Theory: three-dimensional continuum mass budget equation in the Eulerian coordinate system State: non-steady state Scale: smoke distance from fire < 100 km Terrain: complex & urban terrain smoke dispersion
Full Physics Model	Theory: Navier-Stokes equation State: steady & non-steady state Scale: smoke distance from fire < 100 km Terrain: complex terrain smoke dispersion