Research Article

Journal of the Korean Geographical Society. 30 June 2020. 231-251
https://doi.org/10.22776/kgs.2020.55.3.231

ABSTRACT


MAIN

  • 1. 서론

  • 2. 카테나 개념을 이용한 사면유형화

  • 3. 연구방법

  •   1) 분석 스케일 설정

  •   2) 사면유형화를 위한 적정 DEM 해상도 선정

  •   3) 사면유형화 방법

  •   4) 사면유형화 방법 비교・평가

  • 4. 결과

  •   1) 사면유형화 결과 비교

  •   2) 산림입지토양도의 지형구분 ‘산정’과의 비교

  •   3) 하천망도와의 비교

  •   4) 토양침식추정 모델 결과와의 비교

  • 5. 요약 및 결론

1. 서론

자연환경을 이해하고자 하는 노력은 다수의 학문분야와 여러 방법들로 지속되어 왔다. 더욱이 인간 행위에 의한 환경 파괴와 피해에 대한 환경 의식이 정보통신기술의 발달과 함께 급격하게 증가한 요즘과 같은 시대는 자연환경에 대한 보다 더 높은 수준의 이해를 요구하고 있다. 지형학 분야에서도 시대의 요구에 맞춰 지표면에 대한 이해는 물론 이를 기반으로 하는 환경과 지표의 지속가능성을 연구해왔다. 그러나 좁은 면적에서도 복잡다단하게 나타나는 지형의 이질성과 지형의 현재 상태를 충분히 고려하지 않은 난개발 등은 그 노력을 더욱더 어렵게 만들고 있다. 환경과 지표면의 지속가능성을 파악하고 유지하기 위해서는 지형에 대한 정확한 이해는 물론 그 속의 일반성과 특수성을 찾는 작업이 반드시 필요하다(박수진, 2014).

지형은 자연환경의 필수 요소로 모든 스케일에서 지질과 기후, 토양 등의 다른 요소들과 끊임없이 상호작용한다. 자연환경 내 지형의 영향력을 이해하고자 하는 연구들은 지난 수 세기 동안 이루어져 왔다(Wiens et al., 2007). 지구의 표면은 시간에 따라 작용해 온 지질학적, 수문학적, 생태학적, 토양학적 요소들의 누적된 영향의 결과로 현재의 지형으로 구조화되기 때문에 지형요소들은 지형학, 수문학, 생태학, 토양학 등의 다른 학문 분야에서 논의하는 프로세스의 경계 조건으로 정의된다(Dikau et al., 1995; Pike, 2000; Dehn et al., 2001). Evans(2003)의 연구는 내부 프로세스의 임계값과 공간적 한계에 따라 군집된 지형의 크기와 간격을 명확히 보여주기도 하였다. 이렇듯 자연환경의 경계 조건이 되는 지형의 표면 형태는 사면의 발달과정을 해석하고 추론하는데 지속적으로 이용되어 왔다(Macmillan and Shary, 2009).

사면은 지표형성의 기본단위로 그 작용의 공간적인 경계가 명확히 구분되며(박수진, 2004), 흐름의 발산과 수렴, 그에 따른 퇴적물의 침식, 이동, 퇴적의 프로세스는 사면의 발달뿐만 아니라 지표면의 형성과정도 추론할 수 있다. 사면발달의 기초가 되는 흐름의 발산과 수렴, 퇴적물의 이동과 같은 지형 프로세스에 대한 이해는 지표면의 형태를 분류하기 위한 많은 노력들로 이어진다(Pennock et al., 1987). 현재의 사면 형태는 수 만 년 동안 지속되어온 지형 프로세스의 결과이기 때문에 서로 다른 형태의 사면은 정도의 차이가 나는 발달과정을 겪은 것으로 추론할 수 있기 때문이다.

1930년대 이미 지형학적 맥락과 퇴적물 이동을 기반으로 한 지형과 토양의 상관성이 제시되었지만, 그 당시에는 주요 토양 분류 시스템에 내재된 토양 단면의 수직적 발달을 강조하는 분위기와 상반된 주장을 이유로 충분한 평가를 받지 못했고(Pennock and Corre, 2001) 후대에 이르러서야 경관의 맥락에서 관측 가능한 지형적 속성과 토양분포 사이의 공간적・기능적 관계에 대한 연구를 통해 경관토양모형으로 재평가받기 시작했다(Basher, 1997). 사면을 분류하는 방법은 이러한 암묵적 경관-토양 모델을 정량화하는 기술이다. 사면유형화의 목적은 사면을 각 단위로 그룹화하는 것이며, 각 단위는 형태적・위치적 특성으로 구분되어 정량적으로 정의된 범위를 갖는다. 즉, 각 사면의 단위는 각기 다른 형태적 특성으로 유추할 수 있는 서로 다른 내부의 프로세스를 겪는다. 사면을 분류하여 지형적 특징을 설명하는 모형과 방법은 자연환경의 분석과 경관 모델링 측면에서 매우 중요하다(Pike, 2002; Mihu-Pintilie and Nicu, 2019). 또한, 유형화로 인해 단순화된 지형정보는 정책 결정, 토지 자원의 관리, 개발에 따른 환경영향 추정에 큰 도움이 될 수 있다.

지금까지 몇몇 지형을 분류하고 사면을 유형화하는 방법이 개발 및 적용되었지만(MacMillan et al., 2000; Drăguţ and Blaschke, 2006; Stepinski and Jasiewicz, 2011), 표준화되지 않았기 때문에 지역 환경에 보다 더 적합한 방법에 대한 고찰이 부족했다(MacMillan and Shary, 2009). 또한, 기존의 몇몇 사면유형화 방법은 분석절차가 까다롭고 전문가의 직관적인 판단이 필요하기 때문에 자동화가 어려워 대중적인 사용이 불가능했고(이수연 등, 2015) 연구자의 판단에 따라 동일한 지역일지라도 결과가 달라지는 문제가 나타났다. 이러한 특징은 2010년대부터 많은 학문 분야에서 주요 화두로 자리한 재현 가능성(reproducibility)을 확보하지 못한다는 한계점으로 이어진다.

그러므로 이 연구는 기존의 사면유형화 방법에서 나타나는 불투명한 재현 가능성, 지역에의 적합성 등의 문제를 극복하기 위해 먼저 동일 지역에 반복 적용하더라도 같은 결과를 보이는 규칙 기반의 방법을 개발하고 기존 방법들과 비교・평가하여 보다 더 객관적이고 적합한 방법을 탐색하고자 한다. 이를 위하여 디지털 사면유형화에 기초가 되는 수치고도모형(DEM, Digital Elevation Model)의 적정 해상도와 주변 셀 범위(neighborhood cell range)를 설정하고 카테나 개념을 이용한 기존 방법과 다른 지형변수와 기준, 영역을 사용하여 지역적 특징을 보다 더 잘 반영할 수 있도록 새로운 사면유형화 방법을 개발한다. 이 후 기존의 방법과 새로운 방법의 결과를 비교・평가하여 적용가능성을 파악한다.

2. 카테나 개념을 이용한 사면유형화

사면은 그 형태의 차이, 토양이 침식 또는 퇴적되는 양상과 정도의 차이, 퇴적물의 유무와 성질의 차이 등에 따라 여러 부분 혹은 유형으로 구분할 수 있다. 1930년대 영국 토양학자 Milne는 경사면의 꼭대기에서 인접한 계곡의 바닥까지 반복되는 연속적인 토양의 속성을 설명하기 위해 카테나(Catena)라는 개념을 만들고, 경사면을 구성하는 기반암이 단일한 경우와 두 개 이상인 경우를 나누어 두 종류의 카테나를 제시하였다(Conacher and Darlymple, 1977). 즉, 카테나는 토양의 속성에 영향을 미치는 지형학적 조건과 수문학적 조건들 사이의 상호작용이 서로 다르게 나타나는 사면을 경관단위로 유형화하는 개념으로(Wysocki et al., 2000), 수많은 연구(Dan and Yaalon, 1964; Blume and Schlichting, 1965; Walker and Ruhe, 1968; Huggett, 1975; Pennock and Vreeken, 1986; Pennock and Acton, 1989)를 통해 다양한 기후대와 경관에서 토양과 지형 사이의 관계 즉, 카테나 관계가 확인되었다. 이러한 관계를 이용하여 자연 사면을 유형화하는 많은 방법이 개발되었다. 그 중 Wood(1942)는 기반암의 경연(硬軟)차이를 고려하여 사면을 waxing slope, free face, debris slope, pediment로 구분하였고, King(1957)은 이 네 가지 사면에서 발생하는 지형학적 프로세스를 자세히 설명했다. 그에 따르면 waxing slope은 침식에 의한 제거보다 화학적 풍화작용이 우세한 볼록한 형태의 사면이고, free face는 사면의 정상부에 돌출되어 있는 기반암을 지칭한다. debris slope은 free face의 아래에 위치하고 free face로부터 침식되어 이동된 물질들로 구성된다. debris slope 아래에는 경사면의 시작점에서부터 충적 분지까지 이어진 pediment가 존재한다. Ruhe (1960)은 이러한 Wood의 2차원적 사면 요소를 토양 경관 연구에 수정・응용하였고, Ruhe and Walker(1968)은 카테나 모델의 주요 사면유형을 Summit(SU), Shoulder(SH), Backslope(BS), Footslope(FS), Toeslope(TS)으로 정의하였다(그림 1). 다섯 가지의 대표 사면유형은 지표수의 수렴과 발산, 그리고 퇴적물의 이동을 기반으로 분류되었으며 대표 사면유형에 대한 특징은 다음과 같다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F1.jpg
그림 1.

단순사면(simple slope)과 복잡사면(complex slope)의 발달과정과 카테나 개념의 사면유형

Summit(이하 SU)은 사면의 단면도 상 정상부에 위치한다. SU는 지형적으로 가장 안정적인 사면으로 토양 침식이 가장 적게 나타난다. 강우 등으로 인한 물은 토양을 따라 침투되기 때문에 퇴적물의 이동은 적고 토양의 단면이 가장 잘 형성되는 사면이다. Shoulder(이하 SH)는 SU아래에 위치하며 볼록한 형태를 보인다. SU와 SH는 경사도의 증가여부로 판단할 수 있으며, 토양침식이 활발하고 지표 유출이 가장 크다. 물의 흐름 방향은 침투 등의 수직방향이 아니며 그에 따라 토양 단면은 SU보다 얇다. Backslope(이하 BS)은 직선사면으로 SH사면 아래에 위치한다. 경사도가 SH보다 낮기 때문에 SH에 비해 물과 퇴적물의 운반 능력이 부족하여 퇴적물 축적이 나타나기 시작하는 사면이다. Footslope(이하 FS)는 아래의 Toeslope(이하 TS)와 같이 사면의 하단부를 구성하는 사면으로 오목한 형태를 띠며, 경사도가 낮아 토양의 퇴적현상이 두드러지는 사면이다. TS사면은 주로 선형이거나 약간 오목한 형태를 보인다. 낮은 경사도와 낮은 위치적 특성으로 사면에서 내려오는 퇴적물과 인접 하천에서 범람하는 퇴적물로 인해 충적 과정이 우세한 사면이다. 토양은 깊고 습하며, 충적 퇴적물로 구성된다.

카테나 개념을 이용한 사면유형화 방법의 또 다른 예는 NULM(Nine Unit Landscape Model)이다(그림 2). Conacher and Dalrymple(1977)는 카테나에 대한 정량적 설명을 제공하기도 하였는데 그들은 토양과 사면 사이의 단순한 관계를 사면의 정상부에서 계곡 바닥까지 그리고 표층토에서 심토까지 입체적으로 연결하여 사면을 3D 유형으로 정의하였다. 또한 중력에 의한 매스무브먼트, 물에 의한 흐름 등을 통해 이동하는 토양의 재분배에 근거하여 사면을 9가지 단위로 분류하였고 이를 NULM(Nine Unit Landscape Model)이라 명명하였다. 이 모델은 기존의 지형 및 토양발달 모델과는 달리 사면유형별 물질의 흐름과 그 결과 형성되는 토양의 성질, 지형의 형태를 종합적으로 고려한 모델로 평가받는다(박수진, 2004).

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F2.jpg
그림 3.

NULM의 모식도와 각 사면유형에서의 지형 및 토양형성작용 특징(Conacher and Darlymple, 1977)

카테나 개념을 이용한 사면유형화 방법이 기후, 모재 등에 관계없이 완전히 발달된 사면에서 언제든 적용될 수 있다(Ruhe, 1975)는 사실은 이후 토양과 지형 사이의 관계에 대한 일반적 모델 뿐만 아니라 일반적인 사면분류의 표준으로 발전하는데 기초가 되었다(Pennock et al., 1987; Giles and Franklin, 1998; Park and van de Giesen, 2004).

즉, 카테나 개념은 토양과 지형 사이의 관계에서 시작했지만, 지형의 발달과정에 대한 이해를 기본으로 하므로 그 활용범위는 매우 넓다. 먼저 토양과 지형 사이의 관계에 대한 카테나 본래의 개념을 활용한 연구는 Furley(1971), West et al.(1988), Stolt et al.(1993) 등이 대표적이다. 이들은 사면에서 발달하는 토양 속성의 다양성을 조사하기 위해 카테나 개념을 이용하였다. 또한 Tsatskin et al.(2013)은 이스라엘 갈릴리 해안 평원에서 카테나 개념을 이용하여 표층토와 지형의 발달관계를 연구하였다. 이들은 표층토의 광여기 루미네선스(Optically stimulated luminescence, OSL)결과를 통해 이스라엘 중부에 위치한 해안 평원과 연구지역의 평원이 서로 다른 시기에 생성된 것을 확인하는데 사면의 위치와 토양의 발달의 관계를 활용하였다. Kagabo et al.(2013)은 Footslope, Upperslope, Hillslope 유형의 위치적 속성을 통해 침식의 정도와 그에 따른 침식량, 유기탄소, 비옥도의 차이를 밝혀냈다. 토양과 지형 사이의 관계뿐 만 아니라 일반적인 사면분류 방법으로 카테나 개념을 이용하고 이와 여러 자연환경 요소들과의 관계를 파악한 연구도 있다. Koné et al.(2013)은 아프리카의 한 실험센터에서 사면을 Summit, Upper slope, Middle slope, Footslope으로 유형화하고 식생조사를 실시했다. 이들은 C. rotundus식생이 사면의 하단부에 해당하는 Middle slope과 Footslope에서 주로 분포하는 반면, 사면의 정상부인 Summit과 Upper slope에서는 제한적으로 분포하는 이유로 사면유형에 따른 지하수 위치, 물의 이용 가능성과 수렴・발산 등으로 해석한 바 있다. 또한, Khalili-Rad et al.(2011)Ruhe and Walker(1968)의 대표 사면인 Summit, Shoulder, Backslope, Footslope, Toeslope으로 연구지역의 사면을 유형화하고 사면의 하단부에 위치한 사면유형일수록 더 큰 미생물 바이오매스가 관찰된다고 밝혔다. Kudryashova et al.(2019)은 기후대와 토양의 공간적 이질성, 식생 분포의 이질성 사이의 관계를 카테나 개념을 이용해 해석하기도 했다. 이렇듯 카테나 개념은 토양, 지형과 독립적이지 않은 생태학적 연구의 기본 분석 틀로도 이용할 뿐만 아니라 주요 사면을 유형화하는 방법은 수십 년의 과학적 연구와 현장 경험을 통해 조정되고 활용되어 왔다. 지금까지도 미국 등 각국의 토양 조사과정에서 핵심적인 개념으로 사용되고 있다(Miller and Schaetzl, 2015).

카테나 개념을 이용한 사면유형화방법 이외에도 지형학 분야에서 지형분류법은 오랜 역사를 가지고 있다. 지금까지 다양한 기법들이 개발 및 적용되고 있으며, 지형의 연속적 변화라는 특성으로 인해 정형화된 분류법은 합의되지 않았지만, 크게 성인적 분류법과 형태적 분류법으로 나눌 수 있다(Vitek et al., 1996).

형태적 지형분류법은 현재 지형의 형태에 초점을 맞추어 지형을 구분하는 방법으로, 지형의 형태를 알 수 있는 고도(elevation), 경사도(slope), 곡면률(curvature) 등의 지형변수들을 조합하여 사면을 분류한다. 형태적 지형분류기법은 생태학적 측면에서 물과 에너지, 물질의 흐름을 정량화하여 종합적으로 파악할 수 있는 장점을 갖는 것으로 평가받으며(Park et al., 2001), 비교적 간편하게 지형을 분류할 수 있는 장점이 있다(박수진, 2004). 그러나 사면 분류기준에 대한 객관적 기준 설정의 어려움과 지형 내부에서 발생하는 지형학적 작용들을 고려하기 어렵다는 한계가 있다(이수연 등, 2015). 성인적 분류법은 지형의 형성작용에 대한 이해가 필수적이기 때문에 어느 지역에나 적용할 수 있는 객관적 모델 개발이 불가능에 가깝고, 현장 조사가 대동 되어야 하므로 즉각적인 적용이 어렵다는 단점이 있다.

최근과 같이 지리정보시스템의 발달이 고도화되고 다양한 공간자료들의 이용 가능성이 높아진 시점에서는 형태적 분류법이 가장 쉽고 간편하게 사면을 유형화할 수 있는 기법으로 최근 다양한 연구에서 활용되는 대표적인 디지털 형태적 분류법은 TPI(Weiss, 2001)와 Geomorphons (Stepninski and Jasiewicz, 2011)이다. 국내에서도 김동은 등(2012)김동은・오정식(2019)은 Geomorphons를 이용하여 지형분류를 시행했으며, TPI와의 비교와 지형분류 시 DEM의 해상도와 분석반경에 따른 차이 등을 밝혀냈다. 또한, 박경훈 등(2016)오채연・전계원(2018)은 TPI를 통해 지형을 분류하고 각각 위험지형군과 폭염일수와의 상관관계를 연구하였다. 그러나 국내에서 지형분류법을 활용한 연구는 개발되어 패키지로 제공되는 방법의 적용 및 확인에 가깝다.

카테나 개념을 활용한 방법은 최근 다양한 연구에서 소개 및 적용되고 있는 TPI와 Geomorphons 등의 두 가지 형태적 분류법과는 다르게 물과 물질의 흐름 측면에서 더 나은 모습을 보인다. 이러한 장점은 카테나 개념을 활용한 분류방법과 TPI, Geomorphons 등을 산사태 예측력을 통해 비교한 이수연 등(2015)의 연구에서 잘 드러난다.

즉, 토양경관모형이자, 지형학적 모델, 시스템인 카테나 개념은 토양과 지형의 형성과정에 대한 이해를 위해 개발되었으며 특정 지형 위 토양 형태의 순차적인 변화는 경사면의 지형발달과정과 밀접하게 관련된다(Wysocki et al., 2000). 그러므로 카테나 개념에 대한 이해는 지형에 따른 토양 형성 조건, 수문학적 변화 양상, 또 이를 통한 지형의 발달 등을 종합적으로 파악할 수 있게 한다. 또한 이와 같은 이해를 기반으로 한 유형화 방법은 이미 사면의 위치적・형태적 특성이 반영되어있기 때문에 형태적 분류법의 장점도 반영할 수 있다. 정리하면 카테나는 지형의 성인적 특징과 형태적 특징을 설명할 수 있는 개념으로 이를 활용한 사면유형화 방법은 성인적, 형태적 분류법의 특장점을 잘 표현해낼 수 있을 것이다.

3. 연구방법

GIS를 통한 사면유형화는 각종 지형변수를 이용하기 때문에 지형변수가 실제 지형의 형태와 프로세스를 가장 잘 반영하는 스케일과 해상도를 선정하는 과정이 무엇보다 중요하다. 이 장에서는 사면유형화의 기초가 되는 분석 스케일과 DEM의 해상도, 주변 셀 범위 선정 과정과 이유에 대해 살펴보고 이를 기준으로 비교 대상이 되는 기존의 사면유형화 과정과 이 연구에서 개발한 방법을 소개한다.

1) 분석 스케일 설정

디지털 지형 분석(DTA, Digital Terrain Analysis)은 일반적으로 스케일에 따라 그 결과가 달라진다(Hupy et al. 2004; Roecker and Thompson, 2010). 따라서 사면유형화의 매개변수로 지형변수를 사용할 때는 적절한 분석 스케일을 사용해야 한다.

공간 분석 시 발생하는 주요 문제는 경계 문제(the boundary problem), 스케일 문제(scale problem), 패턴 문제(pattern problem), 수정가능한 면적단위 문제(modifiable areal unit problem) 등이 있다(Burt and Barber, 2009). 이 중 지형분석에서의 경계는 고정된 자연적 경계로 둘러싸인 영역과 임의의 인공적 경계로 나눌 수 있다(Haining, 1990). 자연적 경계에 의해 정해진 영역에서 지형적 프로세스는 해당 경계 내부에서만 발생하고 종료되지만, 인공적 경계에 의한 영역에서는 프로세스가 인위적 경계를 넘어서 계속된다. 가끔 이러한 고려 없이 행정구역경계나 임의의 경계로 연구 스케일을 정하는 경우, 자연환경적인 프로세스가 주어진 임의의 경계에서 종료되는 것으로 가정하는 것과 다름없기 때문에(Upton and Fingleton, 1985) 주의해야 한다. 즉, 측정 또는 관리 차원에서 임의의 경계가 주어질 수 있지만, 그 경계 자체는 지리적 현상 혹은 지형적 프로세스와는 적합하지 않다. 이러한 이유로 이 연구에서는 자연 경계인 유역을 분석 대상으로 하였고, 환경부의 수자원단위지도 중 중권역을 분석 스케일로 설정하였다. 수자원단위지도에 따르면 유역체계는 대권역, 중권역, 표준유역 등 3개의 권역 및 유역으로 구분하며 관리 단위로 이를 활용하고 있다. 이 중 중권역은 5대강을 중심으로 하는 대권역의 본류를 기준으로 자연하천이 합류하는 지점을 유역의 출구점으로 하는 총 117개 유역 영역이며, 평균 면적은 약 931km2이다.

2) 사면유형화를 위한 적정 DEM 해상도 선정

수치고도모형(DEM)은 Evans(1979)에 의해 경사방향(Aspect), 경사(Slope), 곡률(Curvature) 등을 추출하는 시스템이 개발된 이후에 지형학, 토양학, 수문학, 조경학 등 각종 학문 분야에서 수치화된 지형정보를 이용해왔다. 그러나 DEM의 해상도 즉, 격자의 크기와 한 격자의 값을 결정하는 주변 격자 범위(neighborhood)에 따라 보고자 하는 변수의 값과 연결성이 달라진다. 서로 다른 해상도의 DEM은 같은 지역에서의 경사도와 지형수분지수(TWI, Topographic Wetness Index)가 서로 다르다는 것을 확인한 Jenson et al.(1991)Quinn et al.(1991) 등의 오래된 연구뿐만 아니라 Thompson et al.(2001), Hancock(2005), Sorensen and Seibert(2007), Vaze et al.(2010), Gillin et al.(2015) 등과 같은 비교적 최근의 연구 모두 Wolock and McCabe(2000)가 지적한 해상도가 거칠어지면서 미시적 지형의 고유 값이 사라져 전체적인 분산이 낮아지는 평활효과(smoothing effects)와 연속적인 지형을 서로 다른 격자 개수로 분할하면서 발생하는 이산효과(discretization effects)를 보여준다. 이렇듯 선정된 격자의 크기에 따라 변수의 값이 달라지므로 연구의 결과와 해석에서 큰 차이가 나타날 수 있다(Quinn et al., 1991). 특히 사면을 분류하고 유형화하는 방법에서의 해상도는 유형의 크기와 모양과 같은 형태뿐만 아니라 서로 다른 사면에서의 지형적, 토양학적, 수문학적 프로세스까지 영향을 미칠 수 있기 때문에 적정 해상도에 관한 고민이 더욱 더 요구된다.

Park et al.(2001)은 전 세계 8개 지역의 지형 및 토양 상관관계 분석을 통해 격자크기 10m 이하는 토양-지형 형성작용 간의 시공간적 스케일의 차이로 인해 토양분포의 예측력이 감소한다고 지적하며 10-30m 격자가 토양분포를 설명하기 위한 최적의 격자로 소개한 바 있다. 또한 박수진・유근배(2004)는 사면유역지수가 격자크기 15m까지 상관거리가 약 50m로 유지되는 현상을 통해 이 이상의 격자크기는 상관거리의 급격한 증가 문제, 10m 이하의 격자크기는 미분산(microvariance)문제가 발생한다고 지적하였다. 또한 Bailey et al.(2014)은 5m DEM이 1m DEM보다 사면유역지수, 지형수분지수를 더 잘 반영한다고 밝혔으며, Gillin et al.(2015)은 지형변수에 따라 다르지만 LiDAR 기반 DEM의 1m 해상도가 연구지역의 지형설정에 있어서 최적은 아니라고 주장하기도 하였다.

앞선 연구 결과들을 살펴보았을 때, 고해상도 DEM은 상대적으로 미세한 지형을 보다 더 잘 표현하고 있지만, 지형분석에서의 연속성, 노이즈 등의 문제가 발생하는 것을 알 수 있다. 그러므로 지형분석에 있어서 격자 크기는 지형의 공간적 분포 구조의 반영 정도, 자료 구득의 용이성, 정보 처리 속도 등을 종합적으로 판단하여 선정해야 한다.

(1) DEM 해상도 설정 과정

래스터자료의 각 그리드의 절대적인 값은 중요하다. 그러나 사면을 유형화하는 방법에 있어서 그리드 값의 절대적인 차이가 크지 않다면, 그 상대적 차이가 더 중요할 것이다. 그러므로 현장조사를 통해 해발고도를 측정하고, 격자 크기별로 나눈 DEM들과 같은 위치의 값을 비교하여 그 차이를 살펴보았다. 현장조사는 화성시에서 진행했으며 총 138개 지점의 해발고도를 RTK GPS를 통해 구축하였다(그림 3). 해상도에 따른 차이와 적정 해상도를 살펴보기 위해 국토지리정보원에서 제공하는 수치지도로 5m DEM을 구축하고 이를 10m, 15m, 20m, 25m, 30m, 35m, 40m, 45m, 50m 크기로 리샘플링하여 비교하였다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F3.jpg
그림 3.

화성시 현장조사 지점(n=138)

현장조사를 통해 얻은 해발고도의 값과 해상도별 DEM의 그리드 값을 비교하여 그 차이를 평균한 결과, 40m 해상도 DEM에서 4.59m로 가장 큰 차이가 나타났고, 20, 30, 50m해상도에서 가장 낮은 수준의 차이가 확인됐다. 그러나 각 해상도 사이의 최대 격차가 약 1.6m이므로 모든 해상도의 DEM이 실제 해발고도를 잘 표현하고 있으며, 특히 원해상도인 5m 해상도보다 20, 30, 50m 등의 리샘플링한 해상도가 더 정확도가 높은 것은 주목할 만하다(그림 4).

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F4.jpg
그림 4.

관측값과 DEM 해상도별 위치값의 평균 오차

앞서 언급했듯이, 자연 경계로 둘러싸인 유역단위를 연구 스케일로 활용한 것은 내부의 프로세스를 인위적으로 나누지 않고 온전히 반영하기 위함이다. 즉, 자연경계인 유역분수계(폴리곤 자료)와 격자 구조로 이루어져 있는 DEM(래스터 자료) 가장자리의 불일치는 인접한 다른 유역의 프로세스가 포함된 결과를 산출하거나 해당 유역의 프로세스를 반영하지 못하는 결과를 가져올 수 있다. 그러므로 해상도별로 가장자리의 경계가 달라지는 래스터 자료의 특성상, 연구지역의 경계와 면적을 잘 반영하는 DEM의 해상도를 살펴보는 것도 적정 DEM 선정 기준의 하나가 될 수 있다. 이를 위해 평창강과 미호천 유역을 대상으로 앞서 구득한 해상도별 DEM의 경계와 유역의 경계를 비교한 결과가 그림 5이다. 격자의 크기가 작을수록 동일 면적의 격자 개수가 많아지기 때문에 경계도 더 부드럽게 표현이 가능하다. 이에 따라 미호천, 평창강에 있어서도 전체적으로 고해상도 DEM이 거친 해상도 DEM보다 경계와 면적을 더 잘 나타내는 모습이다. 또한, 두 유역 모두 30m 해상도의 DEM까지는 완만한 차이를 보이다가 30m가 초과되는 DEM 해상도부터는 면적의 차이가 급증하는 것을 확인할 수 있다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F5.jpg
그림 5.

평창강과 미호천 면적과 DEM 해상도별 면적 차이

거친 해상도는 연구지역의 스케일이 크고 절대적인 지형의 값보다 상대적인 차이가 더 중요할 때 선택할 수 있으며, 고해상도 격자크기는 위치의 정확도와 같은 절대적인 값이 중요할 때 쓰이지만, 자료 구득의 어려움과 분석 시 소요되는 시간과 메모리의 문제가 있다. Hengl(2006)는 연구자가 구득할 수 있는 가장 거친 해상도와 가장 고해상도 사이의 중간 단계의 해상도를 추천 그리드 해상도(recommended grid resolution)로 언급한 바 있다.

격자크기의 변화에 따라 지형변수의 값도 연속적으로 변하기 때문에 특정한 격자 크기를 선정하기란 매우 어려울 뿐만 아니라 모든 고려사항을 만족시킬 수 있는 해상도도 존재하지 않는다. 다만, 연구의 목적과 스케일에 적합하고 자료 고유의 속성을 해치지 않는 수준의 해상도를 탐색하는 노력은 분명히 필요하다. 이 연구에서는 DEM의 격자 크기에 관한 기존 문헌과 해상도별 차이에 관한 간단한 연구결과, 고해상도 자료의 구득 및 구동 시의 여러 문제점들 등을 종합적으로 판단하여 30m 해상도를 사면유형화의 적정 해상도로 결정하였다. 이 연구에서는 DEM 자료로 SRTM v3를 이용하였다. 1 arc second(약 30m) 해상도로 제공되는 이 자료는 수치지도를 가공・재가공하지 않고 실제 촬영을 기반으로 제작되었기 때문에 등고선의 내삽과정이나 리샘플링 과정에서 왜곡이 발생하는 한계에서 상대적으로 자유롭다(Shortridge, 2001).

(2) 주변 셀 범위에 따른 정량적 지형의 차이

공간정보의 해상도뿐만 아니라 분석 스케일 즉, 분석을 위한 주변 셀(neighbourhood cell)의 범위도 결과에 영향을 주는 중요 요소이다. DEM에서 경사도를 산출하는 것처럼 그리드의 매트릭스로 이루어진 래스터자료를 가공하여 다른 래스터자료를 만들 때, 중앙에 위치한 scanning cell의 값은 주변을 둘러싼 셀인 scanning neighbourhood와의 비교를 통해 결정되는 경우가 있다. 이 때, 연구자가 scanning neighbourhood의 범위를 정하여 결과를 얻게 되기 때문에 이 또한 주요 고려대상이 되어야 한다. 그러나 많은 경우 이 주변 셀의 범위는 3 × 3으로 설정되어 왔다(MacMillan et al., 2000; Shi et al., 2009). 그러나 3 × 3보다 더 큰 5 × 5, 7 × 7 크기로 주변 셀의 범위를 달리하면서 민감도 분석을 실시하여야 지표면을 보다 더 정확하게 표현할 수 있다. UcaP의 사면유형화 방법에서 쓰인 지형자료 중 사면유역지수는 주어진 연구지역에서 가장 높은 곳으로부터 낮은 곳까지의 흐름을 산출하기 때문에 주변 셀의 범위를 이용하지 않는다. 반면 사면곡면률은 주변 셀의 범위에 따라 결과가 달라지기 때문에 범위를 달리하며 사면곡면률의 결과를 살펴보았다.

세미베리오그램은 시간 또는 공간적 간격사이의 데이터 변동성을 추정하는 방법이다. 여기에서 변동성은 일정한 거리 h만큼 떨어진 두 지점의 값(z(xi), z(xi+h))사이 차이를 제곱하여 산술평균한 값으로 정의되며 Matheron (1963)이 다음과 같이 제안하였다. 세미베리오그램은 공간적으로 떨어진 픽셀 사이의 비 유사성 측정에 효과적인 방법으로 평가받는다(Woodcock and Strahler, 1984; Jupp et al., 1988).

$$2r(h)=E\lbrack(z(x)-z(x+h))^2\rbrack$$ (1)

$$r(h)=\frac1{2n}\sum_{i=1}^n\lbrack z(x_i)-z(x_i+h)\rbrack^2$$ (2)

대부분의 이론적 베리오그램 모형에는 동일한 위치의 값들 사이에 존재하는 분산인 Nugget, 세미베리오그램이 더 이상 증가하지 않는 분산을 나타내는 Sill, 세미베리오그램이 분산에 접근하는 거리를 변수의 Range라고 하며, 이 Range값 이상으로는 서로 상관이 없어지는 것을 의미한다. 공간구조는 이 Range로 정량화할 수 있다(문상기 등 2007). 평창강과 남한강 하류, 미호천 유역을 대상으로 30m 해상도에서 주변 셀의 범위를 3, 5, 7로 늘려가면서 얻은 사면곡면률의 세미베리오그램의 결과를 비교한 것이 표 1이다.

표 1.

평창강과 남한강하류, 미호천 중권역의 주변셀 범위에 따른 세미베리오그램 결과

평창강 남한강하류 미호천
주변셀 범위 Range Sill Nugget Range Sill Nugget Range Sill Nugget
3×3 0.04 6.58 0 0.61 3.6 0 0.04 1.21 0
5×5 0.04 23.03 0 0.61 11.87 0 0.05 4.76 0
7×7 0.04 46.73 0 0.61 22.91 0 0.05 11.07 0
(세미베리오그램 모델은 spherical model이 적용되었음)

세미베리오그램을 비교한 결과, 주변 셀의 범위가 증가함에 따라 Sill은 증가하지만 Range의 값은 동일하게 나타난다. 즉, 주변 셀의 범위가 커질수록 각 그리드 값 사이의 분산은 증가하지만 공간적 자기상관이 확보되는 범위는 같은 것으로 해석할 수 있다. 또한 3 × 3와 5 × 5 의 분산 차이보다 5 × 5와 7 × 7의 차이가 더 큰 것으로 7 × 7 이상의 주변 셀 범위로 중앙에 위치한 그리드 값을 계산할 시, 분산이 급증하는 것을 확인할 수 있다.

Roecker and Thompson(2010)은 위의 결과에서 확인했듯이 주변 셀의 범위가 커질수록 분산이 증가하여 거친 해상도의 DEM을 쓰는 것과 같다고 하며, 토양 속성자료와 사면곡면률은 주변 셀 범위 117~189m에서 상관관계가 가장 크게 나타난다고 밝혔다. 또한 Miller(2014)도 27m DEM에서 5 × 5 주변 셀 범위인 135m 거리에서 오목한(concave) 지형의 정확도가 71.4%로 가장 높다고 밝힌 바 있다. 위의 결과를 종합할 때, 30m 해상도의 DEM에서 곡면률 계산에 가장 이상적인 주변 셀 범위는 5 × 5 크기로 판단할 수 있다.

3) 사면유형화 방법

이 연구에서는 여러 카테나 지형분류방법 중 Miller and Schaetzl(2015)가 미국 농무성 산하 자연자원보호청(USDA- NCRS, United Stats Department of Agriculture-Natural Resources Conservation Service)의 지형, 토양학자들이 조사한 미국 아이오와주(IOWA)의 현장자료를 통해 개발 및 보정한 세 가지의 카테나 방법과 이 연구에서 개발한 사면유역지수 우선 분류방법(UcaP, Upslope Contributing Area Priority Decision Tree)의 정확도 및 적용 가능성을 비교하였다.

(1) 단면곡면률, 경사도, 상대고도 우선 사면유형화 방법(PrcP, SlgP, ReeP)

Miller and Schaetzl(2015)의 세 가지 방법은 의사결정나무(Decision tree) 방식을 사용하였고, 첫 번째 단계에서 두 개의 분기점을 통해 세 개의 범주를 나눈 후, 하위 단계부터는 하나의 분기점을 통해 두 개의 범주를 만드는 방식으로 구성된다. 첫 번째 단계에서 사용된 지형변수는 단면곡면률(Profile curvature), 경사도(slope gradient), 상대고도(relative elevation)이며 이를 기준으로 한 세 가지의 분류 방법의 명칭 역시 PrcP(profile curvature priority decision tree), SlgP(slope gradient priority decision tree), ReeP (relative elevation priority decision tree)이다(그림 6). PrcP와 SlgP 방법은 첫 단계 분기점의 대상이 되는 지형요소를 제외한 다른 지형변수들을 모두 이용하여 하위 단계에서 지형을 분류하지만, ReeP 방법은 Profile curvature를 사용하지 않는다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F6.jpg
그림 6.

카테나 사면유형화 방법 의사결정나무(a: PrcP, b: SlgP, c: ReeP)(Miller and Schaetzl. 2015)

Miller and Schaetzl(2015)의 사면유형화 방법들은 각 지형변수를 세 가지 혹은 두 가지의 범주로 나누어 사면을 분류하는데 단면곡면률의 경우 세 가지 범주일 때 오목사면(concave)-직선사면(linear)-볼록사면(convex)으로, 두 가지 범주일 때 오목사면-볼록사면으로 나눈다. 경사도와 상대고도는 세 가지 범주일 때 높음(high)-중간(medium)-낮음(low)으로, 두 가지 범주일 때는 높음-낮음으로 분류한다. 각 사면유형에 따른 경사도, 단면곡면률, 상대고도의 범주는 표 2와 같다.

표 2.

사면유형별 경사도, 단면곡면률, 상대고도의 범주(Miller and Schaetzl, 2015)

사면유형 Slope Profile curvature Relative elevation
Summit(SU) Low Linear High
Shoulder(SH) Medium Convex High
Backslope(BS) High Linear Medium
Footslope(FS) Medium Concave Low
Toeslope(TS) Low Linear Low

이 방법에서 활용하는 상대고도는 Miller(2014)가 개발한 방법으로 원 해발고도의 값에서 역을 취한 해발고도(inverse elevation)를 뺄셈하여 구하는데, 여기서 역수를 취한 해발고도는 주변 셀 범위의 고도 최소값과 최대값의 합에서 원 해발고도의 값을 빼는 방식으로 값을 얻게 된다. 상대고도의 값은 주변 셀 범위의 가운데 위치한 그리드의 해발고도보다 높으면 양수, 낮으면 음수로 나타나고, 그 정도에 따라 값의 크기가 달라진다(그림 7).

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F7.jpg
그림 7.

상대고도 계산과정(Miller, 2014)

(2) 사면유역지수 우선 사면유형화 방법(UcaP)

이 연구에서 개발한 UcaP 방법은 Miller(2014)의 세 가지 방법과 다르게 사면유역지수(Upslope Contributing Area)를 활용한다는 점이 가장 큰 차이점이다. 사면유역지수는 1968년 호주의 지형학자인 Conacher와 영국의 토양학자 Darlymple에 의해 제안된 NULM(Nine-Unit Landscape Model)의 기본 공식 중 사면상의 물질 이동량(S)을 DEM으로 구할 경우 이용되는 지형변수로 다음의 식(1)으로 계산된다(박수진, 2004).

$$As=(1/b)\sum_{i=1}^np_i\cdot A_i$$ (3)

여기서 Ai는 셀의 면적, n은 셀 i로 물이 모이는 상부 격자들의 총 개수, pi는 상수, b는 해상도로 추정되는 등고선의 폭이다. 사면유역지수는 해당 격자에 물이 흘러드는 정도를 나타내는 지형변수로 공간상의 배수 정도를 나타내며 Mandal(2015)은 사면유역지수가 높은 곳은 토양포화도가 높아 토양의 응집력이 낮다고 밝힌 바 있다. 이 방법은 기존 연구인 Park and van de Giesen(2004), 박수진(2004), 이수연 등(2015)에서 사용하는 지형변수는 동일하지만, 사면을 유형화하는 기준점 탐색 과정은 전혀 다르게 진행된다. 이 연구에서 개발한 사면유형화 방법은 규칙 기반(rule-based)방법이기 때문에 누구나 구동해도 동일한 결과를 얻을 수 있으며, 코딩을 통한 자동화까지 되어 상용화가 가능하다는 장점이 있다. 또한, 기존에는 연구지역의 샘플링을 통해 지형변수를 얻어 지형 구분자를 추출하여 샘플링 위치를 통한 지형의 왜곡 가능성이 존재했지만, 이 방법에서는 연구지역 전체 그리드값을 대상으로 하기 때문에 전체 연구지역의 지형을 온전히 반영한 지형 구분자 추출이 가능하다. 이 연구에서 개발한 사면유형화 방법의 모식도를 그려보면 그림 8과 같다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F8.jpg
그림 8.

이 연구에서 개발한 사면유형화 방법 모식도

이 방법에서는 Summit사면을 해당 유역 사면유역지수의 커널밀도추정(KDE, Kernel density estimation)상의 변곡점(Inflection point)을 이용한다. 사면유역지수의 확률밀도함수(Probability density function)를 커널밀도추정에 의해 구하면 117개 모든 중권역에서 사면유역지수 2.95 ~ 3.1 사이의 변곡점이 나타나게 된다(그림 9). 이처럼 사면유역지수 값이 낮은 곳에서 나타나는 변곡점은 물이 모이는 면적이 작고 빈도가 낮은 곳과 물의 양이 많아지면서 빈도가 급격히 증가하는 지점을 나누는 구분자이다. 그러므로 다른 사면유형에 비해 그 수가 적고 사면의 정상부에 위치해 있어 수직용탈작용에 의해 물의 흐름과 양이 적은 Summit을 분류해내기 적합하다. 히스토그램을 통한 확률밀도함수를 구하면 X축의 간격을 결정하는 빈(bin)의 경계에서 불연속성이 나타나기 때문에 커널밀도추정을 이용하였다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F9.jpg
그림 9.

사면유역지수의 커널밀도추정 시 나타나는 변곡점, 이사천(a)과 낙동강남해 중권역(b)

UcaP 사면유형화 방법에서 두 번째로 활용한 지형변수는 사면곡면률(Surface curvature)이다. 사면곡면률은 단면곡면률(profile curvature)과 평면곡면률(planform curvature)을 조합한 지형변수이다. 단면곡면률은 최대경사방향의 곡률로 실제 지형에서는 물의 흐름의 가속 및 감속에 영향을 미치므로 물질의 침식, 이동, 퇴적에 영향을 주고, 평면곡면률은 최대 경사방향에 수직인 방향인 곡률로 흐름의 수렴(convergence)과 발산(divergence)에 영향을 미친다. 그러므로 단면곡면률과 평면곡면률을 함께 고려하면 표면의 흐름을 보다 정확하게 이해할 수 있게 된다. 볼록한 지형일 경우 사면곡면률은 양의 값을 가지게 되고 오목한 지형은 음의 값을 가지게 되며 그 정도에 따라 값이 달라진다. 또한 직선사면에 가까운 경우 사면곡면률의 값은 0에 근접한다. UcaP 방법에서 사면곡면률은 표 2의 Miller(2014)의 단면곡면률 분류와 같이 Convex-Linear- Concave로 나누고 각 사면의 특징에 맞게 유형화하였다. 지형분석과 사면유형화는 python 2.7과 3.6버전을 이용하였다.

4) 사면유형화 방법 비교・평가

4개의 각기 다른 카테나 사면분류 결과의 비교・평가하기 위해 산림입지토양도 상의 지형구분코드, 하천망도, RUSLE 토양침식추정모델 결과와 비교하였다. 표준화된 방법의 부재로 지형분류를 통한 사면유형화 방법들의 정확도에 대한 논의가 거의 이루어지지 않았기 때문에 이들 방법을 절대적으로 평가할 기준이 없다. 그러므로 산림입지조사와 수자원조사라는 각각의 목적을 위해 나름의 방법으로 분류해놓은 지형단위가 존재하는 산림입지토양도와 하천망도를 활용하여 형태적 정확도를 평가했으며, 형태적인 분류 이외에도 사면 내부 물과 물질의 프로세스도 잘 반영하고 있는지를 토양침식 추정결과와 비교해보았다.

4. 결과

1) 사면유형화 결과 비교

사면유형화 방법에 따라 같은 사면을 서로 다른 유형으로 분류한다. 그림 10과 표 3은 4개의 서로 다른 사면유형화 방법의 한반도 전체 분류 결과이다. SlgP 방법은 SU사면부터 TS사면까지 차례대로 14.7%, 15.4%, 24.1%, 21.2%, 24.5%로 한반도를 분류하고 있으며 PrcP 방법은 15.4%, 12.9%, 28.5%, 20.9%, 22.3%, ReeP 방법은 6.9%, 10.3%, 57.1%, 13.1%, 12.6% 이 연구에서 개발한 UcaP의 방법은 4.4%, 16.6%, 43.8%, 21.6%, 13.6%로 사면의 분류한다. SlgP 방법과 PrcP 방법은 모든 사면유형의 빈도가 큰 차이없이 분류된 반면, ReeP 방법과 UcaP 방법은 SU 사면을 가장 적게, BS사면을 가장 많이 분류한다. SU사면이 산 정상부에 위치하고 상대적으로 평탄한 지형단위라는 것을 상기하면 SU사면은 다른 사면유형에 비해 그 빈도가 낮아야 할 것이다. 그러므로 SH 사면보다 SU 사면을 더 많이 분포시키는 PrcP 방법은 부적절한 것으로 판단할 수 있다. 실제로 국내 지형환경에 카테나 개념을 이용한 사면유형화 방법을 적용한 박수진(2004)의 연구에서도 SU 사면은 1.75%로 매우 적다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F10.jpg
그림 10.

사면유형화 기법별 분류결과(a: PrcP, b: ReeP, c: SlgP, d: UcaP)

표 3.

4개의 사면유형화 방법 결과 비교

SlgP PrcP ReeP UcaP
SU 14.7% 15.4% 6.9% 4.4%
SH 15.4% 12.9% 10.3% 16.6%
BS 24.1% 28.5% 57.1% 43.8%
FS 21.2% 20.9% 13.1% 21.6%
TS 24.5% 22.3% 12.6% 13.6%
(SlgP: Slope Gradient Priority, PrcP: Profile Curvature Priority, ReeP: Relative Elevation Priority, UcaP: Upslope Contributing Area Priority)

이를 보다 자세하게 살펴보기 위해 각 중권역별로 가장 차이가 많이 나타나는 사면유형을 살펴보면 SU와 TS사면이 만경강 유역에서 각각 15.5%(PrcP – ReeP), 19.7%(SlgP – ReeP), 남한강상류 유역에서 SH와 FS사면이 각각 8.6% (UcaP – ReeP), 11.3%(UcaP – ReeP), BS사면은 남한강하류 유역에서 약 39%(ReeP – SlgP)로 나타났다(그림 11).

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F11.jpg
그림 11.

남한강상류 유역의 사면유형화 기법별 분류 결과(a: PrcP, b: ReeP, c: SlgP, d: UcaP)

(SlgP: Slope Gradient Priority, PrcP: Profile Curvature Priority, ReeP: Relative Elevation Priority, UcaP: Upslope Contributing Area Priority)

BS사면의 분류에 있어서 네 가지 사면유형화 방법이 가장 큰 차이를 보이는데 BS사면은 산정상부와 하천 사이의 직선사면에 해당하기 때문에 분포 면적이 가장 넓은 만큼 그 차이도 크게 나타나는 것으로 보인다. 또한, 표 4에서 확인할 수 있듯이 네 가지 사면유형화 방법의 SU, BS, TS 사면 분포 차이는 큰 하천의 상류에서 주로 나타나고, 하류에서는 SH와 FS 사면의 차이가 두드러진다. 남한강하류와 만경강 유역은 큰 하천의 하류지역이므로 산 정상부에서 나타나는 SU와 SH 사면의 분포가 낮아야하지만 SlgP와 PrcP 방법은 SU 사면을 과도하게 분류하는 양상이 나타나며 ReeP와 UcaP 방법에 비해 BS 사면을 그만큼 적게 분류한다. 이러한 이유로 SlgP와 PrcP 방법은 실제 지형의 분포를 잘 표현하지 못하는 것으로 판단할 수 있다.

표 4.

사면유형 별 사면유형화 결과의 차이가 가장 큰 중권역 유역

SU SH BS FS TS
만경강 SlgP 16.9% 5.2% 11.3% 8.2% 23.7%
PrcP 17.2% 4.4% 12.4% 8.7% 22.5%
ReeP 1.7% 4.4% 48.8% 6.5% 4.1%
UcaP 6.6% 6.6% 36.0% 7.7% 8.7%
남한강상류 SlgP 10.5% 19.4% 31.5% 23.1% 15.5%
PrcP 11.5% 16.7% 39.7% 14.5% 17.6%
ReeP 10.0% 13.0% 51.7% 12.8% 12.5%
UcaP 1.1% 21.7% 41.3% 24.1% 11.9%
남한강하류 SlgP 17.4% 10.7% 14.4% 15.0% 27.2%
PrcP 17.9% 9.0% 15.9% 18.2% 23.7%
ReeP 4.9% 6.4% 53.7% 9.2% 10.7%
UcaP 3.7% 11.0% 42.4% 17.2% 10.5%

2) 산림입지토양도의 지형구분 ‘산정’과의 비교

1:25,000 산림입지토양도의 조사대상 중 지형의 구분은 표 5와 같은 기준에 의거하여 구분한다. 기준에 따르면 산림입지토양도의 지형구분 중 산정으로 분류되는 단위는 경사지의 8부 능선 이상인 지역이므로 카테나 사면유형화 단위 중 SU와 SH가 주를 이루는 영역으로 판단할 수 있다(그림 1 참고). 즉, 산림입지토양도의 ‘산정’ 영역이 카테나 사면유형 중 SU와 SH 사면과 정확히 일치하는 것은 아니지만 해당 영역과 사면 유형의 위치적 분포 특징이 유사하기 때문에 이 둘을 비교하여 각 방법의 정확도를 평가하였다.

표 5.

1:25,000 산림입지토양도 지형 구분 기준(정진현 등, 2004)

구분 기준
평탄지 5˚미만의 평탄한 지역
완구릉지 산세가 험하지 않고 산록이 전답에 연결된 과상형의 야산지역으로 경사길이 300m 이하인 야산
산록 하부가 경작지 및 계곡에 연한 지역으로 구릉지 및 산악지의 3부 능선 이하인 지역
산복 구릉지 및 산악지의 4~7부 능선
산정 구릉지 및 산악지의 8부 능선 이상인 지역

‘산정’영역은 산림입지토양도 전체 영역 중 약 41%에 해당하며 이 영역 내에 분포하는 SU, SH 사면을 비교한 결과, SlgP(40.8%) < PrcP(42.3%) < ReeP(45.2%) < UcaP(48.9%) 순서로 나타났다(표 6). 앞서 언급했듯이 ‘산정’영역과 SU, SH 사면은 같은 개념이 아니기 때문에 가장 높은 비율이 48.9%라는 결과로 4개의 유형화방법이 모두 정확성이 낮다고 판단할 수는 없다. 산림입지토양도는 기본적으로 산지 지역만을 대상으로 하므로 상대적으로 평탄한 지역에서 나타나는 SU와 SH는 포함되지 않는다. 또한 SU에서 TS까지 연속적으로 나타나는 단순사면이 아닌 사면유형이 복잡하게 분포하는 복합사면 중 산정상부가 아닌 SU와 SH도 포함되지 않는다.

표 6의 결과로 단순히 UcaP의 방법이 산정에 해당하는 사면을 네 개 방법 중 가장 준수하게 구분하고 있는 것으로 판단할 수도 있지만 보다 정확한 비교를 위해서는 남한 중권역 전체 사면유형화 결과와 비교하여 살펴보아야 한다. 해당 사면유형화 방법 자체가 SU와 SH 사면유형을 많이 분류하는 알고리즘으로 인해 산림입지토양도의 산정 영역에서의 해당 사면유형이 높게 나타날 수도 있기 때문이다.

표 6.

산림입지토양도 ‘산정’에 해당하는 네 가지 사면유형화결과

SlgP PrcP ReeP UcaP
'산정'
사면유형
백분율
'산정'
SU+SH
백분율
'산정'
사면유형
백분율
'산정'
SU+SH
백분율
'산정'
사면유형
백분율
'산정'
SU+SH
백분율
'산정'
사면유형
백분율
'산정'
SU+SH
백분율
SU11.5%40.8%10.1%42.3%16.7%45.2%5.5%48.9%
SH29.3%33.0%28.4%43.4%
BS 43.7% 44.5% 43.6% 37.6%
FS 13.8% 8.6% 9.6% 12.3%
TS 1.8% 3.7% 1.6% 1.2%
(SlgP: Slope Gradient Priority, PrcP: Profile Curvature Priority, ReeP: Relative Elevation Priority, UcaP: Upslope Contributing Area Priority)

이를 위해 표 8과 같이 산정 영역과 한반도 전체의 SU, SH 사면 비율을 비교해보았다. SlgP와 PrcP 방법은 중권역 전체 사면유형 중 SU+SH 사면 비율이 각각 30%, 28%로 가장 높지만 산림입지토양도의 산정에 해당하는 SU+SH 비율은 41%, 43%로 가장 낮아 산의 정상부에서 나타나는 SU와 SH를 4개 사면유형화 방법 중 가장 잘 분류해내지 못하는 것으로 파악된다. 즉, SlgP와 PrcP 방법이 다른 방법에 비해 SU와 SH 사면을 많이 분류하는데 비해 위치적 특성이 유사한 산정 영역 내의 SU, SH 사면 비율은 가장 낮은 수준인 결과로 이 방법들은 산정상부에 분포하는 사면유형을 잘 반영하지 못한다는 것을 알 수 있다. 반면, ReeP와 UcaP 방법은 전체 사면유형화 결과 중 SU+SH 비율이 17.2%, 21.1%로 낮게 나타나지만 산립입지토양도의 산정에 해당하는 SU+SH비율이 각각 45.2%, 48.9%로 네 가지 방법 중 가장 높게 나타나 산정상부의 사면을 가장 잘 유형화하는 방법으로 판단할 수 있다.

3) 하천망도와의 비교

국가공간정보포털(National Spatial Data Infrastructure Portal)에서 구득할 수 있는 하천망도는 1/25,000 국가 기본도를 기본으로 국가 하천 및 지방하천의 위치와 명칭 등을 알 수 있는 공간정보이다. 그림 1과 같이 사면하부에서 발달하는 TS 사면은 하천에 의해 물질이 퇴적되어 형성되는 지형으로(박수진, 2004) 상대적으로 경사와 고도가 낮은 곳에 위치하며 수면의 영향을 가장 많이 받는 지형이다(Miller, 2014). 또한 이 연구에서 활용하고 있는 네 가지 카테나 사면유형화 방법은 하천을 또 다른 사면유형으로 분류하지 않고 TS 사면의 일부로 구분한다. 그러므로 하천망도와 각각의 사면유형화 결과를 비교함으로써 TS 사면의 분포 및 일치정도를 판단할 수 있다.

표 7은 하천망도의 국가하천, 지방 1급하천, 지방 2급하천의 영역에서 나타나는 4개 카테나 사면유형화 결과이다. 산림입지토양도의 산정영역과 SU+SH를 비교한 결과와는 다르게 SlgP(75%) > PrcP(52.5%) > UcaP(49.3%) > ReeP (25.9%) 순서로 나타나 SlgP방법이 하천양안에 위치하는 TS를 하천과 공간적으로 가장 유사한 형태로 분류하고 있는 것으로 파악되었다. 그러나 하천망도와의 비교도 한반도 전체 유형화 결과와 비교해볼 필요가 있기 때문에 표 8에서와 같이 정량적 비교를 위해 하천영역의 TS 비율 / 한반도 TS 비율을 통해 살펴보았다. 그 결과, 산림입지토양도 산정영역을 가장 잘 표현・분류한 ReeP 방법이 하천망도와의 비교에서는 분류 정확도가 가장 정확도가 낮게 나타났다. 이와 반대로 산정영역에서 정확도가 가장 낮았던 SlgP 방법의 TS 정확도 두 번째로 높았으며 이 연구에서 개발한 UcaP 방법의 결과가 가장 정확도가 높은 것을 확인할 수 있다.

표 7.

각 사면유형화 방법의 사면유형별 국가하천, 지방1급하천, 지방2급하천 일치도 (단위: %)

SlgP 국가하천 지방
1급하천
지방
2급하천
TS
평균
PrcP 국가하천 지방
1급하천
지방
2급하천
TS
평균
SU 12.2 16.5 14.8 75.0 SU 11.4 16.2 14.4 52.5
SH 0.8 0.4 0.7 SH 1.1 0.5 0.9
BS 1.4 2.6 2.4 BS 0.9 0.8 1.1
FS 5.0 9.1 9.0 FS 20.4 38.0 35.2
TS 80.6 71.4 73.0 TS 65.2 44.4 48.0
ReeP 국가하천 지방 1급하천 지방 2급하천 TS 평균 UcaP 국가하천 지방 1급하천 지방 2급하천 TS 평균
SU 0.7 0.3 0.6 25.9 SU 4.8 4.9 5.3 49.3
SH 0.2 0.1 0.2 SH 1.0 0.4 0.8
BS 78.7 63.1 65.1 BS 31.7 30.2 31.3
FS 2.5 5.7 5.1 FS 8.5 16.7 15.6
TS 17.9 30.9 29.0 TS 53.3 47.7 46.9
표 8.

비교영역(산정, 하천)의 사면 분류비율과 한반도 전체 사면 분류비율 비교를 통한 평가

사면 유형화
방법
산정영역 SU+SH
비율 (A)
한반도 전체
SU+SH 비율 (B)
최종 산정 영역
평가 (A/B)
하천영역 TS비율
(C)
한반도 전체
TS비율 (D)
최종 하천 영역
평가 (C/D)
SlgP 0.41 0.30 1.35 0.75 0.25 3.06
PrcP 0.43 0.28 1.53 0.53 0.22 2.35
ReeP 0.45 0.17 2.62 0.26 0.13 2.05
UcaP 0.49 0.21 2.32 0.49 0.14 3.62
(SlgP: Slope Gradient Priority, PrcP: Profile Curvature Priority, ReeP: Relative Elevation Priority, UcaP: Upslope Contributing Area Priority)

4) 토양침식추정 모델 결과와의 비교

지형변수는 지형에서 나타나는 중요한 환경적 작용들을 표시해주는 지표이며, 지형에서 나타나는 물과 물질의 흐름을 파악하는데 활용된다(Wilson and Gallant, 2000; Huggett, 2012). 이러한 지형변수를 활용한 카테나 사면유형화 방법은 현재 지형의 형태에 초점을 맞추어 지형을 분류할 뿐만 아니라, 지형학적, 토양학적 프로세스를 기반으로 하므로 각 사면 단위에서 달리 나타나는 내부 프로세스와 반응을 파악할 수 있다(Park et al., 2001).

RUSLE(Revised Universal Soil Loss Equation)는 강우로 인한 토양침식량을 추정하는 모델로 각 사면유형의 토양침식량 즉, 퇴적물의 이동량을 정량적으로 파악할 수 있다. 또한 심우진・박수진(2018)의 연구에서 RUSLE가 USPED (Unit Stream Power-based Erosion Deposition)에 비해 침식 및 퇴적의 공간적 분포를 더 잘 추정하는 것으로 밝혔기 때문에 이 연구에서도 RUSLE 결과를 통해 카테나 개념을 활용한 유형화 방법들의 물과 물질 이동 표현 정확도를 비교하였다. 자세한 RUSLE 토양침식 추정 방법과 과정은 심우진・박수진(2018)을 따랐다.

Huang et al.(2002)에 따르면 SU은 주변보다 높고 평탄한 사면유형이기 때문에(Miller, 2014) 강우의 침투(infiltration)현상이 주로 나타나고, SH는 지표면을 따르는 유출(Surface flow)이, BS는 침투수가 유출(exfiltration)되는 사면으로 세류(rill)/세류간(interill) 침식이 활발하며, FS이하의 사면에서도 침식이 발생하지만 퇴적물의 퇴적이 발생하는 사면으로 설명한다(그림 12). 그러므로 토양침식량을 통한 사면유형화 방법들의 물과 물질 흐름 표현의 정확도 비교에서는 다른 방법에 비해 SU사면에서의 침식량이 낮을수록, SH-BS사면에서는 침식량이 높을수록, FS-TS사면에서는 침식량이 낮을수록 정확도가 높은 방법으로 판단할 수 있다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F12.jpg
그림 12.

사면유형에 따른 수문학적 조건과 침식 프로세스 사이의 관계(Huang et al., 2002)

그림 13에서 확인할 수 있는 정확도 평가 결과, SU사면에서의 토양침식량은 UcaP(73.10) < SlgP(77.97) < PrcP(79.18) < ReeP(88.06) 순서로 나타났고, SH-BS사면의 평균 침식량은 Reep(84.23) < PrcP(84.52)<SlgP (86.02) < UcaP(86.71) 순서로, FS-TS사면은 UcaP(90.08) < SlgP(91.47) < PrcP(91.62) < ReeP(94.14)순으로 나타났다. 앞에서 언급한 정확도 평가 기준으로 보면 SU사면과 FS-TS사면에서의 토양침식량이 네 개 방법 중 가장 낮고, SH-BS사면의 침식량이 가장 높은 UcaP방법이 사면을 따라 흐르는 물과 물질의 흐름을 사면유형별로 가장 잘 분류하고 있는 것으로 나타났다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550301/images/geo_55_03_01_F13.jpg
그림 13.

사면유형화 방법별 SU, SH-BS, FS-TS 사면의 평균 토양침식량

한 편, 네 가지 사면유형화 방법 모두 SH-BS에서의 토양침식량이 FS-TS보다 낮게 나타난다. 이는 Huang et al. (2002)에서의 사면유형별 침식프로세스와는 다른 결과로 보일 수 있다. 토양침식의 원인은 시공간적으로 다양하고 복잡하다(마호섭 등, 2012). 즉, 사면에서의 토양침식량의 공간적 분포는 사면의 지형적 특징과 수문학적 프로세스 외에도 토지이용적 특징도 고려해야 한다. 한국의 지형에서는 상대적으로 경사가 완만하고 넓게 분포하는 FS-TS사면은 논 혹은 밭으로 이용되고 있으며(박수진, 2004), RUSLE 토양침식모형도 역시 토지피복을 매개변수로 활용함으로써 산림지역보다 경작지에서 토양침식량이 훨씬 더 큰 결과를 산출한다.

5. 요약 및 결론

사면은 현재 나타나는 흐름의 발산과 수렴, 퇴적물의 침식-이동-퇴적 프로세스의 원인이자 결과로 지표 형성의 기본단위이다. 이러한 프로세스를 기초로 사면을 유형화하는 방법은 지표면을 이해하려는 노력 중 하나임과 동시에 토지 자원의 관리와 그에 따른 정책의 결정, 개발에 따른 영향에 대한 평가 등 정책적 활용가치도 매우 높다. 1930년대 정의된 카테나 개념은 토양과 지형의 관계를 탐구하는 개념으로 출발했지만, 이후 지형학, 토양학, 생태학, 미기후학 등의 분야에서 활용되면서 일반적 사면분류의 표준으로 활용되고 있다.

이 연구에서는 물과 물질의 흐름을 보다 더 잘 반영할 수 있도록 개발한 UcaP 분류방법과 카테나 개념을 이용한 다른 세 가지 사면유형화 방법을 비교함으로써 그 차이점을 확인하고 보다 더 적합한 방법을 탐색하고자 하였다. 비교에 앞서 수많은 연구에 의해 DEM 해상도에 따른 평활효과와 이산효과가 존재한다고 밝혀졌기 때문에 보다 정확한 사면유형화를 위해 DEM의 품질은 물론 적정 해상도와 주변 셀의 범위를 살펴보았다. 먼저 해발고도를 실측한 자료와 해상도 별 평균 오차를 비교하고 또 연구 스케일이 되는 중권역의 경계 반영정도를 살펴본 결과, 30m 해상도 이상에서 그 차이가 급증하는 것을 확인하였고, 구득의 어려움과 분석 시 소요되는 시간 등을 종합적으로 판단하여 30m 해상도의 DEM을 이용하였다. 또한 사면곡면률 계산 시 설정하는 주변 셀 범위를 증가시켜가면서 세미베리오그램을 비교한 결과와 선행연구를 종합적으로 판단하여 5 × 5 주변 셀 범위로 결정하였다.

사면유형화방법의 결과를 절대적으로 비교할 수 있는 표준이 존재하지 않기 때문에 산림입지조사와 수자원조사에서 나름의 목적과 기준으로 분류해놓은 지형 단위인 산림입지토양도의 산정과 하천망도를 통해 형태적 정확도를 평가해보았다. 그 결과, 산림입지토양도의 산정영역 내에 SU와 SH 비율의 합은 UcaP의 결과가 가장 높은 정확도를 보였고, 이를 전체 SU+SH의 비율과 비교한 결과 ReeP에 이어 두 번째로 높은 정확도를 나타냈다. 수자원조사의 하천망도는 하천 양안에 자리하는 TS사면과 비교하였다. 단순 비교결과는 SlgP가 가장 높은 비율을 보였지만, 한반도 전체의 TS사면 비율과 비교한 결과는 UcaP의 방법이 가장 높은 정확도를 보였다. SlgP의 하천망도 내 TS 사면 비율이 앞도적으로 높은 이유는 이 분류방법의 알고리즘 상 TS사면을 많이 분류하고 있기 때문인 것으로 파악되었다. 더 나아가 각 사면유형이 갖는 지형 프로세스를 잘 반영하는 사면유형화방법을 탐색하기 위해 토양침식모형의 결과와 비교한 결과 토양의 침식과 이동, 퇴적의 메커니즘에 절대적인 영향을 미치는 수문학적 조건인 흐름의 발산과 수렴 프로세스 상 SU, FS, TS사면의 침식량은 낮은 반면, SH, BS의 침식량은 높게 나타나는데 UcaP의 결과가 다른 세 가지 사면유형화결과보다 이를 가장 잘 반영하고 있는 것으로 나타났다.

이 연구를 통해 다른 지형변수들 보다 지형과 사면 내 물과 물질 이동 프로세스를 더 잘 반영하는 것으로 평가되는 사면유역지수를 활용한 사면유형화 방법의 불투명한 재현 가능성을 개선하고, 같은 이론적 개념을 이용하지만 서로 다른 결과를 보이는 여러 사면유형화 방법의 차이점을 확인할 수 있었다. 또한 표준화된 기준이 없어 비교가 어려운 사면유형화 방법들의 직・간접적인 기준을 제시하고자 하였다. 그러나 사면유형화 방법에서 가장 중요한 부분을 차지하는 연구 재료에 따른 민감도 분석 등 추후 보완이 필요한 부분이 많다. 그럼에도 불구하고 사면을 유형화하는 방법은 정량적이고 정성적인 환경정보를 단위 별로 단순화하여 파악할 수 있는 장점이 있기 때문에 간편하고 빠른 정보를 요구하는 시대적 흐름에 적합한 방법 중 하나가 될 수 있다. 이를 위해서는 기존 방법을 단순히 적용하기 보다는 여러 방법들의 문제점과 차이점을 정확히 파악하고 더 나은 방법을 모색하는 과정이 반드시 선행되어야 할 것이다.

Acknowledgements

이 연구는 LX 공간정보연구원 산학협력 R&D사업 ‘실크로드의 재조명 – 문명의 통로로써 전라북도의 재발견(과제번호: 2018-205)’의 지원을 받아 수행하였습니다.

References

1
국가공간정보포털, 국내 하천망도, http://data.nsdi.go.kr/dataset/12608
2
김동은・성영배・손학기・최광희, 2012, 지형패턴(Geomorphons)을 이용한 새로운 지형분류방법, 한국지형학회지, 19(4), 139-155.
3
김동은・오정식, 2019, 지형패턴 분류방법(geomorphons)을 이용한 지형분류-중부 양산단층을 대상으로, 대한지리학회지, 54(5), 493-505.
4
마호섭・강원석・강은미, 2012, 산지소유역에서 임지이용이 토사유출에 미치는 영향, 한국임학회지, 101(2), 220-225.
5
문상기・류영렬・이동호・김준・임종환, 2007, 세미베리오그램을 이용한 KoFlux 광릉(산림) 및 해남(농경지) 관측지 지면모수의 공간 비균질성 정량화, 한국농림기상학회지, 9(2), 140-148.
10.5532/KJAFM.2007.9.2.140
6
박경훈・송봉근・박재은, 2016, 토지피복유형과 지형특성이 폭염일수에 미치는 영향 분석, 한국지리정보학회지, 19(4), 76-91.
7
박수진, 2004, 생태환경 특성 파악을 위한 지형분류기법의 개발, 대한지리학회지, 39(4), 495-513.
8
박수진, 2014, 한반도 지형의 일반성과 특수성, 그리고 지속가능성, 대한지리학회지, 49(5), 656-674.
9
박수진・유근배, 2004, 지형학적 공간구조의 해석을 위한 DEM의 최적격자 선정에 관한 연구, 한국지형학회지, 11(3), 113-136.
10
이수연・정관용・박수진, 2015, 산사태 발생예측을 위한 지형분류기법의 비교평가, 대한지리학회지, 50(5), 485-503.
11
심우진・박수진, 2018, 토양침식모형의 국내 적용가능성 평가, 대한지리학회지, 53(1), 1-18.
12
오채연・전계원, 2018, 산지유역의 지형위치 및 지형분석을 통한 재해 위험도 예측, 한국방재안전학회 논문집, 11, 1-8.
13
정진현・원형규・김인호, 2004, 한국의 산림입지: 산림토양, 국립산림과학원, 서울.
14
Bailey, S. W., Brousseau, P. A., McGuire, K. J., and Ross, D. S., 2014, Influence of landscape position and transient water table on soil development and carbon distribution in a steep headwater catchment, Geoderma, 226, 279-289.
10.1016/j.geoderma.2014.02.017
15
Basher, L. R., 1997, Is pedology dead and buried?, Soil Research, 35(5), 979-994.
10.1071/S96110
16
Blume, H. P. and Schlichting, E., 1965, The relationships between historical and experimental pedology, Experimental Pedology, 340-353.
17
Burt, J. E., Barber, G. M. and Rigby, D. L., 2009, Elementary statistics for geographers, 3rd Edition, Guilford Press, New York.
18
Conacher, A. J. and Dalrymple, J. B., 1977, The nine-unit landsurface model: an approach to pedogeomorphic research, Geoderma, 18: 1-154.
10.1016/0016-7061(77)90077-5
19
Dan, J. and Yaalon, D.H., 1964, The application of the catena concept in studies of pedogenesis in Mediterranean and desert fringe regions, 8th International Congress on Soil Science Bucharest, 5, 997-1000.
20
Dehn, M., Gärtner, H. and Dikau, R., 2001, Principles of semantic modeling of landform structures. Computers & Geosciences, 27(8), 1005-1010.
10.1016/S0098-3004(00)00138-2
21
Dikau, R., Brabb, E. E., Mark, R. K. and Pike, R. J., 1995, Morphometric landform analysis of New Mexico, Zeitschrift fur Geomorphologie Supplementband, 109-126.
22
Drăguţ, L. and Blaschke, T., 2006, Automated classification of landform elements using object-based image analysis. Geomorphology, 81(3-4), 330-344.
10.1016/j.geomorph.2006.04.013
23
Evans, I. S., 2003, Scale-specific Landforms and Aspects of the Land Surface in Evans, I.S., Dikau, R., Tokunaga, E., Ohmori, H. and Hirano, M. (Eds.), Concepts and Modelling in Geomorphology: International Perspectives, 61-84, Terrapub, Tokyo.
24
Furley, P. A., 1971, Relationships between slope form and soil properties developed over chalk parent materials, Slopes Form and Process, 3, 141-164.
25
Giles, P. T. and Franklin, S. E., 1998, An automated approach to the classification of the slope units using digital data, Geomorphology, 21(3-4), 251-264.
10.1016/S0169-555X(97)00064-0
26
Gillin, C. P., Bailey, S. W., McGuire, K. J. and Prisley S. P., 2015, Evaluation of Lidar-derived DEMs through Terrain Analysis and Field Comparison, Photo-grammetric Engineering & Remote Sensing, 81(5), 387-396.
10.14358/PERS.81.5.387
27
Haining, R., 1990, Spatial Data Analysis in the Social and Environmental Sciences, Cambridge University Press, Cambridge.
10.1017/CBO9780511623356
28
Hancock, G. R., 2005. The use of digital elevation models in the identification and characterization of catchments over different grid scales, Hydrological Processes, 19, 1727-1749.
10.1002/hyp.5632
29
Hengl, T., 2006, Finding the right pixel size, Computers & Geosciences, 32(9), 1283-1298.
10.1016/j.cageo.2005.11.008
30
Huang, C., Gascuel-Odoux, C. and Cros-Cayot, S., 2002, Hillslope topographic and hydrologic effects on overland flow and erosion, Catena, 46(2-3), 177-188.
10.1016/S0341-8162(01)00165-5
31
Huggett, R. J., 1975, Soil landscape systems: a model of soil genesis, Geoderma, 13(1), 1-22.
10.1016/0016-7061(75)90035-X
32
Huggett, R. J., 2012, Climate, Earth Processes and Earth History, Springer Science & Business Media, Berlin.
33
Hupy, C. M., Schaetzl, R. J., Messina, J. P., Hupy, J. P., Delamater, P., Enander, H. and Fashoway, M. T., 2004, Modeling the complexity of different, recently deglaciated soil landscapes as a function of map scale. Geoderma, 123(1-2), 115-130.
10.1016/j.geoderma.2004.01.030
34
Jenson, S. K., 1991, Applications of hydrologic information automatically extracted from digital elevation models, Hydrological Processes, 5, 31-44.
10.1002/hyp.3360050104
35
Jupp, D. L., Strahler, A. H. and Woodcock, C. E., 1988, Autocorrelation and regularization in digital images. I. Basic theory. IEEE Transactions on Geoscience and Remote Sensing, 26(4), 463-473.
10.1109/36.3050
36
Kagabo, D. M., Stroosnijder, L., Visser, S. M. and Moore, D., 2013, Soil erosion, soil fertility and crop yield on slow-forming terraces in the highlands of Buberuka, Rwanda, Soil and tillage research, 128, 23-29.
10.1016/j.still.2012.11.002
37
Khalili-Rad, M., Nourbakhsh, F., Jalalian, A. and Eghbal, M. K., 2011, The effects of slope position on soil biological properties in an eroded toposequence, Arid Land Research and Management, 25(3), 308-312.
10.1080/15324982.2011.565860
38
King, C., 1957, The uniformitarian nature of hillslopes, Transactions of the Edinburgh Geological Society, 17(1), 81-102.
10.1144/transed.17.1.81
39
Koné, B., Touré, A., Amadji, G. L., Yao‐Kouamé, A., Angui, P. T. and Huat, J., 2013, Soil characteristics and Cyperus spp. occurrence along a toposequence, African Journal of Ecology, 51(3), 402-408.
10.1111/aje.12050
40
Kudryashova, S. Y., Chumbaev, A. S., Kurbatskaya, S. S. and Kurbatskaya, S. G., 2019, Effect of soil temperature field heterogeneity on soil and vegetation spatial heterogeneity along tundra-steppe catenas in the Mongun-Taiga Mountain. In IOP Conference Series: Earth and Environmental Science, 232(1)Vol. 232, 012004.
10.1088/1755-1315/232/1/012004
41
MacMillan, R. A. and Shary, P. A., 2009, Landforms and landform elements in geomorphometry, Developments in Soil Science, 33, 227-254.
10.1016/S0166-2481(08)00009-3
42
MacMillan, R. A., Pettapiece, W. W., Nolan, S. C. and Goddard, T. W., 2000, A Generic Procedure for Automatically Segmenting Landforms into Landform Elements Using DEMs, Heuristic Rules and Fuzzy Logic, Fuzzy Sets and Systems, 113, 81-109.
10.1016/S0165-0114(99)00014-7
43
Mandal, S., 2015, Upslope contributing area, topographic wetness and landsliding: a case study of the Shivkhola Watershed, Darjiling Himalaya, International Research Journal of Earth Sciences, 3(7), 29-29.
44
Mihu-Pintilie, A. and Nicu, I. C, 2019, GIS-based landform classification of Eneoli thic Archaeological sites in the plateau-plain transition zone (NE Romania): habitation practices vs. flood hazard perception. Remote Sensing, 11(8), 915.
10.3390/rs11080915
45
Miller, B. A., 2014, Semantic calibration of digital terrain analysis scale, Cartography and Geographic Information Science, 41(2), 166-176.
10.1080/15230406.2014.883488
46
Miller, B. A. and Schaetzl, R. J., 2015, Digital classification of hillslope position, Soil Science Society of America Journal, 79(1), 132-145.
10.2136/sssaj2014.07.0287
47
Park, S. J., McSweeney, K. and Lowery, B., 2001, Prediction of soils using a process based terrain characterisation, Geoderma, 103, 249-272.
10.1016/S0016-7061(01)00042-8
48
Park, S. J. and van de Giesen, N., 2004, Delineation of soil-landscape units along hillslopes to identify the spatial domains of hydrological processes, Jounral of Hydrology, 295, 28-46.
10.1016/j.jhydrol.2004.02.022
49
Pennock, D. J. and Acton, D. F., 1989, Hydrological and sedimentological influences on Boroll catenas, Central Saskatchewan, Soil Science Society of America Journal, 53(3), 904-910.
10.2136/sssaj1989.03615995005300030045x
50
Pennock, D. J. and Corre, M. D., 2001, Development and application of landform segmentation procedures, Soil and Tillage Research, 58(3-4), 151-162.
10.1016/S0167-1987(00)00165-3
51
Pennock, D. J. and Vreeken, W. J., 1986, Influence of site topography on paleosol formation in the Highwood River Basin southern Alberta, Canadian journal of soil science, 66(4), 673-688.
10.4141/cjss86-067
52
Pennock, D. J., Zebarth, B. J. and de Jong, E., 1987, Landform classification and soil distribution in hummocky terrain, Saskatchewan, Canada, Geoderma, 40(3-4), 297-315.
10.1016/0016-7061(87)90040-1
53
Pike, R. J., 2000, Geomorphometry-diversity in quantitative surface analysis. Progress in physical geography, 24(1), 1-20.
10.1191/030913300674449511
54
Pike, R. J., 2002, A Bibliography of Terrain Modeling (Geomorphometry), the Quantitative Representation of Topography (Volume 4) Open‐File Report 02-465, US Geological Survey. Bibliogov, Washington D.C.
10.3133/ofr02465
55
Quinn, P., Beven, K., Chevallier, P. and Planchon, O., 1991, The prediction of hillslope flow paths for distriubted hydrological modelling using digital terrain models, Hydrological Processes, 5, 59-79.
10.1002/hyp.3360050106
56
Roecker, S. M. and Thompson, J. A., 2010, Scale Effects on Terrain Attribute Calculation and Their Use as Environmental Covariates for Digital Soil Mapping, In Digital Soil Mapping, Springer, Dordrecht.
10.1007/978-90-481-8863-5_5
57
Ruhe, R. V., 1960, Elements of the soil landscape, Transactions 7th International Congress Soil Science, 4, 165-170.
58
Ruhe, R. V., 1975, Climatic geomorphology and fully developed slopes, Catena, 2, 309-320.
10.1016/S0341-8162(75)80019-1
59
Ruhe, R. V. and Walker, P. H., 1968, Hillslope models and soil formation 1: open systems, International Society Soil Science, 551-560.
60
Shi, X., Long, R., Dekett, R. and Philippe, J., 2009, Integrating different types of knowledge for digital soil mapping, Soil Science Society of America Journal, 73, 1682-1692.
10.2136/sssaj2007.0158
61
Shortridge, A,. 2001, Characterizing uncertainty in digital elevation models, In Spatial Uncertainty in Ecology, Springer, New York.
10.1007/978-1-4613-0209-4_11
62
Sorensen, R. and Seibert, J., 2007, Effects of DEM resolution on the calculation of topographical indices: TWI and its components, Journal of Hydrology, 347, 79-89.
10.1016/j.jhydrol.2007.09.001
63
Stepinski, T. F. and Jasiewicz, J., 2011, Geomorphons -a new approach to classification of landforms, Proceedings of geomorphometry, 2011, 109-112.
64
Stolt, M. H., Baker, J. C. and Simpson, T. W., 1993, Soil-landscape relationships in Virginia: I. soil variability and parent material uniformity, Soil Science Society of America Journal, 57(2), 414-421.
10.2136/sssaj1993.03615995005700020022x
65
Thompson, J. A., Bell, J. C. and Butler, C. A., 2001, Digital elevation model resolution: effects on terrain attribute calculation and quantitative soil-landscape modeling, Geoderma, 100(1-2), 67-89.
10.1016/S0016-7061(00)00081-1
66
Tsatskin, A., Sandler, A. and Porat, N., 2013, Toposequence of sandy soils in the northern coastal plain of Israel: Polygenesis and complexity of pedogeomorphic development, Geoderma, 197, 87-97.
10.1016/j.geoderma.2013.01.001
67
Upton, G. and Fingleton, B., 1985, Spatial Data Analysis by Example. Volume 1: Point Pattern and Quantitative Data, John Wiley and Sons, Chichester.
68
Vaze, J., Teng, J. and Spencer, G., 2010, Impact of DEM accuracy and resolution on topographic indices, Environmental Modelling & Software, 25, 1086-1098.
10.1016/j.envsoft.2010.03.014
69
Vitek, J. D., Giardino, J. R. and Fitzgerald, J. W., 1996, Mapping geomorphology: a journey from paper maps, through computer mapping to GIS and virtual reality, Geomorphology, 16, 233-249.
10.1016/S0169-555X(96)80003-1
70
Walker, P. H. and Ruhe, R. V., 1968, Hillslope models and soil formation 2: closed system, 9th International Congress on Soil Science, 4, 561-568.
71
West, A. W., Sparling, G. P., Speir, T. W. and Wood, J. M., 1988, Comparison of microbial C, N-flush and ATP, and certain enzyme activities of different textured soils subject to gradual drying, Soil Research, 26(1), 217-229.
10.1071/SR9880217
72
Wiens, J. A., Moss, M.R., Mladenoff, D. and Turner, M.G., 2007, Foundation Papers in Landscape Ecology, Columbia University Press, New York.
73
Wilson, J. P. and Gallant, J. C., 2000, Digital terrain analysis, Wilson J.P. and Gallant J.C. (eds.), Terrain Analysis: Principles and Application, 1-27, John Wiley and Sons, New York.
74
Wolock, D. M. and McCabe, G. J., 2000, Differences in topographic characteristics computed from 100‐and 1000‐m resolution digital elevation model data, Hydrological processes, 14(6), 987-1002.
10.1002/(SICI)1099-1085(20000430)14:6<987::AID-HYP980>3.0.CO;2-A
75
Wood, A., 1942, The development of hillside slopes, Proceedings of the Geologists' Association 53, 128-140.
10.1016/S0016-7878(42)80019-X
76
Woodcock, C. E. and Strahler, A. H., 1984, Characterizing spatial patterns in remotely sensed data, In International Symposium on Remote Sensing of Environment, 17, 839-852.
77
Wysocki, D. A., Schoeneberger, P. J. and LaGarry, H. E., 2000, Geomorphology of soil landscapes, Handbook of Soil Science, 1, 315-321.
페이지 상단으로 이동하기