• 한국토양비료학회지
• /
• 제38권2호
• /
• pp.59-65
• /
• 2005

1:25,000 수치정밀토양도와 (R)USLE를 이용하여 우리나라 전역의 토양침식 위험성을 평가하고 토양침식등급을 이용하여 등급에 따른 토양보전방법을 제시하고자 하였다. 우리나라에서 강우인자 값이 높은 지역은 경기의 김포, 강화, 전남 고흥, 여수, 장흥과 경남 고성, 사천, 진해, 통영 등으로 주로 전남, 경남의 남부 해안과 경기지역의 서부 해안에 밀집되어 있었으며 반면, 경북 영덕, 영천, 구미, 포항, 군위 등의 강우인자 값이 작았다. 토양침식성 인자는 경기, 충남, 전북, 전남의 서부해안지역이 컸으며 강원, 충북, 경북, 충남 내륙지역에서 작았다. 밭의 평균 경사도는 강원 평창이 30.1%로 가장 높았으며 태백산에서 지리산에 이르는 소백산맥 주변에 위치한 지역의 밭 평균 경사도가 높았다. 우리나라 밭토양의 연간 총유실량은 전남이 가장 많았고 경북, 경남의 순으로 나타났다. 밭토양의 단위면적당 연간 토양유실량은 경남이 가장 높았고 전남, 강원 순으로 높았다. 시군단위로 분석한 결과 강원 평창의 밭 단위면적당 토양유실량이 가장 많았으며 경남 남해, 고성, 강원 정선 등의 단위면적당 토양유실량이 많았다. 이는 경남과 전남의 경우 강우인자가 크며 경남과 강원지역의 밭이 경사도가 크기 때문이었다. 논은 토양침식 위험성이 대부분 "매우 적음" 또는 "적음" 등급에 해당하였으며 밭은 전체 밭 면적 중 23.5%가 "매우 심함" 등급이었다. "매우 심함" 등급에 해당하는 밭 중에서 경사가 15% 이상 (D-F slope)이 $133.6{\times}10^3ha$로 많았으나 7-15% (C slope) 경사임에도 "매우 심함" 등급에 해당하는 밭도 $34.5{\times}10^3ha$가 분포하였다. 또한 시군별 1:25,000 수치정밀토양도를 이용하여 토양상별 토양침식등급을 도시한 토양침식도를 작성하였다. 농경지로서 수용가능한 토양유실의 목표치를 $11Mg\;ha^{-1}\;yr^{-1}$ (1년에 약 1 mm)로 규정할 때 "보통", "약간 심함" 등급인 밭은 농경학적 토양보전농법, "심함" 등급인 밭은 토목적인 토양보전농법을 통해 목표치를 달성할 수 있을 것으로 판단되었다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1135-1147
• /
• 2021

고해상도 위성영상의 기하보정을 위해 촬영 당시의 위성 센서와 지표면과의 기하학적 관계를 복원하는 센서모델링 과정이 필요하다. 이를 위해 일반적으로 고해상도 위성은 RPC (Rational Polynomial Coefficient) 정보를 제공하고 있지만, 제공 RPC는 위성 센서의 위치와 자세 등에 의해 발생하는 기하왜곡을 포함하고 있다. 이러한 RPC 오차를 보정하기 위해 일반적으로 지상기준점(Ground Control Points)을 활용한다. 지상기준점을 수집하는 대표적인 방법으로 현장 측량을 통해 지상좌표를 취득하지만, 이는 위성영상의 품질이나 촬영 시기에 따른 토지피복의 변화, 기복변위 등으로 위성영상 내에서 지상기준점을 판독하기에 어려운 문제가 있다. 이에 최근에는 다양한 센서로부터 취득된 영상지도를 참조자료로 이용하여, 영상정합 기법을 통해 지상기준점 수집을 자동화할 수 있다. 본 연구에서는 무인항공기 영상을 활용하여 추출된 정합점을 통해 KOMPSAT-3A 위성영상의 RPC를 보정하고자 한다. 무인항공기 영상과 KOMPSAT-3A 위성영상의 정합점 추출을 위한 전처리 방법을 제안하고, 대표적인 특징기반 정합기법(Feature-based matching method)과 영역기반 정합기법(Area-based matching method)인 SURF (Speeded-Up Robust Features)와 위상상관(Phase Correlation) 기법을 각각 적용하여 추출된 정합점의 특성을 비교하였다. 각 기법을 통해 추출된 정합점을 활용하여 RPC 보정계수를 산출한 후, GNSS (Global Navigation Satellite System) 측량을 통해 직접 취득한 검사점에 적용하여 KOMPSAT-3A의 기하품질을 향상하였다. 제안기법의 성능 및 활용성 검증을 위해 GCP를 이용하여 보정한 결과와 비교하여 분석하였다. GCP 기반 보정 방법은 제공 RPC보다 Sample은 2.14 pixel, Line은 5.43 pixel 만큼 개선된 보정 정확도를 보였다. 그리고 SURF와 위상상관 기법을 활용한 제안기법은 제공 RPC보다 각각 Sample은 0.83 pixel, 1.49 pixel만큼 보정되었으며, Line은 4.81 pixel, 5.19 pixel만큼 개선되었다. 이를 통해 GCP 기반 위성영상 RPC 보정 방법의 대안으로 무인항공기 영상이 활용될 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1029-1042
• /
• 2021

차세대 중형위성 사업의 일환으로 농지 및 산림에서의 원격 탐사를 위하여 농림위성 (차세대 중형위성 4호)이 발사 예정에 있다. 위성 영상에서 식생의 정량적인 정보를 얻기 위해서는 대기보정을 통한 지표 반사도 취득이 선행되어야 하므로 농림위성을 위한 대기보정 기술 개발은 불가피할 것으로 생각된다. 특히 대기에서의 흡수와 산란 특성은 파장에 따라 다르게 나타나므로 농림위성 파장 영역을 고려한 대기보정 파라미터 민감도 분석이 필요하다. 또한, 농림위성은 5개 채널(Blue, Green, Red, Red edge, Near-infrared)을 보유하고있어 대기보정 주요 파라미터인 AOD (Aerosol optical depth)와 WV (Water vapor)를 직접 산출하기 어려우므로 이를 외부에서 제공할 수 있는 방안을 마련할 필요가 있다. 따라서, 본 연구에서는 농림위성과 유사한 사양을 가진 Sentinel-2 위성 영상을 이용하여 주요 파라미터인 AOD, WV, O₃ 민감도 분석을 수행하고, 파라미터 제공을 위해 천리안 2A (GK2A; GEO-KOMPSAT-2A) 정지궤도 복합위성의 산출물을 이용하여 대기보정 파라미터로서의 활용 가능성을 살펴보았다. 민감도 분석 결과는 AOD가 가장 중요한 파라미터임을 보여주었으며, 근적외선 채널보다는 가시광 채널에서 더 큰 민감도를 가지는 것으로 나타났다. 특히 Blue 채널에서 AOD의 20%의 변화는 지표 반사도에서 약 100%의 오차율을 야기하므로 정확한 지표 반사도 취득을 위해서는 높은 신뢰성을 가진 AOD가 필요할 것으로 생각된다. GK2A AOD 산출물을 이용한 대기보정 결과는 토지피복별 분류 가능성을 이용하여 Sentienl-2 L2A 자료와 비교한 결과, 두 모델별 분류 가능성은 유사하였으나, 파장대가 짧은 영역일수록 GK2A AOD 산출물을 적용한 대기보정 결과가 Sentinel-2 L2A보다 높게 나타났다. 이를 통해 GK2A에서 제공되는 산출물이 향후 농림위성 대기보정 파라미터로서 충분히 활용될 수 있을 것으로 판단된다. 본 연구의 결과는 추후 농림위성 발사 후 대기보정에 참고 자료로서 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.321-335
• /
• 2021

미세먼지 (PM10) 및 초미세먼지 (PM2.5)는 인체에 흡수 가능하여 호흡기 질환 및 심장 질환과 같이 인체건강에 악영향을 미치며, 심각할 경우 조기 사망에 영향을 줄 수 있다. 전 세계적으로 현장관측기반의 모니터링을 수행하고 있지만 미 관측지역에 대한 대기질 분포의 공간적인 한계점이 존재하여 보다 광범위한 지역에 대한 지속적이고 정확한 모니터링이 필요한 상황이다. 위성기반 에어로졸 정보를 사용함으로써 이러한 현장 관측자료의 한계점을 극복할 수 있다. 따라서 본 연구에서는 다양한 위성 및 모델자료를 활용하여 2019년도에 대해 한 시간 단위의 지상 PM10 및 PM2.5 농도를 추정하였다. GOCI 위성의 관측영역을 포함하는 동아시아 지역에 대해 트리 기반 앙상블 방법을 사용하는 Boosting 기법인 GBRTs (Gradient Boosted Regression Trees)와 LightGBM (Light Gradient Boosting Machine)을 활용하여 모델을 구축하였다. 또한, 기상변수 및 토지피복변수의 사용유무에 따른 모델의 성능을 비교하기 위해 두 가지 festure set으로 나누어 테스트하였다. 두 기법 모두 주요 변수인 AOD (Aerosol Optical Depth), SSA (Single Scattering Albedo), DEM (Digital Eelevation Model), DOY (Day of Year), HOD (Hour of Day)와 기상변수 및 토지피복변수를 함께 사용한 Feature set 1을 사용하였을 때 높은 정확도를 보였다. Feature set 1에 대해 GBRT 모델이 LightGBM에 비해서약 10%의 정확도 향상을 보였다. 가장 정확도가 높았던 기상 및 지표면 변수를 포함한 Feature set1을 사용한 GBRT기반 모델을 최종모델로 선정하였으며 (PM10: R2 = 0.82 nRMSE = 34.9%, PM2.5: R2 = 0.75 nRMSE = 35.6%), 계절별 및 연평균 PM10 및 PM2.5 농도에 대한 공간적인 분포를 확인해본 결과, 현장관측자료와 비슷한 공간 분포를 보였으며, 국가별 농도 분포와 계절에 따른 시계열 농도 패턴을 잘 모의하였다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.64-80
• /
• 2018

우리나라의 시민들은 범죄에 대한 일반적인 사항만을 알 수 있을 뿐, 자신이 범죄위험에 얼마나 노출되어 있는지를 파악하기 어렵다. 경찰의 입장에서도 범죄발생 지역을 예측할 수 있다면 경찰력이 부족한 상황에서 효율성 있게 범죄에 대처 가능할 것이지만 아직 우리나라에서는 예측시스템이 없고, 관련 연구도 매우 부족한 실정이다. 이에 본 연구에서는 범죄발생 위험지역 예측 자동화 시스템 개발의 첫 번째 단계로 빅데이터로 구축 가능한 범죄정보와 도시지역 자료를 바탕으로 머신러닝 방식을 통해 한국형 범죄발생 위험지역 예측 모형을 개발하고자 한다. 또한 시나리오를 가정하여 범죄발생 확률을 지도로 시각화함으로써 사용자의 이해도를 높이도록 하였다. 선행 연구 및 사례에서 범죄발생에 영향을 미치는 요인 중 빅데이터로 구축 가능한 범죄정보, 날씨정보(기온, 강수량, 풍속, 습도, 일조, 일사, 적설, 전운량), 지역정보(평균 건폐율, 평균 용적율, 평균 높이, 총 건축물수, 평균 공시지가, 평균 주거용도면적, 평균 지상층수)를 머신러닝에 활용할 수 있도록 데이터를 사전 처리하였다. 머신러닝 알고리즘으로서 지도학습 모형 중 다양한 분야에서 활용되며 정확도가 높다고 알려진 의사결정나무모형, 랜덤포레스트모형, Support Vector Machine(SVM)모형을 활용하여 범죄 예측 모형을 구축하고 비교 분석하였다. 그 결과 평균 제곱근 오차(Root Mean Square Error, RMSE)가 낮아 예측력이 높은 의사결정나무모형을 최적모형으로 선정하였다. 이를 바탕으로 가장 빈번하게 발생하는 절도와 폭력범죄를 대상으로 시나리오를 작성하여 범죄 발생 위험지역을 예측한 결과, 사례도시 J시는 위험지역이 3가지 패턴으로 발생하는 것으로 나타났으며, 각각 발생확률을 3 등급으로 구분하여 $250{\times}250m$ 단위의 지도형태로 시각화할 수 있었다. 본 연구는 향후 자동화 시스템으로 개발하여 시시각각으로 변하는 도시 상황에 따라 실시간으로 예측 결과를 시각화하여 제공함으로써 보다 범죄로부터 안전한 도시환경 조성에 기여하고자 한다.

• Ecology and Resilient Infrastructure
• /
• 제7권4호
• /
• pp.227-237
• /
• 2020

도시지역의 여름철 밤 시간대 열환경을 알아보기 위해, 토지피복 대분류에 따라 10개의 도시기후지역 지점에서 미기후 자료를 측정하여 인간 열환경지수를 분석하여 보았다. 미기후 요소 비교 분석 결과, 그린인프라 지역이 그레이인프라 지역보다 기온에서는 평균 1.6℃ 최대 2.4℃ 낮은 결과를 보였으며, 상대습도에서는 반대로 그린인프라 지역이 평균 9.0% 최대 15.0% 높은 결과를 보였다. 풍속에서는 그린인프라 지역과 그레이인프라 지역에서 차이가 거의 없는 것으로 나타났으며, 수목의 영향으로 가장 낮은 풍속을 보인 산림지점을 제외하고는 모든 지점에서 유의성이 없는 것으로 나타나, 건물이나 수목의 높이에 의해 결정되는 표면거칠기 뿐만 아니라 지역풍의 영향이 풍속을 결정하는 주 요인인 것으로 보인다. 평균복사온도에서는 수목의 영향으로 산림지역이 가장 높은 값을 보였으며, 산림지역을 제외하면 그린인프라 지역이 그레이인프라 지역에 비해 평균 5.5℃의 저감 효과를 보였다. 평균복사온도를 결정하는 주 요인으로는 하늘시계지수라고 할 수 있다. 인간 열환경지수 분석에서는 그린인프라 지역은 거의 덥지도 춥지도 않는 '중립'의 열지각 단계를 나타내었으며, 그레이인프라 지역은 그것보다 한 단계 높은 '약간 따뜻함'의 단계를 나타내었다. 가장 높게 나온 산림지역을 제외하면, 그린인프라 지역이 그레이인프라 지역에 비해 3.2℃ 저감 효과를 보여 1/2 단계의 인간 열환경 개선 효과가 있는 것으로 나타났다.

• 한국환경생태학회지
• /
• 제35권1호
• /
• pp.24-36
• /
• 2021

전 세계 다양한 국가들을 비롯하여 우리나라도 생물다양성을 보전하기 위한 노력에 동참하고 있다. 특히 생물종과 관련해서는 특정 생물종을 대상으로 서식적합분석을 실시하여 잠재적인 서식 적지를 찾고 보전방안을 수립하는 연구들이 활발하게 수행되고 있다. 그러나 현재까지 축적된 정보를 바탕으로 한 서식적합지역의 중장기 변화에 대한 연구는 미흡한 실정이다. 이에 본 연구는 강원도 지역을 대상으로 멸종위기 야생생물 1급으로 지정된 수달을 대상으로 서식적합지역의 시계열 변화를 분석하고 변화 양상을 살펴보고자 하였다. 시계열 변화 분석을 위해서 약 20년간 수행된 2차, 3차, 4차 전국자연환경조사의 수달 종 출현지점 조사자료를 이용하였다. 또한 각 조사시기 별 서식환경을 반영하기 위해 조사시기와 일치하는 토지피복도를 환경변수 제작에 활용하였다. 서식적합지역 분석을 위해서는 종의 출현 정보만을 바탕으로 모델 구동이 가능하며, 선행연구를 통해 신뢰도가 높다고 입증된 MaxEnt 모형을 사용하였다. 연구결과, 각 조사시기 별 수달의 서식적합지역 지도가 도출되었으며, 하천을 중심으로 서식지가 분포하는 경향이 나타났다. 모델링 결과 도출된 환경변수의 반응곡선을 비교하여 수달이 선호하는 서식지의 특성을 파악하였다. 조사시기 별 서식 적지의 변화를 살펴본 결과, 2차 전국자연환경조사를 기반으로 한 서식 적지가 가장 넓은 분포를 나타냈으며, 3, 4차 조사의 서식 적지는 면적이 줄어드는 경향을 나타냈다. 또한, 3개 조사시기 분석결과를 종합하여 서식 적지의 변화 양상을 분석하고 유형화하였다. 변화 유형에 따라서 현장조사, 모니터링, 보호지역 설정, 복원계획과 같이 서로 다른 보전계획을 제안하였다. 본 연구는 수달 서식 적지의 위치와 면적의 시계열 변화를 볼 수 있는 종합분석 지도를 제작하고, 지역별 서식 적지 변화 유형에 따라 필요한 보전계획을 제안하였다는 점에서 의의를 갖는다. 본 연구에서 제안된 방법과 결과는 향후 서식지 보전 및 관리 방안 수립을 위한 기초자료로 활용될 수 있을 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1421-1434
• /
• 2020

기후변화로 인해 폭염 발생 빈도 및 강도가 심해지고 있다. 도시지역은 도시열섬현상과 맞물려 폭염에 의한 피해가 더욱 심하기 때문에 면밀한 대비가 필요하다. 국외 많은 지자체에서는 폭염 대비 및 대책을 위해 다양한 공간정보를 이용하여, 열 지도를 구축 및 도시 내 서로 다른 공간적 특징을 가지는 지역별 적합한 폭염 대책을 세워 대비를 하고 있다. 열지도 구축은 폭염 대비를 위해 우선적으로 수행되어야 할 단계이며 중요하다. 열지도 구축 및 열 환경 분석 사례는 넓은 면적을 가지는 도시단위부터 좁은 면적을 가지는 지역단위까지 다양한 면적 분포를 가진다. 열지도 구축 방법은 원격탐사를 통한 방법부터 시뮬레이션을 활용하는 방까지 다양하지만, 공간적 규모에 따른 차별화된 공간정보 활용 기준은 잡혀져 있지 않아 연구자마다 각기 다른 방법을 통해 열 지도를 구축 및 열 환경을 분석하고 있다. 전술된 사유로 인해 분석 규모에 적합한 열지도 구축에 필요한 공간정보 기준이 수립될 필요가 있다. 이에 본 연구는 도시 열지도 구축을 위해 활용되는 공간정보 활용 효율화 방안을 제시하기 위해 국내외 폭염 및 도시 열 환경 분석 연구를 공간정보, 분석방법론, 최종결과물을 살펴보았다. 분석결과 공간정보 활용에 있어서는 원격탐사를 활용한 열지도 구축을 위해서는 기본 해상도인 공간, 시간, 분광해상도가 필요한 것으로 파악되었다. 시뮬레이션은 구동을 위한 입력 조건 정보인 기상데이터의 종류와 공간해상도가 분석 대상지의 규모별 상이함이 있음이 파악되었다. 따라서 원격탐사를 활용한 열지도의 경우는 공간·분광·시간 해상도를 고려해야 하며, 시뮬레이션은 구동을 위한 입력 조건인 공간해상도와 입력하는 기상정보의 조건을 사전에 고려해야 할 것으로 사료된다. 그리고 폭염 분석을 위한 모니터링 요소의 종류를 파악한 결과 토지피복, 도시 공간적 특징, 건축물, 지형, 식생, 그림자 관련 19가지 요소 종류를 파악했으며 규모별 요소의 종류가 차이가 있는 것이 파악되었다. 본 연구를 통해 폭염 분석 시, 수행하려는 연구 대상지의 면적 규모에 적합한 공간정보 활용 및 모니터링 요소 설정에 있어 연구의 방향을 제시할 수 있을 것으로 기대한다.

• 한국농림기상학회지
• /
• 제24권1호
• /
• pp.48-61
• /
• 2022

한국은 국토의 약 63%가 산림으로 구성되어 있고, 16%가 농경지로 구성되어 있어 도심에서 발생하는 NOx가 산림지역과 농경지에서 발생하는 BVOCs와 결합하여 오존을 생성할 가능성이 높다. 그래서 본 연구에서는 한국의 자연 식생 BVOCs 배출을 추정하기 위해 MODIS의 토지피복 자료와 엽면적지수 자료를 이용하여 입력자료를 생성한 후 MEGAN 모델로 BVOCs의 주요 배출 물질인 이소프렌과 모노테르펜을 대상으로 2012년 6월 한 달 간 모델링을 실시하였다. 그 결과, 해당기간 동안 이소프렌은 10,495 ton, 모노테르펜은 2,709 ton이 배출되었다. 기존 국내에서 BEIS와 CORINAR를 이용하여 연구된 이소프렌의 배출량은 약 24,000 ton, 모노테르펜은 25,000 ton으로 나타났는데, 본 연구와 배출량 차이가 나타난 주된 이유는 모델 알고리즘 차이와 모델 구동 시점에서의 일사량과 기온 등 기상 조건의 차이에 의한 것으로 추정된다. 그리고 모델링 결과와 측정 값의 비교를 위하여, 6월 11일부터 12일까지 이틀 간에 걸쳐, 한국 태화산에서 활엽수의 이소프렌과 침엽수의 모노테르펜 챔버 측정 값을 항공라이다와 방형구 식생자료를 기반으로 산정된 엽생체량 값을 이용하여 산림 단위의 BVOCs 배출량으로 환산하였다. 태화산 지역에서의 MEGAN 모델과 측정 간 BVOCs 배출량을 비교한 결과, 시간적인 배출 경향은 유사했으나 이소프렌은 MEGAN 모델에서 최대 6.4배 정도 배출량이 높게 나타났고, 모노테르펜은 최대 5.6배 정도 배출량이 높게 나타났다. MODIS에서 제공되는 토지피복 자료가 한국의 토지피복 특성을 잘 반영하지 못함에도 불구하고 MEGAN 모델링 결과가 측정 값과 다른 모델에 비해 상대적으로 큰 차이를 보이지 않은 것은 MEGAN 내에 기온, 일사량 등에 의해 식생의 BVOCs 배출량을 변환시키는 파라미터들이 현실을 비교적 적절하게 반영하고 있는 것으로 사료된다. 본 연구는 국내의 BVOCs 배출량을 MEGAN 모델을 활용하여 산정하였고, 산림지에서의 실측 자료와 비교를 통해 배출량을 평가하였다는데 의의가 있으며, 산림과 대기 간의 BVOCs 상호작용 연구에 작은 도움이 될 것으로 기대된다. 국내 BVOCs 배출량을 더 정확하게 추정하기 위해서는 지형과 식생의 특성을 더욱 최신으로 반영한 토지피복 및 엽면적지수 자료의 이용, 그리고 수목 및 농작물 등과 같이 개별 식생에 따른 배출계수 등의 대한 연구가 향후에 심도 있게 이루어져야 할 것이다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1607-1622
• /
• 2022

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.