농촌지역은 도시지역에 비해 인구 밀도가 낮고, 정주 패턴이 분산되어 있다는 특징을 가진다. 이러한 경우에 국가 통계기관에서 제공하는 인구 자료만으로는 미시적 수준의 공간적 변동성을 충분히 포착하기 어렵다. 농촌지역의 인구 분포를 추정하기 위해서는 다양한 접근 방법이 활용될 수 있으며, 그중에서도 대시메트릭 매핑은 의미 있는 보조 변수가 확보될 경우 저밀 지역의 인구를 추정하는데 유효한 방법이 될 수 있다. 기존의 대시메트릭 인구 추정 연구들은 주로 토지피복, 지형, 도로망과 같은 물리･환경적 변수에 의존해 왔지만 본 연구는 농촌지역 미시적 인구 분포의 공간적 패턴을 형성하는 사회적 인프라 영역인 생활 SOC 변수에 주목한다. 본 연구의 목적은 공간 딥러닝 모델을 대시메트릭 기법과 결합함으로써 농촌지역의 소지역 단위 인구를 보다 정확하게 추정하는데 있다. 사례 연구 결과, 공간적 의존성을 학습하는 GNN 기반의 대시메트릭 모델이 농촌지역의 소지역 단위 인구 추정에 탁월한 성능을 보이고 있으며, 이 모델에 적용한 생활 SOC 변수는 농촌 인구 분포를 설명하는 중요한 공간적 앵커로서 역할을 하고 있음을 확인하였다. 본 연구는 통반 단위 실측 인구 자료를 활용하여 추정 결과를 절대적으로 검증함으로써, 공식적인 소지역 인구 통계가 제공되지 않는 우리나라 농촌지역 인구 추정의 시초적 연구로서 의의를 가지며, 향후 농촌지역의 공공 계획 수립에 중요한 시사점을 제공할 것으로 기대된다.

Most rural areas have lower population densities than urban areas, and their settlement patterns are spatially dispersed. Due to these spatial characteristics, it is generally difficult to capture micro-level spatial variations using census data published by national statistical offices. Estimating such population distributions can benefit from several approaches. Among them, a dasymetric mapping could be a viable option, particularly for estimating populations in sparsely populated areas when meaningful auxiliary variables are available. Many previous studies on dasymetric population estimation have primarily relied on physical and environmental variables such as land cover, terrain, and road networks. In this research, we focus on variables representing essential living infrastructure (referred to as living SOC), which are expected to shape the spatial patterns of micro-scale population distributions in rural areas. This research aims to estimate the population with a small area unit in rural areas more accurately utilizing a spatial deep learning model integrated with dasymetric techniques. As results of case study, the graph neural network (GNN)–based dasymetric mapping approach explicitly learning spatial dependencies among grid cells. shows outstanding performance for estimating small-area population in rural areas, and living SOC variables embedded in this model can function as spatial anchors for explaining rural population distributions. Furthermore, this study is worth as the original attempt to validate micro-scale population distributions in Korean rural areas using observed tongban-level population data, where official small-area statistics are not available. The findings are expected to provide important implications for public planning and rural regeneration policies.

요약
Abstract
I. 연구 배경 및 목적
II. 이론적 배경
    1. 대시메트릭 매핑 기법
    2. 대시메트릭 변수로서 생활 SOC 시설
    3. 머신러닝 기반 대시메트릭 매핑
III. 연구 지역 및 데이터
    1. 사례 지역
    2. 데이터
IV. 농촌지역 소지역 단위 인구 추정 방법
    1. 대시메트릭 인구 추정 절차
    2. 공간 딥러닝 기반 대시메트릭 매핑
V. 대시메트릭 인구 추정 결과
VI. 결론 및 제언
참고문헌

• 이찬(서울대학교 지리학과 석사과정) | Chan Lee (Master Student, Department of Geography, Seoul National University)
• 이건학(서울대학교 지리학과 교수 및 국토문제연구소 겸무연구원) | Gunhak Lee (Professor, Department of Geography and Institute for Korean Regional Studies, Seoul National University) Corresponding author