평양 모자이크: 위성사진과 GIS를 활용한 평양 도심 15개 구역 빈부격차 연구
Pyongyang Mosaic: The Use of Satellite Images and GIS to Study the Gap between Rich and Poor in Fifteen Downtown Districts of Pyongyang
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
이 연구는 자료 부족으로 한계를 가지고 있던 북한 연구에 위성사진과GIS 정보, AI 기술을 활용한 새로운 연구방법을 제시하고, 평양 구역별빈부격차 양적 분석을 시도하고 있다. 평양을 대상으로 한 이 연구에서는국토지리정보원이 작성한 GIS 자료를 통해 구역별 건물 밀도와 층수, 도로길이, 철도길이, ‘땅집’ 자료를, 구글어스엔진(Google Earth Engine) 프로그램을 통해 야간조도를 추출했다. QGIS 프로그램을 통해서는 개발도상국 빈곤 지역 격차 연구사례를 참고하여 2022년 위성자료를 기준으로평양 15구역 자동차와 트럭 24,212대 위치정보를 직접 입력하고 분석하였다. 빈부격차에 대한 변수 추출 자료는 QGIS를 활용해 지도 위 구역별격차를 다이어그램으로 시각화했으며, 이후 통계를 통해 변수 간 상관관계를 분석했다. 통계분석 결과 변수 간 상관관계가 유의하게 나타났으며, 특히 조도를 중심으로 밀도, 땅집, 자동차수는 주목할 만한 결과를 보였다.
Abstract
This study uses satellite images and geographic information system (GIS) to quantitatively analyze the differences between districts in Pyongyang. In recent years, research using satellite images and artificial intelligence (AI) has been introduced to research on poverty in developing countries where statistical surveys are difficult to conduct. This study applies GIS data and satellite images to study Pyongyang, measuring the density of buildings by district, number of floors per building, number of single-story houses, number of cars, number of trucks, total lengths of roads and railroads, and levels of night-time illumination. The data is plotted on a map to enable visual confirmation of the disparities between different areas of the city. Comprehensive analysis was conducted to gather statistics so to uncover correlations. The findings show a significant correlation between certain variables, and noteworthy results were found with regard to building density, single-story houses, the number of cars and, in particular, night-time illumination. This study demonstrates the possibilities for savings in cost, manpower, and time when collecting data, and for expanding the range of data collection available in DPRK-focused research, which has always faced limitations due to lack of data. This study serves as a starting point for future North Korean-related research that further develops analysis techniques using AI technologies such as deep learning and machine learning.
참고문헌 (31)
- 노병일, "빈곤론" (2013), 양서원
- 크루그먼, 폴, "지리경제학" (2017), 창해
- 플로리다, 리처드, "도시는 왜 불평등한가" (2018), 매일경제신문사
- 홍민, "북한 실태 연구 : 도시경제의 네트워크와 로지스틱스" (2020), 통일연구원
- 기정훈, "구글어스 기반의 공간영상 분석을 통한 북한도시들의 환경오염과 산림파괴 연구", 환경정책, 24(1), pp.133~146 (2016), 한국환경정책학회[DOI]
- 김란희, "위성자료를 이용한 북한지역 토지피복 및 식생 변화 추정", 국토연구, 90, pp.117~128 (2016), 국토연구원[DOI]
- 곽인옥, "경제제도 측면에서 북한의 빈곤화와 시장화에 대한 분석", 국제지역연구, 21(2), pp.71~96 (2017), 국제지역학회
- 박희진, "북한의 주택건설 현황과 생활환경 실태", 보건복지포럼, 298, pp.37~49 (2021)
- 이시효, "시장도입 초기 평양 공간의 재배치:1984-2003년을 중심으로", 북한학연구, 12(2), pp.65~92 (2016), 북한학연구소[DOI]
- 임을출, "북한 지역 간 빈부격차 양태와결정요인 분석", 통일문제연구, 28(2), pp.91~126 (2016), 평화문제연구소
- 정은이, "Google Earth 위성자료를 통해서 본 신의주시의 공간적 특징: 무역, 산업, 상업지구를 중심으로,", KDI북한경제리뷰, pp.25~38 (2017)
- 정은이, "북한 부동산 가치변화와 개발에 관한 연구 －평양을 중심으로－", 동북아경제연구, 30(4), pp.1~30 (2018), 한국동북아경제학회
- 홍민, "북한의 아파트 건설시장과 도시정치", KDI북한경제리뷰, pp.35~64 (2014)
- 김대헌, "북 보위부 작성 평양 성인 210만명 신상정보 단독 입수", 주간조선, ~ (2011)
- "북한 자동차 등록 및 항공기 보유대수"[URL]
- Central Bureau of Statistics Pyongyang, "DPR Korea 2008 Population Census National Report" (2009), DPR Korea
- Stanilov, Kiril, "The Post-socialist city : Urban form and space transformations in Central and Eastern Europe after socialism" (2007), Springer
- Aprianto, Kasiful, "Deep Learning Approach using Satellite Imagery data for Poverty analysis in Banten, Indonesia", IEEE conference on Cybernetics and Computational Intelligence, pp.126~131 (2022)
- Cities without land markets: Location and land use in the sociality city, "Bertaud, Alain", Policy Research, 1~15, pp.Policy Research Working Paper, No.1477 (1995)
- Buckley, Robert M., "The urban mosaic of post-socialist Europe: Space, institutions and policy", pp.173~190 (2006), Physica-Verlag HD
- Deda, Luan, "The urban mosaic of post-socialist Europe:Space, institutions and policy", pp.151~168 (2006), Physica-Verlag HD
- Engstrom, Ryan, "Poverty from Space:Using High-resolution satellite imagery for Estimating economic Well-Being", Poverty and Equity Global Practice Group in World Bank Group, 1~34 (2017)
- Gritsai, Olga, "From state socialism to global capitalism: Budapest on the way to creative and knowledge-based cities", AMIDSt, ~ (2007)
- Irvine, John M., "Remote Sensing to Analyze Wealth, Poverty, and Crime", IEEE Xplore, ~ (2017)
- Kim, Kyoochul, "The North Korean economy seen by satellite : Estimates of national performance, regional gaps based on nighttime light", Journal of Asian Economics, 78 (2022)
- Lee, Yong Suk, "International isolation and regional inequality: Evidence from sanctions on North Korea", Jounal of Urban Economics, 103, pp.34~51 (2018)
- Li, Guie, "Identifying Urban Poverty using High-resolution satellite imagery and Machine Learning Approaches : Implications for housing inequality", MDPI Land, 608, pp.1~16 (2021)
- Ni Ye, "An investigation on Deep Learning approaches to combining nighttime and daytime satellite imagery for Poverty prediction", IEEE Xplore, ~ (2022)
- Putri, Salwa Rizqina, "Developing relative spatial poverty index using integrated remote sensing and geospatial big data approach: A case study of East Java, Indovesia", International Journal of Geo-Information, pp.1~28 (2022)
- Thejas B U, "Poverty detection using satellite imagery", The Firth International conference on I-SMAC, pp.1293~1298 (2021)
- Woelk, Fabian, "Measuring Consumption changes in Rural villages based on Satellite image data: A Case study for Thailand and Vietnam", IEEE Xplore, ~ (2022)