연구 논문

통합 지리공간 모델링 워크플로를 이용한 중국 신장 지역의 토지 도시화, 생태 계획 및 탄소 저장량 동태 분석

56 조회수

⸱

DOI:

10.3791/71884

⸱

2026년 8월 28일

 ,  ,  , 
1School of Economics and Management, Xinjiang University, 2Graduate School of Business, Asia Pacific University of Technology & Innovation

이 논문에서

요약

통합 지형 공간 모델링 워크플로우를 통해 토지 도시화와 탄소 저장량의 역학을 정량화합니다. 시가지 토지의 확장은 탄소 저장량 손실 및 부정적인 공간적 전이 효과와 관련이 있는 반면, 생태 계획 시나리오는 고탄소 토지를 유지하고 조정된 저탄소 거버넌스를 지원합니다.

초록

본 연구는 중국 북서부 신장 위구르 자치구의 토지 도시화와 생태 계획이 탄소 저장량 역학에 미치는 영향을 정량화하기 위해 원격 탐사, 토지 이용 시뮬레이션, 생태계 서비스 평가 및 공간 계량 경제학적 방법을 결합한 통합 워크플로우를 개발하고 적용하였습니다. 2000~2020년의 토지 이용/토지 피복, 불투수면, 야간 빛, 식생, 지형, 사회경제 및 계획 제약 데이터를 사용하여, 이 워크플로우는 과거의 도시화 패턴을 식별하고, 4가지 미래 계획 시나리오를 시뮬레이션하며, InVEST 탄소 모듈을 사용하여 탄소 저장량을 추정하고, 공간 계량 경제 모델을 통해 직접 및 공간적 전이 효과를 평가하였습니다. 결과에 따르면, 시가지 확장은 주로 경작지 전환을 통해 발생했으며 불투수면 피복도와 야간 빛 강도의 증가가 동반되었습니다. 시뮬레이션 결과, 생태 보호 시나리오에서 가장 높은 탄소 저장량 유지 효과가 나타난 반면, 자연 개발 시나리오에서는 탄소 손실이 가장 컸습니다. 산림지는 가장 취약한 고탄소 토지 이용 클래스로 확인되었으며, 총 탄소 밀도는 시가지의 29.4 Mg C/ha에 비해 144.9 Mg C/ha로 나타났습니다. 공간 더빈 모델(Spatial Durbin model) 결과, 토지 도시화는 탄소 저장 밀도에 대해 음의 직접 효과(−0.231)와 간접 전이 효과(−0.117)를 보여 총 효과가 −0.348인 반면, 생태 계획 강도는 양의 총 효과(+0.245)를 보였습니다. 이러한 결과는 저탄소 지역 발전을 촉진하기 위해 행정 경계를 초월한 조율된 생태 계획이 필요함을 뒷받침합니다.

서론

전 지구적 기후 변화와 저탄소 개발로의 전환이라는 배경 속에서, 급격한 도시화는 지역적 지표 피복 패턴과 생지화학적 순환의 변화를 일으키는 주요 동인이 되었습니다1. 인간 활동의 규모와 강도가 계속 확대됨에 따라, 개발 도상 지역의 가속화된 토지 도시화는 토지 이용 패턴을 변화시킬 뿐만 아니라 생태계 구조와 기능을 재편합니다. 본질적으로 토지 도시화는 탄소 밀도가 높은 자연 식생을 탄소 밀도가 낮은 인공 표면으로 전환시키는 과정을 포함하며, 이는 지역적 탄소 저장 능력의 상당한 손실로 이어집니다2. 빠르게 발전하는 지역의 경우, 경제 성장과 생태 공간 보호 사이의 균형을 맞추는 것이 국토 공간 계획의 핵심 과제가 되었습니다. 전통적인 토지 이용 연구는 주로 물리적 확장의 패턴에 집중해 왔으며, 공간적 개발과 탄소 순환 과정 사이의 역동적인 상호작용은 간과하는 경우가 많았습니다3. 따라서 토지 도시화가 탄소 저장량 동태에 미치는 영향을 정량화하고, 생태 보호 및 저탄소 거버넌스를 위한 과학적 근거를 제공하는 통합적 분석 접근 방식이 필요합니다.

원격 탐사와 지리 정보 시스템의 최근 발전은 토지 이용 변화 모델링과 생태계 서비스 평가를 실질적으로 개선하였습니다4,5. 생태적 회계와 결합된 다중 시나리오 토지 이용 시뮬레이션은 도시 확장의 환경적 영향을 평가하기 위해 널리 사용되는 접근 방식이 되었습니다6. 특히, Patch-generating Land Use Simulation (PLUS) 및 Integrated Valuation of Ecosystem Services and Tradeoffs (InVEST) 모델은 계획상의 제약 조건이 토지 이용 궤적과 탄소 저장량 결과에 어떠한 영향을 미치는지 정량화하는 데 적용되어 왔습니다7,8,9,10,11,12. 관련 생태계 서비스 연구들은 토지 피복 변화, 도시 개발 정책 및 생태 보호 조치가 빠르게 도시화되는 지형 전반에 걸쳐 수량 산출, 탄소 격리, 토양 유지 및 생태계 서비스 간의 상충 관계를 변화시킬 수 있음을 추가적으로 입증하였습니다13,14,15,16,17. 그러나 대부분의 기존 연구들은 토지 이용 전환과 생태계 서비스 산출물에 집중해 왔으며, 사회경제적 개발 압력이 인접한 행정 구역 간에 어떻게 공간 의존적인 탄소 저장량 반응을 생성하는지에 대해서는 상대적으로 주의를 덜 기울였습니다.

본 워크플로우는 세 가지 주요한 공백으로 인해 고안되었습니다. 첫째, 기존의 PLUS–InVEST 적용 사례에서는 연구 지역을 폐쇄된 물리적 시스템으로 취급하는 경우가 많았으며, 토지 도시화의 영향이 인접 단위로 전이되는지 여부를 명시적으로 평가하지 않았습니다. 둘째, 검증, 불확실성 및 민감도 분석이 빈번하게 간략하게만 보고되어, 다른 토지 이용 시뮬레이션 매개변수, 탄소 풀 계수 및 공간 가중치 설정 하에서도 시나리오 순위가 안정적으로 유지되는지 판단하기 어렵습니다. 셋째, 공간 계량 경제학 연구는 개발 강도와 생태적 결과 사이의 연관성을 식별하는 경우가 많으나, 이러한 관계를 원격 탐사 관측, 미래 토지 이용 시나리오 및 탄소 저장량 산정과 연결 짓지 못하는 경우가 많습니다. 따라서 재현 가능한 분석 프레임워크 내에서 관측, 시나리오 시뮬레이션, 탄소 산정 및 공간적 기제 식별을 연결하는 통합 워크플로우가 필요합니다.

이에 따라, 본 연구는 원격 탐사, PLUS 기반 시나리오 시뮬레이션, InVEST 탄소 저장량 평가 및 공간 계량 경제 분석을 통합한 재현 가능한 분석 워크플로우를 구축합니다. 중국 북서부의 신장 위구르 자치구를 중심으로, 본 연구는 2000~2020년까지의 역사적 토지 도시화 패턴을 평가하고, 대안적 계획 시나리오가 미래 토지 이용 구성에 미치는 영향을 조사하며, 그 결과로 인한 탄소 저장량 분포의 변화를 정량화합니다. 또한 토지 도시화, 생태 계획 강도, 식생 상태 및 사회경제적 요인이 탄소 저장량 동태에 미치는 직접적 영향과 공간적 파급 효과를 분석합니다. 이 워크플로우의 주요 기여점은 시나리오 기반 예측과 메커니즘 식별을 통합함으로써 생태 보호선 획정, 집약적 성장 계획, 경계 간 탄소 보상 및 저탄소 지역 거버넌스를 지원하는 것입니다.

프로토콜

본 연구에서는 공개적으로 이용 가능한 지리 공간, 원격 탐사, 계획 및 집계된 사회경제적 데이터 세트를 사용하였습니다. 인간 참여자, 동물 피실험체, 임상 재료 또는 식별 가능한 개인 정보는 포함되지 않았습니다. 따라서 기관 윤리 위원회의 승인은 필요하지 않았습니다. 본 워크플로우를 재현하는 데 필요한 모든 리소스에 대한 구체적인 소프트웨어 환경, 계산 패키지(공간 계량 경제 및 고해상도 시각화 라이브러리 포함), 데이터 세트 디지털 객체 식별자(DOI) 및 소스 URL은 상세한 재료 표에 명시되어 있습니다.

1. 연구 지역 및 분석 체계

분석은 중국 북서부의 신장 위구르 자치구에서 수행되었으며, 국지적인 확장 역동성을 정확하게 파악하기 위해 주요 도시의 설정된 도시 범위(그림 1)에 분석 초점을 맞추었습니다. 이 경계는 래스터 클리핑, 토지 이용 시뮬레이션, 탄소 저장량 평가 및 행정 구역 집계에 일관되게 사용되었습니다. 분석 표본 크기(n)는 3개의 개별 시간 노드(20년, 2010년, 2020년)에 걸쳐 분석된 105개의 현급 행정 구역으로 구성되었으며, 토지 이용 시뮬레이션에는 공간적 불확실성을 파악하기 위해 50회의 확률적 반복 실험이 포함되었습니다.

격자 수준 및 행정 구역 단위 분석을 통합한 다중 스케일 분석 프레임워크가 사용되었습니다. 격자 스케일에서는 토지 이용/토지 피복 데이터, 야간 조명 강도, 불투수면 피복도, 식생 지수, 지형 변수 및 생태 계획 제약 조건을 활용하여 토지 도시화 패턴을 식별하고, 미래 토지 이용 시나리오를 시뮬레이션하며, 탄소 저장량 분포를 평가하였습니다. 행정 구역 단위 스케일에서는 사회경제적, 교통 및 환경 변수를 공간 계량 경제 분석에 통합하여 토지 도시화와 생태 계획이 탄소 저장량 동태에 미치는 직접적 영향 및 파급 효과를 평가하였습니다.

분석 프레임워크는 다섯 가지 구성 요소로 이루어졌다. 첫째, 다시기 원격 탐사 및 토지 이용 데이터를 사용하여 시가지 확장, 개발 강도, 토지 이용 재구조화를 포함한 토지 도시화의 시공간적 패턴을 특성화하였다. 둘째, 미래의 토지 이용 패턴을 시뮬레이션하기 위해 생태 보호, 농경지 보호 및 저탄소 계획 시나리오를 개발하였다. 셋째, InVEST 탄소 저장 모듈을 사용하여 과거 및 미래의 토지 이용 조건 하에서 탄소 저장량의 분포와 변화를 정량화하였다. 넷째, 전역 및 지역 공간 자기상관 분석을 수행하여 탄소 저장량 변동과 관련된 클러스터링 패턴과 핫스팟 지역을 식별하였다. 다섯째, 공간 계량 경제 모델을 사용하여 토지 도시화, 생태 계획 강도, 그리고 환경적 및 사회경제적 동인이 탄소 저장량 역학에 미치는 영향의 크기, 방향 및 전이 효과를 평가하였다.

그림 1 은 전체적인 분석 워크플로우를 보여줍니다. 이 워크플로우는 연구 지역 정의, 다중 소스 데이터 통합, 토지 도시화 식별, 생태 계획 시나리오 개발, 토지 이용 시뮬레이션, 탄소 저장량 평가, 공간 자기상관 분석 및 공간 계량 경제 모델링을 연결합니다. 다중 소스 공간 데이터는 입력층으로 사용되었습니다. 토지 도시화 식별과 역사적 토지 이용 분석은 패턴 특성 분석층을 형성하였습니다. 생태 계획 시나리오와 탄소 저장량 평가는 예측 및 영향 평가층을 형성하였습니다. 공간 자기상관 및 계량 경제 분석은 공간적 메커니즘을 식별하고 정책 해석을 지원하는 데 사용되었습니다.

신장 도시 확장 도표; 워크플로우는 데이터 수집, 분석 및 공간 분포를 나타냄.
그림 1연구 영역, 데이터 통합 및 기술적 워크플로우. (A중국 북서부 신장 위구르 자치구 내 주요 도시들에 대한 다중 스케일 공간적 맥락 및 정밀한 도시 분석 경계.B다중 소스 공간 데이터, 원격 탐사 기반의 토지 도시화 식별, 생태 계획 시나리오 설계, PLUS 토지 이용 시뮬레이션, InVEST 탄소 저장량 평가, 공간 자기상관, 핫스팟 분석 및 공간 계량 경제 모델링을 연결하는 통합 기술 워크플로. ND = 자연 개발; EP = 생태 보호; CP = 경작지 보호; LC = 저탄소 최적화; OLS = 최소제곱법; SAR = 공간 자기회귀 모델; SEM = 공간 오차 모델; SDM = 공간 더빈 모델. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

2. 데이터 소스 및 변수 체계

토지 도시화 식별, 생태 계획 시나리오 시뮬레이션, 탄소 저장량 평가 및 공간 계량 경제 분석을 지원하기 위해 다중 소스 데이터셋을 구축하였다. 이 데이터셋에는 토지 이용/토지 피복 데이터, 불투수면 분율, 야간 조명 강도, 정규 식생 지수(NDVI), 지형 변수, 교통 접근성 지표, 수문 변수, 인구 밀도, 국내총생산(GDP) 밀도, 계획 제약 조건, 기후 변수 및 탄소 풀 매개변수가 포함되었다. 표 1은 데이터셋 범주, 변수 설명, 단위, 공간 및 시간 해상도, 출처 및 분석 응용 분야를 요약하여 보여준다. 주요 데이터셋은 20년, 2010년, 2020년을 기준으로 수집되었다. 토지 이용 및 주요 원격 탐사 산출물은 분석 요구 사항에 따라 30 m에서 1 km 범위의 해상도로 통일하였다.

표 1: 데이터 소스 및 변수 체계. 표에는 토지 도시화 식별, 시나리오 시뮬레이션, InVEST 탄소 저장량 산정 및 공간 계량 경제 모델링을 위한 데이터셋 범주, 변수, 설명, 단위, 공간/시간 해상도, 출처 및 분석 용도가 제시되어 있습니다. NDVI = 정규 식생 지수; DEM = 수치 표고 모델; LULC = 토지 이용/토지 피복. 이 표를 다운로드하시려면 여기를 클릭하십시오.

모든 공간 레이어는 공통 좌표계로 투영되었으며, 그림 1에 표시된 연구 지역 경계로 클리핑되었고, 필요한 격자 또는 행정 구역 단위 규모로 리샘플링 또는 집계되었습니다. 공간 중첩 분석 전에 결측값을 검토하였습니다. PLUS 및 InVEST 분석에 사용된 래스터 데이터셋은 픽셀 수준에서 정렬되었으며, 사회경제적 변수는 공간 회귀 분석을 위해 행정 구역 단위로 집계되었습니다. 이러한 전처리 워크플로우를 통해 시계열 분석, 시나리오 시뮬레이션, 탄소 저장량 계산 및 계량 경제 모델링 전반에 걸쳐 일관된 공간 단위와 비교 가능한 시점을 확보하였습니다.

토지 이용/토지 피복 데이터는 과거의 변화 탐지와 미래의 토지 이용 시뮬레이션을 위한 기본 입력값으로 사용되었습니다. 기존의 토지 이용 범주는 경작지, 산림지, 초지, 수역, 시가화 지역, 미이용지 등 6개 클래스로 재분류되었습니다. 이러한 분류 체계는 토지 이용 변화 분석, 시나리오 개발 및 InVEST 탄소 저장량 계산에 일관되게 적용되었습니다. 시가화 지역 비율, 불투수면 피복도 및 야간 조명 강도는 토지 도시화의 지표로 활용되었습니다. 불투수면 피복도와 야간 조명 강도는 개발 강도와 인간 활동을 나타내는 원격 탐사 대리 지표로 사용되었습니다. NDVI는 이후의 공간 계량 경제 분석에서 생태적 지표로 포함되었습니다.

지형 및 위치 변수에는 고도, 경사도, 주요 도로까지의 거리, 도로 밀도 및 주요 하천과의 근접성이 포함되었습니다. 이러한 변수들은 토지 이용 시뮬레이션의 동인과 공간 계량 경제 모델의 통제 변수로 사용되었습니다. 종합적으로, 이들은 지형적 제약, 교통 접근성 및 수문학적 연결성을 나타냅니다.

사회경제적 변수에는 인구 밀도와 GDP 밀도가 포함되었으며, 가능한 경우 도로망 밀도를 추가하여 보완하였습니다. 이러한 변수들은 탄소 저장량 변화와 관련된 개발 강도 및 인간 활동 압력을 특성화하는 데 사용되었습니다. 변수 프레임워크는 토지 개발, 사회경제적 압력 및 생태적 맥락의 지표들을 통합하여 탄소 저장량 역학에 영향을 미치는 다각적인 요인들을 나타내었습니다.

생태 보호선, 자연 보호구역, 수역 완충 지대, 경사 제한 구역 및 기타 환경 민감 지역을 활용하여 생태 계획 강도 지수를 개발하였습니다. 이 지수는 향후 토지 이용 시뮬레이션의 제약 레이어와 공간 계량 경제 분석의 설명 변수로 모두 사용되었습니다.

InVEST 탄소 저장량 평가를 위해 각 토지 이용 클래스별로 지상 생물량 탄소, 지하 생물량 탄소, 토양 유기 탄소, 고사 유기물 탄소의 네 가지 탄소 풀 매개변수를 수집하였습니다. 매개변수 값은 기발표된 지역 연구, InVEST 가이드라인 문서, 지역 토지 피복 특성에서 얻어 통합 토지 이용 분류 체계에 매핑되었습니다. 탄소 저장량은 이 네 가지 풀에 포함된 총 추정 탄소량을 의미하며, 탄소 저장 밀도는 단위 면적당 탄소 저장량을 의미합니다.

변수들은 세 가지 범주로 분류되었습니다. 첫 번째 범주는 시가지 면적 비율, 불투수면 피복도 및 야간 조명 강도를 포함하는 토지 도시화 지표로 구성되었습니다. 두 번째 범주는 NDVI, 생태 계획 강도, 고도, 경사 및 수문 근접성과 같은 생태 및 계획 변수를 포함하였습니다. 세 번째 범주는 인구 밀도, GDP 밀도 및 도로 밀도를 포함하는 사회경제적 동인으로 구성되었습니다. 이러한 변수들은 토지 도시화, 생태 계획 및 탄소 저장량 동태 간의 관계를 평가하는 데 사용되었습니다.

3. 원격 탐사 기반의 토지 도시화 식별

토지 도시화의 시공간적 패턴은 시가지 확장, 불투수면 피복도, 야간 조명 강도라는 세 가지 상호 보완적 지표를 사용하여 식별되었습니다. 시가지 확장은 연속적인 토지 이용 지도를 통해 추출하여, 핵심 시가지로부터 주변 지역으로 이어지는 도시 개발의 물리적 범위와 진행 과정을 묘사하였습니다. 불투수면 피복도는 격자 수준에서 개발 강도를 정량화하기 위해 계산되었으며, 야간 조명 강도 래스터 데이터는 인간 활동과 기능적 집중도를 나타내도록 처리 및 정규화되었습니다. 이러한 공간 레이어들을 이후 통합하여 역사적 토지 도시화 데이터셋을 구축하였습니다. 결합된 지표들은 지속적인 개발 강화 지역, 전이 지대 및 상대적으로 안정된 지역을 식별하고, 물리적 토지 개발과 기능적 도시화 사이의 공간적 일치성을 평가하는 데 사용되었습니다.

경작지, 산림지, 초지, 수역, 건설 용지 및 미이용지 간의 토지 이용 전환 규모와 방향을 정량화하기 위해 토지 이용 전환 행렬을 구축하였습니다. 특히 생태적 및 농업적 토지 분류에서 건설 용지로의 전환에 주목하였습니다. 이 행렬을 통해 주요 전환 경로와 도시 확장에 기여한 주요 원천 토지 분류를 식별하였습니다.

토지 도시화와 관련된 구조적 변화를 평가하기 위해 경관 패턴 분석을 수행하였습니다. 분석 지표에는 패치 밀도, 가장자리 밀도, 경관 형태 지수 및 단편화 관련 지표가 포함되었습니다. 이러한 지표들은 각 조사 기간별로 산출되었으며, 시가화 지역의 확장에 따른 경관 구성, 공간적 연속성 및 단편화의 변화를 정량화하는 데 사용되었습니다.

4. 생태 계획 시나리오 설계 및 토지 이용 시뮬레이션

미래 토지 이용 패턴은 자연 개발(ND), 생태 보호(EP), 경작지 보호(CP), 저탄소 최적화(LC)의 네 가지 계획 시나리오 하에 Patch-generating Land Use Simulation (PLUS) 모델을 사용하여 시뮬레이션되었습니다. 시나리오 가정, 토지 전환 규칙, 제한된 토지 유형 및 예상 탄소 저장량 결과는 표 2에 요약되어 있습니다.

표 2: 시나리오 제어 규칙 및 전이 제약 조건. 해당 표는 자연 개발(ND), 생태 보호(EP), 농경지 보호(CP) 및 저탄소 최적화(LC) 시나리오에 대한 토지 전환 확률과 공간적 제약 조건을 정의합니다. 참고: 시나리오 약어는 PLUS 모델링 및 결과 섹션에서 사용된 것과 엄격히 일치합니다. 시나리오 설정은 시뮬레이션에 사용된 정책 지향적 전환 규칙과 제한된 토지 유형을 정의하며, 모든 법적 제외 구역은 최종 공간 레이어에서 전환 불가능한 상태로 유지되었습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

과거의 토지 이용 지도와 공간적 동인 변수들을 PLUS 모델에 통합하여, 셀룰러 오토마타(CA) 모듈을 통해 기초 토지 전이 확률을 추정하였습니다. 생태 보호(EP), 경작지 보호(CP) 및 저탄소 최적화(LC) 시나리오의 경우, 생태 보호선, 영구 기본 경작지, 수역 완충 지대 및 기타 계획 제한 사항들을 공간 제한 레이어로 포함시켜 미리 정의된 시나리오 규칙에 따라 토지 전환을 제한하였습니다. 이후 2030년의 목표 토지 수요량을 각 시나리오별로 정의하였으며, 최종 토지 이용 전망을 생성하기 위해 50회의 확률적 반복 시행을 통해 CA 모듈을 실행하였습니다.

토지 이용 시뮬레이션은 PLUS 모델과 다중 유형 확률적 패치 생성(multi-type stochastic patch generation) 기능이 포함된 셀룰러 오토마타(CA) 프레임워크를 사용하여 수행되었습니다. 과거의 토지 이용 지도와 환경적 및 사회경제적 동인 변수를 사용하여 각 토지 이용 클래스별 토지 확장 확률을 추정하였습니다. 이후 각 계획 시나리오의 요구 사항에 따라 미래의 토지 수요량을 지정하였으며, 이를 통해 목표 시뮬레이션 기간에 해당하는 토지 이용 지도를 생성하였습니다.

모델 성능은 미래 시뮬레이션에 앞서 과거 데이터 기반의 백캐스팅(back-casting)을 통해 평가되었습니다. 이전의 토지 이용 지도와 관련 동인 변수들을 사용하여 이후 관찰된 토지 이용 지도를 시뮬레이션했습니다. 시뮬레이션된 토지 이용 분포와 관찰된 분포 간의 일치도는 전체 정확도(OA), Kappa 계수 및 Figure of Merit(FoM)를 사용하여 평가했습니다. 검증은 전체 수준과 주요 토지 이용 클래스별로 모두 수행되었습니다. 2010년부터 2020년까지의 과거 백캐스팅 결과, 전체 정확도(OA) 93.4%, Kappa 계수 0.89, Figure of Merit(FoM) 0.26으로 나타났으며, 이는 이후의 다중 시나리오 시뮬레이션에서 공간 투영 능력이 매우 신뢰할 만함을 나타냅니다.

시뮬레이션 결과의 강건성을 평가하기 위해 불확실성 및 민감도 분석을 수행하였습니다. PLUS 민감도 분석에서는 주요 토지 이용 클래스에 대한 대체 전이-저항 설정 및 이웃-가중치 매개변수의 영향을 조사하였습니다. InVEST 민감도 분석에서는 토지 이용 유형별 탄소 풀 계수 변화의 영향을 평가하였습니다. 공간 계량 경제학적 민감도 분석에서는 대체 공간 가중치 행렬 사양을 비교하였습니다. 이러한 분석을 통해 매개변수 설정을 변경하더라도 시나리오 순위와 주요 도시화 및 생태 계획 효과의 방향성이 일관되게 유지되는지 평가하였습니다. 구체적으로, 결과의 안정성을 엄격히 확인하였으며, 전이-저항 매개변수와 탄소 풀 계수를 ±15% 범위 내에서 변동시켰을 때 시나리오 순위와 토지 도시화의 부정적인 공간적 전이 효과는 불변하는 것으로 나타났습니다.

5. 탄소 저장량 평가

InVEST 탄소 모델을 사용하여 탄소 저장량을 평가하였다. 표 3에 요약된 생물물리학적 수치를 이용하여 네 가지 탄소 풀(지상부 생물량, 지하부 생물량, 토양 유기 탄소, 죽은 유기물)에 대한 기본 매개변수를 재분류된 각 토지 이용 유형에 할당하였다. 이후 과거 토지 이용 지도(200~2020년)와 PLUS로 시뮬레이션된 미래 토지 이용 래스터 데이터셋을 모델로 가져와 해당 탄소 밀도 매개변수와 통합하였다. 이어서 모델을 실행하여 과거 및 미래 시나리오에 대한 총 지역 탄소 저장량(Tg C), 격자 수준의 탄소 저장 밀도(Mg C/ha) 및 탄소 저장량 변화(ΔC)의 공간 지도를 추정하였다.

재분류된 토지 이용 지도를 표 3에 보고된 해당 기준 탄소 풀 매개변수 값과 연결하였습니다. 매개변수 불확실성에 따른 탄소 저장량 추정치의 민감도는 이 기준값들을 ±15% 조정하여 테스트하였으며, 상세한 민감도 결과를 도출하였습니다. 이 모델을 사용하여 과거 조건 및 미래 계획 시나리오 하에서 각 토지 이용 등급별 총 탄소 저장량, 탄소 저장 밀도 및 탄소 저장량 변화를 계산하였습니다.

세 가지 범주의 결과물을 평가하였다. 첫째, 시간에 따른 탄소 저장량 변화의 규모와 방향을 정량화하기 위해 지역별 총 탄소 저장량 및 시간적 추세를 계산하였다. 둘째, 탄소 유지 지역과 탄소 손실 지역을 식별하기 위해 탄소 저장량 및 탄소 저장량 변화의 공간적 분포를 지도화하였다. 셋째, 생태 보호, 농경지 보호 및 저탄소 최적화 전략이 탄소 저장량 보존에 미치는 상대적 영향을 평가하기 위해 계획 시나리오별 탄소 저장량 추정치를 비교하였다.

표 3: 다양한 토지 이용 유형별 기초 탄소 풀 매개변수. 표는 InVEST 탄소 저장량 모듈에 사용된 지상부 바이오매스 탄소, 지하부 바이오매스 탄소, 토양 유기 탄소, 죽은 유기물 탄소 및 총 탄소 밀도를 나타냅니다. 단위는 Mg C/ha입니다. 참고: 수치는 InVEST 모델에 활용된 기준 파라미터를 나타냅니다. 총 탄소 밀도는 4가지 탄소 풀의 합계와 같습니다. 이 기준 값들을 ±15% 범위에서 변동시켜 수행한 민감도 분석 결과는 다음에서 보고합니다. 표 6. 이 표를 다운로드하시려면 여기를 클릭하십시오.

6. 공간 자기상관 및 공간 계량 경제 분석

탄소 저장량과 탄소 저장량 변화가 유의미한 공간적 의존성을 나타내는지 판단하기 위해 공간 자기상관 분석을 수행하였습니다. 연구 지역 전체의 탄소 저장량 분포와 탄소 저장량 변화의 전반적인 공간적 군집도를 평가하기 위해 전역 Moran's I를 산출하였습니다. 이어서 국지적 공간 연관 패턴인 high-high, low-low, high-low 및 low-high 군집을 식별하기 위해 국지 Moran's I를 사용하였습니다. 또한 탄소 손실 및 탄소 저장 유지 지역이 집중된 구역을 식별하기 위해 핫스팟 분석을 수행하였습니다.

토지 도시화, 생태 계획, 환경 조건, 사회경제적 요인 및 탄소 저장량 역학 사이의 관계를 조사하기 위해 공간 계량 경제 모델이 사용되었습니다. 탄소 저장 밀도 또는 탄소 저장량 변화가 종속 변수로 사용되었습니다. 설명 변수로는 토지 도시화 지수, 시가화 지역 비율, 생태 계획 강도, 정규 식생 지수(NDVI), 인구 밀도, GDP 밀도, 도로 밀도, 고도, 경사, 연평균 강수량 및 연평균 기온이 포함되었습니다.

최소자승법(OLS) 회귀 분석을 기본 모델로 사용하였다. 공간자기회귀(SAR), 공간오차(SEM) 및 공간 더빈(SDM) 모델을 추정하기 전 잔차의 공간적 의존성을 평가하였다. 모델 성능과 계수 추정치를 각 사양별로 비교하였다.

행정 구역 간의 인접 관계를 나타내기 위해 행 표준화된 공간 가중치 행렬을 구축하였다. 주요 설정은 공간적 인접성을 기반으로 하였으며, 강건성 분석을 통해 가능한 경우 거리 기반 및 최근접 이웃 공간 가중치 행렬과 비교 검토하였다.

국지적 및 공간적 전이 관계를 평가하기 위해 SDM으로부터 직접 효과, 간접 효과 및 총 효과를 산출하였습니다. 누락 변수 편향을 줄이기 위해 지형, 접근성, 식생, 기후 및 사회경제적 변수를 통제 변수로 포함하였습니다. 모델 계수는 결정적인 인과 효과가 아닌 조건부 공간 연관성으로 해석되었습니다. 일반적인 유의성 임계값을 초과하는 p-값을 가진 변수들은 약하거나 암시적인 근거로 해석되었으며, 통계적으로 견고한 효과로 처리되지 않았습니다.

결과

원격 탐지 기반의 토지 도시화 식별
다기간 원격 탐지 식별 결과에 따르면, 연구 지역은 20년에서 2020년 사이에 토지 도시화가 상당히 심화되었으며, 이에 따라 토지 이용 패턴의 재구성과 경관 구성의 재형성이 수반되었습니다. 전반적으로, 건설 용지의 확장은 핵심 도시 지역에서 주변 구역으로 뻗어나가는 동심원적 확장 패턴을 보였습니다. 인간 활동 강도와 지표면 불투수성 수준의 동시 증가는 급격한 개발이 토지 이용의 정량적 구조를 변화시켰을 뿐만 아니라 지역적 공간 조직 패턴을 깊게 재구성했음을 나타냅니다.

그림 2A의 우루무치 대표 서브셋으로 예시된 토지 도시화 식별 결과는 20~2020년 사이 건설 용지의 단계적 확장 궤적을 명확하게 보여줍니다. 20년의 건설 용지는 주로 상대적으로 조밀한 공간 구성을 가진 도심 지역에 집중되어 있었습니다. 2010년까지는 주변부 확장이 상당히 심화되어 핵심 지역을 둘러싼 전이 지대가 형성되었습니다. 2020년에 이르러 건설 용지는 기존의 조밀한 경계를 넘어 여러 방향으로 확산되었으며, 핵심 구역에서 떨어진 이산적 확장 패치들을 형성함으로써 전형적인 외곽 확장 패턴과 다심 확산 경향을 반영하였습니다. 이러한 확장 패턴과 일치하게, 그림 2B는 2020년 기준 연구 지역 내 불투수면 피복도의 뚜렷한 중심-주변부 구배를 보여줍니다. 가장 높은 수치는 도심 지역과 인접한 시가지 지역에서 관찰되었으며, 이는 표면 경화 강도와 개발 강도가 핵심 기능 구역에서 가장 두드러졌음을 나타냅니다. 주변 지역은 전반적으로 낮은 피복도를 유지했으나, 교통 회랑과 보조 도시 거점을 따라 여러 개의 고값 패치가 나타나 불투수화가 주변 지역으로의 개발 파급 효과를 통해 도시 중심부를 넘어 확장되었음을 입증하였습니다. 그림 2C는 20년과 2020년 사이 야간 조명 강도의 증가 폭이 가장 큰 지역이 주로 도심 지역, 외곽으로 뻗어 나가는 주요 방사형 교통축, 그리고 여러 주변 성장 거점에 집중되어 있음을 보여줍니다.

시간적 관점에서 그림 2D는 20년에서 2020년 사이 세 가지 토지 도시화 지표의 일관된 상승 추세를 추가로 요약하여 보여줍니다. 고유 단위와 척도가 서로 다른 지표 간의 직접적인 비교를 용이하게 하기 위해, 각 지표의 원시 값은 min-max 정규화 방식을 사용하여 0–1의 동일한 범위로 표준화되었습니다:

정규화 공식: \(X_{\text{norm}} = \frac{X - X_{\text{min}}}{X_{\text{max}} - X_{\text{min}}}\).

이러한 정규화 절차를 거친 후, 시가화 지역의 비율이 가장 높은 상대적 성장률을 유지하였으며(원시 지역 평균이 20년 3.2% ± 1.4% SD에서 2020년 8.7% ± 3.1% SD로 증가), 이는 해당 기간 동안 토지 개발 확장이 가장 직접적인 공간적 발현으로 작용했음을 나타냅니다. 불투수면의 비율은 급격히 증가하였으며(20년 2.8% ± 1.2% SD에서 2020년 7.9% ± 2.8% SD로), 이는 신규 개발 지역과 관련된 상당한 지표면 경화 현상을 반영합니다. 야간 조명 강도는 상대적으로 낮은 수준에서 시작되었으나, 이후 성장이 더욱 뚜렷해졌으며, 이는 인간 활동의 집중도 증가와 기능적 강화가 가속화되었음을 시사합니다.

시공간 도시화 도표: 시가지, 불투수면, 야간 조명 추세.
그림 2토지 도시화의 시공간적 진화 패턴. (A) 건설 용지의 단계적 확장 궤적 (200–2020); (B) 2020년 불투수면 피복률의 공간적 분포 (%); (C20년에서 2020년 사이의 야간 조명(NTL) 강도 변화의 변동성 (nW/cm²2/sr). (D) 본 연구에서 조사한 3가지 핵심 토지 도시화 지표(시가화 지역, 불투수면 비율, 야간 빛 강도)의 시계열 추세. 추세선은 비교 시각화를 위해 0-1 범위로 스케일링한 최소-최대 정규화 지표 값의 지역 평균을 나타내며, 연구 지역 내 모든 105개 군 단위 행정 구역을 대상으로 계산되었다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

과거 토지 이용 변화 결과는 토지 도시화의 구체적인 과정을 더욱 분명히 보여줍니다. 그림 3A의 토지 이용 전이 흐름도는 연구 기간 동안 가장 두드러진 토지 전환이 경작지에서 건설지로의 전환이었으며, 이는 모든 주요 전환 경로 중 지배적인 추세였음을 나타냅니다. 일부 산림지, 초지 및 수역에서도 다양한 수준의 전환이 일어났으나, 전반적인 패턴은 경작지의 유출이 지배적이었습니다. 동시에 경작지와 산림지 사이, 그리고 초지와 기타 토지 유형 간에 양방향 흐름이 관찰되었는데, 이는 급격한 개발 과정에서 토지 이용 시스템이 단방향 진화가 아닌 도시 확장에 따른 다유형 재편 과정을 거친다는 것을 시사합니다. 그러나 공간 분포 패턴과 흐름 너비를 분석하면 건설지가 여전히 주요 순유입 범주임을 알 수 있으며, 이는 지난 20년 동안 연구 지역에서 개발 확장이 주도적인 역할을 했음을 더욱 뒷받침합니다.

그림 3B의 행렬 분석은 서로 다른 기간 동안의 토지 이용 전환 강도를 보다 정량적으로 나타냅니다. 고가치 지역은 주로 경작지 관련 전환 단위에 집중되어 있으며, 가장 현저한 전환은 경작지에서 건설 용지로 이루어졌는데, 이는 경작지의 비농업적 이용이 연구 지역 내 토지 이용 변화의 주된 양상임을 시사합니다. 건설 용지의 상당 부분 또한 그 경계 내에서 공간적 연속성과 안정성을 유지하고 있으며, 이는 강력한 공간적 무결성을 보존하면서 기존 개발 구역이 지속적으로 확장되고 있음을 반영합니다. 반면, 산림지, 초지 및 수역의 전환 규모는 상대적으로 작게 유지되고 있으나, 건설 용지가 이러한 생태 지역을 국지적으로 침범하는 현상은 주의 깊은 관찰이 필요합니다.

경관 패턴 수준에서, 그림 3C는 20년, 2010년, 2020년에 걸쳐 경관 지수가 지속적으로 증가했음을 보여주며, 패치 밀도, 가장자리 밀도, 경관 형상 지수 및 파편화 지수가 모두 2020년에 정점에 도달했습니다. 이는 도시화가 진행됨에 따라 연구 지역의 경관 구조가 초기에는 상대적으로 온전하고 명확한 패턴에서 더욱 파편화되고 복잡하며 불연속적인 공간 구성으로 진화했음을 나타냅니다. 특히, 가장자리 밀도와 형상 복잡성의 증가는 새롭게 확장된 건설 용지 패치의 기하학적 구성이 더욱 불규칙하고 복잡해졌음을 정량적으로 특징짓습니다.

토지 이용 전환 흐름도, 전환 행렬 km², 경관 패턴 지수 변화 200-2020.
그림 3역사적 토지 이용 변화 및 경관 패턴 재구조화 (A20년에서 2020년 사이의 고해상도 토지 이용 전환 흐름과 주요 전환 경로를 보여주는 생키 다이어그램.B) 6가지 토지 이용 분류 간의 공간적 전이 면적을 정량화한 토지 이용 전환 행렬(km²2). (C) 200년, 2010년, 2020년 기간에 걸친 주요 경관 지수(패치 밀도, 가장자리 밀도, 경관 형태 지수, 파편화 지수)의 변화를 나타내는 레이더 차트. 모든 레이블과 흐름 값은 최적의 가독성을 위해 조정되었습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

생태 계획 시나리오 설계 및 토지 이용 시뮬레이션
표 2에서 설정된 시나리오 제어 규칙과 결합했을 때, 서로 다른 생태 계획 방향에 따른 토지 이용 시뮬레이션 결과는 뚜렷한 차별화 패턴을 보여줍니다. 자연 개발 시나리오는 역사적인 확장 관성을 유지하는 경향이 있는 반면, 생태 보호 시나리오는 생태 레드라인 및 민감 구역에 대한 엄격한 제약을 강조합니다. 농경지 보호 시나리오는 농업의 공간적 연속성 유지를 우선시하며, 저탄소 최적화 시나리오는 압축적 도시화와 생태적 조화 사이의 균형 잡힌 발전을 강조합니다. 이러한 결과는 계획 규칙의 변화가 4가지 시나리오 전반에 걸쳐 신규 추가 건설 부지의 시뮬레이션 면적을 정량적으로 변화시키고 생태-농업 패치의 공간적 분포를 재구성한다는 것을 나타냅니다.

우루무치(Urumqi) 대표 하위 집합에 집중했을 때, PLUS 모델의 공간 시뮬레이션 결과 그림 4A에 나타난 자연 발전 시나리오(ND)에서 건설 확장 추세가 가장 뚜렷하게 나타납니다. 새로운 건설 용지는 주로 기존 시가지의 주변부로부터 외부로 확장되어 여러 방향으로 넓은 확장 구역을 형성하며, 이는 규제 제약이 약한 상태에서 도시 성장이 주로 수평적 확장으로 유지됨을 나타냅니다. 이러한 확장 패턴은 도심 주변의 농경지와 전이 생태 구역을 직접적으로 침범하여 시가지 경계를 더욱 파편화합니다. 반면, 그림 4B에 묘사된 생태 보호 시나리오(EP)에서는 새로운 건설 용지 사용이 현저히 감소하였으며, 확장은 도심 인근의 제한된 개발 가능 필지로 국한된 반면 주변의 산림지, 수계 회랑 및 생태 완충 구역은 대부분 온전하게 유지되는 것으로 나타납니다.

농업 보호 및 개발 조정 측면에서, 그림 4C에 묘사된 경지 보호 시나리오(CP)는 EP와는 구별되는 공간적 제약을 보여줍니다. 이 시나리오에서는 외곽의 대규모 경지들이 대부분 온전하게 유지되며, 새로운 건설 활동은 주로 기존 시가지의 가장자리와 국지적 개발 노드에 집중되어 ND와 EP 사이의 중간 정도의 확장 강도를 나타냅니다. 반대로, 그림 4D에 제시된 저탄소 최적화 시나리오(LC)는 보다 조밀한 성장 패턴을 보여줍니다. 새로운 건설 용지는 외부로 광범위하게 확산되지 않고, 주요 개발 축과 기존 시가지의 주변부를 따라 상대적으로 집중되어 방향성 있는 확장 경계와 보다 정형화된 공간 구성을 나타냅니다.

토지 이용 시뮬레이션 지도; 자연, 생태, 농경지 보호, 저탄소 최적화 시나리오.
그림 4차별화된 생태 계획 시나리오에 따른 PLUS 시뮬레이션 기반 미래 토지 이용 패턴의 공간적 분포 (우루무치 대도시권 하위 집합으로 예시) (A) 역사적 확장 관성을 보여주는 자연 발전 시나리오 (ND). (B) 엄격한 공간적 제약을 강조하는 생태 보호 시나리오(EP). (C) 농업의 지속성을 우선시하는 경작지 보호 시나리오 (CP) (D) 압축 성장 패턴을 반영한 저탄소 최적화 시나리오(LC). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

탄소 저장량 평가
표 3은 토지 이용 유형별 기초 탄소 밀도 매개변수를 보여줍니다. 산림 지역은 토양 유기 탄소(94.5 Mg C/ha)와 지상부 생물량(36.8 Mg C/ha)의 영향으로 가장 높은 총 탄소 밀도(14.9 Mg C/ha)를 기록했습니다. 초지와 경작지는 각각 8.9 Mg C/ha와 82.1 Mg C/ha의 중간 정도의 총 탄소 밀도를 나타냈습니다. 반면, 인공 및 비식생 표면은 현저히 낮은 수치를 보였으며, 시가지 지역은 29.4 Mg C/ha, 미이용지는 19.7 Mg C/ha로 나타났습니다.

역사적 진화 패턴의 관점에서 볼 때, 그림 5A는 20년, 2010년, 2020년 사이 연구 지역 내 탄소 저장량의 상당한 공간적 재편을 보여줍니다. 200년에는 탄소 밀도가 높은 지역이 주로 주변부 생태 구역에 집중되어 있었으며, 전반적으로 주변부는 농도가 높고 중심부는 낮은 패턴을 보였습니다. 2010년에 이르러서는 도시 확장이 생태 공간을 침범함에 따라 지역 전체의 탄소 저장량이 초기에 감소하였으나, 일부 국지적 주변 지역은 일시적으로 높은 탄소 저장 수준을 유지하였습니다. 2020년에는 이러한 하락 추세가 상당히 가속화되었으며, 전반적인 색상 그라데이션이 밝아지고 고부가가치 지역이 눈에 띄게 축소되었습니다. 이는 지역 전체 탄소 저장량의 지속적이고 상당한 고갈과 고탄소 패치의 공간적 연속성 약화를 나타냅니다.

그림 5B에 나타낸 바와 같이, ND 시나리오에서 가장 낮은 탄소 밀도 중앙값(72.4 Mg C/ha, IQR = 14.6 Mg C/ha)이 나타났습니다. EP 및 CP 시나리오에서는 각각 86.8 Mg C/ha (IQR = 12.3 Mg C/ha) 및 81.2 Mg C/ha (IQR = 15.8 Mg C/ha)로 더 높은 중앙값 밀도를 보였습니다. 그림 5C의 탄소 저장량 변화(ΔC) 공간 분포를 보면, ND 시나리오에서는 탄소 손실(음의 ΔC)이 지리적으로 광범위하게 나타남을 알 수 있습니다. 반면, EP 시나리오에서는 양의 ΔC 값이 주변부 생태 구역에 집중되어 있으며, LC 시나리오는 국지적인 탄소 증가와 손실이 공간적으로 불균일하게 분포하는 양상을 보입니다.

그림 5D는 토지 이용 유형별 기여 구조의 관점에서 총 탄소 저장량의 구성 성분과 역사적 기간 및 미래 시나리오에 따른 변화를 추가로 보여줍니다. 역사적 단계와 예측 단계 모두에서 산림지와 초지가 총 탄소 저장량의 주요 기여원으로 유지되었으며, 경작지가 그 뒤를 이었습니다. 반면 건설지, 수역 및 미이용지의 기여도는 상대적으로 낮았습니다. 미래 시나리오 비교 결과, EP 시나리오에서 가장 높은 총 탄소 저장량을 달성했으며, ND 시나리오에서 가장 낮게 나타났고, CP와 LC 시나리오는 그 중간 수준을 보였습니다. 이러한 양상은 서로 다른 시나리오에 따라 고탄소 밀도 생태 토지 이용의 유지 정도가 다르다는 점과 밀접하게 일치합니다.

탄소 저장량 역학; 지도, 바이올린 도표, 막대 그래프; 토지 이용, 밀도 변화, 20-2020 분석.
그림 5역사적 및 시나리오 기반 탄소 저장량 동태. (A) 200년, 2010년 및 2020년의 총 탄소 저장량(Tg C) 및 탄소 저장 밀도(Mg C/ha)의 공간적 분포. (B) 다양한 시나리오에 따른 탄소 밀도 분포(Mg C/ha)의 바이올린 도표. (C) 2020년 기준선 대비 미래 시나리오에 따른 탄소 저장량 변화(ΔC, Mg C/ha)의 공간적 분포. (D) 총 탄소 저장량(Tg C)에 대한 서로 다른 토지 이용 유형의 기여도. 바이올린 플롯은 탄소 저장 밀도의 확률 밀도를 시각화한다(시나리오당 n = 105개 행정 구역). 내부의 굵은 가로선은 중앙값을 나타내며, 점선은 사분위수 범위(IQR)를 나타낸다. 다음의 별표는 패널 B Kruskal-Wallis H 검정을 통해 결정된 자연 발달(ND) 기준선과 다른 시뮬레이션 시나리오 간 차이의 통계적 유의성을 나타냅니다 (* p < 0.05, ** p < 0.01, *** p < 0.001). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

공간 자기상관 및 공간 계량 경제학 분석
공간 집적 패턴의 관점에서 볼 때, 그림 6A는 연구 지역 전반의 탄소 저장량 변화에서 유의미한 국지적 공간 자기상관이 나타남을 보여줍니다. High-high 집적 구역은 주로 중북부 핵심 개발 벨트에 집중되어 있으며, 이는 해당 지역과 인접 단위들이 일반적으로 강한 공간적 상호연결성과 함께 동일 방향의 탄소 저장량 증가 특성을 보임을 나타냅니다. Low-low 집적 구역은 남부 및 주변부 지역에서 더 빈번하게 나타나며, 이는 탄소 저장량 변화의 진폭이 상대적으로 낮고 공간적 안정성이 있음을 반영합니다. 반면, high-low 및 low-high 집적 유형은 상대적으로 제한적이며 주로 핵심 구역과 주변 전이 구역 사이에서 발생하는데, 이는 국지적 지역에서 뚜렷한 공간적 불일치 및 경계 전이 현상이 나타남을 시사합니다.

~에서의 핫스팟 분석은 그림 6B 탄소 저장량 변화의 공간적 편향 패턴을 추가로 드러낸다. 유의미한 핫스팟(hotspots)은 주로 중부 및 북동부 지역의 여러 단위에 분포하며, 이는 해당 지역들이 전반적으로 높은 탄소 손실 압력을 겪고 있으며 토지 개발 활동이 집중된 민감 지역임을 나타낸다. 반면, 유의미한 콜드스팟(cold spots)은 서부 및 남부 지역에 집중되어 있으며, 이는 더 강한 탄소 저장 유지 능력이나 낮은 개발 교란 정도를 반영한다. 또한, 다음의 이변량 OLS 회귀 분석에서 그림 6C 도시화 지수의 증가 폭이 클수록 탄소 저장량 변화율이 더욱 부정적인 방향으로 나타나며, 이는 탄소 손실이 점진적으로 증가함을 나타냅니다. 이는 다음에서 보고된 음의 SDM 계수와 일치합니다. 표 4.

토지 도시화가 탄소 저장량 변화에 미치는 영향에 대한 공간 분석 지도 및 산점도
그림 6탄소 저장량의 공간 자기상관 및 결합 분석. (A탄소 저장량 변동의 국지적 공간적 연관성 지표(Local Indicators of Spatial Association, LISA) 패턴; 최종 전역 모란 지수(Global Moran's I) 통계량과 p-값이 패널에 표시되어 있습니다.B) 탄소 저장량 변화의 핫스팟 및 콜드스팟 분포. (C) 종합 토지 도시화 지수와 탄소 저장량 변화율 사이의 결합 관계. 산점도는 통계적으로 유의미한 음의 상관관계(Pearson's r = -0.612, R2 = 0.375, p < (p < 0.01), 표시된 OLS 회귀 방정식(y = -5.42× - 1.25) 및 95% 신뢰 띠와 함께 제시되어 공간 모델에서 관찰된 경험적 관계를 확인하였다. LISA = 국지적 공간 자기상관 지표(Local Indicators of Spatial Association). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

표 4: 공간 계량 경제 모델의 추정 결과. 이 표는 도시화, 생태 계획, 식생, 사회경제적 요인, 접근성, 지형 및 기후 변수가 탄소 저장 밀도에 미치는 영향에 대해 최소자승법(OLS), 공간 자기회귀(SAR), 공간 오차(SEM) 및 공간 더빈(SDM) 모델의 결과를 비교한 것입니다. P-값은 괄호 안에 표시하였습니다. 참고: P-값은 괄호 안에 표기되었습니다. 유의 수준: *p < 0.05, **p < 0.01, *** p < 0.01. 모든 공간 계량 경제 모델(SAR, SEM, SDM)은 3개 기간 동안 n = 105개 카운티 수준 단위의 균형 패널(총 관측치 N = 315)을 바탕으로, 행 표준화된 Queen 인접성 공간 가중치 행렬을 사용하여 추정되었습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 4에 제시된 측정 결과는 공간 모델이 OLS 벤치마크보다 우수함을 보여주며, 이는 탄소 저장량 역학에 공간적 의존성이 있음을 나타내고 공간 계량 경제학 모델의 사용을 뒷받침합니다. 토지 도시화 지수는 SDM 직접 효과(−0.231, p = 0.08), 간접 효과(−0.17, p = 0.041) 및 총 효과(−0.348, p = 0.01)에서 음의 값을 보였으며, 이는 개발 강도의 증가가 국지적 및 인접 단위 모두에서 탄소 저장 밀도의 감소와 관련이 있음을 시사합니다. 시가지 면적 비율, 도로 밀도, 고도, 경사도, NDVI 및 생태 계획 강도는 적어도 하나의 모델 구성 요소에서 통상적인 수준의 통계적으로 유의미한 효과를 보였습니다. 반면, GDP 밀도는 약한 음의 총 효과(−0.132, p = 0.083)를 보였으며 직접 및 간접 효과는 유의미하지 않았습니다. 따라서 이는 강력한 증거라기보다 시사적인 수준으로 해석됩니다.

그림 7A의 모델 간 계수 비교를 통해 토지 도시화 지수와 생태 계획 강도가 OLS, SAR, SEM 및 SDM 사양 전반에서 일관된 부호를 유지하고 있음을 알 수 있으며, 반면 일부 통제 변수의 크기와 유의성은 모델마다 다르게 나타납니다. 그림 7B, C에 상세히 기술된 바와 같이, SDM 결과는 토지 도시화 지수가 탄소 저장 밀도에 유의미한 음의 직접 효과(-0.231, p = 0.08)와 음의 간접 파급 효과(-0.17, p = 0.041)를 미쳐, 총 효과가 -0.348 (p = 0.01)임을 나타냅니다. 반대로 생태 계획 강도는 양의 직접 효과(0.149, p = 0.021)와 간접 효과(0.096, p = 0.038)를 보여 총 효과는 0.245 (p = 0.05)로 나타났습니다(표 5 및 표 6). 또한, 그림 7D의 상호작용 분석은 조절 효과를 보여줍니다. 즉, 도시화 지수와 탄소 저장 밀도 사이의 한계 효과 곡선의 음의 기울기가 생태 계획 강도가 높을수록(상위 95% CI 경계) 유의미하게 완만해집니다.

토지 도시화, 생태 계획의 영향; 데이터 분석 차트 A-D; 부정적 스필오버 맵 C.
그림 7동인 메커니즘 및 공간적 파급 효과. (A) 핵심 설명 변수에 대한 모델 간 계수 비교. 오차 막대는 표준화 계수의 95% 신뢰 구간(CI)을 나타냄. (B) 토지 도시화 및 생태 계획의 직접 효과, 간접 효과 및 총 효과의 분해. (C) 신장 지역 105개 현급 단위에서 나타나는 토지 도시화의 국지적 간접 파급 효과에 대한 경험적 공간 분포. (D도시화와 탄소 저장 밀도(Mg C/ha) 간의 관계에 대한 생태 계획 강도의 조절 효과이며, 음영 구역은 95% 신뢰구간(CI)을 나타냄. SAR = 공간 자기회귀 모델; SEM = 공간 오차 모델; SDM = 공간 더빈 모델. 다음의 유의성 기호: 패널 B ~을 나타내십시오 p추정된 계수 및 한계 효과의 값은 다음으로부터 도출되었습니다. z-각 공간 계량 경제 모델의 통계치 (* p < 0.05, ** p < 0.01, *** p < 0.001). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

표 5: PLUS 토지 이용 시뮬레이션의 모델 성능 및 검증 지표 (2010~2020년 백캐스팅). 지표는 2020년 실제 토지 이용 지도와 2010년 기준 데이터를 사용하여 시뮬레이션한 2020년 토지 이용 지도를 비교하여 산출되었습니다. 전체 Kappa > 0.80 및 FoM > 0.20은 공간 투영에 대한 상당한 일치도와 높은 신뢰도를 나타냅니다. 이 표를 다운로드하시려면 여기를 클릭하십시오.

표 6: 통합 워크플로의 민감도 및 강건성 분석. PLUS 시뮬레이션, InVEST 탄소 평가 및 공간 계량 경제 분석의 주요 매개변수들을 변경하여 모델 출력값의 강건성을 평가하였습니다. 표에는 테스트된 매개변수, 섭동 범위 또는 대안적 명세, 주요 결과에 미친 영향 및 그에 따른 안정성 평가 결과가 요약되어 있습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

데이터 가용성:
정량적 분석의 기초가 되는 표 형식의 데이터와 선택된 도표, PLUS 모델 구성 매개변수, InVEST 탄소 풀 매개변수 표 및 공간 계량 경제 스크립트를 포함하여 본 연구를 뒷받침하는 처리된 계산 자료는 Zenodo 저장소(https://zenodo.org/records/2159171)에 기탁되었습니다. 기탁된 계산 자료는 본 연구에서 제시된 통계 분석 및 정량적 결과를 재현하기에 충분합니다.

토론

본 연구는 중국 북서부 신장 지역의 토지 도시화, 생태 계획 및 탄소 저장량 역학 간의 관계를 분석하기 위해 원격 탐사 기반의 토지 도시화 식별, PLUS 다중 시나리오 토지 이용 시뮬레이션, InVEST 기반 탄소 저장량 평가 및 공간 계량 경제 모델링을 결합한 통합 분석 워크플로우를 제시합니다. 이 워크플로우는 이러한 구성 요소들을 별개의 기술적 작업으로 처리하는 대신, 관측된 토지 전환, 미래 계획 대안, 탄소 풀의 결과 및 공간적 파급 메커니즘을 단일한 재현 가능 시퀀스로 연결합니다.

시공간 분석 결과, 해당 연구 지역의 토지 도시화는 2000~2020년 동안 원심적 확장 궤적을 따랐으며, 조밀한 핵심 지역 성장 단계에서 다방향의 다중심적 확산 단계로 전환되었음이 밝혀졌다. 이러한 패턴은 인프라 투자와 경제적 집적이 개발 경계를 동시에 외부로 밀어내는 급격한 산업화 지역의 비연속적 개발(leapfrog development)을 기록한 광범위한 도시화 문헌과 일치한다. 결정적으로, 주요 토지 전환 경로인 농경지에서 시가화 지역으로의 변화는 농경지가 여전히 도시 침식의 가장 큰 부담을 안고 있음을 확인해주며, 이는 중국 및 기타 개발도상국의 도시 주변부 토지 역학에 관한 연구들과 일치하는 결과이다. 그러나 중국 동부의 고도로 통합된 메가리전(megaregions)과 달리, 신장 지역의 도시화는 오아시스 경계와 용수 가용성에 의해 엄격히 제한된다. 결과적으로, 이러한 침식은 주요 수문 통로에 인접한 제한된 경작지와 생태 전이 지대를 불균형하게 위협하며, 이는 지역 탄소 순환 과정이 개발 교란에 본질적으로 더 취약하게 만든다. 불투수면 비율과 야간 빛 강도의 동시 상승은 물리적 확장과 기능적 집약화가 병행하여 진행되고 있음을 시사하며, 이는 이 맥락에서의 토지 도시화가 단순한 실질적 성장이 아니라 지역 경관의 심층적인 구조적 변형을 포함하고 있음을 의미한다2.

시나리오 시뮬레이션 결과는 생태적 계획 방향이 향후 토지 이용의 공간적 구성과, 결과적으로 지역 탄소 저장량 결과에 상당한 영향을 미친다는 것을 보여줍니다18. 자연 개발 시나리오의 경우, 탄소 밀도가 높은 생태 지역으로의 무분별한 외곽 확장이 이어지면서 가장 가파른 탄소 손실이 발생합니다. 반면, 생태 보호 시나리오는 산림, 습지 및 하천 완충지 주변에 엄격한 공간적 배제 구역을 설정함으로써 가장 높은 탄소 저장 수준을 유지합니다19. 저탄소 최적화 시나리오는 절대적인 탄소 저장 유지량 면에서는 생태 보호 시나리오에 미치지 못하지만, 성장을 기존 개발 회랑을 중심으로 집중시키고 생태 민감 지역으로부터 멀리 배치함으로써 보다 균형 잡힌 결과를 달성합니다. 이러한 상이한 결과는 근본적인 계획상의 절충점을 강조하는데, 즉 생태적 제약의 강도와 공간적 타겟팅이 급격히 개발되는 지역에서 성장 압력 속에서도 얼마나 많은 탄소 자본을 보존할 수 있는지를 직접적으로 결정한다는 것입니다20,21.

탄소 저장량 매개변수는 이러한 해석을 더욱 뒷받침합니다. 자연 생태 공간과 인공 표면 사이의 탄소 격리 능력의 상당한 격차는, 도시 전환으로 인해 소실된 산림 면적의 각 단위가 불균형적으로 큰 탄소 부채를 의미한다는 것을 나타냅니다. 지역 탄소 예산에서 산림과 초지가 지속적으로 차지하는 우세함과 시가지 침식에 대한 입증된 취약성을 고려할 때, 생태 토지 보호는 모든 저탄소 공간 거버넌스 전략의 초석으로 자리 잡고 있습니다3.

공간 계량 경제학적 결과는 탄소 저장량 손실이 단순히 국지적인 토지 피복의 결과만이 아님을 보여줌으로써 원격 탐사와 InVEST 분석 결과를 확장합니다. SDM 결과에 따르면 토지의 도시화는 국지적 탄소 저장 밀도에 유의미한 음(-)의 직접적인 영향을 미칠 뿐만 아니라, 인접한 행정 구역에 뚜렷한 음(-)의 간접적 파급 효과를 줍니다. 토지 도시화의 이러한 음의 간접 효과는 세 가지 가능한 경계 간 메커니즘을 통해 해석될 수 있습니다. 첫째, 개발 압력이 규제가 심하거나 이미 포화 상태인 핵심 구역에서 인접한 경작지 및 생태 전이 지대로 전이될 수 있습니다. 둘째, 교통 회랑과 산업 체인이 단일 행정 경계를 넘어 토지 개발 수요를 전달함으로써 인접 구역의 탄소 저장량 손실을 유발할 수 있습니다. 셋째, 생태 회랑의 단편화는 고탄소 토지의 연속성을 감소시키고 주변 탄소 저장 능력을 약화시킬 수 있습니다. 반대로, 생태 계획 강도는 견고한 양(+)의 전반적 영향을 나타내며, 이는 엄격한 계획 제약이 국지적인 탄소 저장량 손실을 완화할 뿐만 아니라 행정 경계를 넘어 생태적 공간 거버넌스가 조율될 때 지역적 탄소 저장 유지를 시너지적으로 강화함을 시사합니다22,23.

정책 적용
본 연구 결과는 국토 공간 계획에 직접적으로 적용될 수 있습니다. 첫째, 생태 보전선 및 하천 완충 구역 정책은 고탄소 산림 및 초지 패치를 우선적으로 고려해야 합니다. 이는 해당 지역의 전환이 불균형적으로 큰 탄소 저장량 손실을 초래하기 때문입니다. 둘째, 압축 성장 및 대중교통 지향형 개발 제어를 통해 농경지와 생태 전이 지대로의 외부 침범을 줄일 수 있습니다. 셋째, 특정 관할 구역의 개발이 주변 탄소 저장 상태에 영향을 미칠 수 있음을 나타내는 음의 간접 효과를 고려하여, 인접 단위 간에 탄소 보상 및 생태 복원을 조정해야 합니다. 마지막으로, 통합 워크플로우를 토지 이용 계획 승인 전 스크리닝 도구로 활용하여, 대안적인 계획 제약 조건하에서의 탄소 결과물을 비교할 수 있습니다.

한계점
몇 가지 한계점을 인정해야 한다. 탄소 풀 매개변수는 여전히 일부 문헌에 기반하고 있어 토양, 식생 및 관리의 지역적 불균일성을 완전히 포착하지 못했을 수 있다. 시나리오 순위의 안정성을 테스트하기 위해 민감도 검사를 수행하였으나, 현장 보정(field calibration)을 거친다면 절대적 탄소 저장량 추정치의 신뢰도를 높일 수 있을 것이다. 공간 계량 경제 분석에서는 지형, 접근성, 식생, 기후 및 사회경제적 통제 변수를 포함하여 누락 변수 편향을 줄였으나, 유효한 도구 변수를 사용할 수 없었다. 따라서 계수는 결정적인 인과 관계보다는 조건부 공간 연관성으로 해석해야 한다.

향후 방향
향후 연구에서는 인과 경로를 추가로 검증하기 위해 지역 생물량 및 토양 탄소 측정값, 더 세밀한 해상도의 사회경제적 데이터, 공식적인 도구 변수 또는 준실험적 설계, 그리고 동적 공간 패널 모델을 통합해야 합니다. 또한, 시나리오 순위와 파급 효과 추정치의 독립적인 재현이 가능하도록, 향후 응용 연구에서는 클래스별 PLUS 검증 지표, 탄소 풀 민감도 범위, 그리고 대체 공간 가중치 결과를 보충 표로 보고해야 합니다.

결론
본 연구는 원격 탐사-PLUS-InVEST-공간 계량 경제학 워크플로우가 하나의 재현 가능한 프레임워크 내에서 토지 도시화 패턴을 식별하고, 생태 계획 시나리오를 평가하며, 탄소 저장량의 영향을 정량화하고, 공간적 파급 효과를 진단할 수 있음을 입증한다. 주요 연구 결과에 따르면, 과거의 시가지 확장은 주로 농경지 전환으로 인해 발생했으며, 이는 지표 불투수성과 인간 활동 강도의 상당한 증가를 동반했다. 시나리오 시뮬레이션을 통해 생태 보호 전략이 지역 탄소 보유량을 최대화한다는 점을 확인했으며, 공간 계량 경제 모델링을 통해 토지 도시화가 탄소 저장량 역학에 부정적인 직접 효과와 공간적 파급 효과를 모두 미친다는 점을 규명했다. 궁극적으로, 이 통합 워크플로우는 도시 확장의 생태적 트레이드오프를 정량화하기 위한 견고하고 재현 가능한 분석 프레임워크를 제공하며, 생태적으로 취약한 지역의 공간적 평가를 위한 메커니즘 기반의 진단 도구를 제공한다.

공개 사항

저자들은 공개할 사항이 없습니다.

감사의 글

저자들은 이 연구를 위해 별도의 연구비를 지원받지 않았습니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
맞춤형 공간 계량 경제학 스크립트 및 출력 데이터셋저자Zenodo 저장소: https://zenodo.org/records/21159171본 연구에서 설명한 공간 계량 경제학 분석 및 지원 계산 워크플로를 재현하는 데 사용됨.
고해상도 인구 밀도 그리드WorldPophttps://www.worldpop.org/공간 계량 경제학 분석을 위한 사회경제적 입력 데이터로 사용됨.
InVEST (Integrated Valuation of Ecosystem Services and Tradeoffs)The Natural Capital Project, Stanford UniversityVersion 3.14.0; https://naturalcapitalproject.stanford.edu/과거 및 시뮬레이션된 토지 이용 시나리오 하에서 탄소 저장량 및 탄소 저장량 변화를 추정하는 데 사용됨.
Matplotlib & Pillow (Python 라이브러리)Python Communityhttps://matplotlib.org/; https://python-pillow.org/출판 품질의 그림을 생성하고 고해상도 (600 dpi) 그래픽 출력을 처리하는 데 사용됨.
다중 시기 토지 이용/토지 피복 데이터셋Resource and Environment Science and Data Center (RESDC), Chinese Academy of Scienceshttps://www.resdc.cn/토지 이용 변화 분석 및 PLUS 시뮬레이션을 위한 기본 입력 데이터셋으로 사용됨.
PLUS (Patch-generating Land Use Simulation) 모델High-performance Spatial Computational Intelligence Lab (HPSCIL)https://github.com/HPSCIL/Patch-generating_Land_Use_Simulation_Model다양한 생태 계획 시나리오 하에서 미래 토지 이용 패턴을 시뮬레이션하는 데 사용됨.
PySAL (Python Spatial Analysis Library)PySAL Developershttps://pysal.org/공간 자기상관 분석 및 공간 계량 경제학 모델링을 수행하는 데 사용됨.
Python 프로그래밍 환경Python Software FoundationVersion 3.9+; https://www.python.org/데이터 전처리, 공간 분석, 통계 계산 및 워크플로 구현에 사용됨.
지형 (DEM) 및 원격 탐사 데이터United States Geological Survey (USGS)https://earthexplorer.usgs.gov/토지 도시화 분석 및 모델 매개변수화를 위한 지형 변수와 원격 탐사 입력값을 도출하는 데 사용됨.

참고문헌

  1. Xiong Z, Zhang Y, Liu M. Assessing land urbanization and ecological planning impact on carbon stock and its economic value from coupled InVEST-PLUS models. Sci Rep. 2025;15:30494. https://doi.org/10.1038/s41598-025-30494-x
  2. Ge K, Zou S, Lu Y, Chen Y. Spatial effects and influence mechanisms of urban land use green transition on urban carbon emissions. Ecol Indic. 2025;172:113261. https://doi.org/10.1016/j.ecolind.2025.113261
  3. Li L, et al. Spatio-temporal evolution of land use and carbon stock under multiple scenarios based on the PLUS-InVEST model: A case study of Chengdu. Sustainability. 2025;17(21):9903. https://doi.org/10.3390/su17219903
  4. Wang Z, Zhong A, Wei E, Hu C. Carbon stock simulation and land use optimization for high-water-table resource-based cities based on the coupled GMOP-PLUS-InVEST model. Remote Sens. 2024;16(23):4480. https://doi.org/10.3390/rs16234480
  5. Liu Y, Mei X, Yue L. Response of carbon stock to land use change and multi-scenario predictions in Zunyi, China. Sci Rep. 2025;15:236. https://doi.org/10.1038/s41598-024-81735-8
  6. Sun G, Li Y, Huang R. Spatial and temporal evolution of carbon stocks in Yulin City under changing environments. Sci Rep. 2025;15:12219. https://doi.org/10.1038/s41598-025-12219-w
  7. Tang J, Peng W. Spatiotemporal dynamics and influencing factors of land carbon stock in Chengdu Plain using an integrated model. Sci Rep. 2025;15:11248. https://doi.org/10.1038/s41598-025-11248-x
  8. Wang Y, Zhang Z, Chen X. Land use transitions and the associated impacts on carbon stock in the Poyang Lake Basin, China. Remote Sens. 2023;15(11):2703. https://doi.org/10.3390/rs15112703
  9. Tao Y, Tian L, Wang C, Dai W. Dynamic simulation of land use and land cover and its effect on carbon stock in the Nanjing Metropolitan Circle under different development scenarios. Front Ecol Evol. 2023;11:1102015. https://doi.org/10.3389/fevo.2023.1102015
  10. Song M, Yu S, Qin H. Land-use/land-cover change and its impact on ecosystem carbon stock in Binhai New Area, Tianjin, China from 1985 to 2060. Environ Earth Sci. 2025;84:481. https://doi.org/10.1007/s12665-025-11728-x
  11. Liang X, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Comput Environ Urban Syst. 2021;85:101569. https://doi.org/10.1016/j.compenvurbsys.2020.101569
  12. Sharp R, et al. InVEST 3.14.0 User's Guide. The Natural Capital Project; Stanford, CA; 2023. https://storage.googleapis.com/invest-users-guide/index.html
  13. Basha U, et al. Spatial-temporal assessment of annual water yield and impact of land use changes on Upper Ganga Basin, India, using InVEST model. J Hazard Toxic Radioact Waste. 2024;28(2). https://doi.org/10.1061/JHTRBP.HZENG-1188
  14. Deeksha, Shukla AK. Ecosystem services: A systematic literature review and future dimension in freshwater ecosystems. Appl Sci. 2022;12(17):8518. https://doi.org/10.3390/app12178518
  15. Shukla AK, Jain MK, Khare D, Mishra PK. Spatio-temporal assessment of annual water balance models for upper Ganga Basin. Hydrol Earth Syst Sci. 2018;22:5357-71.
  16. Nayak D, Shukla AK, Devi NR. Decadal changes in land use and land cover: Impacts and their influence on urban ecosystem services. Aqua Water Infrastruct Ecosyst Soc. 2024;73(1):57-72.
  17. Nayak D, Shukla AK. Assessing ecosystem service trade-offs and synergies in the rapidly urbanizing coastal region of Mangaluru Agglomeration, India. PLoS One. 2026;21(3):e0344106. https://doi.org/10.1371/journal.pone.0344106
  18. Lei J, Chen H, Wu Y, Zheng X. The impact of land use change on carbon stock and multi-scenario prediction in Hainan Island using InVEST and CA-Markov models. Front For Glob Change. 2024;7:1349057. https://doi.org/10.3389/ffgc.2024.1349057
  19. Dong H, et al. Remote sensing of urban tree carbon stocks: A methodological review. ISPRS J Photogramm Remote Sens. 2025;227:570-93.
  20. Wang Y, Jin X. Land use, spatial planning, and their influence on carbon emissions: A comprehensive review. Land. 2025;14(7):1406. https://doi.org/10.3390/land14071406
  21. Chen R, Zhao W, Li S, Zhang Y. Assessing carbon stock dynamics in an ecological civilization demonstration zone amid rapid urbanization: A multi-scenario study of Guizhou Province, China. Resour Environ Sustain. 2025;21:100223. https://doi.org/10.1016/j.resenv.2025.100223
  22. Zhang J, Cao P, Roosli R. Assessing land use and carbon stock changes using PLUS and InVEST models: A multi-scenario simulation in Hohhot. Environ Sustain Indic. 2025;26:100655. https://doi.org/10.1016/j.envc.2025.100655
  23. Li C, Xu H, Du P, Tang F. Predicting land cover changes and carbon stock fluctuations in Fuzhou, China: A deep learning and InVEST approach. Ecol Indic. 2024;167:112658. https://doi.org/10.1016/j.ecolind.2024.112658

재인쇄 및 허가

태그

원격 탐사토지 이용 시뮬레이션공간 계량 경제학탄소 저장량 평가InVEST 탄소 모듈산림지
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.