DOI QR코드

DOI QR Code

Analysis of the Surface Urban Heat Island Changes according to Urbanization in Sejong City Using Landsat Imagery

Landsat영상을 이용한 토지피복 변화에 따른 행정중심복합도시의 표면 열섬현상 변화분석

  • Lee, Kyungil (AI Semiconductor Research Center, Seoul National University of Science and Technology) ;
  • Lim, Chul-Hee (College of General Education, Kookmin University)
  • 이경일 (서울과학기술대학교 AI반도체연구소) ;
  • 임철희 (국민대학교 교양대학)
  • Received : 2022.04.21
  • Accepted : 2022.05.11
  • Published : 2022.06.30

Abstract

Urbanization due to population growth and regional development can cause various environmental problems, such as the urban heat island phenomenon. A planned city is considered an appropriate study site to analyze changes in urban climate caused by rapid urbanization in a short-term period. In this study, changes in land cover and surface heat island phenomenon were analyzed according to the development plan in Sejong City from 2013 to 2020 using Landsat-8 Operational Land Imager/Thermal Infrared Sensor (OLI/TIRS) satellite imagery. The surface temperature was calculated in consideration of the thermal infrared band value provided by the satellite image and the emissivity, and based on this the surface heat island effect intensity and Urban Thermal Field Variance Index (UTFVI) change analysis were performed. The level-2 land cover map provided by the Ministry of Environment was used to confirm the change in land cover as the development progressed and the difference in the surface heat island intensity by each land cover. As a result of the analysis, it was confirmed that the urbanized area increased by 15% and the vegetation decreased by more than 28%. Expansion and intensification of the heat island phenomenon due to urban development were observed, and it was confirmed that the ecological level of the area where the heat island phenomenon occurred was very low. Therefore, It can suggest the need for a policy to improve the residential environment according to the quantitative change of the thermal environment due to rapid urbanization.

도시의 인구 증가와 이에 따른 개발로 인한 도시화는 도시 내 열섬현상과 같은 다양한 환경문제를 유발할 수 있다. 특히 계획적으로 구축되는 신도시의 경우 짧은 기간에 진행되는 급격한 도시화로 인한 도시 기후의 변화를 분석하기에 적절한 연구대상지로 여겨진다. 본 연구에서는 Landsat-8 Operational Land Imager/Thermal Infrared Sensor (OLI/TIRS) 위성영상을 활용하여 세종특별자치시 내 행정중심복합도시의 2013년부터 2020년 개발계획에 의한 토지피복 변화와 이에 따른 표면 열섬현상의 변화를 분석하였다. 이를 위해 위성영상에서 제공하는 열적외선 밴드값과 방사율을 고려하여 지표면온도를 산출하고, 이를 기반으로 표면 열섬현상 강도와 Urban Thermal Field Variance Index (UTFVI)의 변화분석을 수행하였다. 개발이 진행됨에 따른 토지피복 변화 및 피복별 열섬현상 강도의 차이 확인을 위해 환경부에서 제공하는 중분류 토지피복지도를 활용하였다. 분석 결과, 연구지역의 시가화 면적은 15% 증가하였고 자연식생은 28% 이상 줄어든 것이 확인되었다. 또한 이에 따른 열섬현상의 확장 및 강도 증가가 관측되었고, 열섬현상이 발생된 지역의 생태적 수준은 매우 낮은 것을 확인하였다. 본 연구를 통해 급격한 도시화에 따른 열 환경의 정량적 변화 및 생태적 수준을 확인하고, 주거환경의 열 환경 개선을 위한 추가적인 정책의 필요성이 제시될 수 있다.

Keywords

1. 서론

도시화란 농촌, 외곽지역의 인구가 도시로 유입되면서 도시지역의 인구가 증가하고 이로 인한 도심의 밀도 증가와 도시공간의 외연적 확산을 의미한다. 대한민국의 도시화는 1960년대 이후 가속화되어 1990년대에는 도시화 비율이 75%를 넘겼으며, 2000년대 이후 용도지역 기준 도시지역 인구비율은 전체 인구의 약 92%로 큰 변화 없이 유지되고 있는 것으로 나타났다(Kim et al., 2014; MOLIT and LH, 2021). 우리나라 도시화의 특징 중 하나는 국토면적의 약 12.6%를 차지하는 수도권과 일부 광역시에 도시기능 및 인구가 과도하게 집중된 상태라고 할 수 있으며, 수도권의 경우 2020년을 기준으로 대한민국 인구의 50% 이상이 거주하고 있는 것으로 나타났다. 이러한 도시화에 따른 토지피복의 변화로 지역 내 녹지공간이 줄어들고, 콘크리트, 아스팔트 포장도로 및 건물 등 열 흡수표면이 증가하게 되고 이는 국지적인 열 특성의 변화 및 온도의 증가를 발생시킨다(Lee et al., 2020). 이렇게 도시화로 인하여 주변 지역보다 도심지 온도가 높게 나타나는 도시열섬(Urban Heat Island, UHI)현상은 전 세계의 도시에서 발생하는 현상으로 도시의 규모, 토지피복과 이용 형태 및 다른 인위적인 원인의 영향을 받고, 에너지 사용 증가, 열적 피해 등의 문제점을 발생시킬 수 있다(Oke et al., 2017; Streutker, 2002). 또한 도시열섬 현상이 악화될수록 전체적인 도시지역의 기후변화 및 자연환경에 영향을 끼칠 수 있고 이는 도시 환경의 질 자체를 저해시킬 수 있어 열섬현상에 대한 분석 및 대책을 위한 연구는 지속적으로 중요해지고 있는 실정이다.

기존 도시열섬 분석을 위한 연구들의 경우 지표면 실 측 온도자료를 활용하는 경우가 많았으나, 기상관측지 점이 균일하게 분포되어 있지 않고 특정 대상지의 전체 적인 온도 분포를 확인하기 어렵다는 단점이 존재한다 (Liu and Zhang, 2011; Yoo et al., 2019). 이러한 단점 해결을 위해 Landsat과 같은 다중분광 중 해상도 인공위성 영상이 유용한 수단으로 활용되고 있으며, 열적외선 밴드를 활용한 지표면온도(land surface temperature, LST) 추출 및 분광지수를 활용한 연구가 많이 진행되고 있다 (Tran et al., 2017; Villa, 2012). 국내에서 수행된 도시열섬 현상 연구의 경우 주로 수도권 및 광역시 등 기존 대도시들을 대상으로 수행되었다(Ahn et al., 2012; Cho et al., 2014; Cho et al., 2019; Hong et al., 2015; Kim et al., 2021; Lee et al., 2017; Oh and Hong, 2005). Ahn et al. (2012)의 경우 부산광역시를 대상으로 25년의 장기적 토지피복 변화를 조사하고 도시면적 변화에 따른 지표면 온도 및 열섬 포텐셜 변화를 확인하였다. Hong et al. (2015)의 연구에서는 Landsat TM (Thematic Mapper) 영상을 활용하여 대전광역시를 대상으로 분광지수들과 지표면 온도 값 사이의 상관관계를 분석하고 토지피복 간의 차이를 확인하였다. Lee et al. (2017)Cho et al. (2019)은 Landsat-8 Operational Land Imager/Thermal Infrared Sensor (OLI/ TIRS) 영상을 활용하여 서울특별시를 대상으로 각각 행정구역별 환경적인 특징에 따른 열섬현상 강도의 차이를 확인하였다. Kim et al. (2021) 또한 Landsat-8 영상을 활용하여 고양시를 대상으로 LST 클러스터링 기법을 통한 열섬 우심지역을 도출하는 연구를 수행하였다. 이러한 국내 대도시들은 최근 수십 년 동안 도시화가 진행되었기 때문에 열섬현상 현황에 대한 분석 대상지로는 적절하다고 할 수 있다. 하지만 개발이 진행됨에 따른 구체적인 토지피복 변화 및 토지피복 특성에 따른 열섬현상 강도의 차이를 확인하는 부분에 있어서는 한계가 있었다. 또한 열섬현상이 강한 지역의 열 환경 개선을 위해서는 지역 내 생태적인 특성까지 확인한 후 취약 원인에 맞는 맞춤형 개선정책을 수립하여야 한다.

세종특별자치시는 「세종특별자치시 설치 등에 관한 특별법」에 근거하여 2012년 7월 1일 광역자치단체로 출범하게 되었다. 출범 당시 인구는 약 11만 명이었고, ‘2030 세종도시기본계획’ 에 따르면 2030년 계획인구는 행정중심복합도시를 기준으로 800,000명으로 설정되어있고 목표 주택보급률은 110%로 설정되어있다(Sejong City, 2014). 개발계획에 따른 급격한 토지피복 및 도시구조의 변화는 도시의 미기후를 급격하게 변화시킬 가능성이 크다. 특히 기존 국내외 대도시들에서 몇십 년 동안 진행되었던 도시화와 다르게 세종특별자치시와 같은 신도시의 급격한 도시화는 도시 열섬현상의 실질적인 발생 및 변화를 분석하기에 적합한 연구 대상으로 여겨진다(Lee et al., 2022; Qaid et al., 2016).

본 연구에서는 Landsat-8 OLI/TIRS 영상을 기반으로 세종특별자치시(행정중심복합도시)의 개발이 진행됨에 따른 구체적인 토지피복 및 표면 열섬현상의 변화 및 생태적 수준의 변화를 확인하였다. 이를 위해, 전처리과정을 거친 영상을 기반으로 지표면 방사율을 고려하여 산출된 지표면온도, Urban Thermal Field Variance Index (UTFVI) 및 토지피복지도를 활용하였다. 연구 결과는 도시화의 강도 및 진행 속도에 따른 열섬현상 발생에 의한 피해방지 및 완화 등을 위한 정책 제안 및 의사결정 에 도움을 줄 수 있을 것으로 기대된다.

2. 연구대상지 및 재료

1) 연구대상지

본 연구의 대상지는 세종특별자치시 내 고운동, 아름동 등 행정중심복합도시 건설지역에 해당되는 약 85 km2 면적의 행정구역이다(Fig. 1). 세종특별자치시는 충청 남북도 중앙에 위치하며 연기군 전체와 공주시 일부, 충청북도 청원군 일부를 편입하고 행정구역은 1읍 9면 14동 125리로 구성되어 있다. 2021년 기준으로 약 38만 명의 인구가 도시 내에 거주하고 있는 것으로 측정되어 2020년도 계획인구였던 416,000명에는 미치지 못하였으나, 타 도시에서의 인구 유입과 사회·정책적 요인 등으로 지속적인 인구 증가 및 도시 확장이 예상된다 (Sejong City, 2021). 행정중심복합도시의 개발계획은 2030년까지 1단계(2012년–2015년), 2단계(2016년–2020년), 3단계(2021년–2025년), 4단계(2026년–2030년)로 크게 구분되어 수립되어 있고, 본 연구에 해당하는 1, 2단계의 경우 대규모 우선 시행 사업들이 주로 시행되는 시기로서 개발에 따른 표면 열섬현상의 급격한 변화가 예상된다 (Sejong City, 2014).

OGCSBN_2022_v38n3_225_f0001.png 이미지

Fig. 1. Study area in Sejong City.

2) 연구 재료

연구에 사용한 재료는 크게 위성영상과 환경부에서 구축한 토지피복지도로 구성되어 있다. 위성영상은 방사율 산출을 위한 정규식생지수(normalized difference vegetation index, NDVI) 및 지표면 온도 계산에 활용하였으며 United States Geological Survey (USGS)에서 제공하는 Landsat-8 OLI/TIRS 영상을 이용하였다. Landsat-8 위성은 OLI와 TIRS 두 개의 센서가 장착되어있어 Visible and Near Infrared (VNIR) 영상을 30 m 공간해상도로 제공하고, 열적외선 파장대역 영상의 공간해상도는 100 m로 제공되고 있다. 개발계획 1, 2단계에 의한 변화를 시계열적으로 확인할 수 있는 2013, 2015, 2020년도에 취득된 영상자료를 구축하였고, 그 중 겨울 및 봄 등 식생 상태에 따른 NDVI의 영향이 있는 시기 및 운량이 높은 한여름철 시기는 제외하여 운량이 적고 영상품질이 높은 6월, 9월 영상을 활용하여 연구를 수행하였다 (Table 1). TIRS 센서를 통해 구축된 열적외선 밴드의 경우 Band 10 (10.60 µm–11.19 µm), Band 11 (11.50 µm–12.51 µm) 두 가지가 존재하는데, Band 11은 Band 10보다 대기에 대한 영향을 많이 받고 온도가 다소 낮게 측정되 는 경우가 있다(Kim et al., 2018). 따라서 본 연구에서는 열섬현상의 분석을 위해 Band 10에서 산출된 온도를 활 용하였다.

Table 1. Information of Landsat-8 imagery used in this study

OGCSBN_2022_v38n3_225_t0001.png 이미지

토지피복 변화를 확인하기 위한 토지피복지도의 경우 환경부에서 제공하는 2013, 2015, 2020년도 중분류 토지피복지도를 활용하였다. 중분류 토지피복지도는 5 m 공간해상도로 제작되어 구체적인 용도지역 상태를 표현할 수 있는 지도로써, 토지피복별 표면 열섬현상의 차이 확인 및 열 완화 정책을 위한 상세한 의사결정 지원이 가능하다

3. 연구 방법

1) 영상의 전처리 및 지표면 온도 계산

Landsat과 같은 원격탐사 데이터는 센서에서 감지한 스펙트럼 파장 내에서 복사의 방출 및 반사에 영향을 미치는 대기의 간섭 및 표면복사 특성을 고려해야 하는 특성이 있다(Voogt and Oke, 2003). 따라서 본 연구에서는 흑체 감법(dark object subtraction) 방식을 활용한 대기보정 및 방사보정을 통해 센서 오차와 조도 및 대기 조건에서 발생하는 노이즈를 보정하였고 보정작업은 QGIS 3.14 소프트웨어를 활용하였다.

보정 후 Band 10의 수치값(digital number, DN)을 반사도 값으로 변환시키기 위해NationalAeronautics and Space Administration (NASA)에서 제공하는 Users handbook에 서 제공하는 식(1)과 (2)를 이용하였다(Zanter, 2019). 식 (1) 각각의 변수에 대한 설명은 다음과 같다.

\(L_{j}=M_{L} \times D N+A_{L}\)       (1)

Lλ = Spectral radiance (W/m2-sr-μm),

ML = Radiance multiplicative scaling factor for the band from the metadata,

AL = Radiance additive scaling factor for the band from the metadata,

DN = Original pixel value.

산출한 분광 복사량을 바탕으로 식(2)를 통해 밝기 온도(TB)를 계산하였다. 이때 식(2)에서 활용되는 분광 방사휘도와 절대온도의 보정계수 K1과 K2는 Band 10, Band 11에 따라 달라지며 본 연구는 Band 10의 보정계수를 활용하여 계산하였다(Table 2).

Table 2. Thermal conversion constant of band 10 and band 11

OGCSBN_2022_v38n3_225_t0002.png 이미지

\(T_{B}=\frac{K_{2}}{\ln \left(1+\frac{K_{1}}{L_{i}}\right)}\)       (2)

하지만 산출된 밝기온도는 지표면 방사율이 고려되지 않은 온도이며, 지표면 방사율을 고려하여 추가적인 지표면 온도 산출이 필요하다. 지표면 방사율 값의 경우 국내·외 여러 기관에서 제공하는 값들이 존재하나 실제 방사율의 경우 토지피복, 식생, 토양수분 등의 시간적 변동으로 인하여 달라질 수 있다(Kim et al., 2018). 따라서 본 연구에서는 보정이 수행된 영상자료를 활용하여 Sobrino et al. (2004)가 제안한 식(3)과 정규식생보정지수 (Normal Difference Vegetation Index, NDVI)에 따른 분류방법을 활용하여 지표면 방사율을 계산하였다(Wang et al., 2015; Table 3). 이때 ελv는 식생의 방사율(≒ 0.9863 μm)이고 ελs은 토양의 방사율(≒ 0.9668 μm)이다(Yu et al., 2014). C는 표면의 거칠기로 본 연구에서는 0.005값을 활용하였고, ρR은 Red band의 반사값이다(Seketekin and Bonafoni, 2020).

Table 3. NDVI ranges and corresponding formula for calculating emissivity value

OGCSBN_2022_v38n3_225_t0003.png 이미지

NDVI, normalized difference vegetation index.

\(\epsilon_{\lambda}=\epsilon_{\lambda 1} P_{v}+\epsilon_{i s}\left(1-P_{v}\right)+C_{\lambda}\)       (3)

방사율 계산을 위해 밴드에서 계산된 반사도 값을 이용하여 우선 NDVI를 계산하였다. 식생반사도의 경우 적색 영역에서 낮고 근적외선 영역에서 높기 때문에 식(4)를 통해 두 밴드 사이의 반사도 값의 차이를 활용한 NDVI 추출로 지역 내 식생에 대한 활력도 구분이 가능하다. NDVIS (=0.2), NDVIv (=0.5)을 기준으로 방사율 계산을 위한 지역을 구분하였고, 식(5)를 활용하여 토양 및 식생이 섞인 지역 내 방사율 계산시 활용될 식생비율 (Proportion of the vegetation, Pv)을 계산하였다(Carlson and Ripley, 1997)

\(N D V I=\frac{N I R-R e d}{N I R+\operatorname{Red}}\)       (4)

\(P_{v}=\left[\frac{N D V I-N D V I_{S}}{N D V I_{V}-N D V I_{S}}\right]^{2}\)       (5)

마지막으로 계산된 방사율과 파장, 온도와의 관계를 이용하는 식(6)을 활용하여 지표면 온도를 산출하였다. λ는 분광복사량을 추출하는데 사용한 밴드의 파장이고 α값은 hc/K (1.438×10–2 mK)이다. 이때 h는 플랑크상수(6.626×10–34)이고 c는 빛의 속도(2.998×108 ms–1), K 는 볼츠만 상수(1.38×10–23 JK–1)를 의미한다. ε는 표면 방사율을 의미한다. 계산된 방사보정온도를 절대온도 (K)에서 섭씨온도(°C)로 바꿔주기 위해 273.15 값을 감 하였다

\(L S T=\frac{T_{B}}{\left[1+\left[\frac{\lambda \times T_{B}}{\rho}\right] \times \ln \epsilon\right]}-273.15\)       (6)

2) 표면 열섬현상 분석

일반적으로 열섬현상의 강도는 주로 횡단면을 따라서 측정된 기온을 활용하거나 주변 도시 및 농촌 지역의 고정 관측소가 있는 경우 그 관측값을 사용하여 측 정한다(Cao et al., 2010). 하지만 표면 열섬현상(Surface Urban Heat Island, SUHI)의 분석 및 강도 측정은 위성영상자료 등을 활용한 원격탐사기법을 통하여 얻어지기 때문에 다른 방식으로 측정된다. 본 연구에서는 연구지역의 표면 열섬현상 강도(SUHI Intensity)의 확인을 위해 식(7)을 활용하여 각 년도 별 교외지역의 평균 표면 온도와 도시지역의 각 픽셀 표면온도의 차이를 계산하 였다(Rasul et al., 2015).

\(S U H I I=L S T_{U}-\overline{L S T_{R}}\)       (7)

LSTU는 도시지역 내의 각 픽셀별 표면온도이고 LSTR 는 교외지역의 평균 표면온도이며, 이때 교외지역은 기존 연구를 참고하여 연구대상지와 500 m 떨어진 버퍼 공간으로 설정하였다(Alves, 2016; Alves et al., 2020). 양의 값이 높을수록 강한 표면 열섬현상이 발생하고 있음을 의미하고, 음의 값은 식생 등으로 인하여 표면온도가 상대적으로 낮음을 의미한다(Alves, 2016). 본 방법을 통해 각 시기별 표면 열섬현상 분포지도를 구축하고, 중 분류 수준의 토지피복지도를 활용하여 토지피복에 따른 값의 변화 및 차이를 확인하였다.

또한 표면 열섬현상이 발생된 지역의 생태학적 평가를 위해 연구대상지의 UTFVI를 계산하였다. UTFVI 지수는 도시지역 내 열쾌적성 수준에 따른 도시의 건강성과 생태적 수준을 설명하는 지수로 써 식(8)을 이용하여 측정한다(Liu and Zhang, 2011).

\(U T F V I=\frac{T s-T_{\text {mean }}}{T_{S}}\)       (8)

여기서 UTFVI는 도시 내 열장 변화 지수, TS는 해당 지역의 특정 지점(픽셀)의 LST, Tmean은 연구대상지의 평균 LST값이다. 또한 계산된 UTFVI는 생태적 수준에 따라서 6단계로 구분되는데, UTFVI 지수가 높을수록 연구대상지의 생태적인 환경이 열악함을 의미하며, 낮을수록 열섬현상 발생이 없고 생태적인 환경이 우수함을 의미한다(Singh et al., 2017; Table 4).

Table 4. Urban Thermal Field Variance Threshold

OGCSBN_2022_v38n3_225_t0004.png 이미지

4. 결과 및 고찰

1) 토지피복변화

연구지역의 토지이용 변화를 확인하기 위해 중분류 수준의 토지피복지도를 2013, 2015, 2020년도 각각의 토지피복 변화를 확인한 결과는 Fig. 2와 같으며, 각 토지피복별 면적 및 비율의 변화는 Table 5와 같다. 2013–2015년 기간은 2030년까지의 4단계 개발계획 중 1단계에 해당 시기로 주거·상업·공업지역 등 기존 시가화 용지 내 미개발지를 개발가 용지로 확보하고 공간구조를 개편하는 시기이다. 이러한 개발계획에 따라서 기존 주거지역, 공업지역, 상업지역이 일부 줄어들었고, 산림지역, 자연 초지 및 농업지역 또한 전체적으로 줄어든 것으로 나타났다. 반면 건설지역을 거점으로 공간구조 개편에 부응하는 교통체계의 구축으로 교통과 관련된 토지피복이 크게 증가하였고, 기존 인공나지에서 개발이 완료된 지역 내 조성된 인공초지도 크게 증가하는 양상이 나타났다. 2015–2020년 기간은 2단계 개발계획에 해당되며, 개발의 효율성 제고와 도시 이미지 정착유도를 위한 시가화예정용지 개발 및 사업을 개발하는 시기이다. 이러한 개발계획에 따라서 주거지역 및 산업지역 등의 시가지 면적이 증가하였고 공업지역은 계속 줄어드는 양상이 나타났다. 개발이 진행 및 완료됨에 따라서 산림, 초지, 농지 및 인공나지는 줄어들었고, 주거지역 등 교통시설과 인공초지는 1단계와 마찬가지로 크게 증가한 것으로 나타났다. 분석 결과 2013년도에 비해 2020년도 연구대상지 내 시가화·건조지역의 면적은 3.91%에서 18.61%로 약 15% 증가하였고, 산림, 농지, 자연 초지는 61.26%에서 33.05%로 28% 이상 줄어든 것을 확인하였다.

OGCSBN_2022_v38n3_225_f0002.png 이미지

Fig. 2. Multi-temporal land cover in study area: (a) 2013, (b) 2015, and (c) 2020.

Table 5. Changes in areas and mean SUHI intensities by land cover

OGCSBN_2022_v38n3_225_t0005.png 이미지

SUHI, surface urban heat island.

2) 표면 열섬현상 변화 분석

표면 열섬현상은 도시화가 진행되면서 도심지의 알베도, 표면복사율, 토양수분함량 등 열 환경에 영향을 미치는 특성이 교외지역과 차이가 나타나 발생 및 강화되게 되며, 개발이 진행됨에 따른 2013, 2015, 2020년도 각각의 표면 열섬현상 분포의 변화는 Fig. 3과 같다. 개발이 진행됨에 따라서 구축된 주거지, 교통지역 및 추가적으로 형성된 인공나지를 중심으로 표면 열섬현상 이 발생되는 지역이 증가하는 양상이 나타났다. 이러한 시가지 및 인공나지는 상대적으로 낮은 식생비율로 태 양으로부터 전달되는 열이 대부분 현열(sensible heat)로 활용되어 더 높은 지표면온도의 특성이 나타나게 된다. 특히 인공나지의 경우 현재 개발이 진행되고 있는 공간으로 콘크리트 포장면, 철근 등 열에너지 비축량이 높은 구조물들과 식생이 조성되어 있지 않기 때문에 기구축된 시가지보다 더 높은 표면 열섬현상 강도가 나타날 수 있다.

OGCSBN_2022_v38n3_225_f0003.png 이미지

Fig. 3. Multi-temporal SUHI intensity in study area: (a) 2013, (b) 2015, and (c) 2020. SUHI, surface urban heat island.

토지피복의 2013년부터 2020년까지의 평균 표면 열섬현상 강도는 Table 5와 같다. 시가화·건조지역에 해당하는 토지피복의 경우 대부분 개발이 진행될수록 표면 열섬현상 강도가 증가한 것으로 나타났고, 특히 연구대상지 내 일부 존재하는 공업지역의 열섬현상 강도 는 2020년도의 경우 8.031°C로 나타났다. 공업지역은 상대적으로 건폐율이 높고, 조성된 대형 건물들의 지붕 면은 대부분 열용량이 큰 철판으로 열에너지 비축량이 높다. 또한 대상지역 내 자연녹지 비율인 생태면적률의 기준 또한 다른 용도지역에 비해 낮다. 따라서 면적은 상대적으로 적으나 개발이 진행될수록 높아지는 건물 밀도 및 열비축량과 방사율로 강한 열섬현상이 발생하는 것으로 판단된다. 문화시설과 청사와 같은 공공시설 지역에서도 평균적으로 높은 열섬현상 강도가 나타나는 것을 확인하였고, 법적 용적률 및 건폐율이 높아 상대적으로 불투수 면적이 넓은 상업지역도 다른 토지피복에 비해 강한 열섬현상이 나타나는 것을 확인하였다. 또한 개발 전과 비교했을 시 상대적으로 고밀도로 조성되는 주거지역의 열섬현상 강도도 지속적으로 높아지는 것으로 나타났다.

시가화·건조지 이외의 토지피복 중, 상대적으로 식생비율이 낮은 농지와 도시지역 내 초지의 경우 교외지역에 비해 표면온도가 높은 것을 확인하였다. 반면 산림지역은 전체적으로 교외지역에 비해 표면온도가 낮은 것을 확인하였고, 인공나지의 경우 앞서 설명한 특징들로 인하여 시가화·건조지역 수준의 열섬현상 강도가 나타나는 것을 확인하였다

3) UTFVI 변화 분석

표면 열섬현상이 발생된 지역의 생태학적 평가를 위해 연구대상지의 2013, 2015, 2020년도 각각의 UTFVI를 계산한 결과는 다음과 같다(Fig. 4). UTFVI는 도시화에 영향을 받는 지수로 표면 열섬현상 분포와 유사하게 나타나며 생태학적 수준에 따라서 6단계로 구분되는 지수이나, 본 연구대상지의 경우 모든 시기에서 두 가지의 극단적인 수준으로 나타나는 것이 확인되었다.

OGCSBN_2022_v38n3_225_f0004.png 이미지

Fig. 4. UTFVI spatial trend changes in study area. UTFVI, urban thermal field variance index.

UTFVI와 관련된 기존 연구 중 하나인 Naim and Kafy (2021)의 방글라데시 치타공을 대상으로 한 연구에서는 개발이 직접적으로 수행되기 전엔 시가지 내에서도 UTFVI의 강도가 강하게 나타나지 않았다. 하지만 비계획적인 개발에 따른 고밀도의 도시화가 진행될수록 UTFVI 강도의 증가 및 분포변화가 발생하는 양상이 나타났다. Singh et al. (2017)의 인도 러크나우를 대상으로 한 연구에서도 같은 시가지임에도 불구하고 2002년도와 2014년도 사이 도시개발이 진행됨에 따라서 UTFVI의 분포 및 강도의 양상이 크게 변화된 것을 확인하였다. 반면 홍콩을 대상으로 UTFVI를 도출한 Liu and Zhang (2011) 연구의 경우, 개발이 발생된 거의 모든 지역이 0.02를 넘는 것을 확인하였고, 홍콩과 같은 고밀도의 집중된 도시화는 도시지역의 직접적인 생태환경 악화로 이어진다고 결론지었다. 즉 같은 시가지임에도 인구 집중도, 건물 구조 및 식생 상태 등 도시화 수준에 따라서 생태적 수준 또한 크게 변화될 수 있다.

본 연구대상지의 경우 개발이 시작되는 시점부터 수계, 산림 등을 제외한 표면 열섬현상이 발생하는 지역의 UTFVI는 범위 내 최대 값인 0.02를 넘는 값들이 도출되었다. 또한 2020년도까지 개발이 진행될수록 UTFVI값이 0.02가 넘는 지역들이 계속 증가한 것을 확인하였다. 즉 고밀도 위주의 급격한 개발계획에 의하여 개발대상 지역의 생태적 수준이 산림, 녹지 등의 자연 환경에 비해 크게 낮아지고, 표면 열섬현상의 강도는 빠르게 증가함을 알 수 있다. 또한 개발이 진행될수록 UTFVI의 최대값이 낮아지고 있는데 이는 개발지역 내 전체적인 평균온도가 증가하여 개발지역 간 차이가 줄어드는 것을 의미한다. 본 연구 결과는 개발계획에 의한 급격한 도시화로 형성된 열섬현상의 완화 및 생태적 수준의 증진을 위하여 추가적인 녹지조성 및 열섬현상 완화사업의 필요성을 보여준다

5. 결론

본 연구는 대한민국 세종특별자치시 내 행정중심복합도시 건설지역을 연구지역으로 선정하여 2013, 2015, 2020년 3장의 Landsat 8 영상을 기반으로 개발이 진행됨에 따른 표면 열섬현상과 생태적 수준의 변화분석을 수행하였다. 이를 위해 열적외선 영상을 이용하여 산출된 지표면 온도를 SUHI intensity와 UTFVI 계산에 활용하였고, 개발계획에 따른 변화 및 토지피복별 차이를 확인하였다. 분석 결과 개발이 진행됨에 따라서 시가화·건조지역에 속한 토지피복이 증가함에 따른 표면 열섬 현상 강도 또한 전체적으로 높아지는 것으로 나타났다. 특히 공업지역의 경우 상대적으로 면적은 작으나, 높은 건폐율 및 낮은 생태면적률로 인한 녹지부족 및 열비 축량이 높은 철지붕의 구축 등으로 가장 강한 열섬현상 강도가 나타났다. 시가화·건조지역 중 면적이 넓은 주거지역 및 상업지역도 열섬현상이 발생 및 강화되는 것이 확인되었다.

또한 본 연구에서 활용된 UTFVI 지수는 도시의 개발 강도와 개발에 따른 도시의 생태·환경적 수준에 대한 정보를 제공하는 도구로써 유용하다고 할 수 있다. UTFVI 분석 결과 본 연구대상지와 같은 계획도시의 경우 개발 강도가 높고 고밀도로 도시화가 진행되어 도시 전체적인 생태적 수준이 급격히 낮아지게 되는 것을 확 인하였다.

세종특별자치시는 2030년도까지 계획인구 80만을 목표로 지속적인 인구 증가 및 추가적인 개발이 진행될 예정이며, 이에 따른 연구지역 내 열섬현상의 지속적인 악화와 생태적 수준의 감소가 예상된다. 따라서 열 환경 개선을 위해 열 취약성이 높은 지역에 대하여 종합적인 도시생태 특성을 확인한 후 취약 원인에 맞는 맞춤형 개선정책을 수립하여야 할 것이다. 특히 주거지역 및 상업지역에 대한 바람길 조성, 열 저감 보도블럭 도입 및 공원·녹지공간 확충방안 마련 및 도시 전체적인 생태면적률의 증진방안 모색 등 열 환경 개선을 위한 폭넓은 연구들이 병행되어야 할 것이다.

References

  1. Ahn, J.S., J.D. Hwang, M.H. Park, and Y.S. Suh, 2012. Estimation of Urban Heat Island Potential Based on Land Cover Type in Busan Using Landsat-7 ETM+ and AWS Data, Journal of the Korean Association of Geographic Information Studies, 15(4): 65-77 (in Korean with English abstract). http://dx.doi.org/10.11108/kagis.2012.15.4.065
  2. Carlson, T.N. and D.A. Ripley, 1997. On the relation between NDVI, fractional vegetation cover, and leaf area index, Remote Sensing of Environment, 62(3): 241-252. https://doi.org/10.1016/S0034-4257(97)00104-1
  3. Cho, H.S., Y.J. Joung, and M.J. Choi, 2014. Effects of the Urban Spatial Characteristics on Urban Heat Island, Journal of Environmental Policy and Administration, 22(2): 27-43 (in Korean with English abstract). https://doi.org/10.15301/jepa.2014.22.4.27
  4. Cho, H., J. Ha, and S. Lee, 2019. Exploring Physical Environments, Demographic and Socioeconomic Characteristics of Urban Heat Island Effect Areas in Seoul, Korea, Journal of the Korean Regional Science Association, 35(4): 61-73 (in Korean with English abstract). https://doi.org/10.22669/krsa.2019.35.4.061
  5. Hong, S.H., H.J. Cho, M.K. Kim, and H.G. Sohn, 2015. Analysis of Urban Heat Island Effect Using Time Series of Landsat Images and Annual Temperature Cycle Model, Journal of Korean Society for Geospatial Information Science, 23(1): 113-121 (in Korean with English abstract). https://doi.org/10.7319/kogsis.2015.23.1.113
  6. Kim, M.K., S.P. Kim, N.H. Kim, and H.G. Sohn, 2014. Urbanization and Urban Heat Island Analysis Using LANDSAT Imagery: Sejong City As a Case Study, Journal of the Korean Society of Civil Engineers, 34(3): 1033-1041 (in Korean with English abstract). http://dx.doi.org/10.12652/Ksce.2014.34.3.1033
  7. Kim, T., W.H. Lee, and Y. Han, 2018. Analysis of Thermal Heat Island Potential by Urbanization Using Landsat-8 Time-series Satellite Imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(4): 305-316 (in Korean with English abstract). https://doi.org/10.7848/ksgpc.2018.36.4.305
  8. Kim, W., H. Lim, and H. Shin, 2021. Extraction of the Severe Heat Island Districts in Urban Areas by the Clustering Technique of Land Surface Temperature Distribution Using Satellite Imagery, Journal of Korean Society for Atmospheric Environment, 37(4): 578-599 (in Korean with English abstract). https://doi.org/10.5572/KOSAE.2021.37.4.578
  9. Lee, K., Y. Kim, H.C. Sung, S.H. Kim, and S.W. Jeon, 2022. Surface urban heat island in South Korea's new towns with different urban planning, Environmental Monitoring and Assessment, 194(5): 1-18. https://doi.org/10.1007/s10661-022-09967-w
  10. Lee, K., Y. Kim, H.C. Sung, J. Ryu, and S.W. Jeon, 2020. Trend analysis of urban heat island intensity according to urban area change in Asian mega cities, Sustainability, 12(1): 112. https://doi.org/10.3390/su12010112
  11. Lee, K., J. Ryu, S.W. Jeon, H.C. Jung, and J.Y. Kang, 2017. Analysis of the Effect of Heat Island on the Administrative District Unit in Seoul Using LANDSAT Image, Korean Journal of Remote Sensing, 33(5-3): 821-834 (in Korean with English abstract). http://dx.doi.org/10.7780/kjrs.2017.33.5.3.6
  12. Liu, L. and Y. Zhang, 2011. Urban heat island analysis using the Landsat TM data and ASTER data: A case study in Hong Kong, Remote Sensing, 3(7): 1535-1552. https://doi.org/10.3390/rs3071535
  13. MOLIT (Ministry of Land, Infrastructure and Transport) and LH (Korea Land and Housing cooperation), 2021. 2020 city planning status, https://www.eum.go.kr/web/cp/st/stUpisStatDet.jsp, Accessed on Mar. 5, 2022.
  14. Naim, M.N.H. and A.A. Kafy, 2021. Assessment of urban thermal field variance index and defining the relationship between land cover and surface temperature in Chattogram city: a remote sensing and statistical approach, Environmental Challenges, 4: 100107. https://doi.org/10.1016/j.envc.2021.100107
  15. Oh, K.S. and J.J. Hong, 2005. The Relationship between Urban Spatial Elements and the Urban Heat Island Effect, Journal of the Urban Design Institute of Korea, 6(1): 47-63 (in Korean with English abstract). http://www.dbpia.co.kr/Article/NODE02197632
  16. Oke, T.R., G. Mills, A. Christen, and J.A. Voogt, 2017. Urban climates, Cambridge University Press, Cambridge, UK. https://doi.org/10.1017/9781139016476
  17. Qaid, A., H.B. Lamit, D.R. Ossen, and R.N.R. Shahminan, 2016. Urban heat island and thermal comfort conditions at micro-climate scale in a tropical planned city, Energy and Buildings, 133: 577-595. https://doi.org/10.1016/j.enbuild.2016.10.006
  18. Rasul, A., H. Balzter, and C. Smith, 2015. Spatial variation of the daytime Surface Urban Cool Island during the dry season in Erbil, Iraqi Kurdistan, from Landsat 8, Urban Climate, 14(2): 176-186. https://doi.org/10.1016/j.uclim.2015.09.001
  19. Sejong City, 2021. Population status as of the end of December 2020, https://www.sejong.go.kr/stat/bbs/list.do?key=1912123631625, Accessed on Mar. 10, 2022.
  20. Sejong City, 2014. 2030 Sejong City Master Plan, Sejong City Hall, Sejong City, South Korea (in Korean).
  21. Sekertekin, A. and S. Bonafoni, 2020. Land surface temperature retrieval from Landsat 5, 7, and 8 over rural areas: Assessment of different retrieval algorithms and emissivity models and toolbox implementation, Remote Sensing, 12(2): 294. https://doi.org/10.3390/rs12020294
  22. Singh, P., N. Kikon, and P. Verma, 2017. Impact of land use change and urbanization on urban heat island in Lucknow city, Central India. A remote sensing based estimate, Sustainable Cities and Society, 32: 100-114. http://dx.doi.org/10.1016/j.scs.2017.02.018
  23. Sobrino, J.A., J.C. Jimenez-Munoz, and L. Paolini, 2004. Land surface temperature retrieval from LANDSAT TM 5, Remote Sensing of Environment, 90(4): 434-440. https://doi.org/10.1016/j.rse.2004.02.003
  24. Streutker, D. R., 2002. A remote sensing study of the urban heat island of Houston, Texas, International Journal of Remote Sensing, 23(13): 2595-2608. https://doi.org/10.1080/01431160110115023
  25. Tran, D.X., F. Pla, P. Latorre-Carmona, S.W. Myint, M. Caetano, and H.V. Kieu, 2017. Characterizing the relationship between land use land cover change and land surface temperature, ISPRS Journal of Photogrammetry and Remote Sensing, 124: 119-132. https://doi.org/10.1016/j.isprsjprs.2017.01.001
  26. Villa, P., 2012. Mapping urban growth using Soil and Vegetation Index and Landsat data: The Milan (Italy) city area case study, Landscape and Urban Planning, 107(3): 245-254. https://doi.org/10.1016/j.landurbplan.2012.06.014
  27. Wang, F., Z. Qin, C. Song, L. Tu, A. Karnieli, and S. Zhao, 2015. An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data, Remote Sensing, 7(4): 4268-4289. https://doi.org/10.3390/rs70404268
  28. Yoo, C.H., S. Park, Y. Kim, and D. Cho, 2019. Analysis of thermal environment by urban expansion using KOMPSAT and Landsat 8: Sejong City, Korean Journal of Remote Sensing, 35(6-4): 1403-1415 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2019.35.6.4.9
  29. Yu, X., X. Guo, and Z. Wu, 2014. Land surface temperature retrieval from Landsat 8 TIRS-Comparison between radiative transfer equation-based method, split window algorithm and single channel method, Remote Sensing, 6(10): 9829-9852. https://doi.org/10.3390/rs6109829
  30. Zanter, K., 2019. Landsat 8 data users handbook, https://www.usgs.gov/landsat-missions/landsat-8-data-users-handbook, Accessed on Mar. 5, 2022.