인구분포 추정의 정확도 향상을 위하여 활용하고 있는 위성영상 및 보조자료(re-ference data)들을 살펴보고자 한다. DMSP-OLS(Defense Meteorological Satellite Program-Operational Linescan System) 야간 위성영상으로부터 획득 가능한 다양한 변수를 이용하여 인구분포 추정의 정확도 향상이 가능하다(유수홍 외, 2011; Yang et al., 2013). 빛이 존재하는 지역의 면적을 변수로 활용하여 인구를 추정할 경우 정확 도 향상이 가능하다.
DMSP(Defense Meteorological Satellite Program)는 미 공군의 위성운영 프로젝 트로서 야간에 지표면으로부터 방출되는 빛(LAN, Light at Night)을 관측할 수 있는
45) Pycnophylactic 인터폴레이션 방법: 높은 인구 밀도와 행정 구역에 가까운 격자 셀은 낮은 인구 밀도에 가까운 것보다 더 많은 사람을 포함하는 경향이 있다는 것을 가정함
OLS(Operational Linescan System) 센서를 가지고 있다. OLS센서는 ’70년대부터
46) DMSP-OLS Nighttime Light (DONL) 자료공개 출처:
http://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html (최종접속일: 2016년 4월5일) 47) Ghosh, T., Powell, R., Elvidge, C. D., Baugh, K. E., Sutton, P. C., and Anderson, S. 2010.
“Shedding light on the global distribution of economic activity”. The Open Geography Journal, 3, 148–161.
48) Rayner, P. J., Raupach, M. R., Paget, M., Peylin, P., and Koffi, E. 2010. “A new global gridded data set of CO2 emissions from fossil fuel combustion: Methodology and evaluation”. Journal of Geophysical Research, 115, D19306. DOI:10.1029/2009JD013439
49) Doll, C. N. H. 2008. 『CIESIN Thematic Guide to Night-Time Light Remote Sensing and Its Applications』, Center for International Earth Science Information Network of Columbia University, Palisades, NY.
64
분포시켰으며, Elvidge et al.(2009)50)은 야간 불빛과 경제자료를 이용하여 전 세계 빈곤지도를 제작하였다. Matsumura et al.(2009)51)은 야간 불빛을 이용하여 전 세계 의 공간적 인구분포 추정을 통해서 식량수요 지도를 작성하였으며, Zhao et al.
(2011)52)은 야간 불빛 자료를 이용하여 전 세계의 인구분포 추정 및 물 소요량을 계산 하였다. 이와 같은 연구는 상세한 인구분포 파악이 가능한 선진국을 대상으로 적용하 기 위한 목적이 아니라 데이터 조사나 획득이 어려운 지역의 인구분포 추정을 위한 목 적으로 수행하고 있다.
그림 4-5 GDP 경계 지표와 야간 불빛세기와의 관계에 대한 기본 개념
자료: Elvidge et al., 2014. “National Trends in Satellite-Observed Lighting”. Global urban monitoring and assessment through Earth observation (p.115, Figure 6.12)
50) Elvidge, C. D., Sutton, P. C., Ghosh, T., Tuttle, B. T., Baugh, K. E., Bhaduri, B., and Bright, E.
A. 2009. “Global poverty map derived from satellite data”. Computers and Geosciences, 35, 1652 –1660.
51) Matsumura, K., Hijmans, R. J., Chemin, Y., Elvidge, C. D., Sugimoto, K., Wu, W. B., Lee, Y.
W., and Shibasaki, R. 2009. “Mapping the global supply and demand structure of rice”.
Sustainability Science, 4(2), 301–313.
52) Zhao, N., Ghosh, T., Currit, N. A., and Elvidge, C. D. 2011. “Relationships between satellite observed lit area and water footprints”. Water Resources Management, 25(9), 2241–2250.
그림 4-6 야간불빛과 인구분포 및 GDP와의 관계 분석
자료: Elvidge et al., 2014. “National Trends in Satellite-Observed Lighting”. Global urban monitoring and assessment through Earth observation (p.107, Figure 6.2)
식생지수(NDVI: Normalized Difference Vegetation Index, EVI: Enhanced Vegetation Index 등)를 활용하여 공간적 인구분포의 정확도 향상이 가능하다. 식생지 수는 거주가능지역(human settlements)으로부터 산림지역을 분리해 내는데 활용 가 능하다. 인구분포 추정결과의 정확도 향상을 위하여 활용하고 있는 보조자료 도출은 널리 알려지고 활용되고 있는 글로벌 인구분포 자료 검토를 통해서 가능하다. 수치지 도 자료와 GIS 기술의 발달은 이러한 대시메트릭 지도법의 구현과 여러 가지 보조적인 공간자료의 통합을 좀 더 용이하게 한다(Wu et al., 2005).
또한, 세부지역의 차이를 인지함에도 불구하고 주택밀도 차이 및 가변적 공간단위의 문제(Modifiable Areal Unite Problem: MAUP)53)를 무시하는 경우가 발생한다. 단 독주택 토지이용의 경우 저밀도, 중밀도, 고밀도 지역들 간의 명확한 차이가 나타나고 있으며, 이를 구분하기 위해서는 좀 더 세밀한 토지이용분류가 수행되어야 하며 특정
53) MAUP는 공간단위의 크기에 의해서 분석적 차이를 나타내는 스케일(Scale)의 효과와 동일한 스케일에서도 연구 지역을 어떻게 구분할 것인가에 의해서 차이가 발생하는 구역설정(Zonation) 효과의 측면을 가지고 있다.
66
지역의 인구밀도와 각각의 토지이용들 간의 관계를 정립할 필요가 있다. 또한, 연속된 지리적 표면에 인위적인 경계가 부여되고 이를 통한 지리적 자료의 집합이 만들어졌을 때, 가변적 공간단위의 문제(Modifiable Areal Unite Problem: MAUP)54)가 발생할 수 있다.
필지 경계 단위의 인구자료는 공간적 인구분포를 보여주고 인구밀도와 직접적 관계 를 가지게 되므로 인구를 재분포시키기 위한 중요한 독립적 자료에 해당된다(Jia et al., 2014). 최근 연구에서 Jia et al.(2014)은 미세 스케일(fine-scale) 필지자료를 기반으로 격자단위의 인구표면도(High-Gridded Population Surface: HGPS)를 작성 하였으며, 특정 지역단위를 대상으로 인구수 배분의 정확도를 높이기 위하여 미세 공 간단위 필지자료의 이용가능성을 보여준다.
그러나 토지피복은 여전히 인구분포 추정을 위한 매우 유용한 보조 자료로서 인식되 어 왔다(Leyk et al., 2013; Reibel and Agrawal, 2007; Zandbergen, 2011;
Zandbergen and Ignizio, 2010).인구분포와 접근성 및 토지피복별 상관관계는 대시메 트릭 지도법을 위한 보조 자료로서 토지피복 정보 통합의 필요성을 보여주고 있으며 (McKee et al., 2015), 필지정보와 토지피복 자료의 조합을 통해서 격자단위 인구표 면도의 정확성을 더욱 높일 수 있을 것으로 판단된다. 인구분포의 추정오차가 센서스 와 필지자료들이 내포하고 있는 오차와 필지유형에 따른 인구밀도의 변이 등으로 인하 여 발생할 수 있으며, 이는 센서스 인구의 재분포 결과의 정확도를 낮출 가능성이 있다 (Jia et al., 2016). 즉, 격자단위 인구표면도가 센서스 블록그룹 단위로부터 만들어질 때 블록그룹 내 공간적으로 포함하고 있는 블록들의 집합들에 대한 추정치는 오차의 불확실성을 포함한다. 따라서 격자단위로 인구를 재분포시키는데 있어서의 제한점을 인지하고 향후 유사한 산출물에서의 이러한 제한점들을 잠재적으로 극복하기 위하여 고려해야 할 정보를 인지할 필요가 있다.
54) MAUP는 공간단위의 크기에 의해서 분석적 차이를 나타내는 스케일(Scale)의 효과와 동일한 스케일에서도 연구 지역을 어떻게 구분할 것인가에 의해서 차이가 발생하는 구역설정(Zonation) 효과의 측면을 가지고 있다.
01 원격탐사기법 및 GIS를 활용한 거주가능지역 추정 69 02 원격탐사기법 및 GIS를 활용한 공간적 인구분포 추정 83 03 정확도 평가 및 시사점 도출 98
CHAPTER
5
북한지역의 거주가능지역 및
공간적 인구분포 추정
CHAPTER
5 북한지역의 거주가능지역 및 공간적 인구분포 추정
본 장에서는 원격탐사기법 및 GIS를 활용한 거주가능지역 및 공간적 인구분포 추정을 위하여 필요한 위성영상 및 GIS 자료를 제시 및 구축한다. 원격탐사기법을 활용하여 북한지역의 거주가 능지역을 추출한다. 이와 같이 추출된 거주가능지역을 기반으로 다양한 대시메트릭 지도법을 활용 하여 공간적 인구분포를 추정한 후 정확도를 분석 및 비교한다.
1. 원격탐사기법 및 GIS를 활용한 거주가능지역 추정
본 연구는 원격탐사기법 및 GIS를 활용하여 북한지역의 거주가능지역 및 공간적 인구분포를 추정하기 위하여 위성영상 자료를 분석하고자 한다. 다양한 위성영상 자 료 분석을 통해 토지피복(시가화지역, 산림, 농지, 나대지, 수계구역 등) 현황, 식생 지수(NDVI), 수치표고모델(DEM)과 같은 정보를 획득하여 거주가능지역 추출한다.
거주가능지역 내 공간적 인구분포를 재현하기 위하여 대시메트릭 기법을 적용하고 단순 배분(바이너리기법)에서부터 여러 보조 자료를 활용하는 방식(다중레이어-다중 클래스기법)까지 점차 복잡성을 증가시키며 일련의 3개의 시나리오 분석을 수행한다.
3개의 시나리오 분석을 통해 추정된 공간적 인구분포 결과의 적합도를 파악하기 위하 여 북한 센서스 자료를 통해 추정치와 통계치를 비교하여 정확도를 분석한다. 본 절 에서는 거주가능지역 추정을 위한 위성영상 및 GIS자료를 제시하고, 공간적 인구분 포 추정을 위한 시나리오 분석에 필요한 거주가능지역의 추출 결과를 제시한다.
70
Path/row: 115/30, 115/31, 115/32, 115/33, 116/31, 116/32, 116/33, 116/34, 117/31, 117/32, 117/33,
117/34, 118/32
Acquisition date: Sept. 13~15. 2015
SPOT-5 Grid 2.5m (pan),
5~10m (multi) Acquisition date: 2007~2009 GlobeLand30
-2010 Grid 30m 2014
County
boundaries Shape Country 2015, global administrative areas (www.gadm.org)
수치지도
(국토지리정보원) Shape Country 2014,
도로, 철도, 빌딩 등의 레이어 추출 Population
statistics Table 시도별,
시군구역별 2008, Central Bureau of Statistics, DPRK
북한지역의 거주가능지역 추정을 위하여 활용할 시도별, 시군구역별 행정경계도는 북한지역의 행정경계 정보는 GADM(Database of Global Administrative Areas, http://gadm.org)의 2015년 자료를 활용한다.GADM은 UC Berkeley의 Robert
Hijmans가 주도하여 개발한 사이트로 여러 원천 자료를 활용하여 전 세계 국가의 행 정경계 지도를 작성하고 무료로 다운로드 가능하다. 북한지역은 도경계(red color) 및 시·군·구역 경계(blue color) 레이어(Shapefile)를 제공한다(<그림 5-1> 참조).
그림 5-1 GADM 북한 행정경계
자료: GADM(Global Administrative Areas) http://gadm.org (최종접속일: 2016년 1월 25일)를 이용하여 저자 재작성
Landsat 위성영상은 공간적 해상도가 30m의 중해상도 위성영상자료로써 북한 전 지역과 같이 광범위한 지역을 대상으로 거주가능지역 추정 및 식생지수를 산출하는데
72
표 5-2 Landsat 8 Specifications
Landsat Data Launch Feb 11, 2013
Bands Wavelength Resolution(m) Band1 - Coastal Aerosol 0.43 - 0.45
30 Band2 - Blue 0.45 - 0.51
Band3 - Green 0.53 - 0.59 Band4 - Red 0.64 - 0.67 Band5 - Near Infrared(NIR) 0.85 - 0.88 Band6 - SWIR1 1.57 – 1.65 Band7 - SWIR2 2.11 – 2.29
Band8 - Panchromatic 0.50 – 0.68 15 Band9 - Cirrus 1.36 – 1.38 30 Band10 - Thermal Infrared1 10.60 – 11.19
100 Band11 - Thermal Infrared2 11.50 – 12.51
자료: USGS. http://landsat.usgs.gov/landsat8.php (최종접속일: 2016년 2월 4일)
본 연구에서 활용할 NDVI 산출은 중해상도의 Landsat 8 영상의 가시광선대 적색
그림 5-2 북한지역의 Landsat 8 영상자료 (13 Scenes 모자이킹)
자료: USGS Glovis (ttp://glovis.usgs.gov/)(최종접속일: 2016년 9월 15일)를 이용하여 저자 재작성
<NDVI 산출식>
where VIS and NR stand for the spectral reflectance measurements acquired in the visible (red) and near-infrared regions, respectively
74
그림 5-3 Landsat 8 위성영상을 활용한 NDVI(-1.0~1.0) 산출
1.Landsat 8 자료: USGS Glovis (ttp://glovis.usgs.gov/)(최종접속일: 2016년 1월 25일); 2.NDVI 산출: 저자 작성
본 연구에서 표고 및 경사도 산출을 위하여 활용할 DEM 자료는 국토지리정보원에 서 SPOT-5영상으로부터 제작한 10m 해상도의 DEM이다. 획득한 DEM 자료는 WGS84 좌표계로 투영변환한 후 북한지역 경계를 따라 연구지역의 DEM을 추출한다 (<그림 5-4> 참조). 거주가능지역을 추출하기 위하여 DEM으로부터 고도 및 경사도 레이어를 추출한다.
그림 5-4 SPOT영상 기반의 국토지리정보원 DEM(10m)
자료: SPOT 영상을 활용하여 제작한 국토지리정보원의 10m DEM (국토지리정보원 공간영상과, 2014), 시·군·구역 행정구역 (http://www.gadm.org/country,(최종접속일: 2016년 5월 31일)) 자료를 이용하여 저자 재작성
국토지리정보원은 북한지역의 고해상도 정사영상(SPOT-5)을 활용하여 주요 지형 지물을 추출하여 2014년도 북한지역의 수치지도를 제작하였다. 수치지도 제작을 위 하여 구축한 레이어 중 건물 및 도로는 거주가능지역을 나타낼 수 있는 인공구조물이 기 때문에 북한지역의 거주가능지역 추출 및 공간적 인구분포 분석을 위하여 북한지
국토지리정보원은 북한지역의 고해상도 정사영상(SPOT-5)을 활용하여 주요 지형 지물을 추출하여 2014년도 북한지역의 수치지도를 제작하였다. 수치지도 제작을 위 하여 구축한 레이어 중 건물 및 도로는 거주가능지역을 나타낼 수 있는 인공구조물이 기 때문에 북한지역의 거주가능지역 추출 및 공간적 인구분포 분석을 위하여 북한지