본 연구는 도시적 토지이용이 구별 가능한 자료를 토대로 보다 실용적 인 도시성장예측 모형의 구축과 예측가능성을 모형별로 비교분석하는 것을 목적으로 하여 연구를 진행하였다. 3가지 모형은 첫째, 국내의 연구들의 대부분에 해당되는 개발셀들의 밀도가 일정하다는 전제하에 도시적 토지이용을 시가화지역으로만 분류하여 추정한 단일토지이용모형과 둘째, 시가화지역의 주거와 산업지역을 분류 하여 추정한 주거? 산업토지이용모형, 셋째, 개발밀도 (인구, 고용)가 포함 된 주거?산업밀도모형으로 구분하였다. 모형구축을 위해 먼저, 공간데이터베이스를 구축하였으며, 밀도모형구축을 위해 주거와 산업지역으로 각각 분류된 Raster map을 구축하였다. 도시성장예측을 위한 방법론으로 단일토지이용모형과 주거?산업토지이용모형의 경우 ...
본 연구는 도시적 토지이용이 구별 가능한 자료를 토대로 보다 실용적 인 도시성장예측 모형의 구축과 예측가능성을 모형별로 비교분석하는 것을 목적으로 하여 연구를 진행하였다. 3가지 모형은 첫째, 국내의 연구들의 대부분에 해당되는 개발셀들의 밀도가 일정하다는 전제하에 도시적 토지이용을 시가화지역으로만 분류하여 추정한 단일토지이용모형과 둘째, 시가화지역의 주거와 산업지역을 분류 하여 추정한 주거? 산업토지이용모형, 셋째, 개발밀도 (인구, 고용)가 포함 된 주거?산업밀도모형으로 구분하였다. 모형구축을 위해 먼저, 공간데이터베이스를 구축하였으며, 밀도모형구축을 위해 주거와 산업지역으로 각각 분류된 Raster map을 구축하였다. 도시성장예측을 위한 방법론으로 단일토지이용모형과 주거?산업토지이용모형의 경우 로짓모형을 이용하였으며, 주거?산업밀도모형의 경우 다중회귀 분석하여 추정하였다. 추정된 모형들의 장단점을 비교하면 주거?산업토지이용모형은 단일토지 이용모형이 단순히 개발될 지역으로만 구분할 수 있는데 반해 각 지역마다 주거지역과 산업지역으로 변활 확률을 따로 추정 할 수 있어서 미래의 주거 및 산업적 토지이용 간의 경합과 정책적 조정 등을 시뮬레이션 할 수 있는 기초자료를 생성할 수 있다는 장점이 있다. 주거?산업밀도모형은 미개발 셀이 주거 혹은 산업으로 전환되었을 경우 의 해당 픽셀의 실제 밀도가 적용되므로 장래의 도시성장예측에 있어서 개발밀도를 고려 할 수 있다는 점과 내부충진적 개발이나 변화들에 대한 추가적인 분석이 가능하다는 장점이 있다. 결과적으로 토지이용현황에 대한 자료의 제약을 극복할 수 있다면, 다 양한 토지이용을 고려한 도시성장의 예측이 가능하다는 것을 알 수 있었다. 이에 본 연구를 통해 특정 위치에서의 토지이용별 변환확률을 비롯하여 추정 밀도에 이르기까지 도시계획 의사결정과정에 필요한 정보들을 모형별로 제약적이지만 제공할 수 있다. 따라서 본 연구는 국내의 격자단위의 공간예측모형을 구축함에 있어 도 시적 토지이용 (주거, 산업)을 구분하여 이를 밀도와 함께 고려한 연구가 없었다는 점에서 의미를 지니며 보다 미래의 도시성장예측을 위한 분석적 수단으로서 활용될 수 있는 단초를 제공하였다는 데 의의가 있다.
본 연구는 도시적 토지이용이 구별 가능한 자료를 토대로 보다 실용적 인 도시성장예측 모형의 구축과 예측가능성을 모형별로 비교분석하는 것을 목적으로 하여 연구를 진행하였다. 3가지 모형은 첫째, 국내의 연구들의 대부분에 해당되는 개발셀들의 밀도가 일정하다는 전제하에 도시적 토지이용을 시가화지역으로만 분류하여 추정한 단일토지이용모형과 둘째, 시가화지역의 주거와 산업지역을 분류 하여 추정한 주거? 산업토지이용모형, 셋째, 개발밀도 (인구, 고용)가 포함 된 주거?산업밀도모형으로 구분하였다. 모형구축을 위해 먼저, 공간데이터베이스를 구축하였으며, 밀도모형구축을 위해 주거와 산업지역으로 각각 분류된 Raster map을 구축하였다. 도시성장예측을 위한 방법론으로 단일토지이용모형과 주거?산업토지이용모형의 경우 로짓모형을 이용하였으며, 주거?산업밀도모형의 경우 다중회귀 분석하여 추정하였다. 추정된 모형들의 장단점을 비교하면 주거?산업토지이용모형은 단일토지 이용모형이 단순히 개발될 지역으로만 구분할 수 있는데 반해 각 지역마다 주거지역과 산업지역으로 변활 확률을 따로 추정 할 수 있어서 미래의 주거 및 산업적 토지이용 간의 경합과 정책적 조정 등을 시뮬레이션 할 수 있는 기초자료를 생성할 수 있다는 장점이 있다. 주거?산업밀도모형은 미개발 셀이 주거 혹은 산업으로 전환되었을 경우 의 해당 픽셀의 실제 밀도가 적용되므로 장래의 도시성장예측에 있어서 개발밀도를 고려 할 수 있다는 점과 내부충진적 개발이나 변화들에 대한 추가적인 분석이 가능하다는 장점이 있다. 결과적으로 토지이용현황에 대한 자료의 제약을 극복할 수 있다면, 다 양한 토지이용을 고려한 도시성장의 예측이 가능하다는 것을 알 수 있었다. 이에 본 연구를 통해 특정 위치에서의 토지이용별 변환확률을 비롯하여 추정 밀도에 이르기까지 도시계획 의사결정과정에 필요한 정보들을 모형별로 제약적이지만 제공할 수 있다. 따라서 본 연구는 국내의 격자단위의 공간예측모형을 구축함에 있어 도 시적 토지이용 (주거, 산업)을 구분하여 이를 밀도와 함께 고려한 연구가 없었다는 점에서 의미를 지니며 보다 미래의 도시성장예측을 위한 분석적 수단으로서 활용될 수 있는 단초를 제공하였다는 데 의의가 있다.
This study aims to construct a more practical urban growth prediction model through comparative study of the predictability of the models. using digital map data in which land use in urban areas is distinguishable. The urban growth prediction models constructed in this study are divided into three t...
This study aims to construct a more practical urban growth prediction model through comparative study of the predictability of the models. using digital map data in which land use in urban areas is distinguishable. The urban growth prediction models constructed in this study are divided into three types; first is “Monotonous Land Use Model (MLM)" which is constructed by defining only civilized areas as urban land use, and this model is based on an assumption-widely adopted in relevant researches in Korea-that the density of every development cell is uniform; “Residential?Industrial Land?Use Model (RILM)" is the second model which is constructed by classifying residential and industrial areas; the last is “Residential?Industrial Density Model (RIDM)" to which the development density (population, employment) is applied. To construct models, a spatial database and a density model were constructed. To build a density model, two types of raster maps were developed by classifying residential and industrial areas, respectively. This study adopted Logit Model and Multiple Regression Model as methods for growth estimation or prediction; Logit was applied to MLM and RILM, and Multiple Regression Model to RIDM. RILM has an advantage when comparing with MLM. While MLM predicts only developable areas, RILM provide estimations on the land use change probability separately, according to each area, as well as predictions of developable areas. Therefore, RILM can provide fundamental information that may contribute to simulating land use conflicts, and drawing policies and plans to address them. RJDM is also regarded as a useful model. RIDM can consider the development density when predicting urban growth since it applies the density of development in a more realistic manner, and provide additional information concerning infill development and relevant change. In conclusion, this study suggest that it is possible to predict urban growth with due regard to land use (or land use changes),but only when using abundant data with which one can find much information on current land use. In this regard, this study can contribute to urban planning and decision making, despite of some limitations for application the development density estimations and the land use change probabilities in each urban growth prediction model, depending on each land use within given areas. This study implies something meaningful, regarding that none of research has been done to construct urban growth prediction model that can consider land use (residential and industrial) and the density, and that it provides a set of analytical method and related information which may contribute to urban growth prediction.
This study aims to construct a more practical urban growth prediction model through comparative study of the predictability of the models. using digital map data in which land use in urban areas is distinguishable. The urban growth prediction models constructed in this study are divided into three types; first is “Monotonous Land Use Model (MLM)" which is constructed by defining only civilized areas as urban land use, and this model is based on an assumption-widely adopted in relevant researches in Korea-that the density of every development cell is uniform; “Residential?Industrial Land?Use Model (RILM)" is the second model which is constructed by classifying residential and industrial areas; the last is “Residential?Industrial Density Model (RIDM)" to which the development density (population, employment) is applied. To construct models, a spatial database and a density model were constructed. To build a density model, two types of raster maps were developed by classifying residential and industrial areas, respectively. This study adopted Logit Model and Multiple Regression Model as methods for growth estimation or prediction; Logit was applied to MLM and RILM, and Multiple Regression Model to RIDM. RILM has an advantage when comparing with MLM. While MLM predicts only developable areas, RILM provide estimations on the land use change probability separately, according to each area, as well as predictions of developable areas. Therefore, RILM can provide fundamental information that may contribute to simulating land use conflicts, and drawing policies and plans to address them. RJDM is also regarded as a useful model. RIDM can consider the development density when predicting urban growth since it applies the density of development in a more realistic manner, and provide additional information concerning infill development and relevant change. In conclusion, this study suggest that it is possible to predict urban growth with due regard to land use (or land use changes),but only when using abundant data with which one can find much information on current land use. In this regard, this study can contribute to urban planning and decision making, despite of some limitations for application the development density estimations and the land use change probabilities in each urban growth prediction model, depending on each land use within given areas. This study implies something meaningful, regarding that none of research has been done to construct urban growth prediction model that can consider land use (residential and industrial) and the density, and that it provides a set of analytical method and related information which may contribute to urban growth prediction.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.