본 연구는 도시성장 시나리오와 CLUE-s 모형을 이용해 한반도의 시공간적인 미래 토지이용 변화를 예측하였다. 이를 위한 CLUE-s 모형의 입력 자료로 2008년 환경부 토지이용도와 국가수자원관리종합시스템(WAMIS)에서 1980년부터 2011년까지 5년 간격의 토지이용 통계 자료를 구축하였다. 토지이용 항목은 총 6개(수역, 시가지, 논, 밭, 산림, 초지)로 분류하였으며, 다양한 토지 변화요소(Driving Factor)와 특별토지이용 정책 자료로 환경부의 국토환경성평가 지도를 적용하였다. 시나리오 예측 결과는 각 도별로 2008년의 토지피복 통계와 비교를 통해 검증하였다. 시가지를 대상으로 한 실측값과의 오차율은 경기도(9.47%), 강원도(9.96%), 충청북도(10.63%), 충청남도(7.53%), 전라북도(9.48%), 전라남도(6.92%), 경상북도(2.50%), 경상남도(8.09%)로 나타났다. 이러한 오차의 원인은 미래 도시성장을 수학적으로 예측하기 위해 모형 내에서 조정된 성장률과 국가 정책으로 인한 실제 성장률의 차이로 인한 것으로 판단된다. 2100년의 미래 토지이용 변화 예측 결과 시가지는 2008년에 비해 28.24% 상승할 것으로 예측되었으며 논, 밭, 산림은 각각 8.27%, 6.72%, 1.66% 감소할 것으로 예측되었다.
본 연구는 도시성장 시나리오와 CLUE-s 모형을 이용해 한반도의 시공간적인 미래 토지이용 변화를 예측하였다. 이를 위한 CLUE-s 모형의 입력 자료로 2008년 환경부 토지이용도와 국가수자원관리종합시스템(WAMIS)에서 1980년부터 2011년까지 5년 간격의 토지이용 통계 자료를 구축하였다. 토지이용 항목은 총 6개(수역, 시가지, 논, 밭, 산림, 초지)로 분류하였으며, 다양한 토지 변화요소(Driving Factor)와 특별토지이용 정책 자료로 환경부의 국토환경성평가 지도를 적용하였다. 시나리오 예측 결과는 각 도별로 2008년의 토지피복 통계와 비교를 통해 검증하였다. 시가지를 대상으로 한 실측값과의 오차율은 경기도(9.47%), 강원도(9.96%), 충청북도(10.63%), 충청남도(7.53%), 전라북도(9.48%), 전라남도(6.92%), 경상북도(2.50%), 경상남도(8.09%)로 나타났다. 이러한 오차의 원인은 미래 도시성장을 수학적으로 예측하기 위해 모형 내에서 조정된 성장률과 국가 정책으로 인한 실제 성장률의 차이로 인한 것으로 판단된다. 2100년의 미래 토지이용 변화 예측 결과 시가지는 2008년에 비해 28.24% 상승할 것으로 예측되었으며 논, 밭, 산림은 각각 8.27%, 6.72%, 1.66% 감소할 것으로 예측되었다.
In this study, we used the CLUE-s model to predict the future land-use change based on the urban growth scenario in South Korea. The land-use maps of six classes (water, urban, rice paddy, upland crop, forest, and grass) for the year 2008 were obtained from the Ministry of Environment (MOE), and the...
In this study, we used the CLUE-s model to predict the future land-use change based on the urban growth scenario in South Korea. The land-use maps of six classes (water, urban, rice paddy, upland crop, forest, and grass) for the year 2008 were obtained from the Ministry of Environment (MOE), and the land-use data for 5-year intervals between 1980 and 2010 were obtained from the Water Resources Management Information System (WAMIS), South Korea. For predicting the future land-use change, the MOE environmental conservation value assessment map (ECVAM) was considered for identifying the development-restricted areas, and various driving factors as location characteristics were prepared for the model. The predicted results were verified by comparing them with the land-use statistics of urban areas in each province for the year 2008. The prediction error rates were 9.47% in Gyeonggi, 9.96% in Gangwon, 10.63% in Chungbuk, 7.53% in Chungnam, 9.48% in Jeonbuk, 6.92% in Jeonnam, 2.50% in Gyeongbuk, and 8.09% in Gyeongnam. The sources of error might come from the gaps between the development of political decisions in reality with spatio-temporal variation and the mathematical model for urban growth rate in CLUE-s model for future scenarios. Based on the land-use scenario in 2008, the land-use predictions for the year 2100 showed that the urban area increased by 28.24%, and the rice paddy, upland crop, and forest areas decreased by 8.27, 6.72, and 1.66%, respectively, in South Korea.
In this study, we used the CLUE-s model to predict the future land-use change based on the urban growth scenario in South Korea. The land-use maps of six classes (water, urban, rice paddy, upland crop, forest, and grass) for the year 2008 were obtained from the Ministry of Environment (MOE), and the land-use data for 5-year intervals between 1980 and 2010 were obtained from the Water Resources Management Information System (WAMIS), South Korea. For predicting the future land-use change, the MOE environmental conservation value assessment map (ECVAM) was considered for identifying the development-restricted areas, and various driving factors as location characteristics were prepared for the model. The predicted results were verified by comparing them with the land-use statistics of urban areas in each province for the year 2008. The prediction error rates were 9.47% in Gyeonggi, 9.96% in Gangwon, 10.63% in Chungbuk, 7.53% in Chungnam, 9.48% in Jeonbuk, 6.92% in Jeonnam, 2.50% in Gyeongbuk, and 8.09% in Gyeongnam. The sources of error might come from the gaps between the development of political decisions in reality with spatio-temporal variation and the mathematical model for urban growth rate in CLUE-s model for future scenarios. Based on the land-use scenario in 2008, the land-use predictions for the year 2100 showed that the urban area increased by 28.24%, and the rice paddy, upland crop, and forest areas decreased by 8.27, 6.72, and 1.66%, respectively, in South Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 환경부의 국토환경성평가 지도를 활용해 특별토지이용정책 자료로 활용할 수 있도록 하였다.
본 연구는 도시성장 시나리오와 CLUE-s 모형을 이용해 한반도의 시공간적인 토지이용 변화를 예측하였다. CLUE-s 모형은 환경변화, 토지이용정책 및 사회 경제적 변화를 반영하여 토지이용 변화를 예측할 수 있으며, 본 연구의 결과는 다음과 같다.
본 연구에서는 미래 토지이용 변화 예측을 위해 WAMIS로부터 구축한 과거 토지이용 통계자료를 기반으로 미래 토지이용 변화 시나리오를 산정하였다.
CLUE-s 모형을 활용한 기존의 선행 토지이용 변화 연구들은 소규모 및 중규모 유역을 대상으로 수행되었으며 과거 토지이용변화 면적을 기준으로 선형외삽을 실시하여 추정하였으나, 이는 미래의 토지이용 정책반영을 고려하지 않은 연구로 국한되어왔다. 본 연구에서는 우리나라를 대상으로 도시성장 시나리오를 적용하여 미래의 토지이용변화를 예측하고자 한다.
이를 통해 과거 통계자료를 기반으로 하여 도시성장 시나리오를 적용한 본 연구의 미래 토지이용 변화에 관한 회귀식의 모의 정확도를 확인해보고자 하였다.
제안 방법
CLUE-s 모형은 기준 자료를 바탕으로 토지이용 요구 자료의 면적 변화에 따라 면적 변화를 예측하며, 본 연구에서는 1㎞×1㎞ 공간해상도로 작성한 2008년 토지이용도를 기준자료로 적용하였다.
WAMIS의 토지이용 통계자료는 총 8개 항목(시가화 건조지역, 논, 밭, 산림, 초지, 습지, 나지, 수역)으로 구성되어 있으며, 환경부 토지이용도와 동일하게 6개의 항목으로 재분류하였다.
모의결과는 2008년 환경부 토지이용도와 비교를 통해 검증하고, 이를 통해 2100년까지의 토지이용 변화를 모의하였다.
본 연구에서는 국토환경성평가지도의 1~3등급 지역을 제한 지역으로 설정하고 4~5등급에 해당하는 지역을 변화 가능 지역으로 적용하였다.
본 연구에서는 시가지의 경우 다른 토지이용으로 변화할 가능성이 거의 존재하지 않을 것이라 판단하여 변환행렬을 모두 0으로 설정하였고, 기타 항목에 대해서는 표1과 같이 설정하여 적용하였다.
본 연구에서는 시나리오 검증을 위해 2008년의 환경부 토지이용도와 비교를 통한 오차 분석을 실시하였다. 이를 통해 과거 통계자료를 기반으로 하여 도시성장 시나리오를 적용한 본 연구의 미래 토지이용 변화에 관한 회귀식의 모의 정확도를 확인해보고자 하였다.
본 연구에서는 이 같은 도시 면적 증가 추세와 농지면적 감소 전망에 따라 도시성장 시나리오 및 토지 이용 변화 시나리오를 작성하고 이를 통해 미래의 각 토지 이용 면적의 변화를 예측하였다.
셋째, WAMIS 통계 자료와 도시성장 시나리오를 바탕으로 행정구역별로 토지이용 변화 회귀식을 산정하고 회귀식을 통해 산정한 결과와 2008년 토지이용 자료를 비교하여 검증을 시도하였다.
앞서 산정한 회귀식을 바탕으로 2100년까지의 각 토지이용 항목의 면적변화를 산정하고 산정한 면적을 토지이용 요구 자료로 CLUE-s 모형에 적용하여 한반도의 미래 토지이용 변화를 예측하였다(표 5).
이 때 모형의 한계로 토지이용 항목은 총 6개(수역, 시가지, 논, 밭, 산림, 초지)로 재분류하였으며, 다양한 토지변화요소를 고려할 수 있도록 하였다.
여기에 인구 증가 추세를 고려할 때, 향후 도시의 성장은 2030년경까지 로지스틱 커브 곡선의 상층부에 해당하는 더딘 성장 추세를 보일 것으로 예측된다. 이에 따라 도시성장 예측 회귀식은 자연로그를 바탕으로 하여 산정하였다. 또한 시가지를 제외한 다른 토지 이용 항목에 해당하는 지역은 이러한 시가지의 변화에 맞춰 자연로그의 식으로 회귀식을 작성하였다.
재분류한 토지이용 통계자료를 활용해 각 토지이용 항목의 과거 변화 양상을 파악하고, 도시성장 시나리오를 고려하여 미래 토지이용 변화 시나리오 작성 후 이를 바탕으로 2008년의 토지이용도를 모의하였다.
CLUE-s 모형에 적용하기 위한 토지이용 지도는 2008년 환경부 토지이용도를 활용하였고 토지이용요구 자료 산정을 위한 토지이용 통계자료를 국가 수자원관리 종합정보시스템(Water Management Information System, WAMIS)에서 1980년부터 2011년까지 구축하였다. 토지이용 항목 분류는 23개의 중분류 토지피복종류를 모두 적용시킬 경우 모형의 구동이 되지않는 한계가 있기 때문에 7개의 대분류 항목(시가지, 농업지역, 산림, 초지, 습지, 나지, 수역)에서 나지를 시가지로, 습지는 수역으로 통합하고 농업지역은 논, 밭을 구분하여 6개의 항목(수역, 시가지, 논, 밭, 산림, 초지)으로 재분류하였다. 나지는 잠정적인 개발지역으로 판단하여 시가지로 분류하였으며, 전체 토지 이용항목에서 차지하고 있는 비중이 0.
대상 데이터
특별토지이용정책 자료로는 환경부의 국토환경성평가 지도를 이용하였다(그림 3j). 국토환경성평가 지도는 법령상 보전용도지역 57개 항목(상수원보호구역, 자연환경보전지역, 습지보호구역 등)과 환경·생태적 가치 관련 8개 항목(종다양성, 생태자연도, 희귀성 등)을 모두 중첩하여 토지 보전가치를 1~5등급으로 평가한 것이다.
데이터처리
CLUE-s 모형을 활용한 선행논문의 경우 총 7가지의 토지변화요소를 고려하였으나 (Ryu et al., 2014), 본 연구에서는 총 9가지(DEM, 경사(slope), 경사향(aspect), 수문학적 토양그룹, 토양 깊이, 토양 타입, 하천으로부터의 거리, 도시로부터의 거리, 국도/지방도로부터의 거리)의 토지 변화요소를 생성한 후(그림 3a~3i) SPSS 통계프로그램을 이용해 각 토지이용 항목의 영향에 대한 회귀분석을 실시하고, 다중공선성 및 상관관계 체크 후 p 값이 0.05 미만에 해당하는 유효한 값들을 CLUE-s 모형의 입력 자료로 활용하였다.
둘째, CLUE-s 모형의 입력 자료로 2008년 환경부 토지이용도를 활용하였으며, WAMIS의 1980년부터 2011년까지의 토지이용 통계자료를 이용해 회귀식을 산정하였다.
성능/효과
토지이용 항목 분류는 23개의 중분류 토지피복종류를 모두 적용시킬 경우 모형의 구동이 되지않는 한계가 있기 때문에 7개의 대분류 항목(시가지, 농업지역, 산림, 초지, 습지, 나지, 수역)에서 나지를 시가지로, 습지는 수역으로 통합하고 농업지역은 논, 밭을 구분하여 6개의 항목(수역, 시가지, 논, 밭, 산림, 초지)으로 재분류하였다. 나지는 잠정적인 개발지역으로 판단하여 시가지로 분류하였으며, 전체 토지 이용항목에서 차지하고 있는 비중이 0.5% 이하로 매우 작기 때문에 이러한 재분류가 전체적인 결과에 미치는 영향은 매우 적을 것으로 판단하였다. WAMIS의 토지이용 통계자료는 총 8개 항목(시가화 건조지역, 논, 밭, 산림, 초지, 습지, 나지, 수역)으로 구성되어 있으며, 환경부 토지이용도와 동일하게 6개의 항목으로 재분류하였다.
넷째, 산정한 회귀식을 CLUE-s 모형에 적용해 미래 토지이용 변화를 예측한 결과, 2020년의 시가지는 2008년(6,890㎢)에 비해 6.75% 상승한 7,355㎢를 나타낼 것으로 보이며 2100년에는 28.24% 상승한 8,836㎢를 차지할 것으로 예측되었다.
다섯째, 수역은 2008년보다 6.68% 상승한 2,908㎢가 될 것으로 예측되었으나, 수자원의 경우 국가 정책에 영향을 많이 받기 때문에 예측에 불확실성이 있다.
산정결과 시가지의 오차율은 서울경기(9.47%), 강원도(9.96%), 충청북도(10.63%), 충청남도(7.53%), 전라북도(9.48%), 전라남도(6.92%), 경상북도(2.50%), 경상남도(8.09%)로 나타났으며, 다른 토지 이용항목에 비해 높은 오차율을 보였다.
산정된 미래 토지이용 변화 시나리오는 실제 통계 값과 0.62~0.99의 상관성을 보였으며, 전 지역에서 도시성장에 따라 논, 밭, 혹은 산림이 감소할 것으로 예측되었다.
시가지를 대상으로 각 지역의 오차율을 산정한 결과 서울경기(9.47%), 강원도(9.96%), 충청북도(10.63%), 충청남도(7.53%), 전라북도(9.48%), 전라남도(6.92%), 경상북도(2.50%), 경상남도(8.09%)의 오차율을 보였다.
이를 제외한 다른 토지이용 항목은 모두 5% 이하의 오차율을 보이며, 산정한 토지이용 회귀식이 적절하게 토지이용을 예측하고 있음을 보였다.
첫째, 로지스틱 커브의 형태를 띄는 도시성장 시나리오에 따르면 우리나라는 급속한 경제 발전을 통해 1990년에 도시화의 종착단계인 75%에 이르렀으며, 2014년 말 기준 우리나라 전체 인구 5,132만여 명 중 도시지역에 거주하는 인구 비율은 91.66%(4,705만여 명)로 조사되었다.
후속연구
본 연구는 도시성장 시나리오와 특별토지이용정책 자료, 과거 통계 자료 등 다양한 요소를 고려해 미래의 토지이용 변화를 정량적으로 예측하였으며, 이 결과는 추후 기후 변화 시나리오 및 건천화 예측 등 미래의 기후 예측 연구 시 기초 입력 자료로써 활용될 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
변환탄성 계수가 0과 1사이의 값일 경우 무엇을 나타내는가?
0의 변환탄성 계수는 한 장소에서 현재 토지이용이 제거되고 동시에 다른 장소에서 이 토지이용이 할당될 수 있음을 의미하며 1은 한개 셀 중 한 개 토지이용에 대해 동시에 다른 토지이용이 전혀 추가가 되거나 제거 되지 않음을 의미한다. 또한 0과 1사이의 값은 토지이용 변화가 허용되지만 높은 값일수록 1의 의미와 가까워짐을 나타낸다. 변환행렬은 각 토지간 변화될 수 있는 가능성을 0과 1로 구분한 것으로서 0일 경우 토지이용 간 변화가 되지 않고, 1일 경우는 변화가 가능한 것임을 의미하며, 사용자가 현재 토지이용현황의 특성을 파악하여 결정하여야 한다.
도시화율이란 무엇인가?
도시화율은 전체 인구 중 도시에 거주하는 인구의 비중으로 나타낼 수 있으며 도시가 되어가는 정도(도시화)를 판단할 수 있는 지표가 된다. 도시화율의 증감을 통해 한 나라의 도시화가 어떻게 전개되고 있는지 가늠해볼 수 있으며, 각 시기별 도시화율을 이으면 그 나라의 도시화의 흐름을 파악할 수 있다.
토지 이용 변화에 대해 공간적으로 예측 할 수 있는 방법에는 어떤 것들이 있는가?
현재 토지 이용 변화에 대해 공간적으로 예측 할 수 있는 방법으로는 Cellular Automata(CA) 기법 (Yun and Park, 2008), Markov Chain 기법, CA와 Markov Chain이 결합된 기법, CLUE-s (Conversation of Land Use Change and its Effects at Small regional extent)모형을 이용한 기법이 있다. 이 중 Markov 기법은 GIS 데이터를 연산하여 현재 토지이용의 변화된 경향을 잘 예측하는 장점이 있지만 시간이 변화하더라도 전이 확률이 항상 일정하고 모든 위치에 동일하게 적용되는 단점이 있으며(Kim and Lee, 2007), CA 기법 또한 시계열 자료의 변화양상을 공통적으로 적용시켜 인접격자의 상태를 지속적으로 변화시키기 때문에 다양한 토지 이용정책이나 사회 경제적 요인을 반영하기에는 한계가 있다(Oh et al.
참고문헌 (22)
Ahn, S.R., C.H. Jang, J.W. Lee and S.J. Kim. 2015. Assessment of climate and land use change impacts on watershed hydrology for an urbanizing watershed. Journal of the Korean Society of Civil Engineers 35(3):567-577 (안소라, 장철희, 이준우, 김성준. 2015. 기후변화와 토지 이용변화가 도시화 진행 유역수문에 미치는 영향 평가. 대한토목학회논문집 35(3):567-577).
Cho, M.R. 2003. Trend and prospect of urbanization in Korea: reflections on Korean cities. Economy and Society 60: 10-39 (조명래. 2003. [특집]도시화의 흐름과 전망-한국 도시의 과거, 현재, 미래. 경제와 사회 60:10-39).
Han, W.S., S.J. Jeong, and B.S. Kim. 2015. The analysis method of future flooding discharge considering climate and land -use change using Dyna-CLUE. Journal of the Korean Society of Hazard Mitigation 15(6):361-371 (한우석, 정세진, 김병식. 2015. Dyna-CLUE를 이용한 기후 및 토지 이용변화를 고려한 미래 홍수 유출 분석 방법. 한국방재학회논문집 15(6):361-371).
Jung, M.H. and I.B. Bang. 2014. Present condition of and prospect for domestic golf course industry. Korean Journal of Golf Studies 8(1):47-55 (정문현, 방인백. 2014. 국내 골프장 산업의 현황과 전망. 한국골프학회지 8(1):47-55).
Kim, D.J., E.S. Im, and S.J. Kim. 2011. Land use change prediction based on urban policy scenarios. Korea Research Institute for Human Settlements. pp. 21-22 (김대종, 임은선, 김상조. 2011. 도시정책 시나리오에 따른 토지이용변화 예측 연구. 국토연구원. pp.21-22).
Kim, M.H., S.H. Han, J.S. Joh, and T.W. Kim. 2013. KREI outlook of the agricultural economy. Korea rural economic institute. p. 31 (김명환, 한석호, 조재성, 김태우. 2013. 2013년 상반기 KREI 농업경제전망. 한국농촌경제연구원. p.31).
Kim, S.J. and Y.J. Lee. 2007. The effect of spatial scale and resolution in the prediction of future land use using CA-Markov technique. Journal of Korean Association of Geographic Information 10(2):57-69 (김성준, 이용준. 2007. 면적규모 및 공간해상도가 CA-Markov 기법에 의한 미래 토지이용 예측결과에 미치는 영향. 한국지리정보학회지 10(2):57-69).
Kim, W.S., K.H. Yun, J. Heo, and S. Jayakumar. 2008. The expectation of the land use and land cover using CLUE-S model and Landsat images. The Korean Society for Geospatial Information System 16(1):33-41 (김우선, 윤공현, 허준, 자야쿠마. 2008. CLUE-S 모델과 시계열 Landsat 자료를 이용한 토지피복 변화 예측. 한국지형공간정보학회지 16 (1):33-41).
Kwon, Y.W. 2002. Interpreting the city; an urban geographical approach. Parkyoungsa. South Korea, pp.143-144 (권용우. 2002. 도시의 이해. 박영사. 대한민국, 143-144쪽).
Lee, D.K., D.H. Ryu, H.G. Kim, and S.H. Lee. 2011. Analyzing the future land use change and its effects for the region of Yangpyeong-gun and Yeojugun in Korea with the Dyna-CLUE model. Journal of Korean Environmental Restoration Technology 14(6):119-130 (이동근, 류대호, 김호걸, 이상혁. 2011. Dyna-CLUE 모델을 이용한 양평？여주 지역의 토지이용 변화 예측 및 평가. 한국환경복원녹화기술학회지 14(6):119-130).
Lee, Y.J. and S.Y. Kim 2007. A modified CA-Markov technique for prediction of future land use change. Journal of the Korean Society of Civil Engineers 27 (6D):809-817(이용준, 김성준. 2007. 미래 토지이용변화 예측을 위한 개선된 CAMarkov 기법의 제안 및 적용. 대한토목학회논문집 27(6D):809-817).
Ministry of Land, Infrastructure and Transport. 2015. 2014 Statistics of urban planning. p.12 (국토교통부. 2015. 2014 도시계획 현황 통계 발표. 도시정책과. 12쪽).
Oh, Y.G., J.Y. Choi., S.H. Yoo, and S.H. Lee. 2011. Prediction of land-cover change based on climate change scenarios and regional characteristics using cluster analysis. Journal of the Korean Society of Agricultural Engineers 53(6):31-41 (오윤경, 최진용, 유승환, 이상현. 2011. 기후변화 시나리오에 따른 미래 토지피복변화 예측 및 군집분석을 이용한 지역 특성 분석. 한국농공학회논문집 53(6): 31-41).
Park, J.H., S.H. No, and G.S. Lee. 2013. Outlook analysis of future discharge according to land cover change using CA-Markov technique based on GIS. Journal of the Korean Association of Geographic Information Studies 16(3): 25-39 (박진혁, 노선희, 이근상. 2013. GIS 기반 CA-Markov 기법을 이용한 토지피복 변화에 따른 미래 유출량 전망 분석. 한국지리정보학회지 16(3):25-39).
Park, J.Y., M.J. Park, H.K. Joh, H.J. Shin, H.J. Kwon, R. Srinivasan and S.J. Kim. 2011. Assessment of MIROC3.2 hires climate and CLUE-s land use change Impacts on watershed hydrology using SWAT. Transactions of the ASABE, 54 (5):1713-1724.
Park, J.Y., M.S. Lee, Y.J. Lee and S.J. Kim. 2008. The analysis of future land use change impact on hydrology and water quality using SWAT model. Journal of the Korean Society of Civil Engineers 28(2B):187-197 (박종윤, 이미선, 이용준, 김성준. 2008. SWAT 모형을 이용한 미래 토지이용변화가 수문-수질에 미치는 영향 분석. 대한토목학회논문집 28 (2B):187-197).
Ryu, J.C., K.H. Ahn, M.D. Han, H.S. Hwang, J.W. Choi, Y.S. Kim and K.J. Lim. 2014. Evaluation and application of CLUE-S model for spatio-temporal analysis of future land use change in total water pollution load management system. Journal of Korean Society on Water Environment 30(4):418-428 (류지철, 안기홍, 한미덕, 황하선, 최재완, 김영석, 임경재. 2014. 오염총량관리제의 시공간적 미래 토지이용 변화분석을 위한 CLUES 모델의 적용 및 평가. 한국물환경학회지 30(4):418-428).
Statistics Korea. 2011. Population projections for Korea: 2010-2060 (based on the 2010 Census). p.28 (통계청. 2011. 장래인구추계: 2010-2060 (2010 인구주택총조사 기준). p.28).
Veldkamp, A. and L.O. Fresco. 1996. CLUE-CR: an integrated multi-scale model to simulate land use change scenarios in Costa Rica. Ecological modeling 91:231-248.
Verburg, P.H., G.H.J. De Koning, K. Kok, A. Veldkamp, J. Bouma. 1999. A spatial explicit allocation procedure for modeling the pattern of land use change based upon actual land use. Ecological modeling 116(1):45-61.
Verburg, P.H., W. Soepboer, A. Veldkamp, R. Limpiada. V. Espaldon, and S.S. Mastura. 2002. Modeling the spatial dynamic of regional land use: the CLUE-S model. Environmental Management 30(3):391-405.
Yun, J.M. and J.M. Park. 2008. Research about growth model's automation. Journal of the Korean Association of Geographic Information Studies 11(1):1-9 (윤정미, 박정우. 2008. 도시성장모형의 시뮬레이션 자동화에 관한 연구. 한국지리정보학회지 11(1): 1-9).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.