[논문 리뷰] Estimation of gridded population and GDP scenarios with spatially explicit statistical downscaling

Daisuke Murakami, Yoshiki Yamagata|arXiv (Cornell University)|2016. 10. 28.

Land Use and Ecosystem Services참고 문헌 21인용 수 30

한 줄 요약

이 논문은 공유 사회경제경로(SSPs) 하에서 0.5도 격자 기반의 인구 및 GDP 시나리오를 추정하기 위해 공간적으로 명시적인 통계적 다운스케일링 방법을 제시한다. 도시-농촌 공간 상호작용, 도로망, 지형 커버 및 모델 앙상블 접근법을 통합함으로써, 기존 방법보다 더 현실적으로 도시 집중(SSF1)과 산재(SSF3)를 반영하며, 비도시 지역에서의 과도한 매끄러움을 방지한다.

ABSTRACT

This study downscales the population and gross domestic product (GDP) scenarios given under Shared Socioeconomic Pathways (SSPs) into 0.5-degree grids. Our downscale approach has the following features: (i) it explicitly considers spatial and socioeconomic interactions among cities; (ii) it utilizes auxiliary variables, including, road network and land cover; (iii) it endogenously estimates influence from each factor by a model ensemble approach; (iv) it allows us controlling urban shrinkage/dispersion depending on SSPs. It is confirmed that our downscaling results are consistent with scenario assumptions (e.g., concentration in SSP1 and dispersion in SSP3). Besides, while existing grid-level scenario tends to have overly-smoothed population distributions in non-urban areas, ours does not suffer from the problem, and captures difference in urban and non-urban areas in a more reasonable manner.

연구 동기 및 목표

• SSPs 하에서 0.5도 해상도의 고해상도 격자 기반 인구 및 GDP 시나리오를 생성하기 위해.
• 기존 격자 수준 시나리오에서 흔히 발생하는 비도시 지역의 인구 분포 과도한 매끄러움 문제를 해결하기 위해.
• 도시 간 상호작용을 명시적으로 모델링하여 도시 성장 패턴을 반영하기 위해.
• 도로망 및 지형 커버와 같은 보조 지공간 변수를 통합하여 다운스케일링 정확도를 향상시키기 위해.
• SSP 가정에 기반한 도시 위축 또는 산재의 동적 시뮬레이션을 가능하게 하기 위해.

제안 방법

• 0.5도 격자 셀에서 인구 및 GDP 분포를 모델링하는 공간적으로 명시적인 통계적 다운스케일링 프레임워크를 적용한다.
• 도로망 밀도 및 지형 커버 유형과 같은 다수의 보조 변수를 예측 변수로 통합한다.
• 각 보조 변수가 인구 및 GDP에 미치는 영향의 영향도를 내생적으로 추정하기 위해 모델 앙상블 접근법을 사용한다.
• 도시 간 상호작용을 고려하여 도시 간 거리와 연결성에 기반해 상호작용을 명시적으로 모델링한다.
• 역사적 데이터를 사용하여 모델를 校정하고, 알려진 공간 패턴과 비교하여 검증한다.
• SSP에 특화된 사회경제적 가정에 따라 도시 위축 또는 산재 역학을 조정한다.

실험 결과

연구 질문

• RQ1 어떻게 국가 수준의 SSP 시나리오에서 0.5도 격자로의 인구 및 GDP 다운스케일링을 공간적 현실성과 함께 수행할 수 있는가?
• RQ2 도로망 및 지형 커버와 같은 보조 변수는 격자 기반 인구 및 GDP 추정 정확도를 어느 정도 향상시키는가?
• RQ3 모델은 다양한 SSP에서 대비되는 도시 집중(SSF1)과 산재(SSF3) 패턴을 포착할 수 있는가?
• RQ4 기존의 다운스케일링 기법에 비해 이 방법은 비도시 지역에서의 인구 과도한 매끄러움을 줄이는가?
• RQ5 도시 간 공간적 상호작용은 격자 수준에서 인구 및 GDP 분포에 어떤 영향을 미치는가?

주요 결과

• 다운스케일링 방법은 SSP1에서 가정된 도시 집중과 SSP3에서의 도시 산재를 성공적으로 재현한다.
• 공간적으로 명시적인 보조 변수와 상호작용 효과를 활용함으로써 비도시 지역에서의 과도한 매끄러움을 방지한다.
• 도로망 및 지형 커버의 통합은 인구 및 GDP 분포의 공간적 현실성을 크게 향상시킨다.
• 모델 앙상블 접근법은 요인 영향도의 내생적 추정을 가능하게 하여 정밀도와 적응 가능성 향상을 이룬다.
• 결과로 도출된 격자 시나리오는 이전의 격자 수준 다운스케일링 방법보다 더 세밀하고 지리적으로 타당한 패턴을 보인다.
• 검증 결과, 특히 SSP 간 도시-농촌 대비를 반영하는 데서 시나리오 가정과 일관성을 확인하였다.