* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 소강좌에서는 셀룰라 오토마타와 Markov Chain 모형을 살펴보고 이 두 가지 개념이 적용되어 있는 Idrisi Kilimanjaro의 CA_MARKOV 모듈에 의한 토지이용변화 예측 분석과정을 간략히 소개하고자 한다.
본 소강좌에서는 셀룰라 오토마타와 Markov chain을 이용한 토지이용변화예측이 가능한 Idrisi Kilimanjaro Edition의 CA„MARKOV모듈에 대하여 간략히 소개하고자 한다.
제안 방법
그의 초기 오토마타 이론은 운동학적 오토마타인데 운동학적인 오토마타는 이전의 성질을 이후에 가지고 있지 못해 반복적으로 적용될 수 없었다 (Xie, 1994). Ulame 이를 개선할 수 있는 방법을 제안하였고, 비로소 셀룰라 오토마타가 탄생하게 되었다.
될 수 있다(Park, 1996). 셀룰라 오토마타는 임의의 시점에서 임의의 개체(cell)가 셀 공간 (Cell-space)에서 주변의 상태 그리고 정해진 변이규칙 (transition rule)에 따라 다음 시점의 상태로 변화하는 연산을 반복적으로 수행하는 원리를 통해 현상을 모델링한다. 통상 변화는 임의의 개체 주변 국지적 차원에서 일어나고, 이러한 과정이 수없이 반복되면 전체적 차원에서의 모습을 알 수 있게 된다.
대상 데이터
필요하다. 소강좌에서는 소프트웨어의 예제로 제공되는 미국 매사추세츠주 West borough 지역의 19기년, 1985년의 14년 간격의 토지이용도를 이용하였다.
성능/효과
첫 번째로 어떤 토지이용변화를 정확하게 예측한다는 것은 불가능하지만 과거의 시계 열적 자료를 이용하여 어떤 시점의 토지이용을 예측하려면 사용되는 자료의 정밀도가 영향을 많이 미칠 것으로 판단되었다. 일반적으로 Landsat TM, ETM+ 영상을 이용하여 분류한 토지 피복도는 일반화과정을 거치지 않고 그대로 사용되는 경우가 있다.
토지이용변화 예측결과를 CROSSTAB 기능으로 1985년의 토지이용과 비교하면 1999년 가장 큰 변화를 나타내는 영역은 초지로 나타났다. 초지는 저밀도 주거지역과 산업/상업지역으로 당초 면적의 30% 정도가 변화되는 것으로 예측하였고, 경작/목초지의 경우 약19% 정도가 산업/상업지로, 산림의 17%가 주거/산업/상업지로 변화되는 것으로 예측하였다. 또한 산업/상업지역의 7% 영역에 도로가 확장될 것으로 예측하였다.
후속연구
따라서 통계적인 토지피복 분류 결과에 연연하지 말고 도상 또는 영상에서 확실한 지역들은 분류결과를 수정하고 서로 군집화하여 일반화함으로써 보다 정확한 토지 이용변화예측에 이용할 수 있을 것이다. 두 번째로는 어느 지역의 토지이용변화를 예측하고자 한다면 향후의 도시개발계획지역을(각 지자체별로 2016년 또는 2020년까지의 도시개발 계획도를 비치하고 있으며 열람 가능토록 하고 있음) 포함하거나, 개발제한 사항 등 지역/지리적인 어떠한 규칙과 요소를 토지이용변화 예측에 필수적으로 고려해야 한다고 생각한다. 본 소강좌에서는 자세히 설명하지 않았으나 Idrisi를 이용하는 경우 MCE와 같은 Decision support 도구를 사용하여 일련의 규칙들을 생성하고 적용함으로써 더욱 타당성 있는 토지이용변화 예측이 가능할 것이라고 생각된다.
특별한 경우가 아닌 이상 산림에서 도로로 변경되었다면 거의 대부분 도로로 토지이용이 유지될 것이다. 따라서 통계적인 토지피복 분류 결과에 연연하지 말고 도상 또는 영상에서 확실한 지역들은 분류결과를 수정하고 서로 군집화하여 일반화함으로써 보다 정확한 토지 이용변화예측에 이용할 수 있을 것이다. 두 번째로는 어느 지역의 토지이용변화를 예측하고자 한다면 향후의 도시개발계획지역을(각 지자체별로 2016년 또는 2020년까지의 도시개발 계획도를 비치하고 있으며 열람 가능토록 하고 있음) 포함하거나, 개발제한 사항 등 지역/지리적인 어떠한 규칙과 요소를 토지이용변화 예측에 필수적으로 고려해야 한다고 생각한다.
두 번째로는 어느 지역의 토지이용변화를 예측하고자 한다면 향후의 도시개발계획지역을(각 지자체별로 2016년 또는 2020년까지의 도시개발 계획도를 비치하고 있으며 열람 가능토록 하고 있음) 포함하거나, 개발제한 사항 등 지역/지리적인 어떠한 규칙과 요소를 토지이용변화 예측에 필수적으로 고려해야 한다고 생각한다. 본 소강좌에서는 자세히 설명하지 않았으나 Idrisi를 이용하는 경우 MCE와 같은 Decision support 도구를 사용하여 일련의 규칙들을 생성하고 적용함으로써 더욱 타당성 있는 토지이용변화 예측이 가능할 것이라고 생각된다.
수자원분야에서 위와 같은 공간분석방법을 이용한다면, 어떤 지역의 향후 도시 확징-, 산림감소, 경지면적 감소 등에 대한 변화를 예측함으로서 유출량 변화를 미리 파악할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.