급격한 도시화와 기후변화로 인해 도심 내 온도가 주변 지역보다 급격히 상승하는 도시 열섬현상과 그로 인한 문제점을 해결하기 위한 다양한 연구가 이루어졌다.

김수봉 외(2001)의 연구는 자동차 배기가스에 의한 대기오염, 도심 거주민의 활동으로 인한 인공 열, 건설 및 지표면 포장에 의한 지상 피복 상태 변화 등이 도시 열섬 현상의 주된 원인으로 지목하고 있다. 또한, 그들의 연구는 도시의 피복 상태의 차이로 인한 태양 복사 에너지의 흡수율, 낮은 반사율 그리고 증산 작용 등이 도시 기온이 밀접하게 연관되어 있다고 하였다. 다른 한편으로 Susca et al.(2011)와 Oliveira et al.(2011)은 식생이 풍부한 지역이 그렇지 않은 지역보다 평균 기온이 낮았음을 확인하였고, 이는 녹지와 인공 피복의 열 저항성 차이, 식생 현황 그리고 알베도 차이로부터 기인한다고 하였다. 이처럼 도시의 피복 상태는 궁극적으로 도시 기온에 영향을 미치게 된다.

Chen et al.(2006)은 UHI와 토지 피복 변화 사이의 관계를 분석을 위해 정규 식생지수(Normalized Difference Vegetation Index: NDVI), 정규 물 지수(Normalized Difference Water Index: NDWI), 정규 나지 지수(Normalized Difference Bareness Index: NDBaI), 정규 건물 지수(Normalized Difference Built-up Index: NDBI)와 지표온도 사이의 상관성 연구를 통해 정규 나지 지수(NDBaI)와 정규 건물 지수(NDBI)가 지표온도와 양(+)의 관계가 있는 것을 확인하였다. 또한, 그들의 연구는 지표온도가 지표의 피복 상태에 따른 태양 복사에너지의 흡수와 반사도 등, 지표 재질의 특성과 차량의 이동, 각종 토지이용 및 인간의 활동으로부터 기인한다고 하였다.

한편 앞서 소개한 연구들이 인간 활동으로 인한 교통량의 증가, 지표의 피복 상태 변화, 토지이용의 유형 등 2차원적 평면적 요소에 치중하였다면 3차원 입체적 물리 환경요소가 열섬에 미치는 영향에 대한 연구도 진행되었다. 건물밀도, 토지이용, 도로, 건물 변수와 함께 천공개폐율(sky view factor), 표면 거칠기(roughness) 변수를 이용하여 기온이나 통풍(ventilation)과의 영향관계를 파악하였다(Grimmond, 2007; Giridharan et al., 2004; Giridharan et al., 2007; Gál et al., 2009; Wang & Akbari, 2014; Wang & Akbari, 2016). 또한, 건물 부피를 제외한 빈 곳의 비율을 의미하는 공극률(porosity), 건물 정면 계수(building aspect ratio)등과 기온과의 관계를 살펴본 연구도 있다(Georgakis & Santamouris, 2006; Niachou et al., 2008; Memon et al., 2010; Gál & Unger, 2009).

그러나 기존 연구들은 도시의 평면적 물리적 환경과 3차원 입체적 물리적 환경, 그리고 인공열과 같은 요인을 종합적으로 고려하지 않고 있다. 또한, 대부분의 연구가 도시열섬현상에 집중하고 있어 3차원 물리적 환경요인이 지표온도에 미치는 영향은 충분히 연구되지 못하였다. 나아가 대부분의 선행연구는 지표온도나 대기온도에 미치는 독립 변수들 사이의 상호작용 효과에 대한 분석이 이루어지지 않았다. 마지막으로 대부분의 선행 연구가 지표온도나 대기온도가 가지는 공간적인 자기상관을 제어하지 않고 전통적인 회귀 분석방법을 사용하여 분석결과의 편이(bias)를 가지고 있어 보다 정밀한 방법론의 활용이 필요하다.

위성영상 자료는 넓은 지역의 종합적인 정보를 적은 비용으로 손쉽게 취득할 수 있다는 장점이 있을 뿐만 아니라, 도시지역에 대한 시계열적 이미지를 얻을 수 있어 매우 효율적인 수단이라 할 수 있다. 특히 지표온도와 같이 넓은 지역을 대상으로 현황을 파악하는 데 있어 위성 영상 자료의 활용은 매우 유용하다.

엄대용(2006)은 광역 지역에 대한 지표온도 추출을 위해 LANDSAT TM/ETM+ 영상을 획득하여 기하 보정 및 방사 보정을 하고 NASA(National Aeronautics and Space Administration) 모델을 이용하여 지표온도를 추출하였다. 그리고 대상 지역에 대한 피복 분류를 통해 고유 방사율을 적용하는 1차 보정을 하고, 기상청 기온자료와의 상관관계를 통해 얻은 보정식을 토대로 영상으로부터 획득한 지표온도를 이차적으로 보정함으로써 영상을 이용한 지표온도 추출의 정확도를 향상하는 방안을 제시하였다. 또한, 김미경 외(2014), 김태헌 외(2018)는 LANDSAT 위성영상을 활용하여 연구대상 지역의 토지피복의 상태, 밝기온도 등을 활용하여 지표온도를 산출하였다.

Suga et al.(2003)은 LANDSAT 7/Enhanced Thematic Mapper Plus(ETM+)의 열 적외선 밴드 영상 데이터로부터 유도된 지표온도에 대한 검증 연구를 일본 히로시마와 서부해안 지역의 대상으로 진행하였다. 실제 측정된 데이터와 영상자료를 통해 추정한 지표온도와의 비교를 위해 분광복사 함수를 기반으로 한 수식이 적용되었으며, 이를 적용한 지표온도가 실제 측정한 데이터와 매우 근접함을 확인하였다.

이처럼 위성영상자료인 LANDSAT 자료는 광범위한 지역과 실제 조사를 위한 접근이 어려운 지역에 대한 지표온도 측정에 매우 유용하고 높은 신뢰수준을 제공하는 자료이며, 다양한 연구에 활용되고 있음을 확인할 수 있다. 나아가 위성영상으로 도출된 지표온도를 대기 온도로 전환하여 도시열섬현상 분석을 위한 자료로도 활용되고 있다.

그러나 위성영상으로부터 취득된 지표온도 자료는 해당 지역의 실제 지표온도와 차이를 나타내는데 이는 지표의 온도 정보가 지구 대기를 거쳐 우주 공간상의 위치하는 위성 센서에 전달되는 과정에서 자료의 왜곡이 발생하기 때문이다. 따라서 더욱 정확한 지표온도 측정을 위해 대기 상태와 지표면에서 발생하는 열복사와 반사를 고려한 보정작업이 필요하다.

기존 연구에서는 위성 영상 자료를 활용하여 지표의 특성과 지표온도 사이의 관계에 주목하였다. 지표는 낮 동안 태양 복사 에너지를 축적하고 밤에 복사열을 대기로 방출한다. 따라서 지표온도는 도시열섬현상과도 밀접한 관련이 있다. 그러나 기존 연구는 평면적 수준에서 지표 특성과 지표온도와의 관계를 주로 다루었으며, 3차원 입체적 물리 환경에 대한 종합적인 고려는 충분히 이루어지지 않았다. 그리고 지표온도에 영향을 미치는 변수들 사이의 상호작용 효과에 대한 연구도 부족한 실정이다. 예를 들어 도시의 밀도를 대변하는 용적률과 천공개폐율의 상호작용은 지표온도에 유의한 영향을 미칠 수 있다.

다음으로 도시공간의 지표온도는 입체적 물리적 환경요인뿐만 아니라 인공적인 열을 발생시키는 건축물이나 자동차 교통량과 밀접한 관련이 있을 수 있다. 일반적으로 인공열은 대기온도와 더 밀접한 관련이 있지만, 지표를 향하고 있는 건물의 열 배출구와 자동차 통행량은 지표온도에도 큰 영향을 미칠 수 있다.

그리고 위성 자료를 통한 지표온도 측정과 관련된 연구들은 대기의 상태에 따른 지표면 정보의 왜곡 문제를 해결하기 위하여 일련의 보정 작업이 필요하다. 특히 지표온도의 추출에 있어 대기 중에서 방출 및 흡수하는 열복사와 지표에서 방출하는 열복사에 대한 보정 작업을 진행하여 지표온도의 정확도를 높일 필요가 있다.

마지막으로 지표온도는 지리적 위치에 따라 특성이 변화하는 공간 자료의 속성을 지니고 있다. 공간 자료의 속성은 Tobler(1970)가 제시한 지리학 제1 법칙의 개념과 같이 공간적으로 가까이 있는 것이 멀리 있는 것보다 높은 상관성을 가진다. 이러한 공간자료의 속성을 공간적 자기상관(spatial autocorrelation)으로 설명할 수 있으며, 공간적 자기상관이 심각할 경우 전통적인 회귀 분석모형의 기본 가정을 위배하며 분석결과의 편이(bias)가 발생한다.

따라서 본 연구는 위성영상자료인 LANDSAT 8 TM 자료와 공간적 자기 상관을 제어할 수 있는 공간통계 모형을 활용하여 도시 공간의 3차원 물리 환경 요소와 지표온도와의 관계를 분석한다. 특히 도시공간의 인공 열 발생요소인 건축물과 교통량 요인을 종합적으로 고려하여 3차원 입체적 물리적 환경이 지표온도에 미치는 영향을 분석한다.

본 연구는 서울시를 대상으로 하며 2016년 5월 19일의 위성 영상 자료를 이용하였다(그림 1 참조). 물리적 환경 변수는 2016년 건축물대장 자료를 활용하였으며, 교통량 변수는 한국교통연구원에서 제공하는 2015년 서울시 추정교통량을 사용하였다. 교통량 자료는 1년 평균 교통량으로 추정된 자료이기 때문에 2016년에도 큰 변화가 없을 것으로 판단하였다.

Figure 1. 
Study area

한편 LANDSAT 8 위성 자료의 해상도는 30m×30m 해상도를 제공하고 있으나, 3차원 물리적 환경 분석 단위로 매우 작기 때문에 분석 단위를 600m×600m 그리드 1,839개로 지정하였다. 종속변수는 분석단위가 되는 그리드(600m×600m) 안의 400개 지표온도 픽셀의 평균 지표온도 값을 활용하였다.

LANDSAT 8 위성영상에 포함된 열 밴드를 기반으로 LANDSAT 8 TIRS를 이용하여 지표온도 추출이 가능하며, 지표온도를 계산하는 과정은 <그림 4>와 같다(Zhang et al., 2002). AVHRR, ATSR 및 ASTER와 같은 다중 열 대역 시스템과 달리 단일 열 대역을 가진 LANDSAT 계측기는 대기 영향에 대한 고유한 보정 값을 제공하지 않아, 대기상부(TOA)복사, 지표방출 복사 및 온도를 보정하기 위해 이를 보조할 수 있는 데이터가 필요하다(Barsi et al., 2005).

Figure 4. 
Process of extracting surface temperature

지면에 표적을 남기는 방출 신호는 대기에 의해 약해지고 강화되므로 열 대역 이미지를 사용한 절대 온도 연구에서 대기의 영향을 제거하는 것은 필수적이다. 이를 위해 지표 열복사 값을 측정하고 이를 위성 센서를 통해 얻는 열복사 총량에서 빼서 지표 열복사 강도를 추출한다. 그 다음 지표 열복사 강도를 전환해 지표온도를 얻게 된다. 이를 수식으로 나타내면 다음과 같다.

(6)

Lλ는 센서에 의해 등록된 휘도이며, B(Ts)는 플랑크 법칙에 의한 표면 온도와 관련된 흑체 복사, Ts는 LST, L↑과 L↓는 용승 및 하강 대기의 복사도, τ 대기 투과율 그리고 지표의 표면 방사율이다. 또한, Ts 값의 경우 플랑크 공식을 이용해 산출할 수 있다.

(7)

이때, TM 영상인 경우，K1=607.76W/(m²·µm·sr), K2=1260.56K ETM+ 영상이면，K1=666.09W/(m²·µm·sr), K2=1282.71K TIRS 영상이면，K1=774.89W/(m²·µm·sr), K2=1321.08K이며, Atmospheric Profile Parameters(대기단면지수)인 L↑, L↓, τ는 NASA에서 제공한 계산식을 통해 영상촬영 시간과 중심 경도 및 위도를 입력하여 얻을 수 있다(Wang et al., 2018).

본 연구는 날씨가 맑고 바람과 구름이 거의 없는 2016년 5월 19일 위성 영상 자료를 활용하여 분석하였다. 위성영상 이미지 분석을 위해 Harris Geospatial Solutions에서 제공하는 ENVI5 소프트웨어를 활용하였다. ENVI5는 디지털 이미지를 시각화, 분석과 표현을 위해 사용되는 소프트웨어로, 기하학적 보정, 지형분석, 레이더 분석, 래스터 및 벡터 이미지의 분석 등을 지원하며 영상자료의 분석에 보편적으로 이용되고 있다.

<그림 5>는 2016년 5월 19일 촬영한 위성영상을 이용하여 산출한 서울시 지표온도이며, 시가화 지역의 온도가 수면이나 공원녹지지역 보다 확연하게 높은 것을 알 수 있다. 또한, 하천지역의 온도는 산림지역 온도보다 훨씬 낮게 분포되어 나타나고 있다. 지표온도 지도에서 지표온도가 높게 나타난 부분은 주로 도심과 부도심 등 도시화 지역이며 교통시설과 공항시설 등에서도 높게 나타났다.

Figure 5. 
Seoul’s surface temperature (May 19, 2016)

지표온도는 지리적 위치 특성에 따라 변화하는 속성을 가진 공간 데이터이다. 따라서 지표온도는 공간적 자기상관성이 높은 것으로 가정할 수 있으며, 이러한 공간 자기 상관 및 공간 모델링을 제어할 수 있는 GeoDa Software를 통해 모형의 적합성을 검증하였다. GeoDa Software는 Anselin(2005)에 의해 개발되었으며, 공간분석, 다수준 변수의 탐색 및 데이터 분석이 가능하다. 또한, 선형회귀 분석과 함께, 공간통계모형과 관련하여 공간시차모형(Spatial Lag Model: SLM)과 공간오차모형(Spatial Error Model: SEM)을 포함한다.

<그림 6>와 <그림 7>은 지표온도의 공간적 자기상관 분석을 나타낸다. Moran’s I 산포도와 LISA 클러스터 지도에 따르면 평균지표온도는 Moran’s I값이 0.7로 매우 높은 양(+)의 공간적 자기상관을 나타내었다. 또한, LISA 클러스터 지도를 통해 핫스팟 분석을 실행하였다. 주변지역과 함께 지표온도가 높은 곳은 붉은색 군집, 낮은 곳은 푸른색 군집으로 표시된다. 특히 붉은색 군집은 지표온도가 높은 핫스팟이다. 서울시의 경우 대체로 지표온도는 강북도심과 영등포 여의도 부도심 그리고 공항시설이 입지하고 있는 강서구 등에서 높게 나타나고 있으며 국립공원과 자연녹지 그리고 한강을 중심으로 지표온도가 낮게 나타나는 것을 볼 수 있다.

Figure 6. 
Moran's I scatter plot of surface temperature

Figure 7. 
Surface temperature LISA hotspot analysis

<표 2>는 지표온도에 영향을 미치는 요인에 대한 기술 통계량 분석 결과이다. OLS모형과 공간회귀모형을 위해 도시의 물리적 환경 변수를 독립 변수로, 평균 지표온도를 종속 변수로 설정하여 분석을 진행하였다. 총 1,839개 표본을 대상으로 하였으며, 선형회귀모형(OLS), 공간시차모델(SLM), 공간오차모델(SEM)을 비교하여 본 연구에 적합한 모형을 선택하였다. 회귀분석결과는 다음과 같다(표 3 참조).

첫째, 전통적인 OLS 모형의 경우 Moran’s I값이 0.422로 높고 통계적으로 매우 유의하여 공간적 자기 상관이 높은 것을 알 수 있다. 따라서 OLS 모형 보다는 공간적 자기상관을 제어할 수 있는 SLM 또는 SEM 모형의 고려가 필요하다. 한편, SLM 모형의 경우 잔차의 Moran’s I값이 0.164로 공간적 자기상관이 일부 남아 있는 것을 볼 수 있었으며, SEM 모형의 경우 잔차인 Moran’s I값이 -0.0002이고 통계적으로 유의하지 않아 공간적 자기 상관성이 완전히 제거되었음을 알 수 있다. 따라서 모형적합도인 AIC와 SC 값과 공간적 자기상관 제어효과를 고려할 때 공간시차모형(SEM)이 더 타당한 것을 알 수 있다.

둘째, 자연환경 요인인 녹지면적, 하천면적, 평균 표고, 경사도 등의 지표는 지표온도와 모두 음(-)의 관계를 나타내었다. 우선 녹지 및 하천의 표면은 태양 복사에너지가 쉽게 축적되지 않기 때문에 지표온도가 낮게 나타났다고 볼 수 있다. 한편 평균 고도가 증가하게 되면 대기온도가 감소하게 되며, 이러한 온도 감소는 지표온도에 영향을 미치게 된다. 또한, 경사의 방향에 따라 달라질 수 있지만 대체적으로 경사가 증가하면 지표에 도달하는 태양 에너지가 감소하게 되고 지형에 의한 음영효과가 생기기 때문에 지표 온도와 음(-)의 관계를 갖는 것으로 분석된다.

셋째, 대부분의 물리적 환경 변수는 지표온도와 통계적으로 유의한 관계를 나타내었다. 우선, 건축면적, 도로시설 밀도 그리고 철도시설 밀도는 지표온도와 양(+)의 관계를 맺는 것으로 나타났다. 물리적 환경 변수들은 도시화의 결과물로서 이들 변수는 지표의 알베도를 낮추어, 지표로 도달하는 태양 에너지의 흡수량을 증가시켜 지표 온도를 상승시키게 된다. 반면 공간오차모형의 경우 건축면적은 통계적으로 유의하였으나, 건축물 연면적은 지표온도와 통계적으로 유의한 관계를 보이지 않았다. 이는 건축물 연면적 변수가 다른 3차원 물리적 환경변수인 천공개폐율이나 표면거칠기 변수와 상호작용효과를 가지고 있기 때문으로 판단된다. 따라서 용적률 수준을 고려한 상호작용효과를 모형에서 다시 살펴볼 필요가 있다.

넷째, 3차원 물리 환경 요소인 천공개폐율과 표면 거칠기의 분석 결과, 천공개폐율과 지표온도는 양(+)의 관계를 보였다. 이는 천공개폐율 값이 클수록 개방성이 높아 태양의 직사광선이 지표온도에 직접적인 영향을 미치는 것을 의미한다. 반면 표면거칠기와 지표온도는 음(-)의 관계를 나타내었는데, 표면거칠기가 클수록 건물이나 지표면에 의한 음영효과로 인해 지표온도가 상대적으로 낮아지는 것으로 해석할 수 있다.

그러나 이러한 분석의 결과는 3차원 물리적 환경 변수 사이의 상호작용 효과를 설명하는 데 한계가 있다. 특히, 입체적인 도시의 물리적 환경을 설명하기 위해 분석에 사용된 변수인 천공개폐율(SVF)과 표면거칠기(SR)는 단일 건물의 볼륨(Volume)을 결정하는 주요 요소인 용적률과 밀접한 상호 작용을 하고 있기 때문이다. 따라서 3차원 물리적 환경요소인 용적률, 천공개폐율, 표면거칠기를 상-중-하 수준으로 분류하여 상호작용 변수를 도출하였다(표 2 참조). 분류기법은 Natural Breaks(Jenks)를 적용하였다. Natural Breaks 방법은 비슷한 표본들을 한 집단으로 고려하는 것을 원칙으로 분산의 합계가 가장 적을 때 최적의 분류 결과를 나타내는 분류 방법으로 일반적으로 활용되고 있는 기법이다.

<표 4>는 용적률과 천공개폐율 그리고 거칠기를 세 개의 수준으로 분류한 후 상호작용변수를 각각 9개 그룹으로 분류하였다. 분석모형에서 준거 변수는 MM(중간수준 용적률×중간수준 SVF 또는 SR)를 사용하였다. 용적률 상호작용변수를 고려한 공간오차모형의 결과는 <표 5>와 같다. 공간오차모형(SEM)이 공간적 자기 상관을 완전히 제거하고 모형의 적합도가 가장 높은 것으로 나타났다. 공간적자기상관 변수인 공간오차계수(Lamda)는 통계적으로 매우 유의하고 잔차의 Moran’s I값은 유의하지 않아 공간적 자기 상관이 제어된 것을 의미하며, 주요 분석결과는 다음과 같다.

첫째, 천공 개폐율의 경우 중간수준의 용적률과 중간수준의 천공개폐율인 경우(MM)와 비교할 때 중간수준의 용적률과 상위수준 천공개폐율의 경우(MH)와 두 지표 모두가 높은 경우(HH)에서 지표온도가 상대적으로 높은 것으로 나타났다. 그리고 용적률이 낮고 천공개폐율이 중간수준인 경우(LM)에는 지표온도가 상대적으로 낮은 것으로 나타났다. 이러한 결과는 용적률의 수준을 제어할 때 SVF의 증가는 일사량의 증가로 인해 지표온도를 높이는 역할을 하는 것으로 볼 수 있다. 천공개폐율이 높은 경우 공기의 흐름이나 통풍으로 인한 지표온도 감소 효과보다는 태양의 직사광선을 많이 받기 때문에 지표온도 상승에 직접적인 영향을 미치는 것으로 볼 수 있다.

둘째, 표면거칠기의 경우 용적률과 표면거칠기가 각각 중간수준인 경우(MM)와 비교할 때, 중간수준 용적률과 하위수준 표면거칠기의 경우(ML)와 상위수준 용적률과 하위수준 표면거칠기 경우(HL)에 지표온도가 상대적으로 높은 것으로 나타났다. 특히 용적률이 높고 표면거칠기가 낮은 수준(HL)에서 매우 유의하게 나타났으며, 반대로 용적률이 낮고 표면거칠기가 중간수준인 경우(LM)에 지표온도가 상대적으로 가장 낮은 것으로 나타났다. 반면, 표면거칠기가 하위수준인 경우 지표 온도가 높게 나타났다. 이러한 결과는 일반적으로 표면거칠기가 낮을수록 건물의 음영효과가 저감되기 때문에 지표온도 상승에 영향을 미치는 것으로 볼 수 있다. 그러나 이러한 표면거칠기의 영향은 용적률의 수준에 따라 상호작용효과가 다르게 나타났다. 이는 표면거칠기는 용적률의 수준에 따라 지표온도에 다르게 영향을 미치는 것을 의미한다.