KR102461861B1 - 북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법 - Google Patents

Abstract

북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법이 제공된다. 데이터베이스는 북극권에 위치하는 개발대상지역의 공간 및 환경 정보(이하, '북극권 공간 및 환경 정보'라 한다)를 저장하고, 입지 적합도 평가 모듈은 데이터베이스에 저장된 북극권 공간 및 환경 정보를 분석하여 상기 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가하고, 서비스 제공 모듈은 입지 적합도 평가 모듈의 평가 결과를 GIS 플랫폼에 기반하여 지도와 함께 제공할 수 있다.

Description

북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법{Optimal location selection system for resource development in Arctic circle and mehtod thereof}

본 발명은 북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법에 관한 것으로서, 보다 상세하게는, 개발대상지역에서 자원개발 플랜트 설치 입지를 선정하기 위한 지표를 제공하는 북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법에 관한 것이다.

북극권과 같은 극한지 개발사업 진출에 필요한 건설자원 인문 환경 인프라에 대한 정보가 부족하여 사업 추진 시 환경에 의한 영향 또는 위험을 사전 예측하기 어려운 실정이다. 이러한 극한지와 같은 자원개발 대상 지역에 대한 공간정보 구축에는 현장조사와 인공위성을 이용한 원격탐사가 활용된다.

현장조사는 정확한 정보를 구축할 수 있는 장점이 있으나 공간적으로 제한된 영역의 정보 구축만이 가능하며, 시간과 비용의 소비가 심한 단점이 있다. 또한 북극권과 같이 극한지는 접근성이 매우 낮기 때문에 현장조사가 원활히 수행되기 어렵다.

인공위성을 이용한 원격탐사는 넓은 영역에 대한 공간정보 구축이 가능하므로 광역적 정보 구축에 매우 효과적이다. 특히 주기적으로 동일한 영역을 촬영하여 고품질의 정보를 제공하기 때문에 극한지의 변화를 관측하는데 효과적이다. 따라서 인공위성 원격탐사는 극한지 자원개발 플랜트 건설의 핵심인 플랜트 최적 위치 선정을 위한 광역적 공간정보의 도출 및 분석기법 설계에 매우 유용하게 활용될 수 있다.

지역적 특성상 접근이 어려운 북극권을 대상으로 한 인공위성 원격탐사는 주로 기후변화에 기인한 환경변화 연구를 목적으로 활용되어 오고 있다. 그러나 현재까지 북극권 자원개발에서 요구하는 공간정보의 구축 및 분석을 위한 인공위성 원격탐사 자료의 활용에 관한 연구는 거의 진행된 바 없다.

따라서, 북극권 에너지 자원 개발 플랜트 건설 시 최적 위치 선정을 위해 필요한 인공위성 원격탐사 기반 광역적 공간정보 구축 및 활용방안에 대한 연구가 필요한 실정이며, 인공위성으로는 구축이 어려운 공간정보의 구축 방안도 요구되는 상황이다.

국내 공개특허 10-2019-0136203호

전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 북극권 지역의 에너지 자원 개발을 위하여 북극권 지역의 지형 모델과 다양한 환경적 요인을 고려하여 자원 개발을 위한 최적 위치를 선정할 수 있는 북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법을 제시하는 데 있다.

본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따르면, 북극권 자원 개발을 위한 최적 위치 선정 시스템은, 북극권에 위치하는 개발대상지역의 공간 및 환경 정보(이하, '북극권 공간 및 환경 정보'라 한다)를 저장하는 데이터베이스; 상기 데이터베이스에 저장된 북극권 공간 및 환경 정보를 분석하여 상기 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가하는 입지 적합도 평가 모듈; 및 상기 입지 적합도 평가 모듈의 평가 결과를 GIS 플랫폼에 기반하여 지도와 함께 제공하는 서비스 제공 모듈;을 포함할 수 있다.

상기 북극권 공간 및 환경 정보는, 상기 개발대상지역의 토지피복도, 수체 분포도, 지형도, 적설 분포도, 일조량 분포도, 수송 인프라 분포도 및 자연보호구역 지정도를 포함하고, GIS(Geographic Information System) 기반으로 제공될 수 있다.

상기 입지 적합도 평가 모듈은, 상기 입지 적합도를 평가하기 위한 다수의 평가 항목들과, 상기 다수의 평가 항목 별로 입지 적합도 평가에 사용할 북극권 공간 및 환경 정보가 매핑된 평가 매핑 테이블; 및 상기 평가 매핑 테이블을 참고하여 상기 평가 항목 별로 해당하는 북극권 공간 및 환경 정보를 분석하여 상기 평가 항목 별로 입지 적합도 점수를 산정하고, 상기 평가 항목 별로 산정된 입지 적합도 점수를 취합하여 입지 적합도를 평가하는 점수 산정부;를 포함할 수 있다.

상기 다수의 평가 항목들은, 육상 생태계 영향 항목, 상수원 확보 항목, 지형 및 지반의 안정화 항목, 강설 영향 항목, 일조시간 확보 항목, 수송 인프라와 접근도 항목 및 자연보호구역 항목을 포함하고, 상기 점수 산정부는, 상기 데이터베이스에 저장된 토지피복도를 분석하여 상기 육상 생태계 영향 항목에 대한 점수를 산정하고, 상기 수체 분포도를 분석하여 상기 상수원 확보 항목에 대한 점수를 산정하고, 상기 지형도를 분석하여 상기 지형 및 지반의 안정화 항목에 대한 점수를 산정하고, 상기 적설 분포도를 분석하여 상기 강설 영향 항목에 대한 점수를 산정하고, 상기 일조량 분포도를 분석하여 상기 일조시간 확보 항목에 대한 점수를 산정하고, 상기 수송 인프라 분포도를 분석하여 상기 수송 인프라와 접근도 항목에 대한 점수를 산정하고, 상기 자연보호구역 지정도를 분석하여 상기 자연보호구역 항목에 대한 점수를 산정할 수 있다.

한편, 본 발명의 다른 실시 예에 따르면, 북극권 자원 개발을 위한 최적 위치 선정 시스템의 북극권 자원 개발을 위한 최적 위치 선정 방법은, (A) 북극권에 위치하는 개발대상지역의 공간 및 환경 정보(이하, '북극권 공간 및 환경 정보'라 한다)를 데이터베이스에 저장하는 단계; (B) 상기 데이터베이스에 저장된 북극권 공간 및 환경 정보를 분석하여 상기 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가하는 단계; 및 (C) 상기 (B) 단계의 입지 적합도 평가 결과를 GIS 플랫폼에 기반하여 지도와 함께 서비스 제공하는 단계;를 포함할 수 있다.

상기 (A) 단계에서 저장되는 북극권 공간 및 환경 정보는, 상기 개발대상지역의 토지피복도, 수체 분포도, 지형도, 적설 분포도, 일조량 분포도, 수송 인프라 분포도 및 자연보호구역 지정도를 포함하고, GIS(Geographic Information System) 기반으로 제공될 수 있다.

상기 (B) 단계는, (B1) 상기 입지 적합도를 평가하기 위한 다수의 평가 항목들과, 상기 다수의 평가 항목 별로 입지 적합도 평가에 사용할 북극권 공간 및 환경 정보가 매핑된 평가 매핑 테이블을 참고하여 상기 평가 항목 별로 해당하는 북극권 공간 및 환경 정보를 분석하여 상기 평가 항목 별로 입지 적합도 점수를 산정하는 단계; 및 (B2) 상기 (B1) 단계에서 평가 항목 별로 산정된 입지 적합도 점수를 취합하여 개발대상지역의 입지 별로 입지 적합도를 평가하는 단계;를 포함할 수 있다.

상기 (B1) 단계는, 상기 데이터베이스에 저장된 토지피복도를 분석하여 상기 육상 생태계 영향 항목에 대한 점수를 산정하고, 상기 수체 분포도를 분석하여 상기 상수원 확보 항목에 대한 점수를 산정하고, 상기 지형도를 분석하여 상기 지형 및 지반의 안정화 항목에 대한 점수를 산정하고, 상기 적설 분포도를 분석하여 상기 강설 영향 항목에 대한 점수를 산정하고, 상기 일조량 분포도를 분석하여 상기 일조시간 확보 항목에 대한 점수를 산정하고, 상기 수송 인프라 분포도를 분석하여 상기 수송 인프라와 접근도 항목에 대한 점수를 산정하고, 상기 자연보호구역 지정도를 분석하여 상기 자연보호구역 항목에 대한 점수를 산정할 수 있다.

본 발명에 따르면, 극한지는 대부분 원격지이고 지역적 특성상 접근이 어렵다는 특징을 고려하여, 북극권 플랜트 개발 사업에 국내기업의 진출을 지원하기 위한 공간정보 기반으로 인프라 정보를 체계적으로 분석 및 관리하여 입지 적합도를 산정함으로써 자원개발 의사 결정 정확도를 향상시킬 수 있다.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 시스템(100)을 도시한 도면,
도 2는 도 1에 도시된 입지 적합도 평가 모듈(140)을 도시한 블록도,
도 3은 개발대상지역에 대한 Landsat-8 위성 영상의 예시도,
도 4는 개발대상지역의 토지피복도의 예시도,
도 5는 개발대상지역의 path 41, row 21에서 획득된 Landsat-8 OLI true color 영상과 해당 영상에 대한 NDVI를 보여주는 도면,
도 6은 개발대상지역의 정규식생지수 기반 식생 분포 탐지도를 도시한 예시도,
도 7은 개발대상지역의 path 41, row 21에서 획득된 Landsat-8 OLI true color 영상과 해당 영상에 대한 NDWI를 도시한 예시도,
도 8은 개발대상지역의 정규수분지수 기반 수체 분포 탐지도의 예시도,
도 9는 개발대상지역의 path 42, row 20에서 획득된 Landsat-8 OLI true color 영상과 해당 영상에 대한 NDSI를 보여주는 도면,
도 10은 개발대상지역의 정규수분지수 기반 수체 분포 탐지도의 예시도,
도 11은 Copernicus GLO-30 DSM으로부터 산출한 개발대상지역의 고도와 경사도를 보여주는 도면,
도 12는 도 3의 개발대상지역에서 흰색 사각형으로 표시한 오일샌드 채굴 작업 지역에 대한 PSInSAR 기반 지표변위를 나타내는 도면,
도 13은 개발대상지역에 대한 월평균 기온의 예시로 2020년 1월과 8월의 월평균 2m temperature를 보여주는 예시도,
도 14는 개발대상지역에서 산출된 기온의 표준편차를 보여주는 도면,
도 15는 개발대상지역에 대한 월평균 지표온도의 예시도,
도 16은 개발대상지역에 대한 월평균 지중온도의 예시도,
도 17은 개발대상지역에 대한 월평균 Surface solar radiation downwards의 예시도,
도 18은 개발대상지역의 토지피복 유형에 따른 입지 적합도 점수가 오버랩된 결과를 보여주는 도면,
도 19는 개발대상지역에 대한 도로 버퍼 분석에 따른 입지 적합도 점수를 부여한 결과를 보여주는 도면,
도 20은 개발대상지역에 대해 수행된 입지 적합도 점수 산정 결과를 도시한 도면,
도 21은 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 방법을 도시한 흐름도, 그리고,
도 22는 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 방법을 실행하는 컴퓨팅 시스템을 보여주는 블록도이다.

이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록, 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.

본 명세서에서 어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.

또한 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

또한, 본 명세서에 기재된 '…부', '모듈', '시스템' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, '일', '하나' 및 '그' 등의 관사는 본 발명을 기술하는 문맥에 있어서 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

아래의 특정 실시 예들을 기술하는 데 있어서, 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용이 없어도 사용될 수 있다는 것을 인지할 수 있다.

어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.

이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다.

도 1 및 도 2에 도시된 최적 위치 선정 시스템(100)의 각각의 구성은 기능 및/또는 논리적으로도 분리될 수 있음을 나타내는 것이며, 반드시 각각의 구성이 별도의 물리적 장치로 구분되거나 별도의 코드로 작성됨을 의미하는 것은 아님을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.

도 1은 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 시스템(100)을 도시한 도면이고, 도 2는 도 1에 도시된 입지 적합도 평가 모듈(140)을 도시한 블록도이다.

도 1을 참조하면, 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 시스템(100)은 정보 입력 모듈(110), 데이터베이스(DB, 120), 정보 전처리 모듈(130), 입지 적합도 평가 모듈(140) 및 서비스 제공 모듈(150)을 포함할 수 있다. DB(120), 정보 전처리 모듈(130), 입지 적합도 평가 모듈(140) 및 서비스 제공 모듈(150)은 GIS(Geographic Information System) 자료를 활용한 GIS 공간정보 플랫폼으로 구현될 수도 있다.

정보 입력 모듈(110)은 북극권에 위치하는 개발대상지역의 공간 및 환경 정보(이하, '북극권 공간 및 환경 정보'라 한다)를 사용자로부터 입력받을 수 있다. 정보 입력 모듈(110)은 USB(Universal Serial Bus) 메모리와 같은 착탈형 저장매체(미도시), 웹데이터베이스(미도시), 웹사이트(미도시) 등 외부 저장 매체에 저장된 북극권 공간 및 환경 정보를 로딩하여 DB(120)로 전달할 수도 있다.

북극권 공간 및 환경 정보는 북극권 또는 극한지에서 에너지 자원 개발을 위한 개발대상지역의 지반 특성, 기후 특성, 지역 특성을 제공할 수 있다. 북극권 공간 및 환경 정보는 GIS 기반의 지도 형태로 제공되거나, 개발대상지역의 GIS 자료(지도)에 오버랩되어 표시될 수 있다.

DB(120)는 정보 입력 모듈(110)로부터 전달되는 북극권 공간 및 환경 정보 또는 정보 전처리 모듈(130)에서 전처리 또는 분석된 북극권 공간 및 환경 정보를 저장할 수 있다.

[표 1]은 DB(120)에 저장되는 북극권 공간 및 환경 정보의 예를 보여준다.

공간 및/또는 환경 정보	내용	인공위성 원격탐사 활용성	대체 자료 활용성 (기상모델 활용성)
토지피복	토지피복 (분류)도	○
지질	지질도	△
수체	하천/호수 탐지도수체분포도	○
식생	식생 분포도	○
지형	지형도(고도, 경사, 향)	○
적설	적설 분포도	○
영구동토층	영구동토층 분포도	△
토양	토양도	△
지반 거동	지표 변위도	○
지표온도	지표온도	△	○
지중온도	지중온도	X	○
기온	기온 분포도	X	○
일조량	일조량 분포도	X	○
강수량	강수량(적설량)	X	○
재해 위험	지진 및 화산 위험도	○
수송 인프라	수송 인프라 분포도 (도로, 철도, 항구 등)	△
자연보호구역	자연보호구역 지정도(국립공원, 도립공원)	△
인구밀도	인구밀도	X

[표 1]을 참조하면, 북극권 자원개발 위치 선정을 위해 고려될 수 있는 북극권 공간 및 환경 정보 중 토지피복도, 수체 분포도, 식생 분포도, 지형도, 적설 분포도, 지반 거동, 재해 위험에 관한 공간정보는 인공위성 원격탐사를 통해 구축이 가능하다.

지질 정보는 지표에 드러난 암반의 경우에만 인공위성 원격탐사로 탐지가 가능하며, 지중의 지질 정보는 인공위성 원격탐사로 분석할 수 없다.

영구동토층과 토양, 지표온도, 수송 인프라 및 자연보호구역에 관련된 공간정보의 경우 현장조사가 병행되는 경우 구축이 가능할 것으로 판단된다.

지표온도는 열적외선 원격탐사 자료로부터 산출될 수 있으나, 물을 제외한 지표 구성물질은 물질 고유의 복사에너지 외에 태양복사에너지를 반사하기 때문에 정확한 온도 산출이 어렵다.

나머지 기후에 관련된 공간정보는 인공위성 원격탐사로 구축이 어려우나 재분석 자료(reanalysis data) 등의 기상모델을 대체 자료로 활용하여 구축 가능하다.

정보 전처리 모듈(130)은 DB(120)에 저장된 북극권 공간 및 환경 정보를 자원개발 위치 선정을 위해 입지 적합도 평가 모듈(140)에서 고려될 수 있는 형태로 선택적으로 전처리하거나 분석하고, 전처리 또는 분석된 북극권 공간 및 환경 정보를 DB(120)에 저장할 수 있다.

이하에서는 도 3 내지 도 17을 참조하여 북극권 공간 및 환경 정보를 전처리하거나 또는 분석하는 동작에 대해 설명한다.

본 발명의 실시 예에서는 극한지 자원개발 플랜트 건설 최적 위치 선정을 위해 활용 가능한 광역탐사 공간정보의 조사와 구축을 수행한다.

도 3은 개발대상지역에 대한 Landsat-8 위성 영상의 예시도이다.

도 3을 참조하면, 빨간색 점은 오일샌드 매장 위치, 흰색 사각형으로 표시한 영역은 오일샌드의 채굴이 진행 중인 영역으로, 정보 전처리 모듈(130)은 해당 영역에 대해 위성 기반 지표 거동 공간정보 산출을 수행할 수 있다.

1. 토지피복도

토지피복은 자원개발 플랜트 건설 부지평가를 위해 필수적으로 고려되어야 하는 사항이다. 인공위성 광학 원격탐사 자료는 지표면에서 반사되는 에너지를 복사속(radiative flux)으로 측정하여 제공된다. 지표를 구성하고 있는 물질들은 고유한 분광 반사 특성을 나타내므로 광학 원격탐사를 통해 취득된 분광 반사도 영상의 분류를 통해 토지피복의 특성별 구분이 가능하다.

토지피복은 시간에 따라 변화할 수 있으므로 다중시기 광학 원격탐사 자료를 활용하여 토지피복의 변화 여부를 분석할 필요가 있다. 특히 극한지에서는 동토층의 융해 등으로 인한 기후적 변화로 인해 토지피복의 변화가 크게 발생할 수 있다. 토지피복 변화를 객관적으로 평가하기 위해서는 동일한 센서에서 관측된 영상자료를 동일한 방법론으로 분류하고 결과를 검증하여야 한다. 일반적으로 영상분류를 통해 토지피복도를 작성할 때, 분류 결과의 검증은 현장조사를 통해 구축된 토지피복 정보 또는 기구축된 토지피복도를 참조자료(reference data)로 활용하는 경우가 많다. 이는 토지피복의 시계열 변화 분석에 있어 문제점을 야기할 수 있는데, 예를 들어 2020년의 영상분류 결과를 2010년에 구축된 참조자료를 통해 검증할 경우 결과의 신뢰도를 확보하기 어렵게 된다.

Copernicus Climate Change Service(C3S)에서는 2016년부터 광학센서를 탑재한 인공위성인 PROBA-V와 Sentinel-3의 관측자료를 활용하여 전 세계의 토지피복도를 매년 작성하고 있다(ESA, 2017). 위성 영상들은 기하보정(geometric correction)과 방사보정(radiometric correction) 수행을 거쳐 top-of-atmosphere 반사율을 가지도록 처리된다. 그리고 대기보정(atmospheric correction)과 양방향 반사 분포 보정(bidirectional reflectance distribution function correction)이 수행된 후 각각의 영상들은 공간적으로 합성된다. 동일한 지역에 대해 다수의 영상들을 사용함으로써 구름 및 구름에 의한 그림자 영향을 제거할 수 있다. 영상이 가지고 있는 지표 관측 정보인 반사율은 현장에 관측된 반사율과 비교를 통해 검증 및 보정된다. 이를 통해 검보정이 완료된 영상의 분광 반사율이 영상분류를 위한 입력자료로 활용되게 된다. 영상은 감독분류(Maximum Likelyhood)와 무감독분류(Iterative Self-Organizing Data Analysis Technique, ISODATA)의 복합 적용을 통해 분류가 수행되며, 확률론적 결정 기법에 의하여 최종적으로 토지피복의 종류가 결정된다. C3S에서 제공하는 토지피복도는 300m의 공간해상도를 가지며 토지피복을 22개의 클래스(class)로 구분되며 클래스별로 상이한 색상이 부여된다. 300m급 공간해상도는 극한지 토지피복의 광역적 분석에 충분히 사용될 수 있는 수준이다.

토지피복 분류 결과는 매년 획득된 고해상도 위성영상, 기구축된 시계열 토지피복도, 산림의 분포 및 활력도를 지시하는 정규식생지수, 그리고 C3S가 자체적으로 보유한 검증 데이터베이스를 통해 수행된다. 토지피복 분류에 대한 전체 정확도(overall accuracy)는 매년 70%~80% 수준으로 보고되고 있다.

정보 전처리 모듈(130)은 개발대상지역에 대한 토지피복 항목별 변화를 파악하기 위해 분류된 22개의 클래스를 유사한 항목끼리 취합하여 [표 2]와 같이 8개의 클래스로 재정의하고, 따라서, DB(120)에 저장된 토지피복도를 [표 2]를 참조하여 8개의 토지피복 구성 항목으로 재분류할 수 있다.

New class(토지피복 구성 항목)	Legend used in original class(22개의 클래스)
Agriculture	Rainfed cropland Irrigated cropland Mosaic cropland (>50%) / natural vegetation (tree, shrub, herbaceous cover) (<50%) Mosaic natural vegetation (tree, shrub, herbaceous cover) (>50%) / cropland (< 50%)
Forest	Tree cover, broadleaved, evergreen, closed to open (>15%) Tree cover, broadleaved, deciduous, closed to open (> 15%) Tree cover, needleleaved, evergreen, closed to open (> 15%) Tree cover, needleleaved, deciduous, closed to open (> 15%) Tree cover,mixed leaf type (broadleaved and needleleaved) Mosaic tree and shrub (>50%) / herbaceous cover (< 50%) Tree cover, flooded, fresh or brackish water Tree cover, flooded, saline water
Grassland	Mosaic herbaceous cover (>50%) / tree and shrub (<50%) Grassland
Wetland	Shrub or herbaceous cover, flooded, fresh-saline or brackish water
Settlement	Urban
Water	Water bodies
Permanent snow and Ice	Permanent snow and ice
Other	Shrubland Lichens andmosses Sparse vegetation (tree, shrub, herbaceous cover) Bare areas

2. 식생 분포

토지피복도에서 산림과 초지를 포함하는 식생 분포지역은 극한지 자원개발 플랜트 건설에 있어 높은 우선순위로 고려되어야 한다. C3S의 토지피복도는 다양한 종류의 식생을 구분하고 있으나, 식생의 종에 따른 영상분류 정확도는 높지 않다. C3S의 토지피복 분류 정확도가 70~80% 수준인데, 자원개발 최적 위치 선정을 위해 높은 우선순위로 고려되어야 하는 식생 분포의 공간정보는 이보다 높은 정확도로 구축될 필요가 있다.

따라서, 정보 전처리 모듈(130)은 다중시기 Landsat-8 OLI(Operational Land Imager) 영상을 이용하여 개발대상지역에 대한 식생 분포를 탐지하여 공간정보를 구축할 수 있다.

[표 3]은 Landsat-8 OLI/TIRS 밴드 특성을 보여준다.

Band	Wavelength (μm)	Spatial resolution
Band 1 (Costal/Aerosol)	0.435 - 0.451	30m
Band 2 (Blue)	0.452 - 0.512	30m
Band 3 (Green)	0.533 - 0.590	30m
Band 4 (Red)	0.636 - 0.673	30m
Band 5 (NIR)	0.851 - 0.879	30m
Band 6 (SWIR-1)	1.566 - 1.651	30m
Band 7 (SWIR-2)	2.107 - 2.294	30m
Band 8 (Pancromatic)	0.503 - 0.676	15m
Band 9 (Cirrus)	1.363 - 1.384	30m
Band 10 (TIR-1)	10.60 - 11.19	100m
Band 11 (TIR-2)	11.50 - 12.51	100m

[표 3]을 참조하면, Landsat-8 위성의 OLI 센서는 0.435㎛부터 2.294㎛ 사이의 파장에서 총 8개의 다중분광 대역에 대해 30m 공간해상도의 영상을 취득한다. 그리고 0.503~0.676㎛의 파장대역을 통해 15m 공간해상도의 전정색 영상을 취득한다. Landsat-8 위성은 OLI 외에 열적외선 센서(TIRS: Thermal Infrared Sensor)도 탑재하고 있으며, 10.6~11.2㎛ 및 11.5~12.5㎛ 파장대역에서 100m 공간해상도로 관측된 열복사 에너지를 30m 격자로 재배열(resampling)하여 제공하고 있다. Landsat-8은 약 185 km2 영역에 대해 16일에 한 번씩 다중분광 영상을 촬영하고 있어 극한지의 광역 공간정보 구축에 유용하게 사용될 수 있다. 그러나 구름이 낀 날씨에서는 지표관측이 불가능하며, 흑야가 지속되는 시기에서는 적외선 파장대역 외에는 유의미한 정보를 취득하기 어려운 단점이 있다. 본 발명의 실시 예에서는 다중분광 영상에서 산출될 수 있는 정규식생지수(NDVI: Normalized Difference Vegetation Index)를 통해 개발대상지역의 식생 분포를 탐지할 수 있다.

예를 들어, 기상 변화가 잦고 구름 낀 날이 많은 개발대상지역에 대한 공간정보 구축을 위해서, 정보 전처리 모듈(130)은 다중시기에 다중 궤도에서 획득된 Landsat-8 OLI 영상을 융합하여 사용할 수 있다. 개발대상지역에 대해 N년동안 여름철에 동일한 지점을 기준으로 획득된 Landsat-8 OLI 영상 중 cloud cover가 20% 이하인 영상을 미국지질조사소(United States Geological Survey, USGS)의 EarthExplorer 사이트(https://earthexplorer.usgs.gov/)를 통해 수집할 수 있다. 수집된 모든 영상은 Level 1 자료로 WGS84/UTM12 좌표계에 대해 사전에 기하보정이 수행되어 배포된 것이다.

정보 전처리 모듈(130)은 구축된 각각의 영상에 대해 [수학식 1]을 이용하여 밴드별 top-of-atmosphere 반사율(

)을 산출할 수 있다.

[수학식 1]에서

는 solar angle이 보정되지 않은 TOA 반사율,

는 local solar zenith angle(태양 천정각),

는 local sun elevation angle(태양 고도각)을 의미한다.

는 [수학식 2]와 같이 계산된다.

[수학식 2]에서

는 밴드별multiplicative rescaling factor,

은 calibration constant,

는 밴드별 additive rescaling factor를 나타낸다.

[수학식 1]과 [수학식 2]에 사용되는

,

,

,

,

는 모두 Landsat-8 영상의 메타데이터에서 확인 가능하다.

정보 전처리 모듈(130)은 가시광선의 적색 영역 파장대의 반사율과 근적외선 파장대역의 반사율을 통해 [수학식 3]을 이용하여 NDVI를 산출할 수 있다(Rouse et al., 1974).

[수학식 3]에서

과

는 각각 근적외선과 적색 영역의 반사율을 의미한다. 식생은 적색 영역의 전자기 에너지를 흡수하며, 근적외선 영역의 에너지의 상당 부분을 반사하는 특징을 가진다. 따라서 NDVI는 식생에서 보통 0.1 이상의 값을 나타내며, 수체에서는 음의 값, 그 외의 지표 구성물질에 대해서는 0에 가까운 값을 나타낸다.

도 5는 개발대상지역의 path 41, row 21에서 획득된 Landsat-8 OLI true color 영상과 해당 영상에 대한 NDVI를 보여주는 도면이다.

정보 전처리 모듈(130)에서 계산한 NDVI는 top-of-atmosphere 반사율에 기반하기 때문에 영상이 관측된 시기의 대기 특성에 따라 동일한 생물량의 식생에서 서로 다른 값을 가질 수 있다. 이에 본 발명의 실시 예에서는 각각의 영상에 대하여 RGB true color 영상과 NDVI를 육안으로 비교하여 식생 분포지역을 지시할 수 있는 NDVI의 최소값을 결정할 수 있다. 정보 전처리 모듈(130)은 NDVI의 최소값을 이용하여 개별 영상에서 식생 분포를 탐지한 후, 모든 영상을 공간적으로 취합하여 개발대상지역에 대한 식생 분포도를 도 6과 같이 작성할 수 있다.

도 6은 개발대상지역의 정규식생지수 기반 식생 분포 탐지도를 도시한 예시도이다.

도 6에서 초록색으로 표현된 부분은 식생이 분포하는 곳이며, 그 외의 부분은 도 3의 개발대상지역 영상으로 표현한다. 도 6의 경우 개발대상지역의 대부분은 식생 분포지역을 포함하며, 전체 개발대상지역에 대한 식생 분포의 비율은 91.2%로 토지피복도 분석 결과와 매우 유사하다.

3. 수체 분포

자원개발 플랜트 대상 지역에 분포하는 수체는 크게 두 가지 측면에서 중요성을 가진다. 먼저 자원개발 시설 운용에 필수적인 수자원 확보가 가능해야 한다는 점에서 하천 및 호수와 같은 담수가 존재해야 한다. 반면에 자원개발 과정에서 발생하는 오염물질은 수체의 수질을 악화시키며 수생태 환경에 부정적인 영향을 미치게 되므로 자원개발 시설은 수계와 너무 근접하지 않은 위치에 건설될 필요가 있다.

본 발명의 실시 예에서 정보 전처리 모듈(130)은 Landsat-8 OLI 다중분광 영상을 사용하여 개발대상지역에 대한 수체의 분포를 탐지할 수 있다. 정보 전처리 모듈(130)은 식생 분포도 작성에 사용된 것과 동일한 Landsat-8 영상을 사용하며, 각각의 영상으로부터 top-of-atmosphere 반사율을 산출한다. 정보 전처리 모듈(130)은 [수학식 4]에 의해 산출되는 정규수분지수(Normalized Difference Water Index, NDWI)를 통해 수체를 탐지할 수 있다.

[수학식 4]에서

과

는 각각 근적외선과 단파장 적외선 영역의 반사율을 의미한다. 수체는 근적외선과 단파장 적외선 파장대역에서 서로 다른 흡수율을 보인다. NDWI는 수체에서 0.5 이상의 매우 높은 값을 나타내며, 수체가 아닌 물질에서는 0 이하의 값을 나타낸다.

도 7은 개발대상지역의 path 41, row 21에서 획득된 Landsat-8 OLI true color 영상과 해당 영상에 대한 NDWI를 도시한 예시도이다.

도 7에 도시된 NDWI의 계산은 NDVI와 마찬가지로 top-of-atmosphere 반사율에 기반하기 때문에 영상이 관측된 시기의 대기 특성에 따라 동일한 수체에서 서로 다른 값을 가질 수 있다. 따라서, 각각의 영상에 대하여 RGB true color 영상과 NDWI를 육안으로 비교하여 수체를 지시할 수 있는 NDWI의 최소값이 결정되면, 정보 전처리 모듈(130)은 입력되는 NDWI의 최소값을 이용하여 개별 영상에서 수체를 탐지한 후 모든 영상을 모자이크하여 개발대상지역에 대한 수체 분포도를 도 8과 같이 표시되도록 작성할 수 있다.

도 8은 개발대상지역의 정규수분지수 기반 수체 분포 탐지도의 예시도이다.

도 8을 참조하면, 청색으로 표현된 부분이 수체이며, 그 외의 부분은 도 3의 개발대상지역 영상으로 표현한다. 수체 분포도에서 전체 개발대상지역에 대한 수체 면적의 비율은 5.6%로 C3S의 토지피복도에서보다 약 2.5% 높게 나타났다. 이는 토지피복도(300m 공간해상도)보다 높은 공간해상도(30m)로 수체를 탐지하였고, 이로 인해 토지피복도에서 탐지되지 않은 소규모 수체까지 탐지가 되었기 때문으로 해석할 수 있다.

4. 적설 분포

극한지는 지역적 특성상 겨울철에 많은 양의 눈이 내릴 수 있으며, 지표면의 대부분이 눈으로 덮일 것으로 예상된다. 따라서 적설의 공간적 분포는 극한지 자원개발 플랜트 건설에 있어 중요하게 고려되어야 한다. 적설의 분포는 지표의 피복과 관련성이 높은데, 피복의 특성과 적설량에 따라 눈이 장시간 쌓여 있을 수도 있고 반대의 경우도 있기 때문이다.

눈은 가시광선 파장 대역에서 높은 반사율을 보이는 반면 단파장 적외선 영역에서는 낮은 반사율을 보인다. 따라서 다중분광 영상 자료로부터 두 파장 대역의 반사율 차이를 이용하여 적설의 탐지가 가능하다. 정보 전처리 모듈(130)은 다년간 겨울철에 획득된 Landsat-8 OLI 다중분광 영상을 사용하여 개발대상지역에 대한 적설 분포지역을 탐지한다. 정보 전처리 모듈(130)은 각각의 영상으로부터 top-of-atmosphere 반사율을 산출할 수 있다. 적설 분포지역은 [수학식 5]에 의해 산출되는 정규적설지수(Normalized Difference Snow Index, NDSI)를 통해 탐지될 수 있다.

[수학식 5]에서

과

는 각각 가시광선의 녹색 영역과 단파장 적외선 영역의 반사율을 의미한다. NDSI는 눈에서 1에 가까운 매우 높은 값을 나타내며, 그 외의 지역에서는 0 이하의 값을 나타낸다.

도 9는 개발대상지역의 path 42, row 20에서 획득된 Landsat-8 OLI true color 영상과 해당 영상에 대한 NDSI를 보여주는 도면이다.

NDSI가 계산된 각각의 영상에 대하여 RGB true color 영상과 NDSI를 육안으로 비교하여 적설 지역을 지시할 수 있는 NDSI의 최소값이 결정되면, 정보 전처리 모듈(130)은 입력되는 NDSI의 최소값을 이용하여 적설 분포지역을 탐지할 수 있다. 정보 전처리 모듈(130)은 개별 영상에서 적설 분포를 탐지한 후 모자이크처리하여 개발대상지역에 대한 적설 분포도를 도 10과 같이 표시되도록 작성할 수 있다.

도 10은 개발대상지역의 정규수분지수 기반 수체 분포 탐지도의 예시도이다.

도 10에서 노란색으로 표현된 부분이 적설 분포지역이며, 그 외의 부분은 도 3의 개발대상지역 영상으로 표현한다. 전체 개발대상지역에 대한 적설 분포지역 면적의 비율은 60.1%로 나타났다.

5. 지형 특성

자원개발 플랜트 최적 위치 선정을 위해서는 입지 후보 지역의 지형적인 특성, 즉 고도와 경사에 대한 광역탐사 정보 구축 및 사전 분석이 필요하다. 지형정보는 라이다 관측, 고해상도 광학영상의 스테레오(stereo) 관측, 인공위성 레이더 간섭기법 등을 통해 구축할 수 있다. 라이다 및 고해상도 광학영상을 이용하는 경우에는 시간과 비용에 대한 소비가 크게 발생할 수 있다. 반면 인공위성 영상레이더(synthetic aperture radar, SAR) 영상에 레이더 간섭기법(Interferometric SAR, InSAR)를 적용하면 저비용으로 높은 정밀도의 지형정보 구축이 가능한 장점이 있다.

최근 유럽우주국(European Space Agency, ESA)은 독일의 고해상도 영상레이더 위성인 TanDEM-X의 InSAR 관측으로부터 제작된 전 지구 수치고도모델(Digital Elevation Model, DEM)의 정확도를 개선하고 오류를 검보정하여 Copernicus GLO-30 Digital Surface Model(DSM)을 제작, 무료 배포하고 있다.

Copernicus GLO-30 DSM은 전 지구에 대해 30m 공간해상도의 지형고도 정보를 제공한다. Copernicus GLO-30 DSM의 절대고도 정확도(absolute vertical accuracy)는 4m 이내로 매우 정확하며, 경사도가 20% 이내인 지역에서는 2m 이내의 정확도를 가진다. 극지역에 대해서도 매우 높은 정확도의 고도 정보를 제공하기 때문에 Copernicus GLO-30 DSM은 극한지 자원개발 대상 지역의 3차원 지형정보를 파악하는데 매우 유용하게 활용될 수 있다.

정보 전처리 모듈(130)은 ESA의 위성 기반 지구관측 공간정보 데이터 제공 플랫폼인 PANDA(https://panda.copernicus.eu/)를 통해 개발대상지역에 대한 Copernicus GLO-30 DSM을 수집할 수 있다. PANDA에서 DSM은 위도 1도 및 경도 1도 간격으로 분할되어 geotiff 형식으로 제공되고 있다.

도 11은 Copernicus GLO-30 DSM으로부터 산출한 개발대상지역의 고도와 경사도를 보여주는 도면이다.

도 11을 참조하면, 개발대상지역의 고도는 200m에서 950m까지 나타나며, 경사도는 수계 근처를 제외하면 대부분 10도 이내로 평탄한 것을 알 수 있다. 수계와 인접한 부분에서 경사도가 20도 내외로 다소 높게 나타나는데 이는 고도정보의 공간해상도가 매우 높아 고도의 공간적 변화에 민감하기 때문으로 해석될 수 있다.

6. 지표변위

극한지에서의 건설 시공에 가장 큰 영향을 미치는 요인 중 하나는 동토층의 동결 및 용해에 따른 지반의 거동이다. 지구온난화가 가속화되면서 극한지 영구동토층이 녹는 속도도 빨라지고 있으며, 영구동토층이 계절적 동토층으로 변화하여 지반의 거동이 증가하고 있다. 지반의 거동은 지표변위 관측을 통해 분석될 수 있다.

인공위성 영상레이더 위상차분 간섭기법(Differential Interferometric SAR, DInSAR)은 동일한 개발대상지역에 대해 서로 다른 시기에 2장 이상의 SAR 영상에 InSAR를 적용하여 위상(phase)의 변화를 관측하고, 위상의 변화에 포함된 지형고도 및 지표변위에 의한 성분 중 지형고도에 의한 위상을 제거함으로써 지표변위를 산출하는 방법이다. DInSAR 기법은 넓은 범위의 지표변위를 관측하는데 효과적이며, 동토층의 시계열 변위 분석에도 널리 활용되고 있다.

DInSAR 기법 적용을 통해 산출된 위상 변화 성분에는 지표변위 외에 지형고도에 의한 위상 성분 제거 과정에서 발생하는 오차, SAR 영상 취득 당시 대기상태에 따른 위상 성분, 그리고 InSAR에 사용된 SAR 영상 취득의 시공간적 기선거리(baseline)에 의한 decorrelation 등의 오차 관련 성분들이 포함될 수 있다. 이러한 오차 성분을 최소화하고, 지표변위의 변화를 관측하기 위한 시계열 InSAR 처리 기법이 개발되어 왔다. 대표적인 시계열 지표변위 산출 기법인 Permanent Scatterer Interferometric SAR(PSInSAR) 기법은 N+1개의 SAR 영상 중 기준이 되는 주영상(master)을 정하고, 나머지를 전부 부영상(slave)로 놓고 DInSAR를 적용하여 N개의 차분간섭도(differential interferogram)을 생성한다. 그리고 개발대상지역에서 안정된 위상값을 제공하는 영구산란체(permanent scatterer)를 이용하여 차분간섭도에 잔여하는 기본 위상값과 오차 관련 위상 성분을 제거한다.

정보 전처리 모듈(130)은 PSInSAR 기법을 적용하여 개발대상지역에 대한 지표변위를 산출하기 위해 유럽우주국에서 운용하고 있는 Sentinel-1 위성으로부터 개발대상지역에 대해 다년간 획득된 다수의 SAR 영상을 수집할 수 있다.

[표 4]는 Sentinel-1 SAR 특성을 보여준다.

Parameter	Specification
Center frequency	C-band (5.4 GHz)
Polarization	Single, Dual (VV, VH, HV, HH)
Temporal resolution	12 days (6 days when using A/B constellation)
Imagingmode	Stripmap (SM) Interferometric Wide Swath (IW) Extra Wide Swath (EW) Wave (WV)
Spatial resolution	5 x 5m (SM) 5 x 20m (IW) 20 x 40m (EW) 5 x 20m (WV)
Swath	80 km (SM) 250 km (IW) 400 km (EW) 20 km (WV)

[표 4]에서 Sentinel-1은 Sentinel-1A, 1B의 두 위성이 군집을 형성하여 최소 6일, 최대 12일마다 동일한 지역을 관측하고 있다. 중심 주파수 5.4 GHz의 C-band SAR를 탑재하고 있으며, 200~400km 관측폭에 대해 고해상도의 지표 정보를 제공한다. 정보 전처리 모듈(130)에서 사용되는 Sentinel-1 SAR 영상은 모두 Interferometric Wide(IW) swath 모드에서 획득되며, 예를 들어, 230km 관측폭에서 20m급 공간해상도를 가질 수 있으나, 이는 일 예로 이에 한정되지 않는다.

도 12는 도 3의 개발대상지역에서 흰색 사각형으로 표시한 오일샌드 채굴 작업 지역에 대한 PSInSAR 기반 지표변위를 나타내는 도면이다.

도 12에서 적색 사각형으로 표시된 영역이 도 3의 흰색 사각형 영역이다. 개발대상지역의 북쪽에 위치한 오일샌드 지역에서는 지반의 거동이 연간 -11~20mm로 나타났으며, 남쪽에 위치한 지역에서는 -12~20mm의 지반 거동이 관측되었다. 상대적으로 큰 지반 거동은 오일샌드 채굴 작업장 부근에서 나타났다. 그리고 오일샌드 채굴 작업장과는 거리가 먼 도로에서도 연간 10mm 이상의 지반 거동이 관측되었는데, 이는 동토층의 active layer의 변화에 기인하는 것으로 해석될 수 있다.

본 발명에서 지표변위 정보 구축을 위해 적용한 PSInSAR 기법은 인공구조물과 같은 영구산란체에 대해서만 변위를 제공한다. 따라서 PSInSAR는 영구산란체가 분포하지 않는 곳에서 지표변위 산출이 어려운 단점이 있다. 동토층을 포함하는 극한지에서는 소수의 영구산란체가 분포할 수 있고, 이는 PSInSAR 기법을 통해 광역적인 지반 거동 분석이 어려울 수 있음을 지시한다. 따라서 PSInSAR 보다 넓은 영역에 대해 변위를 관측할 수 있는 방법이 적용될 필요가 있다.

도 12로부터 영구산란체에 대해서만 지반 거동 정보를 분석할 수 있으나 오일샌드 채굴 지역과 거리가 먼 도로 등지에서 큰 지표변위가 관측되었음을 볼 때, 정보 전처리 모듈(130)은 개발대상지역은 대부분 동토층의 계절 변화에 따라 상당한 지반 거동을 나타냄을 유추할 수 있다.

한편, 극한지의 기후 특성은 자원개발 플랜트 입지 선정에 필수적으로 고려되어야 하는 항목이다. 그러나 대부분의 기후 관련 공간정보는 인공위성 원격탐사 자료로부터 구축하기가 어렵다. 자동기상관측기구와 같이 현장 관측 기상정보를 획득할 수 있는 장비가 사용될 수 있으나, 극한지에 설치된 현장 관측 장비의 수는 매우 적어 광역적인 기후 정보를 취득하기란 쉽지 않다. 이에 본 발명의 실시 예에서는 [표 1]을 참조하여 설명한 것처럼 기상모델을 이용한 극한지의 기상 관련 공간정보 구축 가능성과 자원개발 플랜트 입지 선정에의 활용도를 고려할 수 있다.

European Centre formedium-Range Weather Forecasts(ECMWF)에서 개발한 ERA5 재분석 모델로 전 지구에 대해 0.1°의 공간해상도로 1981년부터 현재까지의 다양한 기상 관련 정보를 제공한다. ERA5 재분석 자료는 수십 년 동안 물과 에너지 순환에 대해 일관성 있는 정보를 제공하고 있어 극한지 기후 특성의 변동성을 파악하는데 유용하게 활용될 수 있다. 사용된 ERA5 재분석 자료는 ERA5-Landmonthly averaged data이다.

7. 기온

개발대상지역의 기온 특성에 관한 공간정보 구축을 위해 ERA5 재분석 자료에서 산출된 다년간 월평균 2m temperature 필드를 사용할 수 있다.

도 13은 개발대상지역에 대한 월평균 기온의 예시로 2020년 1월과 8월의 월평균 2m temperature를 보여주는 예시도이다.

개발대상지역의 기온의 변동성은 플랜트 건설뿐만 아니라 채굴 작업에도 큰 영향을 미칠 수 있으므로 자원개발 플랜트 입지 선정을 위해서 시공간적인 변동성을 파악할 필요가 있다.

정보 전처리 모듈(130)은 기온의 변동성을 시공간적으로 살펴보기 위해 ERA5 재분석 자료의 각 그리드 별로 1년 동안 월평균 기온의 표준편차를 산출할 수 있다.

도 14는 개발대상지역에서 2020년에 산출된 기온의 표준편차를 보여주는 도면이다. 도 14를 참조하면, 북동쪽에서 기온의 변동성이 상대적으로 크고 남서쪽에서는 상대적으로 작음을 확인할 수 있다.

8. 지표온도 및 지중온도

지표온도와 지중온도는 동토층의 동결과 융해를 파악하는데 사용되는 대표적인 지시자이다. 지표온도는 종종 인공위성 광학 원격탐사 자료의 열적외선 관측자료로부터 추정되는데, 순수한 물을 제외한 지표 구성물질은 열적외선 영역에서 1보다 작은 방사율을 가지기 때문에 위성을 통해 정확한 온도를 산출할 수 없다. 지중온도는 지표 하부의 온도이므로 위성을 통해 관측하기 어렵다.

따라서, 정보 전처리 모듈(130)은 ERA5 재분석 모델에서 제공되는 Skin temperature와 Soil temperature(28~100cm) 필드를 이용하여 개발대상지역의 지표온도와 지중온도 광역 공간정보를 산출할 수 있다.

도 15는 개발대상지역에 대한 월평균 지표온도의 예시도이고, 도 16은 개발대상지역에 대한 월평균 지중온도의 예시도이다.

도 15와 도 16을 참조하면, 2020년 1월과 8월의 지표온도와 지중온도는 공간적으로 서로 다른 값의 변화 패턴을 보이는 것을 확인할 수 있다. 개발대상지역 전체 영역에 대한 2016년부터 2020년까지 월평균 지표온도와 지중온도는 [표 5] 및 [표 6]과 같다.

개발대상지역의 지표온도는 기온과 유사하게 12~2월에 최저를 보이며, 최고 지표온도는 7월에 나타난다. 최근 5년간 지표온도의 연간 변동량은 최대 35°C 이상으로 분석되었다. 지중온도의 최저, 최고값이 나타나는 시기는 지표온도와 다소 차이가 있었다. 최저 지중온도는 3~4월에 나타났으며, 이는 최저 지표온도보다 1~2개월 늦다. 최고 지중온도가 나타나는 시기는 8월로 지표온도의 최고값이 나타나는 7월보다 1개월 늦는 것을 확인할 수 있다. 이는 지표의 열에너지가 지중으로 전달되는 물리적 현상에 기인하는 것으로 해석할 수 있다.

Year Month	2016	2017	2018	2019	2020
1	-14.39	-13.91	-17.28	-17.68	-16.53
2	-11.57	-12.61	-17.32	-22.59	-12.84
3	-4.54	-9.88	-8.18	-5.05	-11.01
4	1.99	0.60	-1.74	1.86	-2.54
5	12.19	10.31	12.67	8.71	7.95
6	16.04	14.91	15.27	14.41	13.92
7	17.83	18.33	17.03	16.52	16.70
8	15.90	17.25	16.00	13.60	15.73
9	10.49	11.51	3.97	9.71	9.19
10	-0.12	1.65	-0.42	0.40	-1.68
11	-2.30	-13.06	-9.03	-8.53	-9.87
12	-18.11	-14.73	-12.80	-15.65	-12.19

Year Month	2016	2017	2018	2019	2020
1	-0.12	-0.31	-0.29	-0.59	-0.48
2	-0.52	-0.72	-0.54	-0.88	-0.73
3	-0.70	-1.13	-0.70	-1.04	-0.90
4	-0.75	-1.02	-0.86	-0.93	-1.06
5	1.53	0.15	0.69	0.08	-0.54
6	8.17	6.48	7.13	6.09	4.16
7	12.76	11.70	11.93	10.60	10.16
8	13.90	13.71	13.78	11.71	12.89
9	11.19	12.11	8.33	10.31	9.64
10	5.68	6.80	3.13	5.27	5.92
11	2.66	1.33	0.99	1.06	1.44
12	0.39	0.00	-0.28	-0.02	0.66

도 13, 도 14, [표 5] 및 [표 6]을 참조하면, 지표 및 지중온도의 시공간적 변화가 매우 크다는 것을 알 수 있으며, 자원개발 플랜트 입지 선정을 위해서 시공간적인 변동성을 파악할 필요가 있다. 따라서, 정보 전처리 모듈(130)은 지표온도와 지중온도의 시공간적 변동성을 살펴보기 위해 기온 분석에서 사용한 방법과 동일하게 ERA5 재분석 자료의 각 그리드 별로 1년 동안 월평균 기온의 표준편차를 산출할 수 있다. 보다 자세히는, 정보 전처리 모듈(130)은 월평균 지표온도의 표준편차와 지중온도의 표준편차를 산출하고, 산출된 결과로부터 연간 변동 폭과 기온의 변화와 유사한지를 판단할 수 있다.

도 15는 개발대상지역의 2020년 지표 및 지중온도의 표준편차를 보여주는 도면이다.

도 15를 참조하면, 지표온도의 연간 변동 폭은 기온과 유사하게 개발대상지역의 북동쪽에서 상대적으로 크게 나타났다. 개발대상지역 전체에 걸쳐 지표온도의 연평균 대비 편차는 10°C 이상으로 분석되었다. 반면 지중온도의 연평균 대비 편차는 6°C 이내로 지표온도에 비해 그 크기는 작았다. 그러나 연간 최저 및 최고 온도를 고려할 때 지중온도의 시간적 변화는 매우 크다고 할 수 있다.

9. 강수량 및 강설량

극한지의 비와 눈은 자원개발 플랜트 입지 선정에 있어 중요하게 고려되어야 하는 기상요소이다. 강수량과 강설량은 인공위성에서 측정하기 어렵고, 기상모델의 활용을 통해 광역적인 정보 구축이 가능한 지표이다. ERA5 재분석 모델은 강수량 및 강설량을 통합하여 Total precipitation(총 강수량, 강수량과 강설량의 합) 필드로 제공하고 있다.

도 16은 개발대상지역에 대한 월평균 총 강수량을 보여주는 예시도이다.

도 16을 참조하면, 개발대상지역의 총 강수량이 겨울철에 더 적은 것을 알 수 있다. 이는 강설량이 물당량(water equivalent)으로 변환되어 표현되었기 때문이다. 겨울철의 강수량 1mm 내외는 수 cm의 적설 두께에 상응한다.

10. 일조량

고위도 지역은 일조시간이 제한적이며, 이는 자원개발 플랜트 건설과 자원 채굴 작업에 상당한 영향을 미친다. 따라서 자원개발 플랜트 입지 선정을 위해 대상 지역의 일조량에 대한 광역정보 구축 및 분석이 요구된다. 일조량 또한 인공위성 원격탐사보다는 기상모델을 통해 정보를 구축, 분석하는 것이 효과적이다. ERA5 재분석 모델은 Surface solar radiation downwards 필드를 통해 일조량에 대한 정보를 간접적으로 제공하고 있다. Surface solar radiation downwards 필드는 지구 표면에 도달하는 태양 복사(단파 복사)의 양을 J/m2의 단위로 표현한다.

도 17은 개발대상지역에 대한 월평균 Surface solar radiation downwards의 예시도이다.

도 17을 참조하면, 극한지 특성상 개발대상지역은 여름철에 비해 겨울철에 훨씬 낮은 Surface solar radiation downwards를 보인다. 그리고 여름철과 겨울철 모두 위도가 높아질수록 Surface solar radiation downwards가 낮아지는 패턴을 보인다.

정보 전처리 모듈(130)은 도 3 내지 도 17을 참조하여 설명한 것처럼 북극권 공간 및 환경 정보 중 일부에 대해서는 입지 적합도 평가를 위해 전처리를 수행하거나, 분석하고, 전처리 또는 분석된 북극권 공간 및 환경 정보를 DB(120)에 저장되도록 처리할 수 있다.

다시 도 1 및 도 2를 참조하면, 입지 적합도 평가 모듈(140)은 DB(120)에 저장된 북극권 공간 및 환경 정보를 분석하여 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가할 수 있다.

정보 입력 모듈(110)이 입력받은 인공위성과 기상모델 기반의 광역 공간 및 환경 정보들은 극한지 자원개발 플랜트 입지 선정에 중요한 기초정보로 활용될 수 있다. 입지 적합도 평가 모듈(140)은 정보 전처리 모듈(130)에서 분석 또는 전처리된 공간정보들과 기구축되어 사용 가능한 GIS 자료를 활용하여 자원개발 플랫폼 건설을 위한 최적 위치 분석을 수행할 수 있다.

이를 위하여, 도 2에 도시된 것처럼 입지 적합도 평가 모듈(140)은 평가 매핑 테이블(142) 및 점수 산정부(144)를 포함할 수 있다.

평가 매핑 테이블(142)은 입지 적합도를 평가하기 위한 다수의 평가 항목들과, 다수의 평가 항목 별로 입지 적합도 평가에 사용할 북극권 공간 및 환경 정보의 식별정보가 매핑되어 있다.

[표 7]은 매핑 테이블을 보여준다.

평가 항목	평가 내용	북극권 공간 및 환경 정보
1. 육상 생태계 영향 항목	입지는 육상 생태계에의 영향을 최소화할 수 있는 곳이어야 한다.	토지피복도
2. 상수원 확보 항목	입지는 상수원 확보가 용이하여야 한다.	수체 분포도
3. 지형 및 지반의 안정화 항목	입지는 지형 및 지반이 안정적이어야 한다.	지형도, 지표온도 변동성, 지중온도 변동성
4. 혹한과 강설 영향 항목	입지는 혹한과 강설의 영향이 최소화된 곳이어야 한다.	적설 분포도, 기온 분포도
5. 일조시간 확보 항목	입지는 충분한 일조시간이 확보될 수 있는 곳이어야 한다.	일조량 분포도
6. 수송 인프라와 접근도 항목	입지는 기존 수송망과 인접할수록 유리하다.	수송 인프라 분포도
7. 자연보호구역 항목	입지는 자연보호구역(국립공원 등)이 아니어야 한다.	자연보호구역 지정도

[표 7]을 참조하면, 자원개발 플랫폼 건설의 입지 선정을 위해 고려해야 할 평가 항목은 7가지로 정의되어 있으며 항목 개수는 가감가능하다. 점수 산정부(144)는 [표 7]과 같은 평가 항목을 바탕으로 자원개발 플랫폼 적지 선정을 수행하기 위해 이전에 조사 및 구축된 광역 공간 및 환경정보를 입지 적합도 점수를 부여할 수 있다.

점수 산정부(144)는 평가 매핑 테이블(142)을 참고하여 평가 항목 별로 매핑된 북극권 공간 및 환경 정보를 확인하고, 확인된 북극권 공간 및 환경 정보를 분석하여 평가 항목 별로 입지 적합도 점수를 산정하고, 평가 항목 별로 산정된 입지 적합도 점수를 취합하여 개발대상지역 내의 입지 별로 입지 적합도를 평가할 수 있다.

점수 산정부(144)는 DB(120)에 저장된 토지피복도를 분석하여 육상 생태계 영향 항목(1)에 대한 점수를 산정하고, 수체 분포도를 분석하여 상수원 확보 항목(2)에 대한 점수를 산정하고, 지형도, 지표온도 변동성 및 지중온도 변동성을 분석하여 지형 및 지반의 안정화 항목(3)에 대한 점수를 산정할 수 있다. 또한, 점수 산정부(144)는 DB(120)에 저장된 적설 분포도(4)를 분석하여 강설 영향 항목(4)에 대한 점수를 산정하고, 일조량 분포도를 분석하여 일조시간 확보 항목(5)에 대한 점수를 산정하고, 수송 인프라 분포도를 분석하여 수송 인프라와 접근도 항목(6)에 대한 점수를 산정하고, 자연보호구역 지정도를 분석하여 자연보호구역 항목(7)에 대한 점수를 산정할 수 있다.

이하에서는 도 18 내지 도 19를 참조하여 점수 산정부(144)의 점수 산정 동작을 자세히 설명한다.

1. 육상 생태계 영향 항목 평가

아북극 지역에서의 자원개발은 아한대 산림의 훼손 등의 육상 생태계에 영향을 미칠 수 있다. 점수 산정부(144)는 자원개발 플랫폼 입지의 육상 생태계 영향도 평가를 위해 C3S 토지피복도를 활용할 수 있다. 점수 산정부(144)는 [표 2]에서 정의한 토지피복의 유형에 따라 입지 적합도 점수를 부여할 수 있다.

[표 8]은 토지피복의 클래스(유형)에 따른 점수를 보여준다.

Land cover defined in Table 3	Score
Water, Permanent snow and Ice	0
Forest, Wetland	1
Agriculture, Settlement	2
Grassland, Other	3

[표 8]을 참조하면, 점수 산정부(144)는 토지피복이 Water, Permanent snow and Ice인 경우 0점, Forest, Wetland인 경우 1점, Agriculture, Settlement인 경우 2점, Grassland, Other인 경우 3점을 부여할 수 있다. 이러한 점수 체계는 수체와 만년설, 빙하 지역에서 입지 적합도 점수를 부여하지 않으며, 산림 및 습지대에서는 낮은 점수를 부여하고 농경지 및 거주지(기존 개발지역)에서 중간 점수를 부여하도록 설정될 수 있다. 그리고 초지와 나지에서 가장 높은 점수를 부여하도록 설정될 수 있다. 도 18은 개발대상지역의 토지피복 유형에 따른 입지 적합도 점수가 오버랩된 결과를 보여주는 도면이다.

2. 상수원 확보 항목

극한지에서 자원개발 위치를 선정하기 위해서 상수원은 매우 중요한 요소 중 하나이다. 점수 산정부(144)는 자원개발 플랫폼 입지에 대한 하천 및 호수의 근접성을 평가하기 위해 Landsat-8 영상에서 정규수분지수를 바탕으로 분석된 수체 분포도에 공간분석기법 중 하나인 버퍼(buffer) 분석을 적용할 수 있다. 버퍼 분석은 특정 개체(선 또는 영역)로부터 일정 거리 내의 공간을 탐지하는 기법이다.

[표 9]는 수계와의 거리에 따른 점수를 보여준다.

Distance from water body (m)	Score
More than 1000	0
500-1000	1
200-500	2
0-200	3

[표 9]를 참조하면, 수계에 가까울수록 입지 적합도가 높다고 평가할 수 있기 때문에, 점수 산정부(144)는 하천 및 호수에서 200m 이내의 거리에 위치한 영역은 3점, 200-500m 거리에 위치한 영역은 2점, 500-1000m 거리에 위치한 영역은 1점의 입지 적합도 점수를 부여할 수 있다. 또한, 점수 산정부(144)는 수계에서 1 km 이상 떨어진 영역은 0점을 부여할 수 있다.

3. 지형 및 지반의 안정화 항목

자원개발 시설물의 입지에는 지형의 고도와 경사도가 고려되어야 한다.

점수 산정부(144)는 GLO-30 DSM으로부터 개발대상지역의 지형을 분석하여 고도와 경사도가 낮을수록 높은 입지 적합도 점수를 부여하고, 고도와 경사도가 높을수록 낮은 점수를 부여할 수 있다. [표 10]은 지형의 고도에 따른 점수를 보여주고, [표 11]은 지형의 경사도에 따른 점수를 보여준다.

Surface elevation (m)	Score
More than 800	0
500-800	1
300-500	2
0-300	3

Slope (deg.)	Score
More than 15	0
10-15	1
5-10	2
0-5	3

[표 10]을 참조하면, 점수 산정부(144)는 지형의 고도가 800미터 이상이면 입지 적합도 점수로서 0을 부여하고, 300미터 이하이면 3을 부여한다. 또한, 자원개발 플랫폼 입지는 지반이 안정적이어야 한다. 지반의 거동이 크게 발생하여 지반의 안정성이 낮다면 시설물의 건설과 운용에 어려움이 따른다. 정보 전처리 모듈(130)은 PSInSAR 기법을 이용하여 개발대상지역의 지표변위를 분석하는데, 계절적 동토층의 특성상 연간 수 cm의 변위가 관측되었다. 그러나 PSInSAR는 건물, 송전탑 등과 같은 인공구조물에서 변위를 제공하기 때문에 개발대상지역 전역에 대한 지표변위 정보를 제공하지 못하였다.

따라서, 점수 산정부(144)는 개발대상지역에 대한 지반의 안정성을 평가하기 위해 ERA5 재분석 자료 분석을 통해 산출된 지표온도 및 지중온도의 연간 변동성을 재분류하여 더 고려할 수 있다. [표 12]는 지표온도의 연간 표준편차(지표온도의 변동성)에 따른 점수를 보여주고, [표 13]은 지중온도의 연간 표준편차(지중온도의 변동성)에 따른 점수를 보여준다.

Annual standard deviation of surface temperature (°C)	Score
More than 13	0
12-13	1
11-12	2
0-11	3

Annual standard deviation of soil (28-100 cm) temperature (°C)	Score
More than 7	0
6-7	1
5-6	2
0-5	3

[표 12] 및 [표 13]을 참조하면, 지표온도와 지중온도의 변동성은 동토층의 결빙과 융해를 간접적으로 지시하므로, 점수 산정부(144)는 변동성이 큰 경우 낮은 입지 적합도 점수를 부여할 수 있다. 반면 지표온도와 지중온도의 변동성이 작은 경우, 점수 산정부(144)는 높은 점수를 부여할 수 있다.

4. 강설 영향 항목

극한지의 혹한과 강설은 자원개발 시설의 건설과 운용을 어렵게 하는 주요 원인 중 하나로 건설 입지 선정에 있어 필수적으로 고려되어야 한다. 개발대상지역은 위도가 높아질수록 낮은 기온을 보이나 공간적으로 기온의 편차는 심하지 않을 수 있으며, 겨울철 강설량 또한 공간적으로 편차는 기준값보다 크지 않을 수 있다. 반면 기온과 강설량의 시간적인 편차는 그에 해당하는 기준보다 크게 나타날 수 있으며, 이는 건설지 입지 선정에 있어 정량적으로 고려되어야 한다.

따라서, 점수 산정부(144)는 ERA5 재분석 자료에서 분석된 기온과 겨울철 강설량을 고려하여 개발대상지역에 대한 입지 적합도 점수를 부여할 수 있다. [표 14]는 기온 변동성에 따른 점수를 보여주고, [표 15]은 겨울철 강설량에 따른 점수를 보여준다.

Annual standard deviation of air (2 m) temperature (°C)	Score
More than 13	0
12-13	1
11-12	2
0-11	3

Monthly snowfall (mm w.e.)	Score
More than 0.9	0
0.8-0.9	1
0.7-0.8	2
0-0.7	3

[표 14] 및 [표 15]를 참조하면, 점수 산정부(144)는 기온 변동성이 낮을수록, 겨울철 강설량이 적을수록 높은 입지 적합도 점수를 부여할 수 있다. 도 18은 개발대상지역에 대해 겨울철 강설량을 고려하여 입지 적합도 점수를 부여한 결과를 보여준다.

5. 일조시간 확보 항목

일조량은 위도가 높아질수록 낮아지고, 여름철보다 겨울철에 낮은 특성을 갖는다. 일조량은 계절적 변동은 있으나 연간 변동성은 거의 없는 것으로 ERA5 재분석 자료로부터 분석되었다. 일조량이 많고 적음에 따라 입지 적합도 점수를 부여할 경우 자원개발 후보지의 위도가 점수를 결정하게 되며, 이는 최종 적합지 선정에 있어 편향된 결과를 산출할 수 있다. 따라서, 본 발명의 실시 예에서, 자원개발 플랫폼 건설 최적 입지 분석에서 일조량을 고려한 적합도 점수 부여는 생략될 수 있다.

6. 수송 인프라와 접근도 항목

자원개발 플랫폼 건설 입지는 시설물 건설 자재와 채굴된 자원의 수송을 위해 기존 도로 및 철도와 같은 수송망에 근접할수록 유리하다. 점수 산정부(144)는 개발대상지역에 대해 북극권 건설환경 공간정보 플랫폼에 구축된 도로 또는 철도 GIS DB의 버퍼 분석을 수행하여, 도로와 철도에 가까울수록 높은 입지 적합도 점수를 부여할 수 있다. [표 16]은 수송 인프라와 접근도에 따른 점수를 보여준다.

Distance from road and railway (m)	Score
More than 2000	0
1000-2000	1
500-1000	2
0-500	3

[표 16]을 참조하면, 점수 산정부(144)는 도로 및 철도에서 500m 이내의 거리에 위치한 영역은 3점, 500-1000m 거리에 위치한 영역은 2점, 1000-2000m 거리에 위치한 영역은 1점의 입지 적합도 점수를 부여할 수 있다. 도 19는 개발대상지역에 대한 도로 버퍼 분석에 따른 입지 적합도 점수를 부여한 결과를 보여준다. 도로 버퍼 분석은 고속도로와 일반도로를 구분하여 각각 수행할 수도 있고 병합하여 수행할 수도 있다.

7. 자연보호구역 항목

점수 산정부(144)는 개발대상지역에 대해 자연보호구역 분포를 확인하기 위하여 북극권 건설환경 공간정보 플랫폼에 구축된 국립공원(또는 도립공원 등) DB를 분석할 수 있다. 점수 산정부(144)는 DB 분석 결과로부터 국립공원인 곳은 0점, 국립공원이 아닌 곳은 3점을 부여할 수 있다. 도 3에 도시된 개발대상지역에는 국립공원이 존재하지 않으므로 모든 영역에 대해 3점이 부여된다.

점수 산정부(144)는 상술한 바와 같이 [표 7]의 평가 항목들에 대해 입지 적합도 점수를 산정하고, 산정한 결과를 취합하여 개발대상지역 내의 입지들에 대한 평가를 수행할 수 있다.

다시 도 1을 참조하면, 서비스 제공 모듈(150)은 입지 적합도 평가 모듈(140)에서 수행된 입지 적합도 평가 결과를 GIS 플랫폼에 기반하여 지도에 표시하여 제공할 수 있다.

도 20은 개발대상지역에 대해 수행된 입지 적합도 점수 산정 결과를 도시한 도면이다.

도 20을 참조하면, 서비스 제공 모듈(150)은 자원개발 플랫폼 건설 최적 입지 선정을 위해 위에서 분석된 광역 공간정보 기반 입지 적합도 점수를 합산한 결과를 색상 별로 구별하여 GIS 지도에 오버랩하여 표시할 수 있다. 도 20에서 적색 원으로 표기한 영역은 입지 적합도 합산 점수가 20점 이상인 지역이 분포하고 있으며, 이는 기존에 오일샌드 개발 시설물들이 밀집해 있는 지역에 해당한다. 이로부터 본 발명에서 고려한 광역 공간정보 기반 자원개발 플랫폼 최적 위치 선정 방안은 향후 극한지 자원개발 최적지 선정을 위한 알고리즘에 있어 중요한 기초자료로 활용될 수 있다.

도 21은 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 방법을 도시한 흐름도이다.

도 21에 도시된 북극권 자원 개발을 위한 최적 위치 선정 방법은 도 1 내지 도 20를 참조하여 설명한 북극권 자원 개발을 위한 최적 위치 선정 시스템(100)에 의해 수행될 수 있으며, 상세한 설명은 위에서 기재하였으므로 생략한다.

도 21을 참조하면, 최적 위치 선정 시스템(100)은 북극권에 위치하는 개발대상지역의 공간 및 환경 정보를 입력받아 입지 적합도 점수를 부여하기 위한 형태로 전처리 또는 분석할 수 있다(S2110).

최적 위치 선정 시스템(100)은 S2110단계에서 전처리 또는 분석된 북극권 공간 및 환경 정보를 DB(120)에 저장한다(S2120). S2120단계에서 저장되는 북극권 공간 및 환경 정보는, [표 1]에서와 같이 개발대상지역의 토지피복도, 수체 분포도, 지형도, 적설 분포도, 기온 분포도, 일조량 분포도, 수송 인프라 분포도 및 자연보호구역 지정도를 포함할 수 있다.

최적 위치 선정 시스템(100)은 S2120단계에서 저장된 북극권 공간 및 환경 정보를 분석하여 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가할 수 있다(S2130). S2130단계는, 입지 적합도를 평가하기 위한 다수의 평가 항목들과, 평가 항목 별로 해당하는 북극권 공간 및 환경 정보를 분석하여 평가 항목 별로 입지 적합도 점수를 산정하고, 평가 항목 별로 산정된 입지 적합도 점수를 취합하여 개발대상지역의 입지 별로 입지 적합도를 평가할 수 있다.

최적 위치 선정 시스템(100)은 S2130단계에서 평가된 입지 적합도 평가 결과를 GIS 플랫폼에 기반하여 지도와 함께 표시하는 서비스를 제공할 수 있다(S2140).

도 22는 본 발명의 실시 예에 따른 북극권 자원 개발을 위한 최적 위치 선정 방법을 실행하는 컴퓨팅 시스템을 보여주는 블록도이다.

도 22를 참조하면, 컴퓨팅 시스템(2200)은 버스(2220)를 통해 연결되는 적어도 하나의 프로세서(2210), 메모리(2230), 사용자 인터페이스 입력 장치(2240), 사용자 인터페이스 출력 장치(2250), 스토리지(2260), 및 네트워크 인터페이스(2270)를 포함할 수 있다.

프로세서(2210)는 중앙 처리 장치(CPU) 또는 메모리(2230) 및/또는 스토리지(2260)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(2230) 및 스토리지(2260)는 다양한 종류의 휘발성 또는 비휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(2230)는 ROM(Read Only memory)(2231) 및 RAM(Random Access memory)(2232)을 포함할 수 있다.

따라서, 본 명세서에 개시된 실시 예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(2210)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(2230) 및/또는 스토리지(2260))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(2210)에 커플링되며, 그 프로세서(2210)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(2210)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.

한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

100: 최적 위치 선정 시스템 110: 정보 입력 모듈
120: 데이터베이스 130: 정보 전처리 모듈
140: 입지 적합도 평가 모듈 150: 서비스 제공 모듈

Claims (8)

1. 북극권에 위치하는 개발대상지역의 공간 및 환경 정보(이하, '북극권 공간 및 환경 정보'라 한다)를 저장하는 데이터베이스;
   상기 데이터베이스에 저장된 북극권 공간 및 환경 정보를 분석하여 상기 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가하는 입지 적합도 평가 모듈; 및
   상기 입지 적합도 평가 모듈의 평가 결과를 GIS 플랫폼에 기반하여 지도와 함께 제공하는 서비스 제공 모듈;을 포함하고,
   상기 입지 적합도 평가 모듈은,
   상기 입지 적합도를 평가하기 위한 다수의 평가 항목들과, 상기 다수의 평가 항목 별로 입지 적합도 평가에 사용할 북극권 공간 및 환경 정보가 매핑된 평가 매핑 테이블; 및
   상기 평가 매핑 테이블을 참고하여 상기 평가 항목 별로 해당하는 북극권 공간 및 환경 정보를 분석하여 상기 평가 항목 별로 입지 적합도 점수를 산정하고, 상기 평가 항목 별로 산정된 입지 적합도 점수를 취합하여 입지 적합도를 평가하는 점수 산정부;를 포함하고,
   상기 북극권 공간 및 환경 정보는,
   상기 개발대상지역의 토지피복도, 수체 분포도, 지형도, 적설 분포도, 기온 분포도, 일조량 분포도, 수송 인프라 분포도 및 자연보호구역 지정도를 포함하며,
   상기 다수의 평가 항목들은,
   육상 생태계 영향 항목, 상수원 확보 항목, 지형 및 지반의 안정화 항목, 강설 영향 항목, 일조시간 확보 항목, 수송 인프라와 접근도 항목 및 자연보호구역 항목 중 적어도 하나를 포함하고,
   상기 점수 산정부는,
   상기 데이터베이스에 저장된 토지피복도를 분석하여 개발대상지역의 토지피복이 수체, 만년설, 빙하 지역, 산림, 습지대, 농경지, 거주지, 초지 및 나지 중 하나인 경우를 고려하여 상기 육상 생태계 영향 항목에 대한 점수를 산정하고,
   상기 수체 분포도에 공간분석기법인 버퍼 분석을 적용하여 개발대상지역으로부터 하천 및 호수까지의 거리를 분석하여 상기 상수원 확보 항목에 대한 점수를 산정하고,
   상기 지형도로부터 개발대상지역의 지형의 고도와 경사도를 분석하고, 개발대상지역의 지표온도의 연간 표준편차와 지중온도의 연간 표준편차를 고려하여 상기 지형 및 지반의 안정화 항목에 대한 점수를 산정하고,
   상기 적설 분포도로부터 기온 변동성과 겨울철 강설량을 분석하여 상기 강설 영향 항목에 대한 점수를 산정하고,
   상기 일조량 분포도를 분석하여 상기 일조시간 확보 항목에 대한 점수를 산정하고,
   상기 수송 인프라 분포도를 분석하여 상기 수송 인프라와 접근도 항목에 대한 점수를 산정하고,
   상기 자연보호구역 지정도를 분석하여 상기 자연보호구역 항목에 대한 점수를 산정하는 북극권 자원 개발을 위한 최적 위치 선정 시스템.
   
2. 삭제
3. 삭제
4. 삭제
5. 북극권 자원 개발을 위한 최적 위치 선정 시스템의 북극권 자원 개발을 위한 최적 위치 선정 방법에 있어서,
   (A) 북극권에 위치하는 개발대상지역의 공간 및 환경 정보(이하, '북극권 공간 및 환경 정보'라 한다)를 데이터베이스에 저장하는 단계;
   (B) 상기 데이터베이스에 저장된 북극권 공간 및 환경 정보를 분석하여 상기 개발대상지역 중 자원개발 플랜트를 설치하기 위한 입지를 선정하기 위해 입지 적합도를 평가하는 단계; 및
   (C) 상기 (B) 단계의 입지 적합도 평가 결과를 GIS 플랫폼에 기반하여 지도와 함께 서비스 제공하는 단계;를 포함하고,
   상기 (B) 단계는,
   (B1) 상기 입지 적합도를 평가하기 위한 다수의 평가 항목들과, 상기 다수의 평가 항목 별로 입지 적합도 평가에 사용할 북극권 공간 및 환경 정보가 매핑된 평가 매핑 테이블을 참고하여 상기 평가 항목 별로 해당하는 북극권 공간 및 환경 정보를 분석하여 상기 평가 항목 별로 입지 적합도 점수를 산정하는 단계; 및
   (B2) 상기 (B1) 단계에서 평가 항목 별로 산정된 입지 적합도 점수를 취합하여 개발대상지역의 입지 별로 입지 적합도를 평가하는 단계;를 포함하고,
   상기 (A) 단계에서 저장되는 북극권 공간 및 환경 정보는,
   상기 개발대상지역의 토지피복도, 수체 분포도, 지형도, 적설 분포도, 기온 분포도, 일조량 분포도, 수송 인프라 분포도 및 자연보호구역 지정도를 포함하며,
   상기 다수의 평가 항목들은,
   육상 생태계 영향 항목, 상수원 확보 항목, 지형 및 지반의 안정화 항목, 강설 영향 항목, 일조시간 확보 항목, 수송 인프라와 접근도 항목 및 자연보호구역 항목 중 적어도 하나를 포함하고,
   상기 (B1) 단계는,
   상기 데이터베이스에 저장된 토지피복도를 분석하여 개발대상지역의 토지피복이 수체, 만년설, 빙하 지역, 산림, 습지대, 농경지, 거주지, 초지 및 나지 중 하나인 경우를 고려하여 상기 육상 생태계 영향 항목에 대한 점수를 산정하고,
   상기 수체 분포도에 공간분석기법인 버퍼 분석을 적용하여 개발대상지역으로부터 하천 및 호수까지의 거리를 분석하여 상기 상수원 확보 항목에 대한 점수를 산정하고,
   상기 지형도로부터 개발대상지역의 지형의 고도와 경사도를 분석하고, 개발대상지역의 지표온도의 연간 표준편차와 지중온도의 연간 표준편차를 고려하여 상기 지형 및 지반의 안정화 항목에 대한 점수를 산정하고,
   상기 적설 분포도로부터 기온 변동성과 겨울철 강설량을 분석하여 상기 강설 영향 항목에 대한 점수를 산정하고,
   상기 일조량 분포도를 분석하여 상기 일조시간 확보 항목에 대한 점수를 산정하고,
   상기 수송 인프라 분포도를 분석하여 상기 수송 인프라와 접근도 항목에 대한 점수를 산정하고,
   상기 자연보호구역 지정도를 분석하여 상기 자연보호구역 항목에 대한 점수를 산정하는 북극권 자원 개발을 위한 최적 위치 선정 방법.
6. 삭제
7. 삭제
8. 삭제

Images