I. 서론

본격적인 인구감소시대에 들어서면서 저출산과 고령화 추세는 사회적 문제를 넘어 우리 사회의 지속가능성까지 위협하고 있다. 인구주택총조사(통계청, 2021a)에 따르면 한국전쟁 이후 처음으로 사망자에 비해 출생자가 자연감소하는 데드크로스(deadcross)가 발생하였다(행정안전부, 2021a). 이러한 현상은 수도권과 비수도권뿐만 아니라 도시와 농촌 등 지역 간의 인구 불균형을 가속화하고, 농촌을 비롯한 성장이 정체된 지역을 중심으로 지방소멸의 우려를 확산시키고 있다.

이에 중앙정부는 인구감소지역을 지정･고시하였고, 행정적 및 재정적 지원을 통해 지방 살리기를 본격적으로 추진하고 있다(행정안전부, 2021b). 또한 지역소멸을 극복할 새로운 지역성장 및 균형발전 전략의 일환으로 인구감소지역 지원을 위한 제도적 기반 마련과 지역 주도의 종합적인 인구활력계획 수립을 제시하였다. 여기에는 낙후지역에 ‘주거+일자리+생활SOC’가 결합된 주거플랫폼을 구축하여 ‘일자리-인프라-사람’이 유입되는 선순환 구조에 대한 조성 전략이 포함되었다. 또한 농촌공간 정비･재생 계획 제도화 및 농촌재생뉴딜 프로젝트 추진 등이 골자를 이루고 있다(국토교통부･행정안전부, 2021).

이와 같은 대규모 정책 현안에 즉각적이고 적중률 높은 대응책을 마련하기 위해서는 국가의 조사통계와 빅데이터를 융합시켜 활용할 필요가 있다(박미정･전정배, 2017). 특히 공간 빅데이터는 기존 빅데이터의 일반적인 장점을 공유하면서 공간성, 즉 위치적 속성과 장소적 특성을 포함하고 있어서 그 효용성이 매우 높다.¹⁾

그동안 쇠퇴도시에 대해서는 『도시재생 활성화 및 지원에 관한 특별법』을 근간으로 지속가능성을 강화하고 있다. 하지만 도시재생과 지역재생을 구분하지 않아 비도시지역을 비롯한 작은 범위 혹은 공동체 단위까지 적용하기에는 무리가 있다(정은주, 2017). 왜냐하면 현행 재생사업이 도시의 문제와 활성화에 중점을 두고 있기 때문이다. 이를 농촌지역에 그대로 적용하는 것은 한계가 있으므로 현실적인 방안 마련이 필요한 시점이다.

이러한 맥락에서 인구감소시대의 농촌지역 문제 진단을 위해 공간 빅데이터를 기반으로 하는 개선된 접근방식을 모색하고자 하였다. 향후 주목받게 될 농촌의 재생사업에 있어서 고려해야 할 지표자료 및 공간정보, 재생대상지 선정, 빅데이터 활용성 등을 제시하고, 공간 빅데이터 적용 및 분석 과정을 일련의 모델로 구축하였다. 따라서 본 연구는 인구감소시대의 도래로 위기에 처한 농촌지역을 대상으로 공간 빅데이터를 활용하여 재생 대상지를 효율적으로 선정하기 위한 진단 모델링에 궁극적인 목적이 있다. 이를 통해 공간 빅데이터가 지역정책 수립의 핵심 지원도구로 활용되고, 농촌다움을 지향하는 농촌재생 정책(한이철･민경찬, 2022) 추진에 기여할 것으로 기대한다.

II. 정책 및 이론적 고찰

1. 인구감소와 정부의 대응

인구문제로 인해 유발되는 사회적 부작용은 매우 포괄적이다. 무엇보다도 단기간에 극복이 어렵다는 점을 경험과 사례를 통해 체득하여 왔다. 국내의 경우 경제성장률 둔화, 고령인구에 대한 부양 부담, 공적연금제도의 재원 부족, 그리고 일자리 감소에 따른 생산 위축, 경제활동인구 감소로 인한 소비 위축 등이 현실적인 문제로 대두되고 있다. 여기서 인구변화를 초래하는 원인은 크게 두 가지로 구분할 수 있다. 자연감소와 인구유출이 바로 그것이다. 전자는 출생아보다 사망자가 더 많은 인구 데드크로스 지표를 통해 그 수준을 가늠하게 된다. 이 현상은 후자의 인구이동과 상관없이 인구가 순감소하는 상황을 의미한다.

통계청 조사에 따르면 국내 인구는 연간 기준으로 2020년(-32,611명) 첫 자연감소가 시작된 후, 2021년(-57,280명) 감소폭을 확대하며 2년 연속 데드크로스가 발생했다. 혼인건수는 2021년까지 10년 연속 감소한 가운데 출산 연령층 인구가 줄고, 초혼 연령과 첫 아이 출산연령이 지속적으로 높아짐에 따라 출생아 수가 감소한 것으로 나타났다(통계청, 2022). 장래인구추계(2020~2070년)를 통해 추산하면 자연감소 규모는 2030년 10만 명, 2070년 51만 명 수준까지 늘어날 것으로 예상된다. 인구구조를 고려하자면 저출산･고령화와 함께 인구감소는 지속될 전망이다(통계청, 2021b).

실제로 정주여건과 경제기반이 취약한 지역에서는 지방소멸에 대한 위기감이 점차 심화되고 있다. 정부는 인구감소 문제가 확산됨에 따라 전국 시･군･구를 대상으로 89개 지역을 인구감소지역으로 지정하고, 지방자치단체 기금관리기본법 및 시행령 개정 등을 통해 지방소멸대응기금을 도입했다.²⁾ 인구감소지역은 최초 지정시점(2021년)을 기준으로 매 5년마다 재지정하는 것을 원칙으로 한다. 다만, 전국적인 인구감소 상황의 변동성을 고려하여 지정시점으로부터 2년 후 인구감소지수³⁾를 재산정하고 추가 지정 여부를 검토하게 된다(행정안전부, 2021b). 또한 행정구역을 넘어서 공동 대응하도록 「국가균형발전 특별법」의 기초생활권 및 광역협력권 등의 제도를 활용하고, 「인구감소지역 지원 특별법」 제정을 통해 국가와 자치단체의 연계･협력을 제도화하는 대책을 발표했다(국토교통부･행정안전부, 2021).

2. 농촌재생 및 지원 정책

농촌지역 인구는 1970년대 이후 줄곧 감소하다가 2015년 무렵부터 증가 추세로 반전되는 변화가 나타나기도 했다(성주인 등, 2021). 하지만 총인구에서 농･산･어촌을 아우르는 비도시지역에 거주하는 인구비율은 꾸준히 감소했다. 특히 농촌의 인구감소와 소멸의 문제는 2000년대에 들어서자 본격적인 관심사로 등장했고, 여러 관점에서 인구감소 및 지방소멸의 문제가 검토되었다(손승호･이호상, 2021).

과거에 비해 농촌 주민들의 정주 만족도가 높아지고 있으나, 여전히 농촌의 정주 기반과 서비스 이용 여건은 취약하다. 코로나19의 확산은 정주공간으로서 농촌의 잠재력과 수요를 높이는 요인이 되기도 하지만, 반대로 열악한 기초생활서비스 문제점 등을 더욱 확실히 드러내는 측면도 있다(성주인 등, 2021). 따라서 농촌의 환경 및 경관자원 등 잠재적 가치를 기반으로 지속 가능한 정주체계를 형성하는 공간정비가 필요한 시점이다.

농촌으로의 인구 유입이 확산되고 있으나, 포용적 공간으로 자리 잡기 위해서는 일자리･정주･사회서비스 등을 포괄하여 농촌을 재생하는 총체적 전략이 필수적이다(송미령 등, 2020). 이를 위한 농촌공간계획의 제도화와 관련 부처 간 협력의 틀을 구축하는 시범계획⁴⁾이 2020년부터 12개 시･군에서 수립되었다(표 1).

이러한 일련의 시범계획을 거쳐 제도화를 위한 부처 간 논의가 진행 중에 있다. 농촌공간계획제도는 농촌공간계획 수립, 토지이용관리 수단 마련, 제도적 지원기반 구축, 사업지원체계 형성을 네 가지 핵심요소로 보고 있다(송미령 등, 2021). 여기서 사업지원체계는 농촌공간정비 및 기능 재생을 위한 ‘농촌재생뉴딜 프로젝트’로 진행된다. 농촌공간계획을 실현하도록 공간정비, 일자리･경제 활성화, 주거･경관 개선, 사회서비스 제공 관련 사업을 패키지 형태로 지원한다. 실질적으로 농림축산식품부와 지방자치단체가 농촌협약을 체결하고, 정부는 시･군이 수립한 농촌공간계획을 지원하게 된다. 농촌협약은 농촌재생이라는 공동목표 달성을 위해 농촌공간 정비 및 기능 재생, 생활권 활성화 등에 필요한 사업을 시행하는 제도이다(한이철･민경찬, 2022). 농촌공간계획이 추구하는 목적이나 계획의 성격 등을 고려하여 점차 사업 영역과 관련 대상이 확대될 예정이다.

3. 농촌공간 빅데이터 활용성

공간 빅데이터는 빅데이터의 개념으로부터 분리된 독립적인 개념은 아니며 빅데이터의 일반적인 특성과 속성을 공유하면서 위치적 속성과 장소적 특성을 가지는 빅데이터로 정의할 수 있다(김동한, 2018). 동일한 맥락에서 농촌공간 빅데이터는 공간 빅데이터의 일반적인 특성과 속성을 공유하면서 위치적 속성과 장소적 특성을 농촌으로 하거나, 농촌공간 내의 행위 주체에 의해 발생한 시･공간적 속성을 보유한 미시적 기록들의 방대한 집합체를 말한다. 다양한 사회경제적 행태 정보를 비교적 신속하게 지속적으로 제공 및 활용할 수 있다는 장점을 지닌다(박미정･전정배, 2017).

최근 공공데이터 개방정책에 따라 데이터 구득이 비교적 용이해졌지만, 데이터 정제 및 표준화 등의 가공비용이 높다. 한편, 민간 데이터는 아직 공개되지 않은 경우가 많고, 높은 가격과 낮은 접근성 등이 장애요소로 작용하고 있다. 농촌공간 빅데이터는 지역개발 및 활성화, 농촌계획, 관광육성 등에 적용된다. 따라서 관련 인프라 구축을 통해 증거기반 정책 수행을 제도화하고 지원체계를 마련하여 활용을 촉진할 필요가 있다.

공간개념이 포함된 자료의 통계적 분석은 한정된 지점에서 관측된 값으로 공간상의 관심 지점을 예측하기 때문에 그 지역의 특성이 자료 분석에 적용될 수 있어야 한다. 공간분석은 생성되는 자료의 형태에 따라 분석법이 다르게 나타난다. 농촌공간 빅데이터를 분석하여 지도화하고, 이를 공간계획에 반영하는 과정에는 기본적으로 네트워크분석, 버퍼분석, 격자분석 기법 등이 주로 사용되고 있다(국립농업과학원, 2020).

네트워크분석은 교통분야와 공공시설의 접근성 및 시설물의 최적입지 선정 등에 많이 활용되며(Diana Stuart Sinton, 2007), 버퍼분석은 점, 선, 면 객체에서 지정된 거리를 포함하는 영역을 분석하는 방법이다(한국에스리, 2021). 격자분석은 주어진 특정 지점을 둘러싸고 있는 주변 지역의 특성을 평가하는 분석기법으로 단순거리뿐만 아니라 시간, 비용 등의 기준으로 접근성을 파악한다. 격자의 크기에 대한 규정은 『행정정보의 격자체계 설정 및 공간정보화 기준』(국토지리정보원 고시 제114호, 2016)에서 제시하고 있다(표 2).

4. 선행연구 고찰

본 연구와 관련된 선행연구는 인구감소에 따른 농촌변화 연구, 농촌재생 및 정책 연구, 그리고 공간 빅데이터의 활용 연구로 집약할 수 있다. 먼저 농촌의 인구감소 및 고령화 연구(박순일, 2003; 김부성, 2009)가 이루어진 이후, 본격적인 인구감소시대 진입에 따른 지역사회 인구분포 및 변화의 고찰이 다수 진행되었다(박종순･조득환, 2011; 노재선 등, 2013; 구지영･안영진, 2014). 일반농산어촌개발사업이 추진되면서 농촌중심지를 거점으로 인구 유입 및 특화 발전을 도모하는 연구(박성진 등, 2017; 박성진･강인호, 2018; 조영재 등, 2020)가 주류를 이루었다. 점차 지방소멸이 이슈로 등장하면서 위기 극복을 위한 사례 분석(이용일, 2017; 임정민, 2019)과 적정 대안을 제시하는 연구(강동우, 2019; 유한별 등, 2021)도 시도되었다. 또한 전국 면지역을 대상으로 하는 연구(손승호･이호상, 2021)와 마을단위까지 상세 분석한 연구(윤정미･조영재, 2021)도 성과를 보였다.

농촌재생 및 관련 정책에 대한 선행연구로는 지역재생 파급효과의 결정요인 연구(김의준 등, 2010)가 수행되었고, 빈집 정비와 정주여건 개선 등을 통한 주거재생에 관한 연구가 다수 나타났다(김근성, 2012; 박길범 등, 2013; 박준모･김옥규, 2015). 이와 함께 재생사업의 경제성 평가 모형(김영성･정근채, 2013) 및 키워드를 통해 농촌재생 동향을 분석하는 연구(김준수 등, 2014)도 진행되었다. 이에 더하여 농촌지역 재생사업 성과를 파악하고(이태겸･정남식, 2019), 효율적인 재생계획으로 지역재생을 강화하는 사례분석 연구가 이루어졌다(박현욱･한양수, 2019; 정수희･이병민, 2020; 윤철재, 2021).

4차 산업혁명과 빅데이터 시대의 진입으로 공간 빅데이터에 관한 연구도 나타났다. 공공데이터 구축 체계와 활용성 고찰(김민수, 2014; 김희수, 2014; Akiyama, 2016)을 토대로 공공서비스 프레임을 규정하는 연구(유선철 등, 2014; 이명호 등, 2015)가 수행되었다. 또한 대규모 국토정책 및 개발계획, 농업농촌 실태 분석 등을 접목한 연구(조용빈, 2017; 박로운･이기훈, 2016)와 함께 사회적 요구를 반영한 재난안전 분야에 대한 동태적 연구(Ogawa et al., 2013; 남원호 등, 2016; 김신곤, 2018)도 일정부분 성과를 보였다. 최근에는 공간 빅데이터 기반의 농촌재생을 위한 지역진단지표 개발(장문현, 2021)과 기초생활인프라 취약성 진단 연구(장문현･이정록, 2022)가 이루어졌다.

전술한 선행연구를 종합하자면, 인구감소 및 지역소멸에 관한 연구는 포괄적인 지역사회 변화를 중심으로 이루어졌고, 도시재생뉴딜 추진 이후에는 상대적으로 소외된 농촌재생에 관한 관심이 특징적으로 나타났다. 특히 농촌 현실을 반영한 실질적 농촌재생 방법론에 대한 탐색과 함께 과소화 및 지방소멸 등에 대한 위기 대응이 필요한 것으로 파악되었다. 다른 한편으로 농촌지역 활성화를 위한 재생진단 지표 및 정책적 활용을 위한 모델 개발에 관한 연구가 시급한 것으로 판단되었다. 이와 같은 맥락에서 본 연구는 농촌개발 및 정책 사업을 농촌재생으로 인식하고, 인구감소의 위기에 대응하는 농촌재생 진단 모델링에 연구 역량을 집중하였다.

III. 분석의 틀

1. 진단지표 및 공간 빅데이터

농촌진단 모델의 체계적인 구축을 위해서는 지역 변화 및 특성을 반영할 수 있는 진단지표가 선정되어야 한다. 따라서 농촌 및 지역개발 주제의 논문과 관련 연구를 고찰하고, 주요 진단영역과 지표를 폭 넓게 검토하였다. 이를 토대로 농촌재생과 관련한 진단영역을 크게 인구사회, 생활편의, 산업경제, 환경안전의 4개 부문으로 구분하고, 각 부문별로 활용 가능한 진단지표 목록을 작성하였다.⁵⁾ 다음으로 확보한 예비지표 목록에 대하여 전문가 집단을 대상으로 설문조사⁶⁾를 통해 델파이분석을 수행한 후, 자료의 효용성과 구득성을 고려해 진단지표 12개를 최종적으로 선정하였다(표 3).

진단지표가 선정된 후에는 진단에 이용할 공간데이터를 확보하고, 공간분석 기초단위가 설정되어야 한다. 공간정보 레이어는 주로 국가공간정보포털에서 제공하는 개방데이터를 이용하고, 행정안전부 공공데이터 및 도로명주소시스템, 통계청 통계지리정보 등을 상호 연동시켰다(표 4).

농촌지역 진단 및 재생에 적합한 모델 도출의 효율성과 완성도 증진을 위해 다음의 주요 사항을 고려하였다. 첫째, 기본적으로 농촌재생은 기존 도시재생과는 차별된 새로운 관점으로 접근했다. 둘째, 공간분석 스케일은 행정경계 및 집계구보다 세분화된 격자(500m×500m)를 기본단위로 설정하였다. 이는 격자기반 서비스 통계구역 단위에 대한 규정(국토지리정보원, 2018)을 준용하고, 향후 전국 규모로의 확대 적용을 반영한 것이다. 셋째, 진단 및 분석에 활용되는 공간 빅데이터는 최근 5년(2017~2021) 이내의 자료를 적용하되, 구득 가능성을 고려하여 범위를 축소･확대하였다. 넷째, 연구 범역이 농촌지역인 점을 감안하여 행정구역 중에 동지역을 제외한 읍･면을 적용 대상으로 삼았다.

2. 진단지수 및 분석체계

인구 및 분포비율, 시설물 접근성, 지가변화와 토지이용, 노후건축물 비율 등을 포함한 각 부문별 진단지표의 상세 분석을 위해 격자단위의 공간 분할을 적용하였다. 이를테면 기초생활인프라에 해당하는 시설의 경우, 국토지리정보원의 국가격자체계기준 자료를 구득하고, 개별시설의 주소정보를 x, y 좌표로 변환하는 지오코딩을 실행하였다. 인구자료는 통계청의 주민등록인구(읍면동)와 센서스 통계(집계구), 지역별 추계인구 등을 활용하였다. 인구분할은 건축물대장 정보를 기초로 하되, 격자별 주거용 건축물의 비율을 계산하여 순차적으로 할당하였다.

앞서 제시한 통계자료 및 공간 빅데이터의 정제, 재가공 및 구조화 등 공간분석 결과에 대한 시각화는 주로 ArcGIS 프로그램을 활용하였다. 이를 기반으로 진단에 필요한 속성 및 통계자료를 단위격자에 연동시키고, 공간통계 기법을 통해 분석하였다. 진단지표 데이터를 수집하여 점수화하는 단계에서는 각 지표별 점수를 동일한 기준으로 표준화하는 과정이 요구된다. 따라서 지표별 측정값의 순위정보를 유지하되, 측정단위의 분포를 통일하는 표준화 점수법을 사용하였다. 또한 지표들 간의 상대적 중요도가 존재하므로 이를 고려하여 가중치를 부여할 필요가 있다. 여기에는 쌍대비교를 통해 상대적 가중치를 적용하는 AHP⁸⁾ 방법으로 부문별, 지표별 가중치와 최종 가중치를 산정하였다.

다음으로 4개 부문 총 12개 지표에 대한 세분화된 진단등급 구분을 위해 5개 등급구간으로 나누어 기초 지수값을 부여했다. 그 결과에 최종 가중치를 반영하고, 가중선형방법으로 종합적인 진단지수를 산출하였다. 이와 같이 농촌진단에 적용될 각 진단지표의 등급구간, 진단등급 및 지수를 산정하고, 이를 진단모델 구축 및 실증적 분석에 활용하였다(표 5).

3. 사례지역 선정

진단모델의 적용을 위한 공간적 범위는 대표적 농업지대인 전라남도(5시･17군)로 선정하였다. 이곳은 한반도 서남부에 입지하여 영산강과 섬진강을 따라 다수의 자연마을(약 10,649개)을 형성하고 있다(전라남도, 2022). 사례지역의 총면적(12,359km²) 중에 임야 56.8%, 농경지 26.0%, 그리고 기타 17.2% 비율을 차지한다. 용도지역으로 구분하면 도시지역 11.1%, 비도시지역 88.9%로 나타났다. 인구규모는 2021년 3월 기준으로 182만 9천명, 인구밀도는 148명/km² 수준이다(전남통계연보, 2021). 전라남도는 2018년 지방소멸 위험지수가 전국 최저수준으로 소멸위험이 가장 높게 나타났고(이상호, 2018), 2021년 10월 정부에서 지정･고시한 인구감소지역에 16개 시･군⁹⁾이 포함되었다. 따라서 인구감소에 대응하기 위한 진단 모델의 적용에 적합한 범역으로 사료되었다(그림 1).

그림 1.

사례지역

IV. 진단 모델 및 실증 분석

1. 농촌재생 진단 모델링

방대한 규모의 농촌공간 빅데이터를 기반으로 효율적인 재생 진단 지원체계를 구축하기 위해서는 체계화된 모형이 요구된다. 진단 모델의 구축은 관련 지표를 구성하고, 이를 종합적으로 설명할 수 있는 공간정보의 가공을 통해 순차적으로 진행해야 한다. 또한 최종 진단결과를 도출하는 과정과 분석단계에서는 다양한 공간분석 도구와 의사결정 기법이 활용된다. 이 과정에서 각 진단부문의 정확한 자료 획득과 분석적 사고가 중요한 역할을 한다. 따라서 농촌의 사회적 현상과 변화에 대한 시･공간적 정보 추출 및 정제를 통해 지표별 진단지수를 산출하고, 이를 종합하여 진단등급을 부여하는 순서로 진행하였다.

농촌재생을 지원하는 진단 모델링의 원천자료는 국가중점개방 데이터 중심의 공간 빅데이터와 기업 등 민간분야에서 생산 유통하는 통신 및 카드이용 등에 대한 생활 빅데이터로 대별된다. 다만, 민간분야의 경우는 개인정보 보호 및 고가의 비용 문제로 인하여 본 연구에서는 제외하였다. 부문별 주요 데이터는 앞서 제시한 지표 구성과 분석 체계에 의거하여 인구사회, 산업경제, 생활편의, 그리고 환경안전 부문으로 각각 구분하였다.

효율적인 진단 모형 구축을 위하여 공간 빅데이터의 적용 및 분석 방식 등에 대해 다음과 같은 고려사항을 반영하였다. 첫째, 비도시지역에 해당하는 읍･면을 대상으로 하되, 분석의 일관성 및 향후 확장성을 고려하여 국가격자체계를 활용하였다. 둘째, 전체 격자의 중심점을 추출하고, 각 단위격자의 고유 식별자를 생성하여 공간연산의 공통항목으로 삼았다. 셋째, 단위격자에 다수의 객체가 중복되거나 혼재할 경우에는 해당 격자 내의 최댓값 또는 최대빈도를 지닌 개체의 속성을 선택하였다. 다섯째, 시설물의 접근성 측정은 도로망에 기초하되, 국가교통DB를 기반으로 네트워크 분석에 따른 실제 이동거리를 적용하였다.

이와 같은 진단 규범을 전제로 도출된 농촌재생 진단 모델은 농촌사회의 현상 파악과 재생사업 대상지 선정뿐만 아니라 시공간적 분포 및 지역정책 결정을 지원하는 도구로 이용될 수 있다. 또한 거시적 측면에서의 공공 및 민간분야의 생활서비스 연계를 도모하고, 미시적 측면에서는 지역맞춤형 복지서비스와 기초생활서비스 공급계획 등에 유용할 것으로 기대된다(그림 2).

그림 2.

농촌재생 진단 목표모델

2. 지표별 진단지수 분포

본 연구를 통해 제시된 농촌재생 진단 모델의 실증적 적용은 전라남도의 농촌지역을 대상으로 실시하였다. 진단등급 및 지수산정 기준에 기초하여 격자형 레이어를 생성하고, 시･군 및 읍･면･리 등의 행정경계와 중첩시킨 다음, 단계적으로 지표별 지단지수를 분석하였다. 이를 통해 광역시도 규모의 광역진단과 중간규모의 권역진단, 지자체 규모의 지역진단 등을 수행할 수 있는 기반을 마련하였다. 공간 빅데이터를 기반으로 하는 농촌재생 진단 모델을 활용하여 연구 사례지역의 각 부문별 진단지표에 따른 진단지수를 산출하고, 분포 양상을 시각화하였다.¹⁰⁾ 여기서 진단지수는 그 값이 클수록 제반 환경이 양호한 수준을 나타내며, 작을수록 우선적인 지원이 요구되고 있음을 의미한다(그림 3).

그림 3.

지표별 진단지수 분석도

사례지역의 지표별 평균 진단지수를 살펴보면 생산가능인구비율(0.314)이 가장 높고, 소방서접근성(0.037)이 가장 낮았다. 각 부문별 평균 진단지수의 경우는 인구사회(0.253)가 가장 높고, 산업경제(0.148), 환경안전(0.111), 생활편의(0.097) 순서로 나타났다. 보다 세부적으로 인구사회 부문에서는 생산가능인구비율(0.314), 생활편의 부문은 의료기관접근성(0.136), 산업경제 부문은 지가상승률(0.263), 그리고 환경안전 부문은 노후건축물비율(0.201)이 상대적으로 높은 지수를 보였다. 이와 반대로 낮은 지수를 나타낸 부문별 지표로는 고령인구비율(0.299), 문화시설접근성(0.070), 토지이용압축도(0.083), 소방서접근성(0.037)으로 각각 분석되었다. 이는 전술한 바와 같이 비도시지역에 해당하는 읍･면을 대상으로 하되, 비거주지는 분석 대상에서 제외한 것이다(표 6).

3. 부문별 진단결과 분석

농촌의 현실을 효율적이고 구체적으로 진단하기 위해서는 상세한 공간단위로 자료를 획득하되 정교한 분석이 요구된다. 또한 활용하는 목적에 따라 적절한 구획이 필요하다. 본 연구에서는 농촌재생 진단모델의 테스트베드 성격으로 기초적인 진단 및 특성을 고찰하고자 하였다. 따라서 진단의 공간분석 규모를 지자체 단위로 설정하고, 시군별, 부문별 진단지수 현황을 파악하였다. 우선 전라남도 전체의 부문별 평균 진단지수를 산출한 결과, 네 부문 중에서 인구사회(0.497) 부문이 상대적 우위를 점하였다. 다음으로 산업경제(0.439), 환경안전(0.350)의 순서를 보였으며, 생활편의(0.284) 부문이 가장 낮고 열악한 수준으로 진단되었다(그림 4).

그림 4.

부문별 진단지수 분석도

상기의 진단지수 및 분석 결과를 지역별로 구분하면, 인구사회 부문은 담양군(0.567)과 나주시(0.560), 무안군(0.555) 등이 양호한 반면에 고흥군(0.411)과 화순군(0.420), 장흥군(0.426) 등은 낮은 수준으로 드러났다. 생활편의 부문에서 진단지수가 높은 곳은 완도군(0.328), 담양군(0.315), 함평군(0.309) 등이며, 이와 반대로 지수가 낮은 곳은 해남군(0.251), 영광군(0.259), 화순군(0.262) 등이다. 산업경제 부문에서 양호한 지역은 장성군(0.411), 함평군(0.386), 영광군(0.380)이 대표적이며, 무안군(0.358), 해남군(0.371), 그리고 진도군(0.376)은 타 지역에 비해 열악한 곳으로 평가되었다. 또한 환경안전 부문에서는 장성군(0.411), 함평군(0.386), 영광군(0.380) 등이 진단지수가 높게 나타났고, 여수시(0.304), 진도군(0.305), 신안군(0.307) 등 해안･도서를 중심으로 지수 분포가 낮게 나타나는 특징을 보였다(표 7).

4. 종합 진단 및 특성 고찰

사례지역에 대한 진단 모델의 적용 및 실증적 분석은 거주지 위주로 수행하였다. 전체적인 격자 구성을 검토해 보면 총 격자수는 54,809개(13,702.3km²)이며, 이 중에 거주지 25,720개(6,430.0km²), 비거주지 29,089개(7,272.3km²)로 나타났다.¹¹⁾ 공간적 비율은 거주지가 46.9%, 비거주지가 53.1%를 차지하였고, 전라남도 거주지역의 종합 평균 진단지수는 1.570으로 분석되었다. 그 범위를 세분화하여 지역별로 구분하자면, 군 단위에서는 해남군이 2,005개(501.3km²)로 격자수가 가장 많고, 구례군이 609개(152.3km²)로 가장 적었으며, 목포시를 제외한 시 단위 중에는 나주시가 1,477개(369.3km²)로 우위를 점하였다. 또한 시･군 구분 없이 지자체별로 종합 진단지수를 비교해 보면, 담양군(1.789)의 평균지수가 가장 높고, 진도군(1.429 )이 가장 낮았다. 이를 진단 순위에 따라 재분류한 결과 상위 5개 시･군은 담양군(1.789), 장성군(1.756), 구례군(1.718), 여수시(1.678), 나주시(1.667)로 나타났다. 반면에 하위 5개 지역에는 진도군(1.429), 보성군(1.436), 장흥군(1.450), 해남군(1.455), 그리고 고흥군(1.469)이 포함되었다(표 8).

농촌재생 진단을 위한 지역별 종합 진단지수는 상세도 및 활용성 측면을 고려하여 5개 등급(A~E)으로 계층화하였다. 여기서 A등급(0.073 이하)~B등급(0.074~1.547) 구간은 농촌재생을 위한 다각적인 지원이 시급한 지역, C등급(1.548~2.320)은 중간수준으로 재생지역에 포함될 개연성 있는 지역, 그리고 D등급(2.321~3.094)~E등급(3.095 이상) 구간은 현재 양호한 진단수준으로 정의하였다.

상기의 등급 기준에 의거하여 보다 효율적 진단을 위해 A･B등급(재생지역)과 D･E등급(양호지역)으로 대별한 후에 재분류하였다. 그 결과 광주근교권역에 해당하는 곡성군 남부, 화순군 북부･남서부 등의 외곽을 따라 재생지역이 집중되는 양상이 나타났다. 전남 동부권역에서는 A･B등급에 해당하는 재생지역이 고흥군 전역에 넓게 분포하는 특성을 보였다. 이는 반도라는 지형적 환경과 낮은 접근성의 영향으로 파악된다. 서남권의 재생지역은 주로 신안군 등 다수의 섬을 포함한 도서지역과 연륙･연도교가 연결되지 않은 해안지역이 대부분 포함되었다. 또한 중남부권은 보성군 북부, 장흥군 북부･북서부, 그리고 완도군 해안 및 도서지역의 재생이 매우 시급한 것으로 나타났다(그림 5).

그림 5.

종합 진단결과 분석도

전술한 사례지역의 진단결과를 종합하자면, 부문별로는 생활편의에 대한 진단수준이 가장 열악한 것으로 나타났고, 인구사회 부문은 그나마 양호한 수준을 유지하는 것으로 분석되었다. 공간적 측면에서는 해안도서와 내륙 산악지역 등이 우선적 지원이 필요한 것으로 진단되었고, 국립공원 및 상수원보호구역 등은 진단의 제약 요소로 작용하였다. 특히 지자체 외곽 경계부 등을 포함하여 상대적으로 고립되고 소외된 지역에 대한 대책 마련이 요구되는 것으로 분석되었다.

V. 결 론

전술한 진단 및 분석 내용을 종합해보면, 인구감소와 지방소멸에 대한 우려가 현실로 나타나고 있다. 한편으로 공간 빅데이터의 활용성과 융･복합을 통한 잠재적 가치가 재조명되고 있으나, 농촌의 개발과 재생을 위한 적용 사례는 아직 미흡한 실정이다. 여기에는 당면한 현안과 여건이 지역별로 상이하다는 점, 그리고 실용적인 진단 모델의 도출과 적용, 재생사업 추진 과정의 장애요소 등 많은 어려움이 상존하기 때문일 것이다.

본 연구는 인구감소시대의 농촌지역 문제 진단을 위해 공간 빅데이터를 도입하고 개선된 접근방식을 통해 재생지역을 효율적으로 선정하는 진단 모델을 구축하였다. 후속적으로 전라남도를 대상으로 진단 모델을 적용하여 각 부문별 진단지표에 따른 진단지수를 산출하고, 공간적 분포 특성을 분석하였다. 사례지역의 지표별 평균 진단지수는 생산가능인구비율이 가장 높고, 소방서접근성이 가장 낮은 것으로 파악되었다. 또한 부문별로는 인구사회 부문이 양호한 반면에 생활편의 부문은 열악한 수준으로 진단되었다. 부문별 평균 진단지수를 종합하여 지역별로 비교한 결과, 담양군이 가장 높고 진도군(1.429 )이 가장 낮게 나타났다. 더 나아가 진단의 활용성을 고려하여 진단지수를 다섯 등급으로 계층화하였다. A･B등급의 재생지역과 D･E등급의 양호지역으로 재분류한 결과, 해안도서와 내륙 산악지역의 재생 지원이 시급한 것으로 나타났다. 또한 국립공원 및 상수원보호구역 등은 재생 진단의 제약 요소로 파악되었다. 공간적 측면에서도 사례지역의 외곽 및 각 지자체의 경계부가 상대적으로 열악하여 포괄적인 대책이 필요한 것으로 진단되었다.

본 연구를 통해 제시한 진단 체계 및 분석 결과는 농촌지역의 현실적인 수요에 부응하고, 맞춤형 지원책 마련과 체계적인 정책 수립에 일정부분 기여할 것으로 기대한다. 그럼에도 대도시 인접지역, 동 경계부분 및 그 주변영역은 실제보다 과소하게 진단될 소지가 있으므로, 향후 후속적인 보완 연구가 진행되어야 할 것으로 사료된다.