Analysis of Spatial Correlation between Surface Temperature and Absorbed Solar Radiation Using Drone - Focusing on Cool Roof Performance -

드론을 활용한 지표온도와 흡수일사 간 공간적 상관관계 분석 - 쿨루프 효과 분석을 중심으로 -

Abstract

The purpose of this study is to determine the actual performance of cool roof in preventing absorbed solar radiation. The spatial correlation between surface temperature and absorbed solar radiation is the method by which the performance of a cool roof can be understood and evaluated. The research area of this study is the vicinity of Jangyu Mugye-dong, Gimhae-si, Gyeongsangnam-do, where an actual cool roof is applied. FLIR Vue Pro R thermal infrared sensor, Micasense Red-Edge multi-spectral sensor and DJI H20T visible spectral sensor was used for aerial photography, with attached to the drone DJI Matrice 300 RTK. To perform the spatial correlation analysis, thermal infrared orthomosaics, absorbed solar radiation distribution maps were constructed, and land cover features of roof were extracted based on the drone aerial photographs. The temporal scope of this research ranged over 9 points of time at intervals of about 1 hour and 30 minutes from 7:15 to 19:15 on July 27, 2021. The correlation coefficient values of 0.550 for the normal roof and 0.387 for the cool roof were obtained on a daily average basis. However, at 11:30 and 13:00, when the Solar altitude was high on the date of analysis, the difference in correlation coefficient values between the normal roof and the cool roof was 0.022, 0.024, showing similar correlations. In other time series, the values of the correlation coefficient of the normal roof are about 0.1 higher than that of the cool roof. This study assessed and evaluated the potential of an actual cool roof to prevent solar radiation heating a rooftop through correlation comparison with a normal roof, which serves as a control group, by using high-resolution drone images. The results of this research can be used as reference data when local governments or communities seek to adopt strategies to eliminate the phenomenon of urban heat islands.

본 연구의 목적은 도시폭염 저감을 위한 기법인 쿨루프를 연구지역에 적용하여 토지피복 객체 간 지표 온도와 흡수일사 간 공간적 상관관계 분석으로 실질적 효과 파악을 목적으로 한다. 이를 위해 실제 쿨루프가 적용된 경상남도 김해시 장유무계동 인근을 연구지역으로 선정하였으며, 드론 DJI Matrice 300 RTK에 열적외 영역센서 FLIR Vue Pro R, 가시광선 영역센서 H20T와 다중분광영역 센서인 Micasense Red-Edge를 활용하여 계측하였다. 계측 일정은 2021년 7월 27일 아침 7시 15분부터 약 1시간 30분 간격으로 총 9장의 열지도와 동일 시간대의 흡수일사 분포도, 쿨루프(113개) 및 일반옥상(367개) 지붕 객체를 추출하였다. 흡수일사 분포도는 ArcGIS의 3D 분석 기능인 Solar Radiation Analysis Tool을 통해 산출한 전천일사 분포도에 Micasense Red Edge를 통해 촬영한 Blue, Green Red, Near Infrared, Red Edge Range 영역대 센서의 조합을 통해 구축한 연구 지역의 알베도 값을 반영하여 구축한다. 전술된 자료를 기반으로 일반옥상과 쿨루프 지붕 객체별 지표온도와 흡수일사 간 Pearson 상관계수를 산출하였다. 분석 결과 일 평균 기준 일반옥상 0.550, 쿨루프 0.387의 상관계수 값을 나타내고 있었다. 하지만, 시간대별 상관성의 변화를 파악한 결과 분석일 기준 태양고도가 높은 시기인 11시 30분과 13시의 경우 일반옥상과 쿨루프 간 상관계수의 차이는 0.022, 0.024 값을 보여 유사한 상관성을 보이고 있다. 그 외 시간대는 일반옥상의 상관계수 값이 쿨루프 보다 약 0.1 이상 높은 값을 보이고 있다. 본 연구는 드론을 통해 취득한 고해상도 영상을 활용하여 쿨루프의 실질적 일사차단 영향의 가능성을 대조군이 되는 일반 옥상과의 상관성 비교를 통해 파악한 사례 연구이다. 향후 본 연구 결과를 기반으로 효율적인 도시열섬 저감기법 적용이 가능할 것으로 사료된다.

1. 서론

1) 연구의 배경

도시화로 인하여 도시 내 평균 온도는 교외 지역보다 높아 도시열섬 현상을 일으키게 된다(Oke, 1982). 도시 열섬으로 인해 고온화 된 도시 열환경은 폭염 발생 시 도시 내 피해가 심각하다(Gabriel and Endlicher, 2011; López-Bueno et al., 2021; Tan et al., 2010). 최근 들어 전 세계적으로 도시화 증가 및 지구온난화로 인해 폭염 발생 빈도가 높아짐에 따라 피해 사례가 증가하고 있다(Tuholske et al., 2021). 도시 내 높은 면적 비율을 차지하는 인공피복은 상대적으로 낮은 알베도(Albedo) 및 높은 열용량 등으로 인해 지표면으로 흡수되는 일사량이 높다. 지표면에 흡수된 일사(Absorbed Solar Radiation)는 열 에너지로 변환되어 고온화 된 도시 열환경을 조성하게 된다(Ahmed et al., 2015; Kong et al., 2021; Rizwan et al., 2008; Trlica et al., 2017). 이에, 국내외 다양한 도시에서 도시내 인공피복의 알베도를 변화하여 흡수일사 차단을 통한 열환경 개선을 위한 시도를 하고 있으며, 대표적 기술로 지붕의 입사되는 일사의 반사도를 높이는 쿨루프(cool roof)가 있다(U.S. Environmental Protection Agency, 2008).

쿨루프는 알베도 비율이 높은 반사 도료를 지붕에 도포하여 지붕에 흡수일사량을 줄여 낮은 온도를 조성하도록 하는 기술이며, 도시열섬 및 건축물 냉방 부하 저감을 목적으로 적용되고 있다(Park, 2019; Synnefa and Santamouris, 2012). 지붕은 도시 내 토지피복 면적 중 20% 이상을 차지 하고 있어, 지붕의 물성을 조정함으로써, 도시 열섬에 저감에 기여할 수 있다(EPA, 2008). 일본의 도쿄도, 미국 뉴욕시 등 국외 도시에서는 도시 열섬저감을 위해 쿨루프의 적극적 도입을 제시하고 있다(TMG, 2005; Shorris, 2017). 또한 미국 환경 보호국(Environmental Protection Agency, EPA)에서는 도시열섬 저감을 위한 기술 중 하나로, 쿨루프를 제시하고 있다(EPA, 2008).

쿨루프의 효과 분석을 위한 분석 수단은 크게 2가지로 선행연구 고찰을 통해 구분되었다. 첫째, 센서를 활용한 실측 기반 분석 방법이다(Romeo and Zinzi, 2013; Song et al., 2016; Synnefa et al., 2012). 센서를 이용하여 관측하는 지점의 데이터를 통해 쿨루프의 효과를 분석하는 것이다. 그러나, 좁은 지역을 대상으로 하여 공간적 범위의 한계가 있다. 또 다른 방법은 시뮬레이션 기반의 효과 예측 방법으로, Middel et al. (2015)에 의하면 쿨루프의 효과를 시뮬레이션을 통해 파악하여 2차원 공간적 범위의 효과를 분석하는 것이다. 그러나, 시뮬레이션 기반의 분석 방법은 넓은 면적의 대상을 파악할 수 있지만, 정확도의 한계가 있다(Mirzaei, 2021). 두 기술의 단점을 보완할 수 있는 기술로 드론을 활용한 원격탐사 방법이 있다. 드론을 통해, 원하는 공간범위를 대상으로 실측을 통한 쿨루프의 효과 분석이 가능하다.

2) 연구의 목적

본 연구의 목적은 쿨루프가 적용된 국내 연구 지역을 대상으로 쿨루프의 흡수일사 차단 효과를 파악하는 것이다. 이를 위해, 연구 지역 내 토지피복 단위의 쿨루프와 일반지붕 객체별 지표온도와 흡수일사 간 상관관계를 파악하며, 쿨루프와 일반지붕 두 군집 간 상관관계의 차이를 수염상자(box-and-whisker plot)를 이용하여 비교한다. 첫째, 일사 및 도시열섬에 대한 정의 및 이론 고찰을 진행한다. 둘째, 쿨루프의 정의 및 효과 분석 방법론을 설정한다. 셋째, 쿨루프 효과 분석에 적합한 대상지 선정 및 드론을 활용하여 분석에 필요한 데이터를 구축한다. 구축 자료는 연구지역에 속하는 지붕 객체, 지표온도, 흡수일사량 분포도이다. 넷째, 지붕 객체별 지표온도와 흡수일사 간의 상관관계를 파악한다. 다섯째, 객체별 지표온도와 흡수일사 간 상관계수 값을 기반으로 일반옥상 대비 쿨루프의 흡수일사 차단 효과를 파악한다.

2. 연구 방법 및 분석 대상

1) 일사의 정의

일사의 종류로 크게 전천일사(Global Solar Radiation), 반사일사(Reflected Solar Radiation), 흡수일사(Absorbed Solar Radiation)로 나뉘게 된다. 전천일사는 지표면에 순수하게 들어오는 일사를 말하며, 직달일사(Direct Solar Radiation)와 산란일사(Diffuse Solar Radiation)를 포함한다. 직달일사는 대기에 흡수 또는 산란되지 않고, 지표면에 수직적으로 도달하는 일사를 말한다(Sørensen, 2004). 산란일사는 대기 중의 먼지 또는 구름에 의해 산란되어 지표에 도달한 일사이다(Collins, 2003). 반사일사는 직달 일사와 산란일사를 통해 지표면에 들어온 일사가 해당 매질의 알베도(Albedo) 비율만큼 반사되는 일사를 말한다(Stephens et al., 2015). 흡수일사는 지면에 입사되는 직달일사와 산란일사 중, 반사되지 않고 지면에 흡수되는 일사이며, 열에너지로 변환되어 지표면의 온도값 형성에 영향을 미친다(Dincer and Rosen, 2021). 이에, 지면의 온도는 지면에 흡수되는 흡수일사량이 많아 질수록, 지표의 온도가 높아지게 된다. 전술된 사유로, 도시 내 열환경 조성에 있어서 도시 피복으로 흡수되는 일사의 중요성이 높아지게 된다(Fig. 2).

Fig. 1. Study Flow.

Fig. 2. Components of solar radiation.

일사가 도시 열환경에 형성에 상관성이 있다는 연구는 다양한 도시구조에서 해당 현상에 관한 연구를 진행하였다. Djen et al. (1994)는 일사량과 도시열섬 간 연관성을 정량적으로 분석하였다. Daut et al. (2012)는 Perlis시를 대상으로 일사와 지표온도 간 상관성을 파악한 결과 상관계수 값이 0.7473이 나타나 높은 양의 상관성이 있는 것으로 파악하였다. Yang et al. (2016)은 중국 내 여러 도시들의 장시간 일사 및 지표온도 관측값을 수집하여 파악한 결과 지표온도와 일사량이 서로 양의 상관 관계가 있는 것을 파악하였다.

2) 쿨루프의 정의 및 효과 분석 방법

쿨루프는 높은 일사 반사율 및 열 방사율을 가진 지붕으로 지붕의 표면 온도 값을 낮추어 열섬 저감 및 냉방 부하를 낮추는 지붕을 말한다(Park, 2019; Synnefa and Santamouris, 2012). 쿨루프 개념도는 Fig. 3과 같다. 쿨루프는 지붕의 알베도 및 방사율을 높여 흡수되는 일사량을 줄임과 동시에 흡수된 일사 에너지를 대기 중으로 방출함으로써 지붕의 온도 상승을 억제한다(Zhao et al., 2019).

Fig. 3. Performance of cool roof (Zhao et al., 2019).

국내외적으로 쿨루프에 대한 효과를 정량적으로 파악하기 위한 연구는 다음과 같이 진행되고 있다. 정량적인 효과에 관한 연구로 쿨루프 적용에 따른 건축물의 실질적 온도 저감 정도를 파악한 연구가 있다(Romeo and Zinzi, 2013; Song et al., 2016; Synnefa et al., 2012). Song et al. (2016)의 연구는 건축물 지붕 및 실내의 온도 변화를 함께 파악하였다. 또한, 쿨루프 적용에 따른 건축물 실내 온도의 저감에 의한 전력 에너지 저감 연구가 있다(Costanzo et al., 2013; Lapisa et al., 2013; Pisello et al., 2013). 해당 연구들은 온도값의 변화를 기반으로 평가하거나 냉방 에너지의 부하 변화를 통해 효과를 검증하였다. 그러나, 쿨루프의 본질적 기능인 지붕 표면에 들어오는 일사 차단 효과를 실제 지붕을 대상으로 한 연구는 부족하다. 이에 본 연구는 쿨루프의 일사 차단 효과를 파악하려 한다.

본 연구는 쿨루프의 일사 차단 효과 파악을 위해, 지표온도와 흡수일사와 간 상관분석을 진행한다. 이에, 지붕에 들어오는 흡수일사와 지표온도 간 Pearson 상관계수를 산출해 선형적 관계를 파악하여 흡수일사가 지표 온도 형성에 미치는 변수일 가능성을 판단한다. 일반옥상 또한 같은 방법으로 상관계수를 산출하며, 쿨루프의 상관계수 값과 비교한다. 상관계수 값에 대한 해석은 상관계수 범위별 척도(scale of correlation coefficient)를 기반으로 상관성 유·무 및 강도를 해석한다(Table 1).

Table 1. Scale of correlation coefficient (Taylor, 1990)

상관계수 값이 0–0.35의 값을 가지면 상관성이 없거나 약한 상관성을, 0.35 초과일 경우부터 두 변수 간 선형적 상관관계를 갖는다고 해석할 수 있으며, 상관계수값이 0.68 이상일 경우 높은 상관성, 0.90 이상일 경우 매우 높은 상관성을 가진다(Taylor, 1990). 이에, 전술된 기준에 따라, 상관계수 값이 0.35를 기준으로 흡수일사와 지표온도 간 상관성의 유·무를 판단한다. 그리고, 1.0에 가까운 정도를 통해 흡수일사가 지표온도 형성에 미치는 영향력을 파악한다. 이를 통해 흡수일사와 지표온도 간 상관성을 일반옥상과 쿨루프 간의 차이를 비교한다.

분석 대상은 건물 한 지점이 아닌, 연구지역에 분포하고 있는 다수의 지붕 객체 샘플을 대상으로 할 것이 목적이다. 이에 드론을 이용하여 동 시간대의 넓은 지역에 대한 공간정보를 취득하며, 연구지역 내 지붕 객체별 흡수일사와 지표온도 간 상관계수를 산출한다. 산출된 객체별 상관계수는 일반옥상과 쿨루프 두 군집으로 나뉘며, 시간대별 두 군집의 상관계수 변화를 수염 상자를 통해 산출할 수 있는 사분위수를 이용하여 파악한다.

3) 연구의 시·공간적 범위

연구지역은 경상남도 김해시 장유전통시장 일원이다. 연구지역은 환경부의 2019년 지역특화 취약성 개선 시범 사업지역으로 선정되어 기후변화 적응을 위해 폭염 예방사업을 시행한 지역이다. 이에, 쿨루프가 실제 적용되어 있으며 충분 한 양의 지붕이 분포하고 있어 본 연구 대상지로 선정하였다. 연구지역의 전체 면적은 약 0.18 km²이다(Fig. 4). 연구 수행을 위한 시간적 범위는 2021년 7월 27일 07시 15분에서 19시 15분까지이다.

Fig. 4. Study area.

3. 데이터 구축

본 연구를 위해 최종적으로 구축해야 할 자료는 토지 피복 단위의 지붕객체, 열적외 센서 기반 지표 열지도, 흡수 일사량 분포도이다. 위 3가지 종류의 데이터 구축을 위해서는 RGB 영역 센서, 열적외선 영역 센서, 다중 분광 영역 센서가 필요하다. 전술된 사유로 연구 수행을 위해 활용되는 센서는 H20T 1/2.3″ CMOS, 12 MP 가시광선 영역센서, FLIR사의 Vue Pro R 열적외선 영역센서와 Micasense 사의 Red-Edge MX 다중분광 영역 센서를 이용한다. 해당 센서들은 Da-Jang Innovations (DJI)사의 Matrice 300 Real-Time Kinematic (RTK)에 장착하여 연구 대상지를 촬영한다(Table 2).

Table 2. Detailed specifications of equipment

전술된 데이터 취득 및 구축을 위해 총 3번의 단계를 거치게 된다. 첫째, Unmanned Aerial Vehicle (UAV) 비행 기반의 현장 조사를 통한 센서별 이미지를 취득한다. 둘째, 센서별 취득한 영상을 가공하여 RGB 및 열적외선 정사영상, Digital Surface Model (DSM), 알베도를 구축한다. 해당 과정에서 이미지 정사정합은 Scale-Invariant Feature Transform (SIFT) 알고리즘 기반으로 구동되는 Agisoft사의 Metashape 1.8.0을 이용한다. 해당 작업에서 위치의 정확도를 높이기 위해 Cho et al. (2021) 연구에서 취득한 기상기준점(Ground Control Point, GCP) 자료를 적용한다. 셋째, 두 번째 과정에서 제작한 자료를 기반으로 본 연구 수행에 필요한 지붕객체, 열적외선 영역 센서 기반 열지도, 흡수일사 분포도를 구축한다(Fig. 5).

Fig. 5. Data processing.

1) 지붕 객체

연구 대상지에 분포하고 있는 지붕 객체를 추출하기 위해 가시광선 영역 센서 이미지를 통해 구축한 정사 영상, 환경부 세분류 토지피복지도, 행정안전부 건축물 GIS 데이터를 이용하여 무계동 일원을 대상으로 구축한 토지피복도를 참고하였다(Cho et al., 2021). 가시광선 영역 영상은 그림자가 가장 적게 나타나는 시기인 2021년 06월 23일 남중시각 인근 시간인 13시와 13시 30분 2회 촬영하였다(Table 3). 객체 간 인접할 경우, 다음 단계의 객체별 샘플 선정에 있어 pixel의 중복 선정 가능성이 있어, 객체들을 50 cm 등간격을 주어 축소하였다(Fig. 6).

Table 3. UAV flight planning parameters (Cho et al., 2021)

Fig. 6. Roof features within this research area.

2) 열지도 제작

연구 대상지의 온도 분포를 파악하기 위해 드론에 장착한 FLIR Vue Pro R 열적외선 센서를 통해 대상지의 지표온도값을 취득한다(Table 2). 열적외선 영역 영상은 주간 시간 변화에 따른 열환경 변화를 파악하기 위해 2021년 07월 27일 07시 15분부터 19시 15분까지 약 1시간 30분 간격으로 9회 촬영하였다(Table 3). 열적외선 센서를 통해 촬영한 열적외 이미지를 Metashape 1.8.0을 이용하여 열지도를 구축하였다(Fig. 7).

Fig. 7. Thermal infrared ortho-mosaics: (a) 07:15, (b) 08:40, (c) 10:00, (d) 11:30, (e) 13:00, (f) 14:30, (g) 16:00, (h) 17:30, and (i) 19:15.

3) 흡수일사량 분포도 구축

흡수일사량은 지면에 입사하여 들어온 전천일사량 중 대기중으로 반사하고 남은 일사량이 지면으로 흡수된 양이다. 흡수일사량 산출을 위해 전천일사량과 반사 일사량을 구한 후, 두 일사량 값의 차이 값으로 구한다. 연구대상지의 전천일사량 분포는 ArcGIS의 일사량 분석 도구인 area solar radiation을 이용하여 산출한다. ArcGIS의 일사량 분석은 경위도 지점별 위치정보 기반의 반구형 가시권 알고리즘(viewshed algorithm)을 기반으로 구동하게 된다(Fu, 2000; Fu and Rich, 2000; Fu and Rich, 2002). ArcGIS의 전천일사 기본 개념 식은 기본 식은 다음과 같다.

Global_tot = Dir_tot + Dif_tot       (1)

전천일사량(Globaltot)은 지표면에 순수하게 들어오는 일사량으로, 직달일사량(Dir_tot)과 산란일사량(Dif_tot)의 합으로 산출된다(ESRI, 2022). 반사일사는 ArcGIS를 통해 산출한 전천일사에 알베도 비율을 반영하여 구축한다. 알베도는 Micasense Red-Edge MX 센서에서 촬영한 5개 영역 Bands의 영상을 이용하여 산출한다. 전천일사량 산출을 위한 입력 자료로 DSM이 들어가며, 설정 변수는 대기 산란비율(diffuse proportion)과 대기 투과율(transitivity proportion)이다. DSM은 드론에 장착한 20T 1/2.3″ CMOS, 12 MP가시광선 센서로 촬영한 이미지를 Metashape 1.8.0을 통해 추출한 point cloud를 이용하여 구축하였다(Fig. 8).

Fig. 8. Digital Surface Model (DSM).

식(1)의 연산을 위하여 입력되는 대기 확산율(diffuse proportion)과 투과율(transitivity proportion)은 0.3과 0.5로 설정하였다. 해당 수치 값은 일반적으로 맑은 날에 해당되는 변수 값이다(ESRI, 2022). 촬영일 기준 김해시 Automatic Weather Station (AWS)에서 관측한 평균 전운량 값은 4.15로, 기상청 기준 전운량 기준 5.4 이하의 경우 맑은 날씨에 해당된다(KMA Weather Data Service: https://data.kma.go.kr). 전술된 사유로, 본 연구의 시간적 범위 시간은 맑은 날에 해당되어 위 변수 값을 입력하여 진행하였다. 해당 조건값을 기반으로, 드론을 통해 촬영한 지표온도 촬영 일자 및 시간과 동일한 시간대의 일사량 분포도를 구축한다(Fig. 9).

Fig. 9. Global solar radiation for an instance at 13:00.

반사일사 산출은 전천일사에 알베도 비율을 적용하여 산출한다. 알베도 구축을 위해 Micasense Rededge-MX 다중분광 센서를 이용한다. 촬영 시점은 본 연구 분석일 기준 매질별 정확한 알베도 산출을 위해 태양고도가 가장 높아 그림자의 영향이 가장 적은 시기인 13시에 촬영한 영상을 이용하였다(Table 2).

알베도 산출은 Xu et al. (2020)이 본 연구에서 활용하는 센서와 동일한 센서인 Micasense Red-Edge MX의 Blue, Green, Red, Red-Edge, Near Infrared Range 영역대의 센서로 구한 회귀식을 이용하였다. B, G, R, RE, NIR은 Blue, Green, Red, Red-Edge, Near Infrared 영역대 센서의 픽셀별 반사도 값이다.

α_albedo = 0.3973B – 0.0102G + 0.0454R

– 0.1017RE + 0.6116NIR + 0.0075       (2)

이를 반영하여, 산출한 결과의 알베도와 반사일사량 값은 다음과 같다(Fig. 10). 최종적으로, 앞 단계에서 산출한 전천일사량과 반사일사량의 차이값으로 흡수일사량을 산정한다(Fig. 11).

Fig. 10. Calculating reflected solar radiation: (a) Albedo and (b) Reflected solar radiation for an instance at 13:00.

Fig. 11. Absorbed Solar Radiation: (a) 07:15, (b) 08:40, (c) 10:00, (d) 11:30, (e) 13:00, (f) 14:30, (g) 16:00, (h) 17:30, and (i) 19:15.

4. 연구결과 및 분석

본 단계에서는 쿨루프와 일반옥상의 지표온도와 흡수일사 간 상관성 차이를 비교하여 쿨루프의 일반옥상 대비 일사 차단효과를 파악한다. 첫째, 연구지역에 분포하고 있는 지붕 객체별 지표온도와 흡수일사 간 상관계수를 9회의 시간대별로 산출한다. 둘째, 지붕 객체별 구축한 상관계수 값은 일반옥상과 쿨루프 2가지 군집으로 구분하며, 군집별 상관계수 분포 특성을 파악한다. 분포 특성 파악에는 9회의 시간대별 대표값을 나타내는 중심경향치(central tendency)와 흩어진 정도를 의미하는 산포도(degree of dispersion)를 파악한다.

본 연구는 도심 속 실제 일반옥상과 쿨루프 지붕 객체군의 상관성 경향을 파악 하려한다. 이를 위해 4분위수를 이용한다. 4분위수는 특이점의 영향을 받지 않기 때문에 파악하려는 객체 군집의 경향성 파악에 용이하다(Taylor, 2018). 이에, 중심경향치 파악을 위해 전체 데이터의 중앙 순위에 해당되는 값을 나타내는 중위수(50th Percentile: Q₂)를 이용한다. 전술되는 과정을 통해 산출한 중위수는 시간대별 쿨루프와 일반옥상의 대표 상관계수 값을 의미한다. 산포도 파악에는 제1사분위수(25th Percentile: Q₁), 제3사분위수(75th Percentile: Q₃), 사분위수 범위(Interquartile Range, IQR)를 이용한다. Q₁과 Q₃는 전체 데이터 중 하위 25%와 상위 25%의 순서에 해당되는 값을 의미하며, 본 연구에서는 일반옥상과 쿨루프 군집의 하위 25% 및 상위 25%에 해당되는 상관계수 값을 의미한다. IQR은 Q₁과 Q₃ 사이의 범위를 나타내며, 일반옥상과 쿨루프 두 군집객체 상관계수의 다양성 범위를 파악할 수 있다.

1) 지붕 객체별 상관계수 산출

본 단계는 앞 단계에서 구축한 9회(7시 15분, 8시 40분, 10시, 11시 30분, 13시, 14시 30분, 16시, 17시 30분, 19시 15분)의 시간대별 지표온도 및 흡수일사량 분포도를 이용하여 지붕 객체별 지표온도와 흡수일사 간 상관관계를 파악한다. 본 연구 수행을 위한 지붕 객체는 367개의 일반옥상 객체와 113개의 쿨루프 객체를 대상으로 진행한다. 객체별 지표온도와 흡수 일사 간 상관 분석은 해상도의 기준이 되는 Fishnet을 기준으로 각 그리드에 속해 있는 흡수일사와 지표온도 간 상관계수를 산출한다(Fig. 12). 앞 단계에서 구축한 열지도의 공간해상도는 20 cm, 흡수일사분포도는 8 cm로 해상도의 차이가 있어, 두 해상도의 최소공배수가 되는 40 cm의 해상도로 설정하여 진행한다. 전술된 사유로 Fishnet 격자의 공간해상도는 40 cm로 설정하여 진행한다. 지표온도와 흡수일사 두 변수 간 상관성 파악은 Pearson 상관계수 값을 기반으로 추출하였다. 지붕 객체별 상관성 추출 과정에서 유의확률(p-value)이 0.05 이상이 되는 객체는 본 연구를 위한 샘플에서 제외하였다.

Fig. 12. Example of correlation analysis for individual features (No. 228 Normal Roof Feature at 10:00).

2) 중심경향치(Central tendency)

본 단계에서는 중심경향치를 통해 일반옥상과 쿨루프의 지표온도의 흡수일사와 상관성의 대표값을 연산하여, 일평균과 본 연구에서 수행한 9회의 시간대별로 파악한다. 이를 위해 각 시간대별 군집의 대표성을 나타내는 중위수를 산출하였다. 전술된 과정을 통해 산출한 일반옥상과 쿨루프 군집별 상관계수의 중위수는 Table 1의 ‘상관계수 범위별 척도’를 기반으로 일반지붕과 쿨루프의 시간대별 지표온도와 흡수일사 간 상관성 유·무 및 상관성 강도 변화를 파악한다(Table 1). 이를 통해, 동시간대 기준 쿨루프의 지표온도 형성에 흡수일사의 영향력을 일반옥상과 쿨루프의 효과를 간접적으로 분석한다.

시간대별 상관성 특징을 파악하기에 앞서, 관측일 기준 일반옥상과 쿨루프 두 군집 객체들의 7시 15분에서 19시 15분까지 9회 촬영한 주간 시간대의 평균 경향을 파악하였다. 일 평균 기준 중위수는 일반옥상 0.550, 쿨루프 0.387 값을 나타나고 있다. 이를 정리하면, 일반옥상이 쿨루프보다 흡수일사와 지표온도간 상관성이 높은 관계를 갖는 경향성을 보이고 있다(Table 4).

Table 4. The average of correlation coefficient value at daytime

시간대별 쿨루프와 일반옥상의 지표온도와 흡수일사 간 상관성에 대한 중심경향치는 Table 5, Fig. 13과 같다. 일반 옥상은 19시 15분을 제외한 오전 7시 15분부터 17시 30분까지 흡수일사와 지표온도간 상관계수 값이 0.350보다 높은 값을 보이고 있으며, 상관성이 있는 것으로 나타난다. 특히, 8시 40분과 10시의 상관계수 값이 0.757(8시 40분), 0.682(10시)로 상대적으로 높은 상관성을 보이고 있다.

Table 5. The summary of box-and-whisker plots for correlation coefficient values normalroof and coolroof of each time series

Fig. 13. Box plots based on correlation coefficient values for normal roof and cool roof of each time series.

쿨루프는 7시 15분부터 16시까지의 시간대에서 상관 계수 값이 0.350 이상을 보이고 있어 상관성이 있는 것으로 나타났다(Table 5). 쿨루프의 상관계수 값은 높은 상관성의 기준이 되는 0.680 이상의 값을 나타내는 시간대는 보이지 않았다. 중심경향치 관점으로 각 시간대 일반옥상과 쿨루프의 상관계수를 비교한 결과 모든 시간대에 일반옥상의 상관계수 값이 쿨루프 보다 높게 나타나고 있다. 하지만, 태양 고도가 높은 시간대인 11시 30분(69.16°)과 13시(72.74°)의 경우 두 유형의 지붕의 상관계수 값이 0.022, 0.024 값을 보이고 있어 차이가 크지 않는다(Korea Astronomy and Space Science Institute: https://astro.kasi.re.kr). 전술된 연구 내용을 통하여 전반적으로, 지표온도 형성에 있어 흡수일사의 영향력이 일반옥상이 쿨루프보다 큰 경향을 보이는 것으로 사료된다. 그러나, 태양고도가 높은 시점에서 두 유형 지붕특징의 차이가 나타나지 않았다.

3) 산포도(Degree of dispersion)

본 단계에서는 일반옥상과 쿨루프 군집 내 객체들의 상관계수 분포도를 사분위수인 IQR, Q₁, Q₃ 값을 이용한다. 해당 값을 통해 9회의 관측 시간대별 다양성의 변화를 살펴본다. 첫째, IQR 값을 통해 시간 변화에 따른 산포도의 변화를 살펴본다. 둘째, 일반옥상과 쿨루프의 시간대별 산포도 차이를 비교한다.

시간대별 일반옥상과 쿨루프 두 군집 객체들의 산포도는 다음과 같다. 첫째, IQR 값을 통해일반옥상과 쿨루프의 시간 변화에 따른 산포도의 변화를 살펴보았다. 시간대별 쿨루프와 일반옥상의 IQR은 시간 변화에 따라 달라지고 있다. 일반옥상의 IQR은 약 0.273에서 0.675의 값을 가지고 있다. 오전 8시 40분부터 17시 30분까지의 IQR은 0.2에서 0.4 사이의 값을 가지고 있으며, 태양고도가 상대적으로 낮은 7시 15분(19.75°)과 19시 15분(2.37°)의 IQR 값은 0.450과 0.675 값을 가져 높은 분포 특성을 보이고 있다.

쿨루프의 IQR은 0.267에서 0.571의 값을 가지고 있다. 7시 15분부터 16시까지의 IQR은 약 0.2에서 0.4 사이의 값을 가지고 있다. 쿨루프 또한 일반옥상과 유사하게 태양고도가 상대적으로 낮은 시점인 17시 30분(23.12°)과 19시 15분(2.37°)의 IQR 값은 0.542, 0.571로 비교적 높은 값을 가지고 있다(Table 5). 이를 통해, 태양고도가 낮은 시간일수록, 지붕의 지표온도 형성에 흡수일사의 영향력이 객체별 편차가 큰 것으로 사료된다.

둘째, 일반옥상과 쿨루프의 시간대별 산포도 비교 결과는 다음과 같다. 8시 40분부터 16시까지의 IQR은 약 0.2에서 0.4 사이의 값을 보이고 있어 두 유형의 지붕 모두 비슷한 산포도를 보이고 있다. 특히, 관측일 기준 태양고도가 높은 시점인11시 30분(69.16°)과 13시(72.74°)의 일반옥상 Q1은 0.368(11시 30분)와 0.370(13시), Q3는 0.703(11시 30분), 0.678(13시)을 보이며 쿨루프의 Q1은 0.373(11시 30분)와 0.373(13시), Q3는 0.665(11시 30분)와 0.679(13시) 값을 보이고 있다. 해당 시간대는 전술된 중심경향치에서도 유사한 값을 보이고 있었다. 하지만, 전술된 11시 30분과 13시를 제외한 시간의 Q1과 Q3 모두 일반옥상의 상관계수가 높은 값을 보이고 있다. 이를 통해, 일반옥상 객체들은 쿨루프 보다 높은 상관성을 보이고 있으나, 태양고도가 높은 시점에는 일반옥상과 쿨루프 모든 객체들이 지표온도 형성에 흡수일사의 영향력이 유사한 분포 특성을 보이는 것으로 해석된다.

5. 결론 및 토의

주간 시간 평균 기준, 일반옥상의 상관계수는 0.550이며 쿨루프는 0.387 값을 보여 일반옥상이 쿨루프 보다 지표온도와 흡수일사 간 상관성이 큰 것으로 파악되었다. 이는, 본 연구의 대상이 되는 쿨루프의 지표온도 형성에 흡수일사의 영향이 일반옥상보다 작은 경향을 보이는 것으로 사료된다. 9회의 시간대별 상관성의 변화를 파악한 결과 시간 변화에 따라 상관성의 차이가 변하는 것이 파악되었다. 일반옥상의 상관계수 값이 쿨루프 보다 모두 높은 상관성을 보이고 있다. 하지만, 태양 고도가 높은 시기인 11시 30분과 13시의 일반옥상과 쿨루프 간 상관계수 차이는 0.022, 0.024 값을 보여 유사한 상관성을 보이고 있다. 그 외 시간대는 일반옥상의 상관계수 값이 쿨루프 보다 약 0.1이상 높은 값을 보이고 있다. 결론적으로 이를 종합하면 쿨루프는 일반옥상보다 지붕의 표면에 흡수되는 일사가 지표온도 형성에 미치는 영향력이 작은 경향성을 보이는 것으로 파악된다.

본 연구는 일사에너지 차단을 통한 지표온도 상승을 억제하는 쿨루프의 실질적 일사 차단효과 파악을 목적으로 한다. 이를 위해 드론을 통해 고해상도의 열지도 및 흡수일사 분포도를 구축하였다. cm 단위로 구축한 연구지역의 토지피복 단위의 지붕 객체별 지표온도와 흡수일사 간 상관계수를 산출하여 관계성 유·무 및 강도를 파악하였다. 분석 결과 쿨루프는 일반옥상 보다 지표온도와 흡수일사 간 상관성이 낮은 것으로 파악되었으며, 시간대별 상관성이 달라지는 것을 도출하였다. 이에 대한 주요 연구 시사점은 다음과 같다. 첫째, 쿨루프는 일반옥상보다 지표온도와 흡수일사 간 상관성이 낮다. 이는, 주간시간 시간 동안 지표온도 형성에 있어 쿨루프는 일반옥상보다 흡수일사의 영향이 낮은 것으로 해석된다. 둘째, 주간 시간 변화에 따른 상관성의 변화가 있는 것으로 도출되었다. 이에, 쿨루프의 효과가 시간 변화에 따라 차이가 있는 것으로 파악되었다.

상관관계 분석은 연구 대상인 두 지표 간 관계성 유·무를 파악하기 위한 방법이지만, 상호간 인과관계 및 영향력을 도출할 수 없다. 이에 본 연구를 통해 지붕에 분포하는 지표온도와 흡수일사 간 관계성을 파악할 수 있으나, 인과성 및 영향력에 대한 결과 도출을 할수없는 한계가 있다. 향후 연구에 있어서는 회귀분석 등을 통해, 흡수일사가 지표온도 형성에 미치는 영향력 정도를 파악하면 더욱 발전된 연구가 될 수 있을 것으로 사료된다.