The Journal of
the Korean Society on Water Environment

The Journal of
the Korean Society on Water Environment

Bimonthly
  • ISSN : 2289-0971 (Print)
  • ISSN : 2289-098X (Online)
  • KCI Accredited Journal

Editorial Office


  1. 강원대학교 지역건설공학과 (Department of Regional Infrastructures Engineering, Kangwon National University)
  2. 국립환경과학원 유역총량연구과 (Watershed and Total Load Management Research Division, National Institute of Environmental Research)



CLUE-S, Land use change, Modeling, Modified Success Rate (MSR), SLEUTH3-R

1. Introduction

유역의 토지이용변화는 하천수질, 유역의 수문 그리고 수 생태계에 직접적인 영향을 준다(Oh et al., 2010). 특히 도 시지역은 다른 토지이용에 비해 강우 시 단위면적당 비점 오염원 발생량이 매우 크기 때문에 도시화 현상은 하천수 질에 문제를 야기한다(Lee et al., 2001). 또한 도시화 현상 으로 인한 불투수층의 증가는 땅속으로 침투되는 물의 경 로를 차단하여 지하수 함양 감소에 큰 영향을 미친다. 지 하수자원은 평상시의 하천유량을 결정하는 요소이며(Kim et al., 2013), 이것의 감소는 하천 건천화의 가장 큰 원인 일 뿐만 아니라, 미래 물 부족 국가로 지정된 우리나라에 심각한 가뭄을 초래할 가능성이 크다. 따라서 효율적인 미 래 용수계획, 하천유역관리 및 수질 관리계획을 수립하기 위해서는 미래의 수문현상을 예측할 필요성이 있으며, 이를 행함에 있어 토지이용변화를 고려해야 더욱 신뢰성 있는 결과를 얻을 것이다.

그러나 토지이용변화는 지역 생태계의 순환 과정부터 정 책, 사회 및 경제적인 여건에도 영향을 받기 때문에 매우 복잡하고 다양한 요인으로 이루어진다(Kim et al., 2008; Lee et al., 2009). 특히 인간의 활동 영역이 점점 더 넓어 짐에 따라 토지를 변화시키는 발생 요인들은 더욱 복잡하 게 구성되고 있기 때문에(Kweon, 1997) 미래의 토지이용변 화를 정확하게 예측하는 것은 매우 복잡하며 어렵다.

이러한 토지이용변화를 예측하기 위해 다양한 기법 및 모델들이 개발되었고 이를 활용한 많은 연구가 진행됐다. 국내의 경우, Kim at al. (2008)은 CLUE-S(Conversion of Land Use and its Effects at Small regional extent) 모델과 시계열 Landsat 자료를 이용해 토지이용변화를 예측했고, HAN (2011)은 SLEUTH3-R (Slope Land use Excluded Urban Transportation Hill shade) 모델과 기후변화 시나리오를 고 려하여 토지이용변화 전망 모의를 수행하였다. 또한 Ryu et al. (2014)은 우리나라에서 시행하고 있는 오염총량관리 제에서 효과적인 미래 토지이용별 시공간적 분포 자료를 적용하기 위해 CLUE-S 모델을 이용하여 미래 토지이용변 화에 따른 토지계 발생부하량 변화를 분석하였다. 중국에서 는 CLUE-S 모델을 이용하여 도시 스프롤 현상에 의해 발 생한 토지이용변화를 예측하고 이것이 생태계에 미치는 영향 에 대해 연구하였고(Xu et al., 2013), 미국에서는 Delaware River 유역에 SLEUTH 모델을 적용하여 도시성장을 예측 하였다(Jantz and Morlock, 2011).

그러나 많은 연구가 모델을 활용한 토지이용변화 예측에 만 집중해 왔고 예측 결과에 대한 신뢰성 분석은 미흡한 실정이다. 이에 본 연구는 토지이용예측모델의 예측 결과에 대한 신뢰 수준을 평가하는 것에 목적이 있으며 최근 국내 에서 토지이용변화 예측에 활용되고 있는 CLUE-S와 SLEUTH3-R 모델을 동일한 유역에 적용하여 미래의 토지 이용변화를 예측해보고 실측과 비교해봤을 때 어떤 모델이 좀 더 신뢰할 만한지 Huang and Kao (2006)이 제안한 MSR(Modified Success Rate)을 이용하여 비교하였다.

2. Materials and Methods

2.1. 연구대상지역

연구대상지역인 갑천 A 유역(Fig. 1)은 금강 수계에 위치 하고 있으며 유역 면적은 약 649 km2로 대전광역시를 포함 하고 있다. 이 유역은 과거 농지와 산림이 차지하는 비율 이 80% 이상이었으나 지난 20년 동안 갑천 유역을 중심으 로 도시화가 많이 진행되었다. 1990년도에는 도시비율이 농지비율보다 낮았으나 도시화가 진행되면서 2007년 이후 에는 도시 비율이 농지비율보다 높아지게 되었다. 갑천 유 역은 꾸준하게 도시화가 진행되는 곳으로서 CLUE-S와 SLUEHT3-R 모델을 적용하여 토지이용변화를 예측하고 분석하기에 적합할 것으로 판단되어 연구지역으로 선정하 였다.

Fig. 1. Study area in Gapcheon A.
../../Resources/kswe/KSWE.2016.32.6.552/JKSWE-32-552_F1.jpg

2.2. 토지이용변화 모델의 개요

2.2.1. CLUE-S 모델

CLUE(Conversion of Land Use and its Effects modeling framework; Veldkamp and Fresco, 1996; Verburg et al., 1999) 모델은 토지이용 간 동적 모델링과 토지이용과 토지 이용변화요소(Driving factor) 간 경험적 정량화를 이용한 토지이용변화를 모의하기 위해 개발되었다. 그러나 CLUE 모델은 지역단위의 작은 규모에 바로 적용을 못하는 제한 점이 있어 이를 해결하기 위해 네덜란드 Wageningen 대학 에서 기존의 CLUE 모델을 개선한 CLUE-S 모델을 개발 하였다(Verburg et al., 2002). CLUE-S 모델은 비 공간적 모듈과 공간적 모듈로 구성되어 있으며 비 공간적 모듈은 전체적으로 모든 토지이용 유형에 대한 지역의 변화를 계 산하고 공간적 모듈에서 이를 레스터자료 기반 시스템을 사용하여 연구지역 내 다른 위치로 토지이용유형을 할당하 는 구조를 지닌다. 하지만 CLUE-S 모델은 공간적 모듈만 사용자 인터페이스로 제공하기 때문에 비공간적 모듈에 필요 한 자료와 결과는 사용자가 직접 엑셀이나 SPSS (Statistical Package for the Social Sciences)와 같은 통계 프로그램을 이용하여 작성하여야 한다.

2.2.2. SLEUTH3-R 모델

SLEUTH 모델은, 미국 캘리포니아 산타바바라 주립대학 의 Clarke 교수가 개발한 도시성장 모델(Clarke Cellular Automaton Urban Growth Model)을 개선한 도시성장과 토지이 용변화를 모의하는 모델이다(Dietzel and Clarke, 2007). SLEUTH는 도시영역성장 모의를 위한 UGM(Urban Growth Model)과 토지이용변화 예측을 위한 Deltatron으로 구성된 다. UGM과 Deltatron에서 미래 예측을 위한 연산은 CA (Cellular Automata)기법을 활용한다. 그러나 기존 모델의 경우, 자발적 성장과 도로유발 성장에 사용되는 확장계수를 계산할 때, 확장계수배율이 0.005로 고정되어있기 때문에 모든 지역에 적용하기에는 제한점이 있었다. SLEUTH3-R 모델은 이 같은 문제를 수정하고자 Jantz et al. (2010)이 기존의 SLEUTH 3.0beta_p01 Version D의 소스코드를 변 경한 모델로서, 확장계수배율 값을 변수로 처리할 수 있다 (Han, 2011).

2.3. 입력자료 구축

2.3.1. 모델별 입력자료 소개

CLUE-S와 SLEUTH3-R에 필요한 입력자료를 구축하기 위해 사용한 자료는 Table 1과 같다. 국립공원과 같은 제한 구역, 1990년 그리고 1995년 토지이용도는 국가 수자원 관리 종합 정보시스템에서 제공하는 자료를 이용하였고, 2000년 이후의 토지이용도는 환경부에서 제공하는 토지피복도를 이용하였다. DEM(Digital Elevation Model)은 1:5000 수치 지도를 통해 구축하였고, 이를 이용하여 경사도와 경사향을 구축하였다. 인구는 2005년 통계청 인구자료를 이용하였고, 도로망은 토지이용도에서 추출하여 구축하였으며, 하천도는 국립환경과학원에서 구축한 한국형 Reach 파일 자료를 활 용하였다.

Table 1. Input data used in each model
Input CLUE-S SLEUTH3-R Input CLUE-S SLEUTH3-R
Land use 1990 x o Aspect o x
Land use 1995 x o Population o x
Land use 2000 o o Density o x
Land use 2007 o o Road o o
Land use 2010 o o Reach o x
DEM o o Restricted Area o o
Slope o o - - -

이 자료들을 ArcGIS(Geographic Information System)와 SPSS통계 프로그램을 이용하여 각 모델에 필요한 입력자 료 형태로 가공하였다.

2.3.2. CLUE-S 모델 입력자료 구축

CLUE-S 모델 구동을 위해 필요한 자료는 총 5가지로 토 지이용자료(Land use map), 토지이용요구 자료(Land use requirements), 지역특성자료(Location characteristics), 토지 이용정책자료(Spatial policies and Restriction), 및 토지이용 변화 매개변수 자료(Land use type specific conversion settings) 로 구분된다.

첫째로, CLUE-S에 적용하기 위한 토지이용자료는 2000 년도 토지피복도를 사용하였다.

둘째로, 비 공간적 모듈 자료에 해당하는 토지이용요구 자료는 토지이용면적이 특정 경향에 따라 미래에 어떻게 증감될 것인가에 대해 사용자가 주관적으로 작성할 수 있 는 자료이다. 본 연구에서는 토지이용요구 자료를 구축하기 위해, 과거의 토지이용이 미래 토지이용 경향에 영향을 준 다고 가정하고 2000년과 2007년 환경부 토지피복도를 SPSS에 적용하여 선형추세를 통해 2010년까지의 토지이용 요구 자료를 산정하였다.

셋째로, 지역특성자료는 토지이용을 변화시킬 수 있는 다 양한 토지변화요소를 사용자가 직접 설정하고 이에 따른 각 토지이용별 회귀분석을 실시하여 얻은 회귀계수(β)를 모델에 적용하여 토지변화예측에 적용하게 되는 입력자료 이다. 본 연구에서는 경사향: X1, DEM: X2, 인구밀도: X3, 인구: X4, 도로까지의 거리: X5, 경사도: X6, 그리고 하천까 지의 거리: X7 를 토지변화요소로 설정하고 SPSS 통계 프 로그램을 이용하여 모든 토지이용별로 토지변화요소에 대 한 회귀분석을 실시하였으며 이때의 회귀계수를 식 (1)에 적용하여 CLUE-S의 입력자료로 사용하였다.

(1)
Log P i 1 - P i = β 0 + β 1 X 1 , i + β 2 X 2 , i + β n X n , i

여기서, β 는 회귀계수, Xn 는 토지변화요소, Pi 는 격자 i 의 토지이용이 변화될 확률이다(Verburg et al., 2002). 하지 만 모든 회귀식이 적합하지 않을 수 있기 때문에 이를 검 증하는 단계가 필요하다. 따라서 본 연구에서는 각 토지이 용별 회귀분석의 적합성을 검증하기 위해서 ROC(Receiver Operating Characteristic) curve 분석을 실시하였다.

넷째로, 토지이용정책자료는 토지이용정책에 대한 영향을 모델 내 반영할 수 있는 입력자료이다. 본 연구에서는 갑천 A 유역에 해당하는 국립공원과 상수도보호구역 자료를 이용 하여 해당 지역에서의 토지이용변화를 제한하였다(Fig. 2).

Fig. 2. Restricted area in Gapcheon A.
../../Resources/kswe/KSWE.2016.32.6.552/JKSWE-32-552_F2.jpg

마지막으로, CLUE-S 모델에서는 사용자가 토지이용변화 매개변수 자료를 임의로 지정해 주면 토지이용변화 예측에 적용이 되는데, 이러한 매개변수 중 가장 민감한 부분이 변환탄성(Conversion elasticity)계수와 변환행렬(Conversion matrix)을 결정하는 것이다.

변환탄성계수란 각 토지이용별 변환이 일어날 수 있는 확 률을 수치화시킨 매개변수로서 0에서 1사이 값을 가진다. 그 값이 클수록 이미 할당되어 있던 토지유형으로 유지가 선호됨을 의미한다. 즉 값이 1에 가까울수록 공간적 변화에 대한 저항값이 커짐을 의미한다.

변환행렬은 각 토지유형에 대해 어떤 유형으로 변환이 가능한지 0과 1로 구분한 것으로 CLUE-S 모델에서는 0일 경우 토지이용 간 변환이 되지 않는 것으로 판단하며, 1일 경우에는 변환이 가능한 것으로 판단한다. 변환가능확률이 높아도 변환행렬에 의해 제한된 토지이용변화는 이루어지 지 않는다.

본 연구에서는 모든 토지이용에 대해 동일한 변환확률을 주기 위해 변환탄성계수 값을 0.5로 고정해서 적용하였으 며 변환행렬의 경우에는 도시지역은 타 토지이용으로 변환 될 가능성이 거의 존재하지 않을 것으로 판단하여 모두 0 으로 설정하였고, 나머지 유형에 대해서는 Table 2와 같이 변환행렬을 설정하여 CLUE-S 모델에 적용하였다.

Table 2. Conversion matrix for CLUE-S model
Urban Agriculture Forest Pasture Wetland Bareland Water
Urban 1 0 0 0 0 0 0
Agriculture 1 1 0 1 1 1 0
Forest 1 1 1 1 1 1 0
Pasture 1 1 1 1 1 1 1
Wetland 1 1 0 1 1 1 1
Bareland 1 1 0 1 1 1 1
Water 0 0 0 1 1 1 1

2.3.3. SLEUTH3-R 모델의 입력자료 구축

SLEUTH3-R 모델에 필요한 입력자료는 경사도(Slope), 토지이용도(Land use), 개발제한구역(Excluded), 도시영역도 (Urban) 그리고 도로망(Transportation)이다.

첫째로, 경사도는 도시성장 가능 여부를 판단하는 과정에 서 사용되는 입력자료로서 SLEUTH3-R에서는 경사도가 21% 이상인 지역에서 도시성장이 불가능하다고 가정한다. 본 연구에서 DEM자료를 이용하여 경사도를 생성하였다.

둘째로, SLEUTH3-R 모델의 경우 비도시지역의 토지이 용변화를 모의할 때, Deltatron이 이용되는데, 이것이 활성 화되기 위해서는 2개의 토지이용도가 필요하다. 본 연구에 서는 1990년 토지이용도와 2007년 토지피복도를 사용하였다.

셋째로, SLEUTH3-R 모델은 CLUE-S와 마찬가지로 개발 제한구역 자료를 입력하여 물리적으로 도시성장이 불가한 지역을 설정해 줄 수 있으므로 CLUE-S와 동일한 개발제한 구역자료를 이용하였다.

넷째로, 도시영역도는 가장 중요한 입력자료로서 보정 시 관측 값의 역할을 하게 되어 보정 시 모의 값의 정확도를 결정하는 자료이다(Han, 2011). 이 모델은 4개 이상의 도시 영역도를 필요로 하기 때문에, 1990년, 1995년, 2000년 그 리고 2007년 토지이용도와 토지피복도를 이용하여 도시영 역도를 추출하였다(Fig. 3).

Fig. 3. Urban distribution from 1990 to 2007.
../../Resources/kswe/KSWE.2016.32.6.552/JKSWE-32-552_F3.jpg

마지막으로, SLEUTH3-R 내에서 도로망도는 정밀한 보 정을 위하여 입력하는 필수자료이다. 도로등급에 따라 이동 성이 달라지며 그에 따른 도시 확장 형태도 달라지기 때문 에(Dieze and Clarke, 2007) 그 값을 등급에 따라 달리 적 용해주어야 한다. 본 연구에서는 해당연도 토지이용도에서 교통지역을 추출하고 재분류하여 도로망을 구축하였으며, 최종적으로 교통주제도 도로등급(Table 3)에 따라 각기 다 른 픽셀 값을 설정해주었다(Fig. 4).

Table 3. Pixel value for different types of roads
Code Type Value
101 Expressway 100
102 Urban expressway 75
103 National highway 75
104 Special/Metropolitan road 25
105 Local road supported by nation 50
106 Local road 50
107 Si/Gun road 50
108 Lamps connected expressway 100
Fig. 4. Transportation network in Gapcheon A.
../../Resources/kswe/KSWE.2016.32.6.552/JKSWE-32-552_F4.jpg

2.4. SLEUTH3-R 모델의 최적성장계수 결정

SLEUTH3-R 모델은 기구축된 입력자료를 바탕으로 네 가 지의 성장유형을 단계별로 거쳐 도시성장을 예측하게 된다. 첫 번째 단계는 자발적 성장(Spontaneous growth), 두 번째 단계는 중심지 주도형 성장(New spreading center growth), 세 번째 단계는 도시주변 성장(Edge growth), 그리고 마지 막 단계는 도로 유발 성장(Road-influenced growth)이다. 4개 의 성장유형에는 확장(Dispersion), 증식(Breed), 확산(Spread), 경사(Slope), 그리고 도로중요도(Road-gravity)라는 5개의 성 장계수가 각각 관련되어 있으므로 토지이용변화를 잘 표현 할 수 있는 최적의 성장계수를 결정해야한다. 이 값을 결정하 기 위해 SLEUTH3-R에서는 Brute force 방법이 이용된다. Brute force 방법은 최적의 성장계수 값을 결정하기 위해 SLEUTH3-R 에서 생산된 다양한 통계량을 기준으로 입력자료의 해상도 를 Coarse, Fine 그리고 Final로 조절하며 단계별 보정을 실 시하는 것이다. 본 연구에서는 Brute force 방법에서 제시되 는 다양한 통계 지표 중, Leesalee 값을 기준으로 최적 성장 계수를 결정하였다. 여기서, Leesalee 값은 증가한 도시 셀 수 대비 두 영상 간의 일치 셀 수의 비율을 나타낸다.

2.5. 이미지 유사성 분석 - MSR

MSR는 기존에 cell-based landslide 모델의 성능을 평가 할 때 흔하게 사용되던 SR(Success Rate)를 개선한 지수이 다. MSR 방법은 과예측과 저예측 문제에 있어 절충된 값 을 제시할 수 있으며 모델 성능에 대한 가장 신뢰할 수 있 는 척도를 제공할 수 있다는 장점이 있다(Huang and Kao, 2006). MSR은 cell-based landslide 모델에 대한 성능을 평 가하기 위해 제안되었으나, 이미지를 분석하는 개념은 비슷 하기 때문에 이번 연구에서 토지이용변화모델의 정확도를 평가하는 지표로 사용하였다.

(2)
MSR = i = 1 n 1 n P i A i

식 (2)에서, n은 토지이용유형의 수, Pi은 토지이용유형이 i일 때, 성공적으로 예측된 cell의 개수, Ai은 토지이용유형 이 i일 때 실제 cell의 개수이다. 즉, MSR은 성공적으로 예 측된 cell과 실제로 존재하는 cell의 비에 동일한 가중치를 주어 토지이용변화 모델의 정확도를 평가할 수 있다.

각 모델에 의해 생성된 2007년 토지이용도와 환경부 2007 년 토지피복도를 MSR을 기준으로 비교해 본 후, 그때의 매 개변수를 이용하여 2010년을 검증하는 단계를 거쳐 각 모 델의 정확도를 비교했다.

3. Results and Discussion

3.1. 토지이용별 토지이용변화와의 회귀분석 결과

CLUE-S를 이용하여 토지이용변화를 모의함에 있어 사회 적, 정책적 그리고 지형적 인자를 고려하기 위하여 7가지 의 토지변화요소를 결정하였으며, 이를 이용하여 토지이용 별 회귀분석을 실시하여 회귀계수 β값을 산정하였다. 이 값을 사용하기 이전에 도출된 회귀분석에 대한 적합성을 판단하기 위해 ROC curve를 이용하였다.

ROC는 True positive (=Sensitivity, 민감도)와 True negative (=Specificity, 특이도)를 동시에 나타내는 그래프이며 이때 x축은 False positive rate (=1-True negative), y축은 True positive rate가 된다. ROC curve 아래의 면적인 AUC (Area Under the ROC Curve) 값에 따라서 적합성을 평가 하는데, AUC가 0.5이하인 경우 전혀 사용될 수 없는 부적 합 회귀식이고 0.5에서 0.7사이면 덜 정확함, 0.7에서 0.9사 이면 비교적 높은 적합, 0.9에서 1사이면 매우 적합, 1이면 완벽한 적합으로 구분할 수 있다(Song, 2009).

ROC curve 분석 결과 도시, 산림, 습지에 대해서는 0.9이 상으로 매우 높은 적합성을 나타냈고, 논, 나지, 수역에 대해 서는 0.8이상, 초지에서는 0.74 값을 나타냈다(Table 4). 대 체로 모든 유형에서 매우 높은 적합성을 나타내고 있으며, 초지에서 가장 낮은 적합성을 보였으나 이 값은 비교적 높 은 적합성을 보이는 것이기 때문에 모든 토지유형에 대한 회귀분석 결과를 CLUE-S 모델에 반영하였다.

Table 4. AUC value for different land use class for CLUE-S
Urban Agriculture Forest Pasture Wetland Bareland Water
AUC 0.915 0.836 0.942 0.740 0.947 0.818 0.887

3.2. 토지이용변화 모델 예측 결과

3.2.1. CLUE-S 2007년도 예측 결과

2010년을 모의하기에 앞서 설정한 변환탄성계수와 변환 행렬 값이 적절한지 판단하기 위해 2007년 환경부 토지피 복도와 CLUE-S로 생성한 2007년 토지이용도를 비교하였 다. 산림지역에서는 93.7%, 도시지역에서는 77.7%, 논과 수역에서는 각각 71.0%, 63.9%의 부합률을 나타냈다. 그러 나 초지, 습지 그리고 나지에서는 상대적으로 낮은 부합률 을 나타내며 전체 MSR은 0.564였다(Table 5). 초지, 습지 그리고 나지의 부합률이 낮게 나온 이유는 이 3가지 토지 이용변화를 대변할 수 있는 적절한 토지이용변화요소가 부 재하여 발생한 것으로 판단된다. 그러나 이 3가지 토지이 용이 전체 면적에서 차지하는 비율은 전체 면적 대비 약 8% 수준으로 작기 때문에 다른 보정 없이 매개변수를 그 대로 적용하여 2010년을 모의하였다.

Table 5. Accuracy assessment using CLUE-S (2007) SIM: Simulated OBS: Observed
OBS Urban Agriculture Forest Pasture Wetland Bareland Water Total
SIM
Urban 94,902 8,519 6,633 4,806 643 4,583 414 120,500
Agriculture 9,518 82,002 8,556 4,768 1,292 5,380 1,444 112,960
Forest 2,242 15,010 389,692 7,387 85 1,803 123 416,342
Pasture 5,899 6,954 8,416 12,893 502 1,558 221 36,443
Wetland 261 1,324 659 715 1,685 201 724 5,569
Bareland 9,019 1,240 1,577 2,886 276 3,991 139 19,128
Water 347 479 249 417 1,409 520 5,416 8,837
Total 122,188 115,528 415,782 33,872 5,892 18,036 8,481 719,779
Accuracy (%) 77.7 71.0 93.7 38.1 28.6 22.1 63.9 -

[i] MSR = 0.564

3.2.2. SLEUTH3-R 2007년도 예측 결과

환경부 토지피복도와 SLEUTH3-R로 생성한 토지이용도 를 비교한 결과 도시에서는 100%, 산림지역에서는 96.3% 의 높은 부합률을 보였다(Table 6). 나머지 토지이용에 대 한 부합률이 상대적으로 떨어지지만, MSR이 0.586으로 CLUE-S와 비슷한 수준으로 나타났기 때문에 이때의 성장 계수를 적용하여 2010년을 모의하였다.

Table 6. Accuracy Assessment using SLEUTH3-R (2007) SIM: Simulated OBS: Observed
OBS Urban Agriculture Forest Pasture Wetland Bareland Water Total
SIM
Urban 122,188 30,813 6,996 9,796 3,308 7,847 4,249 185,197
Agriculture 0 54,390 7,424 3,384 24 147 51 65,420
Forest 0 29,052 400,239 8,400 105 1,038 522 439,356
Pasture 0 565 856 12,169 3 355 17 13,965
Wetland 0 88 8 18 2,391 5 14 2,524
Bareland 0 375 167 68 2 8,609 9 9,230
Water 0 245 92 37 59 35 3,619 4,087
Total 122,188 115,528 415,782 33,872 5,892 18,036 8,481 719,779
Accuracy (%) 100 47.1 96.3 35.9 40.6 47.7 42.7 -

[i] MSR = 0.586

3.3. 모델 별 토지이용변화 최종 예측 결과

앞서 결정된 매개변수와 성장계수를 각 모델에 적용하여 2010년 토지이용변화를 예측해보고, 2010년 환경부 토지피 복도와 MSR을 기준으로 비교를 하였다. 그 결과 도시지역 과 산림지역을 제외한 나머지 토지이용에서 CLUE-S의 부 합률이 좀 더 높게 나타났으며(Fig. 5) MSR은 CLUE-S가 0.500, SLEUTH3-R가 0.397로 나타났다.

Fig. 5. Accuracy comparison of each land use prediction by CLUE-S and SLEUTH3-R in year 2010.
../../Resources/kswe/KSWE.2016.32.6.552/JKSWE-32-552_F5.jpg

그러나 두 모델 모두 초기 설정변수를 동일하게 적용하 여 2010년을 모의했음에도 불구하고 2007년도에 비해 각 토지이용별 부합률이 감소하였고 전체 MSR도 감소하는 것 으로 나타났다(Table 7).

Table 7. Comparison of result accuracy and MSR between CLUE-S and SLEUTH3-R in a two-years
MSR Urban Agriculture Forest Pasture Wetland Bareland Water
CLUE-S 07 0.564 0.777 0.710 0.937 0.381 0.286 0.221 0.639
10 0.500 0.766 0.676 0.906 0.245 0.179 0.122 0.610
Discrepancy 0.064 0.011 0.034 0.031 0.136 0.107 0.099 0.029
SLEUTH 3-R 07 0.586 1.000 0.471 0.963 0.359 0.406 0.477 0.427
10 0.397 0.931 0.345 0.922 0.100 0.134 0.084 0.266
Discrepancy 0.189 0.069 0.126 0.041 0.259 0.272 0.393 0.161

SLEUTH3-R의 경우 2007년 대비 2010년 MSR의 감소율 이 32.3%로 CLUE-S (11.3%)에 비해 약 3배 높은 차이가 발생했다. 이것은 SLEUTH3-R의 2007년도 MSR이 CLUE-S 보다 높았음에도 불구하고 불과 3년 이후 모의에서 정확도 가 상당히 떨어졌음을 보여준다. 수치상으로 봤을 때 SLEUTH3- R의 도시이용에 대한 부합률이 2007년과 2010년 모 두 90% 이상으로 매우 높으나 Fig. 6에서 확인할 수 있듯 이 미래의 토지이용을 모의할 때, 여러 토지 유형으로 적 절하게 변화가 이루어지는 것이 아니라, 오직 도시유형으로 만 일방적인 변화가 이루어짐을 확인할 수 있다. 이것은 미래의 토지이용변화를 예측함에 있어 실제보다 과하게 도 시유형이 증가되어 신뢰성 없는 모의가 이루어질 가능성이 있음을 나타낸다. 이에 비해 CLUE-S의 경우에는 토지이용 변화를 모의함에 있어 도시유형 뿐만 아니라 다른 유형의 토지이용에 대해서도 적절하게 변화가 이루어졌고, 실측 데 이터와 이미지를 비교해보았을 때 비교적 유사하게 모의가 되는 것으로 나타났다.

Fig. 6. Comparison of Predicted land use and Observation at 2010.
../../Resources/kswe/KSWE.2016.32.6.552/JKSWE-32-552_F6.jpg

추가로 환경부 토지피복도에 존재하는 토지이용별 격자 개수와 각 모델로 생성한 토지이용도의 토지이용별 격자개 수를 비교해 보면 CLUE-S와는 다르게 SLEUTH3-R에서 많은 차이가 발생하는 것으로 나타났다(Table 8). 이는 SLEUTH3- R과는 달리 CLUE-S에는 토지이용요구 자료가 각 토 지이용별 생성되는 격자 개수의 기준을 제시해주고 그 기 준에 따라 토지이용변화가 발생되기 때문이라고 판단된다.

Table 8. Total cell count for each land use
Urban Agriculture Forest Pasture Wetland Bareland Water Total
MOE 109,650 97,155 420,987 52,891 8,985 22,066 8,045 719,779
CLUE-S 127,162 107,719 410,975 40,504 6,659 17,440 9,320 719,779
SLEUTH3-R 194,937 56,854 441,948 11,978 2,186 8,195 3,681 719,779

4. Conclusion

본 연구에서는 기존에 토지이용변화 예측 연구에 주로 사용되는 토지이용변화 모델 중, CLUE-S와 SLEUTH3-R을 갑천A 유역에 적용하여 2010년 토지이용도 변화를 예측해 보았으며, 어떤 모델이 좀 더 신뢰할 수 있는 결과를 보이 는지 평가하기 위해 MSR를 기준으로 비교, 분석해보았다.

2007년도 MSR의 경우 CLUE-S에 비해 SLEUTH3-R의 MSR이 좀 더 높은 값을 나타냈으나 초기 설정변수를 동 일하게 적용하여 2010년을 모의한 결과 CLUE-S의 MSR은 0.500로 약 11% 감소하였고 SLEUTH3-R의 MSR은 0.397 로 약 32% 감소하였다. 또한 CLUE-S는 토지이용변화를 모의할 때 도시뿐만 아니라 다른 토지이용으로의 변화도 잘 이루어져 실제 토지이용도와 비교했을 때 비교적 유사 하게 나타났다. 반면 SLEUTH3-R의 경우 여러 토지이용으 로 변화되기보단 도시로 일방적인 변화가 이루어졌다. 추가 로 CLUE-S는 토지이용요구 자료를 기준으로 토지이용변화 가 발생되기 때문에 실제 토지이용도와 토지이용별 격자개 수 차이가 SLEUTH3-R보다 작게 나타났다. 이는 CLUE-S 모델이 사용자가 원하는 시나리오를 적절하게 반영할 수 있을 것이라 기대된다.

따라서 다양한 토지이용이 존재하는 지역의 미래 토지이 용변화를 예측할 경우 한정된 입력자료를 이용하는 SLEUTH3- R보다는 다양한 사회경제적 토지이용변화요소를 이용 할 수 있는 CLUE-S가 상대적으로 신뢰성 있는 예측능을 가질 것이라 판단된다.

하지만 본 연구는 갑천 A 단일 유역에 대해 두 모델의 상대적인 예측능을 비교한 것이기 때문에 모델의 모의조건 및 보정 정도에 따라 상이한 결과가 나올 수 있다. 또한 MSR이 1에 가까울수록 정확하다고 평가할 수 있으나 관 련 자료가 부족하여 일반적이고 절대적인 평가를 하지 못 하는 실정이기 때문에 어떤 모델이 절대적으로 정확한 예 측능을 가진다고 평가하기에는 한계가 있다. 향후 이러한 기준을 확보하기 위한 추가적인 연구를 진행할 계획이다.

한편 2007년을 모의하기 위해 설정한 변수를 그대로 적 용하여 불과 3년 이후인 2010년 토지이용을 예측했음에도 불구하고 그 예측능이 감소하였기 때문에 CLUE-S 모델을 이용하여 먼 미래의 토지이용을 예측하기 위해서는 좀 더 깊이 있는 연구를 통해 각 토지이용에 영향을 주는 적합한 토지이용변화요소를 결정해야 하고 적절한 보정방법을 개 발해야 할 것이다.

Acknowledgement

본 연구는 2015년도 강원대학교 대학회계 학술연구조성 비로 연구하였으며(과제번호-520150125), 이에 깊은 감사를 드립니다.

References

1 
Dietzel C, Clarke K C, 2007, Toward Optimal Calibration of the SLEUTH Land Use Change Model, Transactions in GIS, Vol. 11, No. 1, pp. 29-45Google Search
2 
Han H J, 2011, [Korean Literature], Development of Future Land Use Scenarios Consistent with Climate Change Storylines, Korea Environment Institute, pp. 1-153
3 
Huang J C, Kao S J, 2006, Optimal Estimator for Assessing Landslide Model Performance, Hydrology and Earth System Sciences Discussions, Vol. 10, No. 6, pp. 957-965Google Search
4 
Jantz C A, Goetz S J, Donato D, Claggett P, 2010, Designing and Implementing a Regional Urban Modeling System Using the SLEUTH Cellular Urban Model, Computers, Environment and Urban Systems, Vol. 34, No. 1, pp. 1-16Google Search
5 
Jantz C, Morlock L, 2011, Modeling Urban Land Use Change in the Upper Delaware River Basin, Final Report to National Park Service, US Department of the InteriorGoogle Search
6 
Kim N W, Lee J W, Chung I M, Lee M H, 2013, Combined Effects of Groundwater Abstraction and Irrigation Reservoir on Streamflow, [Korean Literature], Journal of Korea Water Resources Association, Vol. 46, No. 7, pp. 719-733Google Search
7 
Kim W S, Yun K H, Heo J, 2008, The Expectation of the Land Use and Land Cover Using CLUE-S Model and Landsat Images, [Korean Literature], Journal of the Korean Society for Geospatial Information Science, Vol. 16, No. 1, pp. 33-41Google Search
8 
Kweon I, 1997, The Development Sequence of Land Use in a Newly Developed Urban Area, in the Case of Kangnam, Seoul, [Korean Literature], Theses Collection of Korea National University of Transportation, Vol. 32, No. 2, pp. 693-706Google Search
9 
Lee H D, Ahn J H, Kim W J, Bae C H, 2001, Runoff Characteristics of Non-point Source According to Land Use Types during Rainfall, [Korean Literature], Journal of Korean Society on Water Environment, Vol. 17, No. 2, pp. 147-156Google Search
10 
Lee K S, Yoon Y S, Kim S H, Shin J I, Yoon J S, Kang S J, 2009, Analysis of Present Status for the Monitoring of Land Use and Land Cover in the Korean Peninsula, [Korean Literature], Korean Journal of Remote Sensing, Vol. 25, No. 1, pp. 71-83Google Search
11 
Oh D G, Chung S W, Ryu I G, Kang M S, 2010, Analysis of Rainfall-Runoff Characteristics on Impervious Cover Changes Using SWMM in an Urbanized Watershed, [Korean Literature], Journal of Korean Society on Water Environment, Vol. 26, No. 1, pp. 61-70Google Search
12 
Ryu J, Ahn K H, Han M, Hwang H, Choi J, Kim Y S, Lim K J, 2014, Evaluation and Application of CLUES Model for Spatio-temporal Analysis of Future Land Use Change in Total Water Pollution Load Management System, [Korean Literature], Journal of Korean Society on Water Environment, Vol. 30, No. 4, pp. 418-428Google Search
13 
Song S W, 2009, Using the Receiver Operating Characteristic (ROC) Curve to Measure Sensitivity and Specificity, [Korean Literature], Korean Journal of Family Medicine, Vol. 30, No. 11, pp. 841-842Google Search
14 
Veldkamp A, Fresco L O, 1996, CLUE-CR: an Integrated Multi-scale Model to Simulate Land Use Change Scenarios in Costa Rica, Ecological Modelling, Vol. 91, No. 1, pp. 231-248Google Search
15 
Verburg P H, De Koning G H J, Kok K, Veldkamp A, Bouma J, 1999, A Spatial Explicit Allocation Procedure for Modelling the Pattern of Land Use Change Based upon Actual Land Use, Ecological Modelling, Vol. 116, No. 1, pp. 45-61Google Search
16 
Verburg P H, Soepboer W, Veldkamp A, Limpiada R, Espaldon V, Mastura S S, 2002, Modeling the Spatial Dynamics of Regional Land Lse: the CLUE-S Model, Environmental Management, Vol. 30, No. 3, pp. 391-405Google Search
17 
Xu L, Li Z, Song H, Yin H, 2013, Land-use Planning for Urban Sprawl Based on the CLUE-S Model: A Case Study of Guangzhou, China, Entropy, Vol. 15, No. 9, pp. 3490-3506Google Search