대시메트릭 지도법은 주 데이터와 관련이 있는 보조 데이터를 활용함으로써 행정구 역 단위와 같은 주 데이터의 구역 경계를 활용분야에 따라 보다 더 세밀한 공간단위로 나눠줌으로써 주 데이터의 세부내용을 재현하는 방법이다(<그림 4-3> 참조). 단계구 분도는 특정 행정구역 경계 내의 합산된 데이터만 보여주므로 데이터를 지도화 하는 과정에서 행정구역 공간의 평균적인 인구밀도 데이터를 나타내게 되므로 세부적인 데 이터의 특성을 잃어버리게 된다. 이러한 한계점을 보완하고 실제 데이터의 이질성을 표현하기 위하여 대시메트릭 지도법의 개념이 사용되며, 이는 주 데이터와 관련된 공 간적 보조 데이터를 사용함으로써 더 세밀한 인구밀도분포 재현이 가능하다.
그림 4-3 인구분포 추정 모델을 위한 대시메트릭 지도법의 원리
자료: 김화환, 최진무. 2011. 「A hybrid dasymetric mapping for population density surface using remote sensing data」. Journal of the Korean Geographical Society (p.71)
다양한 분야에서 공간적으로 명확히 구분되어 있는 인구분포 추정을 위한 수요가 증 가하고 있으며(Gaughan et al., 2013; Linard et al., 2012; Tatem et al., 2013), GIS와 센서스 자료의 통합을 통해서 다양한 범위에서 높은 수준의 지리적 자료들이 공공부문에서 이용가능해지고 있다(Jia and Gaughan, 2016). 또한, 인구분포는 토지 이용, 교통망 등 다양한 정보와 관련성을 가지기 때문에 인구분포 추정을 위하여 도로 망, 건축물, 주소 등의 보조자료를 결합함으로써 세부지역의 인구분포를 보정하는 방 법을 많이 사용하고 있다(Wu et al., 2005).
이러한 방식의 대표적인 방법이 대시메트릭 지도법으로서 단계구분도와 같은 주제도 가 인구분포에 대한 정보를 효율적으로 묘사하거나 제공하지 못한다는 측면에서 비롯 되어 더 정밀한 공간적 인구분포를 작성할 수 있도록 Wright(1936)에 의해 개발되어 왔다(최돈정 외, 2011; Kim and Choi, 2011; Cocks and Canters, 2015). Wright (1936)는 지역성에 대한 정보 및 지식을 활용하여 서로 다른 인구밀도를 가지는 구역 들을 판별해 냄으로써 지역 내 특정 현상들이 균등하게 분포한다는 가정을 개선할 수 있는 방법론을 제안하였다(Fisher and Langford, 1995). 즉, 대시메트릭 지도법은 해 당변수와 공간적 연관성을 가지는 보조 자료를 통해 분포패턴을 정확하게 재현하고자 하는 지도화 방식이라고 할 수 있다(이상일과 조대헌, 2012; Kim and Choi, 2011).
<그림 4-4>는 대시메트릭 지도법에 의하여 균일화된 지역의 공간적 인구분포를 현 실적으로 재구성이 가능하다는 예를 보여주고 있다. 인구분포는 <그림 4-4>의 (b)에 서 보는 것과 같이 개별 점들에 의해 가장 표현될 수 있음에도 불구하고, 이러한 자료 들은 일반적으로 기밀이거나 이용가능하지 않은 경우가 많다. 인구자료는 일반적으로
<그림 4-4>의 (a)에서와 같이 지역의 총합이나 <그림 4-4>의 (c)와 같이 몇 개 구역
58
단위의 합으로서 제공되고 있으며 <그림 4-4>의 (a) 사례에서는 지역의 총인구수 100 명을 나타내고,<그림 4-4>의 (c)는 각 공간단위에서 100명의 실제 인구분포를 보여주 고 있다. 인구분포 패턴을 재구성하기 위하여 총인구수를 몇 개의 세부단위에 재할당 될 수 있도록 세분화 알고리즘(disaggregation algorithms)을 활용해야 한다.
인구분포 과정을 위해 20m×20m 격자를 구성하고 공간적 인구분포를 보여주기 위 하여 각 격자에 집합된 인구를 배분한다. 가장 단순한 면적 가중치를 통해서 전체 지역 에 적용된 균일한 인구밀도를 가정하고 각 격자는 동일한 양의 인구수를 가지게 되며 (<그림 4-4>의 (d) 참조), 각 4개 세부단위의 인구수는 세부단위 내 격자들의 인구 총합과 동일하다. <그림 4-4>의 (c)는 실제 값들로부터 할당된 인구수의 오차 또는 편차이다.
그림 4-4 인구분포 추정을 위한 대시메트릭 지도법의 기본적 유형
자료: Su et al., 2010. “Multi-layer multi-class dasymetric mapping to estimate population distribution.” Science of the Total Environment (p. 4809)
대시메트릭 지도법은 서로 다른 지역별 공간적 특성들을 확인함으로써 실제 공간적 분포 패턴을 잘 파악하는 방법으로 여겨진다. <그림 4-4>의 (e)에서와 같이 전체 지역 이 거주 또는 비거주지로 구분될 수 있으며 이러한 이진분류는 위성영상 또는 항공사진 으로 활용 가능하며 총인구가 동일한 면적에 가중치를 부여함으로써 거주지역의 재배 분이 가능하다. 각 공간적 단위에 재배분된 인구는 일반적으로 농촌지역에서 과대추정 되거나 도시지역에서 과소추정되는 경향이 있으며, 도시지역은 일반적으로 더 많은 사 회·경제적 활동, 공공인프라 시설, 채용기회, 높은 토지자산 등이 나타나기 때문에 좀 더 높은 인구밀도가 나타나는 것으로 볼 수 있다(Su et al., 2010).
수치지도 자료와 GIS 기술의 발달은 이러한 대시메트릭 지도법의 구현과 여러 가지 보조적인 공간자료의 통합을 좀 더 용이하게 하였다(Wu et al., 2005). Monmonier와 Schnell(1984)은 Landsat 위성영상을 기반으로 분류된 주거지역을 보조 자료로 활용 하여 대시메트릭 지도법을 통한 인구밀도 분포를 추정하였다. Flowerdew와 Green (1991)은 세부지역의 인구밀도를 추정하기 위하여 회귀분석을 제안하였으며, Langford (1991)는 대시메트릭을 통한 세부지역의 인구밀도를 추정하기 위하여 다변량 회귀분 석을 적용하였다.
1980년대 말부터 1990년대 초까지 새로운 위성의 출현과 함께 디지털 영상 처리 기술의 발달은 이후 위성영상을 이용한 인구분포 추정의 연구가 좀 더 활발하고 광범 위하게 이루어지게 하고 있다(Langford and Unwin, 1994; Henderson, 1995; Lo, 1995; Henderson and Xia, 1997; Harvey, 2002; Wu et al., 2005; Wu and Murray, 2007; Hoque, 2008). 새롭게 적용되었던 방법들은 공간적 인구밀도 분포 작성을 위한 대시메트릭 지도법과 커널 기법 등이 해당된다. 회귀분석을 통해 화소밀 도, 이질성, 엔트로피, 도심으로부터의 거리 등 주택밀도와 관련되어 있는 변수 및 측 정값들이 인구분포 추정을 위해 이용되어져 왔다(Webster 1996).
활용 가능한 인구분포 정보들은 블록그룹, 센서스트랙, 우편번호 구역 등의 공간적 단위 및 도시, 주, 시군구 등의 행정적 단위에 의해 집합된 통계적 자료에 기반을 둔 다. 이러한 통계적 자료들은 여러 가지 중요한 제한점을 가지고 있으며 센서스 자료는 공간단위 또는 행정경계 내에서 인구의 실제 분포가 다소 이질적임에도 불구하고 인구 의 공간적 분포에 대한 정보를 제공하지는 못하고 있다. 또한, 경계 자체가 보편성이
60
부족하며 자연과학의 자료가 센서스 단위에 대응하지 못하는 지리적 단위로 만들어지 기 때문에 자연과학과 사회과학의 통합에 대한 장애요인이 되고 있다(Zandbergen and Ignizio, 2010). Chen et al.(2004)은 재해위험성 연구에서 재해평가는 일반적으로 격자단위에서 모델링 분석을 실시하지만 재해위험에 노출된 인구자료는 커뮤니티, 센 서스 트랙, 우편구역, 행정경계 등과 같이 공간적으로 집적된 면적 단위에서만 이용 가능하므로 두 변수들 간에 공간적 불일치가 발생한다. 따라서 좀 더 세밀한 공간해상 도를 기반으로 인구자료를 모델링할 수 있는 방법의 개발이 필요하다.