Topographic Factors Computation in Island: A Comparison of Different Open Source GIS Programs

오픈소스 GIS 프로그램의 지형인자 계산 비교: 도서지역 경사도와 지형습윤지수 중심으로

Abstract

An area's topography refers to the shape of the earth's surface, described by its elevation, slope, and aspect, among other features. The topographical conditions determine energy flowsthat move water and energy from higher to lower elevations, such as how much solar energy will be received and how much wind or rain will affect it. Another common factor, the topographic wetness index (TWI), is a calculation in digital elevation models of the tendency to accumulate water per slope and unit area, and is one of the most widely referenced hydrologic topographic factors, which helps explain the location of forest vegetation. Analyses of topographical factors can be calculated using a geographic information system (GIS) program based on digital elevation model (DEM) data. Recently, a large number of free open source software (FOSS) GIS programs are available and developed for researchers, industries, and governments. FOSS GIS programs provide opportunitiesfor flexible algorithms customized forspecific user needs. The majority of biodiversity in island areas exists at about 20% higher elevations than in land ecosystems, playing an important role in ecological processes and therefore of high ecological value. However, island areas are vulnerable to disturbances and damage, such as through climate change, environmental pollution, development, and human intervention, and lacks systematic investigation due to geographical limitations (e.g. remoteness; difficulty to access). More than 4,000 of Korea's islands are within a few hours of its coast, and 88% are uninhabited, with 52% of them forested. The forest ecosystems of islands have fewer encounters with human interaction than on land, and therefore most of the topographical conditions are formed naturally and affected more directly by weather conditions or the environment. Therefore, the analysis of forest topography in island areas can be done more precisely than on its land counterparts, and therefore has become a major focus of attention in Korea. This study is focused on calculating the performance of different topographical factors using FOSS GIS programs. The test area is the island forests in Korea's south and the DEM of the target area was processed with GRASS GIS and SAGA GIS. The final slopes and TWI maps were produced as comparisons of the differences between topographic factor calculations of each respective FOSS GIS program. Finally, the merits of each FOSS GIS program used to calculate the topographic factors is discussed.

지형은 고도, 경사, 측면으로 설명되는 지표면의 물리적인 모양을 나타내는 것으로 지형적 조건에 따라 에너지의 이동이 결정된다. 이것은 태양 에너지를 얼마나 많이 받을지, 바람이나 비가 얼마나 많은 영향을 미칠지 등에 대한 중요한 결정 요인들로 지표면 상에 존재하는 모든 생물, 특히 산림 식생의 입지 환경에 큰 영향을 준다. 도서지역 산림과 같이 자연적으로 형성된 지형 인자가 산림 식생의 생태환경을 결정하는 요인이 될 때 보다 정확한 지형 인자들의 계산은 도서산림의 입지환경을 이해하는데 매우 중요하다. 최근에는 연구자, 학교, 산업 및 정부를 위해 수많은 무료오픈소스 소프트웨어 지리정보시스템 프로그램(Free Open Source Software Geographic Information Systems, FOSS GIS)들이 이러한 지형인자들을 보다 정확하게 계산하기 위해 다양한 알고리즘을 적용하고 있다. FOSS GIS 프로그램은 사용자 요구에 맞게 수정이 가능한 유연한 알고리즘을 제공한다. 이와 같은 수요에 맞춰 이 연구에서는 지형 분석이 특히 중요한 도서지역 산림을 대상으로 하여 FOSS GIS 프로그램들의 지형인자 계산 결과값을 비교해 보고 향후 지역 생태 연구에 있어 지형 인자 계산 방법을 결정할 때 그 기준을 마련하고자 한다. 연구 지역은 전라남도 도서 지역을 대상으로 하였고 FOSS GIS 프로그램 중 가장 널리 사용되는 GRASS GIS와 SAGA GIS로 처리하였다. 입지환경에 있어 가장 널리 사용되는 설명인자인 경사도와 TWI(Topographical Wetness Index) 지도를 각 FOSS GIS 프로그램으로 생성하고 그 차이를 분석하여 각 FOSS GIS 프로그램의 장단점을 토의하였다.

1. 서론

지형은 지표면의 구성으로 고도, 사면향, 경사, 음영 기복 등 일반적인 지표의 형상으로 설명된다. 이러한 지형 조건들은 태양 에너지를 얼마나 받을지, 바람이나 비의 영향을 얼마나 받는지 등 물과 에너지를 더 높은 곳에서 낮은 곳으로 이동시키는 에너지 흐름에 대한 결정 요인으로 작용한다(Graham, 2006). 이를 기반으로 유역 단위에서 발생하는 생물, 생태, 지리, 수문 기작들 등을 입지환경적으로 설명할 수 있다(Mattivi et al., 2019). 따라서 수치표고모델을 사용하여 계산된 경사도,음영기복,지표면,등고선 등은 지역 입지 환경의 기초 자료로 지표면 지형의 기본적인 이해를 돕고 다양한 지형 인자들을 추정할 수 있게 한다(Bi et al., 2006). 또한 지형 인자들 은 산림 탄소량을 추정하거나 산림의 기능을 평가하기 위해서 사용되는 산림입지환경인자들 중 하나로 사용 되고 있다(Fang et al., 2018). 특히, 수치표고모델에서 경사도와 단위 면적 당 물을 축적하는 경향을 기반으로 계산된 지형습윤지수는 가장 널리 사용되는 대표적인 수문 지형 인자로 산림식생의 입지환경을 설명하는 중요한 요인 중 하나이다. 산림에서 물과 영양분의 저장과 이동은 산림의 식생 분포 및 성장과 밀접한 관련을 가지며 수종의 적지를 추정하거나 임분 특성을 알고자 할 때 중요한 인자로 사용될 수 있다(Echiverri and Macdonald, 2019; Kopecky et al., 2021).

도서(섬) 지역은 육지 생태계보다 약 20% 높은 생물 다양성을 가지고 있어 생태학적으로 그 중요성과 가치가 매우 높다(UN-OHRLLS, 2015). 그러나 도서지역은 기후변화나 환경오염, 난개발, 인간간섭 등 교란과 훼손에 취약하고 지리적 한계점으로 인해 체계적인 조사가 미비하여 관리가 미흡하다(Medail, 2017; Lee et al., 2020). 특히, 우리나라 도서의 절반 이상은 산림면적 0.5 ha 이상의 산림성 도서이나 도서지역의 산림 조사나 산림관리에 대한 체계가 거의 이루어 지지 않고 있다(Jeon et al., 2018). 도서지역 산림생태계는 육지보다 인간 간섭이나 구조물이 육지보다 적어 기상 조건이나 환경의 영향을 더 직접적으로 받고 이미 형성되어 있는 지형이 입지환경을 대부분 결정하게 된다(Cho, 2020). 특정 지역의 산림에서 지형적 이질성은 임분 구조 및 동태, 구성 등에 영향을 주게 되는 토양 수분, 영양분, 토양 구성, 미기상 등 비생물적 조건들에 직접적인 영향을 준다(Muscarella et al., 2020). 태풍, 비, 바람 등과 같이 도서지역 산림에 직접적인 영향을 주는 기상 이벤트들은 도서의 위치나 모양 등 도서의 지형에 따라 경향성을 달리 한다(Huang et al., 2011). 따라서 도서지역의 산림생태계 지형에 대한 분석은 육지보다 정밀하게 다양한 접근방식으로 이루어져야 할 필요가 있다.

지형에 대한 분석은 주로 지표면에 대한 정보를 담고 있는 공간자료 형태의 수치표고모델(Digital Elevation Model, DEM)을 기반으로 지리정보시스템(Geographic Information System, GIS) 분석 프로그램을 통해 이루어진다. DEM에서는 지형적 다양성에 대한 인자들을 GIS 프로그램을 사용하여 계산할 수 있다. GIS 프로그램은 상용화된 프로그램도 있지만 최근에는 무료 오픈 소스(Free Open Source Software, FOSS) 지리정보시스템 (Geographic Information Systems, GIS) 프로그램의 사용이 매우 활발하다. 대학교, 연구 기관, 비영리단체, 개인 연구자들 등에 의해 지속적으로, 빠르게 발전해 오고 있다. FOSS GIS 프로그램들은 각각의 장단점을 가지며 연구자들에게 보다 다양한 분석의 기회와 유연한 알고리즘을 제공하여 지형적 특성에 대해 심층적인 연구를 돕고 있다(Mattivi et al., 2019). 그러나 도서 지역과 같이 실측 자료가 부족하고 도서의 다양한 크기와 도서 내 작은 고도차 등 영상이나 항공 사진, 모형 등으로는 정확한 지형적인 특성을 사전에 파악하기 어려운 경우 미리 알고리즘을 선택하는 것이 쉽지 않고 검증 자료가 아직은 부족하다. 이 연구에서는 FOSS GIS 프로그램 중 가장 널리 사용되고 있는 GRASS GIS와 SAGA GIS가 제공하는 기본 알고리즘을 통해 도서지역 지형 인자 계산 결과의 차이점을 사용자의 입장에서 알아 보고자 한다. 또한 이를 통해, 향후 지형 인자를 분석하고자 할때 분석 프로그램의 선택에 있어 각 프로그램 별로 어떠한 장단점을 가지는지 제안하고자 한다.

2. 재료 및 방법

1) 연구지역

우리나라의 도서 통계에 관해서는 섬, 도, 여 등에 대한 정의와 측정이 어려워 지자체나 기관마다 조금씩 상이한 결과를 보이고 있다. 이 연구에서는 산림청 도서 통계 조사자료를 사용하였고 우리나라 도서는 총 4158개로 이 중 유인도가 494개 무인도가 3664개이며 산림이 0.5 ha 이상인 산림성 도서가 2153개로 집계되었다(국립산림과학원 내부 연구결과). 특히, 전라남도에는 우리나라 섬들의 55.6% 인 2313개가 위치하고 있어 이 연구의 대상지로 선정하였다(Fig. 1.). 이 중 무인도가 2038개 유인도가 275개, 산림이 분포하는 도서는 1409개이다(Table 1). 전라남도에 있는 도서들 중 고도가 가장 높은 곳은 상왕산(645.5 m)으로 완도에 위치하고 있고(34.35N, 126.68E) 면적이 가장 넓은 무인도는 신안군 안좌면 한운리에 위치한 상사치도이다(34.76N, 126.05E).

Fig. 1. The test data location of Korea’s south, Jeonnam province.

Table 1. The information of the islands in Jeonnam Province

2) 수치표고모델(DigitalElevationModel, DEM)

지형은 지구 표면과 대기 상 물질 순환의 기본 구성 요소로 지구상의 일어나는 모든 현상의 본질에 대해 직간접적인 상관관계를 가진다. 지형은 지형학이나 지질학 분야에서만이 아닌 수문, 산림, 지리, 해양, 생태 등 모든 분야에 걸쳐 과학적인 기본 지식의 한 분야로 활용되고 있다(Hutchinson and Gallant, 1999). 수치표고모델은 일반적으로 지표면을 수치화하여 나타내는 것으로 나무 등 자연적인 것이든 인공적으로 지어진 것이든 지구의 지표면 위에 세워진 모든 것을 제외하고 순수하게 지표면에 대한 정보를 가진 전자 지도이다. 수치표고모델은 또한 GPS 등과 같은 전지구적인 위치정보 시스템, 항법 등의 발달과 함께 그 정밀도가 지속적으로 향상되고 있다(Krieger et al., 2007). 우리나라 역시 국토 지리정보원에서는 고해상도의 항공사진과 국토위성영상 등을 활용하여 수치표고모델을 구축하고 있고 이 연구에서는 국토지리정보원에서 제공받은 5 m 공간해상도의 수치표고모델(DEM)을 사용하였다(Fig. 2.).

Fig. 2. Digital Elevation Model (DEM) with 5 m resolution of Islands in Jeonnam Province, South Korea.

3) 오픈소스 GIS프로그램

(1) GRASSGIS

GRASS(Geographic Resource Analysis Support System)는 무료 오픈소스 소프트웨어(Free Open Source Software, FOSS)로 GRASS GIS 프로젝트는 1982년 미국의 연방정부기관들과 대학들, 기업들까지 협력하여 국제적으로 다양한 분야의 과학자들과 개발자들에 의해서 이루어졌다. 초기 GRASS GIS 프로그램의 주요 알고리즘 구성와 관리에 대해서는 일리노이주 샴페인에 위치한 건설공학연구실(ConstructionEngineering Research Laboratory, CERL)이 맡았고 1997년부터는 전세계 개발자 네트워크에서 계속 발전시켜 오고 있다(GRASS GIS, 2021). 자세한 역사와 GRASS GIS 프로그램의 발전과 개발된 프로그램은 GRASS GIS 홈페이지에서 찾아 볼 수 있다 (https://grass.osgeo.org/).

(2) SAGA GIS

SAGA(System for Automated Geoscientific Analyses) 역시 GIS 무료 오픈소스 소프트웨어(FOSS)로 공간 자료 처리 알고리즘으로 구성되었고 윈도우와 리눅스 시스템 모두 구동 가능하다. 사용자들이 쉽게 접근할 수 있는 유저인터페이스를 가지고 있어 GRASS GIS 보다 초보자들이 사용하기에 용이하다. 초기 SAGA GIS 프로그램의 형태는 독일 함부르크 대학교의 지리 연구소의 J. Böhner와 O. Conrad의 연구팀에 의해 구축되었고 90년대 말 독일 괴팅겐 대학교 자연지리학과의 수치표고모델을 활용한 지반특성이나 지형 기작 역학 등 여러 연구 과제들에 의해 발전되었다(Böhner and Conrad, 2002). 2004년 FOSS로 공개된 이후로 사용자 그룹 협회를 구성하여 국제학회 개최 등 활발하게 유지 및 발전시키고 있다. 특히, 지형 관련 인자 계산 알고리즘이 매우 다양 하게 구축되어 있어 여러 가지 모델로 수문, 토양 유실, 생태, 형태 인자 등을 계산할 수 있다(SAGA GIS, 2021).

3) 지형 인자 추출

지형인자들은 지형습윤지수(Topographical Wetness Index, TWI)와 산림 식생 입지환경에서 TWI와 함께 중요한 물리적인 요인 중 하나인 경사도를 대상으로 하였고, 도서 지역에 해당하는 값들을 ‘구역 통계(zonal statistics)’로 추출하였다. 바다의 값을 0으로 둘 경우 바다 부분도 경사도 0으로 육지처럼 경사가 있는 것처럼 들어가 계산에 오류가 발생하므로 바다에 해당하는 셀들은 NA 로 설정하고 계산하였다. 두 프로그램 모두 모든 계수들은 기본값(default)으로 두고 실행하였다.

(1) 경사도

GIS 프로그램에서 경사도는 래스터 지도의 실제 표고값을 토대로 표고단위를 수평단위로 변환시키는 계수 z-scale(기본값은 1)을 곱하여 계산되며 래스터 지도로 그 결과가 출력된다. 경사는 각 좌표점의 고도를 중심으로 인접한 동서남북 격자들의 고도와 각 격자의 크기로 계산되며 3 * 3 이웃 픽셀 단위(3 * 3 window)로 계산한다. GRASS GIS는 Horn (1981)이 제안한 최소 제곱 접합 평면(Least squares fitted plane) 알고리즘만 제공한다. SAGA GIS는 10개의 경사도 계산 알고리즘을 제공하나 (SAGA GIS), 이 연구에서는 기본값으로 설정되어 있고 3 * 3 윈도우 기본 계산 픽셀 단위에서 가장 적합하다는 Zevenbergen and Thorne (1987)이 제안한 알고리즘을 사용하였다. 경사도는 해당 픽셀의 3 * 3개 주변 픽셀로 결정하는 알고리즘이 사용되고 NA 값이나 NULL 픽셀은 계산되지 않는다.

(2) 지형습윤지수(TopographyWetnessIndex)

지형습윤지수(Topography Wetness Index, TWI)는 지역 지형이 유출 흐름에 미치는 영향에 대한 지표로 특정 집수 유역을 경사각으로 나누어 계산된다(Beven and Kirkby, 1979).

\(T W I=\ln \frac{S C A}{\tan (\beta)}\)       (1)

SCA는 수치표고모형으로부터 계산되는 특정 집수 유역(specific catchment area), β는 경사각을 나타낸다. 특정 집수 유역은 배수지점의 단위 등고선 길이 당 산비탈(hillslope 혹은 upslope) 면적이다. 지역 단위 유역(local area)보다 집수 유역(catchment area)을 기반으로 하여 유출이 한 방향이 아니라 향과 경사에 따라 다중 방향에서 흐를 수 있는 Multiple flow direction (MFD) 방법을 일반적으로 사용한다. TWI는 수문과 토양 습윤 함량을 모사하면서 수문학이나 토양 분야에서부터 시작하여 생태 분야에서도 식생 분포와 변화 종 풍부도, 식생 건강성 등에 널리 활용되고 있다(Franklin, 2002; Grabs et al., 2009; McDonald and Urban, 2004). TWI는 일반적으로 -3 ~ 30 사이 값의 범위를 가지며 낮은 TWI 값을 가지는 셀은 경사가 급하거나 산등성이 같은 지형이 주로 나타나고, 높은 TWI 값을 가지는 셀은 물이 집수 될 수 있는 혹은 평평한 지역일 확률이 높다(Ballerine, 2017). GRASS GIS의 지형습윤지수 계산 방식 중 DEM으로 계산이 가능한 툴인 r.topdix은 선택할 수 있는 옵션이 따로 있지 않다. SAGA GIS에서는 SAGA 지형습윤지수(SAGA Wetness Index, SWI)를 제안하는데 SWI는 특정 집수 유역(SCA) 계산에 있어 다음과 같이 ‘보정된 집수 유역 (Modified catchment area, SCAM)’을 사용한다(Boehner and Selige, 2006).

\(\begin{gathered} S C A_{M}=S C A_{\max }\left(\frac{1}{15}\right)^{\beta \exp \left(15^{5}\right)} \text { for } S C A< \\ S C A_{\max }\left(\frac{1}{15}\right)^{\beta \exp \left(15^{5}\right)} \end{gathered}\)       (2)

\(W I_{S}=\ln \left(\frac{S C A_{M}}{\tan \beta}\right)\)        (3)

일반적으로 구릉지역에서 계산되는 집수 지역은 배수의 흐름 패턴을 적절하게 모사하나 골짜기선 근처의 매우 넓고 평평한 지형의 경우 아주 작은 고도차가 무작위 배수 패턴을 모사하는 경향을 보였다. 보정된 집수 유역은 결과에 큰 변화를 주지 않는 범위 내에서 인접한 셀의 최대 집수 유역을 사용하여 계산된다(Boehner et al., 2002; Boehner and Selige, 2006). 지형습윤지수 계산에 대한 보다 자세한 내용은 Boehner et al. (2002), Boehner and Selige (2006), Sørensen et al. (2006), Bock et al. (2007), Kopecky et al. (2021) 등과 SAGA GIS 및 GRASS GIS 홈 페이지를 참조할 수 있다.

Fig. 3. Slope map of Islands in Jeonnam Province. Black dotted circle indicates Wando Island and red dotted circle indicates the largest uninhabited island named Sangsachi-do. (a) SAGA slope map, (b) GRASS slope map, (c) histogram of SAGA slope values, and (d) histogram of GRASS slope values.

3. 결과 및 토의

GRASS GIS와 SAGA GIS 프로그램으로 경사도와 지형습윤지수를 계산하여 그 결과를 비교하였다. 이때 도서의 크기가 너무 작아(면적 0.6 ha 이하) 수치표고모형이 존재하지 않는 무인도 90개와 도서 면적은 1 ha 이상 4 ha 미만이지만 수치표고모형이 존재하지 않는 무인도 3개를 제외하고 분석을 실시하였다.

1) 경사도

경사도는 SAGA GIS와 GRASS GIS의 전라남도 도서 지역 산림 셀 전체 평균 값은 각각 16.2°, 17.8°, 최대 경사도는 각각 79.6°, 82.8°로 전체 평균 값은 1.5°, 최대 경사도는 3.2° 차이가 난다. 전라남도 도서 지역의 경사도 지도를 보면 유의미한 차이는 발견되지 않으며(Fig. 6 오른쪽) 자세히 비교해보기 위해 완도 본섬과 무인도 상사치도를 예시로 확대하여 Fig. 4와 Fig. 5에서 지도로 나타내 보았다. 완도의 상왕산 산맥을 따라 SAGA GIS가 GRASS GIS보다 경사도 값이 높은 것을(색깔이 더 어두워지는) 확인할 수 있으나 그 차이가 크지 않다. 또한 Fig. 5에서 볼 수 있듯이 무인도인 상사치도에서도 두 프로그램 간의 경사도 차이는 크지 않았다. 두 프로그램에서 계산한 유효 픽셀의 개수는 약간 차이가 나는데 이는 두 프로그램의 경사도 계산시 사용되는 픽셀 개수(3 * 3 window)에서 가장 자리 픽셀 처리에 대한 알고리즘 때문이다(Table 2). SAGA GIS는 가장 자리에 null 값이 있더라도 남은 픽셀로 계산하는 반면 GRASS는 계산 하지 않는다.

Table 2. Statistical results

Fig. 4. The slope map for the central Island of Wando and gray circle indicates Sangwang-san in Wando.

Fig. 5. The slope map for Sangsachido which is uninhabited island.

2) 지형습윤지수

SAGA GIS에서 계산된 SAGA지형습윤지수(SWI)와 GRASS GIS에서 계산된 지형습윤지수(TWI) 결과를 Fig. 6에서 보여 주고 있다. TWI의 경우 두 프로그램이 서로 다른 값의 범위를 가지는 것을 확인할 수 있었다. SWI는 -1.3 ~ 11.8, GRASS GIS에서 계산된 TWI는 0.2 ~ 28.8의 범위를 보였다. 동일한 비교를 위해 두 값을 정규화하였고 SWI는 0.1 ~ 0.2 사이에서 TWI는 0.2 ~ 0.3 사이에서 가장 높은 값이 나타났다(Fig. 6). TWI가 높을수록 물이 집수 되는 지역 즉 평지 혹은 움푹 파인 지형 특성을 가지는데 SAGA GIS에서는 TWI가 0.8 이상의 높은 값으로 계산되었으나 이와 달리 GRASS GIS에서는 해당 픽셀의 TWI를 계산하지 않는(No data) 경우가 발생하였다. SAGA GIS에서 TWI가 높은 값으로 계산되면서 GRASS GIS에서도 TWI를 계산하여 결과값이 있을 때는 GRASS GIS의 TWI 역시 높은 값을 보였다(Fig. 6). 두 프로그램의 TWI를 정규화하여 그 차이를 살펴본 결과, 전라남도의 서쪽 도서들, 무안군, 영암군, 신안군 등에서 이러한 차이가 좀 더 두드러지게 나타나는 경향을 보였다(Fig. 7). 두 프로그램에서 계산된 지형습윤지수의 경향은 비슷하나(R² = 0.6), 집수 지역 계산 방법 차이 등으로 절대값을 비교하기는 어려우나 정규화 된 값을 보면 GRASS GIS가 약간 높은 것을 알 수 있다. Fig. 6 왼쪽 그림에서 보여주듯이 지형습윤지수들이 높은 값(물이 충분이 집수되는 지역)을 가질 때 두 프로그램의 결과값이 차이가 점점 커지는 것을 알 수 있다(Fig. 6). 이 지역들은 평균 해발 고도 20 m 이하로 전라남도 남쪽과 오른쪽에 위치한 도서들, 여수시, 고흥군, 진도군, 완도군 등에 비해 상대적으로 고도가 낮은 픽셀들이 많다.

Fig. 6. Topographic Wetness Index map of the Islands in Jeonnam Province. (a) normalized SAGA wetness index map, (b) normalized GRASS topographic wetness index map, (c) histogram of SAGA wetness index, and (d) histogram of GRASS topographic wetness index.

Fig. 7. Differences in normalized TWI values between the TWI maps obtained with SAGA TWI and GRASS GIS.

이러한 결과의 차이를 좀 더 명확하게 보기 완도 본섬(Fig. 6. 붉은색 동그라미)과 광양 금호동(Fig. 6. 검은색 동그라미)의 TWI 지도를 확대해 본 결과 완도 본섬은 간척사업으로 인한 평평한 대지와 간척 호수 완도호, 완 도농공단지가 형성된 곳이고(Fig. 8., 붉은색 동그라미), 광양 금호동도 광양산업단지로 경사가 없고 넓은 지역이다(Fig. 9.). GRASS GIS에서 TWI 계산 시 사용되는 유출 알고리즘은 Freeman (1991)이 제안한 ‘다중 흐름 방향 (Multiple Flow Direction, MFD)’ 알고리즘이고 SAGA GIS에서 사용되는 ‘수정된 다중 흐름 방향(Modified Multiple Flow Direction, MFD-md)’알고리즘으로 집수 면적을 산정하는 데에서 차이가 발생한다. SAGA GIS의 MDF-md 알고리즘은 평평한 픽셀에서는 해당 픽셀과 주변 픽셀들에 집수 최대값이 반복되어 사용된다. 이러한 알고리즘의 차이로 인해 넓고 평평한 지형이나 저수지 등에서 SAGA 지형습윤지수가 높은 값을 보인다. 국립산림과 학원 난대아열대산림연구소의 자체 조사 결과(미발표), 도서 지역의 경우에는 해안 근처에서 가파르다 경사지를 지나고 나면 평평한 지형이 나타나거나, 도서 내부에서 고도 차이가 많이 나지 않는 경우 등 육지와는 다른 지형 패턴을 보이는 곳들이 많았다. 또한 아직 조사 되지 않은 지역이 많아 ‘보정된 집수 유역’을 사용하는 SWI가 더 효과적으로 판단된다.

Fig. 8. Wando island in Wando County. The details of comparison for the area near the Wando lake by land reclamation and the agro-industrial complex.

Fig. 9. Keumho-dong in Gwangyang city for the industrial complex.

Fig. 10. The relationship between the TWI and the slope from SAGA GIS and GRASS GIS of the islands area in Jeonman province, South Korea.

3) 처리 및 확장성

SAGA GIS와 GRASS GIS 등을 사용하여 지형 인자를 계산할 때에는 처리 속도 또한 사용 프로그램을 결정하는 매우 중요한 결정 요인이다. 분석하고자 하는 지역이 넓어 계산할 픽셀이 많을 경우 처리속도를 고려하지 않을 수 없다. 128기가 메모리, 1TB SSD, 듀얼 14코어 기반의 워크스테이션에서 전라남도 도서 산림을 대상으로 경사도(사면향, 커버쳐 등 동시에 계산)를 계산할 때 GRASS GIS는 617.6초, SAGA GIS는 189초가 소요되었다. 특정 지역을 대상으로 지형 인자들을 계산할 경 우 GRASS GIS가 3.2배 시간이 더 소요되고 이 시간은 대상 지역이 확장되거나 사용하는 컴퓨터의 성능, 멀티 코어 사용 유무 옵션 등에 따라 결정된다.

프로그램을 설치하는 과정과 계산 속도, 문서화 되어 있는 정도, 프로그램의 GUI 사용 편이 등을 고려해 다음과 같이 정리 될 수 있다. SAGA의 경우 프로그램 설치와 초기 구축이 용이하고 알고리즘의 문서화가 매우 잘 되어 있다. 그러나 가장 많이 사용되는 GIS 패키지 프로그램인 QGIS에서 아직은 구동되지 않는 모듈이 많다. GRASS의 경우 초기 구축이 비교적 복잡하여 설치 후 사용하기 까지 어느 정도 숙련이 필요하다. 프로그램 사용에 대한 문서화는 잘 되어 있으나 알고리즘에 대한 문서가 비교적 부족하다. 그러나 SAGA와 달리 GRASS는 QGIS에 매우 안정적으로 연결되어 있어 QGIS로 GRASS를 사용하고자 할 경우 SAGA보다 편리 하다(Table 3).

Table 3. Free Open Source Software GISs comparison ‘+’ symbol indicates good performance

지형인자들을 계산하는 알고리즘은 SAGA GIS가 GRASS GIS에 비해 매우 다양하다. 예를 들면 경사도를 계산하는 알고리즘의 경우 GRASS GIS는 Horn (1981)의 최소 제곱 접합 평면(Least squares fitted plane) 알고리즘만 제공되나 SAGA GIS는 최대 경사(Maximum slope, Traviset al., 1975), 최대 삼각 경사(Maximum triangle slope, Taborton, 1997), 6개 모수 기반 2차 함수(2nd order polynomial with 6 parameters, Heerdegen Beran, 1982)등 10개의 알고리즘을 제공한다. 지형습윤지수 추정 시 사용되는 유출 집수 지역 계산 알고리즘도 Multiple Flow Direction(MFD)와 Deterministic 8(D8)만 가능한 GRASS와 달리 SAGA GIS 에서는 더 다양한 알고리즘이 가능하다. 예를 들면 탑다운 방식으로 높은 고도에서 낮은 고도 한 방향으로만 유출이 발생하는 지역에서는 선형 유출 흐름 처리는 대부분의 알고리즘에서 가능하지만, 우물 등 매몰지역이 없는 곳에서 유용한 각 셀을 반복적으로 처리하는 D8, Rho 8, MFD, Deterministic Infinity (Dinf), DEM의 각 셀들이 전부 끝나거나 매몰지역(sink) 등을 만날 때까지 유출을 계산하는 DEMON이나 Rho8 등 지형 특성에 맞게 선택 비교가 가능하다(Mattivi et al., 2019). 물의 흐름을 오직 이웃한 셀 한 방향에서만 받는 D8이나 유출이 두 군데에서 생기면 에러가 발생하는 Rho 8 등 한계점이 분명한 알고리즘들고 있으나 이는 사용자들로 하여금 다양한 방식으로 지형 인자 계산 에 접근하게 하여 그 지역의 특성에 맞는 알고리즘을 사용 할 기회를 제공한다(Costa-Cabral and Burges, 1994). 산림 식생의 구성이나 생태적 특성에 있어 지형습윤지수 알고리즘의 선택 따라 다른 결과를 보여주기 때문에 다양한 알고리즘의 비교는 도서 지역 산림의 식생 구성을 이해하는데 필요한 과정이다(Kopecky et al., 2010; Kopecky et al., 2021). 이 연구에서는 지형습윤지수의 유출 흐름 계산에서는 가장 일반적인 알고리즘인 MFD 알고리즘을 선택하였으나 향후 도서 지역의 산림 토양 조사와 문헌 조사를 병행하여 육지와 구분되는 지형적 특성을 면밀히 파악하고 보다 정확하게 지형 인자들을 계산 하는 연구들이 진행되어야 할 것이다.

5. 결론

이 연구의 목적은 빠르게 발전하고 있는 FOSS GIS 프로그램 중 널리 사용되고 있는 GRASS GIS와 SAGA GIS의 지형인자 결과물을 각 프로그램 별로 어떠한 차이가 있고 사용자의 입장에서 프로그램을 선택할 때 장단점이 무엇인지 알아보고자 하였다. 대상지는 지형 분석이 특히 중요한 도서지역으로 하여 향후 지역 생태 연구에 있어 지형 인자 계산 방법을 결정할 때 그 기준을 마련하고자 한 것이다. 도서지역 산림과 같이 지형 인자가 산림생태환경을 결정하는 중요 요인이 될 때 보다 정확한 지형 인자들의 계산에 있어 보다 다양한 계산 알고리즘과 비교 프로그램은 필수적이다. 경사도의 경우 두 프로그램 모두 다른 알고리즘을 사용하나 기본적인 이론이 같아 유의미한 차이를 발견하지 못했다. 그러나 지형습윤지수의 경우 평평한 지형 구조에서 SAGA GIS와 GRASS GIS의 결과가 큰 차이를 보였다. SAGA 지형습윤지수의 경우, 균일한 구조를 가진 유역이나 계곡의 바닥, 유출 지역 주변 등에서 비교적 유의미한(현실적인) 결과값을 도출하는 것으로 보인다. 평평한 지형 구조나 골짜기 부근에 형성된 넓은 평지에서 유출이나 집수 발생의 차이가 알고리즘 별로 다르게 나타나는 것은 기존의 연구에서도 밝혀진 바가 있다(Hengl et al., 2009; Mattivi et al., 2019; Kopecky et al., 2021). 따라서 그 지형을 더 잘 모사하는 지형 인자 계산 알고리즘을 선택하기 위해서는 연구의 목적과 그 지역 지형 상황에 잘 부합하는 알고리즘을 선택해야 할 것이다. 이 연구는 그러한 선택에 대한 기초적인 지식을 제공하며 지표면상에서 일어나는 모든 기작들의 입지환경적 이해에 대한 기반 연구로 높은 활용 가치를 가질 것으로 보인다.