Urbanization Analysis of Major City in North Korea Using Landsat Imagery

Landsat 영상을 활용한 북한 주요도시의 도시화 지수 분석

Abstract

This study calculated the NDVI and the NDBI of the land-use change in major cities at North Korea through Landsat imagery, and analyzed the spatiality(LISA) with difference discretization of the UI index. As a result of the research, we could identify that the degree of urbanization has been increased in both Gaesung and Pyeongyang, but showed opposite spatial tendency to each other. The urban index of Pyeongyang, a nucleus district of North Korea, has been progressed quicker than Gaesung since 1994, while the urbanization development was being progressed also in general, as it expanded from the existing downtown area. On the other hand, the urbanization took place intensively at one region in Gaesung by developing the vegetation area that forest transfers into a built-up area, which has been judged from the great dynamic range of NDVI values. In conclusion, it is possible to extract necessary data for understanding the degree of urbanization and spatial characteristics of North Korea through the UI and the LISA analysis that are considered to propose useful methodology in investigating changes in North Korean cities and political levearage.

본 연구는 Landsat 영상을 활용하여 북한 주요도시의 토지이용변화에 따른 NDVI와 NDBI를 구하고 이를 차분화한 UI지수를 통한 공간성(LISA)을 분석하였다. 연구결과, 개성과 평양 모두 도시화의 정도는 커졌으나, 공간적 성향은 서로 상반된 것으로 나타났다. 북한의 핵심지역인 평양의 도시화 지수는 1994년부터 개성보다 더 빠른 추세로 진행되고 있었고 기존 도심에서 주변으로 점차 확장되어 도시 전반적으로 시가화 개발이 이뤄지고 있었다. 반면 개성의 경우 NDVI 수치의 변화폭이 많은 점 등으로 미뤄볼 때 기존의 산림과 같은 식생지역을 개발하여 시가지로 확장되는 패턴으로 하나의 지역에서 집중적으로 도시화가 이루어지고 있었다. 본 연구결과 UI와 LISA 분석만으로도 북한의 도시화 정도와 공간적 특성을 파악하는데 필요한 자료의 추출이 가능함과 동시에 향후 북한의 도시변화와 정치적 영향력이 어떠한 형태로 변화되는지 등의 공간성을 파악하는데 유용한 방법론을 제시 할 수 있을 것으로 판단된다.

1. 서 론

오늘날 통일문제가 국가중점 과제로 부상하면서 정부는 통일 이후의 문제점을 대비하는 다양한 움직임을 보이고 있다.

그러나 우리는 북한이라는 특수성으로 인해 6.25전쟁 이후 최근까지 북한의 주요도시의 관련 통계자료나 정보수집에 상당한 제약을 받아왔다.

최근 북한사회의 변화양상을 파악하는데 있어서 도시의 공간구조특성이나 지리적인 상관성 분석 등은 도시의 다양한 기능들이 상호 복합되어 작용하는 공간객체라는 관점에서 볼 때 해당 도시의 도시화 정도를 파악할 수 있는 훌륭한 척도이다(Kim et al., 2014). 그러한 이유는 공간상에서의 도시화는 결과적으로 북한의 정치문화나 사회기술은 물론 도시계획, 토지이용, 산림환경 등의 다양한 관계가 물리적으로 연동되어 진행되기 때문이다.

현대도시는 집적의 지역경제 중심 운반체이자 경제확산과 지역성장을 이루는 중요한 성장거점을 형성하고 있으므로 결국 도시화 지수는 해당도시의 경제성장과 직·간접적으로 밀접한 관계를 갖는 도시발전의 주요 원동력이 되는 지표이다.

그러므로 도시화 지수는 해당 도시의 산업화, 현대화를 가늠할 수 있는 중요한 기준이 되며, 도시의 공간구조와 공간분포 특성에 의해서 결정될 수 있다. 이러한 측면에서 본다면 도시의 공간구조나 공간특성은 도시화 과정에서 필연적으로 발생되는 것으로 이는 곧 지역경제성장과 상호 유기적인 기능하에 복합적으로 작용하여 지역 경제의 집적수준과 확산효과가 평균적 발전을 이룰 수 있는 결정적인 특징이다(Xiao, 2013; Xiao and Kim, 2015).

또한 통일을 대비하는 관점에서의 도시화 지수는 해당도시의 정치·사회적 특성뿐 아니라 각종 사회기반시설(SOC), 공공시설물, 교육문화시설 등 도시개발과 지역적 토지이용 평가를 위한 중요한 변수로써, 향후 도시성장 잠재력을 미리 가늠해 볼 수 있는 기준이 될 수 있다. 특히 오늘날 개성과 평양은 우리나라의 서울과 부산에 해당하는 도시이다. 이 두 도시의 도시화 지수는 통일을 준비하는 과정은 물론 향후 통일이후의 도시성장과 경제발전의 기본적인 계획이나 설계 및 진행과정 등에 있어서 중요한 척도로 이용될 수 있다.

현재 북한의 도시화와 관련된 연구는 정부기관과 연구소, 대학 등에서 비교적 활발히 수행되어 왔으며, 세계적으로 UN을 비롯한 국제기구에서도 적극적인 움직임을 보이고 있다. 그러므로 통일을 대비하는 현 시점에서의 도시개발이나 도시경제성장 등 향후 북한의 도시공간구조 및 도시설계 또는 도시확장 및 도시공간배치 등의 연구가 절실히 필요한 실정이다. 그러나 주로 문헌조사와 청취조사, 인터뷰 등을 통한 단편적 정보로 접근하였으므로 북한의 특정 도시의 도시화 정도나 도시화 진행과정 등 도시 공간구조 특성에 대한 전반적인 경향을 파악하기에는 많은 제약이 따른다. 그래서 최근까지 비접근지역인 북한에 대해 원격탐사 기법을 활용하는 연구가 상당수 제시되었다. 원격탐사기술은 북한지역과 같이 정보에 대한 수요가 높은 지역임에도 불구하고 직접적인 조사가 어려운 비접근지역에 대해 지표면의 특성을 그대로 반영하는 관측수단으로서 매우 유용하게 활용되고 있다(Park et al., 2003).

북한 지역의 도시화에 대한 주요 연구는 토지피복도 작성과 분류 기법, 소규모 지역의 변화 등이 있으며, 주로 Landsat TM, Quickbird 등의 위성영상을 활용하여 북한지역 토지피복도를 작성하고 이를 바탕으로 농업실태와 도시피복현황 등을 분류하여 제시하고 있다(Hong et al., 2012; Hong et al., 2012; Hong et al., 2008; Kim et al., 2014; Park, 2009).

그러나 이들 연구는 지속적인 모니터링을 통한 과학적이고 객관적인 공간정보의 취득은 미흡한 실정이며 특히 변화 양상에 대한 공간적 특성을 분석하여 개별 공간적 요인이 현재까지의 어떠한 변화양상으로 이어져 왔으며, 향후의 변화는 어떠할지에 대한 예측에 관한 논의는 부족하다. 또한 이들 연구에서는 토지피복을 분석하는 과정에서 2000년대 이전에는 위성 센서들간의 불일치 문제가 발생하거나, 서로 다른 시기의 자료들을 활용하는 연구 등에 한계가 발생하고 있다(Seong, 2000).

Landsat 영상은 중해상도 영상으로서 광범위한 지역에 대한 모니터링이 가능하며 특히, 신뢰성 있는 알고리즘을 적용하여 여러가지 영상을 제공하고 있으므로 다양한 밴드영역을 활용하여 토지피복도, 식생지수나 시가지화지수 등 북한의 도시 공간행태나 토지이용 특성분석에 용이하게 활용될 수 있다.

따라서 본 연구에서는 Landsat 위성영상을 활용하여 북한의 주요도시(평양과 개성)의 공간적 특성분석을 통해 정규식생지수(NDVI:Normalized Difference Vegetation Index)와 정규시가화지수(NDBI:Normalized Difference Built-up Index)를 일차적으로 추출하고 이를 근거로 차분화한 도시화 지수(UI:Urban Index)를 도출한 후 LISA(Local Indicator of Spatial Association)분석을 실시하여 해당도시의 도시화 정도를 파악하고 이들 도시화의 변화가 어떠한 공간적 특성을 가지고 어떻게 변화하였는지에 대해 공간적 관점에 기반을 두고 제시하였다.

 

2. 자료 및 연구방법

2.1 연구지역 및 데이터

북한의 도시화를 살펴보는 과정에서 북한의 모든 도시를 일괄적으로 다루기는 어렵다. 이러한 점을 감안해 북한의 사회적 영향이 가장 먼저 영향을 미치는 평양과 남한과의 교류가 가장 활발한 개성을 연구지역으로 선정하였다(Fig. 1).

Fig. 1.Study area

본 연구에서는 평양과 개성의 1990~2015년 사이의 Landsat 영상을 활용하였다. 영상은 계절적 영향을 최소화하기 위해 운량이 적은 봄과 가을중에서 봄의 영상으로 선정하였으며, 운량이 전체 영상의 10% 이하이고 매우 적은 부분에 해당하므로 별도의 운량제거 과정은 수행하지 않았다. Table 1은 본 연구에 사용된 위성영상의 정보를 보여주고 있다.

Table 1.Imagery used in this study

본 연구에 활용된 영상자료는 열적외선 영역과 전정색 밴드를 제외하고 모두 공간해상도가 30m*30m로 동일하다. 영상자료는 우리나라 시간으로 오전 11시경에 촬영된 것이다.

Fig. 2.Landsat image of study area (a)(b) : Pyeongyang, (c)(d) : Gaeseong

본 연구에서는 가시광선의 적색, 근적외선, 중적외선 영역이 활용되었다. 이에 따라 Landsat TM의 경우 Band 3, Band 4, Band 5가 사용되었고, Landsat OLI/TIRS의 경우 Band 4, Band 5, Band 6이 사용되었다.

2.2 연구방법 및 내용

본 연구는 북한 주요도시인 평양과 개성에 대한 도시화 정도를 파악하고 이들 도시화의 변화가 어떠한 공간적 특성을 가지고 변화하였는지를 분석하는 것이 주 목적이기 때문에 일차적으로 도시화 지수를 추출하여 해당도시의 도시화 정도를 파악하고 이들 도시화에 대한 공간구조 특성분석을 위해 공간연관성과 군집성 평가를 실시하였다. 그래서 먼저 도시화를 측정하기 위해 정규식생지수와 정규시가화지수를 차분화한 도시화 지수를 도출하였다. 여기서 정규식생지수인 NDVI와 정규시가화지수인 NDBI는 식생의 경우 적색 영역에서 반사도가 낮고 근적외선 영역에서 반사도가 높은 특성을 이용하여 반사도의 차이를 계산하는 것이다. 즉, NDVI는 육지표면의 영상자료는 95% 이상이 토양과 식생에 관한 정보를 포함하고 있으므로 적색밴드와 근적외선밴드에서 녹색식물의 반사율 차이가 크게 나타나는 것을 이용하며, NDBI는 도시지역과 나지의 분광 반사 특성이 근적외선의 반사도보다 중적외선의 반사도가 낮다는 사실을 이용한 분석방법이다(Zha et al., 2003; Kim et al., 2014). 이러한 NDVI와 NDBI를 활용할 경우 식생 및 수역의 영향력이 줄어들어 도시지역을 효과적으로 추출할 수 있다.

NDVI와 NDBI, UI 지수의 산정 방식은 각각 Eq. (1), Eq. (2), Eq. (3)와 같으며, 여기서 NIR은 근적외영역의 반사도이고 RED는 적색영역의 반사도를 의미한다.

NDVI와 UI 지수 등을 산정하는 과정에 앞서 자료의 전처리를 과정을 거쳤다. 전처리는 DN(Digital Number)으로 저장된 값을 반사도 값으로 변화하기 위해 미항공우주국(National Aeronautics and Space Administration, NASA)에서 제공하는 Eq. (4)와 Eq. (5)를 적용하였다. 지형과 대기의 영향을 고려하지 않고 Eq. (4)의 DN값들을 Eq. (5)의 비검정 반사율로 변환하는 방법으로 Markham and Barker(1986)가 제시한 방법이다(Huang et al., 2000b).

where, Lλ is radiane at the sensor’s aperture, DN is original pixel value, Gain, Bias is given from the header file of LANSAT images, ρλ is unit less planetary reflectance, d is Earth-Sun distance in astronomical units, ESUNλ is mean solar exoatmospheric irrandiances and θs is solar zenith angle.

본 연구지역인 개성과 평양의 도시화에 대한 공간분석을 평가하기 위해 공간연관성과 군집성을 평가를 위한 Anselin Local Moran’s I(Local Indicator of Spatial Association) 분석을 수행하였다. LISA 분석은 Anselin의 Moran 산포도 지도와 밀접하게 관련되어 국지적인 공간적 연관성을 네가지의 범주로 표현한다. 즉, Table 2와 같이 장점이 높은 값인 집중 지역(High-High), 낮은 값인 집중(Low-Low), 낮은 값으로 둘러싸인 높은 값(High-Low), 높은 값으로 둘러싸인 낮은 값(Low-High)의 4가지 공간적 분포를 보여준다(Kang, 2011). 이 과정은 국지적 공간에서의 자기 상관성을 파악하기 위한 국지적 모란지수(Local Moran’s I)를 기초로 한 cluster map를 작성하게 되며, 이는 Eq. (6)의 과정을 통해 계산한다(Anselin, 1995).

Table 2.LISA cluster map legend categories

국지적 모란지수는 특정 지역의 값과 주변 인접 값의 가중 평균값이 서로 유사하게 나타나면 정적인 자기상관관계이며, 서로의 값이 차이가 크면 부적인 자기상관관계로 나타난다. 이는 해당지역 주변에 유사한 값을 갖는 공간적 군집의 유의성을 판정하여 국지적 군집지역과 이례지역을 추출할 수 있다(Kim and Choi, 2014). 따라서 공간 가중치는 Geoda 1.6을 활용하여 인접성 척도를 적용하였고 토지피복 분류 중 어떠한 항목에 대한 변화가 어떠한 특성을 가지고 어떻게 분석되는지에 대해 비교하였다.

where, y : value by each pixel, : mean of all area, i : ith administrative dong, j : jth administrative dong, n : to administrative dong, wij : spatial weighting

 

3. 도시화 분석결과

3.1 NDVI 및 NDBI

NDVI와 NDBI의 수치가 줄어든다는 의미는 기존에 산림과 같은 식생지역에서 더 많은 도시개발 또는 도시화로 이용되었다는 의미로 볼 수 있다. 식생지수와 시가화지수를 평균으로 환산한 값으로 볼 때 먼저 개성시의 경우 1994년의 NDVI는 0.32, NDBI 0.03로 나타났고 2014년에는 NDVI는 0.21, NDBI -0.01로 나타났다. 여기에서 NDVI는 평균 0.11이 줄었으며, NDBI는 0.04로 줄었다. 그리고 평양시의 경우 1994년의 NDVI는 0.29, NDBI 0.01로 나타났고 2014년에는 NDVI는 0.23, NDBI -0.09로 나타났다. 평양시의 경우 식생지수는 0.06, 시가화지수는 0.10의 범위로 줄어들었다. 여기에서 두 개의 지수값이 모두 줄어들었다는 것은 기존에 식생지역이 도시화 또는 여타 용도로 토지이용이나 토지개발 등으로 전환되었음을 의미한다. 또한 개성의 경우 식생지수의 변화량이 평양에 비해 2배로 더 많이 줄어 든 반면 시가화지수는 평양보다 약 1/2배로 작은 것을 볼 때 개성의 경우 기존의 산림지역을 많이 개발하여 여타의 용도로 전환하였다는 의미로 집중적인 도시화 개발이 이뤄진 것을 알 수 있다.

반대로 평양의 경우 식생지수가 개성의 약 1/2배로 줄어든 반면 시가화지수는 개성보다는 약 2배 증가된 것으로 미뤄볼 때 기존 시가지지역을 중심으로 점진적으로 확대되면서 토지개발이 이뤄져 도시 전반적으로 고르게 확장되어진 것을 알 수 있다.

Table 3은 NDVI와 NDBI의 평균값을 보여주고 있으며, Fig. 3은 NDVI 분포, Fig. 4는 NDBI 분포를 보여주고 있다.

Table 3.NDVI and NDBI index of research area average

Fig. 3.Comparison of NDVI distribution

Fig. 4.Comparison of NDBI distribution

Fig. 3에서 나타난 것과 같이 식생의 분포를 의미하는 녹색부분에 해당하는 면적이 개성과 평양의 두 도시 모두에서 줄어든 것을 확인할 수 있으며, 이는 곧 NDVI가 1994년에 비해 2015년이 기존의 산림과 같은 식생지역에서 타 용도로 더 많이 전환되었음을 의미한다.

또한 Fig. 4는 기존의 식생지역(녹색부분)에서 시가화 지역(보라색)으로 개성과 평양의 두 도시 모두에서 넓게 확장되어 나타난 것을 확인할 수 있다.

3.2 도시화 지수 분포

연구 대상지역의 식생 변동과 토지피복 변화를 종합하여 NDVI와 NDBI를 차분한 UI 지수를 바탕으로 분석한 결과는 다음과 같다.

먼저 개성시의 1994년 개성시의 중심부에서 도시화 지수가 높게 나타나는 중심부 북쪽에서는 UI지수가 낮게 나타고 있음을 확인할 수 있다. 이는 90년대 중반 이전 북한의 고난의 행군이 시작되기 이전으로 다락밭과 같은 산지전용이 적어 울창한 산림이 형성되어 있던 것으로 판단된다. 현재 시점(2015년)에서 개성은 중심부의 UI지수가 더욱 높게 형성되고 개성공업공단이 위치한 개성시 남쪽 지역에서 UI지수가 높게 형성되어 도시의 확장이 일어난 것을 알 수 있다. 반면 2015년의 경우 기존 산림지역의 UI지수가 상당히 낮아지고 있고 있음을 확인할 수 있다. Table 4와 같이 개성시의 1994년 UI지수 평균은 0.22이며 2015년 평균은 0.31으로 약 0.09 증가하여 도시의 확장이 일어난 것을 알 수 있다.

Table 4.UI of research area average

앞선 Table 3에서와 같이 1994년부터 평양이 개성보다 더 많은 시가화 수치로 나타난 것과 동일하게 UI수치 또한 평양이 개성보다 이미 더 많은 도시화가 진행되었음을 알 수 있고 2015년 현재에도 전체면적에서 더 많은 확장이 이뤄졌음을 확인 할 수 있다.

Fig. 5.Comparison of UI distribution(Gaeseong)

평양시의 경우 Fig. 6과 같이 도심부에서 UI지수가 높게 나타나고 있었다. 특히 2015년 현재 평양시가 전체적으로 UI지수가 더 높게 형성되고 있음이 확인된다. 이러한 변화는 김정일, 김정은 정권이 자리 잡은 이후 평양시를 중심으로 한 개발계획이 적용된 결과라 할 수 있다. 평양의 도시화 변화에서 가장 눈여겨 볼 특징은 기존 만수대지역 이남 지역은 대부분 공업 또는 농업에 활용된 지역이었지만 2010년대 김정은 체제가 부각된 후 대동강 주변과 그 이남 지역에 이른바 ‘대동강 르네상스’ 사업을 빠르게 추진한 결과로 볼 수 있다. 이러한 변화에 따라 평양지역 UI지수 역시 1994년 0.25에서 2015년 0.36로 0.11 정도 증가하였다.

Fig. 6.Comparison of UI distribution(Pyeongyang)

3.3 도시의 공간적 변화

LISA 분석을 통해 약 20년간의 개성시와 평양시의 공간적 변화를 살펴보면 Fig. 7과 같다.

Fig. 7.Result of LISA analyst(Gaeseong)

먼저 개성의 경우 개성시의 남서쪽 인근에서 High-High 변화에 대한 군집 양상이 확연히 나타나고 있다(Fig. 7-a). 반면 기존 도심부 인근 고지대에서는 뚜렷한 변화가 보이지 않고 있다. 이러한 High-High 군집의 형성은 도시성의 증가가 일어나는 지역과 그 주변 지역이 동시에 높은 수준의 변화가 일어나고 있음을 의미한다.

Fig. 8과 Fig. 9는 개성의 토지이용 변화를 보는 주는 것이며, 붉은 색의 원형에 해당하는 지역에서 뚜렷한 변화를 쉽게 확인 할 수 있다. Fig. 8의 원형에 해당하는 지역은 남한지역에서 투자한 개성공단 지역으로 대규모 토지가 농경지에서 공단으로 변화했음을 볼 수 있다. Fig. 9는 개성지역의 남서쪽 부도심 지역으로 새로 도로를 신설하면서 많은 토지이용 변화가 관찰되고 있다.

Fig. 8.Land use changed in Gaesong (1) - Google earth (a) 2002 (b) 2014

Fig. 9.Land use changed in Gaesong (2) - Google earth (a) 2002 (b) 2014

결과적으로 개성지역은 LISA 분석 결과와 같이 일부 특정 지역을 중심으로 동심원 형태로 중점적인 도시화가 진행되어 집중개발 방식이 적용된 것으로 볼 수 있다.

평양시의 경우 Fig. 10과 같이 개성시와 다르게 각 도시화 수준의 클러스터가 전체 지역에 비교적 균등하게 퍼져 있는 것으로 나타났다. 이는 최근 북한 정권이 평양을 대외적 홍보 수단이자 정치적 상징으로 생각하고 전체적인 개발을 진행하면서 기존 시가지 지역뿐만 아니라 미개발지역까지 개발하는 것으로 간접적으로 확인 할 수 있다. 즉, 현 김정은 체제에서는 선택적 집중 형태로 북한 전역에 대한 발전을 도모하기 보다는 평양을 중심으로 체제의 공고화를 위한 집중 개발을 취하고 있고, 이는 기존 평양의 중심부 뿐만 아니라 외곽지역에서도 활발히 일어난 결과로 볼 수 있다. 이러한 변화는 Fig. 10의 결과에서도 확인할 수 있으며, Fig. 10(a)와 Fig. 10(b)의 붉은색과 노란색 부분에 해당하는 지역에서 변화가 가장 두드러지게 나타나고 있다.

Fig. 10.Result of LISA analyst(Pyeongyang)

먼저 Fig. 10(a) 지역의 경우 Fig. 11과 같이 통일거리 인근 지역을 중심으로 대동강 이남 지역에서 대규모 개발 사업이 진행된 것이 확인된다. 특히 남한에서와 같이 도로를 중심으로 고층아파트들이 건설되고 그 인근지역을 중심으로 집합구역이 형성된 것이 확인된다.

Fig. 11.Land use changed in Pyeongyang (1) - Google earth (a) 2002 (b) 2014

또한 Fig. 10(b)의 대성구역의 경우 Fig. 12와 같이 2002년 대부분 농경지로 있던 지역이 2014년 영상에서는 대규모 위락시설과 시설농가로 보이는 도시지역으로 변화되어 있음을 볼 수 있다.

Fig. 12.Land use changed in Pyeongyang (2) - Google earth (a) 2002 (b) 2014

이러한 특성으로 볼 때 평양시는 현재 기존 도심지역을 집중 개발하기 보다는 도시의 영역을 확대하면서 도시화를 진행하는 것으로 볼 수 있다.

 

4. 요약 및 결론

본 연구에서는 북한의 주요도시인 평양과 개성의 도시화 정도와 공간적 변화를 파악하기 위하여 NDVI와 NDBI를 차분화한 UI지수를 활용한 도시화 정도를 파악하였고 이를 토대로 LISA 분석을 활용하여 도시의 공간적 구조와 변화에 대한 공간적 특성패턴을 파악할 수 있었다.

북한의 평양과 개성의 도시화 지수나 공간적 구조 및 특성이 시사하는 의미는 우리나라의 서울과 부산에 해당하는 대표도시로서 통일을 준비하는 과정이나 통일후의 경제발전과 도시성장 및 도시개발의 기본적인 계획이나 설계 등에 있어서 중요한 척도로 이용될 수 있다.

연구결과 개성과 평양 모두 도시화의 정도는 커졌으나, 공간적 성향은 서로 상반된 것으로 나타났다. 북한의 핵심지역인 평양의 도시화 지수는 1994년부터 개성보다 더 빨리 진행되고 있었고 NDVI 수치의 변화가 낮은 점으로 볼 때 기존의 산림이나 식생지역을 개발한 것이 아니라 기존 도심에서 확장되어 도시 전반적으로 시가화 개발이 이뤄지고 있었다.

반면 개성의 경우 NDVI, NDBI 수치에서 기존 산림지역을 개발하여 시가지로 확장되는 패턴으로 도시의 일부 지역에서 집중적으로 도시화가 이루어지고 있어 평양에 비해 도시화 지수의 변화폭이 크지 않은 것을 확인 할 수 있었다.

공통적인 것은 기존 산림지역을 도시화에 이용한 평양시와 도심에서 주변 도심으로의 확산이 이뤄진 개성시 모두 최근 20년간 상당히 빠른 속도로 도시화가 진행되고 있음을 확인할 수 있었다.

본 연구 결과를 살펴보면 위성영상을 활용한 북한 도시의 도시화 정도와 변화를 파악하는데 UI와 LISA 분석이 도시화의 정도를 파악하는데 있어서 충분한 근거 자료로서 활용 가능하다는 것을 알 수 있었다. 이러한 결과는 향후 대상지역을 확대하여 최근의 북한 도시 변화와 정치적 영향력이 어떠한 형태로 변화되는지 등의 양상을 파악하는데 유용한 방법론을 제시 할 수 있을 것으로 판단된다.

그러나 국지적인 지역에서 Landsat 영상만을 이용한 UI지수 추출을 시도하였으므로 보다 신뢰성 있는 정확성 영상 분석결과를 위해서는 실제의 토지이용에 대한 정확성 여부도 함께 고려되어야 할 것이다.

또한 기후변화에 대한 영향을 고려하여 다양한 영상의 시계열적 변화 패턴을 고려하여야 하며 운량이 전체 영상의 10% 이하로써 매우 적은 부분이기는 하나 그에 따른 분석결과에 불확실성이 내포될 수 있으므로 향후 이러한 연구의 한계를 고려하여 다양한 시계열적 패턴 연구가 진행되어야 할 것이다.