우리나라 산불관리의 주체는 관할시도 행정자치 단체이므로, 산불을 효율적으로 관리하기 위해서는 지역별 산불 발생 특성에 대한 이해가 필요하다. 본 연구에서는 지역별 산불 발생패턴을 분석하기 위해서, 행정구역도를 기반으로 전국을 9개로 분할하고, 각 권역에서 1991년부터 2008년까지 발생한 산불의 위치 data를 사용해서 공간통계적 분석을 실시하였다. 산불 발생 자료의 공간 분포는 베리오그램을 통해 분석하였고, 도출된 공간자기상관성을 가지고 Kriging 기법을 통해 산불발생위험을 예측하였다. 분석결과, 대도시를 포함하는 권역에서는 산불이 강한 공간상관성을 가지고 있었지만, 강원도, 제주도, 충청북도 등의 대도시를 포함하지 않는 지역에서는 산불의 공간상관성이 낮은 것으로 나타났다.
우리나라 산불관리의 주체는 관할시도 행정자치 단체이므로, 산불을 효율적으로 관리하기 위해서는 지역별 산불 발생 특성에 대한 이해가 필요하다. 본 연구에서는 지역별 산불 발생패턴을 분석하기 위해서, 행정구역도를 기반으로 전국을 9개로 분할하고, 각 권역에서 1991년부터 2008년까지 발생한 산불의 위치 data를 사용해서 공간통계적 분석을 실시하였다. 산불 발생 자료의 공간 분포는 베리오그램을 통해 분석하였고, 도출된 공간자기상관성을 가지고 Kriging 기법을 통해 산불발생위험을 예측하였다. 분석결과, 대도시를 포함하는 권역에서는 산불이 강한 공간상관성을 가지고 있었지만, 강원도, 제주도, 충청북도 등의 대도시를 포함하지 않는 지역에서는 산불의 공간상관성이 낮은 것으로 나타났다.
Forest fire in Korea has been controlled by local government, so that it is required to understand the characteristics of regional forest fire occurrences for the effective management. In this study, to analyze the patterns of regional forest fire occurrences, we divided South Korea into nine zones ...
Forest fire in Korea has been controlled by local government, so that it is required to understand the characteristics of regional forest fire occurrences for the effective management. In this study, to analyze the patterns of regional forest fire occurrences, we divided South Korea into nine zones based on administrative boundaries and performed spatial statistical analysis using the location data of forest fire occurrences for 1991-2008. The spatial distributions of forest fire were analyzed by the variogram, and the risk of forest fire was predicted by kriging analysis. As a result, forest fires in metropolitan areas showed strong spatial correlations, while it was hard to find spatial correlations of forest fires in local areas without big city as Gangwon-do, Chungcheongbuk-do and Jeju island.
Forest fire in Korea has been controlled by local government, so that it is required to understand the characteristics of regional forest fire occurrences for the effective management. In this study, to analyze the patterns of regional forest fire occurrences, we divided South Korea into nine zones based on administrative boundaries and performed spatial statistical analysis using the location data of forest fire occurrences for 1991-2008. The spatial distributions of forest fire were analyzed by the variogram, and the risk of forest fire was predicted by kriging analysis. As a result, forest fires in metropolitan areas showed strong spatial correlations, while it was hard to find spatial correlations of forest fires in local areas without big city as Gangwon-do, Chungcheongbuk-do and Jeju island.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 산불 발생에 영향을 미치는 인자들을 고려하지 않고 산불 발생 그 자체만을 이용하여 공간적인 특성을 분석한 다음 산불 발생에 대한 위험을 예측한 것이다. 따라서 산불 발생에 영향을 미치는 다양한 영향을 고려하지 못했다는 점에서 한계를 갖는다.
특히 산불과 같이 몇 지점에 지속적으로 집중되는 특징을 갖고 있는 자료는 강한 공간적 상관관계를 갖고 있다. 본 연구에서는 베리오그램 분석을 이용하여 산불 발생이 각 지역별로 얼마만큼의 공간적인 상관을 갖고 있는지 수치적으로 분석을 해 보았으며 그 의미를 해석하였다. 또한, 그 결과를 통해 kriging 기법을 이용하여 지역별로 산불이 발생한 지역뿐만 아니라 산불이 발생하지 않은 지점의 위험정도를 예측하였고 그 결과를 검증하였다.
제안 방법
본 연구에서는 우리나라 전국을 행정구역도를 기반으로 9개 지역으로 분할하여, 지역별로 산불발생 패턴의 공간적인 특징을 분석하였다. 공간통계기법 중의 하나인 베리오그램(Variogram)을 통해 산불발생의 공간 자기상관성(Spatial Autocorrelation)을 분석하였으며, 내삽(Interpolation)기법 중 하나인 kriging 방법을 통해 지역별 산불발생 위험성을 예측하였다.
본 연구에서는 우리나라 전국을 행정구역도를 기반으로 9개 지역으로 분할하여, 지역별로 산불발생 패턴의 공간적인 특징을 분석하였다. 공간통계기법 중의 하나인 베리오그램(Variogram)을 통해 산불발생의 공간 자기상관성(Spatial Autocorrelation)을 분석하였으며, 내삽(Interpolation)기법 중 하나인 kriging 방법을 통해 지역별 산불발생 위험성을 예측하였다.
공간 점 자료의 특성은 크게 1차 특성과 2차 특성으로 나눌 수 있는데, 1차 특성은 일정면적에 해당하는 점의 밀도에 대한 개념이며, 2차 특성은 이웃하는 점들 간의 관계를 나타내는 특성이다(Schabenberger와 Gotway, 2005). 산불 발생의 공간분포의 분석을 위해서는 산불이 어느 지역에서 얼마나 발생하였는지, 즉 밀도에 대한 개념이 중요하므로, 1차 특성을 반영하기 위하여 단위 면적당 산불 발생의 건수 자료로 변환하여 사용하였다. 이를 위해서 단위격자당 산불발생 건수 자료로 변환하여 공간 DB로 구축하였고, 1991년부터 2008년까지, 총 18년간의 산불발생 자료를 사용하였다.
본 산불 자료는 지번 정보를 기반으로 만들어진 자료이므로, 산림 지역의 지적도의 평균 넓이를 고려하여 공간격자(Grid)의 크기를 5㎞×5㎞로 정하였다.
시군구별 산불 발생의 특징을 비교하고자 하였으나, 특별 · 광역시를 분리할 경우 공간적으로 분리가 되어 명확한 분석이 될 수 없기 때문에, 인접한 시 · 도 권역별로 묶어서(서울 · 경기 · 인천지역, 대전· 충남지역, 전북지역, 충북지역, 강원지역, 대구 · 경북지역, 부산 · 울산· 경남지역, 광주 · 전남지역, 제주지역), 전국을 9개 지역으로 나누어 분석하였다.
본 산불 자료는 지번 정보를 기반으로 만들어진 자료이므로, 산림 지역의 지적도의 평균 넓이를 고려하여 공간격자(Grid)의 크기를 5㎞×5㎞로 정하였다. 각 Grid(25㎢) 내에서 18년 동안 발생한 산불의 횟수를 속성자료로 입력하여 주었다. 이 경우 한 격자당 0-31건의 산불이 발생하는 것으로 나타났다.
이때 울릉도를 포함한 군소 도서지역은 제외하였는데, 이는 우리나라 섬들의 면적이 작아서 본 연구에서 설정한 Grid로는 공간적인 분석을 하기 어렵기 때문이다. 또한, 각 권역 주변의 영향을 고려하고, 권역 경계지역의 분석을 용이하기 위해, 권역 경계에서 10㎞ 완충지역(Buffer Zone)을 설정하여 분석하였다. 이상과 같은 연구흐름도는 그림 2와 같다.
산불 발생의 공간적인 특징을 파악할 수 있도록, 구축한 자료를 가지고 각 시도별 공간자기상관(Spatial Autocorrelation)분석을 시행하였다. 공간자기상관이란 한 지점의 값이 다른 지점의 값과 얼마나 관련이 있는지를 의미한다.
이 공간자기상관성은 반베리오그램(Semivariogram), 상관그램(Correlogram), 공분산(Covariance), 매도그램(Madogram) 등을 통해 수치적으로 나타낼 수 있다(최종근, 2007). 본 연구에서는 반베리오그램을 이용하여 공간자기상관을 분석하였다. 반베리오그램은 관례상 베리오그램(Variogram)이라고 말하기도 함으로, 본 연구에서는 베리오그램으로 표현하고자 한다.
각 지역별로 분석된 산불발생 패턴을 통하여 산불 발생 위험도를 예측하였다. 위험도 예측은 내삽(Interpolation)기법 중의 하나인 kriging 기법을 사용하였다.
886정도로 나타났다. 분산에 따른 오차의 영향을 제거하고자, 표준화된 RMSE의 결과도 분석해 보았다. 표준화된 RMSE는 1에 가깝게 나와야 하며, 1보다 클 경우 과소추정된 것이며, 1보다 작을 경우 과대추정된 것이다.
본 연구에서는 베리오그램 분석을 이용하여 산불 발생이 각 지역별로 얼마만큼의 공간적인 상관을 갖고 있는지 수치적으로 분석을 해 보았으며 그 의미를 해석하였다. 또한, 그 결과를 통해 kriging 기법을 이용하여 지역별로 산불이 발생한 지역뿐만 아니라 산불이 발생하지 않은 지점의 위험정도를 예측하였고 그 결과를 검증하였다.
연속된 시도를 하나로 묶어 서울 · 경기 · 인천, 부산 · 울산 · 경남, 대전 · 충남, 대구 · 경북, 광주 · 전남, 전북, 충북, 강원, 제주의 9개로 나누어서 분석을 시도하였다.
대상 데이터
본 연구에서 사용된 자료는 산림청 산불정보시스템에서 제공하는 전국 산불 발생 자료(Point Data, 그림 1)를 활용하였다. 공간 점 자료의 특성은 크게 1차 특성과 2차 특성으로 나눌 수 있는데, 1차 특성은 일정면적에 해당하는 점의 밀도에 대한 개념이며, 2차 특성은 이웃하는 점들 간의 관계를 나타내는 특성이다(Schabenberger와 Gotway, 2005).
산불 발생의 공간분포의 분석을 위해서는 산불이 어느 지역에서 얼마나 발생하였는지, 즉 밀도에 대한 개념이 중요하므로, 1차 특성을 반영하기 위하여 단위 면적당 산불 발생의 건수 자료로 변환하여 사용하였다. 이를 위해서 단위격자당 산불발생 건수 자료로 변환하여 공간 DB로 구축하였고, 1991년부터 2008년까지, 총 18년간의 산불발생 자료를 사용하였다.
그림 1. 우리나라에서 18년간(1991-2008) 발생한 산불의 위치 자료.
데이터처리
각 지역별로 예측된 결과는 교차 검증(Cross-Validation) 방법으로 모형의 정확성을 살펴보았다(표 1). 표본 수는 대구 · 경북 지역이 가장 많고, 제주 지역이 가장 적었다.
이론/모형
베리오그램의 모델은 Sill 값의 존재유무, Nugget 값의 존재유무에 따라 여러 가지 모델로 구분된다. 본 연구에서는 사용한 자료의 특성상 Sill 값과 Nugget 값이 존재함으로, 두 개의 값이 모두 존재할 때 사용할 수 있는 모델 중, 구형모델(Spherical Model)을 사용하였다(식 2). 그 이유는 산불 발생의 공간 상관성을 실험적 베리오그램(Empirical Variogram)을 통해 분석해 본 결과 공간 상관성이 변하는 형태가 구형모델에 근접하였고, Gaussian, Exponential 모델과 비교하였을 때, 오차가 가장 작게 나타났기 때문이다.
각 지역별로 분석된 산불발생 패턴을 통하여 산불 발생 위험도를 예측하였다. 위험도 예측은 내삽(Interpolation)기법 중의 하나인 kriging 기법을 사용하였다. Kriging은 주위에 알려진 값들의 가중 선형조합으로 미지값을 예측하는 기법이다.
Kriging은 주위에 알려진 값들의 가중 선형조합으로 미지값을 예측하는 기법이다. 본 연구에서는 추정식이 편향되지 않으면서 오차 분산을 최소로 하는 Ordinary Kriging(정규크리깅, OK) 기법을 사용하였다(박노욱과 장동호, 2008; 우광성 등, 2008).
성능/효과
분석된 결과를 보면 대도시가 존재하는 지역(서울, 부산, 대전, 대구, 광주)에서는 공간상관성이 뚜렷하게 나타났다(그림 3). 부산· 울산의 경우는 대도시가 인접하게 위치하기 때문에 공간상관거리가 다소 넓게 나타났다.
본 연구 결과를 통해 알 수 있는 점은 산불 발생에 대한 공간 상관성은 대도시가 존재하는 지역과, 대도시가 존재하지 않는 지역 간에 큰 차이가 있다는 사실이다. 그 영향의 정도를 정량적으로 해석한 본 연구 결과는 향후 산불 발생 방지에 유용하게 활용될 수 있다.
이와 같은 오차의 특성을 통해서 수도권 지역의 산불이 통제하기가 더 까다로움을 알 수 있었다. 반면에 제주지역의 경우, 예측된 값과 실측된 값의 차이가 가장 적어 공간통계 모형의 적합도가 가장 높은 것으로 판단되었다. 전 지역의 RMSE에 대한 평균은 1.
919정도로 다소 낮게 나타났고, 다른 지역은 1에 가까운 값을 갖는 것으로 나타났다. 오차검정을 통한 산불 발생분포 예측의 정확성과 변이 양상을 보면, 대도시가 포함된 지역의 경우 산불 발생 빈도가 높으므로 이에 따른 변이도 동시에 증가하여 산불 발생에 대한 정확한 예측이 어려운 것으로 파악되었다.
또한, 서울 · 경기 · 인천 지역과 부산 · 울산 · 경남 지역은 Nugget 값이 다른 지역에 비해 매우 높은 값이 도출되었다.
후속연구
본 연구 결과를 통해 알 수 있는 점은 산불 발생에 대한 공간 상관성은 대도시가 존재하는 지역과, 대도시가 존재하지 않는 지역 간에 큰 차이가 있다는 사실이다. 그 영향의 정도를 정량적으로 해석한 본 연구 결과는 향후 산불 발생 방지에 유용하게 활용될 수 있다.
또한 예측된 산불 위험 지도가 토지 피복을 고려하지 않고, 전국을 동일한 조건으로 보고 예측하였다는데 한계가 있다. 특히, 산림 외의 지역에도 적용되었다는 점에서 향후 연구를 통한 보완이 필요하다.
이는 가까운 거리에서 산불발생 값의 변이가 크다는 것을 의미하며, 따라서 산불발생 예측과 관리적인 측면에서 부정적인 영향을 끼친다고 생각된다. 이를 통해 향후 산불 예방과 관리에서는 지역별로 이러한 공간 상관성을 고려하여 산불 방지 대책을 구분하여 계획한다면 산불발생 예방 및 관리 측면에서 효과적일 것이라 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
공간통계적 분석은 어떤 개념을 기초로 하는가?
공간통계적 분석은 공간정보를 가진 한 자료는 공간적으로 멀리 떨어져 있는 자료 보다는 공간적으로 가까운 값들과 더 높은 상관을 갖는다는 개념을 기초로 하고 있다(Schabenberger와 Gotway, 2005). 어떤 현상이 어떠한 공간적인 패턴을 가지고 있는지 규명하는 것은그 현상의 형성과정과 요인을 밝히는 일 중 하나이므로 (국토연구원, 2004), 산불발생에 대한 공간적인 패턴의 파악과 공간관계의 해석이 가능하다면 공간 관련 의사결정에 도움이 될 수 있을 것이다.
서울· 경기· 인천 지역의 경우, Nugget 값의 수치가 다른 지역에 비해 매우 높게 나타났는데, 이는 무엇을 의미하는가?
특히 서울· 경기· 인천 지역의 경우, Nugget 값의 수치가 다른 지역에 비해 매우 높게 나타났다. 이것은 이 지역 내에서 가까운 거리 안에서도 값의 변이가 크다는 것을 의미한다. 부산 지역의 경우 서울만큼 높지는 않지만 역시 Nugget 값이 다른 지역보다 크게 나타난 것도 같은 이유인 것으로 파악된다.
공간자기상관성은 어떤 것들을 통해 수치적으로 나타낼 수 있는가?
공간자기상관이란한 지점의 값이 다른 지점의 값과 얼마나 관련이 있는지를 의미한다. 이 공간자기상관성은 반베리오그램(Semivariogram), 상관그램(Correlogram), 공분산(Covariance), 매도그램(Madogram) 등을 통해 수치적으로 나타낼 수 있다(최종근, 2007). 본 연구에서는 반베리오그램을 이용하여 공간자기상관을 분석하였다.
참고문헌 (30)
곽한빈, 이우균, 이시영, 원명수, 이명보, 구교상, 2008, 산불 발생 분포와 지형, 지리, 기상 인자간의 관계 분석, 한국GIS학회 춘.추계학술대회, pp.465-470.
Choi, H.A., Lee, W.K., Kim, S.A., Kwak, H.B., 2008. Spatio-Temporal Variability of Temperature and Precipitation in Seoul, The Journal of GIS Association of Korea. vol.16, no. 4, pp.467-478.
Choi, H.A., Lee, W.K., Byun, J.G., Kwak, H.B., Kim, S.R., Byun, W.H., 2010. Spatial Distribution of Tree Radial Growth to Environmental and Climate Change in Seoul Central Urban Forest, Journal of Forest Planning Japan.
Goovaerts, P., 1997, Geostatistics for Natural Resources Evaluation, Oxford University Press, Oxford.
Kasischke, E., Williams, D. and Barry, D., 2002, Analysis of the patterns of large fires in the boreal forest region of Alaska, International Journal of Wildland Fire, vol.11, pp.131-144.
Kim, S.N., Lee, W.K., Shin, K.I., Kafatos, M., Seo, D.J., Kwak, H. 2010. Comparison of Spatial Interpolation Techniques for Predicting Climate Factors in Korea, Forest Science and Technology. vol.6, no. 2, pp.97-109.
Lee, W.K., Biging, G.S., Son, Y., Lee, K.H., Son, Y.M., 2006. Geostatistical analysis of regional differences in stem taper form of Pinus densiflora in central Korea, Ecological Research. vol.21, pp.513-525.
McCoy, V.M., and Burn, C.R., 2005, Pontential Alteration by Climate Change of the Forest-Fire Regime in the Boreal Forest of Central Yukon Territory, Arctic vol.58, no.3, pp.276-285.
Schabenberger, O. and Gotway, C.A., 2005, Statistical Methods for Spatial Data Analysis, Chapman and Hall/CRC, Boca Raton.
Yang, J., He, H., Shifley, S. and Gustafson, E., 2007, Spatial patterns of modern period human-caused fire occurrence in the Missouri Ozark Highlands, Forest Science, vol.53, no.1, pp.1-15.
Zhang, C. and Selinus. O., 1997, Spatial analysis for copper, lead, zinc contents in sediments of the Yangtze River basin, The Science of the Total Environment, vol.204, pp.251-262.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.