📄 earth_science

Simulation Effects of Cropland Retirement for Pollution Interception and Urban Expansion in the Erhai Lake Basin Using a Random Forest–Cellular Automata Coupled Model

본 연구는 랜덤 포레스트-셀룰러 오토마타 결합 모델을 활용하여 얼하이 호수 분지의 네 가지 토지 이용 시나리오를 시뮬레이션하고 평가하였으며, 이를 통해 생태적 토지를 증가시키고 비점오염원을 감소시킴으로써 도시 개발과 오염 차단 사이의 균형을 효과적으로 맞추는 협력적 최적화 전략을 밝히는 동시에 농경지 퇴출과 도시 확장 사이의 공간적 갈등이 발생하는 특정 구역을 식별하였다.

원저자: Feng He, Xianguang Ma, Hongjiang Liu

게시일 2026-08-07

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Feng He, Xianguang Ma, Hongjiang Liu

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

높은 산 위에 놓인, 마치 왕관에 박힌 보석처럼 빛나는 거대한 물 그릇을 상상해 보세요. 이것이 바로 호수 분지입니다. 이제 그 그릇의 한쪽에는 북적이는 도시가, 다른 한쪽에는 조각보 같은 농경지가 둘러싸고 있다고 상상해 보세요. 도시는 더 많은 집과 도로를 짓기 위해 땅을 삼키며 더 커지기를 원합니다. 하지만 농경지는 때때로 지저위한 면이 있습니다. 비가 내리면 비료와 흙이 들판에서 씻겨 내려와 맑았던 물을 초록색으로 변하게 하고 냄새나게 만듭니다. 이것이 바로 전형적인 줄다리기입니다. 도시는 확장하고 싶어 하지만, 호수는 깨끗함을 유지해야 합니다.

이 문제를 연구하는 과학자들은 "모델"이라는 도구를 사용합니다. 모델을 아주 발전된 비디오 게임 시뮬레이터라고 생각하면 쉽습니다. 과학자들은 캐릭터 대신 땅을 가지고 게임을 합니다. 그들은 "셀룰러 오토마타(Cellular Automata)"라는 것을 사용하는데, 이는 멋진 말로 땅을 아주 작은 사각형(화면의 픽셀 같은)으로 나누고 시간이 흐름에 따라 어떻게 변하는지 간단한 규칙을 따르는 방식입니다. 또한 그들은 "랜덤 포레스트(Random Forest)"를 사용하는데, 이것은 실제 나무로 된 숲이 아니라 과거를 바탕으로 미래를 예측하기 위해 협력하는 수많은 작은 결정권자들로 구성된 컴퓨터 뇌입니다. 이 두 가지를 결합함으로써, 그들은 다양한 규칙 아래에서 땅이 미래에 어떤 모습일지 예측할 수 있으며, 이는 우리가 도시를 짓는 것과 물을 깨끗하게 유지하는 것 사이의 균형을 맞추는 데 도움을 줍니다.

얼하이 호수의 딜레마: 디지털 수정구슬

중국 얼하이 호수 분지에서는 이 줄다리기가 점점 치열해지고 있습니다. 호수는 이 지역에 매우 중요하지만, 도시 성장과 농업 오염으로부터 오는 압박은 도시를 만족시키면서 동시에 물을 깨끗하게 유지하는 것을 어렵게 만들고 있습니다. 한 연구팀은 만약 우리가 다양한 전략을 시도한다면 어떤 일이 벌어질지 보기 위해 디지털 수정구슬을 만들기로 했습니다. 그들은 단순히 추측하지 않았습니다. 그들은 '랜덤 포레스트'(스마트한 머신러닝 뇌)와 '셀룰러 오토마타'(격자 기반 게임 엔진)를 결합하여 2030년까지의 토지 미래를 시뮬레이션하는 정교한 컴퓨터 모델을 구축했습니다.

시뮬레이션 작동 방식
먼저, 연구진은 방대한 양의 과거 데이터를 컴퓨터에 입력했습니다. 그들은 과거의 토지 위성 사진과 함께 산, 강, 도로, 인구에 대한 데이터를 살펴보았습니다. 그들은 모델의 "랜덤 포레스트" 부분에 토지가 변하는 비밀 규칙을 학습하도록 요청했습니다. 예를 들어, 어떤 땅이 도로 근처라서 도시로 변하는가? 혹은 경사가 급하고 도시에서 멀어서 숲으로 변하는가? 컴퓨터는 강과의 거리가 이 게임에서 가장 큰 보스이며, 그다음은 지형의 높이(고도)와 자연을 보호해야 하는 엄격한 정부 규정이라는 것을 학습했습니다.

컴퓨터가 이 규칙들을 학습한 후, 2030년까지 게임을 앞으로 진행하기 시작했습니다. 하지만 단 하나의 미래만을 보여주는 것이 아니라, 어떤 일이 일어날지 보기 위해 네 가지 서로 다른 "게임 모드"(시나리오)를 실행했습니다:

현상 유지 (Business as Usual): 현재 상태 그대로 모든 것이 계속 진행되는 경우.
오염 차단 (Pollution Interception): 호수 근처의 농경지를 강제로 은퇴시키고, 오염을 잡아낼 수 있는 숲이나 습지로 바꾸는 엄격한 모드.
도시 확장 (Urban Expansion): 도시가 가능한 한 빠르게 성장하도록 허용하는 모드.
협력적 최적화 (Coordinated Optimization): 도시 성장과 자연 보호 사이의 완벽한 균형을 찾으려는 "골디락스(Goldilocks)" 모드.

미래의 모습
시뮬레이션은 놀랍고 구체적인 결과들을 드러냈습니다.

만약 우리가 오염 차단 모드를 선택한다면, 결과는 호수에는 훌륭하지만 도시에는 힘든 상황이 됩니다. 2030년까지 경사지와 호숫가 농경지의 약 **12.7%**가 숲, 초원, 습지로 전환될 것입니다. 이는 물을 위한 큰 승리입니다. 아무것도 하지 않았을 때와 비교하여 호수로 흘러드는 오염 물질의 양이 18.5% 감소할 것입니다. 하지만 대가가 있습니다. 도시의 성장은 크게 둔화되어 확장률이 26.3% 감소하며, 새로운 도시 구역은 덜 퍼지게 됩니다(패치 밀도 15.2% 감소).

반대로, 도시 확장 모드는 다른 이야기를 들려줍니다. 도시가 통제 없이 성장하게 두면, 도시가 생태적 토지를 삼켜버리고 오염 위험은 높아집니다. 이는 건설에는 유리하지만, 호수에는 손실입니다.

그러나 협력적 최적화 시나리오는 중간 경로가 가능하다는 것을 시사합니다. 이 균형 잡힌 미래에서 도시는 더 조밀해지며(성장률 21.7% 증가), 공간을 절약합니다. 동시에 생태적 토지(숲, 습지 등)의 양은 4.8 퍼센트 포인트 증가하며, 오염 부하 또한 14.2% 감소합니다. 완벽한 세상은 아니지만, 도시와 호수가 모두 숨 쉴 수 있는 타협점입니다.

숨겨진 위험 구역
가장 좋은 케이스인 "협력적" 시나리오에서도 컴퓨터는 교묘한 문제를 찾아냈습니다. 연구진은 호수를 돕기 위해 농경지를 은퇴시킨 구역 중 약 **6.3%**가 여전히 나중에 도시에 의해 잠식될 위험이 있는 곳들—예를 들어 분지의 가장자리나 강 계곡 같은 곳—에 위치해 있다는 것을 확인했습니다. 이곳들이 바로 "갈등 구역"으로, 건설하려는 욕구와 보호해야 할 필요성이 여전히 충돌하고 있는 곳입니다.

결론
연구진은 단순히 숫자를 추측한 것이 아니라, 모델을 실제 역사와 대조하여 검증했으며, 그 결과 **93.4%**의 정확도(카파 계수 0.88로, 이런 종류의 게임에서 매우 높은 점수임)를 기록했습니다. 이 연구는 우리가 한쪽 편만 들어서는 안 된다는 것을 시사합니다. 오직 오염을 막는 데만 집중하면 도시가 고통받고, 오직 건설에만 집중하면 호수가 고통받습니다. 하지만 머신러닝과 엄격한 규칙을 결합한 스마트한 계획을 사용함으로써, 우리는 도시가 더 똑똑하게 성장하고 호수는 더 깨끗하게 유지되는 미래를 설계할 수 있습니다. 핵심은 어디에 건물을 짓고 어디에 자연이 주도권을 갖게 할지를 정확히 아는 것이며, 두 세계가 충돌하는 까다로운 갈등 구역을 피하는 것입니다.

기술 요약: 오염 차단을 위한 농지 퇴직 및 도시 확장의 시뮬레이션 효과 - 에르하이 호수 분지를 중심으로

문제 제식
호수 분지, 특히 중국의 에르하이 호수 분지와 같이 생태적으로 취약한 고원 지역은 경제 성장(도시 확장)과 비점오염원 제어(오염 차단을 위한 농지 퇴직 필요) 사이의 심각한 공간적 갈등에 직면해 있다. 호수 연안의 생태 복원 및 농지 퇴직과 같은 조치들은 수질 개선에 필수적이지만, 종종 도시 건설 용지의 외연적 확장과 충돌한다. 기존 연구들은 이러한 과정들을 개별적으로 다루어 왔으며—수질 오염 제어나 도시 공간 진화 중 하나에만 집중함—이들의 양방향 상호작용을 시뮬레이션할 수 있는 통합된 프레임워크가 부족하다. 또한, 표준 셀룰러 오토마타(CA)와 선형 또는 로지스틱 회귀를 결합한 기존의 토지 이용 시뮬레이션 모델은 정책 개입 및 인간의 규제에 의해 유도되는 복잡하고 비선형적인 전이 규칙을 포착하는 데 한계가 있다. 본 연구는 다양한 규제 시나리오 하에서 이러한 경쟁적인 토지 이용 전이를 정확하게 시뮬레이션하고 공간적 갈등을 식정할 수 있는 모델링 접근법의 필요성을 다룬다.

연구 방법론
본 연구는 에르하이 호수 분지의 2030년까지의 토지 이용 패턴을 시뮬레이션하기 위해 랜덤 포레스트-셀룰러 오토마타(RF–CA) 결합 모델을 제안한다. 이 방법론은 메커니즘 해석을 위한 머신러닝과 동적 시뮬레이션을 위한 공간 모델링을 통합한다:

랜덤 포레스트(RF) 구성 요소:
- 기능: 비선형적 구동 메커니즘을 해석하고 토지 이용 유형 간의 전이 확률을 추정하는 데 사용된다.
- 입력 변수: 지형(고도, 경사도), 접근성(하천 및 도로와의 거리), 사회경제적 조건(인구 밀도), 정책적 제약(생태 보전 레드라인, 농지 규제 구역) 등의 구동 요인을 결와한 다중 시기 토지 이용 원격 탐사 데이터(2000–2020)를 결합한다.
- 과정: RF 모델은 부트스트랩 리샘플링과 무작위 특성 선택을 사용하여 의사결정 나무의 앙상블을 구축한다. 노드 분할을 위해 지니 불순도(Gini impurity) 기준을 활용하며, 검증을 위해 Out-of-Bag(OOB) 오차를 사용한다.
- 출력: 모델은 구동 요인의 상대적 중요도를 정량화하고, 서로 다른 토지 이용 전환에 대한 정규화된 전이 확률 행렬( $P_{u \to v}$ )을 생성한다.
셀룰러 오토마타(CA) 구성 요소:
- 기능: RF 모델에서 도출된 확률을 기반으로 토지 이용 패턴의 시공간적 진화를 시뮬레이션한다.
- 메커니즘: RF에서 도출된 전이 확률이 핵심 전이 규칙 역할을 한다. 이는 이웃 효과(Moore 이웃, 8개 셀 반경), 자연적 제약(경사도 임계값), 엄격한 생태적 제약(생태 레드라인) 및 시나리오별 정책 제약과 통합된다.
- 반복: 모델은 기준 연도부터 2030년까지 반복 수행되며, 공간적 이질성을 높이기 위한 확률적 섭동(stochastic perturbation)을 포함하여 계산된 총 전이 확률에 따라 셀 상태를 업데이트한다.
시나리오 설계:
서로 다른 발전 경로를 평가하기 위해 네 가지 뚜렷한 시나리오를 시뮬레이션하였다:
- 현상 유지(Business-as-Usual, BAU): 특정 정책 개입 없이 과거의 추세를 지속함.
- 오염 차단 지향형: 농지 퇴직과 생태 복원을 우선시함.
- 도시 확장 지향형: 도시 건설 용지의 성장을 우선시함.
- 협력적 최적화: 생태 보호와 도시 개발의 균형을 목표로 함.
평가 지표:
모델 정확도는 전체 정확도(OA)와 Kappa 계수를 사용하여 평가되었다. 시나리오 결과는 경관 지표(패치 밀도, 도시 집약도), 생태 지표(생태 용지 면적 변화), 오염 부하 추정치(오염 배출 계수 기반) 및 공간적 갈등 분석(퇴직 농지의 이차 점유 위험)을 통해 평가되었다.

주요 결과

모델 성능: RF–CA 결합 모델은 높은 신뢰성을 입증하였으며, **전체 정확도 93.4%**와 Kappa 계수 0.88을 달성하여 CA-Markov, CA-ANN, FLUS, PLUS와 같은 벤치마크 모델보다 우수한 성능을 보였다.
구동 요인: 분석 결과, 하천 네트워크와의 거리(28.5%), 고도(21.2%), 그리고 생태 보전 레드라인(17.8%)이 토지 이용 전이의 주요 구동 요인인 것으로 나타났다. 이는 수문학적 근접성과 지형적 제약이 주요 메커니즘임을 확인시켜 주며, 정책 규제가 형태를 재편하는 데 중요한 역할을 하고 있음을 보여준다.
시나리오 결과 (2030년):
- 오염 차단 시나리오: 경사지 및 호수 연안 농지의 약 **12.7%**가 산림-초지-습지 시스템으로 전환되었다. 이는 BAU 추세와 비교했을 때 호수로 유입되는 비점오염 부하를 18.5% 감소시켰다. 그러나 이는 도시 확장률의 26.3% 감소와 신규 토지 패치 밀도의 15.2% 감소라는 비용을 수반했다.
- 도시 확장 시나리오: 이 경로는 생태 용지의 감소와 오염 위험 증가를 초래하여, 개발과 환경 질 사이의 상충 관계를 극명히 보여주었다.
- 협력적 최적화 시나리오: 이 시나리오는 도시 용지의 집약도를 21.7% 높이고 생태 용지 비율을 4.8 퍼센트 포인트 증가시키는 동시에 오염 부하를 14.2% 줄임으로써 균형을 달取得하였다.
공간적 갈등: 갈등 분석 결과, 특히 분지 가장자리 및 하천 계곡 구역에 위치한 농지 퇴직 구역의 약 **6.3%**가 도시 확장에 의한 이차 점유 위험에 처해 있는 것으로 나타났다. 이 지역들은 균형 잡힌 발전 전략 하에서도 공간적 갈등이 발생하는 핵심 구역이다.

의의 및 주장
본 논문은 선형적 가정에 의존하여 정책 개입에 따른 비선형적 전이를 포착하지 못하는 기존 토지 이용 시뮬레이션 접근법의 한계를 해결했다는 점에서 주요한 기여를 한다고 주장한다. 랜덤 포레스트의 비선형 분석 능력과 셀룰러 오토마타의 시공간 진화 강점을 결结合함으로써, 본 연구는 다음과 같은 견고한 프레임워크를 제공한다:

메커니즘 해석: 자연적, 위치적, 정책적 구동 요인이 토지 이용 진화에 미치는 상대적 기여도를 객관적으로 정량화한다.
다중 시나리오 시뮬레이션: 호수 분지 내에서 경제 개발과 오염 차단을 동시에 고려하는 공간 시뮬레이션 접근법을 제공한다.
정책 지원: 에르하이 호수 분지의 도시 개발 경계와 농지 퇴직 구역의 협력적 획정을 위한 과학적 근거를 제시한다.

저자들은 본 연구의 결과가 영토 공간 계획과 비점오염 제어를 위한 통합적 의사결정을 촉진한다고 주장한다. 또한 단일 목적 전략(순수 생태 제어 또는 규제 없는 확장)은 상당한 한계를 보이는 반면, 협력적 개발 경로가 고원 호수 분지의 장기적 지속 가능성에 더 적합하다고 제언한다. 본 연구는 이 프레임워크를 복잡한 인간-토지 갈등에 직면한 유사 지역을 위한 전이 가능한 참조 모델로 제시한다.

유사한 논문