A Long-term Variability of the Extent of East Asian Desert

동아시아 사막 면적의 경년변화분석

Abstract

The area of desert in East Asia is increasing every year, and it cause a great cost of social damage. Because desert is widely distributed and it is difficult to approach people, remote sensing using satellites is commonly used. But the study of desert area comparison is insufficient which is calculated by satellite sensor. It is important to recognize the characteristics of the desert area data that are calculated for each sensor because the desert area calculated according to the selection of the sensor may be different and may affect the climate prediction and desertification prevention measures. In this study, the desert area of Northeast Asia in 2001-2013 was calculated and compared using Moderate Resolution Imaging Spectroradiometer (MODIS) and Vegetation. As a result of the comparison, the desert area of Vegetation increased by $3,020km^2/year$, while in the case of MODIS, it decreased by $20,911km^2/year$. We performed indirect validation because It is difficult to obtain actual data. We analyzed the correlation with the occurrence frequency of Asian dust affected by desert area change. As a result, MODIS showed a relatively low correlation with R = 0.2071 and Vegetation had a relatively high correlation with R = 0.4837. It is considered that Vegetation performed more accurate desert area calculation in Northeast Asian desert area.

사막면적은 매년 증가하는 추세이며, 이에 따라 막대한 사회적 피해 비용을 발생시키고 있다. 이러한 사막은 광범위하게 분포하고 사람의 접근이 어려워 인공위성을 이용한 모니터링이 많이 이루어지고 있지만 인공위성의 센서에 따라 산출되는 사막 면적 비교 연구는 미비한 편이다. 센서의 선택에 따라 산출되는 사막 면적은 상이할 수 있고 이에 따라 기후 예측이나 사막화 방지대책 등에 영향을 미칠 수 있어 센서별로 산출되는 사막면적 자료의 특성을 인지하는 것은 중요하다. 본 연구에서는 Moderate Resolution Imaging Spectroradiometer(MODIS)와 Vegetation을 이용해 2001-2013년 동북아시아 지역의 사막 면적을 산출하고 비교 분석하였다. 분석결과, MODIS에서 산출한 사막 면적은 비교적 과소 탐지하는 경향과 $20,911km^2/year$로 감소하는 추세를 보였고 Vegetation에서 산출한 사막 면적은 $3,020km^2/year$로 증가하는 추세를 보였다. 또한 실측자료 확보가 힘든 사막지역에서 인공위성을 이용해 산출된 사막 면적의 간접검증을 위해 사막 면적 변화에 영향을 받는 황사 발생빈도와 상관관계 분석을 실시하였다. 그 결과, MODIS는 R=0.2071로 비교적 낮은 상관관계가 나타났고 Vegetation은 R=0.4837로 비교적 높은 상관관계가 나타났다. 이는 Vegetation이 동북아시아 사막 영역에서 보다 정확한 사막 면적 산출을 수행한 것으로 사료된다.

1. 서론

사막은 서계 육지의 41%를 덮고 있고(Safriel and Adeel, 2008) 자연적으로 팽창과 수축을 반복하는 매우 역동적인 환경이다(Tucker et al., 1991). 하지만 최근 사막화가 확대되는 지역은 높은 증발량, 적은 강수량 등 다양한 이유로 식물이 생장하기에 열악해져 급격한 생태붕괴가 일어나고 있으며(Pi et al., 2009), 특히 중국은 1950년부터 1980년까지 급격한 사막화가 진행되었다. 1990년에 시작된 사막화 저지운동으로 일부지역은 감소하는 추세를 보이지만 전반적으로 증가하는 추세에 있다(Lee et al., 2005).

매년 봄철 우리나라에 발생하는 황사는 중국 사막지대에서 발생된 모래먼지들의 하강으로 일어나며(Kim, 1992), Kang(2012)에 따르면 사막화가 크게 진전된 지역의 경우 황사 발생이 증가하는 것을 관측하였다. 이는 황사와 사막화가 밀접한 연관이 있음을 시사한다. 기상청 자료에 의하면 2002년부터 2011년 동안 우리나라에 영향을 준 황사의 발원지는 내몽고 고원이 67%, 만주지역이 19%, 고비 사막이 13%, 황토 고원이 1%를 차지하였고 선행 연구에 따르면 이 지역들은 최근 사막 면적이 증가하는 추세를 보이고 있다(Kim, 2013). 이에 따라 우리나라의 10년 평균 황사일수 역시 1990년대 5.3일에서 2000년대 9.8일로 증가하였다. 사막화가 가속됨에 따라 황사의 발생이 증가되면 호흡기와 피부 등에 다양한 질환과 사회적 피해가 발생될 수 있어 정확한 사막 면적의 모니터링의 중요성이 대두되고 있다(Kang et al., 2004).

사막 면적은 정확하고 지속적인 관측이 중요하지만 사막은 매우 광범위하게 분포하고 접근이 어려워 인공위성을 이용한 모니터링이 많이 이루어지고 있다. 선행연구에서는 Sea-Viewing Wide Field-of-View Sensor(SeaWiFs), Landsat, Satellite Pour I’ Observation De La Terra(SPOT), Aqua/Terra 위성 등의 다양한 센서를 이용해 동북아 지역의 사막화 연구가 이루어졌다(Husar et al., 2001; Pi et al., 2009; Erdenechimeg et al., 2010; Ceccato, 2004). 하지만 센서의 선택에 따라 산출되는 사막 면적이 상이할 수 있고 이는 기후예측이나 사막화 방지정책 등에 영향을 줄수 있기 때문에 센서 별로 산출되는 사막 면적의 비교 연구는 필수적이지만 현재 미비한 편이다.

따라서 본 연구에서는 서로 다른 센서를 이용하여 산출된 동북아시아의 사막 면적을 정량적으로 비교 분석하고 우리나라의 황사발생빈도와 정성적 검증을 실시하였다. 이를 위하여 National Aeronautics and Space Administration(NASA)에서 운영 중인 Aqua/Terra위성의 Moderate ResolutionImaging Spectroradimeter(MODIS) 센 서 와 European Organisation for the Exploitation of Meteorological Satellites(EUMETSAT)에서 운영중인 SPOT 위성의 Vegetation센서를 이용하여 2001년부터 2013년까지 동북아시아의 사막 면적을 산출하고 이를 비교 분석하였다. 하지만 실측자료의 확보가 쉽지 않은 사막의 특성으로 본 연구에서는 국가 기후 데이터 센터(sts.kma.go.kr)에서 제공하는 황사발생빈도 자료와의 상관관계 분석을 통해 정성적 검증을 수행하였다.

2. 연구 자료

1) 연구범위

본 연구의 공간적 범위는 위도 30.5°N-52.4°N, 경도 73°E-120°E를 연구 영역으로 선정하였다(Fig. 1). 해당 지역은 동북아지역으로서 우리나라 황사의 대표적인 발원지인 고비사막과 만주지역이 포함되어있다. 시간적 범위는 VEGETATION센서로부터 자료 취득이 가능한 1999년부터 2013년으로 선정하였다.

Fig. 1. Study Area.

2) 연구자료

본 연구에서는 센서별로 산출되는 사막 면적 비교를 위해 MODIS Land cover product(MCD12Q1)자료 와 Vegetation S10 NDVI의 자료를 사용하였다.

MCD12Q1은 Aqua/Terra위성에 탑재된 MODIS센서의 Land cover자료로서 2001년부터 공간해상도 500 m 의 자료를 매년 제공한다. MODIS Land cover는 5개의 scheme으로 분류되며 각각의 scheme은 다음과 같다.

• Land Cover Type 1: International Geosphere-Biosphere Programme (IGBP) global vegetation classification scheme

• Land Cover Type 2: University of Maryland (UMD) scheme

• Land Cover Type 3: MODIS-derived LAI/fPAR scheme

• Land Cover Type 4: MODIS-derived Net Primary Production (NPP) scheme

• Land Cover Type 5: Plant Functional Type (PFT) scheme 

본 연구에서는 IGBP Land cover unit에 따라 17개의 유형으로 분류하여 제공되는 자료를 사용하였다(Friedl, 2010)(Table 1).

Table 1. Description of land cover types defined inthe IGBP and MODIS 

Lnd cover를 제공하지 않는 SPOT/VEGETATION은 P-product와 S-product를 제공한다. 본 연구에서는 SPOT위성의 사막 면적을 산출하기 위해 S-product의 Vegetation S10 Normalized Difference Vegetation Index (NDVI)의 자료를 사용하였다. S10 NDVI는 SPOT위성의 Vegetation 센서에서 NDVI 최댓값을 이용하는 Maximum Value Composite(MVC)기법으로 합성한 데이터다(Holben, 1986). NDVI를 감소시키는 요인은 구름, 태양 각도 등 대기 상태와 다양한 요인이 존재하지만, 증가시키는 요인은 식생의 활력도 뿐이다. 이를 보정하기 위하여 S10 NDVI 자료는 MVC기법을 사용하여 제공한다. 하지만 이러한 전처리 과정을 수행했음에도 불구하고 낮은 값을 가지는 low peak가 발생하였다. 따라서 본 연구는 Yeom et al.(2006)에 의해 제시된 방법으로 보정된 NDVI 자료를 사용하였다. 이는 다중 다항 회귀 식을 이용하여 재생산된 NDVI와 기존 NDVI를 비교하여 높은 값을 선택하는 과정을 반복적으로 수행하여 NDVI 시계열 상에서 발생하는 low peak를 효과적으로 제거하는 방법이다.

3. 연구 방법 및 결과

두 센서의 사막 면적을 비교하기 위해서는 Land Cover를 비교하는 것이 가장 적합하여 MODIS는 IGBP 분류 체계로 분류되는 Land cover를 사용하였다. IGBP 분류 체계는 Table 1과 같이 17개 항목으로 분류하고 있으며, 그 중 Barren or Sparsely Vegetated는 식물이 항상 10% 이하로 존재하며 대부분 툰드라나 사막지역을 나타낸다(Strahler et al., 1999). 따라서 본 연구에서 해당 Land cover 지역을 이용하여 사막 면적을 산출하였다.

하지만 SPOT/Vegetation은 Land Cover를 제공하지 않아 SPOT기반의 사막 면적을 산출하기 위해 무감독분류중 Interactive Self-Organizing Data Algorithm(ISODATA) 기법을 통해 사막지역을 분류하였다. ISODATA 기법은 사전 지식이 없는 지역에서 통계적 기법을 이용해 반복 계산하여 유사한 픽셀 간 그룹화를 수행하는 방법이다. 이는 K-Means 분류기법을 보강한 방법으로 간단하고 신속하게 수행할 수 있는 장점이 있고(Darius et al., 2017) 클러스터의 수를 사용자가 원하는 개수만큼 지정해줄 수 있어(Jo, 2012) 본 연구에 적용하기에 적합하다고 판단하였다. 따라서 본 연구에서는 사막 면적을 분류하기 위해 S10 NDVI를 이용하여 10개의 Class로 분류한 후각 클래스의 NDVI 값을 연도별로 분석하였다(Fig. 2).

Fig. 2. The trendof growth curve by each class during 13 years (2001-2013).&nbp;

분석 결과 Class3부터 Class10은 NDVI가 전체 연평균 0.1 이상의 값을 나타냈다. 특히 여름철 높은 NDVI 값을 가지고 겨울철 감소하는 일반적인 식물생장 패턴을 보이므로 식생이 존재하는 지역으로 분류하였다. 반면 Class1과 Class2는 NDVI가 전체 연평균 0.1 이하의 낮은 값을 가지고 계절에 따른 NDVI 값의 변화가 미비하였다. NDVI는 지표의 상태나 식생 변화를 나타내는 대표적인 지수로 선행연구에 따르면 모래 혹은 눈으로 덮인 지역과 같이 식생이 없는 지역의 NDVI 값은 0.1을 넘지 못한다(Zhou et al., 2001). 따라서 본 연구에서는 Class1과 Class2를 사막지역으로 분류하고 이를 이용하여 사막 면적을 산출하였다.

산출된 Vegetation기반의 사막면적에서 MODIS기반의 사막 면적의 차이를 구하여 두 센서에서 산출한 사막 면적을 비교하였다(Table 2). 비교 결과에 따르면 두 센서의 사막 면적 차이는 2001년에 649,255 km²로 가장 적게 나타났고, 이후 시간이 경과함에 따라 산출한 사막 면적의 차이는 2013년 830,606 km²까지 증가하였다.

Table 2. Difference between SPOT/Vegetation desert extent and MCD12Q1’s barren or sparsely vegetated 

Fig. 3에서 연구기간동안 전체적으로 MODIS기반 사막 면적이 Vegetation기반 사막 면적보다 적음을 확인할 수 있었고 각각의 사막 면적 변화량은 MODIS에서 20,911 km²/year로 감소하는 추세를 보였으나, Vegetation 에서 3,020 km²/year로 증가하는 추세를 보였다. 1990년대 중반부터 동아시아 사막 면적이 증가한다(Choi et al., 2010; Lee, 2005)는 선행연구와 비교했을 때 Vegetation이 MODIS보다 현실적인 사막 면적 산출을 하는 것으로 사료된다.

Fig. 3. Desert extent of SPOT/Vegetation and MODIS. 

사막 지역은 광범위하고 사람의 접근이 어려워 실측 자료의 확보가 쉽지 않아 위성으로 산출한 사막 면적의 정확도를 검증하는 것은 많은 어려움이 있다. 따라서 선행 연구 기준의 정확도 평가와 더불어 본 연구에서는 추가적인 검증을 위하여 우리나라 황사 발생 빈도와의 상관관계 분석을 통한 간접 검증을 수행하였다. Fig. 4는 Vegetation과 MODIS에서 분류된 사막 면적의 표준화된 아노말리(1)와 황사발생빈도를 비교한 그래프로 두 센서 모두 사막 면적이 증가함에 따라 황사발생빈도가 증가하는 경향이 나타났다. 이는 사막 면적이 증가할 때 황사발생빈도가 증가한다는 선행구(Kang, 2012)와 같은 결과이다. 그리고 사막면적변화와 황사발생빈도의 상관관계의 분석결과, SPOT기반의 사막 면적은 0.4837로 비교적 높은 상관관계가 나타났고 MODIS기반의 사막 면적은 0.2071로 비교적 낮은 상관관계가 나타났다(Fig. 5). 따라서 Vegetation이 MODIS에 비해 동북아시아 사막 영역에서 보다 정확한 사막 면적 분류를 수행한다고 사료된다.

Fig. 4. Comparsion between Asian dust frequency and Desert extent standardized anomaly of MODIS and Vegetation. 

Fig. 5. (a) Relationship between Asian dust and MODIS desert extent, (b) Relationship between Asian dust and Vegetation desert extent. 

4. 요약 및 결론

본 연구는 센서에 따라 산출되는 동아시아 영역의 사막 면적을 비교하는 것에 그 목적이 있다. 자료는 2001년부터 2013년까지 MODIS Land Cover product인 MCD12Q1과 SPOT Vegetation센서로 부터 취득된 S10 NDVI 자료를 이용해 Yeom et al.(2006)이 제시한 다중 다항 회귀식으로 NDVI를 재생산하여 이용하였다. 각 센서에서 사막 면적을 산출하기 위해 MODIS Land cover product(MCD12Q1)의 Barren자료를 이용하였고, Vegetation은 재생산된 NDVI를 무감독 분류를 통해 10개의 Class로 재분류하여 0.1 이하의 값을 가지는 Class를 이용하였다.

연구기간동안 MODIS기반 사막 면적은 2013년으로 갈수록 연 20,911 km² 씩 감소하였지만 Vegetation기반 사막 면적은 연 3,020 km² 씩 증가하였다. 또한 MODIS기반의 사막 면적이 비교적 과소 탐지하는 경향을 보였다.사막 지역은 사람의 접근이 어려워 실측자료의 확보가 쉽지 않아 산출된 사막 면적의 간접검증으로 우리나라의 황사발생빈도와 상관관계분석을 실시하였다. 그 결과 Vegetation기반의 사막 면적은 황사발생빈도와 0.4837의 비교적 높은 상관관계가 나타났고 MODIS기반의 사막 면적은 0.2071로 비교적 낮은 상관관계가 나타났다.

이러한 사막 면적의 차이는 MODIS Land cover가 실제 환경과 많은 차이를 가지고(Giri et al., 2005; Klein et al., 2012) 특히 아시아 지역에서 Land cover 유형이 연도별로 상이하게 분류되는(Park et al., 2014) 특징과 연관이 있는 것로 사료된다. 뿐만 아니라 1990년대 중반부터 동아시아 사막 면적이 증가한다는 연구(Choi et al., 2010;Lee, 2005)와 우리나라의 황사 발생 일수가 증가하고 있다는 연구(Kang et al., 2004; Kim, 2009)에 의하면, 본 연구에서 분석된 Vegetation이 MODIS에 비해 동북아시아 사막 영역에서 보다 정확한 사막 면적 산출을 수행한 것으로 판단된다.

이처럼 같은 지역에서 관측된 자료가 센서에 따라 사막 면적이 다르게 나타나며, 이러한 차이는 향후 기후변화 연구에 영향을 미칠 수 있으므로 사용자와 생산자가 이러한 센서별 산출의 차이를 인지하는 것은 중요하다. 향후, 센서별 비교의 정확도의 향상을 위해 추가적으로 고해상도인 Landsat 위성영상 이용하여 사막 면적을 산출하고 산출된 사막 면적을 바탕으로 공간적인 분석이 필요할 것으로 사료된다. 또한 사막지역의 검증으로 황사 발생빈도 외에 다양한 변수와의 비교연구가 필요하다.