Journal Archive

본 연구의 종속변수인 여름철 기온은 서울시에서 제공하는 스마트서울 도시 데이터 센서(Smart Seoul Data of Things, S-DoT)의 측정자료를 활용하여 계산되었다(Table 1). 먼저 2023년 6~8월의 일별·시간대별 평균 기온 데이터를 추출하여 정제하였다. 서울시 전역에는 약 1,100개 지점에 S-DoT 측정 센서가 설치되어 있으나 결측치나 이상치를 제외하고 낮과 밤 시간대의 기온이 모두 계산되는 지점만을 선정한 결과, 최종적으로 1,010개 지점을 대상으로 기온 데이터를 구축할 수 있었다. 이상치는 IQR(Interquartile Range) 방법을 사용하여 판별하였으며, 본 연구에서는 이상치를 판별하는 기준인 상한 경계선은 [Q3+3×IQR], 하한 경계선은 [Q1-3×IQR]로 설정하였다. 본 연구에서는 1,010개 지점의 일별·시간대별 평균 기온 데이터를 시간대별 평균 데이터로 계산한 후에, 낮과 밤 시간대에 해당하는 데이터만을 이용해 주야간의 평균 기온 데이터로 구축하였다. 종속변수 구축을 위한 기온 데이터 정제는 Python 버전 3.11.5를 활용하여 수행되었다.

설명변수에 해당하는 도시 공간환경 특성은 크게 토지이용 및 피복, 식생, 건물 및 배치 차원으로 구성된다(Table 1). 각 변수는 본 연구에서 설정한 6개 버퍼 영역에 따라 6개 세트씩 구축되었다. 설명변수 구축을 위한 대부분의 데이터 정제는 오픈 지리 정보 시스템 소프트웨어 GIS(Geographical Information System)를 활용하여 수행되었다. 먼저, 토지이용 및 피복 특성 변수를 구축하기 위해 환경부에서 제공하는 세분류 토지피복지도 자료를 활용하였다. 본 연구에서는 2022년 기준 자료를 활용하였으며, 총 41개의 토지피복 유형을 바탕으로 분석단위 버퍼 영역 대비 해당 유형의 면적으로 불투수 지역, 단독주거시설, 공동주거시설, 공업시설, 상업 및 업무시설, 철도, 도로, 산림, 초지, 하천, 호소의 면적 비율을 산출하였다. 이 중 산림과 초지 면적은 토지피복 대분류 기준을 적용하여 산출하였고 나머지 유형은 세분류 기준을 적용하여 산출하였다. 불투수 지역의 경우, 세분류 토지피복 유형 중 불투수 지역으로 분류되는 모든 유형을 포함하여 집계하였다. 단독주거시설(Low-rise Residential)은 아파트, 연립, 빌라를 제외한 주거시설을 의미하며, 공동주거시설(High-rise Residential)은 아파트, 연립, 빌라를 포함한다. 이는 가구 수 기준이 아니라, 건축물의 물리적 형태를 기준으로 분류한 것이다.

식생 차원의 변수인 NDVI는 위성관측 자료인 Landsat 8 Collection 2 level 2 Science Product (L2SP) 자료를 활용하여 구축하였다. 해당 자료는 미국지질조사국(United States Geological Survey, USGS)에서 제공하며, 분석 대상 지역인 서울시가 포함된 path 116, row 34 영역에 대해 2023년 데이터를 구득하였다. Landsat 8 위성은 동일 지점을 16일 주기로 관측하므로 2023년에는 총 23개의 영상을 얻을 수 있었다. 이 중 ‘구름이 없는 육상(Clear with lows set)’을 나타내는 코드 값 21824를 가지는 격자가 90% 이상을 차지하는 자료만을 추출하였고, 분석 기간인 6~8월에 가장 가까운 시기인 2023년 5월 23일 관측 자료를 활용하였다. NDVI는 -1에서 1 사이의 값을 나타낸다. 한국지질자원연구원에 따르면, 일반적으로 NDVI 값의 분포가 -1~0인 경우 죽은 나무, 0~0.33은 건강하지 않은 수목, 0.33~0.66은 보통 정도로 건강한 수목, 0.66~1은 매우 건강한 수목으로 분류한다.

건물 및 배치 특성 변수의 구축을 위해 행정안전부에서 제공하는 도로명주소 전자지도 데이터를 활용하였다. 해당 데이터는 건물 도형 정보 및 좌표를 비롯하여 건물의 지상층수, 지하층수, 행정구역 경계정보 등을 포함하고 있다. 본 연구에서는 건물 특성과 관련된 변수로 건물 밀도, 연면적 및 평균 층수를 구축하였다. 건물 밀도는 각 버퍼 영역 대비 건축물의 바닥면적 합계의 비율을 계산하여 산출하였다. 또한 건축물별 각 층의 바닥면적 합계를 모두 합하여 분석 단위별 건물의 총 연면적을 산출하였다. 건물의 평균 층수는 활용한 데이터에서 높이에 대한 정보를 제공하지 않아 건물의 평균 높이 대신 활용된 변수로, 각 버퍼 영역에 포함되는 건축물별 지상 층수의 평균값으로 산출하였다.

마지막으로 도시의 3차원 공간환경을 대표하는 요인이자 건물 배치 특성을 나타내는 SR과 SVF는 지형과 건물을 포함한 수치 표면 모델(Digital Surface Model, DSM)을 활용하여 산출하였다. 먼저 DSM을 구축하기 위해 국토교통부에서 제공하는 한반도 전역 범위의 지형 수치 표고 모델(Digital Elevation Model, DEM) 자료를 구득한 후, 서울시의 지형 DEM을 추출하였다. 이후, 도로명주소 전자지도 데이터를 바탕으로 건물 DEM을 구축하였다. 이때, 건물의 높이는 국토교통부의 건축물 대장정보를 활용하여 서울시 건축물의 평균 층고 값(약 3.37m)을 도출하여, 지상 층수와 곱한 값으로 산출하였다.

지형 DEM과 건물 DEM을 결합하여 구축한 DSM 데이터를 활용하여 SR을 계산하였다. SR은 DSM의 표준편차로 산출되며, 값이 클수록 지표면 기복이 크다는 것을 의미한다(Li et al., 2019; Tian et al., 2019). SVF은 표면에서 수신된 복사량과 전체 반구 환경에서 방출된 복사량의 비율로, 지표면에서 하늘을 바라볼 때의 개방 정도를 나타내는 지표이다(Li et al., 2019; Lindberg et al., 2018; Park et al., 2017). SVF 산출에는 GIS에서 다운받을 수 있는 오픈소스 모델인 UMEP (Urban Multi-scale Environmental Predictor)(Lindberg et al., 2018)의 [Urban Geometry: Sky View Factor Calculator] 모듈을 활용하였다. 해당 모듈은 DSM 데이터를 기반으로 각 픽셀에 대하여 하늘의 가시 영역을 3차원적으로 분석하여 SVF 값을 산출하며, 이 값은 0(완전히 폐쇄된 공간)에서 1(완전히 개방된 공간) 사이의 무차원 수치로 표현된다(Lindberg et al., 2018). 이 방법론에 대한 세부 사항은 Lindberg and Grimmond(2010)에서 자세히 확인할 수 있다.

본 연구에서는 앞서 제시한 설명변수를 대상으로 선형회귀모형을 일반최소제곱법(Ordinary Least Squares, OLS)으로 추정한 후, 분산팽창요인(Variance Inflation Factor, VIF) 값을 산출하여 설명변수 간의 공선성을 진단하였다. 설명변수의 VIF 값 산출 결과, 불투수 면적, 산림 면적, 건물 밀도, 건물 연면적 변수는 다중공선성 문제로 인해 분석에서 제외하였다. 이외 변수의 VIF 값은 10 미만으로 산출되어 다중공선성 문제가 없는 것으로 판단하였다. <Table 1>에는 최종적으로 분석에 활용된 변수 정보만을 포함하였다.

분석에 적합한 공간회귀모형 선정을 위한 LM 검정 결과, 산출된 LM 및 Robust LM 통계량은 <Table 3>과 같다. 모든 LM 통계량의 경우 p<0.01 수준에서 유의한 것으로 나타났으며, 공간 스케일에 따라 적합한 공간회귀모형이 상이하게 도출되었다. 주간 기온의 경우, 50m와 100m 반경 모형에서는 lag 통계량이 error 통계량보다 높게 산출되어 공간시차모형의 적합도가 더 큰 것으로 나타났다. 반면, 250m 반경 이상의 모형에서는 error 통계량이 lag 통계량보다 근소하게 높게 나타나 공간오차모형이 더 적합한 것으로 분석되었다. 야간 기온의 경우, 250m 이하 반경에서는 공간시차모형이, 500m 이상 반경에서는 공간오차모형이 더 적합한 것으로 나타났다.

이러한 공간 스케일별 적절한 모형의 차이는 기온과 도시 공간 환경 간 관계에서 작용하는 주요한 공간적 영향의 특성이 스케일에 따라 상이함을 시사한다. 50m~250m의 소반경(small radius) 모형에서 공간시차모형이 더 적합하게 나타난 것은 기온과 그 주변 공간환경 간 관계에 있어 인접 지역의 기온으로부터의 공간적 효과가 비교적 더 크게 작용함을 의미한다. 반면, 500m 이상의 비교적 대반경(large radius) 모형에서 공간오차모형이 더 적합하게 나타난 것은 인접 지역의 기온으로부터 받는 영향보다 관찰되지 않는 잠재적 요인들에 의한 공간자기상관이 오차항을 통해 간접적으로 발생하는 것이 더 중요해짐을 의미한다. 이는 도시 내 기온과 공간환경 간 관계를 분석할 때 스케일에 따라 고려해야 할 주요한 공간적 영향의 특성이 달라질 수 있음을 실증적으로 보여주는 결과라 할 수 있다.

주야간 기온별 6개 반경 모형의 AIC(Akaike Information Criterion) 통계량을 검토한 결과, 주간 기온의 경우 100m 반경 모형에서, 야간 기온의 경우 500m 반경 모형에서 설명력이 가장 높게 나타났다(Tables 4, 5). 모형 적합도를 나타내는 AIC 값은 모델의 적합도와 복잡성을 동시에 고려하는 지표로서, 변수가 적고 설명력이 높을수록 낮은 값을 갖게 된다. 주간 기온의 모형 적합도 분석 결과, 50m 반경에서 100m 반경으로 확장될 때만 AIC 값이 감소하며, 250m 반경 이상의 모형에서는 반경이 증가할수록 AIC 값이 점진적으로 증가하는 경향을 보였다. 이는 주간 기온과 도시 공간환경 간 관계가 100m 반경에서 최적의 설명력을 가지며, 해당 반경을 초과하는 공간 스케일에서는 모형의 설명력이 점차 저하됨을 의미한다. 야간 기온의 모형 적합도는 50m 반경에서 500m 반경까지 공간 스케일이 확장됨에 따라 AIC 값이 점점 감소하다가, 500m 반경을 변곡점으로 하여 다시 증가하는 양상을 보였다. 이러한 결과는 야간 기온의 경우 500m 반경에서 도시 공간환경과의 관계에 대한 최적의 설명력을 가지며, 그 이상의 스케일에서는 모형의 설명력이 감소함을 시사한다. 주간 및 야간 기온 각각에 대해 최적의 설명력을 가진 공간 스케일을 비교해보면, 태양 일사가 존재하는 주간에는 비교적 근거리 반경의 공간환경으로부터 받는 영향력이 지배적인 반면, 일사가 부재한 야간에는 상대적으로 원거리 반경의 공간환경으로부터의 영향력이 증대되는 것을 알 수 있다.

종합하면, 50m에서 1km에 이르는 분석 반경의 공간 스케일에서 주야간 기온과 공간환경 간의 관계를 최적으로 설명하는 스케일은 각각 100m와 500m 반경인 것으로 나타났다. 따라서 도시 공간환경이 기온에 미치는 영향을 비롯한 도시 열 환경 연구시, 이러한 최적의 분석 공간 스케일의 존재를 고려하지 않고 스케일을 임의로 설정하거나 시간대와 무관하게 동일한 스케일을 적용한다면, 그 관계를 정확히 파악하는 데 한계가 있을 것이다.

공간회귀모형의 추정 결과는 주간 및 야간 기온별로 <Table 4>와 <Table 5>에 제시하였다. 공간시차모형이 적합한 경우 모든 공간시차계수(ρ)는 p<0.05 수준에서 통계적으로 유의하였으며, 공간오차모형이 적합한 경우 모든 공간오차계수(λ)는 p<0.01 수준에서 유의하게 나타났다. 설명변수의 회귀계수는 시간대별 기온과 공간 스케일에 따라 통계적 유의성이 상이했으나, 유의한 경우에는 회귀계수의 부호가 일관되게 나타났다. 주야간 기온별 6개 반경 모형에서 도출된 회귀계수를 바탕으로 토지이용 및 피복 특성, 식생 수준, 건물 및 배치 특성의 도시 공간환경 요인들이 기온 상승과 저감에 미치는 영향을 살펴보면 다음과 같다.

첫째, 기온 상승과 통계적으로 유의한 관계를 가지는 공간환경 요인으로 단독주거시설, 공동주거시설, 상업 및 업무시설, 철도, 도로 그리고 초지 면적 비율이 도출되었다. 이 중 기온 상승에 가장 지배적인 영향을 미치는 변수는 단독주거시설과 초지 면적 비율로 나타났다. 단독주거시설의 경우, 750m 반경 모형을 제외한 모든 모형에서 토지 특성 중 기온에 가장 큰 영향을 미치는 변수로 나타났다. 주간 기온에서 최적의 설명력을 보이는 100m 반경 모형에서는 단독주거시설의 면적 비율이 0.1(10%p) 증가할 때, 기온이 평균적으로 약 0.22℃ 증가하는 것으로 나타났다. 공동주거시설과 상업 및 업무시설은 50m 반경 모형에서 주야간 기온에 통계적으로 유의한 양(+)의 영향을 미쳤으나, 다른 공간 스케일에서는 유의미한 관계가 나타나지 않았다.

시가화 지역에 포함되는 다양한 토지 특성 중 단독주거시설 면적 비율이 기온과 뚜렷한 관계를 보인 것은 건축물의 구조적 특성과 상대적인 녹지 부족, 협소한 도로와 같은 공간적 특성에서 기인한 것으로 추정된다. 일반적으로 단독주거시설은 개별적으로 분리되어 있으며 건물 높이가 낮아 공동주거시설에서 기대할 수 있는 그늘 효과가 제한적이다. 이로 인해 햇빛에 직접적으로 노출되는 면적이 상대적으로 더 많아 기온 상승에 영향을 미칠 수 있다. 이는 기재홍 외(2024)의 연구에서 공동주거시설 비율이 높은 지역이 그늘로 인한 냉각 효과로 인해 지표면 온도가 상대적으로 낮게 나타난다고 보고한 바와 유사한 맥락이다. 또한 단독주거지역은 공동주거지역이나 상업지역에 비해 조경과 녹지가 부족하여 자연적인 냉각 효과가 제한적이며, 협소한 도로로 인해 환기 성능이 저하되고 열 축적이 증가할 수 있다(서수정·임강륜, 2010).

철도와 도로 면적은 주간 기온에 대해 250m 반경 모형에서만 유의한 양(+)의 영향을 나타냈으나, 야간 기온의 경우 각각 250~500m, 250~750m 반경 모형에서 유의한 관계가 나타났다. 특히, 최적의 설명력을 가진 야간 기온의 500m 반경 모형에서는 철도와 도로 모두 유의한 영향요인으로 도출되었으며, 각각의 면적 비율이 0.1(10%p) 증가할 때 평균 기온이 약 0.28℃, 0.23℃ 증가하는 경향이 있는 것으로 나타났다. Li et al.(2019)은 철도 및 도로시설 밀도가 지표면 온도와 양(+)의 관계를 가지는 원인을 강철과 콘크리트와 같은 각 시설의 피복 재료의 특성으로 인해 태양열을 흡수하여 지표면 온도 상승에 영향을 미치기 때문으로 해석하였다. 이러한 피복 재료는 열용량이 큰 재질로 낮 동안 흡수한 열을 저장한 후, 야간에 저장된 열을 천천히 방출하게 되면서 주간에는 지표면 온도를 상승시킨 후 야간에는 방출되는 열로 인해 기온 상승에 더 큰 영향을 미칠 수 있다. 또한 교통 시설 자체에서 발생하는 열 뿐만 아니라 전철·기차 및 차량에서 방출되는 인공열 역시 기온 상승에 기여한 것으로 예상된다(조희선 외, 2014; Li et al., 2019).

초지는 주간 기온의 모든 공간 스케일에서 양(+)의 관계를 보였으며, 야간 기온과는 100m~750m 반경 모형에서만 양(+)의 관계를 보이는 것으로 나타났다. 주간 기온의 100m 반경 모형과 야간 기온의 500m 반경 모형 결과에 따르면, 초지의 면적 비율이 0.1(10%p) 증가할 때 낮 시간대 평균 기온은 약 0.12℃, 밤 시간대 평균 기온은 약 0.19℃ 증가하는 경향이 확인되었다. 일반적으로 초지를 비롯한 녹지가 냉각 효과를 제공하는 것으로 알려져 있으나, 초지가 오히려 기온 상승 요인으로 작용할 수 있음을 보여주는 연구들이 존재한다(Nonomura et al., 2014; Grilo et al., 2020; Suen, 2022). 초지는 낮은 알베도로 다른 토지 유형보다 더 많은 열을 흡수할 수 있으며, 과도한 일사량으로 수분 스트레스를 받는 경우 기공 통제로 인해 냉각 효과는 감소하고 기온 상승에 기여할 수 있다(이호진 외, 2018). 본 연구에서도 초지는 단독주거시설에 이어 기온 상승에 중요한 영향을 미치는 변수로 확인되었으며, 서울시의 기후 및 환경 조건에서 초지가 기온 상승 요인으로 작용할 수 있음을 시사하는 바이다.

둘째, 기온 저감과 통계적으로 유의한 관계를 보인 공간환경 요인으로는 하천과 호소 면적 비율, NDVI 그리고 3차원 특성인 평균 건물 층수, SR과 SVF가 도출되었다. 하천과 호소의 경우, 야간 기온 완화에는 유의한 영향을 미치지 않았으나, 주간 기온에서는 50m와 100m 반경 모형에서 유의한 부(-)의 관계를 나타냈다. 이는 수역이 복사에너지를 흡수하고 높은 비열 용량을 갖는 특성으로 인해 낮에는 냉각 효과가 두드러지지만, 밤에는 흡수했던 열을 방출하여 기온 저감효과가 제한적임을 보여준다(Yan et al., 2014; Pan et al., 2023; Yang et al., 2023). 100m 반경 모형 결과에 따르면, 하천 면적 비율이 0.1(10%p) 증가하면 주간 기온은 약 0.33℃ 감소하며, 호소의 경우 약 1.1℃ 정도 감소하는 경향이 있는 것으로 나타났다. 이는 동일 면적 비율 대비 호소가 하천보다 더 강한 기온 저감효과를 가진다는 것을 의미하며, 이는 호소가 하천보다 태양 복사에너지 흡수 능력이 더 큰 경향이 있기 때문으로 해석된다. 한편, 하천과 호소의 냉각 효과가 50m~1km 반경 중 100m 이하의 좁은 반경에서만 유의한 영향을 미친다는 결과는 넓은 공간 스케일에서는 이들 수역의 기온 저감효과가 제한적일 수 있음을 의미한다.

NDVI는 공간 스케일과 관계없이 주야간 기온 저감에 통계적으로 유의한 영향을 미치는 것으로 나타났으며, 특히 야간 기온에서 더 큰 폭의 저감효과를 보였다. 주간 기온의 경우, 100m 반경 모형에서 NDVI 값이 0.1(10%p) 증가하면 평균적으로 약 0.48℃ 감소하고, 야간 기온의 500m 반경 모형에서는 약 0.72℃ 감소하는 경향이 있는 것으로 분석되었다. 이는 NDVI가 도시의 기온 저감에 미치는 영향을 보고한 여러 선행연구와 일치한다(조혜민 외, 2019; Grilo et al., 2020; Johnson et al., 2020; Yang et al., 2023). 특히 Yang et al.(2023)은 NDVI가 10% 증가하면 여름철 기온이 0.73℃ 감소한다는 것을 입증하여, NDVI와 식생 면적이 모든 공간 스케일에서 기온과 가장 강한 관계를 가지며, 공간 스케일 및 시간 범위와 무관하게 기온 변화를 설명하기에 적합한 지표임을 강조한 바 있다. 이는 본 연구의 결과와 유사한 경향을 보여 NDVI의 기온 저감효과의 보편적 타당성을 뒷받침한다.

건물의 층수는 250m와 500m 반경 모형에서 주야간 기온과 음(-)의 관계를 가지는 것으로 나타났다. 즉, 어떤 지역의 평균적인 건축물 츤수가 많을수록 기온이 감소하는 경향이 있는 것으로 해석할 수 있다. 건물의 츤수가 많다는 것은 건물의 높이가 높다는 것을 의미하는데, 이에 따라 생성된 그늘이 지표면이나 인공 구조물의 열 흡수량을 감소시키고, 그늘진 공간에서의 대기 가열을 완화하는 효과를 나타낸다. 또한 건물 높이에 의한 난류 생성이나 와류(vortex) 효과 등이 대기 순환을 촉진하여 열 축적을 완화할 수 있다. 이는 건물의 높이가 높을수록 기온 상승에 영향을 미친다는 연구(Liu et al., 2021; Yang et al., 2023)와 대조되는 결과이다. 한편, 250m 반경 미만이나 500m 반경을 초과하는 공간 스케일에서 건물의 츤수와 기온 간 관계는 유의하지 않았기에, 그늘로 인한 기온 저감효과는 특정한 공간 스케일에서만 기대할 수 있을 것으로 보인다.

SR은 주간 기온 형성을 최적으로 설명하는 100m 반경 모형에서만 유의한 부(-)의 영향을 미치는 것으로 나타났다. 이는 바람 순환의 감소로 인한 기온 상승보다 건물로 인한 그늘 생성이 기온을 낮추는 효과가 더 강하게 작용한다는 것으로 해석할 수 있다(Li et al., 2019). 비록 다른 모형에서는 유의미한 결과가 나타나지 않았지만, 표면의 거칠기가 클수록 기온을 저감할 수 있는 잠재적인 가능성을 시사한다. SVF는 SR과 동일하게 주간 기온에 대해서는 100m 반경 모형에서만 부(-)의 영향을 미쳤지만, 야간 기온에 대해서는 50m에서 500m 반경까지 상당한 기온 저감효과를 가지는 것으로 나타났다. 500m 반경 모형에서 SVF가 0.1(10%p) 증가할 때 야간 기온이 평균적으로 약 0.38℃ 감소하는 경향을 보였다. 즉, 하늘 방향으로의 공간 개방 정도를 나타내는 SVF가 커질수록 기온이 완화될 수 있음을 의미한다. 이는 공간이 개방됨으로써 태양 복사량이 증가해 온도가 상승하는 경향(Li et al., 2019; Zhang et al., 2020)보다는, 환기 성능 개선으로 기온이 저감되는 효과가 더 강하게 나타난다고해석할 수 있다(Lee et al., 2017; Park et al., 2017). 정리하면, 건물의 층수, SR, SVF와 같은 3차원 공간환경 지표들은 모두 500m 반경 이하의 모형에서 기온에 유의미한 영향을 미치는 것으로 나타났으며, 특히 층수와 SVF는 야간 기온의 500m 반경 모형에서 기온과 가장 강한 관계를 가지는 것으로 분석되었다. 이는 유사 연구인 Yang et al.(2023)에서 건물 높이 및 부피와 같은 3차원 도시 형태 지표가 500m 반경에서 기온을 예측하는 데 가장 큰 설명력을 가지는 것으로 도출된 결과와 유사한 경향을 보인다.