본 연구는 테라마인드, DINOv3, 프리티-v2 등 3가지 최신 지리공간 기반 모델(GFM)을 활용하여 2017~2023년 미국과 캐나다의 산불 데이터를 분석했습니다. 전체 파인튜닝, 디코더 전용 파인튜닝, LoRA 등 다양한 적응 방식을 비교한 결과, LoRA가 가장 뛰어난 교차 도메인 일반화 성능을 보였습니다. 프리티-v2 모델에 LoRA 방식을 적용했을 때 가장 높은 정확도를 기록했으며, 전체 파인튜닝 대비 성능이 크게 향상되었습니다.