[논문]고해상도 위성영상 및 기후·지형 데이터를 이용한 DMZ 불모지의 유형화

이아영; 신현탁; 박기쁨; 정지영; 성찬용

doi:10.13087/kosert.2020.23.1.1

[국내논문] 고해상도 위성영상 및 기후·지형 데이터를 이용한 DMZ 불모지의 유형화
Classification of the damaged areas in the DMZ (demilitarized zone) using high-resolution satellite images and climate and topography data 원문보기

環境復元綠化 = Journal of the Korean Society of Environmental Restoration Technology, v.23 no.1, 2020년, pp.1 - 14

이아영 (국립수목원 DMZ자생식물원) , 신현탁 (국립수목원 DMZ자생식물원) , 박기쁨 (국립수목원 DMZ자생식물원) , 정지영 (국립수목원 DMZ자생식물원) , 성찬용 (한밭대학교 도시공학과)

Abstract ▼ AI-Helper

In this study, we 1) identified the damaged areas along the south limit line (SLL) of the demilitarized zone (DMZ) by the military's 'DMZ barren land campaign', and 2) categorized the identified damaged areas into a few ecological types. Using high-resolution satellite images, we delineated the total damaged areas to be 1,183.2 ha, which accounted for 50.1% of the 100-m northern buffer regions from the SLL. Of the total damaged areas, 16% were severely damaged, i.e., they had been damaged until recently and so remained barren without vegetation cover. In other areas, the levels of damage were either moderate (59.9%) or slight (24.1%), due to natural succession that turned those areas to grassland or forest. Using satellite image-derived land cover maps and climatic and topographic data, we categorized the damaged areas into seven types: lowland grassland (19.8%), western lowland forest (21.4%), low-altitude forest (25.5%), mid-altitude forest (18.4%), high-altitude forest (6.8%), vicinity in east coast (7.9%), and waterbody (0.2%). These types can be used to identify proper measures to restore ecosystems in the DMZ for now and after Korean reunification.

주제어

표/그림 (10)

그림 Figure 1. (a) a map showing the entire study area, and (b) an enlarged map with digitized damaged areas
표 Table 1. Specification of the three Rapideye images used in this study
표 Table 2. Environment variables used for the damaged area classification
표 Table 3. Confusion matrices of the three SVM classification
표 Table 4. Land cover status and levels of damage in the study area
표 Table 5. Classification of the damaged areas through K-means clustering
그림 Figure 2. Maps of the damaged areas for each type (Abbr. LG; Lowland grassland, WLF; Western lowland forest, LAF; Low-altitude forest, MAF; Mid-altitude forest, HAF; High-altitude forest, VEC; Vicinity of east coast, WB; Waterbody)
그림 Figure 3. Averages of environmental variables for seven types of the damaged areas (Abbr. LG; Lowland grassland, WLF; Western lowland forest, LAF; Low-altitude forest, MAF; Mid-altitude forest, HAF; High-altitude forest, VEC; Vicinity in east coast, WB; Waterbody)
그림 Figure 3. continued
그림 Figure 4. The levels of damage for seven types of the damaged areas (Abbr. LG; Lowland grassland, WLF; Western lowland forest, LAF; Low-altitude forest, MAF; Mid-altitude forest, HAF; High-altitude forest, VEC; Vicinity in east coast, WB; Waterbody)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 연구에서는 고해상도 위성영상인 Rapideye 영상을 활용하여 DMZ 남방한계선 철책을 따라 형성된 DMZ 내부 불모지를 파악하고, 이들 불모지의 환경적 특성을 고려한 불모지 유형화를 수행하여, 향후 불모지 복원 계획 수립을 위한 기초자료를 제공하였다.

제안 방법

DMZ 남방한계선 철책 인접 불모지는 Rapideye 영상을 다지타이징하여 구획하였다. 연구 초기에는 영상 분류 알고리즘으로 Rapideye 영상 에서 불모지를 추출하려 하였으나, 군의 불모지 작전으로 형성된 불모지라 하더라도 실제로는 작전 후 식생이 활착된 곳이 많아, 분류 알고리즘이 불모지와 초지를 혼동하는 경우가 많았다.
DMZ 불모지의 훼손 정도는 Rapideye 영상에서 추출한 토지피복현황을 바탕으로 약간 훼손, 보통 훼손, 매우 훼손의 3단계로 구분하였다. 본연구에서는 구획된 불모지의 토지피복현황이 산림인 곳을 훼손도가 ‘약간 훼손’인 곳으로 정의 하였는데, 이 유형은 군의 불모지 작전 이후 상당한 시간이 지나 자연천이가 진행되어 관목층DMZ 불모지의 훼손 정도는 Rapideye 영상에서 추출한 토지피복현황을 바탕으로 약간 훼손, 보통 훼손, 매우 훼손의 3단계로 구분하였다.
단, 불모지가 어느 정도 규모로 형성되어 있는지 파악하기 위해서 전체 연구대상지 면적 대비 불모지 면적비율을 산정하였는데, 이때 면적 산정을 위해 전체 연구대상지를 ‘DMZ 남방한계선 북쪽 100m 지역’으로 설정하였다(Figure 1b). 군의 불모지 작전의 정확한 규모는 알 수 없으나 1968~1969년 사이에 DMZ 일대를 불모지화하기 위해 비무장지대 남측 철책 양쪽 100m, 전술 도로, 초소 등 총면적 72.7㎢에 달하는 지역에 제초제를 살포하여 식생을 제거하였다는 기록이 있어(Lim, 2000), DMZ 남방한계선 북쪽 100m 지역까지를 군의 불모지 작전의 대상지로 간주하여 연구를 진행하였다.
단, 불모지가 어느 정도 규모로 형성되어 있는지 파악하기 위해서 전체 연구대상지 면적 대비 불모지 면적비율을 산정하였는데, 이때 면적 산정을 위해 전체 연구대상지를 ‘DMZ 남방한계선 북쪽 100m 지역’으로 설정하였다(Figure 1b).
본 연구에서 이용한 Rapideye 영상은 3개로, 각 영상의 촬영 시점에 따라 태양 에너지 입사량과 대기 상태들이 각기 다르므로, SVM도 영상별로 개별적으로 학습시켜야 한다. 따라서 각 영상별로 6개 유형별로 100개씩 총 1,800개의 학습용 픽셀을 선정하여 SVM을 학습시켜 각 영상별 토지피복현황을 분류한 다음, 분류된 토지피복현황도를 이미지 모자이크하여 연구대상지 전체에 대한 토지피복현황도를 도출하였다. SVM-RBF의 두 사용자 파라미터인 γ 와 ε은 영상별로 5겹 교차검증(5-fold cross-validation)을 통해 결정하였다.
DMZ 내 불모지 유형 분류를 위해서는 불모지 내부와 인근 지역에 대한 환경 데이터가 필요하나, DMZ 특성상 정부 등 국내 기관에서 공식적으로 제공하는 환경변수는 거의 없는 실정 이다. 따라서 본 연구에서는 Rapideye 영상에서 추출한 토지피복현황과 해외에서 제작한 각종 데이터를 최대한 수집하여 불모지 유형 분류에 활용하였다(Table 2).
연구 초기에는 영상 분류 알고리즘으로 Rapideye 영상 에서 불모지를 추출하려 하였으나, 군의 불모지 작전으로 형성된 불모지라 하더라도 실제로는 작전 후 식생이 활착된 곳이 많아, 분류 알고리즘이 불모지와 초지를 혼동하는 경우가 많았다. 따라서 분류 알고리즘 대신 Rapideye 영상을 육안 으로 판독하여 불모지를 구획하였다(Figure 1b).
불모지로부터 반경 500m 내 산림면적 비율과 반경 500m 내 초지면적 비율은 Rapideye 영상 에서 추출한 토지피복현황도를 이용하여 산정 하였다. 또한 반경 10m 내 수역 면적 비율은 Rapideye 영상에서 추출한 토지피복현황도와 ASTER GDEM version 2 데이터를 분석하여 추출한 하천 면적을 합산하여 산정하였다. 토지피 복현황도 분석 방법은 다음 절(3.
하지만 7개 수역-습지 추이대 유형의 면적이 넓지 않아 개별 유형별 복원 방법을 제시하는 것이 현실적이지 않으므로, 본 연구에서는 7개 유형을 병합하여 하나의 유형(수역)으로 분류하였다(Table 5). 또한, 도출된 유형 중 2개 유형은 실제로는 명확히 구분되지 않아 하나의 유형(저고도 산지 유형)으로 병합하였고, 같은 이유로 다른 2개 유형도 하나(중고도 산지 유형) 로 병합하였다. 최종적으로 DMZ 내 불모지를 7개의 유형으로 분류하였고, 각각 저지대 초지, 서부 저지대 산지, 저고도 산지, 중고도 산지, 고지대 산지, 동해안 인근, 수역으로 명명하였다(Table 5).
5)로 설정하여 산정하였다. 또한, 하천 유선은 ArcMap 10.5의 Hydrology 모듈을 이용하여 셀의 유역 면적이 30만㎡ 이상(flow accumulation이 10,000만 셀 이상)인 셀만 하천으로 분류하여 추출하였다.
KMC는 특성 공간에서의 상호 배타적인 K개의 군집이 있다고 가정하는데, 여기서 K값은 데이터의 특성을 고려하여 연구자가 결정하 여야 한다(Hartigan and Wong, 1979). 본 연구에 서는 K값을 3부터 20까지 변경하면서 불모지를 분류해보고, 이 중 실제 현장 상황을 가장 잘 반 영하는 결과가 도출된 K값으로 설정하였다.
본 연구에서는 K-Means Clustering(KMC)을이용하여 Table 2의 13개 환경변수를 특성 (feature)으로 하는 특성 공간(feature space)에서 DMZ 불모지의 자연적 군집을 찾아 불모지를 유형화하였다. KMC는 군집 수가 K로 주어지면, K 집단의 중심과 데이터와의 거리의 합이 최소가 되도록 K 군집의 중심과 데이터의 소속 군집을 반복적으로 재계산하는 알고리즘으로, 데이 터가 특성 공간에서 자연적인 군집을 형성하고 있을 때 이를 찾아주는 방법이다(Hartigan and Wong, 1979).
KMC는 군집 수가 K로 주어지면, K 집단의 중심과 데이터와의 거리의 합이 최소가 되도록 K 군집의 중심과 데이터의 소속 군집을 반복적으로 재계산하는 알고리즘으로, 데이 터가 특성 공간에서 자연적인 군집을 형성하고 있을 때 이를 찾아주는 방법이다(Hartigan and Wong, 1979). 본 연구에서는 Rapideye 영상에서 구획한 불모지를 Rapideye 영상의 셀 크기에 맞춰 5m의 래스터 데이터로 변환한 다음, 각 셀이 어떤 군집에 속하는지를 KMC를 이용해 결정하 였다. KMC는 특성 공간에서의 상호 배타적인 K개의 군집이 있다고 가정하는데, 여기서 K값은 데이터의 특성을 고려하여 연구자가 결정하 여야 한다(Hartigan and Wong, 1979).
연구대상지에 대한 토지피복현황은 Rapideye 영상을 분류하여 추출하였다. 본 연구에서는 기계학습(machine learning) 방법의 하나인 SVM (Support Vector Machine)을 활용하여(Burges, 1998), 연구대상지의 토지피복유형을 산림과 초지, 농경지, 나지, 건조지(포장도로 및 건축물), 수역의 6개 유형으로 분류하였다. SVM은 기본 적으로 선형 분류함수를 이용하나, 다양한 비선형 커널을 적용하여 분류정확도를 높일 수 있다 (Burges, 1998).
SVM은 기본 적으로 선형 분류함수를 이용하나, 다양한 비선형 커널을 적용하여 분류정확도를 높일 수 있다 (Burges, 1998). 본 연구에서는 기본 SVM에 비선형 커널 중 RBF(radial-based function)를 적용 하여 Rapideye 영상을 비선형 분류하였다.
SVM은 감독분류법(supervised classification method) 중 하나로, 토지피복유형의 분광반사율 곡선을 SVM이 학습할 수 있도록 실제 토지피 복유형을 대표하는 픽셀을 선정하여야 한다. 본연구에서는 각 토지피복유형별로 100개씩의 학습용 픽셀(ground truth pixel)을 선정하여 SVM 을 학습시켰다. 본 연구에서 이용한 Rapideye 영상은 3개로, 각 영상의 촬영 시점에 따라 태양 에너지 입사량과 대기 상태들이 각기 다르므로, SVM도 영상별로 개별적으로 학습시켜야 한다.
본연구에서는 구획된 불모지의 토지피복현황이 산림인 곳을 훼손도가 ‘약간 훼손’인 곳으로 정의 하였는데, 이 유형은 군의 불모지 작전 이후 상당한 시간이 지나 자연천이가 진행되어 관목층DMZ 불모지의 훼손 정도는 Rapideye 영상에서 추출한 토지피복현황을 바탕으로 약간 훼손, 보통 훼손, 매우 훼손의 3단계로 구분하였다.
불모지로부터 반경 500m 내 산림면적 비율과 반경 500m 내 초지면적 비율은 Rapideye 영상 에서 추출한 토지피복현황도를 이용하여 산정 하였다. 또한 반경 10m 내 수역 면적 비율은 Rapideye 영상에서 추출한 토지피복현황도와 ASTER GDEM version 2 데이터를 분석하여 추출한 하천 면적을 합산하여 산정하였다.
Solar Radiation 모듈을 이용해 GDEM 셀 단위로 산정하였다. 연간 일조량은 2018년 1월 1일부터 12월 31일까지, 생장기 일조량은 같은 단위로 2018년 4월 1일부터 10월 31일까지 매일(daily interval=1day), 30분 단위(hourly interval=0.5)로 설정하여 산정하였다. 또한, 하천 유선은 ArcMap 10.
연구대상지 내 표고 데이터는 ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) 위성영상을 기반으로 제작한 GDEM(Global Digital Elevation Model) version2(National Aeronautics and Space Ad- ministration Jet Propulsion Laboratory, 2017)를 활용하 였고, 이 데이터를 분석하여 경사와 연간 일조량, 생장기(4-10월) 일조량, 하천 유선(streamline)을 추출하였다. 일조량은 ArcMap 10.
연구대상지에 대한 토지피복현황은 Rapideye 영상을 분류하여 추출하였다. 본 연구에서는 기계학습(machine learning) 방법의 하나인 SVM (Support Vector Machine)을 활용하여(Burges, 1998), 연구대상지의 토지피복유형을 산림과 초지, 농경지, 나지, 건조지(포장도로 및 건축물), 수역의 6개 유형으로 분류하였다.
연구대상지 내 기온과 강수량 데이터는 World Clim version 2 데이터로부터 추출하였다. 이 데이터는 1970년부터 2000년까지 기후 평년값을 월 단위로 30arc초(지상표본거리 약 1 ㎢)의 해상도로 추정한 데이터로(Fick and Hijimans, 2017), 본 연구에서는 이 데이터로부터 식물 생장에 영향을 주는 최한월(1월) 평년기온, 최난월(8월) 평년기온, 생장기(4-10월) 평년기온, 연간 평년강수량, 생장기(4-10월) 평년강수 량을 산정하였다.
, 2016), 실제로는 군에서 설치한 철책이 남방한계선 역할을 하고 있다. 이 철책은 Rapideye 위성영상에서 쉽게 구분할 수 있으므로, 본 연구에서는 남방한계선을 Rapideye 영상에서 직접 디지타이징하여 구획하였다(Figure 1b).
이에 따라 국내에서 고해상도 위성영상을 활용하려면 보안당국의 검열을 통해 군사보안시설을 암영 처리한 영상을 이용하여야 하는데, 군사시설들이 대부분인 DMZ 특성상, 검열 후 고해상도 영상은 데이터로서 가치를 상실한다. 이에 국내법상 검열 없이 활용할 수 있는 가장 고해상도 영상인 Rapideye 위성영상을 이용하여 DMZ 내불모지 분석을 수행하였다. Rapideye 정사영상(level 3A)의 지상표본거리는 5m이다(Planet Labs, 2016).
연구대상지 내 표고 데이터는 ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) 위성영상을 기반으로 제작한 GDEM(Global Digital Elevation Model) version2(National Aeronautics and Space Ad- ministration Jet Propulsion Laboratory, 2017)를 활용하 였고, 이 데이터를 분석하여 경사와 연간 일조량, 생장기(4-10월) 일조량, 하천 유선(streamline)을 추출하였다. 일조량은 ArcMap 10.5
Solar Radiation 모듈을 이용해 GDEM 셀 단위로 산정하였다. 연간 일조량은 2018년 1월 1일부터 12월 31일까지, 생장기 일조량은 같은 단위로 2018년 4월 1일부터 10월 31일까지 매일(daily interval=1day), 30분 단위(hourly interval=0.
최종적으로 DMZ 내 불모지를 7개의 유형으로 분류하였고, 각각 저지대 초지, 서부 저지대 산지, 저고도 산지, 중고도 산지, 고지대 산지, 동해안 인근, 수역으로 명명하였다(Table 5).
이들 7개 유형의 위치를 살펴보면, 모두 수역 또는 수역에 인접한 습지에 분포하고 있어, KMC가육상과 수상 간 추이대(ecotone)의 급격한 환경 변화를 반영하여 수역-습지 생태계를 서로 다른 특성을 가진 별개의 생태계로 구분한 것으로 보인다. 하지만 7개 수역-습지 추이대 유형의 면적이 넓지 않아 개별 유형별 복원 방법을 제시하는 것이 현실적이지 않으므로, 본 연구에서는 7개 유형을 병합하여 하나의 유형(수역)으로 분류하였다(Table 5). 또한, 도출된 유형 중 2개 유형은 실제로는 명확히 구분되지 않아 하나의 유형(저고도 산지 유형)으로 병합하였고, 같은 이유로 다른 2개 유형도 하나(중고도 산지 유형) 로 병합하였다.

대상 데이터

DMZ 남방한계선은 연구대상지의 서쪽 경기도 파주시 장단면 임진강 하류에서 시작하여 경기도 연천군, 강원도 철원군, 화천군, 양구군, 인제군을 거쳐 강원도 고성군 현내면 해안에서 끝나며, 연구대상지 철책의 총 길이는 224km이다(Figure 1a). 휴전 협정에 따른 남방한계선은 군사분계선 에서 남쪽으로 2km 지점을 연결하는 선이지만 (Shin et al.
본연구에서는 각 토지피복유형별로 100개씩의 학습용 픽셀(ground truth pixel)을 선정하여 SVM 을 학습시켰다. 본 연구에서 이용한 Rapideye 영상은 3개로, 각 영상의 촬영 시점에 따라 태양 에너지 입사량과 대기 상태들이 각기 다르므로, SVM도 영상별로 개별적으로 학습시켜야 한다. 따라서 각 영상별로 6개 유형별로 100개씩 총 1,800개의 학습용 픽셀을 선정하여 SVM을 학습시켜 각 영상별 토지피복현황을 분류한 다음, 분류된 토지피복현황도를 이미지 모자이크하여 연구대상지 전체에 대한 토지피복현황도를 도출하였다.
본 연구에서는 2017년 이후 촬영된 Rapideye 영상 중 불모지와 식생 피복지가 쉽게 구분되는 여름철 연구대상지 상공에 구름이 없는 영상을 선정하여 분석하였다. 최종 선정된 영상은 2017년 9월 13일부터 9월 14일까지 촬영된 영상이다(Table 1).
본 연구의 연구 대상은 DMZ 전 구간 남방한 계선 철책을 따라 군의 불모지 작전으로 식생이 심각하게 훼손된 ‘불모지’이다(Figure 1a).
연구대상지 내 기온과 강수량 데이터는 World Clim version 2 데이터로부터 추출하였다. 이 데이터는 1970년부터 2000년까지 기후 평년값을 월 단위로 30arc초(지상표본거리 약 1 ㎢)의 해상도로 추정한 데이터로(Fick and Hijimans, 2017), 본 연구에서는 이 데이터로부터 식물 생장에 영향을 주는 최한월(1월) 평년기온, 최난월(8월) 평년기온, 생장기(4-10월) 평년기온, 연간 평년강수량, 생장기(4-10월) 평년강수 량을 산정하였다.
연구대상지는 동서로 길어 Rapideye의 촬영 영역(swath width)인 77km를 초과하기 때문에, 연구대상지 전역을 세 구간으로 나눠 촬영한 영상을 모자이크하여 사용하였다.
본 연구에서는 2017년 이후 촬영된 Rapideye 영상 중 불모지와 식생 피복지가 쉽게 구분되는 여름철 연구대상지 상공에 구름이 없는 영상을 선정하여 분석하였다. 최종 선정된 영상은 2017년 9월 13일부터 9월 14일까지 촬영된 영상이다(Table 1). 연구대상지는 동서로 길어 Rapideye의 촬영 영역(swath width)인 77km를 초과하기 때문에, 연구대상지 전역을 세 구간으로 나눠 촬영한 영상을 모자이크하여 사용하였다.

데이터처리

SVM-RBF의 두 사용자 파라미터인 γ 와 ε은 영상별로 5겹 교차검증(5-fold cross-validation)을 통해 결정하였다.

성능/효과

분석 결과, KMC가 불모지를 15개로 분류하 도록 설정하였을 때 가장 실제 현장 상황에 맞는 결과가 도출되었다. 15개로 분류하는 것이 가장 현실적인 분류 결과를 도출하기는 하였지만, 분류 결과 15개 유형 중 7개 유형은 면적 1ha 미만의 소규모 유형인 것으로 나타났다. 이들 7개 유형의 위치를 살펴보면, 모두 수역 또는 수역에 인접한 습지에 분포하고 있어, KMC가육상과 수상 간 추이대(ecotone)의 급격한 환경 변화를 반영하여 수역-습지 생태계를 서로 다른 특성을 가진 별개의 생태계로 구분한 것으로 보인다.
DMZ 불모지의 환경 특성을 고려하면, 불모지는 저지대 초지, 서부 저지대 산지, 저고도 산지, 중고도 산지, 고지대 산지, 동해안 인근, 수역의 7개 유형으로 분류할 수 있었다. 7개 유형 중 저고도 산지가 전체 불모지 면적의 25.5%를 차지하여 가장 넓게 분포하였 으며, 서부 저지대 산지(21.4%), 저지대 초지 (19.8%), 중고도 산지(18.4%)의 순으로 분포하고 있었다.
1%는 초지와 산림으로 자연천이가 진행되고 있었지만, 16%는 식생이 활착되지 않고 나지가 드러나 있어 산사태가 우려되는 등 훼손이 매우 심한 지역이었다. DMZ 불모지의 환경 특성을 고려하면, 불모지는 저지대 초지, 서부 저지대 산지, 저고도 산지, 중고도 산지, 고지대 산지, 동해안 인근, 수역의 7개 유형으로 분류할 수 있었다. 7개 유형 중 저고도 산지가 전체 불모지 면적의 25.
Rapideye 영상에서 연구대상지에 대한 토지 피복현황을 추출한 결과, DMZ 불모지 작전으로 형성된 불모지의 전체 면적은 1,183.2ha였다 (Table 4). 이는 연구대상지인 DMZ 남방한계선 철책 북쪽 100m 지역의 50.
SVM-RBF를 통해 Rapideye 영상을 분류한 결과, 분류정확도가 3개 영상 모두 93% 이상, Kappa 계수도 모두 0.9 이상으로 높게 나타나, 분류된 토지피복현황도가 신뢰할 수 있는 데이 터임을 알 수 있었다(Table 3).
분석 결과, KMC가 불모지를 15개로 분류하 도록 설정하였을 때 가장 실제 현장 상황에 맞는 결과가 도출되었다. 15개로 분류하는 것이 가장 현실적인 분류 결과를 도출하기는 하였지만, 분류 결과 15개 유형 중 7개 유형은 면적 1ha 미만의 소규모 유형인 것으로 나타났다.
불모지로 구획된 지역의 토지피복현황을 살펴 보면, 나지로 남아있는 지역이 129.4ha로 전체 불모지의 11%를 차지하고 있었고, 59.9%인 708.7ha 는 초지, 24.1%인 285.0ha는 산림으로 분류되어, 전체 불모지 중 80% 이상의 지역에서 초지나 산림으로의 자연천이가 진행되어 식생이 활착되고 있음을 알 수 있었다. 특히 24.
연구대상지인 DMZ 남방한계선 철책 북쪽 100m 지역의 토지피복현황은 산림이 1,227.7ha, 초지가 914.8ha로, 각각 전체 대상지의 51.9%와 38.7%를 차지하여, 산림과 초지의 비율이 상대 적으로 높음을 알 수 있었다(Table 4). 초지 중 일부는 군의 불모지 작전으로 형성된 것으로 보이나, 하천이나 습지 인근 자연 초지와 전쟁 후버려진 묵논이 천이된 초지도 상당수 있는 것으로 판단된다.
2ha였다 (Table 4). 이는 연구대상지인 DMZ 남방한계선 철책 북쪽 100m 지역의 50.1%에 해당하여, 철책 인근 지대에 불모지가 상당한 비율로 분포하고 있음을 알 수 있었다.
이를 바탕으로 DMZ 내 불모지의 훼손도를 판단하면, 식생이 활착되지 않아 나지로 남아있 거나 건조지로 이용되어 훼손도가 ‘매우 훼손’ 인 불모지는 188.8ha로 전체 불모지의 16%를차지하였다(Table 4).

후속연구

불모지 복원을 위해서는 대상지별 생태 특성을 고려하여 적정 복원 식물종을 선정하는 것이 중요한데, 본 연구 에서 제시한 불모지 유형 분류 결과가 향후 이지역 복원을 위한 방법 설정에 중요한 기초자료가 될 수 있을 것이다. 본 연구결과를 활용하여 단기적으로는 매우 훼손된 불모지에 토양 침식을 막기 위한 식생 복원 사업을 진행하여야 하고, 장기적으로는 통일 후 DMZ 생태계 복원 및보전 계획을 수립하여야 한다.
DMZ 남방한계선 철책 인접 지역은 오랜 기간 군의 작전으로 지속적인 생태계 훼손이 이루 어져 왔기 때문에, 복원 또한 쉽지 않을 것이고, 이에 따라 통일 후 이 지역을 효과적으로 복원하기 위한 준비가 필요하다. 불모지 복원을 위해서는 대상지별 생태 특성을 고려하여 적정 복원 식물종을 선정하는 것이 중요한데, 본 연구 에서 제시한 불모지 유형 분류 결과가 향후 이지역 복원을 위한 방법 설정에 중요한 기초자료가 될 수 있을 것이다. 본 연구결과를 활용하여 단기적으로는 매우 훼손된 불모지에 토양 침식을 막기 위한 식생 복원 사업을 진행하여야 하고, 장기적으로는 통일 후 DMZ 생태계 복원 및보전 계획을 수립하여야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	DMZ 불모지 작전이란 무엇인가?	이와 같은 노력에도 불구하고 DMZ 내부와 인근 지역 생태계는 남북한 군의 군사작전과 자연적․인위적 산불 등으로 심각하게 훼손된 상태이다(Kim, 2010). 국군은 ‘DMZ 불모지 작전’이라는 이름으로 DMZ 철책과 초소 등 군사시설 인접 지역에서 시야 확보를 위해 주기적으로 식생을 제거하고 있고, 북한군도 비슷한 군사 활동을 수행하고 있는 것으로 보인다. 이로 인해 DMZ 인근에는 식생 훼손지가 형성되어, 주변 생태계에 심각한 영향을 주고 있을 뿐만 아니라, 강우시 심각한 토사 유출로 군사 시설 유지와 관리도 어려운 상황이다(Kim and Cho, 2005).
	DMZ에서 Rapideye 영상을 이용하여 분석을 수행한 이유는 무엇인가?	「국가공간정보에 관한 법률」에 따라 제정된 ‘위성정보 보안관리 규정’에서는 국가보안시설 이 촬영된 고해상도 위성영상(공간 해상도 4m 초과)의 공개를 제한하고 있다(Ministry of Public Administration and Security, 2008). 이에 따라 국내에서 고해상도 위성영상을 활용하려면 보안당국의 검열을 통해 군사보안시설을 암영 처리한 영상을 이용하여야 하는데, 군사시설들이 대부분인 DMZ 특성상, 검열 후 고해상도 영상은 데이터로서 가치를 상실한다. 이에 국내법상 검열 없이 활용할 수 있는 가장 고해상도 영상인 Rapideye 위성영상을 이용하여 DMZ 내불모지 분석을 수행하였다. Rapideye 정사영상(level 3A)의 지상표본거리는 5m이다(Planet Labs, 2016).
	DMZ 지역의 생물다양성을 보존하기 위한 노력은 어떤 것이 있는가?	DMZ는 남북한 분단이라는 정치적 상황이 만들어낸 특이한 생태환경으로 국내뿐만 아니라 세계적인 관심을 받고 있다. 이에 정부도 DMZ를국가 핵심생태축으로 지정하였고(Ministry of Environment, 2015), 유네스코 생물권보전지역(Biosphere Reserve)과 IUCN(International Union for Conservation of Nature; 세계자연보전연맹)의 KBA(Key Biodiversity Area; 핵심생물다양성지역)로 지정하려는 등, DMZ 지역의 생물다양성을 보존하기 위한 다양한 노력이 이루어지고 있다 (Korea National Arboretum, 2017). 이와 같은 노력에도 불구하고 DMZ 내부와 인근 지역 생태계는 남북한 군의 군사작전과 자연적․인위적 산불 등으로 심각하게 훼손된 상태이다(Kim, 2010).

참고문헌 (18)

Burges CJC. 1998. A Tutorial on Support Vector Machines for Pattern Recognition. Data Mining and Knowledge Discovery. 2 : 121-167.

상세보기
Choi J, Lee S, Lee SA, Ji SY and Lee PSH. 2016. Evaluation Method Development for Ecological Restorations by Damaged Types. Journal of the Korean Society of Environmental Restoration Technology. 19(1) : 121-133. (in Korean with English summary)
Fick SE and Hijmans RJ. 2017. WorldClim 2 : new 1-km spatial resolution climate surfaces for global land areas. International Journal of Climatology. 37(12) : 4302-4315.

상세보기
Hartigan JA and Wong MA. 1979. Algorithm AS 136: A K-Means Clustering Algorithm. Journal of the Royal Statistical Society. Series C(Applied Statistics). 28(1) : 100-108.
Kim KG. 2010. Land of Peace and Life, DMZ. Dreammedia. p. 471. (in Korean)
Kim KG and Cho DG. 2005. Status and ecological resource value of the Republic of Korea’s De-militarized Zone. Landscape and Ecological Engineering. 1 : 3-15.

상세보기
Korea National Arboretum. 2017. Plan for establishing Key Biodiversity Areas(KBAs) of DMZ area. p. 144. (in Korean)
Lee PSH, Lee S, Lee SA and Choi J. 2015. Development of Evaluation Indices for Ecological Restoration of Degraded Environments Near DMZ in the Republic of Korea. Journal of the Korean Society of Environmental Restoration Technology. 18(1) : 135-151. (in Korean with English summary)
Lim JH. 2000. Management and health effects of veterans exposed to agent orange. Environmental Forum of National Assembly in Korea. p.282-297.
Ministry of Environment. 2015. 3rd Basic Plan for Natural Environment Conservation 2016-2025. Nature Conservation Bureau, Ministry of Environment. p. 175. (in Korean)
Ministry of Public Administration and Security. 2008. Geographic Information Security Management Regulations authorized by Ministry of Public Administration and Security. URL: http://www.law.go.kr/admRulInfoP.do?admRulSeq2000000005158#AJAX (in Korean)
National Aeronautics and Space Administration Jet Propulsion Laboratory. 2017. ASTER Global Digital Elevation Map Announcement. URL: https://asterweb.jpl.nasa.gov/gdem.asp
National Institute of Environmental Research. 2017. Survey of ecosystem in DMZ area; Central zone of North area of the Civilian Control Line. National Institute of Environmental Research. p. 233. (in Korean)
Planet Labs. 2016. Rapideye Imagery Product Specifications. URL: https://www.planet.com/products/satellite-imagery/files/160625-RapidEye%20Image-Product-Specifications.pdf
Shin HT, Kwon YH, Kim NG, et al. 2016. DMZ 155 miles. Korea National Arboretum. p. 352. (in Korean)
Sung CY. 2015. Simulation of crane habitat fragmentation in the North and South Korean border region after Korean reunification. Landscape and Urban Planning. 134: 10-18.

상세보기
Sung HC, Kim SR, Kang DI, Seo JY and Lee SM. 2016. Analysis on the Type of Damaged Land in DeMilitarized Zone(DMZ) Area and Restoration Direction. Journal of the Korean Society of Environmental Restoration Technology. 19(1) : 185-193. (in Korean with English summary)

원문보기 상세보기
Sung HC, Seo JY and Lee SM. 2017. Study on Database Construction of Demilitarized Zone. Journal of the Korean Society of Environmental Restoration Technology. 20(1) : 143-150. (in Korean with English summary)

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증