강가 오염 취약성 평가를 위한 원격탐사와 AHP 변형 활용

초록

본 연구는 GIS와 원격탐사 데이터를 기반으로 AHP(계층적 분석법)와 그 변형인 ANP, Nested AHP, Fuzzy AHP, 1‑N AHP를 적용해 인도 갠가 강 20 km 폭의 강변 지역 취약성을 정량화하였다. AHP는 전체 면적의 83.7%를 낮은 취약도로, 3.5%를 높은 취약도로 분류했으며, 변형 기법들은 모델 불확실성을 보완하고 네트워크 효과와 요인 가변성을 드러냈다.

상세 분석

이 논문은 복합적인 환경 위협을 정량화하기 위해 다중 기준 의사결정(MCDM) 기법을 체계적으로 검증한다. 기본 AHP는 9개의 요인을 인구밀도, 토지이용·피복(LULC), 강우량, 경사, 배수밀도, 지표면 온도(LST) 등으로 선정하고, 사티(Saaty) 스케일을 이용해 쌍대비교 행렬을 구축하였다. 각 요인은 Jenks 자연 구간을 적용해 5~6개의 등급으로 나누고, 가중치와 등급 점수를 곱해 픽셀당 취약성 점수를 산출한다. 이 과정은 Google Earth Engine에서 자동화돼 대규모(26 609 km²) 데이터를 효율적으로 처리한다.

AHP의 주요 한계인 기준 간 독립성 가정과 가중치 불확실성을 보완하기 위해 네 가지 변형을 도입했다. ANP는 초록망(supermatrix) 구조를 통해 피드백 루프와 기준 간 상호 의존성을 모델링했으며, 결과적으로 AHP보다 점수가 억제된(덜 극단적인) 지도를 제공했다. Nested AHP는 각 기준 내부에서 비선형(제곱·로그) 변환을 적용해 등급 간 영향 차이를 확대했으며, 이는 고위험 구역을 보다 명확히 드러냈다. Fuzzy AHP는 삼각 퍼지 수치를 사용해 전문가 판단의 모호성을 반영, 가중치의 민감도와 순위 역전 가능성을 탐색했다. 특히 시나리오별 퍼지 파라미터 변화가 취약성 사분위수에 미치는 영향을 정량화함으로써 정책 시뮬레이션에 활용 가능성을 제시한다.

신규 제안인 1‑N AHP는 기존 AHP에 ‘알 수 없는 변수(N)’를 추가해 가중치의 불확실성을 확률적 분포로 모델링한다. 이 접근은 기존 AHP와 거의 동일한 전반적 패턴을 유지하면서도, 특정 지역에서 급격한 점수 변동을 포착해 잠재적 급성 오염 위험을 식별한다.

결과적으로, 복합 가중 평균을 이용한 정규화 복합 취약성 지표가 평균 ± 2 표준편차 이상인 구역을 ‘극심 취약 지역’으로 정의했으며, 이는 도시와 강변이 교차하는 구간, 특히 하리드와르‑시타브 디아라 구간에 집중되었다. 반대로 낮은 취약성 구역은 보전 및 지속 가능한 개발을 위한 후보지로 제시된다.

이 연구는 원격탐사와 GIS 기반 MCDM을 결합해 대규모 수계의 공간적 취약성을 정밀하게 파악할 수 있음을 증명한다. 또한, AHP 변형들의 비교 분석을 통해 모델 불확실성을 체계적으로 평가하고, 정책 입안자가 위험도에 따라 단계적 대응 전략을 설계하도록 지원한다.