페텐 보호구역의 산림 파괴와 토양 침식 예측을 위한 원격탐사·GIS·모델 통합

초록

본 연구는 스팟·TM 위성 영상과 제한된 공간 데이터를 활용해 과거 토지피복 변화를 분석하고, NDVI·수분 스트레스 지수, RGB 및 주성분 분석을 통해 환경 영향을 파악한다. 도로·파이프라인·고도 등 새로 만든 환경 변수와 결합해 마코프 체인·다중 기준 평가·셀룰러 오토마타·신경망 등 네 가지 예측 모델을 비교·보정함으로써 페텐 보호구역의 미래 산림 파괴 위험도를 정밀히 예측한다.

상세 분석

이 논문은 데이터가 부족한 상황에서도 위성 영상과 GIS를 효율적으로 결합하는 방법론을 제시한다. 스팟과 TM(Landsat) 다중스펙트럼 데이터를 이용해 과거 토지피복 변화를 시계열적으로 분석하고, 정규화된 차이식생지수(NDVI)와 수분 스트레스 지수(Hydric Stress Index)를 계산함으로써 식생 활력과 토양 수분 상태를 정량화한다. 통계적 기준에 따라 가장 정보량이 높은 RGB 밴드 조합을 선정하고, 주성분 분석(PCA)을 수행해 잡음 감소와 차원 축소를 동시에 달성한다. 이러한 이미지 기반 변수 외에도 도로·석유 파이프라인·고도(DEM) 등 인간 활동과 지형 요인을 거리 변수로 전환해 GIS 레이어에 통합한다. 예측 단계에서는 마코프 체인(Markov Chains)을 이용해 토지피복 전이 확률을 추정하고, 다중 기준 평가(MCE)와 셀룰러 오토마타(CA)를 결합해 공간적 연속성을 반영한다. 동시에 인공신경망(ANN)을 적용해 비선형 관계를 학습시켜 모델의 예측력을 보강한다. 각 모델의 잔차(Residual)를 정밀히 분석해 과소·과대 예측 영역을 식별하고, 이를 기반으로 가중치를 재조정하거나 변수 선택을 최적화한다. 결과적으로, 복합 모델은 단일 모델에 비해 예측 정확도가 현저히 향상되었으며, 특히 도로와 파이프라인 인근에서의 급격한 산림 감소와 토양 침식 위험을 효과적으로 포착한다. 이 접근법은 데이터가 제한된 개발도상국 지역에서도 적용 가능하며, 정책 입안자에게 공간적 위험 지도와 시나리오 기반 의사결정 도구를 제공한다.