선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구는 환경영향평가나 도시계획 및 토지이용계획에서 알베도의 중요성에 대한 대중의 참여를 이끌어내기에 적절한 규모로 광역행정구역을 상정하고 행정구역별 알베도 감시 지표나 기준을 마련하기 위한 기초자료를 제시하기 위하여 출발하였다. 알베도 분포를 실험적으로 평가하는 시범연구를 통해, 환경영향평가 과정에서 활용하기 위해 필요한 절차 및 기술요소에 대한 일반적인 기준을 마련하여 본격적인 활용과 유통을 지원하고자 하였다.
- 본 연구는 기존의 연구가 위성영상을 이용하여 행정구역별 알베도 감시를 시도하려는 아이디어 자체도 제시하지 못한 점을 고려하여 MODIS 영상을 활용하여 기초자료 확보의 필요성을 제안하는 최초의 연구이다. 본 연구에서 제시한 방법에 의거 위성영상자료를 이용하여 알베도 변화추세를 평가할 경우 적은 시간과 비용으로 전 국토에 대해 동일한 기준의 일관된 작업과정을 적용함으로써 다수의 조사자에 의한 주관적 판단과 대상 지역의 차이에 따른 불규칙적인 기준 적용의 문제점을 보완할 수 있을 것이다.
- 이번 장에서는 본 연구에서 제시된 방법을 중앙부처나 지방자치단체의 관련 실무자들이나 관심을 가진 사용자들이 환경영향평가 과정에서 활용하기 위한 방안을 제시하고자 한다. 아울러 본 실험연구가 연구기간, 연구지역의 수, 비용, 데이터, 장비 등의 관점에서 한계를 가지고 수행하였기 때문에 직면한 문제점을 지적하고 개선이 필요한 부분에 대해 의견을 정리하였다.
- 따라서 본 연구는 환경영향평가나 도시계획 및 토지이용계획에서 알베도의 중요성에 대한 대중의 참여를 이끌어내기에 적절한 규모로 광역행정구역을 상정하고 행정구역별 알베도 감시 지표나 기준을 마련하기 위한 기초자료를 제시하기 위하여 출발하였다. 알베도 분포를 실험적으로 평가하는 시범연구를 통해, 환경영향평가 과정에서 활용하기 위해 필요한 절차 및 기술요소에 대한 일반적인 기준을 마련하여 본격적인 활용과 유통을 지원하고자 하였다. 아울러 원격탐사 기반의 알베도 조사가 환경영향평가 실무에서 자리 잡을 수 있기 위해 향후 조사방법의 변화나 시스템의 확장 등 후속연구 방안을 제시하였다.
- 본 연구에서 MODIS 데이터가 알베도 감시에서 활용될 수 있는 가시적인 결과물을 산출할 수 있다는 것을 검증하였다. 이번 장에서는 본 연구에서 제시된 방법을 중앙부처나 지방자치단체의 관련 실무자들이나 관심을 가진 사용자들이 환경영향평가 과정에서 활용하기 위한 방안을 제시하고자 한다. 아울러 본 실험연구가 연구기간, 연구지역의 수, 비용, 데이터, 장비 등의 관점에서 한계를 가지고 수행하였기 때문에 직면한 문제점을 지적하고 개선이 필요한 부분에 대해 의견을 정리하였다.
제안 방법
- 기준영상의 픽셀단위 연산을 통하여 결측값을 추출한 후 유사시기 영상들의 해당 픽셀의 값을 추출하고 평균하여 기준영상 결측 픽셀의 값으로 대체하였다. 1단계 보정이 완료된 영상은 반경 1km내의 동일한 토지피복을 가진 정보들을 평균하여 결측된 값으로 대체하였다(그림 5). 모듈을 적용시키기 전의 기준영상에서 임의로 raw data를 제거한 후 nearest neighbor 기준에 의거하여 구현한 모듈을 통하여 결측값을 보정해 보니 유사시기 영상을 활용하는 방법과 결측값이 속한 행정구역의 동일한 토지피복지역의 평균값을 활용하는 방법이 원래 영상의 raw data에 가장 근접한 결과를 도출하였다.
- 결측값 보정작업이 완료된 후 사례연구 지역만 추출하기 위하여 전체 행정구역 중 광역시 이상의 대도시 지역만을 추출(ArcGIS ToolBox의 Masking 기능)하여 신규자료를 생성하였다. 행정구역도 자료와 공간연산을 통하여 토지피복도와 알베도 영상에서 연구대상 지역 외의 자료들은 모두 제거한 후 추출한 대상지의 값을 재조정 하였다.
- 구현은 Raster자료와 Vector자료를 보정해주는 함수를 별도로 구현하고, 외부에서는 자료만을 입력해주면 해당 자료의 결측 값을 보정하도록 설정하였다. 자료의 종류가 바뀔 경우 내부 프로그램을 수정하는 것이 아니라, 외부의 자료만 바꾸면 되도록 유연하게 처리하였다.
- 자료의 종류가 바뀔 경우 내부 프로그램을 수정하는 것이 아니라, 외부의 자료만 바꾸면 되도록 유연하게 처리하였다. 기준영상의 픽셀단위 연산을 통하여 결측값을 추출한 후 유사시기 영상들의 해당 픽셀의 값을 추출하고 평균하여 기준영상 결측 픽셀의 값으로 대체하였다. 1단계 보정이 완료된 영상은 반경 1km내의 동일한 토지피복을 가진 정보들을 평균하여 결측된 값으로 대체하였다(그림 5).
- 그럴 경우 분석을 위한 데이터 재가공으로 인하여 오류가 발생할 여지가 있으며, 다양한 조건에 유연하게 대처하지 못하고 복잡한 작업과정으로 인하여 많은 시간이 소요된다. 따라서 ENVI를 통하여 변환된 영상자료에 대해 재가공을 위한 별도의 수작업 절차를 거치지 않고 여러 장의 영상을 한 번에 보정할 수 있도록 ESRI ArcObjects Library, Microsoft Visual Basic 6을 통하여 보정 모듈을 구현하였다(그림 4). Raster 연산 모듈은 영상자료의 비교분석을 위하여 GeoAnalyst Library의 IRasterModel, IRasterAnalysisEnvironment 인터페이스를 활용하였으며 Vector 연산 모듈은 GeoDatabase Library의 IQueryFilter, ISpatialFilter와 Geometry Library의 ITopologicalOperator 인터페이스를 활용하였다.
- 만약 WSA도 결측일 경우에는 결측 픽셀 주변 5 × 5km의 픽셀을 검사하여 토지피복형이 동일한 픽셀만을 선택한 후, 이것을 평균하여 결측된 픽셀을 채우도록 하였다.
- 본 연구는 사례연구 지역의 선정, 데이터의 수집, 영상의 투영보정, 결측값 보정, 알베도 분류기준 설계, 행정구역별, 토지피복별 자료를 분석하고 비교 · 평가하는 절차로 수행되었다(그림 3).
- MODIS 알베도 영상의 주기해상도는 16일의 관측 기간 중 가장 우수한 영상을 제공하며, 두 개의 알베도 자료(BSA: Black Sky Albedo, WSA: White Sky Albedo)를 제공한다. 본 연구는 지표면의 알베도 분포 특성을 탐지하는 데 주안점을 두고 있기 때문에 태양 천정각의 함수로 인한 확산 요소를 반영하지 않는 BSA를 활용하였다. MODIS 알베도 값과 토지이용의 상관성을 평가하기 위해, 도시의 건물과 도로 등 불투수면 현황을 대표할 수 있는 토지피복도4)를 활용하였다.
- (Moderate-Resolution Imaging Spectroradiometer) 위성영상을 제공하는 데, MODIS Product 중 알베도 정보를 추출할 수 있는 MOD43B3을 활용하였다. 알베도 측정과정에서 영상 취득 시기에 따라 지표 중 수분함량과 피복간 분광특성의 차이가 많은 변동을 보이기 때문에 일년 영상 전체를 먼저 확인하고 최적의 영상을 선택하고자 2009년 9월(가을)에서 2010년 8월(여름)까지 영상을 취득하였다. 취득영상의 품질을 평가한 결과 지상에 수분이 많은 여름과 겨울 영상의 결측값이 많이 나타나고 봄 영상도 가을보다는 결측값이 많아 2009년 가을에 관측된 영상 6장을 사용하였다(그림 2).
- 연구의 타당성을 검증하기 위해 많은 행정구역을 비교하고 연구하는 것이 공통적인 문제점 발견과 알베도 감시 유용성을 검증하는 데 도움이 되겠으나 지방자치단체별 관할 공간적 범위나 자연환경, 인문환경 특성이 다른 점을 고려하지 않고 수평적으로 비교함으로써 발생할 수 있는 오류를 방지하고자 6대 광역시 이상 지방자치단체의 관할 행정구역(서울시와 부산시, 대구시, 인천시, 대전시, 울산시, 광주시)에 대해 알베도 분포를 집중적으로 비교 평가하는 방식을 취하였다(그림 1).
- 1이 사용되었다. 영상의 결측값을 보정하는 과정에서 ESRI ArcObjects Library 및 Microsoft Visual Basic 6과 GIS 개발엔진 및 프로그래밍 소프트웨어를 활용하였다(표 1). MODIS 육상자료들의 투영 방식은 Sinusoidal projection(SIN)이며, 이는 지구 전체를 36(horizontal)×18(vertical)의 tile로 투영하는데, 각각의 tile은 10×10도(1,200×1,200pixel)로 구성된다.
- 행정구역도 자료와 공간연산을 통하여 토지피복도와 알베도 영상에서 연구대상 지역 외의 자료들은 모두 제거한 후 추출한 대상지의 값을 재조정 하였다. 자료들 간의 비교평가를 위해서는 알베도, 토지피복도, 행정구역도를 이용하였으며, 기준자료에 비교 대상 자료를 추가하는 변환작업을 수행하였다. 토지피복도를 행정구역별로 분류하여 비중을 평가해야 하므로 행정구역도와 공간연산을 하여 변환작업을 수행하고, 알베도는 행정구역별 비중과 토지피복분류별 비중을 각각 비교 · 평가해야 하므로 행정구역도, 토지피복도와 공간연산을 하여 변환작업을 수행하였다.
- 토지피복도를 행정구역별로 분류하여 비중을 평가해야 하므로 행정구역도와 공간연산을 하여 변환작업을 수행하고, 알베도는 행정구역별 비중과 토지피복분류별 비중을 각각 비교 · 평가해야 하므로 행정구역도, 토지피복도와 공간연산을 하여 변환작업을 수행하였다.
- 결측값 보정작업이 완료된 후 사례연구 지역만 추출하기 위하여 전체 행정구역 중 광역시 이상의 대도시 지역만을 추출(ArcGIS ToolBox의 Masking 기능)하여 신규자료를 생성하였다. 행정구역도 자료와 공간연산을 통하여 토지피복도와 알베도 영상에서 연구대상 지역 외의 자료들은 모두 제거한 후 추출한 대상지의 값을 재조정 하였다. 자료들 간의 비교평가를 위해서는 알베도, 토지피복도, 행정구역도를 이용하였으며, 기준자료에 비교 대상 자료를 추가하는 변환작업을 수행하였다.
대상 데이터
- NASA(National Aeronautics and Space Administration, 미국항공우주국)는 MODIS3)(Moderate-Resolution Imaging Spectroradiometer) 위성영상을 제공하는 데, MODIS Product 중 알베도 정보를 추출할 수 있는 MOD43B3을 활용하였다. 알베도 측정과정에서 영상 취득 시기에 따라 지표 중 수분함량과 피복간 분광특성의 차이가 많은 변동을 보이기 때문에 일년 영상 전체를 먼저 확인하고 최적의 영상을 선택하고자 2009년 9월(가을)에서 2010년 8월(여름)까지 영상을 취득하였다.
- 알베도 측정과정에서 영상 취득 시기에 따라 지표 중 수분함량과 피복간 분광특성의 차이가 많은 변동을 보이기 때문에 일년 영상 전체를 먼저 확인하고 최적의 영상을 선택하고자 2009년 9월(가을)에서 2010년 8월(여름)까지 영상을 취득하였다. 취득영상의 품질을 평가한 결과 지상에 수분이 많은 여름과 겨울 영상의 결측값이 많이 나타나고 봄 영상도 가을보다는 결측값이 많아 2009년 가을에 관측된 영상 6장을 사용하였다(그림 2).
이론/모형
- 본 연구는 지표면의 알베도 분포 특성을 탐지하는 데 주안점을 두고 있기 때문에 태양 천정각의 함수로 인한 확산 요소를 반영하지 않는 BSA를 활용하였다. MODIS 알베도 값과 토지이용의 상관성을 평가하기 위해, 도시의 건물과 도로 등 불투수면 현황을 대표할 수 있는 토지피복도4)를 활용하였다.
- 따라서 ENVI를 통하여 변환된 영상자료에 대해 재가공을 위한 별도의 수작업 절차를 거치지 않고 여러 장의 영상을 한 번에 보정할 수 있도록 ESRI ArcObjects Library, Microsoft Visual Basic 6을 통하여 보정 모듈을 구현하였다(그림 4). Raster 연산 모듈은 영상자료의 비교분석을 위하여 GeoAnalyst Library의 IRasterModel, IRasterAnalysisEnvironment 인터페이스를 활용하였으며 Vector 연산 모듈은 GeoDatabase Library의 IQueryFilter, ISpatialFilter와 Geometry Library의 ITopologicalOperator 인터페이스를 활용하였다.
- 결측값의 보정은 선행연구(강신규 등, 2008; Jang et al, 2008)에 의거하여 픽셀 단위의 비교분석을 통하여 수행되었다. 영상처리툴이나 GIS 툴의 공간보간 기능들을 통하여 여러 단계의 수작업을 수행하면 결측값 보정이 가능하나, 이를 위해서는 여러 장의 영상자료를 하나씩 변환하고, 토지피복 값을 새롭게 부여하는 번거로운 작업절차가 필요하다.
- MODIS 영상의 투영체계 변환 등 전처리를위해 NASA에서는 MRT(MODIS Reprojection Tools)라는 상용 소프트웨어를 제공하고 있다(강신규 등, 2008). 본 연구에서는 자료 처리를 위해 ITT Visual Information Solutions사에서 개발한 The Environment for Visualizing Images (ENVI) program을 이용하여 MODIS 영상자료를 자동화 방식으로 처리하였으며 Projection 및 Data Conversion을 위해서는 MRT와 ENVI MODIS Toolkit을 이용하였다.
- 연구 전반에 걸쳐 응용 프로그램은 ERDAS Imagine 8.6 영상처리 소프트웨어와 ArcGIS 9.1이 사용되었다. 영상의 결측값을 보정하는 과정에서 ESRI ArcObjects Library 및 Microsoft Visual Basic 6과 GIS 개발엔진 및 프로그래밍 소프트웨어를 활용하였다(표 1).
성능/효과
- 6) 공업지역의 비중이 타 지역에 비해 2배 이상 높은 울산과 인천이 상대적으로 높게 나타나고, 광주는 상업지역과 교통지역의 비중이 상대적으로 낮고 주거 지역의 비중이 가장 높기 때문에 높은 알베도 값을 나타내는 것으로 판단된다.
- 또한 부산과 인천이 서울 다음으로 낮은 알베도 값을 나타내고 있는데, 이 지역 역시 시가화건조지역의 비중이 높기 때문인 것으로 판단된다. 따라서 시가화건조지역의 인공표면이 농업지역과 산림지역 같은 자연표면에 비해 알베도 값이 낮고 온도에 민감하게 반응하는 것이 확인된다. 즉 행정구역의 토지피복별 비중(표 2)에 따라 알베도 값의 차이가 뚜렷하게 나타나는 것으로 확인된다.
- 행정구역별 알베도 수치를 추출하고 토지피복별(대분류) 알베도 평균값을 비교해 본 결과 토지피복의 분류에 따라 알베도 값은 다양하게 나타나며, 시가화건조지역이 비교적 낮고 농업지역이 높음을 알 수 있었다. 또한 시가화건조지역의 비중이 높은 주요도시의 알베도는 상업지역과 교통지역의 비중이 높은 서울과 부산에서 가장 낮게 나타났으며, 농업 지역의 비중이 높은 광주의 알베도 값이 가장 높게 나타났다. 이러한 평가 결과를 통하여 시가화건조 지역의 인공표면이 농업지역과 산림지역 같은 자연 표면에 비해 알베도 값이 낮고 온도에 민감하게 반응하는 것을 알 수 있었고, 도시지역이라도 도시화 현황과 특성에 따라 알베도 값의 차이가 확연하게 다르다는 것을 알 수 있었다.
- 1단계 보정이 완료된 영상은 반경 1km내의 동일한 토지피복을 가진 정보들을 평균하여 결측된 값으로 대체하였다(그림 5). 모듈을 적용시키기 전의 기준영상에서 임의로 raw data를 제거한 후 nearest neighbor 기준에 의거하여 구현한 모듈을 통하여 결측값을 보정해 보니 유사시기 영상을 활용하는 방법과 결측값이 속한 행정구역의 동일한 토지피복지역의 평균값을 활용하는 방법이 원래 영상의 raw data에 가장 근접한 결과를 도출하였다.
- 행정구역별 관리에 있어 알베도 지표는 현 시점에서 미흡한 점이 많으며, 이를 제도로 도입하기 위해서는 지표를 보다 계량화하고 과학적인 기반 위에서 표준화하여야 한다. 본 연구에서 MODIS 데이터가 알베도 감시에서 활용될 수 있는 가시적인 결과물을 산출할 수 있다는 것을 검증하였다. 이번 장에서는 본 연구에서 제시된 방법을 중앙부처나 지방자치단체의 관련 실무자들이나 관심을 가진 사용자들이 환경영향평가 과정에서 활용하기 위한 방안을 제시하고자 한다.
- 또한 시가화건조지역의 비중이 높은 주요도시의 알베도는 상업지역과 교통지역의 비중이 높은 서울과 부산에서 가장 낮게 나타났으며, 농업 지역의 비중이 높은 광주의 알베도 값이 가장 높게 나타났다. 이러한 평가 결과를 통하여 시가화건조 지역의 인공표면이 농업지역과 산림지역 같은 자연 표면에 비해 알베도 값이 낮고 온도에 민감하게 반응하는 것을 알 수 있었고, 도시지역이라도 도시화 현황과 특성에 따라 알베도 값의 차이가 확연하게 다르다는 것을 알 수 있었다.
- 행정구역 전체의 알베도 값과 시가화건조지역만의 알베도 값을 비교해 보면 행정구역 전체일 경우는 인천이 대전보다 울산이 대구보다 알베도 값이 낮게 나타났으나 시가화건조지역만을 대상으로 한 경우 대전이 인천보다 대구가 울산보다 알베도 값이 낮게 나타난다. 그 이유는 대전과 대구가 상업지역과 교통지역의 비중이 각각 대전이 인천보다 대구가 울산보다 높고 공업지역 비중이 낮기 때문인 것으로 판단된다.
- 행정구역별 알베도 수치를 추출하고 토지피복별(대분류) 알베도 평균값을 비교해 본 결과 토지피복의 분류에 따라 알베도 값은 다양하게 나타나며, 시가화건조지역이 비교적 낮고 농업지역이 높음을 알 수 있었다. 또한 시가화건조지역의 비중이 높은 주요도시의 알베도는 상업지역과 교통지역의 비중이 높은 서울과 부산에서 가장 낮게 나타났으며, 농업 지역의 비중이 높은 광주의 알베도 값이 가장 높게 나타났다.
후속연구
- 향후 현지조사 기반의 평가에서 사용하는 기법과 원격탐사 기반의 평가기법을 통합한 다양한 기법을 알베도 감시를 위해 연계함으로서 본 연구 결과의 실용성을 증진시킬 수 있는 방안에 대해서 보다 심도있는 연구가 필요하다. 각 지역이나 장소마다 그 특성이 매우 다를 수 있으므로 한두 가지의 연구나 모형으로 알베도 분포특성을 확정할 수 없고 향후에 보다 많은 지역의 서로 다른 특성들에 대해 연구가 진행되어야 한다. 또한 행정구역별 온실가스 감축과 온실가스 인벤토리 구축에 과학적인 근거로 활용될 수 있도록 도시지역 알베도 값에 따른 온실가스 배출량의 상관성에 관한 연구가 계속되어야 한다.
- 각 지역이나 장소마다 그 특성이 매우 다를 수 있으므로 한두 가지의 연구나 모형으로 알베도 분포특성을 확정할 수 없고 향후에 보다 많은 지역의 서로 다른 특성들에 대해 연구가 진행되어야 한다. 또한 행정구역별 온실가스 감축과 온실가스 인벤토리 구축에 과학적인 근거로 활용될 수 있도록 도시지역 알베도 값에 따른 온실가스 배출량의 상관성에 관한 연구가 계속되어야 한다. 이와 같은 비교 평가과정은 즉 전통적으로 현지조사에 의거한 접근보다 훨씬 과학적이고 객관적인 근거를 제공하여 알베도 규제 단위지역을 선정하기 위한 중요한 근거자료가 될 것이다.
- 본 연구에서 제시된 광범위한 지역의 알베도를 단시간에 평가하는 방법에 의거 영상 데이터베이스를 체계적으로 구축하여 알베도를 다양한 시기별로 따라 수시로 평가할 수 있을 것이다. 본 연구결과가 국가 전체 차원에서 도시에 대하여 알베도의 관리에 대한 표준화된 계획을 정립하는 촉매제가 될 것이다. 아울러 지방자치단체에서도 정책결정자가 보다 적은 인력과 예산으로 합리적인 기준에서 도시내부의 열반사특성의 효율적인 관리계획을 수립하는데도움을 받을 수 있는 지침이 마련될 것으로 보인다.
- 본 연구에서 제시한 방법에 의거 위성영상자료를 이용하여 알베도 변화추세를 평가할 경우 적은 시간과 비용으로 전 국토에 대해 동일한 기준의 일관된 작업과정을 적용함으로써 다수의 조사자에 의한 주관적 판단과 대상 지역의 차이에 따른 불규칙적인 기준 적용의 문제점을 보완할 수 있을 것이다. 본 연구는 각종 개발 사업의 기후환경영향평가에서 객관성을 확보하기 위한 방안으로 알베도라는 평가지표를 제안하였는데 향후에는 환경영향평가과정에서 원격탐사와 GIS를 활용하여 사업단위지구 알베도 분포 통계를 산출하여 제출하는 것을 의무화할 필요가 있다고 사료된다.
- 본 연구에서 제시된 광범위한 지역의 알베도를 단시간에 평가하는 방법에 의거 영상 데이터베이스를 체계적으로 구축하여 알베도를 다양한 시기별로 따라 수시로 평가할 수 있을 것이다. 본 연구결과가 국가 전체 차원에서 도시에 대하여 알베도의 관리에 대한 표준화된 계획을 정립하는 촉매제가 될 것이다.
- 본 연구는 기존의 연구가 위성영상을 이용하여 행정구역별 알베도 감시를 시도하려는 아이디어 자체도 제시하지 못한 점을 고려하여 MODIS 영상을 활용하여 기초자료 확보의 필요성을 제안하는 최초의 연구이다. 본 연구에서 제시한 방법에 의거 위성영상자료를 이용하여 알베도 변화추세를 평가할 경우 적은 시간과 비용으로 전 국토에 대해 동일한 기준의 일관된 작업과정을 적용함으로써 다수의 조사자에 의한 주관적 판단과 대상 지역의 차이에 따른 불규칙적인 기준 적용의 문제점을 보완할 수 있을 것이다. 본 연구는 각종 개발 사업의 기후환경영향평가에서 객관성을 확보하기 위한 방안으로 알베도라는 평가지표를 제안하였는데 향후에는 환경영향평가과정에서 원격탐사와 GIS를 활용하여 사업단위지구 알베도 분포 통계를 산출하여 제출하는 것을 의무화할 필요가 있다고 사료된다.
- 이와 같이 원격탐사와 GIS기반의 공간 모델링은 행정구역별 알베도 규제기준을 산정하는 과정에서 광역공간 객체를 유형화하고 이들의 변화추세를 평가하여 문제의 원인을 진단하고 미래의 변화추세를 예측할 수 있어 강력한 도구로 활용될 수 있을 것이다. 본 연구에서 제안된 방식에 의거하여 영상 데이터베이스가 구축되면 각종 개발사업이 알베도에 미치는 영향을 단시간에 평가하여 일정기준을 초과할 경우 사업의 동의 여부, 사업규모 축소, 대체 녹지공간 조성 등 검토의견을 제시할 수 있을 것이다.
- 본 연구에서 활용한 1×1 km의 공간 해상도 영상은 픽셀단위로 알베도를 관측하기 광역조망의 관점에서 대표값을 추출하는데 문제는 없지만, 1×1 km 보다 좁은 범위의 토지피복분류에 해당하는 공간객체의 알베도 값은 반영될 수 없는 한계를 가지고 있다.
- 알베도 분포를 실험적으로 평가하는 시범연구를 통해, 환경영향평가 과정에서 활용하기 위해 필요한 절차 및 기술요소에 대한 일반적인 기준을 마련하여 본격적인 활용과 유통을 지원하고자 하였다. 아울러 원격탐사 기반의 알베도 조사가 환경영향평가 실무에서 자리 잡을 수 있기 위해 향후 조사방법의 변화나 시스템의 확장 등 후속연구 방안을 제시하였다.
- 또한 행정구역별 온실가스 감축과 온실가스 인벤토리 구축에 과학적인 근거로 활용될 수 있도록 도시지역 알베도 값에 따른 온실가스 배출량의 상관성에 관한 연구가 계속되어야 한다. 이와 같은 비교 평가과정은 즉 전통적으로 현지조사에 의거한 접근보다 훨씬 과학적이고 객관적인 근거를 제공하여 알베도 규제 단위지역을 선정하기 위한 중요한 근거자료가 될 것이다.
- 과거에는 도시행정에서 여러 지역을 비교하여 알베도 관련 정책을 수립해야 할 경우 실무자의 경험과 감각적인 판단에 의존하여 업무를 수행하여 온 것이 사실이었다. 이와 같이 원격탐사와 GIS기반의 공간 모델링은 행정구역별 알베도 규제기준을 산정하는 과정에서 광역공간 객체를 유형화하고 이들의 변화추세를 평가하여 문제의 원인을 진단하고 미래의 변화추세를 예측할 수 있어 강력한 도구로 활용될 수 있을 것이다. 본 연구에서 제안된 방식에 의거하여 영상 데이터베이스가 구축되면 각종 개발사업이 알베도에 미치는 영향을 단시간에 평가하여 일정기준을 초과할 경우 사업의 동의 여부, 사업규모 축소, 대체 녹지공간 조성 등 검토의견을 제시할 수 있을 것이다.
- 일단 확보된 원격탐사 영상은 환경에 대한 전문적인 지식이 없는 사람들도 수직조망(vertical vantage point)의 관점에서 알베도의 현황을 광역적으로 파악할 수 있게 하여 현장조사의 한계점을 극복하는 데 중요한 역할을 수행할 것이다. GIS 공간 분석 기법은 알베도에 대한 정보를 사용자가 원하는 핵심지역만을 단시간에 선정하여 볼 수 있다는 점에서 넓은 지역에 대한 정보를 얻는데 있어서 기존의 현장조사와 비교하여 경제적이며 시·공간을 초월하여 조사하고자 하는 지역에 접근하여 분석 평가할 수 있는 장점을 확실하게 보여 줄 것이다.
- 행정구역별 알베도 값을 측정 시 토지피복의 대분류, 중분류만을 인자로 연구하였으나 동일한 토지피복분류 내에서도 알베도 값에 영향을 미치는 요소들(건물의 재질, 층수, 지붕, 토양의 수분함량 등)이 많으므로 좀 더 정확한 결과 값을 도출하기 위해서는 더 많은 인자들을 고려한 연구가 추가적으로 진행되어야 할 것이다.
- 본 연구의 타당성을 검증하기 위해서는 원격탐사 기반의 평가 방식과 현지조사를 통하여 수집된 데이터와 비교하는 것이 필수적이다. 향후 현지조사 기반의 평가에서 사용하는 기법과 원격탐사 기반의 평가기법을 통합한 다양한 기법을 알베도 감시를 위해 연계함으로서 본 연구 결과의 실용성을 증진시킬 수 있는 방안에 대해서 보다 심도있는 연구가 필요하다. 각 지역이나 장소마다 그 특성이 매우 다를 수 있으므로 한두 가지의 연구나 모형으로 알베도 분포특성을 확정할 수 없고 향후에 보다 많은 지역의 서로 다른 특성들에 대해 연구가 진행되어야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.