1)
Received 17 March 2021, revised 13 April 2021, accepted 14 April 2021. *Corresponding author: Youngran Kim (E-mail: [email protected]) ∙김영란 (선임연구위원) / Youngran Kim (Senior Research Fellow)
서울특별시 마포구 매봉산로 37, 03909
37, Maebongsan-ro, Mapo-gu, Seoul 03909, Republic of Korea ∙황성환 (연구위원) / Seonghwan Hwang (Research Fellow)
서울특별시 마포구 매봉산로 37, 03909
37, Maebongsan-ro, Mapo-gu, Seoul 03909, Republic of Korea
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
도시 토지피복별 불투수면적률과 녹지면적률에
따른 지표면 일최고온도 변화량 산정방법
Development of calculating daily maximum ground surface
temperature depending on fluctuations of impermeable and green
area ratio by urban land cover types
김영란*･황성환
Youngran Kim*･Seonghwan Hwang
서울기술연구원 기술개발본부
Technology Development Headquarter, Seoul Institute of Technology
ABSTRACT
Heatwaves are one of the most common phenomena originating from changes in the urban thermal environment. They are caused mainly by the evapotranspiration decrease of surface impermeable areas from increases in temperature and reflected heat, leading to a dry urban environment that can deteriorate aspects of everyday life. This study aimed to calculate daily maximum ground surface temperature affecting heatwaves, to quantify the effects of urban thermal environment control through water cycle restoration while validating its feasibility. The maximum surface temperature regression equation according to the impermeable area ratios of urban land cover types was derived. The estimated values from daily maximum ground surface temperature regression equation were compared with actual measured values to validate the calculation method’s feasibility. The land cover classification and derivation of specific parameters were conducted by classifying land cover into buildings, roads, rivers, and lands. Detailed parameters were classified by the river area ratio, land impermeable area ratio, and green area ratio of each land-cover type, with the exception of the rivers, to derive the maximum surface temperature regression equation of each land cover type. The regression equation feasibility assessment showed that the estimated maximum surface temperature values were within the level of significance. The maximum surface temperature decreased by 0.0450˚C when the green area ratio increased by 1% and increased by 0.0321˚C when the impermeable area ratio increased by 1%. It was determined that the surface
1. 서 론
도시는 인구의 급격한 증가로 토지를 집약적으로 이용하기 위하여 시가지가 고밀도로 개발되어 왔으며 이에 따라 다양한 문제가 발생하고 있다. 도시 문제 중에서 시민들에게 직접적으로 영향을 주는 것은 열 환경 악화로 인한 매년 여름에 발생하는 폭염이다. 도 시의 폭염은 기온증가와 함께 지표면 불투수면에서 증발산량 감소와 반사열 증가가 주요 원인으로서 도 시생활을 점점 건조하게 하고 열악하게 만들고 있으 며 이산화탄소 배출량 증가, 에너지 소비와 물사용량 증가를 유발하여 경쟁력을 약화시키고 있다. 이러한 도시의 열환경을 직접적으로 개선하기 위해서는 불투 수면을 증발산면적으로 전환하여 지표면 온도를 낮추 어야 하며 대표적인 사업으로서 대부분 도시에서 활 발하게 추진하고 있는 물순환회복 사업이다. 기온은 도시의 열환경 변화를 정량화하는 지표이 다. 지표면 불투수면의 증가로 인하여 증발산면적률 이 감소하면 도시유역의 최고기온 및 최저기온은 증 가한다. 증발산면적률이 30% 감소하면 최고기온은 약 4˚C 증가하는 것으로 나타났다 (Myrup, 1969). 토지피 복에 따라 기온이 변하는 것에 대하여 다양한 연구가 진행되어 왔다 (Cha et al., 2009; Kim, 2012). 그러나 토지피복에 따른 기온의 변화를 정량적으로 제시하고 있지 못한 실정이다 (Lee and Kim, 2018). 기온은 넓은 지역의 다양한 기상적 인자와 지형적 인자에 의하여 영향을 받으므로 일정지역의 토지피복 상태만으로 기 온변화를 정량적으로 나타내기 어렵다. 지표면 상태 에 따른 도시 열환경을 정량화할 수 있는 직접적인 자료는 지표면 온도가 사용되고 있다. 지표면 온도 변 화에 미치는 지역특성 인자를 도출하기 위해 회귀분 석을 이용하여 도시 공업지역, 전력사용량, 평균풍속, 농림지역, 자연･환경보전지역 등과 같은 인자들이 지 표면 온도에 미치는 영향에 대한 연구가 이루어 졌다 (Bae et al., 2018). 또한 그 외의 다수의 지표면 온도와 관련한 연구를 하였지만 정량화하지는 못하였다 (Baik and Choi, 2012; Kim et al., 2017).본 논문에서는 물순환회복에 의한 도시열관리 효과 를 정량적으로 나타내기 위하여 지표면 최고온도의 산정방법을 연구하였다. 토지피복별 불투수면적률과 녹지면적률의 변화에 따라 폭염에 영향을 주는 지표 면 최고온도 변화를 정량화하기 위해 도시 열환경 관 련 인자를 적용하여 지표면 최고온도의 산정방법을 도출하였다.
2. 연구방법
2.1 연구흐름도
도시 열환경 상태를 정량화하는 대기 기온은 넓은 지역을 대표할 수 있는 지표로 사용할 수 있지만, 물 순환 회복의 효과를 직접적으로 나타내는 지표면 온 도 변화에 대한 지표로 사용하기 어렵다. 최근 지표면 온도를 파악하기 위하여 드론을 사용하게 되어 도지 지역의 지표면 온도 측정은 쉬워졌지만, 드론사용 방 법은 넓은 지역에 대하여 특정시간대의 지표면 온도 를 동시에 측정하는 것은 어려우며 시간적, 공간적, 예 산적 한계를 가지고 있다. 지표면 온도가 토지이용 또는Ground temperature data measured at 13:00 and accurate location editing
Derivation of a regression equation to estimate the daily maximum surface temperature of roads, buildings, rivers, and land
Performance evaluation of regression equation for estimating daily maximum surface temperature
Building(Tree and grasslands area ratio), Road(Tree and grasslands area ratio, Road area ratio), River(Tree and grasslands area ratio, River area ratio),
Land(Tree and grasslands area ratio , Impervious surface ratio)
A method for calculating the daily maximum surface temperature
Fig. 1. Flow chart for developing the method of calculating the daily maximum surface temperature.
reduction effect through increases in the green area ratio was 29% higher than the increasing effect of surface temperature due to the impermeable land ratio.
Key words: Heatwaves, Water cycle restoration, Daily maximum ground surface temperature, Impermeable area ratio, Land cover, Green area ratio
토지피복에 따라서 달라지는 것은 확인할 수 있지만 지표면 온도 변화를 정량화하지 못하고 있다. 불투수면적률에 따른 여름철 지표면 온도 저감 정 도를 산정하기 위해, 축적된 자료를 활용하여 지표면 최고온도를 추정할 수 있는 방법을 연구하였다. 이에 대한 토지피복의 상태와 세부인자 구분, 그리고 지표 면 일최고온도 변화를 산정하는 방법 도출을 위한 연 구흐름도는 Fig. 1과 같다.
2.2 지표면 일최고온도 산정방법
토지피복 상태는 지표면 온도 및 물순환 상태를 나 타낼 수 있도록 분류하였다. 지표면 온도는 태양에너 지와 지표면 물질과 관계가 있으며, 물순환은 불투수 면적률과 관련성이 높다. 도시의 지표면은 인공적 요 소와 자연적 요소로 구분된다. 인공적 요소는 콘크리 트와 아스팔트가 대표적으로서 불투수면적률이 100% 이며 자연적 요소는 인공적 요소를 제외하는 부분으 로 하천 수면, 흙과 녹지이다. 이러한 복합관계를 적용하여 토지피복을 인공적 3 개 요소와 자연적 3개 요소로 구분하였다. 인공적 요소는 건물, 아스팔트 도로, 불투수면 대지로 하고 자연적 요소는 하천수면, 투수면 대지와 투수면 또는 불투수 면 녹지로 분류하였다. 또한 세부인자로서 불투수면 적률과 녹지면적률을 적용하고 추가적으로 도로와 하 천수면의 면적률을 이용하여 분류하였으며 이를 정리 하면 Table 1과 같다. 생태지도와 건축물, 도로 및 하천의 수치지도를 이 용하여 토지피복 분류와 세부인자의 추출과정을 정리 하면 다음과 같다 (Fig. 2). 2015년 도시생태현황도의 불투수면적률과 같은 의 미인 불투토포비와 토지피복별 면적을 이용하여 대지 의 불투수면적률 산정식은 식 (1)과 같다. RImper Land A Land Aall× RImpermap ARoad ABuilding
× (1)
여기서, RImper
Land: 대지의 불투수면적률, RImpermap: 도
시생태현황도의 불투토포비, AAll: 대상지역 면적,
ABuilding: 건물면적, ARoad: 도로면적, ARiver: 하천면적,
ALand: 대지면적 드론에서 촬영한 초목 엽면을 녹지면적으로 적용한 토지피복별 녹지면적률 산정식은 다음과 같다. RGreen i A i AGreen i (2) 여기서, RGreen i: 토지피복별 녹지면적률, AGreeni: 토 지피복별 녹지면적, Ai: 토지피복별 면적, i: 토지피복 구분(Building : 건물, Road : 도로, River : 하천수면, Land : 대지)
Get the urban biotope map (impermeable area ratio) and the digital map for Buildings, roads and rivers
Extract the land area excluding buildings, roads and rivers from the study area by GIS(geographic information system) Tools
Calculate the impermeable area ratio of land using the impermeability ratio of the urban biotope map and the area by
land cover
Extract the boundary of green ground using drone images
Calculation of green area ratio for each land cover using green area
Calculate the area of buildings, roads, rivers and land by the GIS Tools
Calculate the green area of buildings, roads, rivers and land after intersecting green ground by land cover using GIS tools
Fig. 2. Land cover classification and related factors extraction flow chart.
2.2.1 토지피복 분류
대상유역의 기본도는 불투수면적률 자료가 있는 도시생태현황도(Seoul, 2015), 건물도, 도로지도, 하 천지도 및 항공(드론)사진을 이용하였다. 대지의 지
Table 1. Classification of land cover and related factors
Land cover
Main High canopy Low canopy(surface)
Middle Building Road River Land
related factors Green area ratio (= Tree and grasslands area ratio)
Green area ratio, Road area ratio
Green area ratio, River area ratio
Green area ratio, Impervious surface ratio
표면 온도는 서울시 비오톱 조사결과로 제시된 도시 생태현황도에서 100% 불투수면인 건물 및 도로와 100% 투수면인 하천을 제외한 대지의 불투수면적률 을 산정하여 추정하였다. 건물도(2021년 1월 3일 기 준), 도로와 하천은 서울특별시의 수치지도를 이용하 였다. 드론의 운영시간 내의 열영상 측정자료는 반경 500m 내외로서 유의한 수준의 측정값을 확보하기 위 하여 건물 이외의 토지피복은 30m×30m 격자별로 토 지피복 또는 세부인자를 도출하였다. 2.2.2 세부인자 지표면 온도 저감 효과를 산정하기 위하여 도로의 가로수, 건물의 옥상녹화 시설 및 공원의 녹지의 수목 및 초지에 대한 지표면 온도 저감효과를 크기별로 분 류하였다. 드론 영상사진을 이용하여 가로수 등의 녹 지를 별도로 추출하였고, 가로수 및 조경시설의 비율 은 별도의 인자로 활용하였다. 식물의 체온인 온엽이 주변 지표면 온도보다 낮으며 도로면 온도를 예측하 는 등의 지표면 온도 모의를 위한 기존 연구 성과를 고려하여 토지피복을 분류하였다 (Song, 2014). 토지 피복은 건물, 도로, 하천 및 대지로 분류하였으며, 수 목 및 초지가 차지하는 면적률을 녹지면적률로 정의 하여 식물에 의한 지표면 온도 저감 효과를 고려할 수 있도록 하였다. 하천과 도로의 규모에 따른 영향을 적용하기 위하여 세부인자에 하천면적률과 도로면적 률을 추가하였다.
2.3 지표면 최고온도 산정방법 적정성 검증
2.3.1 통계 분석 자료의 특성을 분석하기 위하여 가장 먼저 실시하 는 방법은 통계 특성을 분석하는 것이다. 지표면 온도 의 자료 특성을 도시적으로 분석하기 위하여 히스토 그램을 이용하였다. 평균, 중간값, 최대값, 최소값, 범 위, 분산 등의 통계값 중 가장 직관적인 평균값으로 토지피복별 지표면 최고온도를 비교하였다. 2.3.2 다중회귀분석 다중회귀분석은 복수의 인자에 영향을 받은 자료 를 산정하는 방법으로서 수자원, 교통 등과 같은 다 양한 분야에서 폭넓게 이용하고 있다 (Lee, 2004; Yun et al., 2009; Kim and Oh, 2015). 본 연구에서는 지표면 최고온도 산정식 회귀분석의 유의확률을 이 용하여 지표면 일최고온도 산정방법의 적정성을 분 석하였다. 2.3.3 적정성 검증방법 적정성 검증은 모의값이 측정값을 유사하게 산정하 는지 여부를 정량적으로 평가할 수 있는 방법이다. 적 정성 검증은 대표적인 방법인 상관성 분석의 결정계 수(R)와 최소자승법(RMSE, Root mean square error)의 RMSE 값을 이용하였다. 결정계수(R)와 최소자승법의 목적함수(L)인 RMSE 값은 식 (3), (4)와 같다. R R
i n
Xi X
i n
Yi Y
i n
n Xi X
Yi Y
(3) L
i n Yi Xi n (4) 여기서, R: 결정계수, R: 상관계수, L: 최소자승법 의 목적함수, X: 모의값, Y: 측정값, X: 모의값 평균, Y: 측정값 평균2.4 분석대상유역 특성
2.4.1 4개 측정지역 위치 분석 대상지역은 도시지역의 토지피복별 불투수면 적률과 녹지면적률의 증가에 따른 폭염에 영향을 주 는 지표면 최고온도 변화를 정량화할 수 있도록 도시 개발에 의하여 지표면 대부분이 불투수면으로 구성된 서울시를 대상으로 하였다. 서울시 시가지에서 대표 적인 도시 구성요소인 건물, 도로, 광장, 공원, 도시하 천 등을 포함하는 4개 지역을 선정하였다. 선정한 대 상지역의 위치는 Fig. 3과 같다. 분석 대상지역은 대표적 광장이 위치한 광화문광 장, 도시하천 유역인 청계천 상류, 업무시설이 집중된 영동대로 남단 그리고 대규모 녹지공간인 마곡지구공 원이다.Fig. 3. Location map of study areas. 2.4.2 불투수면적률과 녹지면적률 분포 광화문광장, 청계천 상류, 영동대교 남단, 마곡지구 공원 지역의 건물, 도로, 하천, 대지의 토지피복상태에 대한 불투수면적률을 산정하였다. 토지피복의 불투수면 적률은 건물과 도로는 100%이고 하천은 수면으로 0% 이다. 이에 반해 대지는 0∼100%의 분포를 가지고 있다. 지역의 붙투수면적률과 녹지면적1)률은 각각 광화 문광장이 86.3%와 10.7%, 청계천 상류가 90.4%와 8.3%, 영동대교 남단은 91.0%와 16.3%, 마곡지구공원 이 18.1%와 31.1%로서 불투수면적률은 고밀도로 개 발된 지역이 86%를 초과하고 있는 반면에 공원 지역 은 20% 미만으로 구성되어 있다 (Table 2). 토지피복 에서 불투수면적률은 건물과 도로가 100%이고 하천 1) 녹지면적은 옥상녹화, 가로수 등과 같이 불투수면 또는 수면 위 로 뻗은 나무와 같은 녹지가 차지하는 면적을 의미합니다. 은 0%로 일정하다. 이에 대해 대지는 불투수면적률이 0~100% 분포를 가지고 있어 지표면 온도는 불투수면 적률 변화에 영향을 받게 되므로 대지의 불투수면적 률을 지표면 일최고온도 산정의 세부인자로 적용하였 다. 대지의 불투수면적율은 광화문광장이 65.3%, 청계 천 상류가 73.2%이며 영동대로 남단이 81.1%으로 높 은 반면에 마곡지구공원은 0.6%로서 낮다 (Table 2). 2.4.3 지표면 일최고온도 분포 폭염은 도시 열환경을 나타내는 중요한 항목으로서 일별 최고기온을 기준으로 정의하고 있다. 본 논문에서 는 폭염에 영향을 주는 지표면 온도가 최고로 되는 오후 1시의 지표면 온도 자료를 사용하였다. 드론을 사용하 여 4개 지역의 지표면 온도를 동시에 계측하기 어려워 서 최고기온이 발생하는 8월의 4일, 7일 11일, 14일의 4일에 걸쳐서 열영상을 촬영하였다. 지표면 온도는 Zenmuse XT2를 이용하여 측정하였으며, Zenmuse XT2 의 스펙트럼 대역은 7.5~13.5 μm이고, 화면범위는 640×512 해상도에서 –25~135˚C의 열영상을 측정할 수 있다. ArcGIS 프로그램의 자체 위성사진과 건물의 수치 지도를 기준으로 ArcGIS 툴인 Georeferencing 작업으로 정위치 보정을 실시하였다. 지표면 온도에 가장 지배적 인 인자는 지표면 반사계수로서 토지피복 인자를 이용 하여 지표면 온도를 추정하는 방법은 추정값의 정확도 가 떨어질 우려가 있다. 광화문광장을 촬영한 2019년 8월 7일 오전은 강우로 인하여 지표면 온도가 다른 지역 보다 낮았다. 빛을 반사하는 지점의 열영상 측정값은 반사되는 빛으로 인하여 낮은 온도로 촬영되므로 오후 1시 열영상 자료의 최소 보다 낮은 15˚C를 기준으로 빛 을 반사하는 지점들은 제외하였다. 4개 지점의 지표면 온도 측정자료는 Fig. 4와 같다.
Table 2. Current status of the impermeable area ratio and green area ratio in the study area
Classification Gwanghwamun Square
Upstream of Cheonggyecheon
South end of
Yeong dong Bridge Magok District Imperviousarea ratio
(%)
Total Area 86.3 90.4 91.0 18.1
Land 65.3 73.2 81.1 0.6
Green area ratio (%) Total Area 10.7 8.3 16.3 31.1 Building 6.3 4.9 17.4 0.4 Road 7.6 9.5 10.1 3.4 Water 0.0 5.5 - 0.0 Land 15.0 8.8 20.6 47.8
(a) Gwanghwamun Square
(2019-08-07) (b) Upstream of Cheonggyecheon(2019-08-14) Surface temperature(℃)
(c) South end of Yeongdong Bridge
(2019-08-11) (d) Magok District(2019-08-04)
Fig. 4. Daily maximum surface temperature in the study areas.
3. 결과 및 고찰
3.1 대상지역 통계분석 결과
지표면 온도가 도시 폭염에 미치는 영향을 검토하 기 위하여 드론으로 8월에 측정한 열영상 실측자료를 사용하였다. 실측자료 중에서 지표면 평균온도가 가 장 높은 오후 1시의 측정자료의 통계적 특성을 파악 하기 위하여 히스토그램을 작성하였다 (Fig. 5~Fig. 8). 도시하천이 위치하고 있는 청계천 상류와 대부분 불투수면적으로 이루어진 영동대교 남단의 2개 지역 에 대한 각각 건물과 도로의 지표면 온도는 20~50˚C 로 넓은 분포를 보였으나 대부분 측정값은 39~42˚C 를 중심으로 집중되는 것으로 나타났다. 8월의 지표 면 온도가 20~50˚C가 비교적 넓은 분포를 가지는 것 은 도시의 지표면이 다양하게 구성되어 있는 특성을 나타낸다 (Fig. 6, Fig. 7). 특히 대부분의 지표면 온도 측정값이 39~42˚C의 높은 온도범위에 집중되어 있는 것은 도시의 지표면 대부분이 콘크리트와 아스팔트 로 구성되는 것에 기인한 것으로서 태양열을 빨리 흡수하는 특성을 가지고 있기 때문이다. 청계천 상 류와 영동대교 남단의 지표면 온도는 평균값 37~39˚C 의 범위에서 대지가 건물과 도로보다 낮게 분포하고 있다 (Fig. 6, Fig. 7). 이것은 대지의 경우 건물과 도 로보다 많은 녹지면적이 분포되어 있기 때문이다. 4 개 분석대상지역에서 하천의 지표면 온도 분포는 20~30˚C로 낮으며, 지표면 온도의 편차가 작은 특성 을 보이고 있다. 4개 분석대상지역의 지표면 최고온도의 통계적 특 성을 전체와 녹지면적과 녹지 외 면적에 대하여 정리 하면 Table 3과 같다. 4개 분석대상 지역 중에서 건물에서 지표면 온도는 To ta la rea O ut side gr ee n a rea gr ee n ar ea영동대로남단, 청계천 상류, 마곡지구공원 및 광화문광 장 순으로 낮으며, 오전에 강우가 발생한 광화문광장의 지표면 온도는 다른 지역보다 낮은 것으로 나타났다. 광화문광장을 제외한 3개 지역의 건물에 대한 지표 면 온도는 평균 38.8˚C에서 41.7˚C까지 2.9˚C 정도의 차이가 있으며, 도로는 39.5˚C에서 42.7˚C까지 3.3˚C 정도의 차이만 발생하였다. 지표면 온도의 범위가 최 소 20˚C 정도에서 50˚C 정도까지 약 30˚C 이상인 것을 고려하였을 때, 다른 날짜와 다른 지역에서 계측한 동 일 토지피복도의 지표면 온도에 대한 차이는 10% 이 내로서 크지 않은 것으로 나타났다. 다만 오전에 강우가 발생한 광화문광장에서 측정한 지표면 온도는 도로에서 다른 3개 지역 지표면 온도 와 비교하여 9.2˚C 차이가 발생하는 것으로 측정되었 다. 따라서, 광화문광장의 지표면 온도 측정자료는 지 표면 온도의 차이만큼 보정하여 이용하였다. To ta la re a O ut si de g ree n a rea gr ee n ar ea
Fig. 6. Histogram of surface temperature by land cover at the Upstream of Cheonggyecheon.
To ta la rea O ut side gr ee n a rea gr ee n ar ea
3.2 다중선형회귀분석 결과
3.2.1 다중선형회귀식 산정 결과토지피복이 건물, 도로, 하천 및 대지인 지역의 지 표면 온도를 추정하기 위하여 토지피복별 세부인자를 적용하고, 선형회귀식은 X-Y형, Ln(X)-Y, X-Ln(Y),
Ln(X)-Ln(Y)형의 4가지 형태로 나누어서 회귀식 형태 별로 차이를 분석할 수 있도록 하였다. 선형회귀식의 형태에 따른 추정값과 측정값의 유사성을 검토한 결 과(Fig. 9), 형태별 결정계수와 RMSE 값의 차이가 크 지 않으므로 선형회귀식을 검토한 결과는 X-Y형태 만 을 제시하였다. 다른 형태의 선형회귀식도 모두 유사 Total area Outsid e green are a green area
Fig. 8. Histogram of surface temperature by land cover at the Magok District.
Table 3. Average value of surface temperature by study area and land cover
Classification Average surface temperature(˚C) by surface characteristics Building Road Water Land Gwanghwamun Square
Total study area 32.8 31.6 21.5 30.0 Outside green area 33.0 32.2 21.5 30.9 Green area 29.4 27.4 - 27.3 Upstream of Cheonggyecheon
Total study area 41.7 39.5 27.6 37.0 Outside green area 42.0 40.6 27.2 38.0 Green area 35.7 33.0 28.7 32.8 South end of Yeongdong Bridge
Total study area 40.1 40.0 - 38.4 Outside green area 40.9 41.5 - 39.7 Green area 36.2 33.1 - 35.5 Magok District
Total study area 38.8 42.7 26.8 34.3 Outside green area 38.8 43.1 26.8 36.7 Green area 35.0 37.6 - 32.6 Average
(Except Gwanghwamun Square)
Total study area 40.2(7.4) 40.7(9.2) 27.2(5.7) 36.6(6.6) Outside green area 40.6(7.6) 41.8(9.6) 27.0(5.5) 38.1(7.2) Green area 35.6(6.3) 34.5(7.2) 28.7(-) 33.7(6.3) ※ ( ) shows the deviation between the average surface temperature of the three regions and the Gwanghwamun Square.
한 결과를 나타내었다. 토지피복별 회귀분석이 유의한 수준의 결과를 도출 하는지 여부를 판별할 수 있는 X-Y형태 회귀식의 분 산분석 결과는 Table 4와 같다. 건물, 도로, 하천 및 대지의 유의확률(Significance probability)은 모두 0.001 이하로서 유의수준 95%의 유 의확률을 판정하는 기준 0.05보다 작아서 통계적으로 유 의한 값을 제시할 수 있는 회귀식을 도출할 수 있다. 토지피복별 지표면 일최고온도를 추정하는 회귀식 을 검토한 결과는 Table 5와 같다. 회귀식을 산정한 결과에서, 도로의 도로면적률, 하 천의 녹지면적률 세부인자에 대한 개별적인 유의확률 은 각각 0.751과 0.527로서 95% 유의수준의 기준이 되 는 유의확률 0.05를 초과하여 도로면적률과 녹지면적 률 세부인자를 제외하여도 회귀식의 결과에 유의한 수준의 영향을 주지 않는 것으로 분석되었다. 따라서, 도로의 도로면적률, 하천의 녹지면적률을 지표면 온 도 세부인자에서 제외하고 최종 회귀식을 구하였다. 도로의 도로면적률과 하천의 녹지면적률을 제외한 나 머지 세부인자의 개별 독립변수 유의확률은 0.05보다 낮은 값인 것으로 나타났다 (Table 5). 지표면 온도를 추정하기 위한 다중선형회귀식은 식 (5)와 같다. Ti Constant
j m n aijxij (5) 여기서, Ti : 토지피복별 지표면 온도(˚C), aij : 다 중선형회귀분석 결과 계수값, xij : 지표면 온도 세부 인자(독립변수), i : 토지피복 구분(1: 건물, 2: 도로, 3: 하천, 4: 대지) , j : 지표면 온도 세부인자 구분(녹지 면적률, 도로면적률, 하천면적률, 불투수면적률) 토지피복에 따른 지표면 최고온도를 추정한 결과는 Table 6과 같다. 대지의 지표면 온도를 추정한 회귀식 에서 녹지면적률이 1% 증가함에 따라서 지표면 온도 는 0.0450˚C 감소하였으며, 이에 대해 불투수면적률은 1% 증가함에 따라서 0.0321˚C가 증가하는 것으로 분 석되었다. 불투수면적률과 녹지면적률의 증감에 대한 지표면 온도 변화량은 녹지면적률에 의한 지표면 온 도 저감효과가 불투수면적률에 의한 지표면 온도 증 가효과 보다 29% 더 큰 것으로 나타났다. 3.2.2 회귀식 적정성 검증 결과 회귀식 적정성은 토지피복별 다중선형회귀식으로 검증하였다. 지표면 최고온도의 추정값과 측정값의 상관관계를 지수화하여 결정계수를 도출하고 추정값 과 측정값 차이를 지수화하여 RMSE 값을 산정하였Table 4. ANOVA(Analysis of Variance) results of each model for calculating surface temperature
Modela) DOF Sum of squares Mean square F ratio Significance probability
Building Regression 1 34.45 34.45 17.78 .001b) Residual 18 34.88 1.94 Total 19 69.33 Road Regression 2 1,109.47 554.73 72.18 .000c) Residual 285 2,190.32 7.69 Total 287 3,299.79 River Regression 2 4.87 2.44 12.48 .000d) Residual 35 6.83 0.20 Total 37 11.70 Land Regression 2 693.92 346.96 60.01 .000e) Residual 264 1,526.34 5.78 Total 266 2,220.27
a) Dependent variable: Surface temperature
b) Predictor: (constant), Green area ratio (= Tree and grasslands area ratio ) c) Predictor: (constant), Green area ratio, Road area ratio
d) Predictor: (constant), Green area ratio, River area ratio
다. 이를 정리한 결과는 Fig. 9와 같다. 지표면 최고온도를 추정하는 상관성이 가장 큰 형태 의 회귀식인 Fig. 9에서 ①로 표시한 회귀식에 대한 결 정계수는 토지피복별로 대지가 0.3149로 작으며, 건물이 0.5064로서 크게 나타났다. 결정계수가 작은 회귀식은 추정값을 산정하는데 추가적인 세부인자가 필요하다고 할 수 있다. 본 논문에서는 자료획득이 가능한 토지피복 별 면적률, 불투수면적률, 녹지면적률을 적용한 회귀식 의 결정계수를 산정하였으며 향후 지표면 상태에 대한 자료의 축적을 통하여 세부인자를 고려할 필요가 있다. 결정계수 0.3149∼0.5064는 상관계수로 나타내면 0.56∼0.71으로서 약한 상관성을 보이지만, RMSE 값 은 0.07~0.29˚C로서 회귀식 추정값과 측정값의 편차는 작다. 비록 상관관계는 약하지만 상관계수 0.5는 지표 면 일최고온도의 추정에서는 상관성이 있다. 이는 지 표면 온도가 20∼50˚C인 지역에서 지표면 최고온도를 추정하는 회귀식의 추정값이 측정값과의 평균편차가 0.3˚C이하로 작으므로 토지피복별 지표면 최고온도를 추정하는 회귀식으로 사용할 수 있을 것이다. 이러한 분석결과는 지표면 최고온도를 정량적으로 추정할 수 있는 회귀식을 토지피복과 세부인자 분류 방법을 통하여 산정할 수 있으며, 회귀식의 추정값은 측정값과 편차가 작아 실제 활용이 가능하다는 것을 나타내고 있다.
Table 5. Results of multiple linear regression analysis for calculating surface temperature
Surface temperature related factors Coefficient t-statistic Significance probability
95.0% confidence interval for coefficient Lower limit Upper limit Building Constant 40.1210 65.01 0.000 38.82 41.42
Green area ratio -0.0446 -4.22 0.001 -0.07 -0.02
Road Constant 40.2907 (40.3920) 93.00 (137.97) 0.000 (0.000) 39.44 (39.82) 41.14 (40.97) Green area ratio -0.0744
(-0.0749) -11.68 (-12.03) 0.000 (0.000) -0.09 (-0.09) -0.06 (-0.06) Road area ratio 0.0017 0.32 0.751 -0.01 0.01
River Constant 28.0500 (28.1210) 170.27 (233.14) 0.000 (0.000) 27.72 (27.88) 28.38 (28.37) Green area ratio 0.0020 0.64 0.527 0.00 0.01
River area ratio -0.0128 (-0.0135) -4.34 (-5.00) 0.000 (0.000) -0.02 (-0.02) -0.01 (-0.01) Land Constant 35.7371 92.10 0.000 34.97 36.50 Green area ratio -0.0450 -8.96 0.000 -0.05 -0.04 Impervious surface ratio 0.0321 6.64 0.000 0.02 0.04 ※ ( ) show the results of multiple linear regression analysis in the case of excluding factors that do not provide
significant results in estimating surface temperature.
Table 6. Calculation results of regression equation by regression analysis according to land cover
Classification of
land cover Multiple linear regression result
Building T = 40.1210 - 0.0446 × Tree and grasslands area ratio Road T = 40.3920 – 0.0749 × Tree and grasslands area ratio River T = 28.1210 – 0.0135 × River area ratio
4. 결 론
본 연구의 목적은 지표면 상태변화에 따른 도시열 관리 효과를 정량적으로 나타내기 위하여 8월 계측일 지표면 최고온도의 산정방법을 도출하고 그 산정방법 의 적정성을 검증하는 것이다. 토지피복별 불투수면 적률과 녹지면적률의 증가에 따른 폭염에 영향을 주 는 지표면 최고온도 변화를 정량화하기 위하여 도시 열관리 관련인자를 적용한 지표면 최고온도 산정방법 에 대한 연구를 수행하였다. 연구결과를 정리하면 다 음과 같다. 1) 지표면 최고온도를 산정하기 위한 세부인자 중 에서 도로의 불투수면적률과 하천의 녹지면적률 2개 인자는 개별 독립변수의 유의확률은 0.05보다 크게 나 타나서, 분석방법의 세부인자 산정에서 제외한다. 지 표면 최고온도 산정방법에서 토지피복은 건물, 도로, 하천 및 대지로 분류하고, 세부인자는 녹지면적률, 하 천면적비와 불투수면적을 적용한다. 2) 토지피복 분류방법과 세부인자 산장방법은 토지 피복으로 건물, 도로, 하천 및 대지의 4개로 분류하고, 세부인자는 하천면적률, 대지 불투수면적률과 하천을 제외한 토지피복별 녹지면적률로 구분한다. 토지피복 별 지표면 최고온도 추정회귀식은 회귀식 적용성 검 증 결과로 도시의 여름철 지표면 최고온도를 유의한 수준으로 추정할 수 있다. 3) 지표면 최고온도는 녹지면적률이 1% 증가함에 따라 0.0450˚C 감소하며, 불투수면적률은 1% 증가함 에 따라서 0.0321˚C 증가한다. 녹지면적률에 의한 지 표면 온도 저감효과가 불투수면적률에 의한 지표면 온도 증가효과보다 29% 더 큰 것으로 나타나 지역의 녹지면적은 도시열관리에 불투수면적 보다 큰 영향을 준다고 할 수 있다. 본 연구를 통하여 불투수면적률과 건물, 도로 및 하 천의 분포에 따른 지표면 최고온도 산정결과는 열영 상을 측정한 8월의 임의 날짜에 대한 지표면 최고온 도의 추정방법이다. 향후, 다양한 지표면 측정자료를 이용하여 본 논문보다 유의한 수준의 일최고 지표면 온도를 추정에 대한 적용성을 제시할 필요가 있으며,(a) Building (b) Road
(c) River (d) Land
지표면 온도를 이용한 물순환회복의 열환경 개선효과 를 직접적으로 나타낼 수 있는 기온과의 관계를 정량 적으로 제시할 수 있는 연구가 필요하다.
References
Baik, J.J. and Choi, M.H. (2012). Availability of land surface temperature from the COMS in the Korea peninsula, J. Korea Water Resour. Assoc., 45(8), 755–765. Bae, D.H., Kim, H.M. and Ha, S.R. (2018). The factor analysis
of land surface temperature (LST) change using MODIS imagery and panel data, J. Korean Assoc. GIS., 21(1), 46-56.
Cha, Y.H., Kim, H.Y. and Heo, T.Y. (2009). The Effects of Urban Land Use and Land Cover Characteristics on Air Temperature in Seoul Metropolitan Area, Seoul Studies, 10(4), 107-120.
Kim, H.S. (2012). The Difference in Temperature According to the Land Coverage and Vegetation Structure of Large-Scale Green Area in Seoul, Master’s Thesis, University of Seoul, Seoul, Korea.
Kim, T.W. and Oh, J.S. (2015), Estimation of AADT using multiple linear regression in isolated area, J. Korean Soc. Civ. Eng., 35(4), 887-896.
Kim, M.Y., Choi, Y.H., Jeon, J.G. and Kim, Y.J. (2017).
“Difference in canopy and air temperature as an indicator of crop water stress and its feasibility for irrigation scheduling”, Proceedings of the Korean Society for
Agricultural Machinery Conference, 6-7 April, 2017,
Gunwi, Korea, J. Biosyst. Eng., 22(1), 131. Lee, J.H. (2004), Accidents Prediction Model for Unsigalized
Intersections Reflecting the Characters of Upstream Alignments, Master’s Thesis, University of Seoul, Seoul, Korea.
Lee, S.Y. and Kim, S.J. (2018). Consideration of temperature distribution using landuse data in a city - Comparison of temperature in Jeonju city, J. Reg. Assoc. Archit. Inst. Korea, 20(2), 105-110.
Myrup, L.O. (1969). A numerical model of the urban heat island, J. Appl. Meteorol. Climatol., 8(6), 908-918. Seoul. (2015). 2015 Seoul city biotop map maintenance,
Seoul metropolitan biotop map.
Song, D.W. (2014). The prognostic model for the prediction of the road surface temperature by using the surface energy balance theory, J. Korean Geotech. Soc., 30(3), 17-23.
Yun, H.S., Um, M.J., Cho, W.C. and Heo, J.H. (2009). Orographic precipitation analysis with regional frequency analysis and multiple linear regression, J. Korea Water Resour. Assoc., 42(6), 465-480.
