1. 서 론

2015년 2월의 황사발생수치는 우리나라가 황사의 관측을 시작한 2002년 이래 최고치인 1044를 기록했다. 서울에서의 황사 발생일수는 급속히 늘어나는 추세로 1971년-1980년 중 28일, 1981년-1990년 중 39일 발생하였고, 1991년-2000년까지 77회로 급격하게 늘어났으며 가장 최근인 2001년-2010년의 10년 동안 총 122일 황사가 발생하였다(Lee, 2015). 이러한 황사는 중국의 사막지대에서 발생한 미세한 토양입자 및 모래먼지가 그 원인이다. 보통 발원지에서 떠오른 약 2천만 톤의 모래먼지 중 30% 정도는 그대로 발원지에 떨어지고, 20% 정도는 주변지역에 머물며, 나머지 50%정도는 우리나라를 비롯하여 멀리까지 이동하게 된다. 중국은 과도한 경지개간 및 급속한 인구증가와 높은 인구밀도, 수자원 관리에 대한 인식 부족으로 인해 강수량이 감소하면서 사막화가 계속 진행되고 있다(FKI, 2006).

중국으로부터 불어오는 바람을 타고 우리나라에 전해지는 황사는 사막지대가 늘어나는 사막화가 심화될수록 그 피해가 커질 것으로 예상된다. 사막화로 인한 피해를 줄이기 위해서는 국제적 협력이 필수적이다. 1992년 세계 각국 정상들이 참가한 ‘세계 환경 및 개발 회의’에서는 ‘사막화 방지’를 국제사회가 우선적으로 협력해야할 환경협력 사업에 포함시켰고 93년에는 ‘UN 사막화 방지협약(UNCCD, United Nations Convention to Combat Desertification)’이 제정되었다(Park, 1995). 중국은 세계에서 사막화현상이 가장 심각한 나라로 사막화 방지사업이 국제사회의 다양한 지원을 통해 이루어지고 있다. 우리나라도 기업을 중심으로 중국의 조림사업을 지원하고 있으며 이를 통해 2008년부터 6년여에 걸쳐 5천만의 지역이 초지로 바뀌게 되었다(Wang and Jo, 2013).

중국의 조림사업에 대한 결과는 중국 각 성의 임업부에서 년 단위로 보고서를 작성하여 제출하고 있다. 그러나 이 보고서의 경우, 기록의 누락이 많고 단순히 조림 면적에 대한 정보만 제공하고 있어 구체적인 조림사업의 진행상황을 모니터링하는 데 한계가 있다. 따라서 조림현황을 파악하기 위해 보다 실질적인 모니터링 방법이 필요하지만 접근성이 제한되는 국외지역에 대한 모니터링에는 많은 제약이 따른다.

인공위성을 이용한 원격탐측은 이러한 문제점을 해결할 수 있는 방법으로서 대상지역에 접근하지 않더라도 정보를 취득할 수 있다는 장점이 있다. 이러한 장점으로 인해 원격탐측을 활용한 모니터링에 대한 연구가 진행되고 있다. 국외에서는 중국의 조림에 의한 식생현황 파악을 위해 Liangyun et al.(2013)이 원격탐측을 이용하였으며 국내에서 이루어진 식생에 대한 모니터링은 식생 감소나 사막화에만 초점을 맞추어 이루어졌다. Jung et al.(2009)은 중국 내 사막화의 시·공간적인 변화를 파악하였고, Ryu et al.(2013)은 동아시아 사막 주변의 토지피복 분석을 통해 사막화 면적의 증감을 파악하고자 하였다. 그러나 이러한 연구들은 사막화 모니터링에 초점을 둔 것으로 조림에 대한 모니터링을 위한 연구는 국내에서 아직까지 시도되지 않았다.

따라서 본 연구에서는 중국의 사막화 방지를 위한 조림사업이 제대로 이루어지고 있는지 확인하기 위하여 원격탐측을 활용한 조림 모니터링을 수행하였다.

2. 연구대상지역

본 연구의 대상지역은 Fig. 1과 같이 N38° 17′ 07.40″ E109° 44′ 04.52″, UTM 48 지역에 위치한 중국 산시성(섬서성) 최북부의 위린 지역이다. 위린지역은 중국의 행정 단위체계 중 지급시에 해당하며, 면적 43,578, 2007년 기준 3,470,000명의 인구가 거주하는 곳이다. 또한 위린지역은 1개의 시할구인 위양 구와 선무 현, 푸구 현, 헝산현, 징볜 현, 딩볜 현, 쑤이더 현, 미즈 현, 자 현, 우부 현, 칭젠 현, 쯔저우 현의 11개 현을 관할한다.

위린 지역은 Fig. 2와 같이 중국 북부에 위치하고 있으며, 무어스 사막 및 내몽골 사막지역 남부에 위치하고 있다. 중국 북부지역은 사막화에 의한 모래바람 영향을 많이 받는 곳으로 약 13만에 달하는 농경지 피해를 받고 있으며 농작물 생산량이 낮은 지역이다. 그 중에서도 위린 지역은 사막화의 영향을 많이 받는 지역이며 약 1,400의 농경지와 421개 촌이 피해를 입었다(Park, 1995).

이러한 사막화의 피해를 줄이기 위해 위린지역에서는 지난 60년에 걸쳐 산시성 임업부가 주축이 되어 지역주민들과 함께 조림사업을 계속해 왔다. 지속적인 조림사업 결과, 1995년까지 위린지역에 약 9,600의 산림이 조성되었으며 전체 행정구역 면적의 1%에도 못 미치던 식수면적이 38.9%로 증가하여 중국내에서 매우 성공적인 조림 사례로 평가되었다(Park, 1995). 그러나 중국 조림사업에 대한 결과는 년 단위로 제작되는 보고서를 통해서 제공되나, 기록의 누락이 많고 단순히 조림 면적에 대한 정보만 제공하고 있어 구체적인 조림사업의 진행상황을 모니터링하는 데 한계가 있다. 이에 본 연구에서는 오랜 시간 조림을 수행해온 중국 산시성 위린지역을 대상으로 보다 구체적인 조림현황의 파악을 위해 연구를 수행하였다.

3. 연구자료

3.1 MODIS (Moderate-resolution Imaging Spectroradiometer)

본 연구에서는 위린지역의 조림현황을 파악하기 위해 MODIS 자료를 사용하였다. MODIS는 EOS(Earth Observing System) Terra에 탑재되어 있으며, 0.4-3μm 사이의 파장영역에서 20개 밴드와 3-15μm 파장영역에서 16개 밴드를 가지고 있어 총 36개 밴드를 가지고 있다. MODIS의 공간해상도는 밴드 1과 2에서 250m×250m, 밴드 3에서 7까지는 500m×500m이며 밴드 8에서 36까지는 1km×1km로 자료를 나타낸다. MODIS는 태양동주기궤도를 가지고 있으며 위성의 고도는 705km이다. MODIS는 구름과 관련된 대기 상층관련 정보, 해양정보 뿐만 아니라 지표피복 변화, 지표면 온도 및 식생 특성 등과 같은 지표면 특성에 대한 정보를 취득하며 동일지역에 대해 최대 2일 주기로 관측이 가능하다(Jensen, 2000).

본 연구에서는 MODIS 자료 중 MOD09A1 자료와 MOD13Q1 자료를 사용하였다. MOD09A1 자료는 Red, Blue, Green으로 나타나는 지표면 반사율에 대한 정보를 제공하는 자료이다. MOD09A1 자료는 500m의 공간해상도를 가지며, 8일 주기로 제공된다. MOD13자료는 후처리를 통해 식생에 대한 정보를 제공하는 자료로 250m의 해상도를 가지며 16일을 주기로 영상을 제공한다. 사막화 지역과 같은 건조지역의 경우, 계절적 변화가 크기 때문에 영상의 촬영시기가 중요하며, 식생 변화 관측이 주된 목적인 경우에는 식생이 최대생산량을 유지하고 있는 시기의 영상을 분석하는 것이 효과적이므로 8월 영상이 적합하다(Jung et al., 2009). 따라서 본 연구에서는 2000년부터 2014년까지의 MODIS 자료들 중 식생이 가장 활발한 8월 영상을 분석에 사용하였다. Fig. 3은 논문에 사용된 MODIS MOD13Q1 NDVI 영상으로서 Fig. 3(a)는 연구기간 동안의 첫 번째 영상이고 Fig. 3(b)는 마지막 영상을 나타낸다.

MODIS 자료를 사용하는 과정에서 영상의 품질을 파악하고 품질에 문제가 있는 영상은 제외시키기 위해 data quality assessment를 확인하였다. MODIS영상의 메타데이터에서 제공되는 data quality assessment는 구름 등으로 인해 취득되지 않은 Missing Data의 비율을 나타내는 지표로, missing data가 5% 이하이면 ‘Passed’, 5% 초과부터 50% 미만이면 ‘suspect’이며 50% 이상의 경우 ‘failed’로 표기된다(Solano et al., 2010). 본 연구에서는 MOD13Q1 모든 자료에 대해 data quality assessment를 확인하였으며, 확인 결과 모든 자료가 ‘passed’로 나타나 영상의 품질에 문제가 없음을 확인하였다.

3.2 실측 자료

MODIS 영상을 통해 확인된 조림현황을 검증하기 위해 중국 통계청에서 제공하는 실측자료를 사용하였다. 실측자료는 중국 자치구의 임업국에서 1년 단위로 제작하고 있으며, 해당 자료에는 인공조림 면적, 항공조림 면적과 식생이 없는 무림지역에 대한 면적이 제공되어 있다. 여기서, 인공조림은 사람이 직접 식목을 한 면적이며 항공조림은 비행이 가능한 장비를 통해 씨앗을 뿌린 면적이다. 현재 1996년부터 2014년까지의 자료를 중국 통계청에서 제공하고 있으나, 위린시의 경우 2006년부터 2010년까지의 자료만이 존재하며 다른 시기의 자료들은 기록이 누락되어 있어 확인할 수 없었다. 따라서 본 연구에서는 위린시의 2006년부터 2010년까지의 자료만을 활용하여 조림현황에 대한 검증을 수행하였다.

4. 연구방법

본 연구에서 위린지역의 조림현황을 분석하기 위한 연구 흐름은 Fig. 4와 같다. MOD13Q1 자료로부터 식생지수를 산출하였고, 각 식생지수에 대한 년차별 차분영상을 생성하였다. 이후 생성된 차분영상으로부터 해당지역의 식생지수와 그 증가량을 이용하여 조림지역을 추출하였다. 마지막으로 그 결과를 실측자료와 비교하여 검증을 수행하였다.

4.1 식생지수 산출

식생지수는 단위가 없는 복사값으로서 식물의 상대적 분포량과 활동성, 엽면적지수, 엽록소함량 등과 관련된 지표로 사용된다(Jensen, 2000). 본 연구에서는 식생을 관측하기 위한 여러 식생지수들 중 가장 널리 사용되는 식생지수인 NDVI와 MODIS 영상에 특화된 식생지수인 EVI, 사막지역에 특화된 식생지수인 VR의 세 가지 식생지수를 사용하여 그 결과를 비교하였다.

4.1.1 NDVI(Normalized Difference Vegetation Index)

NDVI는 Rouse et al. (1974)에 의해 개발된 정규식생지수로서 가장 널리 사용되고 있는 식생지수이다. NDVI는 식생이 근적외선(NIR, Near-infrared) 파장대에서 상대적으로 높은 값을 가지는 반면 적색 파장대에서 낮은 값을 보이는 특징을 이용해 개발된 식생지수로서 Eq. (1)과 같이 산출된다.

 (1)

NDVI는 –1에서 1사이의 값을 가지게 되어 1에 가까울수록 더욱 식생의 활동이 활발한 지역을 의미한다. MOD13Q1은 –2000부터 10000까지의 범위로 NDVI값을 제공하고 있으며, 본 연구에서는 다른 식생지수들과의 비교를 위해 0~1까지의 값으로 조정하여 사용하였다.

4.1.2 EVI(Enhanced Vegetation Index)

EVI는 Huete et al.(1999)에 의해 NDVI를 변형하여 개발된 식생지수로 MODIS 자료에 특화된 지수이다. EVI를 산출하기 위한 식은 Eq. (2)와 같다.

 (2)

여기서, 과 는 적색 밴드에서의 에어로졸 산란 효과를 보정하기 위해 적용된 청색의 사용 정도를 나타내는 계수이고 은 토양조절인자이다. 실험적으로 결정된 , , 값은 각각 6.0, 7.5, 1.0 이다(Jensen, 2000). EVI는 식생의 생체량이 높은 지역에서 보다 민감하게 작용하고 토양과 대기의 효과를 분리해줌으로서 식생을 관측하는데 보다 효과적이다(Huete et al., 1999). MOD13Q1은 –2000부터 10000까지의 범위로 EVI값을 제공하고 있으며, 본 연구에서는 이를 0~1까지의 값으로 조정하여 사용하였으며 1에 가까울수록 식생이 무성한 지역을 나타낸다.

4.1.3 VR(Vegetation cover Rate)

VR은 NDVI를 통해 계산된 식생비율로 Kerr(1992)에 의해 제안되었다. VR을 산출하기 위한 식은 Eq. (3)과 같다.

 (3)

여기서, 와 은 각각 영상 내에서 산출된 NDVI의 최대값과 최소값을 의미한다. VR은 0에서 1사이의 값을 가지며 1에 가까울수록 식생의 활동이 활발한 지역을 나타낸다. VR은 특히 식생이 거의 없는 사막지역에서 식생의 공간분포와 변화를 파악하는데 특화되어 있는 지수이다(Qin, Z et al., 2006).

4.2 조림지역 추출

조림지역에는 식생이 존재하므로 일정 수준 이상의 식생지수를 가지며, 이전 년도와 비교했을 때 식생지수가 다른 지역에 비해 급격하게 증가했을 것이라고 가정하였다. 따라서 위의 두 가지 가정을 바탕으로 해당지역의 식생지수와 그 증가량에 대한 임계기법(Thresholding)을 통해 조림지역을 판단하였다.

4.2.1 Z-score method

본 연구에서는 식생지수와 그 증가량에 대한 임계기법으로서 Z-score method를 사용하였다. Z-score method는 정규분포를 바탕으로 이상치(outlier)를 파악하기 위해 개발된 알고리즘으로 Z-score는 다음 Eq. (4)와 같이 계산된다.

,   (4)

여기서, 는 원 수치, 는 표본의 평균, 는 표준편차를 의미한다.

Z-score의 값은 원 수치가 평균에서부터 떨어진 거리를 의미하며 음수이면 평균 이하, 양수이면 평균 이상의 값을 가지고 있음을 의미한다. 일반적으로 3이상의 절대값을 가지는 경우 해당 수치를 outlier로 판단하지만, 모집단의 크기에 따라 임계값은 달라질 수 있다(Schiffler, 1988).

4.2.2 임계값 설정

첫 번째로 식생지수에 대한 임계값을 설정하기 위해 무감독분류를 통해 식생지역을 추출하고, Z-score를 구하기 위한 평균과 표준편차를 계산하였다. 무감독분류는 특정 지역에 대해 기존에 알고 있는 정보가 부족할 경우 영상자료가 가지는 통계적 특징을 이용하는 방법으로 사용자가 지시한 n개의 클래스 수에 맞도록, 영상을 분광학적 특성을 나타내는 클래스들로 나누는 방법이다(Jensen, 2005). 본 연구에서는 MOD09A1자료를 사용해 ISO(Iterative Self-Organizing) data를 이용한 무감독분류를 수행하였다. 무감독분류를 통해 식생지역에 대한 마스크 영상을 생성하였으며, 식생지역으로 추출된 지역의 식생지수에 대한 평균과 표준편차 값을 이용하여 Z-score를 계산하였다. 식생의 활동을 확실히 감지할 수 있는 곳을 판단하는 것이 목적이므로 –1에서 –3까지의 음수 값을 가지는 Z-score를 임계값으로 적용한 결과, –1의 Z-score에서 충분히 식생의 활동을 확인할 수 없는 지역이 제거되는 것을 확인하여 –1을 첫 번째 임계값으로 사용하였다.

두 번째로 식생지수의 증가량에 대한 임계값을 설정하기 위해 년도 별 차분영상을 생성하였으며, 차분영상에서 식생의 변화량에 대한 평균과 표준편차를 바탕으로 Z-score를 계산하였다. 식생지수의 증가량에 대한 표준편차의 경우 평균적인 식생의 변화에 비해 유의하게 증가한 곳을 찾는 것이 목적이므로 양수 값을 가지는 Z-score를 임계값으로 적용하였으며, 3~5까지의 임계값을 대상으로 조림지역을 추출하고 그 결과를 실측자료와 비교하였다.

5. 연구결과

5.1 식생지수 평균값 분석

Fig. 5는 2000년부터 2014년까지 위린지역에 대한 세 가지 식생지수, NDVI, EVI, VR 각각의 평균값을 나타낸다. 이를 통해 식생지수의 변화를 파악할 수 있다. x축은 년도, y축은 식생지수 평균값을 나타내며 각 지수에 대한 추세선을 도시하였다. 각각의 추세선 기울기가 NDVI는 0.05, EVI는 0.0028, VR은 0.0031로 양의 값을 가지며 세 가지 식생지수 모두 증가하는 경향을 보였다. 따라서 조림사업이 지속된 위린지역의 식생이 증가했음을 추측할 수 있다.

5.2 추출된 조림지역과 실측자료와의 비교·검증

본 연구에서는 확실히 식생이 아닌 지역을 제거하고 식생이 증가된 지역만을 판별하기 위해 두 개의 임계값을 설정하여 연도별 조림 면적을 추출하였고, 추출된 조림 면적을 중국 통계청에서 제공하는 2006년부터 2010년까지의 실측 자료와 비교하였다. 중국 통계청의 자료는 구체적인 지역에 대한 정보가 없으며 지역 전체에 대한 조림 면적만 제공하므로 추출된 조림지역에 대한 면적을 계산하여 실측 면적과 단순 비교분석하였다. Table 1은 식생지수 증가량에 대한 Z-score 임계값을 3에서 5까지 조정하며 추출된 연도별 조림 면적과 실측 조림 면적을 나타낸다. Table 1을 살펴보면 전체적으로 식생면적이 과대추정(overestimation)되는 경향을 확인할 수 있다. 3일 때는 NDVI, EVI, VR 모두 과대추정되었고, 4일 때 VR로 추출된 면적은 실측값과 비슷하였으나 NDVI와 EVI는 여전히 과대추정되는 결과를 보였다. 5의 경우, 식생지수로 구해진 조림 면적이 3, 4 임계값에 비해 실측 면적과 비슷하게 나타났으나 NDVI의 경우 실측 면적보다 작게 나타나 과소추정(underestimation)되는 경향을 보이며, EVI의 경우 2006년부터 2008년까지는 과대추정, 2009년과 2010년에는 과소추정되는 결과를 보였다. VR에서 추출된 식생 면적은 모두 과소추정되었다.

임계값을 조정하여 추출된 세 가지 식생지수의 조림 면적과 실측 면적 값을 비교하였고, 이 중에서 조림 면적 추출의 정확도가 높은 경우를 선정하기 위해 RMSE(Root Mean Squared Error)를 계산하여 Table 2에 나타내었다. RMSE를 통해 가장 높은 정확도를 보인 지수는 VR로 3, 4와 5 모두 NDVI, EVI보다 작은 RMSE 값을 보였다. 이를 통해 VR을 이용하여 조림 지역을 추출하는 것이 가장 효과적일 것으로 판단하였다.

5.3 조림 지역에 대한 공간적인 패턴 분석

Fig. 6은 조림 지역 추출에 가장 높은 정확도를 보였던 VR의 5 임계값을 사용하여 최종적으로 추출된 위린 지역의 조림 면적이다.

Fig. 6의 녹색부분이 조림된 지역을 나타내며 2000년부터 2014년까지 조림이 이루어진 지역을 확인할 수 있다. 위린지역 전반적으로 조림이 많이 이루어진 것을 확인할 수 있었으며, 위린 내 특정지역에서 조림이 더 활발하게 진행된 것을 알 수 있었다. 산시성 임업국의 2013년 보고에 따르면, 위린지역의 조림은 현 단위의 연간계획에 따라 수행되며 접근성이 좋은 도시인근에서부터 수행된다. 위린시의 북쪽에 위치한 푸구현, 가장 남서쪽에 위치한 딩볜현과 남동쪽에 위치한 우부현에서의 조림사업이 가장 활발하다고 한다(Xia, 2013). Fig. 6을 통해서도 북쪽의 푸구현, 남서쪽의 딩볜현, 남동쪽의 우부현에서 식생이 많이 증가한 것으로 확인되었는데 이는 위의 보고와 일치하는 결과이다. 또한 위린시 도심 지역에서도 조림 면적이 많이 증가한 것을 알 수 있는데 2013년 산시성 임업국의 보고내용과 같이 접근성이 좋은 도시부근에서부터 조림이 이루어졌기 때문이다.

6. 결 론

본 연구는 사막화 방지를 위해 시작된 중국의 조림 사업의 성과를 모니터링하고자, 중국 산시성 위린지역을 연구지역으로 정하여 원격탐측방법을 적용하였다. 주기적으로 제공되는 MODIS 영상을 이용하여 조림 현황을 파악하기 위해 식생지수를 활용하였다. NDVI, EVI, VR 세 가지의 식생지수를 이용하여 조림 면적을 산출하였으며 세 가지 식생지수 모두 대상지역의 식생이 증가하는 경향을 반영하고 있었다. 또한 식생지수에 대한 연차별 차분영상을 생성하고 임계기법을 적용하여 조림지역을 추출하였다. 조림 면적을 추출한 결과, 임계값을 5로 설정하고, 식생지수는 VR인 경우에 중국 통계청의 실측 면적과의 차이가 가장 작은 것으로 나타났고 해당 지수와 임계값이 조림 지역 추출에 가장 효과적인 값으로 판단되었다. VR지수와 5의 임계값을 이용해 2000년부터 2014년까지 조림이 이루어진 지역을 분석한 결과, 푸구현, 딩볜현과 우부현 및 도심지역에서 조림이 가장 활발한 것으로 나타났으며 이는 2013년 산시성 임업국의 보고와도 일치하였다.

본 연구는 접근성이 제한적인 중국 산시성 위린 지역을 대상으로 원격탐측을 활용하여 조림지역의 변화를 파악하였으며, 국외지역에 대한 조림 지역의 변화 탐지 가능성을 확인하였다. 향후 타 지역에 대해서도 지속적인 조림 변화 모니터링이 가능할 것으로 보이며, 이는 국제사회의 지원을 통해 이뤄지는 황사 발원지의 조림사업이 얼마나 효과가 있는지 그 실효성을 확인하는 데에 도움을 줄 것으로 판단된다.