새로운 패러다임의 산지관리정책 연구
A Study of Forestland Management on the Perspective of New Paradigm
손학기,진정수,권용석,김진영,성선용,성영배,엄정희 외
▪ 연구진
연구책임 진정수 연구위원 연구책임 손학기 책임연구원 이승복 연구위원
최수 연구위원 권용석 책임연구원 배유진 연구원 김진영 연구원 성선용 연구원
▪ 외부연구진
성영배 고려대학교 교수
엄정희 한국환경정책․평가연구원 부연구위원 한윤정 한국환경정책․평가연구원 부연구위원
▪ 연구심의위원
박재길 국토연구원 부원장
김근용 국토연구원 주택토지연구본부 본부장 김동주 국토연구원 국토계획연구본부 본부장 정희남 국토연구원 선임연구위원
지대식 국토연구원 선임연구위원 신정엽 서울대학교 교수
한동길 산림청 산지관리과 사무관
경제 인문사회연구회 협동연구 총서
“새로운 패러다임의 산지관리정책 연구”
협동연구 총서 시리즈
협동연구 총서
일련번호 연구보고서명 연구기관
새로운 패러다임의 산지관리정책 연구
【총괄보고서】 국토연구원
새로운 패러다임의 산지관리정책 연구
【협동보고서】
고려대학교 한국환경정책
․평가연구원
참여연구진
연구기관 연구책임자 참여연구진
주관 연구 기관
국토연구원
진정수 선임연구위원․
손학기 책임연구원 총괄책임자
이승복 연구위원 최 수 연구위원 권용석 책임연구원 김진영 연구원 배유진 연구원 성선용 연구원
협력 연구 기관
고려대학교 성영배 교수
한국환경정책
․평가연구원
엄정희 부연구위원․
한윤정 부연구위원
｜ C ｜ O ｜ N ｜ T ｜ E ｜ N ｜ T ｜ S ｜
차례
제 1편 산지관리를 위한 지형구분 방안 연구
제 1장 서론 1
제 2장 지형파라미터 5
제 3장 지형구분 29
제 4장 사례적용 및 결과 39
제 5장 토론 및 결론 53
제 2편 차고 신선한 공기의 발생지역 분석방법 연구
제 1장 차고 신선한 공기 관련 이론 77
제 2장 차고 신선한 공기의 다양한 분석 방법론 87
제 3장 KALM의 원리 및 입출력 자료 99
제 4장 차고 신선한 공기 시뮬레이션 111
제 5장 결론 139
제 1 편
산지관리를 위한 지형구분 방안 연구
성 영 배
고 려 대 학 교
ix I. 서론
Ⅱ. 지형파라미터
1. 1차 지형속성((primary topographic attribute) 7
1) Elevation(고도) 7
2) Slope(사면), aspect(향) 8
3) Relief(기복) 10
2. 2차 지형속성(Secondary topographic attribute) 12 1) TRI(Topographic Roughness Index) 12 2) TRI(Terrain Roughness Index) 16
3) Curvature(곡률도) 18
4) MBI(Mass Balance Index: 사면물질이동지수) 19 5) FI(Floodplain Index: 범람원 지수) 20 6) TWI(Topographic Wetness Index: 지형함수지수) 22
7) Basin Relief Ratio 24
8) Hypsometric Index & Integral 25
9) Openness 27
Ⅲ. 지형구분
1. 개요 31
2. TPI(Topographic Position Index) 31
3. Fuzzy K means 34
4. Geomorphons(이하 GM) 36
｜ C ｜ O ｜ N ｜ T ｜ E ｜ N ｜ T ｜ S ｜
차례
x
Ⅳ. 사례적용 및 결과
1. 평창 41
2. 정읍 45
3. 남양주 49
Ⅴ. 토론 및 결론
참고문헌 65
xi
｜ 표 ｜ 차 ｜ 례 ｜
<표 Ⅳ-1> 평창지역의 지형분포 증감률 43
<표 Ⅳ-2> 정읍지역의 지형분포 증감률 47
<표 Ⅳ-3> 남양주지역의 지형분포 증감률 52
<표 Ⅴ-1> 원본 Geomorphons와 비교한 증감률 61
<표 Ⅴ-2> 산림입지도와 Geomorphons 비교 결과 63
xiii
｜ 그 ｜ 림｜ 차 ｜ 례 ｜
<그림 Ⅰ-1> Pennock의 분류 4
<그림 Ⅱ-1> 식생의 수직적 분포 8
<그림 Ⅱ-2> Slope and Aspect 9
<그림 Ⅱ-3> Aspect의 방향 10
<그림 Ⅱ-4> DEM을 이용한 기복도(북아메리카) 11
<그림 Ⅱ-5> TRI의 원리 13
<그림 Ⅱ-6> TRI를 이용한 지형분석, the Current River 14
<그림 Ⅱ-7> 멀티스케일 생성과정 16
<그림 Ⅱ-8> TRI 분석, San Andreas fault 17
<그림 Ⅱ-9> San Andreas fault TRI 분석결과 17
<그림 Ⅱ-10> 곡률도 비교 18
<그림 Ⅱ-11> 사면의 위치에 따른 MBI (Möller et al., 2008) 19
<그림 Ⅱ-12> habitat type에 따른 분류 20
<그림 Ⅱ-13> FI를 이용한 Danube 강의 지형분류 21
<그림 Ⅱ-14> TWI 결과(오른쪽 상단) 23
<그림 Ⅱ-15> Relief ratio의 이용 24
<그림 Ⅱ-16> Hypsometric curve 25
<그림 Ⅱ-17> Hypsometric curve 원리 26
<그림 Ⅱ-18> 방위각(azimuth)과 line-of-sight 27
<그림 Ⅱ-19> Openness를 이용한 지형구분 28
<그림 Ⅲ-1> TPI의 원리 33
<그림 Ⅲ-2> TPI를 이용한 지형분류 33
<그림 Ⅲ-3> Fuzzy K means 알고리듬 35
<그림 Ⅲ-4> Fuzzy K-means를 이용한 지형구분 35
<그림 Ⅲ-5> Geomorphons의 패턴 결정 37
<그림 Ⅲ-6> Geomorphons의 지형분석방법 37
<그림 Ⅲ-7> Geomorphons를 이용한 지형분석결과 38
<그림 Ⅳ-1> 평창지역 분석. (a) DEM, (b) GM 1000m, (c) GM 500m, (d) GM 100m 41
xiv
<그림 Ⅳ-2> 평창지역의 지형분포 42
<그림 Ⅳ-3> 정읍지역 분석. (a) DEM, (b) GM 1000m, (c) GM 500m, (d) GM 100m 45
<그림 Ⅳ-4> 정읍지역의 지형분포 46
<그림 Ⅳ-5> 남양주지역 분석 (a) DEM, (b) GM 1000m, (c) GM 500m, (d) GM 100m 49
<그림 Ⅳ-6> 남양주지역의 지형분포 50
<그림 Ⅴ-1> (a) 구글어스 위성사진, (b) 산림입지도, (c) TPI-6category, (d) GM 1000m, (e) GM 500m, (f) GM 100m 58
<그림 Ⅴ-2> Extract by mask 60
<그림 Ⅴ-3> Geomorphons extracted by mask tool 60
<그림 Ⅴ-4> Select by attribute를 이용한 산림입지도 내 지형분류 62
chapter 1
서론
제 1장 서론 3
C ｜ H ｜ A ｜ P ｜ T ｜ E ｜ R ｜ 0 1
서론
지형이란 지형학적 단위로써 높이, 경사, 방위, 층화, 암석의 노출, 토양 형질 등에 따라 분류가 이루어진다. 세부적으로 지형을 이루고 있는 목록으로 해안지형, 산지지형, 화산지형 등이 있다. 이러한 지형은 순환적 요소(물, 공기), 생물적 요소(식 물, 동물)들과 동적인 상호작용하면서 다른 요소들에게 영향을 미친다(오경섭, 1996).
지형은 기본적으로 인간을 포함한 생물적 요소들에게 서식처를 제공해주기 때문에 지형을 올바르게 이해하고 구분하는 것은 인간 및 다른 생물들의 생존과도 연결되는 중요한 문제라 할 수 있다. 특히, 우리나라의 경우 산지 면적이 전국토의 많은 부분을 차지하고 있으며, 해발 1000m 이상의 고지대는 국토의 약 10%이며, 인간이 거주할 수 있는 200 ~ 500m의 저산성 산지가 약 40% 이상을 차지한다(글로벌 세계 대백과사 전, 2004, 범한). 이는 우리나라에서 산지지형에 대한 올바른 이해와 구분이 필요하다 는 것을 시사한다.
지형학 분야에서 지형분류법의 발달은 오랜 역사를 갖고 있으며, 다양한 기법들 이 이미 개발되어 있다(Vitek et al. 1996). 기존의 지형분류법은 성인적 분류와 형태적 분류로 나누어 살펴볼 수 있다. 성인적 분류는 지형의 형성과정에 주목하여 지형을 분류하는 방법으로 지형발달과정과 특성을 반영하는 장점이 있으나, 순환 적 요소와 생물적 요소들과의 상호작용을 설명해주는데 많은 제약이 따른다는 단점이 있다. 형태적인 분류는 수치지형도나 지형도, 측량을 통해 얻은 자료들을 바탕으로 변수들(parameter)들을 추출하고 이를 통해 지형을 분류하는 방법이다.
형태적 분류는 전산화된 자료들을 이용하기 때문에 성인적 분류보다 비교적 간편하게 지형을 분류할 수 있다. 이 방법론은 지리정보시스템의 발달과 더불어 지표면의 현상태에 대한 정량화된 지형학적 지식을 제공한다는 측면에서 향후 그 중요성이 지속적으로 증대될 것으로 판단된다(Gerrard, 1992; Vitek et al.
4 산지관리를 위한 지형구분 방안 연구
1996).
해외의 경우 경사도(Slope angle)와 평면곡면률(Plan curvature), 사면곡면률 (Profile curvature)을 조합하여 지형면을 분석한 Pennock et al.(1987)의 연구가 있으며(그림 Ⅰ-1참조), 이 외에도 Dikau(1989), Dymond et al.(1995), Blaszczynski(1997), Giles and Franklin(1998) 등도 유사한 방법론들을 제시하고 있다. 국내의 경우 형태적 분류에 의한 지형방법은 제안되지 않고 있지만 수치고도모 델(Digital Elevation Model, 이하 DEM)의 분석을 통해 지형의 특성을 파악한 연구는 다수 알려져 있다(김우관·임용호, 1997; 이금삼·조화룡, 1998).
본 연구에서는 수치고도모델을 이용한 형태적인 분류에 기반하여 몇 가지 지표들을 소개하고 한국의 산지지형에 대한 분류의 관점에서 그 지표들의 가능성에 대해 알아보는 것을 목적으로 한다. 구체적으로 살펴보면, 1) 현재 지형학 분야에서 알려진 지형구분지 표들에 대해 개념과 원리에 대해 살펴보고 2) 그 중에서 해외를 포함한 최신의 연구동향 을 소개하며, 3) 이를 한국의 산지에 적용하고 분석하였다. 마지막으로 4) 한국 산지지형 의 분류에 있어 소개된 방법의 한계성과 가능성에 대해 논의하고자 한다.
자료: Pennock, D.J. et al.. 1987. “Landform classification and soil distribution in hummocky terrain, Saskatchewan, Canada”. Geoderma. Vo.7. p.303.
<그림 Ⅰ-1> Pennock의 분류
chapter 2
지형파라미터
제 2 장 지형파라미터 7
C ｜ H ｜ A ｜ P ｜ T ｜ E ｜ R ｜ 0 2
지형파라미터
1. 1차 지형속성((primary topographic attribute)
1차 지형속성들은 실제 측량을 통해서 측정할 수 있는 자료들이나 수치지형도에서 DEM추출을 통해서 데이터를 얻을 수 있는 것들로 자체적으로 지형의 특징을 나타내 기도 하지만 지형구분 지수들의 parameter로 사용되기도 한다.
1) Elevation(고도)
고도란 지형측량에 의해 얻어지는 측량지점의 해발고도이다(자연지리학사전, 한국지리정보연구회, 2006.5.25, 한울아카데미). 대부분이, 수치고도모형 (Digital Elevation Model) 형태로 구축이 되며, 이를 통해 다른 2차적인 자료들로 변환된다. 일정한 측량된 고도점으로부터 얻어진 자료는 크게 레스터 형식과 백터 형식의 데이터로 표현된다. 특히 최근에는 전지구적으로 ASTER(Advanced Spaceborne Thermal Emission and Reflection Radiometer) 자료에서 추출된 30m 해상도의 수치고도모형이 구축되어 있으며, 국지적으로는 1m 이하의 지표 해상도를 갖는 LIDAR(Light Detection And Ranging) 데이터들이 사용되고 있으 며, 우리나라 국립지리원에서도 LIDAR에서 구축된 고해상도의 DEM을 구축하고 있다.
식생에 따른 산지지형 구분에서 고도는 식생의 수직적 분포와 밀접한 관련이 있기 때문에 식생과 관련된 지형구분에서 고도는 중요한 단일 지표로 사용될 수 있다.
8 산지관리를 위한 지형구분 방안 연구
자료: http://www.doopedia.co.kr/doopedia/master/master.do?_method=view&MAS_IDX=101013000753360
<그림 Ⅱ-1> 식생의 수직적 분포
컴퓨터를 이용한 지형분석의 관점에서 일차적으로 사용될 때에는 Raster 데이터를 이용한 기복도(Relief map) 형식으로 가장 많이 표현되며, 독립적으로 사용되기 보다는, 경사와 곡률도와 같은, 다른 지형변수와 함께 사용된다.
2) Slope(사면), aspect(향)
사면은 지표면을 구성하는 지형면으로 극히 평탄한 면을 제외한 모든 경사를 나타내는 지형면을 의미한다(자연지리학사전, 한국지리정보연구회, 2006.5.25, 한울 아카데미). 사면을 표현하는 단위로는 각도와 백분율이 있으며, 지형의 관점에서는 각도로서 주로 표현된다. 지형구분의 관점에서는 Dalrymple(1968)의 연속방정식에 근거한 사면 형성과정으로서의 사면 분류에서 출발하였다. 형태적 분류법에 따른 지형분류의 가장 기초적인 지형변수(Terrain Parameter)로서 일차자료인 수치고도자 료로부터 계산될 수 있다.
사면은 인간생활과 밀접한 관련이 있는 지표이다. 일반적으로 건물을 짓거나 도로를 설치할 때, 작물을 재배해야 할 때 고려해야 할 지표이다. 자연환경에서 사면이
제 2 장 지형파라미터 9 미치는 영향을 살펴보면 물의 속도를 결정하는 요인으로 중요한 역할을 한다. 이는 결국 유수에 의한 침식작용, 그로 인해 발생하는 지형에 직, 간접적으로 영향을 준다. 또한 산지지형에서 사면은 다양한 산지지형들의 발생 원인이다. 만약 산지지형 에서 정확한 사면의 경사를 구할 수 없다면 산사태가 일어날 수 있으며 이는 인간에게 큰 영향을 미칠 수 있다. 그렇기 때문에 우리는 사면경사의 정확한 측정을 통해 이러한 위험성을 감소시켜야 할 것이다.
현재의 산림입지도나 토지이용도 등 대부분의 정부정책에서 사용되고 있는 지형구 분의 일차적 자료로서 사용되고 있다. 그러나, scale-dependency 등의 문제점을 갖고 있기 때문에 다른 지형변수로 대체되거나 보완되어야 한다.
자료:http://www.jennessent.com/downloads/DEM%20Surface%20Tools%20for%20ArcGIS_A4.pdf
<그림 Ⅱ-2> Slope and Aspect
10 산지관리를 위한 지형구분 방안 연구
aspect(향)은 경사면이 향하는 수평의 방향. 주로 북쪽에서 시계방향으로 표현 되며 태양의 노출에 따른 토양 함수율이나 식생에 미치는 영향 상태 등을 결정하는 데 중요하다. GIS는 생태학과 자원평가에 방향 및 경사 데이터를 형성하고 사용한 다.(광물자원용어사전, 2010.12, 한국광물자원공사)
자료: http://www.jennessent.com/downloads/DEM%20Surface%20Tools%20for%20ArcGIS_A4.pdf
<그림 Ⅱ-3> Aspect의 방향
향은 태양에 노출되는 시간과 관련되어 있기 때문에 국지적 기후에 영향을 많이 미친다. 예를 들어, 동일한 산지지형일지라도 남쪽사면과 북쪽사면의 경우 각각 태양에 노출되는 시간이 다르기 때문에 미시적인 차원의 공간스케일로 볼 때 다른 경관들이 발달한다. 남쪽사면의 경우는 태양에 많이 노출되기 때문에 식생이 많이 발달하며, 북쪽 사면은 반대로 태양에 노출되는 시간이 적기 때문에 식생의 발달이 빈약하다.
3) Relief(기복)
지표상에서 일부분의 물리적 형상, 윤곽 또는 일반적 비평탄성에 대해 쓰이는 일반적 용어로 높이와 경사 혹은 지표의 불규칙한 지형 변화에 대한 용어로 사용된다.
지표에서 집합적인 고도나 고도의 차이를 뜻하며, 미국에서는 두 용어가 각기 지표의 지형을 설명하는 데 있어서 일반적 용어와 기술적인 용어로 다르게 정립되었음에도
제 2 장 지형파라미터 11 불구하고 기복은 자주 지형(topography)라는 용어와 혼동되어 쓰인다. 지형학에서 기복은 일정한 지역에서 언덕 정상부와 산의 정상부에서의 고도 차이와 낮은 지대나 계곡 사이의 수직적 고도 차이를 뜻한다. 한 지역의 고도가 많은 차이를 보이면 높은 기복(high relief), 적은 차이를 보이면 낮은 기복(low relief)이라고 표현한다(해양 과학대사전 한국해양학회편). 기복이 독립적으로 사용되기도 하지만 고도나 경사도 와 같이 다른 지형변수들과 함께 사용된다.
산지는 기복의 대소에 따라 고산성 산지, 중산성 산지, 저산성 산지로 분류된다.
고산성 산지는 2,000m 정도 이상의 기복을 가지는 산지로 알프스, 히말라야, 안데스, 로키 등이 그 대표적 예이다. 빙하‧주빙하 지형의 존재에 따른 특징적인 산악경관을 가지고 있다. 중산성 산지는 1,000m 내외 또는 그 이하의 기복을 가진 산지로 독일의 중산산지는 그 전형적인 예이다. 저산성 산지는 약 500m 이하의 기복량을 가진 소기복의 산지를 말한다. 그러나 이들 기복량의 수치가 엄밀하게 적용되는 것은 아니며, 이들 용어는 학술용어로 정착된 것은 아니다. 성인적으로 산지를 분류하면 화산활동에 의한 화산과 지각운동에 의해 형성된 산지가 있다. 후자에 속한 것으로 곡륭산지, 돔상산지, 습곡산지, 단층산지, 경동지괴 등이 있다.(자연지리학사전, 한국 지리정보연구회, 2006.5.25., 한울아카데미)
자료: http://www.sciencephoto.com/media/159884/enlarge
<그림 Ⅱ-4> DEM을 이용한 기복도(북아메리카)
12 산지관리를 위한 지형구분 방안 연구
2. 2차 지형속성(Secondary topographic attribute)
앞서 언급했던 parameter들을 이용한 여러 가지 지형구분지수들을 소개한다.
1) TRI(Topographic Roughness Index)
지표면의 거칠기는 생물 이외에도 다양한 생태계의 인자들의 영향을 받아 형성된 것이다. 따라서 지표면의 거칠기를 이해한다는 것은 식생의 공간적인 분포들이라 든가, 하천의 측방이동에 따른 지형의 변화를 이해한다는 것을 의미한다.
Topographic Roughness Index(이하 TRI)는 특정한 지역에서 지표면을 계량화하 는 것이고, TRI가 지표의 변화를 인지하고 설명하는 대리인의 역할을 한다고 볼 수 있다. 단순한 지형학적인 관점이 아니라 ecosystem 관점에서 이미 Surface Roughness와 관련된 연구가 많이 진행되었다(Swanson et al., 1998; Turner, 1989).
Sanson et al.(1995)과 Downes et al.(2000)은 돌 표면의 거칠기와 하천 안에 있는 유기물 biomass의 농도와의 관계에 대해 연구한바 있다. Jenness(2000)와 Guyette and Kabrick(2002)는 surface roughness와 야생동물들의 밀집과 깊은 관련이 있다는 것을 증명하는 연구를 진행한 바 있다.
산림과 관련된 연구를 살펴보면, Wright and Bailey, 1982; Foster and Boose, 1992; Finnigan and Brunet, 1995 등의 학자들은 산불과 같은 산림 교란 작용들과 Topographic Roughness와 밀접한 관련이 있다고 주장했다. 왜냐하면 지표면의 모양들은 상대적으로 오랜 기간 동안의 시간스케일(천년 단위) 안에서 반복적으로 일어나기 때문에 현재의 지형은 이러한 변화에 반응하여 적응한 결과로 해석할 수 있다.
TRI를 측정하기 위해서 3가지의 지역 단위가 쓰인다. (1) Planimetric Surface area (2) Variable surface area (3) area of interest (<그림 Ⅱ-5>참조)
제 2 장 지형파라미터 13
자료: Stambaugh, M.C. and Guyette, R.P., 2008. “Predicting spatio-temporal variability in fire return intervals using a topographic roughness index”. Forest Ecology and Management. Vo.254(3), pp.463–473. Fig 1. 참조
<그림 Ⅱ-5> TRI의 원리
Planimetric Surface Area는 TRI값을 얻기 위해 지정해주는 범위로 위에서 보는 그림과 같이 평평한 원의 모양으로 나타낼 수 있다. 적절한 Planimetric size를 선택하면 해당하는 지역을 분석하는데 대표성을 가질 수 있다. 산불을 예로 들자면, Planimetric size의 범위를 어떻게 지정해주느냐에 따라서 반경 원 안에서의 산불의 빈도라든가 산불의 강도가 결정되고 이는 다시 TRI 지수에 반영된다.
Variable Surface Area는 Planimetric과 같은 경계를 가진다. 그러나 Planimetric이 2차원적인 원의 넓이인데 반해 Variable Surface Area는 3차원 공간의 넓이를 반영한 다. 이를 위해 각각의 DEM으로부터 고도를 추출하고 경사를 구함으로써 각각의 cell들의 surface 넓이를 계산한다. 그리고 이들을 모두 더한 값이 Variable Surface Area가 된다.
Area of Interest는 TRI 값이 계산된 결과 값이 저장되는 곳으로 Planimetric area와 Variable surface area를 제외한 셀이다. 일종의 중심점이라고 볼 수 있으며 계산된
14 산지관리를 위한 지형구분 방안 연구
TRI 값은 주변 TRI과는 독립적인 특징을 갖고 있다.
앞서 언급한 3가지의 변수들을 다음의 식을 통해 계산하면 TRI 값이 산출된다.
TRI 값이 크다는 것은 그 지역이 상당히 거칠다는 것을 의미한다.
TRI 산식
이론상으로 TRI 값은 1.0부터 800까지의 값을 가질 수 있다. 1.0이 의미하는 것은 그 지역이 완전히 평평하다는 것을 의미하는 것이며 800이 의미하는 것은 그 지역의 각도가 89°라는 것을 의미한다. 하지만 현실세계에서 TRI 값은 보통 1과 2사이에서 나타난다.
자료: Stambaugh, M.C. and Guyette, R.P., 2008. “Predicting spatio-temporal variability in fire return intervals using a topographic roughness index”. Forest Ecology and Management. Vo.254(3), pp.463–473. Fig 4. 일부참조
<그림 Ⅱ-6> TRI를 이용한 지형분석, the Current River
위 그림은 Stambaugh et al.(2008)의 연구로 TRI를 이용하여 산불발생의 모델을 추정한 결과 중에서 the Current River를 대상으로 TRI 값을 산출해낸 결과이다.
제 2 장 지형파라미터 15 붉은 색으로 보이는 부분은 평평한 부분을 의미하며 보라색은 Surface가 거친(혹은 가파른) 곳을 의미한다. 하천이 많이 발달한 곳은 TRI 값이 크고 하천이 덜 발달된 고원 부분은 붉은 색으로 표시된 것으로 보아 TRI 값이 지형을 반영한다고 볼 수 있다.
TRI는 산림과 관련하여 산불 등과 같이 다양한 ecosystem modeling에 이용될 수 있다. 물론 단순히 TRI 값만으로 그 지역의 대표성에 대해 말하는 것은 다소 무리가 있을 수 있지만 Stambaugh et al.(2008)의 연구와 같이 산불과 같은 Parameter 들과의 조합을 통해 다양한 목적을 반영한 산림지형의 구분이 가능할 것이라 생각한다.
16 산지관리를 위한 지형구분 방안 연구
2) TRI(Terrain Roughness Index)
terrain roughness index는 terrain이 얼마나 뾰족한지, 얼마나 둥근지 알 수 있는 지표로써 침식작용이나 퇴적작용에 의해 얼마나 영향을 받았는지 알 수 있는 지표이 다. 앞서 언급한 Topographic Roughness Index가 위상의 관계를 통해 지형을 분석한 반면에 Terrain Roughness Index는 지면(terrain)의 roughness를 파악한다는 점에서 개념적으로 차이가 있으나 DEM과 같은 격자데이터를 이용한 분석에서 볼 경우 앞서 언급한 TRI와 분석방법에서는 큰 차이가 없다고 볼 수 있다. 우리는 Terrain Roughness Index를 통해서 침식이나 퇴적작용에 의한 지형들의 분포를 알 수 있다.
이러한 TRI를 분석하는 방법은 다양한 알고리듬들이 있다. 스케일과 관련된 분석방 법의 경우 대표적으로 주변 셀과의 관계를 분석해서 단일 스케일로 분석하는 방법이 있으며, 컴퓨터의 발달로 인해 연산속도가 비약적으로 증가하게 되면서 DEM을 이용하여 중심 셀과 주변 셀과의 관계에서 분석하는 방법에서 보다 발전해서 다양한 스케일에서 분석하는 방법이 등장하였다. Ahmad Fadzil Mohamad Hani는 그의 2011년 논문에서 Swelden이 제시한 lifting scheme을 이용하여 다양한 스케일에서 DEM을 생성하고 지형을 분석하였다.
자료: Hania, A.F.M., Sathyamoorthyb, D., and Asirvadama, V.S., 2012. “A method for computation of surface roughness of digital elevation model terrains via multiscale analysis”. Computers and Geosciences. Vo.37(2), pp.1-28. Fig 1. 참조
<그림 Ⅱ-7> 멀티스케일 생성과정
제 2 장 지형파라미터 17 Lifting scheme은 일단 사용자가 사용하기 쉽고 유연하다는 점에서 장점이 있다.
또한 Claypoole and Baraniuk, 2000, Starck, 2002 and Guo et al., 2008의 연구에서 강력한 멀티스케일에서 이미지 분석 도구라는 것이 증명된 방법이다. 다음 그림은 mirone이라는 프로그램을 이용하여 멀티스케일을 이용하여 산 안드레아스 단층 지역을 분석한 자료이다.
자료: https://sites.google.com/site/mironehowtos/terrain/compute-terrain-ruggedness--roughness-and-topographic-position-index
<그림 Ⅱ-8> TRI 분석, San Andreas fault
Mirone은 해외에서 사용하고 있는 Grid 분석 프로그램으로 현재 2.3까지 버전 (2012.4.27.일자)이 나왔다. 또한 windows 외에도 다양한 OS에서 사용할 수 있도록 프로그램을 만들었다. 다음 그림은 앞에서 이용한 tool을 이용하여 분석한 산 안드레아 스 단층의 TRI 분석 결과이다.
자료: https://sites.google.com/site/mironehowtos/terrain/compute-terrain-ruggedness--roughness-and-topographic-position-index
<그림 Ⅱ-9> San Andreas fault TRI 분석결과
18 산지관리를 위한 지형구분 방안 연구
3) Curvature(곡률도)
지형학에서 일반적으로 정의하고 있는 곡률도는 하천지형에서 특히 많이 사용하며 특정 곡류하도의 평면적 발달을 나타내는 지표이다. 특정 곡류하도의 반경을 r, 곡류하도의 하폭을 w라고 할 때 r/w로 나타낸다. 곡률도는 곡류하도의 평면적인 발달 상태, 특히 곡류하도의 측방이동을 조절하는 주요인자이다, 대체로 r/w 가 3 이상일 때는 측방이동이 활발하게 진행되다가 3 이하로 변하면 측방이동이 억제되기 시작하며, 2에 가까워지면 측방이동이 최소로 된다.(자연지리학사전, 한국지리정보 연구회, 2006.5.25, 한울아카데미)
이를 산지지역에 적용할 경우 사면이 볼록하거나, 오목한 정도를 구분할 수 있는 지표로 이용할 수 있다. 이전의 경사만을 고려한 사면 분류가 갖는 가장 큰 약점인, 프로세스에 대한 설명력의 부족을 보완하고자, 적용된 방법이다. 일반적으로 사면 스케일의 형성과정에 바탕을 둔 분류에 가장 적절하며, 좀 더 넓은 규모의 지형분류를 위해서는 다른 지형변수들과 함께 사용하는 것이 효율적이다. 위의 고도와 경사 그리고 곡률도의 조합을 이용한 지형분류가 사용상의 효율성과 명확성이 커서, 가장 광범위하게 사용되고 있다. 이들의 조합을 응용한 예는, 최대 최소 곡률도를 이용한 Wood(1996), 그리고 단면상에서의 평면곡률도를 이용한 Dikau(1989)의 연구 그리 고 이들의 혼합을 사용한 Schmidt & Hewitt(2004)의 연구들이 있다.
자료: http://www.jennessent.com/downloads/DEM%20Surface%20Tools%20for%20ArcGIS_A4.pdf
<그림 Ⅱ-10> 곡률도 비교
제 2 장 지형파라미터 19 4) MBI(Mass Balance Index: 사면물질이동지수)
사면물질이동지수는 Friedrich, 1996, 1998가 제시한 지수로 사면에서 물질이 이동하는 것을 정량화하여 이를 통해 지형을 분석하는 방법이다. MBI를 이용한 지형분류법의 가장 큰 전제는 형태가 다른 사면지형일지라도 사면물질이동지수를 이용해서 구분할 수 있다는 점이다. 일반적으로 음의 MBI는 순수한 퇴적이 발생하는 지점으로 와지나 범람원과 같은 지형들이며, 양의 MBI를 보이는 지점은 순수한 침식이 발생하는 지점으로 지형적으로 경사면이 이에 해당한다.
아울러, MBI가 0이 되는 지점은 침식과 퇴적이 동일한 지점으로 평탄면이 이에 해당한다. 비교적 큰 스케일에서의 지형들을 구분할 때에는 효과적이지만, 작은 스케일에서의 기복변화를 보이는 지형을 구분할 때는 오류를 야기할 수 있다.
자료: Moller, M. et al.. 2008. “Placing soil-genesis and transport processes into a landscape context: a multiscale terrain-analysis approach”. Journal Plant Nutrition and Soil Science.
Vo.171. pp.419–430. Figure 2. (a) 참조
<그림 Ⅱ-11> 사면의 위치에 따른 MBI (Möller et al., 2008)
따라서 연구목적에 따른 스케일 종속성이 기본적으로 내재되어 있어, 이러한 스케일 과 대상지형과의 크기를 조율하는 것이 이 분류법의 성공을 판단하는 가장 큰 점이다.
이러한 스케일 의존성을 극복하고자, 두 개 이상의 서로 다른 스케일에서 독립적인 작업을 수행하고, 이를 다시 감독 분류하는 방법을 사용한다.
20 산지관리를 위한 지형구분 방안 연구
5) FI(Floodplain Index: 범람원 지수)
범람원 지수는 Chovanex & Waringer가 제시한 것으로 일반적인 지형의 분류시에, 순수 퇴적지형 중에서 일반적인 와지와 범람원을 구분은 간단하지지 않아, 이러한 문제를 해결하기 위해서 만들어진 지수이다. FI는 주로 하천을 분석의 대상으로 하기 때문에 생물의 거주지와 연관된 연구에서 많이 사용된다.
∙
∙
∙
∙
∙
FI를 위한 HV 유도식
H1 ~ H5는 각각의 거주지(habitat) 별로 구분한 것이다. 각각 거주지를 구분하는 방법은 다음과 같다.
자료: A. Chovanec et al., 2005, “The Floodplain Index – a new approach for assessing the ecological status of river/floodplain systems according to the EU water Framework Directive”.
Arch Hydrobiol. Vo.15, No.1-4. pp.169-185. Fig 1. 참조
<그림 Ⅱ-12> habitat type에 따른 분류
제 2 장 지형파라미터 21 구분된 각각의 HV를 이용하여 FI를 구하는 식은 다음과 같다. 여기서 IW는 가중치로 그 지역에 할당된 가중치이다.
×
FI식
다음은 Danube 강을 대상으로 FI를 이용하여 분석한 결과를 표로 정리한 것이다.
자료: A. Chovanec et al., 2005, “The Floodplain Index – a new approach for assessing the ecological status of river/floodplain systems according to the EU water Framework Directive”.
Arch Hydrobiol. Vo.15, No.1-4. pp.169-185. Table 3. 참조
<그림 Ⅱ-13> FI를 이용한 Danube 강의 지형분류
22 산지관리를 위한 지형구분 방안 연구
6) TWI(Topographic Wetness Index: 지형함수지수)
지형함수지수는 지표유출모형인 TOPMODEL(Beven and Kirkby, 1979)의 안에 포함된 개념으로서 일반적으로 ln(a/tanβ : a는 유역면적, tanβ는 상류의 사면경 사)로 표현된다.
ln tan
TWI 산식
TWI는 일반적으로 수문학적인 연구 분야에서 주로 사용되어 왔으며, 토양의 수분 과 관련된 토양학과 식생의 패턴 연구를 위해서도 사용되고 있으며, 나아가 일반적인 지형경관을 분류하기 위해서도 사용되고 있다(Sørenson et al., 2005). Zinko(2004) 는 Swedish boreal forest를 대상으로 하여 vascular plant species의 공간적인 분포를 연구하였다. 또한 그는 2005년 연구에서 TWI 외에 몇 가지 topography들을 추가하여 생물다양성의 공간적 분포에 대해서도 연구를 한 바 있다.
TWI는 일반적으로 수치고도자료로부터 계산되나, 이의 구체적인 계산을 위해서는 다양한 알고리즘이 사용되고 있다. 특히, 이러한 알고리즘의 차이는 유역분지에서의 수문학적 모형형성에 있어 빈번하게 발생하는 다음과 같은 문제를 해결하려 하고 있다. 1) 모든 유역분지의 물은 하류로 이동하는가? 2) 우곡과 같은 소하천은 어떻게 표현되는가? 3) 사면의 경사각의 결정방법 (Quinn et al., 1995; Tarboton, 1997;
Günter et al, 2004). 최근 TWI 지수와 관련된 연구들의 경향은 앞서 언급한 수치고도 자료들을 이용한 분석 시 정확한 계산을 위한 알고리즘을 보완하는 연구들이 대부분이 며, 수치고도자료들의 해상도와 관련하여 최적의 해상도를 찾는 연구들이 진행되고 있다.
TWI 지수는 유역분지 크기의 지형분류에 효과적이며, 특히 하계망이 비교적 잘 발달한 지역에서 더욱 효율적이다. 하지만 TWI를 통해 연구를 할 경우에 반드시 고려해야 할 사항들이 몇 가지 있다. Sorensen et al(2006)의 논문에서 TWI를 이용한
제 2 장 지형파라미터 23 식생의 분포를 연구할 때 고려해야 할 사항으로 토양의 pH, 지하수면 등의 변수들을 지적하였으며, TWI에 들어가는 parameter들 역시 어떤 연구자의 방법을 사용하느냐 에 따라 변수들과 TWI 값들이 상당히 변한다는 것을 증명하였다.
TWI를 이용한 연구는 식생의 특징들을 반영하기 때문에 산지의 대부분이 식생으로 덮혀있는 한국의 산지에서 이용하기 쉽다고 판단된다. 그러나 앞에서 소개한 연구들에 서 지적한 것처럼 한국산지에 TWI를 이용하여 연구를 진행할 경우 토양의 pH, 지하수면 등의 변수 및 적절한 스케일의 해상도를 선정하는 문제들을 고려한 분석이 이루어져야 할 것이다. 또한 한국의 산지지형과 관련이 높다고 판단되는 parameter들 을 선정하여 최적화된 TWI를 산출해내야 할 것이다.
자료 : M. Lopez-Vincente, A. Navas., 2012, “A new distributed rainfall-runoff (DR2) model based on soil saturation and runoff cumulative processes”. Agricultural Water Management. Vo.104. pp.128– 141. Figure 7. 참조
<그림 Ⅱ-14> TWI 결과(오른쪽 상단)
24 산지관리를 위한 지형구분 방안 연구
7) Basin Relief Ratio
Basin Relief Ratio(Rr)는 최대 기복을 분지의 최대 길이로 나눈 값이다. 여기서 분지의 최대 길이는 분지의 배출구(Outlet)을 향하는 주요한 길이이다. 지형분류 지수는 고도와 거리를 정규분포화하기 때문에 분지의 크기가 다르더라도 각각의 분지를 비교하는데 유용하며 GIS를 이용하여 쉽게 구할 수 있다.
다음 식은 Basin Relief Ratio을 산출해내는 식으로 R은 기복을 의미하고 단위는 m이다. L은 분지의 최대 길이를 나타내며 단위는 m이다.
(
, )
이 지수는 토양손실과 관련하여 많이 쓰이는 지수로 Slope과 같은 지수들과 상관관 계를 밝힌 후 침식률을 추정하는데 이용된다(Sarangi et al., 2003).
자료: Kyoji Saito, Takashi oguchi, 2005, “slope of alluvial fans in humid regions of japan, taiwan and the philippines”. Geomorphology. Vo.70. pp.147–162. Figure 8. (c) 참조
<그림 Ⅱ-15> Relief ratio의 이용
제 2 장 지형파라미터 25 8) Hypsometric Index & Integral
Hypsometric Index는 유역분지의 고도와 면적의 관계를 그림으로 보여주는 분석방 법이다(Langbein, 1947; Strahler, 1952). 이 방법은 분지의 유역면적과 고도를 무차원 화시킴으로써 좀더 객관적으로 비교하기 위해 만들어진 분석방법이다. 이것은 특정고 도가 전체면적에서 차지하는 비율을 나타낸다. 이 값을 Hypsometric integral(Value) 이라고 부르며 이 값들을 연결하여 그래프로 표현한 것을 Hypsometric curve라고 부른다. 이 그래프는 최고 고도를 1, 최저 고도를 0으로 두고 계산한 일정한 고도의 비율을 y축에 나타내고, 전체 면적 중 최고 고도에서 일정 고도까지 면적의 비율(0%에 서 100%까지)을 x축에 둔다.
자료: Ritter, D.F., Kochel, R.C., and Miller, J.R., 2006. Process Geomorphology. Waveland Press, inc. p. 153
<그림 Ⅱ-16> Hypsometric curve
이런 Hypsometric curve의 형태는 Hypsometric integral(HI)에 의해 결정된다.
HI는 원래의 분지가 남아있는 면적을 퍼센트로 나타낸 지표이다. 자연적인 유역분지 는 보통 20-80%의 값을 가진다. 이 지수가 높을수록 원래 지형에 가까운 지형이며, 이 수치는 지반융기를 알 수 있는 지표가 된다.
26 산지관리를 위한 지형구분 방안 연구
자료: Ritter, D.F., Kochel, R.C., and Miller, J.R., 2006. Process Geomorphology. Waveland Press, inc. p. 153
<그림 Ⅱ-17> Hypsometric curve 원리
Hypsometric Curve를 결정하는 중요한 인자인 hypsometric integral (HI)는 때때 로 고도/기복의 비율이라고 부르기도 하며 이는 모든 분지에서 계산이 가능하다.
이 index는 분지들을 비교할 때 많이 사용된다. 일반적으로 HI가 0.3보다 작을 경우에 그 지역은 stable 또는 mature하다고 부르며 0.6보다 클 경우에는 unstable 또는 young한 지역이라고 부른다. 여기서 유의해야 할 점은 HI가 비슷하게 나오더라 도 각 분지마다 다른 지형학적인 과정에 의해서 형성되었기 때문에 무조건 HI값을 지형의 발달과정과 연관지어 생각하면 안 된다(Bishop et al., 2002).
제 2 장 지형파라미터 27 9) Openness
Openness(개방도)는 Yokoyama et al(2002)에 의해서 정리된 지형구분 방법이다.
개방도는 방위각, 즉 관찰자를 중심으로 시계방향으로 제한된 거리의 가시선 (line-of-sight)을 투영하고, 가시선과 조우하는 셀과 천정(Zenith)과 바닥(Nadir)이 이루는 각도의 크기에 따라 관찰자의 상대적 위치를 결정해주는 방법이다. 즉, 중심셀 을 기준으로 하여 8개의 방향으로 돌아가면서 천정과 바닥의 최대 각도를 비교하여 천정이 클 경우에는 Positive, 바닥의 각도가 클 경우에는 Negative로 그 지역을 판단한다.(<그림 Ⅱ-18> 참조)
이러한 개방도의 분포는 피상적으로는 음영경사도와 유사해보이지만, 사실은 지배 적인 구배를 강조하여 보여주는 것이다. 개방도 값은 광원이 필요하지 않기 때문에 음영기복의 한 가지 제한점을 제거해주며 다른 지형변수들을 계산할 때 종종 어려움을 증가시키는 DEM 자체의 노이즈에 덜 영향을 받는다. 개방성의 가장 큰 장점은 단일 스케일을 사용할 때 발생하는 지형크기에 따른 민감도가 다르다는 점을 어느 정도 극복할 수 있는 일종의 다중 스케일적 방법론이다.
자료: Yokoyama, R., Sirasawa, M., and Pike, R.J., 2002. “Visualizing topography by openness:
A new application of image processing to digital elevation models”. Photogrammetric Engineering & Remote Sensing. Vo.68(3), pp.257-265. Fig 1, Fig 3 참조
<그림 Ⅱ-18> 방위각(azimuth)과 line-of-sight
앞서 말했듯이 Openness는 천정(Zenith angle)과 바닥(Nadir angle)을 이용하여 지형을 분류한다. <그림 Ⅱ-19>와 같이 9개의 지형으로 분류할 수 있다. Openness는
28 산지관리를 위한 지형구분 방안 연구
시계방향으로의 방위각을 사용하기 때문에 지형분류에 적용할 경우 지형의 방향성 (ex: 남북방향, 동서방향)을 표현해줄 수 있다는 장점이 있다.
자료: Yokoyama, R., Sirasawa, M., and Pike, R.J., 2002. “Visualizing topography by openness:
A new application of image processing to digital elevation models”. Photogrammetric Engineering
& Remote Sensing. Vo.68(3), pp.257-265. Fig 6. 참조
<그림 Ⅱ-19> Openness를 이용한 지형구분
chapter 3
지형구분
제 3장 지형구분 31
C ｜ H ｜ A ｜ P ｜ T ｜ E ｜ R ｜ 0 3
지형구분
1. 개요
앞서 살펴본 지형파라미터들은 커다란 공간스케일 내에서 tectonic 적인 요인과 climate 적인 요인에 의해 형성된 지형들을 구분하는데 유용한 도구로 사용된다.
우리는 이 인자들을 조합하여 지형을 구분할 수 있다. 특히, DEM 자료의 해상도와 정확도가 증가함으로써 컴퓨터를 이용하여 지형을 구분하는 방법이 주목받고 있다.
본 장에서는 이 중에서도 가장 많이 알려진 Weiss의 Topographic Position Index, 통계학에서 많이 사용하고 있는 Fuzzy K means, 마지막으로 최근 주목받고 있는 패턴중심의 지형분류 방법인 Geomorphons에 대해서 소개하고자 한다.
2. TPI(Topographic Position Index)
Topograpgic Position Index(이하 TPI)는 특정지형의 상대적 위치를 정량적으로 나타낸 값으로 특정 grid의 고도와 인접한 grid의 평균 고도와의 차이에 의해 결정되며 범위의 값으로 타나난다. 이 때 분석하기 위해 설정하는 window의 모양은 여러 가지가 있다. 현재 고리 모양, 쐐기 모양, 사각형 등 여러 형태로 분석이 가능하도록 발전하였다.
Positive TPI는 분석하려고 하는 지역이 주변지역보다 높은 곳을 의미하며, Negative TPI는 주변지역보다 낮은 곳을 의미한다. 또한 TPI 값이 0 근처이면 이 지역은 평평한 지역이거나 경사지역을 의미한다.
특정 지역의 상이한 스케일에서 산출된 TPI 그리드와 경사분포도는 능선 정상(ridge
32 산지관리를 위한 지형구분 방안 연구
top), 계곡 바닥(valley bottom), 산의 중턱(mid-slope) 등의 경사 위치를 구분하거나, 가파른 경사의 협곡(steep narrow canyons), 완만한 계곡(gentle valleys), 평지, 개방 경사지(open slopes), 정상부 평탄지(mesas) 등과 같은 지형분류를 수행할 수 있 다.(Weiss, 2001; Guisan et al., 1999; Jones et al., 2000)
TPI 알고리즘은 기준 셀의 고도값과 주변 셀의 평균 고도값의 차이를 등급화시키는 기본 구조로 되어 있으며, 양(+)의 TPI값은 셀의 고도가 주변보다 높은 것을 의미하고 음(-)의 값은 주변보다 낮은 것을 나타낸다. 즉 TPI 값이 높을수록 산 정상에 가깝고, 낮을수록 계곡에 가깝다 한편, TPI를 이용한 지형분류방법에는 grid, small neighborhood scale, large neighborhood scale이 이용된다. grid scale은 수치지형도 에서 결정되며 지형경사를 파악하기 위해 사용된다. SN 및 LN scale은 기복이 심한정 도나 능선간의 평균거리와 같은 대상지역의 지형특성에 의해 결정된다.
이러한 TPI의 값은 특정한 하나의 셀과 포함되는 그 주변의 셀 수(또는 반경), 즉 Neighborhood scale에 따라 달라지는데, 일반적으로 scale factor의 값이 클수록 지형의 큰 윤곽을 파악하는데 유리하지만 지형의 작은 변화를 읽기 힘들어지는 경향이 있다 (이춘경과 김창환, 2001). 특정 지역에 대하여 작은 스케일의 Neighborhood의 TPI는 국소지역의 계곡이나 정상 등에서 높은 값을 나타내는 반면, 큰 스케일의 경우에는 국소지역의 지형 변화는 무시되고 좀 더 큰 넓은 범위에서 지형을 구분하는데 이용한다.
이 원리를 이용하여 서로 다른 스케일을 가진 2개의 TPI 그리드를 조합하면 지형분 류를 더욱 세분할 수 있는데, 예를 들어 그림 26의 A에서와 같이 LN(Large Neighborhood TPI) 그리드에서 낮은 TPI값으로 나타나 계곡으로 분류된 지역이라도 SN(Small Neighborhood TPI) 그리드에서 높은 TPI값으로 나타났다면, 이 지역은 단순한 계곡지형이 아니라 계곡 안에 언덕이 존재하는 지형으로 판단할 수 있다.
(박경훈, 2007)
제 3장 지형구분 33
자료: Weiss, A.D. 2001. “Topographic Positions and Landforms Analysis”. ESRI International User Conference. San Diego. USA. Fig 3 (a) 참조
<그림 Ⅲ-1> TPI의 원리
Weiss(2001)는 산악지형의 유형을 그림 27과 같이 제시하였다. 이 표에 의하면 경사와 SN, LN scale에 따른 기준에 의해 산악지형을 심곡(Canyon), 천곡(Shallow valley), 산악수로(Upland drainage), U 자형 계곡(U-shape valley), 평지(Plain), 산록사면(Open slope), 산복사면(Upper slope), 곡저구릉(Hills in valley), 능선사면(Midslope ridge), 능선(High ridge)과 같이 10가지 유형으로 구분하고 있다. (장관민 외, 2009)
자료: 장광민, 송정은, 박경, 정주상, 2009. “TPI 응용에 의한 산악지형 분류기법의 적용을 위한 scale factor 선정방법 개발”. 「한국임학회지」. 제 98권 제6호. pp.639-645. Table 1. 참조
<그림 Ⅲ-2> TPI를 이용한 지형분류
34 산지관리를 위한 지형구분 방안 연구
3. Fuzzy K means
Fuzzy K-means는 하나의 클러스터에 속해져있는 각각의 데이터 점을 소속 정도에 의해서 클러스터에 대한 데이터의 소속 정도를 일일이 열거한 데이터 분류 방법으로 초기 HCM clustering을 개선하기 위해서 1973년도에 등장하였다. Fuzzy K-means 는 Fuzzy c-means 또는 continuous classification이라고도 불린다. Fuzzy K-means 는 원래 패턴인식 분야에서 data의 감소를 목적으로 사용된 방법이었으나 최근에는 Geohydrology나 토양과학, 식생 mapping 분야에서도 응용되고 있다.
Fuzzy K-means은 퍼지이론분야의 개념을 차용한다. 퍼지이론이란 모호한 것을 명확히 표현하는 이론으로 객체가 0과 1 사이의 set에 속할 수 있음을 가정한다.
또한 객체는 하나 이상의 cluster에 속할 수 있으며, 각각의 객체는 가중치를 가지고 각각의 cluster에 속한다.
Fuzzy K-means 에서 특정 Cluster의 center의 centre와 가까운 data point는 그 cluster에 대한 높은 소속도를 가지고, cluster의 center와 멀리 떨어져있는 다른 data point는 그 cluster에 대한 낮은 소속도를 갖는다.
Fuzzy K-means이 적용된 지형구분방법 알고리즘은 다음과 같이 진행된다. 첫째, 퍼지상수와 수렴조건을 정한다. 둘째, 각 군집의 중심좌표를 산출한다. 셋째, 객체i가 군집j에 속할 확률 Pij를 산출한다. 넷째, 객체 I를 Pij가 가장 큰 군집 j에 배정하여 군집결과를 얻는다. 마지막으로 이전의 군집결과와 비교하여 동일하면, 작업을 멈추 고 그렇지 않으면 각 군집의 중심좌표를 산출하는 과정으로 돌아가서 다시 수행한다.
제 3장 지형구분 35
자료: http://home.exetel.com.au/agl/GIS_app_dev/Introduction.html
<그림 Ⅲ-3> Fuzzy K means 알고리듬
P.A. Burrough et al (2000)의 논문에서 ① Elevation, ② Slope, ③ Prof, curvature, ④ Plan curvature, ⑤ Mean wet. index, ⑥ Ridge proximity, ⑦ Ann. irradiation 의 항목을 이용하여 Hussar, Alberta 지역과 French pre-Alps지역을 대상으로 하여 5개의 지형과 8개의 지형으로 구분하는 연구를 한 바 있다.
자료: Burrough, P.A. et al. 2000. “High-resolution landform classication using fuzzy k-means”.
Fuzzy Sets and Systems. Vo.113. pp.37-52. Fig 6. 참조
<그림 Ⅲ-4> Fuzzy K-means를 이용한 지형구분 :Hussar, Alberta(좌), French pre-Alps(우)
36 산지관리를 위한 지형구분 방안 연구
4. Geomorphons(이하 GM)
기존에 존재하는 DEM을 통한 지표 분석 방법들은 중심셀을 중심으로 주변 셀과의 비교를 통해 지표의 양적인 특징들을 구분하고 이를 바탕으로 해당 지역의 Landform 을 구분하려고 하였다 하지만 그럴 경우에 스케일 종속성(Scale-dependency) 문제점 이 발생한다. 이 문제는 분석하려고 하는 범위를 어떻게 지정하느냐에 따라서 결과 값이 다르게 나타나는 문제이다. 환언하자면, 범위를 넓게 지정할 경우 미시지역의 Landform을 구분하지 못하는 문제가 발생할 수 있으며 범위를 작게 지정할 경우 단편적인 부분만 분석하는 문제가 발생할 수 있다는 것이다. 이러한 문제점을 극복하 기 위해 등장한 새로운 분류방식이 Geomorphons(이하 GM)이다. 이는 폴란드 태생의 두 학자(Stepninski & Jasiewicz; 2011)에 의해 제시된 개념으로서, 기존 수치를 통해 지형을 분석하려는 방식에서 벗어나 분석하고자하는 셀을 중심으로 주변 셀과의 위치관계를 패턴화하여 분석하는 방법으로 앞서 언급했던 스케일 종속성 (Scale-dependency) 문제를 해결하는 객체지향적인 분석방법이다
GM은 기본적으로 Openness의 속성을 이어받아 발달한 분류방법이다. Openness 란 지형이 얼마나 개방적인가를 기준으로 지형을 분류하는 방법으로 Zenith와 Nardir 의 각도를 통해 분류한다. 그리고 이들의 각도는 Line-of-sight의 방식을 이용하여 각도를 잰다.
기본적으로 패턴을 정하는 방법은 기준으로하고 있는 셀보다 높다, 낮다, 같다 3가지로 분류하는 것이며, 이를 패턴화하여 높다 : +, 낮다 : -, 같다 : 0 로 구분한다
GM을 구성하고 있는 parameter는 크게 Search radius (L)과 relief threshold(d)가 있다. L은 분석하고자 하는 범위를 설정하는 것으로 앞서 언급한 Line-of-sight의 개념을 이용하며, d는 이를 바탕으로 계산된 각도를 정하는 parameter로 최소값을 설정해준다 즉, d 값까지는 같다 : 0로 보고 이보다 크면 +로 작으면 –로 표시해준다.
제 3장 지형구분 37
자료: http://proceedings.esri.com/library/userconf/geomorphometry11/videos/25-stephinski-lg.html 참조
<그림 Ⅲ-5> Geomorphons의 패턴 결정
이렇게 8방향으로 3가지의 패턴을 분류하면 38 가지의 경우가 나온다. 이 중 실제 존재하며, 타당하다고 판단되는 498개의 패턴으로 지형을 구분한다. 일반적으로 비슷한 패턴들을 분류하면 10개 종류의 지형이 구분가능하다.
자료: http://proceedings.esri.com/library/userconf/geomorphometry11/videos/25-stephinski-lg.html 참조
<그림 Ⅲ-6> Geomorphons의 지형분석방법
38 산지관리를 위한 지형구분 방안 연구
다음의 그림 32은 North Carolina를 대상으로 분석한 것으로 A는 DEM, B는 L을 100m, d를 1도로 놓고 분류한 것이며, C는 L을 300m d를 1도로 높고 분석한 것이고, D는 L을 1000m로 d를 1로 놓고 분석한 것이다 L을 작게 설정하여 분석하면 L과 비슷한 사이즈의 지형들은 비교적 정확하게 구분이 가능하고 더 큰 사이즈의 지형은 분리되어 분석된다. 예를 들어 큰 규모의 계곡은 더 작은 크기의 flat bottoms, footslope, slope 등으로 분리된다. L값을 크게 설정하면 큰 규모를 포괄할 수 있는 지형 분석이 가능하다
<그림 Ⅲ-7> Geomorphons를 이용한 지형분석결과
chapter 4
사례적용 및 결과
제 4장 사례적용 및 결과 41
C ｜ H ｜ A ｜ P ｜ T ｜ E ｜ R ｜ 0 4
사례적용 및 결과
평창, 남양주, 정읍을 대상으로 Geomorphons와 TPI를 이용하여 지형을 분석하였 다. 분석에 이용된 데이터 형식은 모두 raster 형식이었으며, cell의 크기는 30m x 30m로 통일하였다. 그 결과물들을 ArcGIS10을 이용하여 1:50000 스케일에서 분석하였다.
1. 평창
평창군의 총 면적은 1,464.16㎢로 강원도 총면적 16,874.60㎢의 8.7%에 해당하며, 전국 군 중 3번째로 면적이 넓다. 전체 면적(지적도상) 중에서 임야가 차지하는 비중은 84% (1,227.35㎢)이며, 농경지는 9.7% (142.30㎢), 기타 면적이 6.3% (94.50
㎢)를 차지하고 있다.(평창군청) 이는 평창군이 전형적인 산지지역의 특징이 나타나는 지역이라는 것을 알려주는 지표라고 할 수 있다.
<그림 Ⅳ-1> 평창지역 분석. (a) DEM, (b) GM 1000m, (c) GM 500m, (d) GM 100m
42 산지관리를 위한 지형구분 방안 연구
그림은 평창군의 일부를 1:50000의 스케일로 고정시킨 후 살펴본 것으로 (a)는 DEM, (b)는 Geomorphons 반경을 1000m로 설정하여 돌린 것이고, (c), (d)는 각각 500m, 100m로 설정하여 돌린 결과물이다. 1000m의 경우 능선과 계곡의 형태가 뚜렷하게 나타나고 있으며, 500m, 100m로 갈수록 능선과 계곡의 형태가 감소하고 있는 모습이 나타난다. (a)와 비교해 보았을 때, 가장 형태적으로 잘 반영하고 있는 것은 (b)의 경우이다. 앞서 언급했듯이 (b)의 경우 산지와 계곡의 경계가 가장 뚜렷하게 나타나고 있기 때문이다.
또한 지형을 분석하면서 가장 변화가 심하게 나타난 부분은 반경을 500m로 설정했 을 경우와 100m로 설정했을 경우 분석결과가 가장 상이하게 나타났다. 1000m와 500m의 경우 계곡의 연속성이 잘 나타났으나 100m의 경우 계곡의 연속성이 뚜렷하게 나타나지 않았으며 산지와 계곡의 구분이 뚜렷하게 나타나고 있지 않았다.
<그림 Ⅳ-2> 평창지역의 지형분포
제 4장 사례적용 및 결과 43 위의 그래프는 Geomorphons의 반경을 다르게 하여 분석한 결과를 비율로 표현한 것으로 산지(임야)가 80% 이상을 차지하는 환경을 반영하여 ridge, convex(slope), slope, concave(slope)가 많은 비중을 차지하고 있으며, valley의 비율 역시 15%이상을 차지하고 있다. 형태적으로 보았을 때, 가운데가 볼록한 정규분포의 형태를 띠고 있다. 특이할 사항으로는 shoulder, footslope 지형이 거의 나타나지 않는다는 점이 특이하다고 할 수 있다. 이는 산지지형이라고 해서 산지와 관련된 지형이 Geomorphons에서는 모두 나타나지 않을 수도 있다는 것을 시사한다.
그래프에서 나타나는 특징으로는 반경의 크기가 작아질수록 slope의 비율은 점점 높아지고 있다는 것이다. 이와는 달리 pit나 valley의 경우는 반경이 작아질수록 전체에서 차지하는 비율이 점점 줄어들고 있다. 이는 반경을 1000m로 설정했을 경우 pit이나 valley라고 인식한 지형을 반경이 줄어들게 되자 보다 미세하게 쪼개어 지형을 구분했다고 볼 수 있다.
구체적으로 각각의 지형들에 대한 증감 및 변화를 살펴보기 위해서 flat부터 pit까지 래스터들의 개수를 정리하여 표로 만들었다.
지형 Count
1000m 500m 100m
flat 4202 62% 771%
peak 80039 90% 49%
ridge 545482 100% 95%
shoulder 2024 164% 455%
convex 781603 102% 99%
slope 1132327 105% 132%
concave 774989 102% 98%
footslope 4240 323% 853%
valley 729815 100% 78%
pit 191029 55% 7%
total 4245750 100% 100%
<표 Ⅳ-1> 평창지역의 지형분포 증감률
44 산지관리를 위한 지형구분 방안 연구
표 <Ⅳ-1>은 반경을 1000m, 500m, 100m로 설정한 후 1000m를 기준으로 했을 경우 Raster의 증감률을 정리한 것이다. 100%를 기준으로 100%보다 낮으면 Raster의 수가 감소한 것이고 100%보다 높을 경우는 Raster의 수가 증가한 것이다. flat한 지역의 경우 500m로 설정했을 경우에는 감소하였다가 100m로 설정한 결과 약 7배 가까이 개수가 증가하는 경향을 보였다. peak의 경우 500m로 설정했을 경우 약 만개정도 감소했으나 100m로 설정했을 경우 절반 가까이 줄어드는 결과가 나왔다.
이는 앞서 peak로 인식했던 지형을 미세하게 쪼개어 분석한 것이라고 해석할 수 있다.
ridge부터 footslope까지의 지형들은 반경이 줄어듦에 따라 개수의 증가가 이루어 지거나 약간 감소하는 경향을 보였다. 이는 ridge와 footslope를 제외한 지형의 raster 들이 반경이 줄어듦에 따라 안으로 편입되어 분석되었다고 볼 수 있다.
또한 지도상에서 분석했던 것과 마찬가지로 1000m와 500m 사이에서의 변화보다 500m와 100m 사이에서의 변화가 더 크게 나타났다.
제 4장 사례적용 및 결과 45
<그림 Ⅳ-3> 정읍지역 분석. (a) DEM, (b) GM 1000m, (c) GM 500m, (d) GM 100m
2. 정읍
전라북도 서남부에 위치한 정읍은 대도시 전주와 광주의 중간지점에 위치하고 있으며, 호남 서해안 지방을 연결하는 교통의 요지이다. 경,위도 상으로는 동경 127도 07분에서 126도 43분, 북위 35도 27분에서 북위 35도 45분 사이에 걸쳐있다.
정읍시는 남동쪽으로는 노령산맥 줄기로 산세가 수려한 내장산 국립공원과 입암산 이 연결되어 있고, 북서쪽으로는 광활한 동진평야가 펼쳐져 있어 북서쪽이 터진 일종의 분지형태를 이루고 있고 하천은 남동쪽 내장산 줄기에서 시작하여 시내를 관통하여 북서쪽으로 흐르고 있다. 운암저수지를 수원지로 한 동진강과 내장산으로부 터 흐르고 있는 정읍천이 합류하여 부안군과 경계를 이어 서해에 유입하고 그 유역에는 관개지로서 토지가 비옥하여 농업에 적합하다. 정읍은 전체 면적(약 693㎢) 중에서 임야가 약 324㎢로 47%를 차지하고 있다. (정읍시청, 정읍시 2010 통계연보 참조)
그림은 1:50000의 스케일에 고정시켜 정읍지역의 일부를 분석한 것이다. (a)는 DEM자료로 DEM자료를 통해 지형을 분석할 경우 앞서 살펴본 평창의 경우는 어느 정도 분별이 가능하지만 정읍과 같이 기복이 비교적 적은 지형의 경우 산지 및 하천을 구분하는데 어려움이 따른다는 것을 보여준다.
(b)는 1000m의 반경으로 분석한 것으로 평창의 경우와 마찬가지로 능선과 계곡의
46 산지관리를 위한 지형구분 방안 연구
연속성이 잘 나타난다. (c)의 경우도 마찬가지로 연속성이 잘 나타난다. 그러나 (d)의 경우 계곡의 연속성이 잘 나타지 않으며 대부분의 지역을 flat한 지형으로 분석하고 있다. 위의 그림에서 전반적으로 보이는 flat한 지역은 분석 반경을 넘어서 flat한 지역으로 분석된 것이라고 생각할 수 있다. 왜냐하면 (b)와 (d)를 비교해볼 경우 (b)에서는 계곡이라고 보인 부분이 (d)에서는 flat한 지형으로 분석되었기 때문이다.
만약 반경을 1000m 이상으로 한다면 그림 전반적으로 보이는 flat한 지형이 valley로 분석될 것이다. 이와 같이 Geomorphons은 지형을 분석하기 위한 반경을 어떻게 설정하느냐에 따라 동일한 지형일지라도 세밀하게 분석할 수 있기 때문에 각 지형에 맞는 적절한 threshold(임계) 값을 찾아야 할 것이다.
<그림 Ⅳ-4> 정읍지역의 지형분포
다음은 정읍 지역의 rater들의 비율을 그래프로 표현한 그림이다. 앞서 언급했듯이 정읍은 지적도 상에서 임야가 약 47%를 차지하는 지역이며, 동진강 등의 하천도 발달했기 때문에 평창과 달리 산지지형과 하천이 비교적 동등하게 나타나는 특징을 갖고 있다.
