공간 샘플링은 공간모델링 연구에 활용되어 샘플링 비용을 줄이면서 모델링의 효율성을 높이는 역할을 한다. 농업분야에서는 기후변화 영향을 예측하고 평가하기 위한 고해상도 공간자료 기반 모델링에 대한 연구 수요가 빠르게 증가하고 있으며, 이에 따라 공간 샘플링의 필요성과 중요성이 증가하고 있다. 본 연구는 국내 농지 공간샘플링 연구를 통해 농업분야 기후변화연구의 공간자료 활용의 효율성을 제고하고자 하였다. 본 연구는 층화랜덤샘플링 을 기반으로 하였으며, 1 km 해상도의 농지 공간격자자료 모집단 (11,386개 격자)에 대해서 RCP 시나리오별 (RCP 4.5/8.5) 연대별 (2030/2050/2080년대) 공간샘플링을 설 계하였다. 국내 농지는 기상 및 토양 특성에 따라 계층화 되었으며, 샘플링 효율 극대화를 위해 최적 층화 및 샘플 배정 최적화를 수행하였다. 최적화는 작물수량, 온실가스 배출량, 해충 분포 확률을 포함하는 16개 목표 변수에 대해 주어진 정밀도 제한 내에서 샘플 수를 최소화하는 방향으로 진행되었다. 샘플링의 정밀도와 정확도 평가는 각각 변동계수 (CV)와 상대적 편향을 기반으로 하였다. 국내 농지 공간격자 모집단 계층화 및 샘플 배정 및 샘플 수 최적화 결과, 전체 농지는 5~21개 계층, 46~69개 샘플 수 수준에서 최적화되었다. 본 연구결과물들은 국내 농업시스템 대표 공간격자로써 널리 활용될 수 있을 것으로 기대된다. 또한, 기후변화 영향예측 공간모델링 연구들에 활용되어 샘플링 비용 및 계산 시간을 줄이면서도 모델의 효율성을 높이는 데에 기여할 수 있다.

An understanding of the geographic distribution of highly pathogenic avian influenza (HPAI) is essential to assessing and managing the risk of introduction of HPAI virus (HPAIV). However, to date, local spatial clustering patterns of HPAI outbreaks in Korea has not been explicitly investigated. We compiled HPAI outbreak data (n=622 cases) from December 2003 to February 2016. Each reported case was geocoded and linked to a digital map of Korea according to its onset location using the geographic information system (GIS). Kernel density estimation was used to explore global patterns of the HPAI outbreaks. We also applied the Getis-Ord G local spatial statistic to identify significant hot spots of high and low abundance by calculating Z-scores. Hot spot analysis revealed that HPAI cases are likely to be distinct clusters of HPAI outbreaks, with the highest risk being in the southwest of the country, specifically in Jeonnam and Jeonbuk provinces, where there are high density poultry populations. More than 16 Si-Gun-Gu (administrative province unit with bandwidth of 30 km) were involved in these high risk areas, indicating that there is likely to be a spatial heterogeneity of HPAI outbreaks within the country. Because of the existence of apparent hot spots, particularly in western regions, along with the increased number of migratory birds in these areas, Korea is at high risk of HPAIV introduction. Taking this challenge into consideration, preemptive and effective targeted surveillance programs for wild birds and poultry farms are highly recommended. Future research should look at the risk factors related to the socio-economic, human and natural environments and the poultry production systems to explain the spatial heterogeneity of HPAI outbreaks.

인터넷과 교통의 발달, 글로벌 금융과 문화의 확산은 전 세계적으로 이주의 증가를 가져왔고, 우리나라에서는 산업구조의 변화, 사회적 가치의 변화, 교육의 글로벌화를 경험하면서 외국인 이주자의 유입이 급격히 증가하였다. 최근 이주 연구는 이주자의 사회적 관계에 대한 공간스케일에 주목하는데, 이주자는 국경을 초월한 사회적 관계를 유지함과 동시에, 정착지의 사회문화에 착근되면서 로컬을 변화시키는 주체로서 주목받고 있다. 본 연구는 전국 시군구 및 서울시 동별 스케일에서 이주자 공간의 특성을 국적과 체류형태별로 구분하여 살펴보고자 한다. 이 연구의 결과에 의하면, 이주자는 국적과 체류유형별로 거주 공간의 차이를 보이고 있으며, 특정 장소를 점유하면서 사회적 자본을 발달시키고 이주자 공간을 만들고 있음을 알 수 있다. 아시아 이주자가 다수를 차지하는 단순직 노동이주자는 주요 공장지대 주변에 집중적으로 거주하고 있으며, 미국, 영국, 프랑스, 독일 및 호주와 같은 유럽계 이주자들은 용산구 일대에 집중적으로 거주하는 특성을 보인다. 교육이주자는 기존 자국민의 이주자가 집중된 지역에 거주하는 경향이 있는 것으로 나타났다. 여성이 다수인 결혼이주자는 대부분 도시에 거주하고 있는데, 결혼이주자들이 가장 많이 거주하는 곳은 한국계중국인이 밀집된 곳이거나 수도권 내 주요 공장지대이다. 본 연구는 이주자의 공간은 국적에 따라 차이가 나타날 뿐만 아니라 체류유형에 의해서도 차이가 나타남을 보여준다. 따라서 이주자를 민족이나 국가 단위로 동질화하여 설명하는 것은 문제가 있음을 보여준다.

Fuzzy information representation of multi-source spatial data is applied to landslide hazard mapping. Information representation based on frequency ratio and non-parametric density estimation is used to construct fuzzy membership functions. Of particular interest is the representation of continuous data for preventing loss of information. The non-parametric density estimation method applied here is a Parzen window estimation that can directly use continuous data without any categorization procedure. The effect of the new continuous data representation method on the final integrated result is evaluated by a validation procedure. To illustrate the proposed scheme, a case study from Jangheung, Korea for landslide hazard mapping is presented. Analysis of the results indicates that the proposed methodology considerably improves prediction capabilities, as compared with the case in traditional continuous data representation.

Recently, spatial data integration for geoscientific application has been regarded as an important task of various geoscientific applications of GIS. Although much research has been reported in the literature, quantitative assessment of the spatial interrelationship between input data layers and an integrated layer has not been considered fully and is in the development stage. Regarding this matter, we propose here, methodologies that account for the spatial interrelationship and spatial patterns in the spatial integration task, namely a multi-buffer zone analysis and a statistical analysis based on a contingency table. The main part of our work, the multi-buffer zone analysis, was addressed and applied to reveal the spatial pattern around geological source primitives and statistical analysis was performed to extract information for the assessment of an integrated layer. Mineral potential mapping using multi-source geoscience data sets from Ogdong in Korea was applied to illustrate application of this methodology.

여러 지질재해 중에서 산사태로부터 피해를 최소화하기 위해서는 미래의 산사태에 대해 취약한 지역의 추정이 필요하다. 산사태 위험성의 정량적 분석을 목적으로, 본 논문에서는 확률론적 공간통합 방법인 베이지안 기법의 적용가능성에 대해서 논의하고자 한다. 우선 산사태 발생과 관련이 있는 여러 공간자료의 확률론적 표현을 위해 우도비 함수를 사용하였으며, 베이지안 결합 규칙을 이용하여 최종적으로 통합된 검증을 수행하였다. 이러한 방법의 적용가능성을 검토하기 위하여 1998년 여름 산사태 공간 분포의 분할을 통한 검증을 수행하였다. 이러한 방법의 적용가능성을 검토하기 위하여 1998년 여름 산사태로 피해를 입은 경기도 장흥지역을 대상으로 사례연구를 수행하였다. 사례연구 수행 결과, 우도비에 기반한 베이지안 공간 통합 기법은 효율적으로 다양한 공간 자료를 통합할 수 있었으며, 검증결과는 해석과 의사결정 보조자료로 이용될 수 있을 것으로 기대된다.

This paper evaluates the applicability of a simple kriging with local means(SKLM) for highresolution spatial mapping of monthly mean temperature and rainfall in South Korea by using AWS observations in 2013 and elevation data. For an evaluation purpose, an inverse distance weighting(IDW) which has been widely applied in GIS and cokriging are also applied. From explanatory data analysis prior to spatial interpolation, negative correlations between elevation and temperature and positive correlation between elevation and rainfall were observed. Bias and root mean square errors are computed to compare prediction performance quantitatively. From the quantitative evaluation, SKLM showed the best prediction performance in all months. IDW generated abrupt changes in spatial patterns, whereas cokriging and SKLM ref lected not only the topographic effects but also the smoothing effects. In particular, local characteristics were better mapped by SKLM than by cokriging. Despite the potential of SKLM, more extensive comparative studies for data sets observed during the much longer time-period are required, since annual, seasonal, and local variations of temperature and rainfall are very severe in South Korea.