📄 earth_science

Tourism Ecological Security Assessment and Its Driving Mechanisms in Anhui Province: An Integrated DPSIR– SBM-DEA Framework

본 연구는 DPSIR–SBM-DEA 통합 프레임워크를 사용하여 2008년부터 2019년까지 안후이성 16개 시 차원의 관광 생태 보안의 시공간적 진화와 동인 메커니즘을 평가하며, 관광객 입국, 인구 밀도 및 환경 지표와 같은 요인들에 의해 유도되는 뚜렷한 '남고북저'의 공간적 패턴과 함께 변동하는 상승 추세를 밝혀냈다.

원저자: Yupei Yu, Dong Cui, Zhicheng Jiang, Weiwei Wang, Guihao Yuan, Le Zhou, Yao Hou, Yixuan Zheng, Xin Gong, Haijun Yang

게시일 2026-08-05

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yupei Yu, Dong Cui, Zhicheng Jiang, Weiwei Wang, Guihao Yuan, Le Zhou, Yao Hou, Yixuan Zheng, Xin Gong, Haijun Yang

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

지구를 거대하고 복잡한 비디오 게임 세계라고 상상해 보세요. 여기서는 모든 플레이어(우리)가 발자국을 남깁니다. 때로는 멋진 도시를 건설하고 물건을 거래하기도 하지만, 때로는 풀밭을 짓밟고, 강을 오염시키며, 공기를 숨쉬기 어렵게 만들기도 합니다. 과학자들은 이 균형을 "생태적 안보(ecological security)"라고 부릅니다. 기본적으로 게임 세계가 튕기지 않고 계속 플레이할 수 있을 만큼 여전히 건강한지를 확인하는 작업입니다. 이 이야기에서 우리는 전 세계를 보는 것이 아니라, 아름다운 산과 오래된 마을들로 유명한 중국의 안후이(Anhui)라는 특정 성(province)을 살펴보고자 합니다. 관광(즐거움을 위해 방문하는 사람들)이 이 "게임 세계"에 어떤 영향을 미치는지 이해하기 위해, 연구진은 특별한 도구 상자를 사용했습니다. 그들은 우리의 행동이 어떻게 문제로 이어지고 그에 따른 해결책으로 이어지는지를 추적하는 "원인과 결과" 지도인 DPSIR과, 장소를 망가뜨리지 않으면서 자원을 얼마나 효율적으로 사용하는지를 측정하는 "성적표" 시스템인 SBM-DEA를 결합했습니다. 또한 녹지와 수질을 촬영하기 위해 위성의 눈을 사용했으며, 변화가 실제인지 아니면 단순한 무작위 소음인지를 확인하기 위해 수학적 기법을 사용했습니다.

그렇다면 이리(Yili) 사범대학교 팀은 2008년부터 2019년 사이의 안후이 관광을 조사했을 때 실제로 무엇을 발견했을까요? 안후이의 관광 건강 상태는 무서운 하락으로 시작해, 약간 흔들리다가, 서서히 더 높고 매끄러운 트랙으로 올라가는 롤러코스터와 같았습니다. 연구진은 방문객 수와 토지에 가해지는 압력은 증가하고 있었지만, 전반적인 "생태적 안보" 점수는 실제로 상승했다는 것을 발견했습니다. 물론 직선으로 상승한 것은 아닙니다. 특히 2009년과 2013년경에 몇 차례 하락이 있었지만, 2015년 이후에는 안정적이고 높은 수준의 궤도에 안착했습니다.

이 건강 점수의 지도는 마치 '뜨거운 곳과 차가운 곳'을 찾는 게임처럼 보입니다. 황산(Huangshan)과 같은 유명한 산이 있는 안후이 남부 지역과 허페이(Hefei) 같은 중동부 지역은 높은 생태적 안보를 가진 "핫스팟(hot spots)"이 되었습니다. 이 지역들은 경치가 울창하고 호텔이 훌륭하며 환경이 잘 보호되는 VIP 구역과 같습니다. 반면, 펑부(Bengbu)와 같은 도시를 포함한 북부 지역은 인구 밀도가 더 높고 녹지가 적어 생태적 안보가 낮은 "콜드스팟(cold spots)"으로 남아 있었습니다. 연구는 이것이 단순히 무작위적인 현상이 아님을 시사합니다. 즉, 남부와 중동부가 녹색 게임에서 승리하고 있는 반면, 북부는 여전히 따라잡는 중이라는 패턴입니다.

무엇이 차이를 만들었을까요? 연구진은 어떤 요인이 배후에서 조종하고 있는지 알아내기 위해 지오 디텍터(Geo-Detector)라는 디지털 탐정 도구를 사용했습니다. 그들은 가장 큰 동력이 방문객 수(관광객 도착), 도시의 혼잡도(인구 밀도), 그리고 우주에서 본 땅의 녹색 정도(NDVI라고 불리는 척도)라는 것을 찾아냈습니다. 관광객이 많아지고 사람이 많이 살수록 시스템에 큰 부담을 주지만, 식물이 더 많아지고 폐기물 처리에 대한 정부 지출이 늘어나면 점수를 다시 끌어올리는 데 도움이 된다는 사실이 밝혀졌습니다. 연구는 관광이 자동으로 자연을 파괴하는 것이 아니라, 만약 당신이 압력(수자원 사용이나 인파 관리 등)을 관리하고 대응(쓰레기 처리나 공원 자금 지원 등)을 강화한다면, 생태계를 망가뜨리지 않으면서도 번창하는 관광 산업을 가질 수 있다는 것을 보여주었습니다.

요약하자면, 이 논문은 안후이가 시간이 흐름에 따라 "관광 게임"을 더 잘 배우고 있음을 시사합니다. 2019년까지, 안후이성은 변동하는 스트레스 상태에서 벗어나 더 안정적이고 높은 보안 구역으로 이동했으며, 이는 적절한 녹색 정책과 스마트한 관리가 결가 있다면 관광객을 즐겁게 만드는 동시에 산을 푸르게 유지할 수 있다는 것을 증명했습니다. 저자들은 이 데이터가 글로벌 팬데믹이 모든 것을 바꾸기 전인 2019년까지의 데이터를 기반으로 한다는 점을 주의 깊게 언급하며, 이는 특정 성장 시대의 스냅샷임을 밝히고 있습니다. 하지만 교훈은 남아 있습니다: 만약 우리가 발자국을 살피고 우리가 만든 구멍을 메운다면, 게임 세계는 모두에게 안전하게 유지될 것입니다.

기술 요약: 안후이성 관광 생태 보안 평가 및 그 동력 메커니즘

문제 제기
관광 산업의 급격한 확장은 경제적 이익을 가져다주지만, 환경 오염, 생태계 퇴화, 자원 과다 이용을 포함한 부정적인 생태적 결과를 초래하기도 한다. 지역의 지속 가능한 발전을 위해 '관광 생태 보안'이 매우 중요함에도 불구하고, 기존 연구는 세 가지 주요 한계점에 직면해 있다: (1) 경제 발전, 관광 활동, 환경 거버넌스 간의 복잡한 체계적 상호작용을 포착할 수 있는 널리 수용되는 종합적인 프레임워크의 부재, (2) 생태 보안 요인의 근본적인 동력 메커니즘에 대한 관심 부족, (3) 관광 성장과 환경 보호 사이의 균형을 맞추는 핵심 단위인 시·군 단위(prefecture-level city) 규모 연구의 부족이다. 본 연구는 급격한 관광 성장과 상당한 생태적 압력을 경험하고 있는 안후이성의 16개 시·군을 중심으로 이러한 공백을 메우고자 한다.

연구 방법론
본 연구는 2008년부터 2019년까지의 관광 생태 보안(TES)을 평가하기 위해 원격 탐사와 공간 통계 기법을 결합한 통합 DPSIR–SBM-DEA 프레임워크를 채택하였다.

평가 프레임워크 (DPSIR–SBM-DEA):
- DPSIR 모델: 본 연구는 동인(Driving Force)–압력(Pressure)–상태(State)–영향(Impact)–반응(Response) 프레임워크를 기반으로 지표 체계를 구축하였다.
  - 입력값: 동인(1인당 GDP, 인구, 관광객 입국자 수, 도시화율), 압력(방문객 밀도, 인구 밀도, 용수 소비량, 관광 공간 지수), 반응(재정 지출 비율, 하수 처리율, 폐기물 무해 처리율).
  - 출력값: 상태(성급 호텔, A급 관광지, NDVI, LST, RSEI), 영향(1인당 관광 지출, GDP 대비 관광 수입 비중, 3차 산업 비중).
- SBM-DEA 모델: 지역 관광 생태계의 상대적 효율성을 계산하기 위해 Slack-Based Measure Data Envelopment Analysis (SBM-DEA) 모델을 활용한다. 이 모델은 비제로(non-zero) 입력/출력 슬랙(slack)과 비선호 출력(특히 '생태적 손상 압력')을 고려하여, 전통적인 DEA 모델보다 더 정확한 TES 측정을 제공한다.
- RSEI 통합: Google Earth Engine(GEE)을 통한 Landsat 영상을 활용하여 도출된 원격 탐사 생태 지수(RSEI)를 '상태' 하위 시스템에 통합하여, 녹색도(NDVI), 습윤도(Wet), 건조도(NDSI), 열도(LST)의 주성분 분석(PCA)을 통해 생태 환경 품질을 정량화한다.
시공간 분석:
- 추세 분석: RSEI의 시간적 진화를 분석하기 위해 Sen's Slope 추정치와 Mann–Kendall(MK) 추세 검정을 적용한다.
- 공간 자기상관: Global Moran's I와 Local Getis-Ord Gi* 통계를 사용하여 공간적 클러스터링 패턴, 핫스팟 및 콜드스팟을 식별한다.
- 동력 메커니즘 탐지: Geo-Detector 모델을 사용하여 개별 요인과 그 상호작용이 TES의 공간적 이질성에 미치는 설명력( $q$ -값)을 정량화한다.

주요 결과

시간적 진화: 안후이성의 관광 생태 보안은 2008년부터 2019년까지 "변동적 상승 추세"를 보였다. 이 과정은 세 단계로 특징지어진다: 변동 조정 단계(2008–2010), 단계적 변동 단계(2011–2014), 그리고 최적화/개선 단계(2015–2019)이다. 2019년까지 시스템은 고수준의 안정 상태에 진입하였으며, 모든 평가값이 안전 임계값인 1을 초과하였다.
생태 품질 (RSEI): RSEI 분석 결과 "주요한 유의미한 개선과 국지적인 비유의적 퇴화" 패턴이 나타났다. 전반적인 추세는 긍적인 방향이었으나 공간적 이질성이 뚜 pevident했으며, 남부 산악 지역과 안후이 중부에서는 유의미한 개선이 나타난 반면, 개발이 높은 지역에서는 산발적인 퇴화가 관찰되었다.
공간 패턴:
- 전역적(Global): 공간 자기상관은 2008년의 유의미한 클러스터링에서 이후 몇 년 동안 더 무작위한 분포로 변화하였으며, 이는 지역 간 의존성이 약화되었음을 나타낸다.
- 지역적(Local): 뚜렷한 "남고북저(high-south, low-north)" 공간 패턴이 나타났다. 핫스팟(높은 TES)은 남부 및 중동부 도시(예: 황산, 치저우, 허페이, 쉬안청)에 집중된 반면, 콜드스팟(낮은 TES)은 북부 도시, 특히 펑부 지역에 지속되었다.
동력 메커니즘: Geo-Detector 분석은 지역적 이질성이 큰 핵심 동인을 식별하였다:
- 주요 동인: 관광객 입국자 수, 인구 밀도, NDVI가 가장 영향력 있는 요인이었다.
- 하위 시스템 동인: '상태' 하위 시스템에서는 NDVI가 지배적인 요인이었으며, '압력' 하위 시스템에서는 인구 밀도가 결정적이었다. '반응' 하위 시스템에서는 재정 지출과 폐기물 처리율이 핵심적이었다.
- 메커니즘: 본 연구는 인구 증가와 관광 수요가 경제 발전을 유도하지만 생태적 압력을 높이고, 이것이 다시 거버넌스 대응(재정 투자, 폐기물 처리)에 의해 완화되는 DPSIR 유형의 동적 피드백 루프를 확인한다.

의의 및 기여
본 논문은 관광 지리학 및 생태 보안 분야에 다음과 같은 기여를 한다고 주장한다:

이론적 프레임워크: DPSIR 모델과 SBM-DEA 효율성 모델을 결합한 새로운 통합 프레임워크를 제안한다. 이 접근 방식은 평가 관점을 단순한 양적 측정에서 효율성 기반 평가로 전환하여, 단순히 '양'이 아닌 관광 생태 보안의 '질'을 강조한다.
지표 혁신: RSEI를 '상태' 하위 시스템에 포함함으로써, 기존의 단일 지표 접근 방식(예: 녹지 피복률)과 비교하여 더욱 포괄적이고 객관적인 생태 환경 품질 표현을 제공한다.
방법론적 발전: Sen–MK 추세 분석, 공간 자기상관, Geo-Detector 모델을 결합하여 비선형 동력 메커즘과 공간적 이질성을 밝혀냄으로써 선형 모델의 한계를 극복하는 효과를 입증하였다.
정책적 관련성: 연구 결과는 안후이성의 차별화된 생태 거버넌스를 위한 과학적 근점을 제공한다. 본 연구는 관광 성과와 생태 보존 사이의 균형을 달 수 있도록 관광 흐름의 공간적 배치를 최적화하고, 고압력 지역(예: 허페이, 황산)의 수용 능력 평가를 강화하며, 환경 거버넌스를 위한 재정 투자를 확대하는 데 정책적 개입이 집중되어야 함을 시사한다.

한계점
저자들은 데이터 가용성의 한계를 인정하며, 이로 인해 연구 기간이 2008~2019년으로 제한되었고 거시 통계 데이터에 의존했음을 밝힌다. 이는 신흥 빅데이터 변수와 문화적/사회적 인식 요인을 간과했을 가능성이 있다. 향-후 연구에서는 예측 모델링 및 실시간 모니터링을 위해 머신러닝과 시스템 다이내믹스를 통합할 것을 제안한다.

유사한 논문