경험도수분포함수를 이용한 토지피복 변화탐지 기법 개발

Development of Technique for Detecting Land-cover Change Using Empirical Frequency Distribution Function

  • cc icon
  • ABSTRACT

    본 연구는 다중시기 위성영상과 지표공간자료를 바탕으로 천안·아산시를 사례로 화소 단위로 토지피복 변화량을 공간적으로 산출하여 토지피복 유형별 규칙성을 분석하였다. 변화탐지 기법으로는 경험도수분포함수를 이용하였으며, 토지피복 변화에 영향을 주는 각 요인들이 토지피복 변화에 어느 정도 영향을 미치는지 수학적으로 표현하기 위하여 상대선호도지수를 구하였다. 연구결과, 연구지역에서는 토지피복 변화에 있어서 4가지 규칙성을 찾을 수 있었다. 첫 번째는 산림지가 밭과 도시, 논은 밭과 도시, 밭은 도시로 변하는 것이 가장 일반적인 토지피복 변화 규칙성이다. 두 번째는 산림지와 논이 직접 도시로 변하는 경우도 있지만 10년을 주기로 밭으로 변한 이후 다시 도시로 변하는 규칙성이 나타났다. 세 번째는 도시 면적이 확대되면서 산림지, 논은 계속 감소하며, 밭은 면적의 변화보다 화소의 공간적 위치 변화가 큰 것으로 나타났다. 마지막으로 이러한 규칙성은 1982년에서 1989년 사이보다는 1989년에서 2009년의 20년 동안에 뚜렷하게 나타났다. 이러한 변화탐지 기법은 향후 토지피복 변화의 공간적 추이를 예측할 수 있는 예측기법으로 활용될 수 있다.


    This study analyzes the land-cover patterns, with spatial calculation of land-cover changes based on land-cover spatial data and multi-temporal satellite imagery, for Cheonan-Asan City represented in pixel units. The change detection technique used in this study is empirical frequency distribution function. The study has obtained relative favorability score to determine and express how each factor affects land-cover change. As a result, the four regular patterns in land-cover change were found. First, the most usual pattern in land-cover change is that forest becomes dry field and city, paddy becomes dry field and city, and dry field becomes city. The second pattern found is that there have been some cases wherein forest and paddy directly became city, but patterns with 10-year cycles were also noted, in which these areas become dry field first and then turn into city later on. The third pattern is that as the size of city increases, the area of forest and paddy decreases. However, dry field has not displayed much change in size but has shown more changes in locations. Finally, the patterns have been manifested more clearly in the 20-year-period between 1989 and 2009, rather than from 1982 to 1989. The technique for detecting land-cover change can be used as a tool to predict spatial shifts.

  • KEYWORD

    위성영상 , 토지피복 , 경험도수분포함수 , 변화탐지

  • I. 서 론

    인간은 땅을 떠나 살 수 없는 존재이므로 지표경관은 인간이 생활하는데 중요한 역할을 한다. 이러한 지표경관이 최근 들어 인구 증가 및 산업 발달에 따른 도시화·공업화가 진행됨에 따라 다양한 변화를 일으키고 있다. 특히, IPCC(Intergovernmental Panel on Climate Change) 4차 평가보고서에 의하면, 기후변화에 가장 큰 영향을 미치는 원인으로 인간 활동을 꼽았으며, 이는 곧 기후변화에 영향을 미치는 인간 활동은 지표경관에 다양한 변화를 일으킬 수 있음을 의미한다(IPCC, 2007). 지표경관의 변화가 다시 인간에게 어떠한 영향을 되돌려 줄 것인가에 대한 논의는 인간 생활에 있어 중요한 부분이므로 우리는 지표경관의 변화에 관한 연구가 필요하며, 이러한 연구를 통해 효율적인 도시 및 지역개발 정책을 수립할 수 있다.

    최근 토지피복 자료는 국토계획 및 지역단위 계획을 수립하기 위한 기초자료로 이용되며, 급속히 감소하는 자원과 환경문제를 해결하는데 필요한 보조 자료로서 중요한 역할을 한다(장동호, 2011). 또한, 지표경관의 변화 연구를 통해 앞으로의 변화를 예측하여 미래를 준비하는 것이 반드시 필요하다. 따라서 과거부터 현재까지의 토지피복 변화를 연구하고, 이를 통해 토지를 어떻게 이용할 것인지 계획을 수립하며, 미래의 토지피복 변화를 예측한다면 인간이 환경변화에 적응하며 살아가는데 도움이 될 것이다.

    토지피복 변화탐지와 관련된 연구는 국내·외에서 다양한 분야에서 활발하게 진행되고 있다. 외국의 경우, GIS와 인공위성 자료의 활용이 확대되면서 토지피복 변화탐지 연구는 사회·경제적인 측면에서 다양한 연구가 이루어 졌고(Yeqiao and Xinsheng, 2001; Takeshi and Tetsuya, 2004), 토지피복 변화탐지를 위한 새로운 알고리즘 개발에 관한 연구도 진행되었다(Legleiter and Roberts, 2005; Matthew et al., 2008; Rui, 2009). 최근에는 위성영상 자료와 GIS 공간자료와의 통합을 통한 토지피복 변화탐지에 관한 연구(Rees et al., 2003; Takeshi and Tetsuya, 2004; George et al., 2009)뿐만 아니라 토지피복 변화 모델링 기법을 통한 미래의 토지피복 변화를 예측·분석하는 연구가 활발하게 진행되었다(Verburg et al., 2002; Feddema et al., 2005; Wanhui et al., 2011).

    국내에서도 위성자료를 이용한 토지피복 변화탐지에 관한 연구가 다양한 분야에서 진행되었다(전형섭 등, 2003; 양지연·최철웅, 2006; 최철웅 등, 2009; 김장수·장동호, 2012). 또한 위성영상 자료를 기반으로 한 토지피복 예측 연구도 활발하게 진행되었다(김훈희·이진희, 2001; 장동호 등, 2002; 장동호, 2005; 김성준·이용준, 2007; 이동근 등, 2010; 김찬수 등, 2011; 차상인, 2012). 이밖에 도시화 연구 분야에도 토지피복 변화와 관련하여 도시 확산 모델 연구가 진행되었다(우태훈, 2002; 이진덕·조창환, 2004; 윤정미·이성호, 2006; 윤정미·박정우, 2008).

    이처럼 국내·외의 다양한 분야에서 토지피복 변화 탐지 및 예측과 관련된 연구가 활발하게 진행되고 있지만, 기존의 연구들은 위성영상의 분석을 통한 토지 피복 현황 및 변화탐지를 파악하거나 정확도를 측정하는 것이 대부분이었다. 또한 최근의 토지피복 변화를 예측하거나 이를 응용하여 도시성장모형을 개발하고 있으나 이것 역시 수학적 통계방법을 통한 면적의 변화 예측이나 방향성만을 제시하고 있어서 지역 단위의 토지피복 유형별 토지피복 변화 예측도 작성에 관한 연구는 미진한 실정이다.

    따라서 본 연구에서는 미래의 토지피복 변화를 예측하기 위한 사전 연구로 다중시기 위성영상을 이용하여 천안·아산시의 토지피복도를 작성하고 GIS 공간자료와의 통합을 통해 화소(pixel) 단위로 토지피복 변화를 탐지하여 토지피복 유형별 규칙성을 분석하고자 하였다. 특히, 지표공간 GIS 자료를 구축하여 토지피복 변화에 미치는 영향을 경험도수분포함수(EDF, empirical frequency distribution function)를 이용하여 분석하고자 하였다. 또한 각 요인들이 토지피복 변화에 어느 정도 영향을 미치는지를 수학적으로 표현하기 위하여 EDF를 통해 상대선호도지수(RFS, relative favorability score)의 함수식을 구하였다. 이를 통해 이 연구에서는 미래의 토지피복 변화를 좀 더 구체적으로 예측하는데 필요한 요인들을 분석하여 토지피복 변화탐지의 공간적 예측이 가능한지를 검토하고자 하였다. 또한 이러한 연구는 향후 지역개발 계획을 세우는데 고려해야할 환경요소를 확인 및 제시하고, 이를 바탕으로 효율적인 도시 및 지역개발을 계획하는데 기초자료로 활용하고자 하였다.

    II. 연구지역 및 자료, 연구방법

       1. 연구지역 및 자료

    연구지역은 행정구역상 충청남도 천안·아산시로, 지리적 좌표는 126°48′38″E~127°27′55″E, 36°34′30″N~36°59′42″N에 해당된다(그림 1). 천안·아산지역은 한반도의 중앙부 및 충남의 최 서북단에 위치하며, 수도권과 충남의 관문 역할을 한다. 북쪽은 차령산맥의 지맥에 속하는 낮은 구릉성산지를 형성하고, 남쪽의 산지에서 발원하는 곡교천이 서류하여 주변에 넒은 평야를 형성하며 삽교천과 합류 후 아산만으로 유입된다. 연구지역 남쪽에는 광덕산, 북쪽에는 영인산, 동쪽은 차령산맥의 주능선인 국사봉, 만근산 등으로 둘러싸인 분지지형을 이루어서 중앙이 낮고 평평한 충적 평야가 발달하였다(김찬수 등, 2011).

    천안·아산시는 서로 인접한 지역에 위치하여 오랫동안 충남서북부 지역의 중심지 역할을 상호보완적 측면에서 유지하여 왔다. 특히, 천안시는 상업, 금융, 교육 중심지, 아산시는 산업, 관광 중심지로서 각각의 강점을 살려 지역의 공동체적인 발전에 긍정적인 역할을 담당하였다(김학민, 2006). 최근에는 행정구역을 경계로 천안·아산시가 신도시 개발, 기업도시 조성, 공업단지 조성 등 각종 국가 및 지방사업을 발전시켜 대단위 지표경관 변화가 급속하게 진행되고 있다. 특히, 천안·아산시는 수도권 배후도시로서 역할을 수행하고 있으며, 행정중심복합도시와 수도권 사이에 위치하여 향후 충청권의 중핵도시로서 기능이 확대될 것이다(장동호, 2011). 또한 지역 내에 주로 천안시를 중심으로 경부고속철도, 경부선 철도, 경부고속도로, 국도 1호선 등 국토의 기간간선망이 모두 통과하며 남서로는 장항선이 지나가고 있어 편리한 교통여건이 갖추어져 있고, 수도권 팽창의 제한으로 급격한 성장을 이루고 있는 지역이다.

    토지피복 변화탐지에 사용된 다중시기 위성영상은 1982년도부터 2009년도까지 시기가 각기 다른 Landsat 자료이며, 각 시기의 위성영상 및 제원은 다음 표와 같다(표 1). 또한, 연구지역의 토지피복 변화에 GIS 공간자료가 어떤 영향을 미치는지를 분석하기 위해 수치지형도 및 지도, 각종 통계자료를 이용하여 고도 분포도, 사면경사 분포도, 도로망도, 지가분포도, 시가지 분포도 등의 주제도를 구축하였다. 그중 도로망도는 국토지리정보원에서 제작된 1:25,000 지형도를 이용하여 1980년대와 1990년대의 도로망을 구축하였으며, 2000년대와 2010년대 도로망도는 수치지형도를 이용하였다. 시가지 분포도는 위성영상을 이용하여 구축한 토지피복도에서 연도별로 추출하였으며, 지가분포도는 국토교통부에서 제공하는 표준지 공시지가의 ‘리’단위 평균값으로 구축하였다.

       2. 연구방법

    본 연구에서는 토지피복 변화탐지 기법을 개발하기 위하여 다중시기 위성영상 자료를 이용하여 토지피복도를 작성하고 GIS 공간자료와의 통합을 통해 화소 단위로 토지피복 유형별 규칙성을 분석하였다. 이를 통하여 향후 미래의 공간적 토지피복도 작성 가능성을 검토하고자 하였다. 구체적인 연구방법은 다음과 같이 수행하였다(그림 2).

    첫째, 다중시기 위성영상을 이용하여 각 연도별 토지피복도를 작성하기 위해 전처리를 실시하였다. 먼저, 다중시기 위성영상 자료 획득 시 발생한 기하학적 왜곡을 보정하기 위하여 2009년 6월 1일 획득된 Landsat TM 영상을 1:25,000 수치지형도를 이용하여 지상기준점(Ground Control Point : GCP)을 선정한 후 vector to image 방법으로 기하학적보정을 실시하였다. 다음으로, 보정된 영상은 각 연도별 영상자료에서 연구지역을 마스킹(Masking) 처리하였으며, 처리된 영상은 다시 비모수적 분류처리 기법인 감독분류(최대우도법: Maximum Likelihood Classification) 방법을 이용하여 토지피복도를 작성하고 검증하였다. 분류 항목은 토지피복 변화 탐지기법 개발의 가능성 검토를 위해 우선적으로 산림지(class 1), 수역(class 2), 논(class 3), 밭(class 4), 도시(class 5) 등 총 5개 항목이다. 영상분석 프로그램은 PCI 9.1을 이용하였다.

    둘째, 지표공간정보 분석 자료를 구축하기 위해 수치지형도 및 각종 통계자료를 이용하여 자연환경 및 인문·사회환경 주제도를 작성하였다. 각 주제도는 분석을 위해 수치지도를 격자형(raster) 자료로 변환하였으며, 공간해상도는 10m × 10m이다. 완성된 주제도는 고도 분포도, 사면경사 분포도, 도로망도, 지가분포도, 시가지 분포도 등이다. 특히, 인문·사회환경 주제도는 다중시기 위성영상과의 상관관계 분석을 위해 각 시기별로 자료를 획득하였다. 다만, 지가 분포도는 자료 획득이 가능한 1999년 및 2009년 자료만 사용하여 주제도를 작성하였다. 지표공간 DB 구축 프로그램은 ArcMap 9.2를 이용하였다.

    셋째, 각 시기별 토지피복 유형의 변화탐지를 위해 변화된 화소를 시기별로 분석하여 토지피복 변화의 규칙성을 찾아 화소 단위의 공간적 변화를 분석하고자 하였다. 이를 위해 본 연구에서는 지표공간정보 자료를 이용하여 토지피복 변화에 어떤 매개변수들이 얼마나 영향을 미치는지 EDF를 통해 분석하였다(Vaart, 1998). 즉, 토지피복 변화에 영향을 미치는 요인들의 영향력을 수치화하기 위해 각 클래스별 변화의 빈도를 EDF로 표현하였다. 예를 들어, 1989년에서 1999년 사이 해발고도에 따라 클래스 4에서 클래스 5로 변하는 화소의 빈도를 EDF 값을 이용하여 그래프로 나타내면 (그림 3)과 같다. 이 그래프를 통해 고도가 각 클래스별 화소의 변화에 어떠한 영향을 얼마나 미치는지 분석할 수 있다. 토지피복 변화탐지 프로그램은 포트란(Fortran) 95를 이용하여 개발하였다

    마지막으로, 토지피복 변화에 영향을 미치는 요인의 관계성을 수학적으로 분석하기 위해 EDF를 이용하여 각 요인별로 토지피복이 변화된 도수 분포를 정규화 하여 상대선호도함수(RFF, relative favoribility function)식을 만들었다. 즉, 토지피복 변화에 있어 어떤 요인들이 얼마나 영향을 미치는지 알아보기 위해서는 먼저, 각 요인에 따라 토지 피복이 변하는 화소의 EDF 값을 통해 RFS를 측정하는 수학적 함수식인 RFF를 분석하여야 한다.

    예를 들어, 1989년도 토지피복도에서 클래스 4로 분류된 어느 한 화소 ‘p’를 선택하여 주어진 기간 동안에 화소 ‘p’가 고도에 따라 클래스 4에서 클래스 5로 변화되는 과정을 살펴보는 것이다. 고도분포도에서 화소 ‘p’의 고도 값인 ‘ep’를 구하고 이를 이용하여 클래스 4에서 클래스 5로 변화 된 화소의 상대선호도를 양적으로 측정한 RFS를 구하는 함수식 ‘f(ep)’를 구할 수 있다. 이러한 시도를 통해 (그림 4)와 같이 a, b, c 세 개의 변수를 통해 상대선호도함수 ‘f’를 구할 수 있다. a, b, c 세 개의 변수의 의미는 고도 요인을 예를 들면, a는 고도 값이 0일 때 RFS를 나타내며, 이는 고도가 0일 때 EDF 값/EDF 최대값으로 구할 수 있다. b는 RFS가 1로 최대를 나타낼 때에 고도 값을 나타내며, c는 RFS가 0일 때에 고도 값을 나타낸다. 예를 들어 만약, a=1이고, b=0이라면 (그림 4)처럼 커브(curve) 함수 그래프가 아닌 고도 값이 최소인 0에서 최대인 c로 변함에 따라 함수는 1에서 0으로 감소하는 그래프가 나타난다. 따라서 (그림 4)처럼 EDF그래프를 통해 각 요인별 RFF의 변수 a, b, c를 추정할 수가 있다.

    parameter a, b, c를 이용하여 구한 RFF ‘f’의 수식은 다음과 같다.

    III. 토지피복 변화 및 지표공간정보 분석

       1. 토지피복 변화 분석

    다중시기 위성영상을 이용하여 토지 피복을 분류한 결과는 다음과 같다(표 2, 그림 5). 1982년 연구지역의 49%이상을 차지하는 산림지는 주로 차령산맥이 지나가는 동부 및 남부지역과 일부 고립구릉지에 분포하였다. 그러나 산림지의 면적은 급격이 감소하여 2009년에는 40%로 1982년에 비해 약 9%정도가 감소하였다. 주로 도시 주변지역의 시가화지역이 확대되면서 산림지 지역의 토지피복 유형이 도시로 바뀐 것이다.

    수역은 1982년 연구지역 전체에서 2.5% 정도를 차지하며, 이 중 아산호와 삽교호가 가장 많은 비중을 포함하며, 이밖에 천안·아산시를 동서로 지나가는 곡교천과 삽교천 및 일부 저수지 등을 포함하였다. 수역의 면적은 2009년에도 거의 유사하나 일부 해안지역을 중심으로 간척사업이 진행되면서 매립으로 약간 감소하였다.

    논은 주로 하천 주변과 아산호·삽교호 주변, 저수지 주변 등에 분포하였다. 1982년 35.7% 정도였으나 2009년에 25.2%로 감소하였다. 이러한 원인은 산림지 감소에서 전술한 바와 같이 1990년대 이후 2000년대 들어서면서 연구지역에서 대규모 산업단지 조성과 도시적 토지피복 변화가 급격히 진행되면서 도시 주변지역의 농경지가 도시로 편입된 결과인 것으로 판단된다.

    이밖에 밭과 도시는 1982년에 비해 2009년에 각각 9%와 10%가량이 증가하였다. 이는 도시화의 결과로 볼 수 있는데, 도시의 증가는 신도시 개발 등으로 인공 구조물이 늘어난 결과 때문이다. 반면 밭은 논과 산림지 지역이 경제성이 높은 밭으로 전용된 결과 때문에 면적이 확대된 것으로 판단된다. 그러나 이러한 밭은 도시 주변지역에 대부분 분포하고 있어서 향후 계속적인 도시화가 진행 된다면 점차 감소할 것으로 예상된다. 즉, (그림 5)에서 보는 것처럼 1982년에 밭은 주로 논과 산림지 사이에 분포하였으나 시간이 지나면서 2009년에는 도시 주변지역, 하천 주변 저지대 등이 밭으로 변하는 것을 확인할 수 있었다. 도시는 가장 많이 증가한 항목으로 1982년에는 아산시의 온양동, 천안시의 중앙동과 문성동 일대에 분포하던 것이 2009년에는 교통 발달과 신시가지 개발로 인해 남북 방향으로 면적이 증가하였다. 이러한 결과는 연구지역이 도시가 성장함에 따라 시가화 지역의 발달이 일정한 방향성을 갖고 있음을 분석 할 수 있었다.

    (표 3)은 1982년에서 2009년까지의 각 시기별 토지 피복 변화탐지 결과이다. 먼저, 1982년에서 1989년 사이 7년 동안의 토지피복 변화는 클래스 4에서 클래스 5로의 변화(밭에서 도시로 182,950화소)와 클래스 3에서 클래스 4로의 변화(논에서 밭으로 151,670화소)가 가장 두드러지며, 클래스 1에서 클래스 4로의 변화와 클래스 1에서 클래스 5로의 변화도 잘 나타나며, 그 외의 변화는 미비하였다. 증가된 도시 면적(26km2)은 대부분 밭(18km2)이 변한 것이며, 다음으로 산림지(7km2)의 변화였다. 밭의 면적은 동기간 동안 12km2에서 13km2로 변화가 거의 없지만, 화소의 변화는 활발히 진행되었다. 즉, 동기간 동안 논의 15km2와 산림지 9km2가 밭으로 변한 반면, 밭은 도시로 18km2가 변하였다. 다음으로 산림지는 밭으로 9km2, 도시로 6km2 변하여 총 16km2가 변한 반면, 다른 분류 항목들이 산림지로 변한 경우는 적어 전체 면적이 15km2 정도 감소하였다.

    전체적으로 도시는 264,272화소, 밭은 53,273화소 증가하였고, 반면에 산림지는 157,795화소, 논은 53,273화소 감소하였다. 도시와 밭이 증가하고 산림지와 논이 감소한 것은 시가화지역이 확대되고 간척사업으로 인해 산림지나 농경지 지역의 토지피복 유형이 바뀌게 되었기 때문인 것으로 판단된다. 1982년부터 1989년 사이의 변화는 자연스러운 도시 성장에 의한 토지피복 변화가 아닌 간척사업이나 산업단지 조성 등의 인위적인 요인에 의한 토지피복의 변화가 나타난 것으로 추정된다. 따라서 본 연구에서 얻고자 하는 일반적인 토지피복 변화의 규칙과는 거리가 있다고 볼 수 있다.

    다음으로, 1989년에서 1999년까지 10년 동안의 토지피복 변화는 클래스 1에서 클래스 4로(산림지에서 밭으로 652,077화소)의 변화와 클래스 3에서 클래스 4로(논에서 밭으로 590,920화소)의 변화가 두드러지며, 클래스 3에서 클래스 5로(논에서 도시로 159,437화소)의 변화와 클래스 4에서 클래스 5로(밭에서 도시로 136,995화소) 변화, 클래스 1에서 클래스 5로(산림지에서 도시로 84,969화소)의 변화가 잘 나타난다. 동기간은 클래스 4의 증가가 두드러지는 시기로, 밭은 132km2에서 242km2로 약 두 배 증가하였으며, 대부분 논(59km2)과 산림지(56km2)의 변화 때문이다. 도시는 논에서 15km2, 밭에서 13km2, 산림지에서 8km2 증가하여 총 38km2 정도 면적이 증가하였다. 이밖에 산림지는 주로 밭으로 65km2, 도시로 8km2 변하였고, 다른 토지피복 유형에서 산림지로의 변화는 거의 없었다.

    클래스별 면적의 변화는 밭이 1,094,904 화소가 증가하여 변화가 크게 나타났고, 도시도 382,080 화소가 증가하였다. 밭이 큰 증가 현상을 보인 것은 교통 발달로 수도권과 접근성이 좋아지면서 근교농업이 발달되어 경제성이 높은 밭이나 과수원 등으로 변하였기 때문이다. 또한 도시의 증가는 도시 주변지역이 시가화 되면서 나타난 현상으로 분석될 수 있다. 반면에 산림지는 748,891화소, 논은 721,227화소가 감소하였는데, 이는 산업단지 조성과 인구 증가로 인해 산림지역의 토지피복이 급격하게 변하였음을 보여준다.

    마지막으로, 1999년부터 2009년까지의 10년 동안의 토지피복 변화는 클래스 4에서 클래스 5로(밭에서 도시로 294,382화소)의 변화와, 클래스 3에서 클래스 5로(논에서 도시로 239,477화소)의 변화가 가장 크게 나타났다. 그 외에 클래스 3에서 클래스 4로(논에서 밭으로 135,445화소)의 변화, 클래스 1에서 클래스 4로(산림지에서 밭으로 78,961화소)의 변화, 클래스 1에서 클래스 5로(산림지에서 도시로 46,059화소)의 변화도 관찰된다. 가장 큰 변화가 나타나는 도시는 10년 동안 59km2가 증가하여 1999년보다 약 1.7배 면적이 증가하였으며, 밭에서 29km2, 논에서 23km2가 도시로 변하였다. 밭은 1999년에 비해 2009년에 8km2 정도 감소하여 전체 면적에서 큰 차이는 없지만, 밭에서 도시로의 변화가 29km2이고, 논과 산림지에서 밭으로의 변화가 각각 23km2와 13km2로 나타나 토지피복 변화가 활발하게 진행되고 있음을 파악할 수 있었다. 즉, 논과 산림지가 밭으로 변한 이후 시간이 지남에 따라 다시 도시로 변하고 있음을 알려주고 있다. 한편, 산림지는 밭으로 7km2, 도시로 4km2 변하여 전체 면적이 12km2 정도 감소하였다. 면적 변화를 살펴보면, 도시가 594,921 화소 증가하였는데, 이는 연구지역에 교통이 발달하여 국도와 철도(KTX) 등이 놓여지고 신도시와 신산업단지의 개발로 인해 도시가 성장됨을 반영한 결과이다. 따라서 도시 주변이 시가화되고 인공구조물이 증가함을 파악할 수 있었으며, 이외 다른 모든 분류 항목은 화소 수가 감소하였다.

    인위적인 요인이 작용하여 토지피복에 변화가 생긴 1982년에서 1989년 까지를 제외하고 1989년에서 2009년까지의 변화를 종합하여 살펴보면, 1989년에서 1999년까지 10년 사이에는 산림지와 논에서 밭으로 변하는 화소의 수가 매우 많이 나타났다. 이밖에도 산림지, 논, 밭에서 도시로의 변화가 잘 나타났다. 그러나 10년 후인 1999년에서 2009년 사이에는 논과 밭에서 도시로의 변화가 가장 두드러지며, 산림지와 논에서 밭으로의 변화도 잘 나타난다. 또한 1999년에서 2009년 사이에 밭은 전체 화소 수의 차이는 별로 없으나, 산림지와 논에서 밭으로의 변화나 밭에서 도시로의 변화가 활발하여 변화량은 많은 것을 확인할 수 있었다.

    이를 통해 연구지역의 토지피복 변화에 있어 일정한 4가지 규칙성을 찾을 수 있었는데, 첫째, 산림지는 밭과 도시로 변하며, 논은 밭과 도시로, 밭은 도시로 변하는 것이 가장 일반적으로 많이 나타나는 토지피복 변화 유형이다. 이밖에 다른 변화는 나타나지 않거나 아주 작은 수치를 보이며, 특히 수역의 경우 화소의 변화가 거의 없는 것으로 나타났다.

    둘째, 10년을 주기로 하여 산림지와 논은 밭으로 변한 이후 다시 도시로 변하는 과정을 파악할 수 있었다. 산림지와 논이 직접 도시로 변하는 경우도 있지만, 10년을 주기로 다른 토지피복 유형들이 밭을 거쳐 도시로 변하는 것의 수치가 더 많이 나타났다.

    셋째, 시간이 지남에 따라 도시화가 계속적으로 진행되면서 분류 항목별 면적 변화도 산림지, 논은 계속 감소하며, 도시는 꾸준한 증가가 나타났다. 이밖에 밭은 면적의 변화보다 화소의 공간적 위치 변화가 활발하게 나타났다.

    마지막으로, 이런 규칙성은 1989년에서 2009년의 20년 동안에 뚜렷하게 나타나며, 1982년에서 1989년 사이에는 규칙성이 조금 다르게 나타난다. 이것은 1982년에서 1989년 사이에 연구지역에서 도시 개발이 진행되어 자연스러운 시가지 확대에 따른 도시 확산이 아닌, 간척사업이나 산업단지 조성 등의 인위적인 요인에 따른 도시화가 진행되었기 때문이다. 따라서 본 논문에서는 인위적인 요인을 가급적 배재하고 도시 확산 과정에서의 토지피복 변화의 규칙성을 파악하고자 1982년에서 1989년 자료를 제외하고 1989년부터 2009년까지의 20년 동안 자료를 바탕으로 규칙성을 찾고자 하였다.

       2. 지표공간정보 분석

    1) 해발고도 분포도

    토지피복 변화를 분석할 때에 중요한 인자로 작용하는 지형은 일반적으로 고도가 높은 산지일수록 토지피복 변화가 작고 고도가 낮은 평야지역일수록 토지피복 변화가 지속적으로 나타날 수 있다. 연구지역은 주로 동부와 남부지역의 차령산맥을 중심으로 고도가 높은 지역이 분포하며, 가장 높은 산지는 남부의 광덕산으로 높이가 699m이다. 그러나 북부지방을 중심으로 100m 미만의 지역이 64.17%이며, 150m 이내인 지역까지 더하면 76.78%에 달한다(그림 6).

    2) 사면경사 분포도

    지표면의 최대경사를 표시하는 경사각은 유출계산, 사면안정도 등을 산출하는 기본 자료로 지표환경 변화의 중요 인자 중의 하나이다. 특히 지형분석의 기본적인 주제도로서 도시계획이나 여러 가지 적지선정에 이용된다. 경사도 분포는 일반적으로 지형도로부터 경사각을 측정, 계산하는 것이 보통이나 이는 많은 시간과 인력이 필요하므로, 최근에는 수치 표고모델(DEM)로부터 경사분포도를 작성하고 있다(장동호, 2002). 연구지역인 천안·아산시는 평탄지와 충적평야에 해당되는 면적이 45.36%이고, 그 대부분은 북부와 서부지역의 하천 연안과 호수 주변지역에 분포한다. 인공구조물이 들어설 수 있는 15° 미만의 면적은 전체 면적의 61.91%를 차지하여 계속적인 토지피복 변화가 예상된다(그림 7).

    3) 지가 분포도

    연구지역의 지가는 본 연구에서 다루는 네 시기 중 자료 획득이 가능한 1999년과 2009년만을 조사하였다(그림 8). 보통 클래스 5로 토지피복이 분류되는 도시지역이 지가가 높은 것으로 나타났으며, 1999년에 비해 2009년에 대부분 지역의 지가가 상승되었으며, 도시가 가까운 지역일수록 지가가 상승됨을 파악할 수 있었다. 지가분포도는 지가가 토지피복 변화에 미치는 영향을 파악 할 수 있으며, 이는 토지피복 변화에 경제적인 개념을 도입한 지표이기도 하다.

    4) 도로망도

    토지피복 변화와 밀접한 관계가 있는 도로망 변화를 시대별로 살펴보면 (그림 9)와 같다. 1980년대 천안시에 비해 아산시는 도로망 발달이 저조 하였으나, 최근 신도시 개발과 아산만권 개발로 인해 2010년대에 새로운 도로가 다수 건설되었다. 천안시는 서울에서 대전으로 향하는 국도 1호선이 지나가며, 1969년 경부고속도로가 놓인 이후 도로의 방향과 같은 남북 방향으로 도시 개발이 진행되었으며, 그 이후 도시의 발달과 함께 많은 국도와 지방도가 형성되어 아산시에 비해 도로망이 더 발달되었다. 2002년에는 천안-논산 간 고속도로가 개통되어 교통량이 늘어나 도시 성장과 함께 도로망 발달이 기대된다.

    연구지역은 전반적으로 시간이 지남에 따라 일정한 방향성을 갖고 도로가 점차 연장되었으며, 그 중 최근 2000년대에서 2010년대의 급격한 도로 발달이 특징적이다. 또한, 연구지역 내에 도로 뿐만 아니라 경부선이나 장항선 등의 철도 교통의 발달도 도시 성장에 큰 영향을 미치고 있어 이러한 교통 발달이 토지피복에 어떠한 영향을 미치는지에 관해 관심을 갖고 지켜볼 필요가 있다.

    5) 시가지 분포도

    연구지역의 시가지 면적은 연구기간 동안 꾸준히 증가하였으며, 특히 1999년에서 2009년 사이의 면적 확대가 두드러진다. 아산시는 온양동을 중심으로 온양온천이 발달하여 관광산업과 관련된 식당과 숙박시설 등의 서비스업이 발달되어 1982년부터 2009년까지 계속적으로 시가지가 확대되었다. 그 외에 섬유·전자·도자기·화학·기계 등의 소규모 경공업체가 아산만과 삽교천을 중심으로 조금씩 발달되었다. 천안시는 교통이 발달된 도시로 성정동과 성환읍을 중심으로 한 구시가지에 공업단지 등이 조성되어 1982년부터 2009년까지 시가지 확대가 두드러지며, 최근 신시가지로 발달한 불당동 일대에는 천안시청을 비롯한 행정 기능이 이전하여 시가지 확산이 지속적으로 진행되었다. 보편적으로 기존의 발달된 시가지를 중심으로 시가지 확산이 일어나므로 기존 시가지의 경계선부터의 거리도 토지피복 변화에 영향을 미칠 수 있다. 따라서 본 연구에서는 시가지의 경계선으로 부터의 거리를 파악하기 위해 토지피복도에서 도시로 분류된 지역만을 연도별로 추출하였다(그림 10).

    IV. EDF 및 RFF를 이용한 토지피복 변화량 분석 및 정규화

       1. EDF를 이용한 토지피복 변화량 분석

    토지피복이 변화하는데 있어 어떤 요인이 어느 정도 영향을 미치는지를 알아보기 위해 (그림 11)과 같이 EDF 값을 산출하여 1989년에서부터 1999년까지 각 화소의 해발고도, 사면경사도, 시가지로부터의 거리, 도로로부터의 거리에 따른 대표적인 토지피복 변화량을 분석하였다.

    먼저 해발고도는 대부분의 클래스 변화가 20~40m를 중심으로 가장 많이 나타나고, 고도가 높아지면서 변화량이 급격히 감소하다가 120m 이후에는 변화가 거의 없었다. 사면경사도는 커질수록 변화량이 점차 감소하였으며, 가장 완만한 경사도 0~10°에서 대부분의 클래스 변화가 나타났고, 10° 이후에는 변화가 거의 없었다. 시가지로부터의 거리는 시가지로부터 멀어질수록 변화량이 급격하게 감소하였으며, 대부분 시가지에서 0~1km정도 떨어진 곳에서 가장 많은 클래스 변화가 나타났다. 이밖에 도로로부터의 거리는 도시로부터의 거리와 마찬가지로 도로에서 멀어질수록 변화량이 급격하게 감소하였으며, 도로로부터 0~2km정도 떨어진 곳에서 가장 많은 클래스 변화가 나타나 규칙성은 있지만, 그 변화량이 다른 요인들에 비해 매우 적게 나타나고 있어 본 연구지역에서는 토지피복 변화에 영향을 주지 못하는 것으로 나타났다.

    예외적으로, (그림 11)의 해발고도와 사면경사도 요인에서의 클래스 1에서 클래스 4로의 변화는 다른 토지피복 변화 경향을 보이는 것은 클래스 1에 해당되는 산림지가 다른 클래스에 비해 자연적 요인에 의한 클래스의 변화량 증감에 적게 영향을 받기 때문이다. 따라서 산림지는 50~80m 사이에 변화량이 가장 많이 보이나 다른 클래스 보다 그래프의 기울기가 완만하게 변화량이 감소하는 것을 알 수 있었다.

    1999년에서 2009년 사이의 각 요인별 토지피복 변화량을 EDF를 이용하여 그래프를 작성하면 (그림 12)와 같다. 이 기간 동안의 EDF 그래프는 1989년에서 1999년 사이의 EDF 그래프와 유사한 형태가 나타났다. 다만, 1999년에서 2009년에는 지가 요인을 추가로 분석하였는데, 지가는 표준지 공시지가로 ‘리’ 단위표준지 공시지가의 평균값을 계산하였다. 분석 결과, 다른 요인과 동일한 상관관계를 갖고 있음을 분석 할 수 있었다. 그리고 1999년에서 2009년 사이에서도 도로로부터의 거리만 EDF 값이 너무 작게 나타났다. 따라서 도로로부터의 거리 요인은 토지피복을 변화시키는데 규칙성은 있으나 영향력이 크지 않아 토지피복 변화요인으로 볼 수 없었다.

       2. 요인별 토지피복 변화의 도수분포 정규화

    본 연구에서는 각 요인들이 토지피복 변화에 어떠한 영향을 미치는지를 수학적으로 나타내기 위해서 시기별로 나누어 클래스의 변화를 EDF 그래프로 표현하였고, 이를 통해 RFF로 나타내기 위한 세 개의 변수값 a, b, c를 구하여 정규화 하였다.

    1) 해발고도에 따른 RFF

    해발고도에 따라 변하는 토지피복 변화를 정규화 시키기 위해 1989년에서 1999년, 1999년에서 2009년 두 시기 동안에 각 화소의 대표적인 클래스별 변화를 EDF를 이용하여 그래프를 작성하면 (그림 13)과 같다. 또한 EDF 그래프를 이용하여 RFF를 표현하기 위한 변수 a, b, c를 구하면 (표 4)와 같다.

    전체적으로 해발고도 25~65m 사이에서 모든 토지피복변화율이 높게 나타났으며, 반면에 140m~300m 사이에서 변화율이 낮게 나타났다. 그 중 산림지에서 밭으로의 변화율 최고값(b)은 두 기간 동안 각각 65m, 55m, 최저값(c)은 각각 300m, 250m로 나타났다. 이러한 변화율은 다른 토지피복 변화율에 비해 상대적으로 최저값이 가장 높은 고도까지 분포하는데, 그 원인은 산림지에서 고도가 높은 지역에서 토지피복 변화가 일어날 경우 밭으로의 토지피복 변화가 많기 때문인 것으로 판단된다. 하지만, 일정해발고도 이상을 상승(250~300m)하게 되면 모든 산림지에서 토지피복 변화가 일어나지 않는 것으로 판단된다. 반면에 산림지에서 도시로의 변화율은 밭으로의 변화율에 비해 상대적으로 낮은 고도에서 최저값이 나타난다. 이밖에 논에서 밭 및 논에서 도시로의 토지피복 변화율은 해발고도가 낮은 지역에서 다른 토지피복 변화율에 비해 최고값이 나타났으며, 두 개의 변화율 중 최저값은 상대적으로 논에서 밭이 해발 고도가 높게 나타났다.

    2) 사면경사에 따른 RFF

    사면경사에 따라 변하는 토지피복 변화를 정규화 시키기 위해 1989년에서 1999년, 1999년에서 2009년 두 시기 동안에 각 화소의 대표적인 클래스별 변화를 EDF를 이용하여 그래프를 작성하면 (그림 14)와 같다. 또한 EDF 그래프를 이용하여 RFF를 표현하기 위한 변수 a, b, c를 구하면 (표 5)와 같다.

    전체적으로 경사가 낮으면 변화율이 높게 나타났으며, 경사가 높아지면서 급격하게 변화율이 감소하였다. 특히 0~10° 사이에서 변화율이 높게 나타났으며, 20° 이상에서는 변화가 거의 나타나지 않았다. 그중 논과 밭이 밭이나 도시로 변하는 경우는 모두 경사가 0°일 때 가장 많은 변화량이 나타났고, 25~30°이상에서는 변화율이 매우 낮게 나타났다. 이러한 변화율은 논이나 밭이 대부분 경사가 낮은 곳에 분포하고 있기 때문으로 경사가 높은 곳은 밭이나 도시로의 개발이 어렵기 때문인 것으로 판단된다. 그러나 산림지에서 밭이나 도시로의 변화는 경사도 5°에서 가장 많은 변화율을 나타내며, 경사도 30~40°까지 변화율이 조금씩 감소하였으며, 그 변화율은 다른 클래스에 비해 적게 나타났다. 이는 산림지가 경사도가 높은 곳에 주로 분포하고 있고, 공원이나 개발이 제한된 구역으로 정해진 곳이 많아 토지피복 변화가 잘 나타나지 않는 것으로 판단된다.

    3) 시가지로부터의 거리에 따른 RFF

    시가지로부터의 거리에 따라 변하는 토지피복 변화를 정규화 시키기 위해 1989년에서 1999년, 1999년에서 2009년 두 시기 동안에 각 화소의 대표적인 클래스별 변화를 EDF를 이용하여 그래프를 작성하면 (그림 15)와 같다. 여기서 1989년에서 1999년 사이 EDF는 1989년도 토지피복도의 분류항목 도시의 가장 바깥쪽 경계선에서부터의 거리에 따른 변화율이고, 1999년에서 2009년 사이 EDF는 1999년도 토지피복도의 분류 항목 도시의 가장 바깥쪽 경계선에서부터의 거리에 따른 변화율을 나타낸 것이다. EDF 그래프를 이용하여 RFF를 표현하기 위한 변수 a, b, c를 구하면 (표 6)과 같다.

    전체적으로 도시로부터 거리가 0~500m 사이에서 모든 토지피복 변화율이 높게 나타났으며, 1~1.5km 사이에서 변화율이 낮게 나타났다. 그중 밭에서 도시로의 변화율 최고값(b)은 두시기 모두 700m, 최저값(c)은 각각 1.2km, 1km로 나타났다. 또한 논에서 도시로의 변화율 최고값(b)은 두시기 모두 1km, 최저값(c)은 각각 1.1km, 900m로 나타났다. 이러한 변화율은 다른 클래스에 비해 도시로 변화하는 경우 기존 도시지역에서 가까운 곳에서 변화율이 높게 나타나는 것으로, 도시는 대부분 기존 도시와 연결되어 개발되기 때문인 것으로 판단된다. 이밖에 산림지의 변화는 도시로부터의 거리가 1.5~3km 사이에서 높은 변화율이 나타나고 15~20km 사이에서 변화율은 현격히 떨어져 낮게 나타났다.

    4) 지가에 따른 RFF

    지가분포에 따라 변하는 토지피복 변화를 정규화 시키기 위해 1999년에서 2009년 사이 각 화소의 클래스별 변화를 EDF를 이용하여 작성하면 (그림 16)과 같다. 지가는 1999년 이전의 자료를 찾기가 어려워 1999년에서 2009년 한 시기만을 분석하였다. EDF 그래프를 이용하여 RFF를 표현하기 위한 변수 a, b, c를 구하면 (표 7)과 같다.

    전체적으로 단위면적당 지가가 낮을수록 많은 변화율을 나타내며, 지가가 10만원 이상인 곳에서는 변화율이 낮게 나타났다. 그중 산림지에서 밭으로의 변화율이 최고값(b) 1만원, 최소값(c) 10.5만원으로 지가에 따라 민감한 변화율이 나타났고, 밭에서 도시로의 변화율은 최고값(b) 1.5만원, 최소값(c) 15만원으로 변화 폭이 상대적으로 작게 나타났다. 이는 지가가 이미 해발고도와 경사도 도시로부터의 거리를 반영하고 있어 산림지에 비해 밭이 지가의 영향을 적게 받기 때문인 것으로 판단된다. 그러나 모든 클래스의 변화가 비슷한 경향성을 보이고 있어 지가가 토지피복 변화율과 관계성이 높은 것으로 판단된다.

    V. 결 론

    본 연구는 다중시기 위성영상을 이용하여 천안·아산시의 토지피복도를 작성하고, GIS 공간자료와의 통합을 통해 화소 단위로 토지피복 변화를 공간적으로 분석하였다. 또한, 천안·아산시의 자연 및 인문·사회환경 지표공간자료를 구축하여 토지피복의 변화에 영향을 미치는 요인들을 경험도수분포함수를 이용하여 분석하였고, 상대선호도지수를 이용하여 토지피복 유형별 규칙성을 추정하였다. 그 결과는 다음과 같다.

    첫째, 각 시기별 토지피복 변화탐지 결과, 첫 번째 시기(1982~1989)의 토지피복 변화는 밭에서 도시, 논에서 밭으로의 변화가 가장 크다. 이 기간 동안 도시와 밭의 면적이 증가하였고, 반면에 산림지와 논의 면적은 감소하였다. 이러한 원인은 도시 주변지역에서 시가화지역의 확대되고 간척사업으로 인해 산림지나 농경지 지역의 토지피복 유형이 바뀌게 된 결과이다. 두번째 시기(1989~1999)의 토지피복 변화는 산림지에서 밭, 논에서 밭으로의 변화가 두드러지며, 논에서 도시로의 변화와 밭에서 도시로의 변화, 산림지에서 도시로의 변화가 잘 나타난다. 이 기간 동안 도시의 증가는 도시 주변지역에서 시가화 지역이 확대되면서 나타난 현상이다. 세 번째 시기(1999~2009)의 토지피복 변화는 밭에서 도시, 논에서 도시로의 변화가 가장 크게 나타났다. 이 기간 동안 도시의 면적이 증가한 것은 연구지역에 교통이 발달하여 국도와 철도 등이 확대되고 신도시와 신산업단지의 개발로 인해 도시가 성장된 결과이다.

    둘째, 연구지역의 토지피복 변화탐지 결과를 바탕으로 일정한 4가지 규칙성을 찾을 수 있었는데, ① 산림지는 밭과 도시, 논은 밭과 도시, 밭은 도시로 변하는 것이 가장 일반적인 토지피복 변화 규칙성이며, ② 산림지와 논은 직접 도시로 변하는 경우도 있지만 10년을 주기로 밭으로 변한 이후 다시 도시로 변하는 규칙성이 나타나며, ③ 도시 면적이 확대되면서 산림지, 논은 계속 감소하고, 밭은 면적의 변화보다 화소의 공간적 위치 변화가 큰 규칙성을 파악하였으며, ④ 이러한 규칙성은 1982년에서 1989년 사이보다는 1989년에서 2009년의 20년 동안에 뚜렷하게 나타났다.

    셋째, 지표공간정보 자료는 해발고도, 사면경사, 도로망, 지가, 시가지 분포도 등을 구축하였는데, 해발고도 및 사면경사 등의 자연환경 주제도는 토지피복 변화에 따라 고도 및 경사에서 차이가 나타나서 토지피복 변화량 추정에 적합한 주제도로 이용될 수 있다. 또한 지가 및 시가지 분포도 역시 토지피복 변화에 미치는 영향을 파악 할 수 있어서 중요한 인문·사회 지표로 사용될 수 있다. 반면에 도로망은 본 연구지역에서 다른 주제도들에 비해 토지피복 변화에 적게 영향을 주는 것으로 나타났다.

    넷째, 두 시기별로 토지피복 변화량을 경험도수분포함수를 이용하여 산출한 결과, 첫 번째 시기(1989~1999)에서는 해발고도가 높아지면 변화량이 급격히 감소하고, 120m 이상에서는 변화가 거의 나타나지 않았다. 사면경사도 역시 경사가 커질수록 변화량이 감소하였고, 0~10°에서 대부분의 토지피복 변화가 나타났다. 시가지로부터의 거리도 시가지로부터 멀어질수록 변화량이 급격하게 감소하여 기존 시가지로부터 거리가 0~1.5km 사이에서 대부분의 변화가 나타났다. 도로로부터의 거리도 도로로부터 멀어질수록 변화량이 급격하게 감소하지만, 그 변화량이 다른 주제도들에 비해 적게 나타나서 본 연구지역의 토지피복 변화에 큰 영향을 주지는 못하였다. 두 번째 시기(1999~2009)는 EDF 그래프가 첫 번째 시기와 유사한 형태로 나타났으며, 추가된 지가 역시 다른 주제도들과 동일한 상관관계를 갖고 있었다. 하지만 도로로부터의 거리는 EDF 값이 너무 작게 나타나서 그 영향력이 크지 않은 것으로 판단되었다.

    마지막으로, 토지피복의 공간적 변화와 이러한 변화에 영향을 미치는 요인들의 상관관계를 파악하기 위하여 EDF를 이용하여 각 요인들의 관계성을 파악하고 이를 통해 상대선호도지수를 구할 수 있었다. 즉, RFF는 해발고도 25~65m 사이에서 모든 토지피복 변화율 값이 높게 나타났고, 반면에 140m~300m 사이에서는 변화율 값이 낮게 나타났다. 사면경사에서는 0~10° 사이에서 변화율이 높게 나타났으며, 20° 이상에서는 변화가 거의 나타나지 않았다. 시가지로부터의 거리에서는 시가지로부터 거리가 0~500m 사이에서 모든 토지피복 변화율이 높게 나타났고, 1~1.5km 사이에서 변화율이 낮게 나타났다. 지가분포에서는 단위면적당 지가가 낮을수록 많은 변화율을 나타났으며, 10만원 이상인 곳에서는 변화율이 낮게 나타났다.

    본 연구는 다중시기 위성영상과 지표공간정보자료를 바탕으로 화소 단위의 토지피복 변화탐지의 공간적 변화를 분석하였다. 특히, 이러한 변화에 영향을 미치는 변화요인들의 상대선호도함수식을 구하여 각 요인별 변수를 찾아 토지피복 변화탐지의 규칙성을 찾아냈다. 이러한 결과는 향후 토지피복 변화의 공간적 추이를 예측할 수 있는 기초자료로 활용될 수 있을 것이다. 이를 통해 미래 토지피복 변화를 화소 단위로 공간적 예측이 가능해 진다면 효율적인 지역개발 계획을 세우는데 큰 도움이 될 것으로 기대된다.

  • 1. 김 성준, 이 용준 2007 “면적규모 및 공간해상도가 CA-Markov 기법에 의한 미래 토지이용 예측 결과에 미치는 영향” [한국지리정보학회지] Vol.10 P.57-69 google
  • 2. 김 장수, 장 동호 2012 “다중시기 위성영상과 ASTER DEM자료를 이용한 충남해안지역의 임상 변화 분석” [한국지형학회지] Vol.19 P.69-81 google
  • 3. 김 찬수, 박 지훈, 장 동호 2011 “다중시기 위성영상과 토지 통계자료를 이용한 토지피복 변화 예측: 천안·아산시를 사례로” [한국지형학회지] Vol.18 P.41-56 google
  • 4. 김 훈희, 이 진희 2001 “토지이용변화 확률모형 구축 및 적용에 관한 연구” [대한국토·도시계획학회지] Vol.36 P.95-111 google
  • 5. 양 지연, 최 철웅 2006 “해운대 해수욕장의 해안지형 및 토지피복 변화 분석” [한국지리정보학회지] Vol.9 P.101-115 google
  • 6. 우 태훈 2002 GIS와 Cellula Automata를 이용한 용인시 도시 확산 예측모형 개발 google
  • 7. 윤 정미, 이 성호 2006 “지역적 특성을 고려한 도시성장 패턴에 관한 연구” [한국지리정보학회지] Vol.9 P.116-126 google
  • 8. 이 동근, 김 재욱, 박 찬 2010 “토지피복 변화를 반영한 미래의 산림식생 분포 예측에 관한 연구” [환경영향평가] Vol.19 P.117-125 google
  • 9. 이 진덕, 조 창환 2004 “영상의 차연산과 비연산 기법에 의한 도시지역의 토지피복 변화탐지” [한국지형공간정보학회지] Vol.12 P.43-52 google
  • 10. 장 동호, 지 광훈, 이 현영 2002 “퍼지논리연산을 이용한 안면도 지표환경 변화 예측” [대한지리학회지] Vol.37 P.371-384 google
  • 11. 장 동호 2004 “다중분광 및 다중시기 영상자료 통합을 통한 토지피복분류 갱신” [한국사진지리학회지] Vol.39 P.786-803 google
  • 12. 장 동호 2005 “지표변화와 지리공간정보의 연관성 분석을 통한 공주지역 지표환경 변화 분석” [대한지리학회지] Vol.40 P.296-309 google
  • 13. 전 형섭, 임 승현, 조 기성 2003 “토지피복 변화탐지를 위한 위성영상의 적용에 관한 연구” [공학연구학회지] Vol.34 P.105-113 google
  • 14. 차 상인 2012 공간정보자료를 이용한 미래 토지피복 변화 예측기법 개발 : 서산시를 사례로 google
  • 15. 최 철웅, 이 창헌, 서 용철, 김 지용 2009 “Landsat 영상을 이용한 변화탐지 분석 기법 연구” [한국지리정보학회지] Vol.12 P.13-20 google
  • 16. 2001 공간정보를 이용한 지표현황 변화 탐지 및 통합기술 개발: 대전시 사례연구. google
  • 17. Feddema J. J., Oleson K. W., Bonan G. B., Mearns L. O., Buja L. E., Meehl G. A., Washington W. M. 2005 “The importance of land-cover change in simulating future climates” [Science] Vol.310 P.1674-1678 google doi
  • 18. George X., Collin H., Joyce F. 2009 “Updating the 2001 National Land Cover Database land cover classification to 2006 by using Landsat imagery change detection methods” [Remote Sensing of Environment] Vol.113 P.1133-1147 google doi
  • 19. Giles M. F. 2010 “Assessing the accuracy of land cover change with imperfect ground reference data” [Remote Sensing of Environment] Vol.114 P.2271-2285 google doi
  • 20. Gjertsen A. K. 2007 “Accuracy of forest mapping based on Landsat TM data and a kNN-based method” [Remote Sensing of Environment] Vol.110 P.420-430 google
  • 21. 2007 Climate Change 2007: The Physical Science Basis. google
  • 22. Legleitera C. J., Robertsa D. A. 2005 “Effects of channel morphology and sensor spatial resolution on image-derived depth estimates” [Remote Sensing of Environment] Vol.95 P.231-247 google doi
  • 23. Liu C., Frazierb P., Kumara L. 2007 “Comparative assessment of the measures of thematic classification accuracy” [Remote Sensing of Environment] Vol.107 P.606-616 google doi
  • 24. Matthew C. H., David P. R., Erik L., Bernard A., Christopher O. J., Alice A. 2008 “A method for integrating MODIS and Landsat data for systematic monitoring of forest cover and change in the Congo Basin” [Remote Sensing of Environment] Vol.112 P.2495-2513 google doi
  • 25. Michael A. W., Joanne C. W., Samuel N. G., Jeffrey G. M., James R. I., Martin H., Warren B. C., Thomas R. L., Curtis E. W. 2008 “Landsat continuity: Issues and opportunities for land cover monitoring, [Remote Sensing of Environment”] Vol.112 P.955-969 google doi
  • 26. Rees W. G., Williams M., Vitebsky P. 2003 “Mapping land cover change in a reindeer herding area of the Russian Arctic using Landsat TM and ETM+ imagery and indigenous knowledge” [Remote Sensing of Environment] Vol.85 P.441-452 google doi
  • 27. Rui J., Xin L., Tao C. 2009 “A decision tree algorithm for surface soil freeze/thaw classification over China using SSM/I brightness temperature” [Remote Sensing of Environment] Vol.113 P.2651-2660 google doi
  • 28. Takeshi A., Tetsuy A. 2004 “Empirical analysis for estimating land use transition potential functions-case in the Tokyo metropolitan region” [Computer, Environment and Urban Systems] Vol.28 P.65-84 google
  • 29. Vaart A. W. 1998 Asymptotic Statistics google
  • 30. Verburg P. H., Soepboer W., Veldkamp A., Limpiada R., Espaldon V., Mastura S. S. A. 2002 “Modeling the spatial dynamics of regional land use: The CLUES model” [Environmental Management] Vol.30 P.391-405 google doi
  • 31. Wanhui Y., Shuying Z., Changshan W., Wen L., Xiaodong N. 2011 “Analyzing and modeling land use land cover change (LUCC) in the Daqing” [Applied Geography-Sevenoaks-] Vol.31 P.600-608 google doi
  • 32. Yeqiao W., Xinsheng Z. 2001 A dynamic modeling approach to simulating socioeconomic effects on landscape changes [Ecological Modeling] Vol.140 P.141-162 google doi
  • [<그림 1>] 연구지역 위치도
    연구지역 위치도
  • [<표 1>] 연구에 사용된 위성영상 제원
    연구에 사용된 위성영상 제원
  • [<그림 2>] 연구 흐름도
    연구 흐름도
  • [<그림 3>] DEM에서 클래스 4에서 클래스 5로 변한 화소의 EDF 그래프(1989-1999)
    DEM에서 클래스 4에서 클래스 5로 변한 화소의 EDF 그래프(1989-1999)
  • [<그림 4>] RFF 모식도(a, b, c parameter)
    RFF 모식도(a, b, c parameter)
  • [<표 2>] 시기별 토지피복 분류 결과
    시기별 토지피복 분류 결과
  • [<그림 5>] 시기별 토지피복 분류도
    시기별 토지피복 분류도
  • [<표 3>] 시기별 토지피복 변화 탐지 매트릭스 (단위 : pixel)
    시기별 토지피복 변화 탐지 매트릭스 (단위 : pixel)
  • [<그림 6>] 연구지역의 해발고도 분포도
    연구지역의 해발고도 분포도
  • [<그림 7>] 연구지역의 사면경사 분포도
    연구지역의 사면경사 분포도
  • [<그림 8>] 각 시기별 지가분포도
    각 시기별 지가분포도
  • [<그림 9>] 각 시기별 도로망도
    각 시기별 도로망도
  • [<그림 10>] 각 시기별 시가지 분포도
    각 시기별 시가지 분포도
  • [<그림 11>] 변화 요인별 EDF 그래프(1989년-1999년)
    변화 요인별 EDF 그래프(1989년-1999년)
  • [<그림 12>] 변화 요인별 EDF 그래프 (1999년-2009년)
    변화 요인별 EDF 그래프 (1999년-2009년)
  • [<그림 13>] 두 시기로 나눈 DEM별 EDF 그래프
    두 시기로 나눈 DEM별 EDF 그래프
  • [<표 4>] 해발고도에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
    해발고도에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
  • [<그림 14>] 두 시기로 나눈 사면경사별 EDF 그래프
    두 시기로 나눈 사면경사별 EDF 그래프
  • [<표 5>] 사면경사에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
    사면경사에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
  • [<그림 15>] 두 시기로 나눈 시가지로부터의 거리별 EDF 그래프
    두 시기로 나눈 시가지로부터의 거리별 EDF 그래프
  • [<표 6>] 시가지로부터의 거리에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
    시가지로부터의 거리에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
  • [<그림 16>] 지가별 EDF 그래프
    지가별 EDF 그래프
  • [<표 7>] 지가에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값
    지가에 따른 EDF값을 기반으로 한 RFF를 나타내는 세 개의 변수 a, b, c 값