GIS와 원격탐사를 활용한 토양학 연구
홍석영*·김이현·최은영·장용선·손연규·박찬원·정강호1·현병근·하상건·송관철
농촌진흥청 국립농업과학원 농업환경부, 1캐나다 앨버타대학교 농업생명환경대
Geographic Information System and Remote Sensing in Soil Science
Suk-Young Hong*, Yi-Hyun Kim, Eun-Young Choe, Yong-Seon Zhang, Yeon-Kyu Sonn, Chan-Won Park, Kang-Ho Jung
1, Byung-Keun Hyun, Sang-Keun Ha, and Kwan-Cheol Song
Department of Agricultural Environment, National Academy of Agricultural Science (NAAS), RDA, Suwon 441-707, Korea
1
Faculty of Agriculture, Life & Environmental Sciences, University of Alberta, Edmonton, Alberta T6G 2E3, Canada
Geographic information system (GIS) is being increasingly used for decision making, planning and agricultural environment management because of its analytical capacity. GIS and remote sensing have been combined with environmental models for many agricultural applications on monitoring of soils, agricultural water quality, microbial activity, vegetation and aquatic insect distribution. This paper introduce principles, vegetation indices, spatial data structure, spatial analysis of GIS and remote sensing in agricultural applications including terrain analysis, soil erosion, and runoff potential. National Academy of Agricultural Science (NAAS), Rural Development Administration (RDA) has a spatial database of agricultural soils, surface and underground water, weeds, aquatic insect, and climate data, and established a web-GIS system providing spatial and temporal variability of agricultural environment information since 2007. GIS-based interactive mapping system would encourage researchers and students to widely utilize spatial information on their studies with regard to agricultural and environmental problem solving combined with other national GIS database. GIS and remote sensing will play an important role to support and make decisions from a national level of conservation and protection to a farm level of management practice in the near future.
Key words: GIS, RS, Soil science, Runoff potential, Erosion
접수 : 2010. 6. 14 수리 : 2010. 10. 13
*연락저자 : Phone: +82312900344 E-mail: [email protected]
서 언
GIS (Geographic Information System; 지리정보체 계 또는 지리정보시스템)는 공간자료 (spatial data) 또는 지리자료 (geographic data)를 수집, 저장, 조회, 분석, 표현하기 위한 컴퓨터시스템이다.
“....is a computer system for capturing, storing, querying, analyzing, and displaying geographic data.” (Chang, 2002)
GIS는 다음과 같이 네가지의 구성 요소로 나눌 수 있다. 첫째, 컴퓨터와 GIS 운용 시스템을 포함하는 컴퓨 터 시스템이다. 스캐너, 플로터, 디지타이저 (digitizer) 등
과 같이 자료의 입 ․ 출력을 위한 장비를 포함하기도 한다.
둘째, 하드웨어을 작동하기 위한 프로그램과 사용자인터 페이스를 포함하는 GIS 소프트웨어, 셋째, GIS 이용의 논리와 타당성을 부여하고 목적과 목표 설정을 위한 브 레인웨어 (brainware), 넷째, GIS 운용을 위한 조직과 행정, 환경뿐만 아니라 요구되는 기술, 데이터 표준, 클 리어링하우스 (clearinghouse; 정보센터) 등 하부구조 (infrastructure)다 (Chang, 2002).
한편 지리정보 (geographic information)란 지형 ․ 지리 및 공간에 관련되는 모든 정보를 일컫는 말로 공간객체 의 형상을 2차원의 공간좌표 XY 또는 3차원의 공간좌표 XYZ로 표현하는 도형정보 (graphic information)와 공 간객체와 연관된 다양한 관련 정보인 속성정보 (attribute information)으로 나눌 수 있고 이 둘을 통칭하여 공간 정보 (spatial information)라고 한다 (Kim, 2000). 지 리정보는 위치정보, 속성정보, 공간적 관계, 시간이라는 요인으로 구성되는 특성을 갖는다. 예를 들어, 어느 지 역의 토양경계를 수치지도 상에 매핑하고 해당하는 토
양의 속성을 문자의 형태로 저장한다. 공간적으로 지형, 토 지이용과 같은 다른 지리정보와의 상호연관성을 분석할 수 있는 상호관계가 존재하도록 하며 관련 정보 수집과 변화의 시간이 데이터베이스에 남는 것이다.
GIS를 통해 사용하는 모든 정보는 수치 공간자료이므 로 컴퓨터에 저장하여 사용자가 원하는 정보를 선택하여 다양한 형태로 보거나 출력할 수 있다. 실세계의 2차원 적인 표현과 모델링이 가능하고 일단 데이터베이스가 구축되면 수작업에 의한 지도의 작성에 비해 상대적으 로 비용이 적게 든다. 다양한 형태의 자료를 데이터베이 스에 의하여 효율적으로 관리할 수 있고 컴퓨터상에서 의사결정을 위한 모의를 수행할 수 있다. 토양과 농업환 경관리 분야에서는 토양특성의 공간 분포와 지질 ․ 지형적 인 특성을 연계하여 토양을 이해하고, 토양이나 양분의 분포를 매핑하고 시료를 채취 (sampling)하기 위한 사 전 정보로 이용할 수 있고 미지의 지점에 대한 특성을 예측하는 데 유용하게 사용될 수 있다. 토양정보와 더불 어 작물, 기상, 수자원, 지형, 작부체계 등의 정보와 함 께 농업환경과 생태계를 모니터링 하는 관리하기 위해 필요하다.
대개 GIS의 시작은 해당 분야의 각종 자원에 대한 데 이터베이스 구축이다. 시간, 돈과 노력의 상당 부분을 자 료구축을 위해 사용하는 경우가 대부분으로 지형도, 토 양도, 지질도, 토지이용 ․ 피복도와 같은 각종 기본도와 주 제도 구축이 해당된다. 또한, 토양도의 경우 토양 분석 자료 (토성, 배수등급, 경사 등의 물리적 ․ 형태적 토양특 성 및 pH, 양이온치환용량, 유기물함량 등의 토양화학적 성질)의 속성을 해당하는 위치의 토양정보에 입력하는 것 도 해당된다. 이때, 구축되는 자료와 정보의 질 (quality)이 기본적으로 가장 중요하다는 점을 잊지 말아야 할 것이다.
원격탐사 (RS; Remote Sensing, 이하 RS라고 함)란 전자기파 (electromagnetic energy)를 감지하는 각종 센 서를 이용하여 지표면, 물, 대기 현상에 대해 비접촉 ․ 비 파괴적인 방법으로 필요한 정보를 얻어내는 과학기술이다.
특히, 농업에 있어서 RS는 작물, 토양, 물 및 기후를 포 함하는 농경지 표면의 상태를 탐지하고 정량화함으로써 즉각적 또는 장기적인 농경지 및 농업환경 관리, 나아가 농업정책 의사지원과 결정을 위한 자료를 제공하는 역할 을 하게 된다. 수백 킬로미터 떨어진 위성탑재 센서에서 항 공기 센서, 크레인 및 삼각대에 탑재된 지상센서, 작물 또는 토양 근접센서에 이르기 까지 탑재체이나 촬영높이에 따라 다양한 자료를 목적에 따라 달리 얻어 이용한다.
‘에너지가 태양 (에너지원)으로부터 대기를 통해 지표 면에 도달하고, 토양, 토지, 작물 등 지표면에서 반사된 에너지를 위성 등 탑재체에 장착된 감지기 (detector)가 인식하며, 그 신호값을 지상국에서 아카이빙 (archiving)
하여 시스템 보정을 거쳐 사용자에게 전달되어 농업환경 관리 분야에서 활용되는 일련의 과정’을 RS의 범위라고 할 수 있다. 토양과 농업환경 연구 분야에서 RS를 이용 하는 실무자는 사용자인 동시에 지표면과의 상호작용을 연구하는 주체라고 할 수 있다.
파장영역 (wavelengths)과 폭 (band width)이 다른 각종 센서를 이용하여 사람이 감지하기 힘든 지표면 특 성과 지표면의 다양한 현상에 대해 넓은 지역을 대상으 로 주기적으로 센싱 (sensing)할 수 있는 다양한 시 ․ 공 간적 자료 획득 수단으로써 큰 의미를 가진다고 볼 수 있다. 즉, 신호값 (signal)과 잡음 (noise)의 형태로 얻 어지는 텍스트 및 영상자료로 부터 농업적으로 유용한 정보 (information)를 넓은 면적에서 주기적 ․ 과학적으 로 얻을 수 있는 기술이기 때문에 토양과 농업환경 연 구에 필요하다.
많은 전문가들은 원격탐사의 가장 큰 한계점은 기술 적인 개발에 대한 요구보다는 원격탐사가 모든 문제를 다 해결할 수 있을 것이라고 믿는 사람들의 착각이라고 지적하고 있다. 실제로 양질의 영상 전처리를 위한 분석 및 해석에 많은 노력이 필요하고 현장 실측자료와 관련 정보 없이는 잘못 해석할 가능성이 크기 때문에 항상 토양특성과 관리, 작물의 종류와 재배력과 생육 등과 함 께 조사되어야 하는 등 적절한 이용 방안과 곤고한 논 리 정립이 없이 접근하는 것은 위험할 수 있다. 한편, 현실적인 문제는 우리나라와 같이 작물의 생육이 활발 한 여름철에 장마와 태풍, 즉 구름으로 인해 원하는 시 기에 영상을 취득하지 못하는 경우가 아직은 더 많다는 것이나, 2006년 국산 고해상도 위성인 KOMPSAT-2의 발사가 성공적으로 이루어졌고 또 연이은 국산위성의 발사계획과 세계적으로 가용한 고해상도 위성자료와 레 이더 영상 자료가 증가할 것을 미뤄 보면 이 점은 앞으 로 개선될 것으로 전망한다.
GIS와 RS는 1990년대 중반 농촌진흥청에 기능이 설 립된 이후, 이미 토양과 농업환경 연구의 한 부분을 차 지하게 되었다. 점점 더 수요와 기술적인 요구도가 높아 지는 추세에서 기술의 올바른 이해와 논리전개로 접근 해 간다면, 토양학과 농업환경 연구에서 유용하게 이용 될 분야이므로 원리와 데이터의 구조 및 분석방법을 기 술하고, 사례를 통한 활용분야를 소개하고자 한다.
원리와 방법
RS의 원리 지구상에 존재하는 전자기스펙트럼 (electromagnetic spectrum)이 RS의 대상이다 (Table 1).
즉, 라디오파 (radio waves), 극초단파 (microwave), 적
Table 1. Electromagnetic spectrum (Remote Sensing Note, 1996).
Class Wavelength Frequency
Ultraviolet 100A ~ 0.4 ㎛ 750 ~ 3,000 ㎔
Visible 0.4 ~ 0.7 ㎛ 430 ~ 750 ㎔
Infrared
Near infrared 0.7 ~ 1.3 ㎛ 230 ~ 430 ㎔
Short wave infrared 1.3 ~ 3 ㎛ 100 ~ 230 ㎔
Intermediate infrared 3 ~ 8 ㎛ 38 ~ 100 ㎔
Thermal infrared 8 ~ 14 ㎛ 22 ~ 38 ㎔
Far infrared 14 ~ 1 ㎜ 0.3 ~ 22 ㎔
Radio wave
Submillimeter 0.1 ~ 1 ㎜ 0.3 ~ 3 ㎔
Microwave
Millimeter (EHF) 1 ~ 10 ㎜ 30 ~ 300 ㎓
Centimeter (SHF) 1 ~ 10 ㎝ 3 ~ 30 ㎓
Decimeter (UHF) 0.1 ~ 1 m 0.3 ~ 22 ㎓
Very short wave (VHF) 1 ~ 10 m 30 ~ 300 ㎓
Short wave (HF) 10 ~ 100 m 3 ~ 30 ㎓
Medium wave (MF) 0.1 ~ 1 ㎞ 0.3 ~ 22 ㎓
Long wave (LF) 1 ~ 10 ㎞ 30 ~ 300 ㎒
Very long wave (VLF) 10 ~ 100 ㎞ 3 ~ 30 ㎒
Fig. 1. Spectral reflectance of a soil (Gongdeok series) and a rice plant (Jinbu) (NIAST, 1996).
외선 (infrared), 가시광선 (visible), 자외선 (UV), 감마 (γ-) 및 엑스선 (χ-ray) 에너지의 눈 (sensor)으로 지표면 을 바라본다고 생각할 수 있다. RS는 전자기에너지에 대한 지표면 물체들의 흡수 (absorption), 반사 (reflectance), 투과 (transmittance), 방사 (emission), 산란 (scattering) 하는 성질이 모두 다른 것을 이용하여 대상체를 파악하 고 현상을 해석할 수 있게 된다. 현재 농업분야에서 많 이 이용되는 파장영역은 인간이 눈으로 인지할 수 있는 가시광선을 비롯하여 근적외선, 중간적외선, 열적외선 영역으로 이들 파장영역을 감지할 수 있는 광학센서와 열센서들의 이용성이 높은 편이고, 최근에는 밤낮과 날 씨에 상관없이 자료를 얻을 수 있는 극초단파 영역의 레이더 자료의 이용성이 매우 높아지고 있다. 태양복사 에너지 (0.3 ~ 3.0 ㎛) 영역의 전자기파에 대한 물질 고 유의 파장특성을 분광특성 (spectral characteristics) 이 라 한다. 지상관측용 분광방사계 (spectroradiometer), 항공기, 위성 등에 탑재된 센서를 통해 얻어지는 데이터 값 (DN; digital number)은 태양 또는 지구 복사에너 지에 대한 지표면 대상체의 반사의 척도이다.
Figure 1은 자연 건조하여 2 ㎜ 체에 통과시켜 조제 한 공덕통과 생육이 활발한 상태의 진부벼를 대상으로 0.4 ㎛~2.5 ㎛ 범위의 분광방사계로 측정한 분광반사 특성 곡선이다. 태양광에 대한 작물의 반응은 주로 잎에 서 일어나는데 엽록소 함량, 수분함량, 엽령 및 내부구 조의 영향에 따라 분광반사특성이 다르게 나타나는 것 으로 알려져 있다. 가시광선 영역에서는 주로 엽록소와 같은 색소의 종류와 함량이, 근적외선 영역에서는 세포
수준의 엽구조가, 중간 적외선 영역에서는 작물의 수분 함량이 반사율에 영향을 미친다. 또한, 작물의 형태적 ․ 생리적 차이 이외에도 센서의 고도와 각도, 군락형태, 재배양식의 차이, 작물군락의 재식방향 등에 따라서도 차이가 난다.
RS를 이용한 식생에 대한 연구는 근적외선과 가시광선 영역의 복사 또는 반사율에 기초한 식생지수 (VI; vegetation indices)가 흔히 이용된다. 식생지수는 식생의 녹색도의 상대적인 양과 활력의 지표로서 단위가 없는 방사학적 인 (radiometric) 측정값이다. 식생지수는 작물의 생물 물리학적 매개변수로 민감하게 작용하는 반면 군락 하 부의 변이와 같은 내부적인 효과와 태양고도, 관측각, 대기와 같은 외부 효과를 정규화 하여야 한다. RS에 의
Table 2. Basic map features for paper and digital maps (Chang, 2002).
Point Line Area or Polygon Volumes Hyper-volumes
Dimensionless (e.g. wells) Length (e.g. streams) L x width (e.g. lakes) L x W x Depth (e.g. elevation) LxWxDxtime (e.g. reservoirs)
all maps digital maps
(a) natural color composite (b) false color composite
(c) NDVI (d) Green NDVI
Fig. 2. Band combinations (a, b), NDVI (c), and Green NDVI (d) images of QuickBird satellite.
한 분광특성분석에서 식생지수는 식생의 생산성과 활력 을 추정하는데 널리 이용되고 있다. 또한, 기초적인 생물 학, 화학, 물리학 보다는 경험적인 실증에 기초하고 있다.
근적외광과 가시광의 비율에 기초한 가장 먼저 사용되기 시작한 식생지수는 RVI (ratio vegetation index; Jordan, 1969)이고, 이를 정규화하여 선형화하여 가장 많이 쓰이 는 식생지수는 NDVI (normalized difference vegetation index; Rouse et al., 1973)이며, 토양 배경으로 인한 잡음을 최소화하도록 고안된 것은 SAVI (soil adjusted vegetation index; Huete, 1988)로 다음과 같다.
(0≤RVI≤∞)
(-1≤NDVI≤1)
(0≤SAVI≤1)
2005년 9월 11일 충청남도 당진군 우강면 일원을 촬 영한 QuickBird (0.6 m panchromatic/ 2.4 m multi- spectral) 위성영상을 이용하여 자연색 조합 (R: G: B=
band3: band2: band1), 위색조합 (R: G : B = band4:
band3: band2), NDVI (=(NIR-RED)/(NIR+RED)), Green NDVI (=(NIR-GREEN)/(NIR+GREEN)) 영상을 작성하 였다 (Fig. 2). 이와 같이 다양한 파장영역의 정보를 밴드 별로 취득하는 위성영상을 이용하여 목적으로 하는 지 표면의 토양 ․ 토지, 작물 ․ 식생 또는 물 ․ 수자원의 특성 을 가장 잘 파악할 수 있는 파장정보를 찾아내어 이용할 수 있다. 작물이나 식생의 생육의 척도는 식생지수를 이용 하는 경우가 많다.
태양복사에너지는 표토에서 부분적으로 흡수되고 대 부분은 열로 변환된다. 이 에너지의 일부분이 확산되어 반사되는데 파장별로 반사하는 양상은 식물과 크게 다 르다. 물 흡수대는 1.45 ㎛, 1.95 ㎛, 2.50 ㎛이고, 수 많은 토양 성질이 전자기에서지의 반사와 방사에 영향 을 미치는 것으로 알려져 있다. 건조 토양의 파장별 분
광반사율은 가시광에서 근적외광에 이르기까지 연속적으 로 점점 증가하는 추세이다 (Fig. 1). 여러 가지 토양의 성질 중에서 토양유기물과 수분이 토양의 반사율에 가장 영향을 크게 미치고, 그 외에 토성, 산화철, 토양구조와 표면 거칠기 (roughness), 토양입자의 크기, 토성, 토색, 토양 무기성분, 편광 (polarization) 특성, 수용성 염 등 도 영향을 미치는 것으로 알려져 있다. 물론 태양광을 이 용하는 경우는 태양의 고도 (solar elevation)와 방위각 (solar azimuth angle)에 따라서도 반사율에 영향을 미 친다 (Bumgardner, 1985).
공간데이터의 구조 지도 (map)는 기본적으로 점 (points), 선 (lines), 면 (areas) 또는 다각형 (polygons) 으로 구성되고, 수치지도는 이들 세 가지 요소뿐만 아니라 깊이 (depth)와 시간 (time)의 차원이 더해져서 surface, volumes, hyper-volumes의 형태 (feature)로 경관 (landscape)을 표현 (abstraction)하기도 한다 (Table 2).
지도는 데이터로 GIS 모델링이나 연산 (computation)에
Fig. 3. The data structure of the features’ data model (Chang, 2002).
활용되기도 하고, 다른 한편으로는 최종 결과물 (products) 로 생산되기도 한다.
점은 영차원의 객체로서 지표면의 위치를 나타낸다.
따라서 점은 단지 위치만을 나타내며 그 외의 거리나 면 적과 같은 공간정보를 표현할 수 없다. 지도데이터의 표준 화를 위한 미국의 국가위원회 (National Committee for Digital Cartographic Data Standards; 이하 NCDCDS) 에서 정의한 점은 네 가지 유형으로 구분되어 지도상에서 사용될 수 있으며, 이것들은 엔터티 포인트 (entity point), 레이블 포인트 (label point), 에어리어 포인트 (area point), 노드 (node)이다. 일반적으로 점 데이터와 관 련된 구성요소는 아래의 식 1로 표현될 수 있다. 식에서
는 점을 나타내는 식별자이며, X, Y는 로서 형성 된 좌표값을 나타내며, 는 각각 속성항목의 값을 나타낸다.
(1)
선은 일반적으로 일차원의 객체를 표시하며, 방향성과 연결성이 중요하다. NCDCDS에서 정의한 선 데이터의 세 부적인 유형은 모두 다섯 가지로 라인 (line)과 라인 세 그먼트 (line segment), 스트링 (string), 아크 (arc), 링 크 (link), 체인 (chain)으로 구별된다. 선 데이터를 구성 하는 기본 요소는 식 2와 같이 정리할 수 있다. 식에서
는 선을 나타내는 식별자이며, 은 선을 형성하 는 점을 표시하며, 은 각각 속성항목의 값을 나 타낸다. 여기서 선의 방향성은 점의 연결순서에 따라 표 시된다. 아울러 이러한 선의 연결성을 보완적으로 설명
하기 위하여 과 같은 추가적인 변수가 부여될 수 있다.
(2)
면은 이차원의 객체로서 위치와 면적을 가지고 있으며, NCDCDS에서 정의하는 면의 유형은 에어리어 (area), 내 부 에어리어 (interior area), 폴리곤 (polygon), 단순폴 리곤 (simple polygon), 복잡폴리곤 (complex polygon) 이 있다. 폴리곤을 구성하는 기본요소는 식 3과 같이 정리될 수 있으며 는 폴리곤의 식별자이며, 은 폴리곤을 정의하는 연속적으로 연결된 선 데이터를 표시 한다. 은 각각 속성항목의 값을 표시하며,
은 폴리곤 에 인접한 폴리곤들을 표시한다. 또한,
과 은 폴리곤 를 포함하는 폴리곤과 폴리곤 에 포함된 폴리곤들을 각각 표시한다 (Kim, 2004).
(3)
위상 (topology)이란 전체의 벡터구조를 각각의 점, 선, 면의 단위 원소로 분류하여 각각의 원소에 대하여 형상과 인접성, 연결성, 계급성에 관한 정보를 파악하 고, 각각의 원소간의 관계를 효율적으로 정리한 것이다.
점 피처 (feature)는 단순한데, 고유번호와 좌표 로 구성된다. 점은 서로 떨어져서 존재하므로 위상이 적 용되지 않는다. Figure 3.b의 라인 세그먼트는 아크라 고 불리고, 연결된 라인의 양 끝을 노드라고 한다. 시작 점을 from-node, 끝점을 to-node라고 한다. 예를 들
Table 3. Points, lines, and areas with vector and raster format in the GIS world.
Points Lines Areas
Raster Vector Raster Vector Raster Vector
(Cell) (Coordinates)
Fig. 4. Map scale and its meaning.
어 아크 2는 12가 from-node이고 13이 to-node이다.
아크-좌표는 각 아크를 구성하는 x, y 좌표이다. 예를 들 어 아크 3은 (2,6)과 (4,4) 노드에서 연결되는 세 개의 라 인 세그먼트로 구성된다. 면 피처의 데이터 구조를 살펴 보면 폴리곤/아크 리스트는 폴리곤과 아크와의 관계를 보 여준다. 예를 들면, 아크 1, 4, 6은 폴리곤 101을 정의한다.
폴리곤 104는 폴리곤 102 사이의 구멍 (hole)으로, 아크 7번으로만 이루어진 고립 (isolated) 폴리곤이다. 아크의 시작노드와 마지막 노드를 따라 노드 15가 위치한다. 폴 리곤 100은 외부 폴리곤이라 한다. Left/right list는 아 크를 사이에 두고 그 왼쪽과 오른쪽 폴리곤 사이의 관계 를 일컫는다. 예를 들면, 아크 1은 노드 13로부터 노드 11로 방향성을 갖고, 폴리곤 100을 왼쪽에 101을 오른 쪽 폴리곤으로 갖는다 (Fig. 3).
가. 벡터 (vector)와 격자 (raster)구조 GIS에서 다 루는 공간자료는 벡터구조와 격자구조 두 가지를 들 수 있다. 벡터구조에서 모든 공간객체는 벡터들의 집합으로 표현된다. 수학적 의미에서 하나의 벡터는 XY 좌표 값 으로 위치가 주어지는 하나의 시작점과 동서남북과 같 은 임의의 방향성, 그리고 크기인 길이를 갖는다. 격자 구조에서 모든 공간객체는 일정한 크기의 격자 (pixel, cell, raster)로 구성되고 행 (row)과 열 (column)로써 위치를 표시하게 된다. 위치 표현의 가장 작은 단위는 격자가 되며, 각각의 격자가 나타내는 면적이 작을수록 상세한 현실세계의 표현이 가능하다는 것을 의미한다.
Table 3은 GIS에서 존재하는 점, 선, 면에 대한 각각 의 벡터와 격자구조를 나타낸 것이다. 점은 매트릭스의 열 과 행으로 존재하는 격자구조 또는 각각의 x, y 좌표로 저 장되는 벡터구조이다. 선은 서로 연결된 격자의 셋 (set) 또는 수학적으로 연결된 x, y 좌표의 셋으로 저장된다.
면은 내부 (interior)를 정의하는 인접하는 격자의 셋 또 는 경계를 정의하는 수학적으로 연결된 좌표의 셋으로 저 장된다.
나. 축척 (scale) 축척은 지도상의 거리와 지상거리 와의 비를 표시하는 것으로 실세계의 평면적인 표현인 지 도상에 나타난 상세도와 지표면 면적에 대한 정보를 나타
낸다 (Fig. 4). 국제적으로 통용되고 있는 축척에 따른 지도 구분법은 없지만, 일반적으로 1:50,000 미만 (예, 1:25,000, 1:10,000, 1:5,000)의 지도를 대축척 지도, 1:25,000 이 상 1:250,000, 1:1,000,000)의 지도를 소축척지도라고 하며 1:50,000과 1:25,000 사이의 지도를 중축척 지도 라고 구분하고 있다. 즉 분모가 작을수록 대축척 지도이 고 분모가 클수록 소축척 지도다. 대축척일수록 지도상 지표면의 면적은 좁고 상세하다. 일반적으로 축척의 분 자 (지도상의 거리)는 1로 조정 표시한다. 축척의 구분 은 임의적일 수 있고 상대적인 크기를 나타내고 비교하 는데 기초가 되고 있다. 하지만 전산화되었을 때 수치토 양도가 갖는 축척은 컴퓨터상에서 확대 ․ 축소되는 기능, 모니터의 크기와 해상도 등에 따라 영향을 받을 수 있 기 때문에 종이지도가 갖는 축척의 중요성에 비하면 좀 더 자유로울 수 있다. 축척의 표시법에는 문자, 분수식, 비례식 등 여러 가지 표시법이 있고 우리나라 토양도는 비례식 표시법을 사용하고 있다.
토양조사는 조사의 목적, 기본도의 축척 및 조사의 정 밀도에 따라서 개략토양조사, 반정밀 토양조사, 정밀토양 조사 그리고 세부정밀토양조사 등 크게 4가지로 구분할 수가 있다. 토양도 역시 조사에 따라서 개략토양도 (전국 개략토양도, 1:250,000), 반정밀토양도 (도별 개략토양도, 1:50,000, 작도최소단위 6.25 ㏊), 정밀토양도(시․ 군별 정 밀토양도, 1:25,000, 작도최소단위 0.25 ㏊), 세부정밀토 양도(1:5,000, 작도최소단위 0.1 ㏊) 등으로 나눌 수 있다 (NIAST, 2001).
우리나라 정밀토양도 및 세부정밀토양도에서 토양구 분을 위한 작도단위는 토양통 (soil series), 토양구 (soil type), 토양상 (soil phase), 토지이용 (land use) 등으
Table 4. Base maps for soil survey and soil maps published.
Base map scales for soil survey Soil maps published
Detailed soil map 1:10,000, 1:18,750, 1:20,000 1:25,000
Reconnaissance soil map 1:30,000 ~ 1:40,000 1:50,000
1:50,000 1:250,000
Highly detailed soil map 1:5,000 1:5,000
Table 5. Ground distance and areas to the different scales of map distance and areas.
Scale Ground distance for 1 ㎝ of map distance (㎞)
Areas for 1 ㎠ of map area (㏊)
Areas for 25 ㎟ of the minimum mapping unit area (㏊)
1:1,200 0.012 0.0144 0.0036
1:5,000 0.05 0.25 0.063
1:10,000 0.10 1.00 0.250
1:25,000 0.25 6.25 1.5625
1:50,000 0.5 25.0 6.25
1:100,000 1.0 100.0 25.0
1:1,000,000 10.0 10,000.0 2,500.0
로 구성된다. ‘삼각사양토, 침식이 있는 7~15% 경사’란 토 양명 중 삼각은 토양통에 해당되고, 사양토는 토양구, 그리 고 침식이 있는 7~15% 경사는 토양상에 해당된다. 1:5,000 원도에는 토양명을 SgC2F 과 같이 영문부호로 표기하며 이때 Sg는 삼각통의 토양구명이며, C는 7~15% 경사, 2는 침식등급, 그리고 F는 산림이란 토지이용을 나타낸다. 하 지만 전산화된 수치토양도에는 토양부호가 최대 4자리로 토양상까지에 대한 정보를 포함하면 수치토양도로 존재 하고, 토지이용 현황 정보는 작도단위에 대하여 영문부호 형태로 별개로 존재한다.
토양도의 축척은 토양도가 사용되는 목적에 따라 달 라지는데 토지이용의 집약성, 토양의 분포상태, 토양도 의 기본도로 이용하는 지형도의 축척에 따라 결정된다.
토양조사도의 축척과 발간된 토양도의 축척은 동일하지 않고 토양조사의 축척이 발간토양도의 축척보다 크다.
우리나라의 경우 정밀토양조사 시 토양조사도로 1:10,000
~1:20,000 축척의 항공사진을 사용하고 발간토양도의 축척은 1:25,000으로 발간토양도의 축척이 토양조사도 의 축척보다 0.4~0.8배가 적은 등 토양조사도와 발간 토양도의 축척은 Table 4에서와 같다.
토양도에서 지상거리를 구하려면, 토양조사 거리 (분모)에 축척의 분모를 곱하면 된다. 축척 1:25,000과 1:5,000 토양도의 1 ㎝에 대한 지상거리는 각각 다음과 같다.
1 ㎝ × 25,000 = 250 m (정밀토양도) 1 ㎝ × 5,000 = 50 m (세부정밀토양도)
그러므로 정밀토양도 상의 1 ㎠ (1 ㎝ × 1 ㎝)에 해 당되는 지상면적은 6.25 ㏊이다.
1 ㎠ × 25,0002 = 62,500 ㎡ (지상면적)
각종 축척별 토양도상 거리와 면적에 대한 지상거리 및 면적은 Table 5과 같다.
공간분석
가. 벡터분석 (vector analysis) 벡터 데이터 모델 은 점과 그 좌표를 이용하여 점, 선, 면 공간 피처를 만 들기 때문에 벡터 데이터분석은 점, 선, 면의 기하학적 인 객체 (geometric object)를 기반으로 하고, 분석결 과의 정확도는 위치 (location)와 모양 (shape)에 따라 달라진다. 버퍼링 (buffereing)과 중첩분석 (overlay)에 대해 얘기하고자 한다.
먼저 버퍼링은 근접성 (proximity)의 개념에 기초를 두고 있고, 점, 선, 면을 기준으로 지역을 둘로 나누는 기능이다. Figure 5는 선을 이용한 버퍼링의 예로 한강 물줄기의 중심으로부터 좌우 1 ㎞를 버퍼링하여 수변구 역을 설정하는 예이다. 이 외에도 작물 재배적지 선정, 규제범위 설정과 도시 및 농촌계획 등을 위해 많이 사 용된다.
다음은 중첩분석을 들 수 있는데 두개의 레이어 (입력 레이어와 중첩레이어)의 도형과 속성을 결합시켜 새로운 레이어를 만들어 내는 것으로, Boolean logic을 이용하여 정보를 합성하는 과정이다. 주요 유형으로는 유니언 (union) 과 인터섹트 (intersect) 등이 있다 (Fig. 6). 유니언은 Boolean의 OR 연산자를 이용하는 중첩분석으로 입력 레이어와 중첩 레이어 모두 폴리곤이어야 한다. 결과 레
Fig. 5. An example of buffering technique from line feature.
(a) UNION (b) INTERSECT
Fig. 6. The UNION and INTERSECT methods.
Table 6. The arithmetic, logarithmic, trigonometric, and power functions.
Arithmetice +, -, /, *, absolute, integer, floating-point
Logarithmic exponentials, logarithms
Trigonometric sin, cos, tan, arcsin, arccos, acrtan
Power square, square root, power
이어는 입력 레이어와 중첩레이어의 모든 속성 정보를 포함하는 속성 정보를 가진다. 예를 들어, 입력레이어가 토양도이고 중첩레이어가 식생레이어라면 결과레이어는 토양과 식생 정보를 모두 갖는다. 인터섹트 중첩은 Boolean의 AND 연산자를 적용한다. 두 레이어가 연산 될 때 입력 레이어 중 중첩레이어와 중첩되는 부분만 결과 레이어에 남아있게 된다. 중첩레이어는 반드시 폴 리곤이어야 하나, 입력레이어는 점, 선, 또는 면(폴리곤) 레이어가 가능하다. 만약 입력 레이어가 점 데이터라면 인 터섹트 결과 점 레이어가 생성된다 (Chang, 2002).
나. 격자분석 (raster analysis) 점, 선, 폴리곤의 기 하학적인 객체에 기반한 벡터분석과 달리 격자분석은 격 자 (grids, cells) 단위로 이루어진다. 하나의 격자 레이어 를 사용하는 경우와 여러 개의 격자 레이어를 사용하여 분 석하는 경우로 나뉘어 진다 (Chang, 2002).
1) 로컬 연산 (local operations)
하나의 격자 레이어를 사용하는 로컬 연산은 격자레이 어를 입력자로 하여 수학적인 연산으로 결과 레이어를 계산 해 내는 것으로 산술적 (arithmetic), 대수적 (logarithmic), 삼각법 (trigonometric), 멱함수 (power function)가 있다
(Table 6). 예를 들면, 퍼센트 단위로 된 경사 (slpoe) 자료를 도 (degree) 단위로 변환하는 경우가 있다. 여러 개의 격자 레이어를 사용하는 경우의 예는 여섯 가지 환경 인자를 이용하여 토양 유실량을 산정하는 USLE (Universal Soil Loss Equation)를 들 수 있다.
2) 인접 연산 (neighborhood operations)
인접 연산은 하나의 중심이 되는 격자와 인접한 격자들 에 적용된다. 중심격자의 거리와 방향에 따라 선택조건이 주어지며 직사각형, 원, 도우넛, 쐐기 모양으로 선택할 수 있다. 연산 옵션은 최소, 최대, 평균, median, 합, 범위, 표준 편차, majority, minority 등이 있다. Figure 7은 majority 연산을 3 x 3 윈도우로 적용시켜 나타낸 결과다. 3 x 3 윈도우 적용을 위해 중심 격자를 포함한 인접 9 격자의 값이 모두 있는 경우에 대해서만 그 윈도우 내에 가장 많 은 수를 중심 격자의 값으로 리턴하여 b)와 같은 결과 격 자를 얻었다. 이와 같이 majority 연산을 하여 결과 레이 어를 얻을 때 테두리 격자들의 값은 잃게 된다.
2) 구역분할 연산 (zonal operations)
구역분할 연산은 하나 또는 두개의 격자를 이용한다. 인 접연산과 마찬가지로 최소, 최대, 평균, median, 합, 범위,
(a) (b) Fig. 7. The cell values in (b) are derived for the shaded cells in (a) from a 3 x 3 neighborhood operation using the majority statistic.
(a) (b) (c)
Fig. 8. The zonal operation in this illustration uses the zones of 1, 2, and 3 in (a) and cell values in (b) to calculate the zonal means of 2.17, 2.25, and 4.17. The output grid is shown in (c).
표준편차, majority, minority 등의 통계를 계산할 수 있는 데, 이 중 median, majority, minority는 격자의 데이터 형 이 실수 (floating-point)인 경우에는 적용할 수 없다 (Fig. 8).
활용사례
토양학 연구 분야에서 GIS와 RS를 활용할 수 있는 많은 사례들 중 가장 기본적인 것들을 소개하고자 한다.
DEM (수치표고모형; digital elevation model)을 이용 하여 경사 (slope), 향 (aspect), 곡률 (curvature), 유역 (watershed) 추출 등 지형분석 (terrain analysis)을 할 수 있다.
경사 (slope), 향 (aspect) DEM을 이용하여 경사도 를 계산하는 방법은 다음과 같다.
a b c
d e f
g h i
이 때 cell size = 30 m 이면,
이고,
이 때 cell e의 고도변화 즉 기울기 는 다음 식 과 같이 구한다.
,
이 값을 아래 공식에 대입해서 최종적으로 경사도가 얻어진다.
slope in degree = slope in percent = =
경사도가 100% 일 때는 경사도가 45도인 경우 경사 높이와 경사장이 같아서 1과 같고 여기에 100%가 곱해 져서 100이 되는 것이다. 한편, 주어진 벡터 에 서 격자의 경사(slope)를 계산하는 식은 와 같고, 격자의 향(aspect)을 계산하는 식은 와 같다. 향은 이와 같이 경사도의 방향성을 나타내는데 북, 동, 남, 서 4개 또는 북, 북동, 동, 남동, 남, 남서, 서, 북 서 8개의 주요 방향으로 나타낼 수 있다.
곡률 (curvature) 유역의 수자원 연구, 토양조사 등 에서는 조사지점의 지형이 convex (볼록면) 또는 concave (오목면)인지를 결정해야하는 경우가 있다. Zevenbergen and Thorne 1987; Moore et al., 1991)이 보고한 식 (a quadratic polynomial)을 이용하여 DEM 으로부터 계산할 수 있다.
(4)
A에서 I까지의 계수는 격자크기와 3 x 3 윈도우를 이 용한 DEM의 표고값으로부터 구할 수 있다. 세 종류의 곡 률 측정값을 계수 값으로 부터 계산해 낼 수 있는데, 각각 식 5~7과 같다.
(5)
(6)
(7)
Profile curvature는 최대 경사의 방향을 따르고, plan curvature는 최대 경사의 직각방향을 따라 추정한다. 곡률 은 profile curvature와 plan curvature의 차 (difference)
로 양의 값은 해당 격자의 지표면이 상향의 convex임을 의미하고 음의 값은 상향의 concave이며 0값은 지표면이 편평함을 의미한다.
지형의 변화점은 산꼭대기 (peak), 웅덩이 (sink or pit), 고갯길 (pass), 능선 (ridge-line), 계곡 (ravine-line), 급 경사 (break), 비탈 (slope), 평지 (flat) 등의 특징을 갖는 데, Jo Wood (2005)는 산꼭대기, 능선, 웅덩이, 물길, 평지, 고갯길 6가지 지형을 찾아낼 수 있는 Landserf (v.2.2) 프로그램을 개발하였다.
유역 (watershed) 유역을 분석하기 위해서는 세 종 류의 격자구조 자료 셋, 즉 표고 격자, 흐름방향 (flow direction) 격자, 흐름집적 (flow accumulation) 격자가 있어야 한다. 로우패스 필터링 (lowpass filtering)으로 정점 (peak)에서의 오류를 수정하였고, 싱크 필 (sink fill)로 유역의 물 흐름도 (flow direction)에서 비정상적 으로 발생하는 싱크 (sink)를 수정함으로써 DEM을 보 정한다. 흐름방향 (flow direction)으로부터 흐름집적 (flow accumulation)을 계산하여 임계치를 부여한 다음 하천망 (stream network)과 배수분구를 구축한 후 유역을 소 유역으로 분할하게 된다. 우선 분할된 소유역을 배수구역 (drainage boundary)으로 지정하고 해석하고자 하는 대 상 유역으로 고정하는데, 이때 불필요하게 구분된 유역을 병합하는 수정작업을 통해 유역도가 완성된다 (Fig. 9).
물유출 퍼텐셜과 토양유실 CN은 그 지점의 토양과 식생의 상태와 관련된 runoff potential을 나타내는 지 표로 정의된다 (Ward and Elliot, 1995). 가장 간단한 방법으로 미계측 유역의 강우-유출을 표현하는 널리 사용 되어 왔다. CN값을 결정하는 과정은 다음과 같다. a) 여 러 가지 토양과 서로 다른 토지 이용이 섞여 있는 대유 역을 목적에 맞게 몇 개의 소유역또는 수문 단위로 나눈다.
각 수문 단위는 주 하천으로 들어가는 지류의 배수 유역 단위를 나타낸다. b) 유역의 수문 단위에 있는 토지 이 용/피복, 토양형 등을 확인한다. 토양의 한계 침투율에 근 거한 수문조건에 따라서 토양을 구분한다. c) 토지이용/
피복의 면적을 결정한다. d) CN표에서 CN 값을 읽는다.
e) 각 토지치용/피복의 면적 비율을 곱하여 가중 CN 값을 계산한다. 이는 선행수분조건 II에 해당한다. f) 5일 선행 강 우량을 계산하여 선행수분조건 등급을 결정한다. g) 변환표 에서 결정된 선행수분조건에 따라서 CN 값을 보정한다.
이 때 배수구역 단위는 DEM을 이용하여 유역을 구 분함으로써 나눌 수 있고, 이 외에 토양도와 토지피복도 를 필요로 한다. 토양도는 수문학적 토양유형 정보를 토 지피복도는 토지피복 정보를 갖는다. 해당 유역에 대한 토양도와 토지피복도를 준비하여 유니언 중첩한 후, 토
지피복에 따른 토양유형별 CN값이 명시된 표로부터 해 당 CN값을 적용시킴으로써 CN 분포도를 작성할 수 있다 (Fig. 10).
토양은 암석의 풍화로 생성되며 암석의 풍화작용에 영향을 주는 요인은 강우, 온도, 생물 등이다. 우리나라 는 온대기후에 속하며 강우량이 적지 않아 암석의 풍화 에 유리한 조건이나 절반 이상의 강우가 여름에 집중되는 데다 경사가 심해 토양유실이 많이 발생한다. 이러한 이유 로 우리나라의 토양은 분류체계상 심토의 발달이 약한 반 숙토 (인셉티솔, Inceptisols)나 심토가 존재하지 않는 미 숙토 (엔티솔, Entisols)가 대부분이다. 우리나라의 연간 총 토양 유실량은 5천만톤으로 추정되고 있으며 전체 국 토의 10%를 차지하는 밭에서 절반이 넘는 2천 7백만톤 정도가 유실되는 것으로 평가되고 있다. 따라서 토양의 연 간 토양 유실량을 지도화함으로써 토양보전을 위한 경각심 을 높이고 정책집행에 있어서 효율성을 기할 수 있다. 토 양유실은 강우, 토양, 지형, 식생피복, 보전관리방법에 따 라 달라진다. 각각의 영향을 산출하기 위해 강우인자, 토 양침식성 인자, 경사인자, 식생피복인자의 곱으로 토양침 식량을 계산할 수 있다.
A = R ․ K ․ LS ․ C ․ P (8)
여기서 A는 강우인자(R)의 해당 기간 중 단위면적에서 침식되는 연평균 토양유실량 (MT ha-1 yr-1), R은 강우 인자 (MJ mm ha-1 yr-1 hr-1), K는 토양침식성인자 (A/R, MT J-1 mm-1 hr-1), LS는 지형인자 (L은 경사길 이인자, S는 경사도인자, dimensionless), C는 식생피복인자 (dimensionless)이며, P는 토양보전인자 (dimensionless)다.
강우인자는 관측소별 자료를 이용하여 지역의 대푯값 또 는 보간된 (interpolated) 값을 사용하고 토양침식성 인 자는 토양도를 기반으로 정의하며 지형인자는 DEM을 이용하여 계산한다. 식생피복인자 및 토양보전인자는 대 개 토지피복도 또는 토지이용도를 이용하여 값을 정의 한다. 격자간의 연산을 통해 유실량을 계산하며 이를 각 포장단위로 평균하여 등급을 나눈다 (Fig. 11).
결 론
농업과 환경 분야에서 위치정보와 함께 수집된 토양, 물, 생물, 대기 정보에 대해서는 공간 데이터베이스 구축 이 가능하다. 구축된 공간 데이터는 각각의 정보로서도 의미가 있지만 토지이용이나 지형정보 또는 서로 다른 환 경인자와 함께 해석이 될 때 그 가치가 더 커질 수 있고, 이때 GIS는 서로 다른 종류의 데이터를 관리하고 가공하
Fig. 9. Flow of watershed delineation using a digital elevation model (DEM).
(a) hydrologic soil group based on soil map (b) land cover map
(c) CN table (d) CN distribution
Fig. 10. Hydrologic soil group (a), landcover map (b), CN table (c), and CN values calculated of a watershed (d).
Fig. 11. Concept of soil loss calculation using GIS.
며 평가할 수 있는 강력한 도구가 될 수 있다. 현재 농업 과학기술원에서는 토양정보시스템의 구축뿐만 아니라 농 업환경 분야에서 수집된 토양, 생물, 물 등 기관에서 고 유하게 보유하고 있는 자료에 대한 공간 데이터베이스 를 구축하기 시작하였다. 농업환경에 대한 이해도를 높 이기 위한 간단한 형태의 지도로부터 농업정책담당자의 정책수행을 위한 의사지원시스템, 연구자 등을 위한 자 료통합검색시스템 등 다양한 수요자를 위한 GIS 기반의 농업환경정보시스템을 구축하고 있다. 토양학과 농업환 경을 연구하는 학자와 학생들이 GIS와 RS 기술을 연구 에 더 많이 이용하게 된다면 구축되어 있는 다양한 국 가지리정보를 이용하게 되어 자연스럽게 국토 및 수자 원 분야와 토양학 분야가 손쉽게 접목될 수 있고 더 나 아가 지리학과 고고학 분야도 함께 연구해 나갈 수 있 어 토양학 연구 범위를 넓힐 수 있을 것으로 생각된다.
국가규모의 국토 환경보전에서 포장 단위의 농장관리까 지 컴퓨터상에서 의사지원과 결정이 가능한 시스템의 구축도 가능해 질 것으로 기대해 본다.
인 용 문 헌
Baumgardner, M.F., L.F. Silva, L.L. Biehl, and E.R.
Stoner. 1985. Reflectance properties of soils. Advances in Agronomy 38, pp. 1-44.
Chang, K. 2002. Introduction to geographic information systems. McGrawHill, New York, NY, USA.
Huete, A.R. 1988. A soil-adjusted vegetation index (SAVI).
Remote Sens. Environ. 25:295-309.
Wood, J. 2005. Landserf (http://www.landserf.org/).
Jordan, C.F. 1969. Derivation of leaf area index from quality of light on the forest floor. Ecology. 50:663-666.
Kim, K.H. 2000. Introduction to GIS. Daeyoung Inc.
Kim, K.H. 2004. Spatial Analysis. Dooyang Inc.
Moore, I.D., R.B. Grayson, and A.R. Ladson. 1991.
Digital terrain modelling: A review of hydrological, geomorphological, and biological applications, Hydrological Process. 5:3-30.
National Institute of Agricultural Science and Technology (NIAST), RDA. 1996. A study on spectral reflectance of crops, Research Report, Department of Agricultural Environment, NIAST, RDA.
National Institute of Agricultural Science and Technology (NIAST), RDA. 2001. Korean soil and environmental information system.
Remote sensing note. 1996. Japan Association on Remote Sensing, pp. 9.
Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering.
1973. Monitoring vegetation systems in the great plains with ETRA. In Third ETRS Symposium. NASA SP-353.
U.S. Govt. Printing Office, Washington D.C. Vol. 1:309-317.
Zevenbergen, L.W. and C.R. Thorne. 1987. Quantitative analysis of land surface topography. Earth Surface Processes and Landforms. 12:47-56.
