Analysis of Thermal Environment by Urban Expansion using KOMPSAT and Landsat 8: Sejong City

KOMPSAT과 Landsat 8을 이용한 도시확장에 따른 열환경 분석: 세종특별자치시를 중심으로

Abstract

Urban population growth and consequent rapid urbanization involve some thermal environmental problems in the cities. Monitoring of thermal environments in urban areas such as hot spot analysis is required for effective actions to resolve these problems. This study selected 14 dongs and surrounding administrative districts of Sejong city as study areas and analyzed the characteristics of changes in surface temperature due to the urban expansion in the summer from 2013 to 2018. In the study, the surface temperature distributions in the study areas were plotted using surface temperature values from Landsat 8 and NDVI (Normalized Difference Vegetation Index) and NDBI (Normalized Difference Built-up Index) based on KOMPSAT 2/3 data, and the patterns of surface temperature changes with urban expansion were discussed using the estimated NDVI and NDBI. In particular, the distinct urbanization in the study areas were selected for case studies, and the cause of the changes in the hot spots in the regions was analyzed using high-resolution KOMPSAT images. This study results present that hot spots appeared in urbanized regions within the study areas, and it was plotted that the lower the NDVI values and the higher the NDBI values indicate the temperature values are high. The land surface temperature and satellite-based products were used to divide the study areas into continuously urbanized regions and rapidly urbanized regions and to identify the different characteristics depending on land covers. In the regions with distinct surface temperature changes by urbanization, the analysis using high-resolution KOMPSAT images as presented in this study could provide effective information for urban planning and policy utilization in the future.

도시인구 증가와 이에 따른 급격한 도시화는 도시 내 여러 열환경 문제를 수반한다. 이를 효과적으로 대응하기 위해 hot Spot 분석과 같은 도심 열환경 모니터링이 필요시 된다. 본 연구는 우리나라 세종특별자치시의 14개의 동과 주변 행정구역을 연구지역으로 선정하여 2013년부터 2018년 여름철의 도시 확장에 따른 지표면 온도 변화 특성을 분석하였다. Landsat 8 지표면온도와 KOMPSAT2/3 기반 NDVI(Normalized Difference Vegetation Index)및 NDBI(Normalized Difference Built-up Index)를 이용하여 연구 지역의 지표면 온도 분포를 모의하고, 도심지 확장에 따른 지표면 온도 변화 양상을 구축된 NDVI와 NDBI를 이용해 논의했다. 특히, 연구지역 안에서의 도심지 확장이 뚜렷한 지역을 연구 대상으로 선정하여 고해상도의 KOMPSAT영상으로 지역 내 hot spot의 변화 원인을 분석하였다. 연구결과, 연구지역 내에서 도시화가 진행된 지역에 hot spot이 나타나는 것을 확인하였으며 일반적으로 NDVI가 낮거나 NDBI가 높을수록 hot spot의 영향이 뚜렷하고 온도가 높게 나타나는 것으로 확인되었다. 지표면온도와 위성기반 산출물을 이용해 도시화가 지속적으로 진행된 지역과 급격하게 나타난 지역이 구분되었으며 토지피복에 따른 상이한 특성도 파악할 수 있었다. 도시화에 따른 지표면 온도 변화가 뚜렷한 지역에 본 연구와 같이 고해상도의 KOMPSAT 영상을 통한 분석이 수반되면 향후 도시계획 및 정책 활용에 효과적으로 도움을 줄 수 있을 것으로 기대된다.

1. 서론

유엔(United Nations)의 연구결과에 따르면 2050년까지 세계 도시인구가 현재보다 25억명 이상 증가할 것이라고 한다(United Nations, 2002). 이러한 급격한 도시화는 열섬 현상과 같은 국지적 열환경문제를 수반하게 되며(Zhang et al., 2009; Singh et al., 2017; Son et al., 2017; Zhong et al., 2017), 최근 폭염, 열대야 등의 이상기온 증가로 인해 도심 생태계에 대한 부정적 영향이 가중되고 있다(Ward et al., 2016; Savićet al., 2018; Pyrgou et al., 2018). 따라서 이를 효과적으로 대응하기 위해 도심 열환경 모니터링의 필요성이 대두된다.

도시 영역은 고층빌딩이 즐비한 상업지역부터 아파트 및 낮은 층수의 건물들로 이루어진 주거지역, 숲과 공원을 비롯한 초지 및 산림지역까지 여러 토지 유형이 공존하기 때문에 도시 내 열 특성이 공간적으로 다양하게 나타난다(Bechtel et al., 2019; Yang et al., 2019; Yoo et al., 2019). 특히, 도시 확장이 수반하는 hot spot 변화 등에 대한 체계적인 분석은 도시계획 및 정책수립에 중요한 열환경 정보로 이용될 수 있다(Lopez et al., 2017; Goswami et al., 2013).

도시 열환경 분석을 위한 다양한 연구가 시도되고 있는데, 대표적인 방법은 관측소의 기온자료를 이용하는 것이다. 하지만 도시 내 관측소 숫자의 제약으로 불균질한 지형특성을 보이는 도시의 상세한 열 특성 파악에는 한계가 있다(Yoo et al., 2017). 이를 해결할 수 있는 방법 중 대표적인 것은 원격탐사 자료를 이용하는 것인데, 위성 기반의 지표면 온도는 넓은 영역의 온도 자료를 지속적으로 제공받을 수 있어 그 활용도가 높다(Yoo et al., 2018). 과거 국/내외의 다양한 도시 지역의 상세한 지표면 온도를 산출할 수 있는 대표적인 위성으로는 극궤도위성인 Landsat이 주로 사용되어왔다. 최근까지도 Landsat 8 위성의 OLI(Operational Land Imager)와 TIRS (Thermal Infrared Sensor) 센서 기반으로 구축한 100 m 공간해상도의 지표면 온도 자료를 이용해 세계 여러 도시의 열특성을 분석하는 다양한 연구가 수행되고 있다. Keeratikasikorn and Bonafoni(2018)은 Landsat 8을 이용하여 태국 방콕의 2014년부터 2016년 기간 동안의 지표면 온도 열섬 패턴을 토지유형별로 분석하였으며, 도심지 중심에 밀집된 토지유형들이 높은 열섬 강도를 보이는 것을 밝혔다. Kaplan et al. (2018)은 마케도니아의 수도인 스코페를 연구지역으로 하여 2013년부터 2017년의 여름철 Landsat 8 자료를 통해 녹지와 불투수지역이 나타내는 열섬현상의 영향을 모의했다. Lemus-Canovas et al. (2020)은 스페인 바르셀로나의 2013년부터 2018년까지의 Landsat 8 지표면 온도를 이용하여 도심 내 hot spot과 cold spot을 분석하였으며, 산업지역은 모든 계절에서 높은 지면 온도를 보이고 숲을 비롯한 녹지는 모든 계절의 지면 온도를 완화시키는 역할을 하는 것을 밝혔다. Ochola et al. (2020)은 케냐의 수도인 나이로비의 2013년부터 2018년 기간의 지표면 온도를 이용하여 빌딩들의 높이와 밀집도에 따라 온도 패턴이 민감하게 반응하는 것을 확인하였다. 특히, 건조하고 식생으로 이루어진 토지 유형이 습하고 불투수영역으로 구성된 영역보다 예민하게 온도가 변화하는 것으로 분석됐다.

지표면 온도 이외에도 도시 열환경 분석을 위해 위성기반의 다양한 산출물이 이용되는데, NDVI(Normalized Difference Vegetation Index; 정규식생지수)와 NDBI (Normalized Difference Built-up Index; 정규시가지수)는 그 대표적인 예이다. Guha et al. (2018)은 이탈리아의 피렌체와 나폴리를 연구지역으로 Landsat 8 을 이용하여 지표면 온도, NDVI, NDBI 를 계산하고, 도시 내에서 지표면 온도와 NDVI는 음의 상관관계를, NDBI는 양의 상관관계를 보이는 것을 밝혔다. 특히, 이러한 관계성은 온도가 상대적으로 낮은 지역에서 더 크게 나타나는 것으로 확인됐다. Jamei et al. (2019)는 호주 멜버른에서 지표면 온도 패턴이 2014년부터 2018년 동안 도시 북서쪽과 남동쪽으로 높게 확장되는 것을 확인하였으며, 도심지의 북서쪽은 지표면 온도가 NDBI와 높은 양의 상관관계를(r: 0.6), 도심지의 남동쪽은 지표면 온도가 NDVI와 높은 음의 상관관계를(r: -0.8) 보이는 것을 확인하였다. Guo et al. (2015)는 중국 광동지역을 연구지역으로 설정하고 Landsat 자료를 이용하여 객체기반 분류와 LISA (local indicators of spatial autocorrelations) 기법을 융합하여 열섬 클러스터 지역을 추출하였다. 특히, 이 영역 안에서 여러 가지 위성 기반 지수들 중 NDVI와 NDBI가 지표면 온도의 변화와 매우 뚜렷한 상관관계를 보이는 지수임을 확인했다. Sharma et al. (2013)은 Landsat 자료를 기반으로 인도 수라트의 도시화 연구를 수행하였는데, NDVI와 NDBI를 비롯한 여러 위성 지수를 이용하여 의사결정나무 기법을 기반으로 1990년부터 2009년까지의 도시 영역을 분류하였다. 연구 결과, 이 기간 동안 도시가 약 42.75 km2 확장되고 이로 인해 지표면 온도가 상승하는 결과를 가져왔다고 밝혔다.

다양한 국외의 연구에서 위성영상을 이용한 열환경 분석연구는 도시화로 인한 열섬 현상 등의 완화를 위한 의사결정을 위한 유용한 자료로 사용할 수 있다는 것을 나타내었다. 국내에서도 1999년 6.6 m 해상도의 KOMPSAT(Korea Multi-Purpose SATellite) 1이 발사되면서 육상분야에서의 고해상도 위성기반 연구가 급속히 늘어나기 시작했다. 2006년과 2012년에 KOMSAT 2와 KOMSAT 3이 발사되면서 각각 4 m와 2.8 m 해상도의 다중분광밴드 영상자료를 제공하게 되었다. 특히, KOMSAT영상의 경우 고해상도 육상 산출물을 활용할 수 있으므로 도시와 같은 복합적인 토지피복의 정밀한 환경관측이 가능하다는 장점을 갖고 있다.

본 연구에서는 급격한 도시화로 인한 열환경 변화분석을 위해 세종특별자치시를 연구지역으로 선정하였다. 2013년부터 2018년까지의 여름철 Landsat 8 영상과 KOMPSAT 2/3 영상을 이용하였다. 식생지수, 도시화지수, 지표면 온도, 고해상도 위성영상을 이용하여 도시화로인한 세종특별자치시의 열환경 변화 분석을 수행하였다.

2. 연구지역

본 연구는 우리나라 중앙내륙에 위치한 세종특별자치시의 새롬동, 도담동 동을 비롯한 14개의 동과 주변행정구역 연기면, 연서면 등을 포함한 영역을 연구지역으로 선정하였다(Fig. 1). 세종특별자치시는 도시가 남북으로 길게 펼쳐져 있으며 고도는 남쪽이 낮고 북쪽이 높은 지리적 특징을 가진다. 세종특별자치시의 연평균기온은 2001년부터 2010년을 기준으로 12.0°C이며, 연 평균 일최고기온은 18.1°C, 일최저기온은 6.9°C로그일교차가 상당히 심한 편이다. 여름철 폭염일수는 약 10.4일로 우리나라 평균보다 약 0.2일 많다고 나타난다. 세종특별자치시는 2005년 5월 신행정수도 행정중심복합도시 구축을 위해 건설계획이 수립된 후 서울의 과도한 인구집중현상 완화를 통해 균형 잡힌 영토개발에 대한 국가정책을 달성하기 위해 시작된 새로운 도시이다. 대한민국의 새로운 행정수도로서 2012년 7월 1일에 특별자치시로 출범했으며, 전체면적은 464.87 km2이다. 2019년 기준 인구는 약 33만명이며 2030년까지 80만명을 목표 인구수로 두고 있다. 이와 같이, 세종특별자치시는 계획도시로서 짧은 시간 동안 토지 피복이 크게 바뀌었으며 그에 따라 도시 내 열환경 분포도 꾸준히 변화하였을 것으로 판단된다.

Fig. 1. Study area with land covers(2014) provided by the Ministry of Environment. Source: https://egis.me.go.kr.

3. 연구자료 및 연구방법

1) KOMPSAT 2/3

KOMPSAT은 태양동기궤도의 고해상도 위성영상으로 현재 공식적으로 3기가 운용되고 있다. 광학센서를 탑재한 KOMPSAT 2는 2006년 7월 28일에 태양동기궤도로 발사되어 공간해상도 1 m의 전정색 밴드와 공간해상도 4 m의 다중분광밴드 정보를 제공하였으며, KOMPSAT 3은 2012년 5월 18일에 발사되어 공간해상도 0.7 m의 전정색 밴드와 공간해상도 2.8 m의 다중분광밴드 정보를 제공하고 있다. 본 연구에서 사용된 KOMPSAT 2와 KOMPSAT 3의 상세한 정보는 Table 1과 같다(KARI and SIIS, 2016; KARI and SIIS, 2019).

Table 1. The specifications of KOMPSAT 2 and 3

KOMPSAT1G자료는SRTM(ShuttleRadarTopography Mission)의 DEM(Digital Elevation Model)정보를 통한 기하보정 및 센서보정 등이 수행된 영상 정보이다. 본 연구에서는 열섬 분석을 수행하기 위해 KOMPSAT 1G의 DN(Digital Number) 정보를 TOA(Top-of-Atmosphere) 반사도 정보로 변환하였다. 먼저 DN 정보를 복사량 (radiance)으로 산출하기 위해 아래의 Eq. (1)을 사용하였다.

\(L_{\lambda}=\operatorname{Gain} \times D N_{\lambda}+O f f \text { set }\)       (1)

여기서, L_λ는 파장대 λ에 대한 복사량 값이며 DNλ은 파장대 λ에 대한 KOMPSAT의 DN 값이다. 본 연구에서 사용된 Gain과 Offset 값은 Table 2와 같으며, KOMPSAT 2의 경우 Offset은 0으로 적용하였다(KARI and SIIS, 2016; Yeom et al., 2018).

Table 2. Gain and offset values for KOMPSAT 2 and 3

TOA 반사도 정보를 산출하기 위해 Eq. (2)를 이용하였다. Eq. (2)에서 d는 지구-태양 거리(astronomical unit)이며, ESUNλ는 채널 별 평균 태양상수(Wm-2µm-1)이고, θs는 태양천정각이다.

\(\rho_{\lambda}=\frac{\pi L \lambda d^{2}}{(E S U N \lambda) \cos \theta s}\)       (2)

2) Landsat 8

Landsat 8 위성은 16일을 주기로 약 오전 11시에 우리나라를 촬영하며, 두 개의 센서인 OLI와 TIRS가 있다. OLI 센서는 가시광선, 근적외선 및 전정색 영역을 포함한 9개의 밴드를 30 m 공간해상도로 가지고 있으며, TIRS 센서는 2개의 분리된 열적외 밴드를 100 m 공간해상도로 가지고 있다. TIRS 센서에서 제공되는 2개의 열적외 밴드는 USGS(United States Geological Survey)에서 3차 회선 보간법(cubic convolution interpolation)을 통한 재배열(resampling)을 수행한 뒤, 30 m 공간해상도로 제공된다. 본 연구에서는 USGS에서 제공하는 OLI와 TIRS 센서의 자료를 이용하였으며, 2013년부터 2018년 사이의 여름철 Landsat 8 영상자료들을 자료처리에 사용하였다.

(1) 전처리

Landsat 8 영상자료는 관측된 복사량 자료를 밴드 별로 정량화된 DN(Digital number)으로 제공하기 때문에, 이를 실제 복사량으로 변환하기 위해서는 복사 보정이 필요하다. Landsat 8의 경우, USGS에서 제공하는 선형회귀식의 상수를 이용하여 실제 복사량으로 환산할 수있다. Eq. (3)에서 L_λ는 위성에서 관측된 실제 복사량 (W/m²/sr/μm), Q_cal은 위성에서 관측된 DN값이며, M_L과 A_L은 Landsat 8 영상자료 취득 시 함께 포함되어 있는 메타데이터에 기록된 밴드 별 radiance multiplicative scaling factor와 radiance additive scaling factor를 각각 의미한다.

\(L_{\lambda}=M_{L} Q_{c a l}+A_{L}\)       (3)

Landsat 8 영상의 가시광선 및 근적외선 영역밴드 자료는 대기에 의해 발생하는 태양광 혹은 복사광의 흡수나 산란이 센서에 끼치는 영향 등을 제거하기 위해 이를 제거하는 대기보정 작업이 필요하다. 본 연구에서는 ENVI에 있는 FLAASH 모듈(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)을 이용한 대기보정을 수행하여 가시광선 및 근적외 밴드들의 지표 반사도를 구하였다.

(2) NDVI, NDBI 계산

전처리를 통해 계산된 가시광선 및 근적외선 밴드들의 지표 반사도 값을 이용하여, 도시 열환경 분석의 주요 인자인 NDVI와 NDBI를 계산하였다. NDVI는 식생지역을 잘 나타내는 대표적인 위성기반 식생지수 중 하나로, 일반적으로 -1에서 1까지의 범위를 가진다. NDVI는 아래의 Eq. (4)와 같이 적색 영역과 근적외선 영역의 반사도 차이를 이용하여 계산된다.

\(N D V I=\frac{N I R-R E D}{N I R+R E D}\)       (4)

RED는 적색영역의 반사도, NIR는 근적외선 영역의 반사도를 나타내며, 각각 Landsat 8 위성의 밴드 4와 5를 사용하였다. 식생의 활력도가 높을 경우, 근적외선 영역의 반사도가 커지게 되어 1에 가까운 NDVI 값을 가지며, 일반적으로 물 또는 눈과 같이 수분을 포함하는 지표 구성 물질의 경우에는 가시광선 영역의 반사도가 근적외선 영역보다 크기 때문에 음의 NDVI 값을 가지게된다. NDBI는 도시지역과 나지에서 단파장 적외선의 반사도가 근적외선의 반사도보다 낮은 특징을 이용한 지수이며(Kim et al., 2014; Zha et al., 2003), 아래의 Eq. (5) 을 통해 계산된다. SWIR은 단파장 적외선 영역의 반사도를 나타내며, Landsat 8 위성의 밴드 6을 사용하였다.

\(N D B I=\frac{S W I R-N I R}{S W R+N R}\)       (5)

(3) 지표면 온도 산출

본 연구에서는 방사율(Emissivity)과 대기 보정을 고려하여 Landsat 8 위성의 열적외 밴드10을 바탕으로 지표면 온도를 산출하였다. 지표면 방사율 지도는 다양한 기관에서 지역적 규모 혹은 전 지구적인 규모로 구축되어 있지만, 시간에 따른 변동성이 크기 때문에 실시간 위성 관측 자료를 이용한 방법이 주로 사용된다. 일반적으로 NDVI를 이용한 경험적 방법을 통해 화소 별로 방사율이 계산되며, Table 3과 같다(Essa et al., 2012;Zhang et al., 2006). 열적외 밴드자료의 대기보정 파라미터들은 MODTRAN 알고리즘 기반인 ACPC(Atmospheric Correction Parameter Calculator)를 이용하여 산출하였다. ACPC는 대기보정 파라미터가 제공되지 않는 지점에 매우 유용하며, 위성 자료가 제공되는 날짜, 시간 및 위치에 시뮬레이션된 대기 프로파일을 이용하여 대기보정 파라미터인 투과율(Transmittance), 상승(upwelling) 및 하강(downwelling) 복사량을 추정하였다.

Table 3. Emissivity values according to NDVI range

앞서 추정한 방사율과 대기보정 파라미터들을 이용하여 위성에서 관측된 실제 복사량을 아래의 Eq. (6)을 이용하여 지면 복사량으로 변화하였다(Raj and Fleming, 2008).

\(L_{T}=\frac{L_{\lambda}-L_{U}-\tau(1-\varepsilon) \cdot L_{D}}{\tau \cdot \varepsilon}\)       (6)

L_T는 일반적인 온도를 지니는 흑체의 지면복사량이며, ε는 방사율, τ, L_U 및 L_D는 각각 투과율, 상승 및 하강 복사량을 의미한다. 마지막으로 위의 Eq. (6)에서 계산된 지면 복사량을 바탕으로 Landsat 프로젝트에서 제공되는 아래 Eq. (7)을 이용하여 지표면 온도로 변환하였다 (Zanter, 2016). LST는 지표면 온도, K₁과 K₂는 Landsat 8 위성의 열적외 밴드계수를 의미하며, 밴드 10에 해당하는 774.89 W/m²/sr/μm와 1321.08 K의 값을 사용하였다.

\(LST=\frac{K_2}{\ln(K_2/L_T)+1}\)       (7)

본 연구에서는 2013년부터 2018년까지의 Landsat 8 영상과 KOMPSAT 2/3 영상을 이용하여 분석을 수행하였다. 16일 주기로 꾸준히 촬영되는 Landsat 8 영상과 달리 KOMPSAT의 경우 촬영계획에 기반하여 영상을 취득하기 때문에, 같은 시기의 영상을 취득하는 데에 있어 어려움이 있었으며, 영상 개수의 한계도 있었다. 본 연구에서는 총 4장의 영상을 이용하여 분석을 수행하였으며(Table 4), 식생이 자라는 시기인 4월에서 10월 사이의 영상을 이용하였다. 열섬 및 열환경 분석의 경우 실제 지표면 온도자료를 직접적으로 분석에 사용할 경우 일 최고온도 등의 영향으로 분석이 어려울 수 있다. 따라서, 본 연구에서는 각 영상 내에서 최댓값과 최솟값을 이용하여 지표면 온도를 0에서 1사이 값으로 공간정규화 한 뒤 분석을 수행하였다. 정규화된 값 1은 연구지역 내에서 가장 온도가 높음을 의미하고, 정규화된 값 0은 연구지역 내에서 가장 온도가 낮음을 의미한다.

Table 4. Summary of used images from Landsat 8 and KOMPSAT 2/3 in this study

4. 결과 및 분석

1) 온도 분포 및 변화 지역 분석

연구기간의 연도 별 Landsat 8 지표면 온도 자료를 각 날짜 별로 공간 정규화시켜 그 분포를 확인해보았다 (Fig. 2). 연구지역의 토지피복특성과 함께 온도 분포를 살펴보면 시가지와 나지 및 일부 농업 역이 산림지역 및 초지에 비해 높은 온도를 나타내고 있다. 시가지 및 나지는 적은 식생비율로 인해 태양으로부터 전달되어오는 열이 대부분 현열(sensible heat)에 이용되어 높은 지표면 온도 특성을 보이는 것으로 판단된다. Zhang et al. (2007)의 연구에서 역시 연구 지역의 여러 토지 피복 중시가 지역과 나지가 높은 온도 분포를 나타내는 주요 영역으로 나타났다.

Fig. 2. Spatial distribution of normalized LST. (a) 2013.7.30, (b) 2015.7.4, (c) 2016.7.22, (d) 2018.8.22.

산출된 지표면 온도를 행정구역 별로 zonal 평균을 한 결과는 Fig. 3과 같다. 세종특별자치시의 도시화가 진행됨에 따라 행정구역 별로 온도가 낮게 나타나는 영역이 국소화 되면서 한 연구 지역 안에서도 평균온도가 높은 행정동이 시간이 지나면서 두드러지게 나타나는 것으로 확인된다. 특히, 서창리와 번암리를 포함한 연구 지역의 북동쪽에 위한 행정동과 고운동 및 아름동을 포함한 중앙부의 경우 2013년과 비교해 시간 변화에 따라 상대적으로 온도가 다른 지역에 비해 두드러지게 높아지고 있다. 이는 시가지확장에 따라 평균 지표면 온도가 다른 지역에 비해 높게 나타나는 대표적인 예로 생각된다.

Fig. 3. Zonal mean of normalized LST by administrative districts. (a) 2013.7.30, (b) 2015.7.4, (c) 2016.7.22, (d)2018.8.22.

Fig. 4에서는 정규화된 지표면 온도 자료 이용하여 Fig. 3과 같이 69개 행정구역에서의 평균과 표준편차를 계산한 뒤, 연도 별 boxplot으로 표현하였다. Fig. 3에서도 나타나듯이 2013년부터 2018년까지 정규화된 지표면 온도가 전체적으로 상승하는 모습을 보여준다. 본 연구에서는 4장의 위성영상을 이용하여 분석을 수행하였기에 자료가 부족하지만, 공간 정규화된 지표면 온도의 행정구역 별 평균, 최댓값, 최솟값 모든 날짜에서 증가하는 결과를 보여주므로 세종특별시의 전체적인 열환경의 변화를 설명할 수 있다고 생각된다. 하지만 날짜별로 온도의 절댓값이 다르기 때문에 해석에 주의할 필요가 있다. 기상청 기상관측소 자료에 의하면 2013년 7월 30일의 세종특별자치시 기온은 28.5ºC(오전 11시 기준), 2015년 7월 4일은 25ºC, 2016년 7월 22일은 29ºC, 2018년 33.9ºC로 2018년에 특히 높은 온도를 나타내었다. 비록, 본 연구에서는 각 영상 별로 지표면 온도를 공간 정규화하여 분석하였지만, 2018년과 같은 경우는 이상적인 고온으로 인해 도심지의 경우 산지, 수지 등의 다른 토지 피복 보다 온도상승률의 폭이 커서 전체적인 값에 영향을 미칠 것으로 생각된다. 2018년 여름은 우리나라에 사상최악의 폭염이 기록된 시기로서, 실제로 폭염이 심할수록 열섬현상이 크게 나타나는 것으로 알려져 있다 (Jiang et al., 2019). 이는 정규화 된 지표면 온도의 공간 편차에 영향을 미치고, 차이를 과대평가할 여지가 있으므로 이를 염두에 두어야 한다. 향후 유사한 평균 온도를 갖는 날짜들을 연구기간으로 선별하면 이러한 문제를 최소화할 수 있을 것으로 기대된다. 표준편차의 경우 2015년에 미미하게 증가하고 다른 년도에는 비슷한 값을 보여준다. 2015년의 경우 세종특별자치시 내에서 개발이 급격히 이루어지는 시기로 논지에서 나지 혹은 시가지로 토지 피복의 변화가 매우 크다. 따라서, 행정구역 내에서 공간 정규화된 지표면 온도의 표준편차가 상대적으로 높게 나타난 것으로 생각된다.

Fig. 4. Boxplot of zonal. (a) mean and (b) standard deviation of normalized LST by administrative.

2) NDVI, NDBI를 이용한 도심 변화 분석

KOMPSAT 자료를 이용하여 NDVI와 NDBI를 각 연도별로 계산한 값은 Fig. 5와 같다. Fig. 2을 함께 비교하면, 일반적으로 연구 지역 내에서 NDVI가 낮은 지역과 NDBI가 높은 지역이 지표면 온도가 높게 나타나고 있으며 이는 선행연구들과 유사한 결과를 보여준다(Jamei et al., 2019; Guo et al., 2015). Fig. 5에서 시간에 따라 꾸준하게 NDVI와 NDBI값이 변화를 보이는 대표적인 행정동은 연구 지역 중앙에 위치한 고운동의 북쪽지역과, 연구 지역 남쪽에 위치한 집현리이다. 특히, 집현리의 경우 정규시가지수 NDBI를 보면 2013년에서 2018년이 될수록 양의 값을 보이는 영역이 꾸준히 확장되고 있는 것이 확인된다. Fig. 2의 지표면 온도를 확인하면, 집현리의 2013년과 2018년의 온도 차이를 명확히 확인할 수 있으며 이는 세종특별자치시의 도시화에 따른 온도 상승의 대표적인 예이다. 한편, 연구 지역 중앙에 위치한 해밀리와 누리리의 경우 2016년에 비해 2018년에 급격히 NDVI의 감소와 NDBI의 증가가 보이는데(Fig. 5), Fig. 2의 지표면 온도 역시 해당지역에서 2016년 대비 2018년에 높은 값을 보인다. 흥미롭게도 해당지역들은 산지를 개간하여 2017년부터 급격하게 시가지건설이 진행된 지역으로 파악되며, 이러한 영향이 NDBI 및 NDVI와 지표면 온도에서 명확하게 나타나고 있는 것으로 보인다. 따라서 두 위성자료를 이용해 지속적인 도시화 지역뿐 아니라 급격히 발전된 영역 또한 분석이 가능한 것으로 생각되며, 이는 세종특별자치시의 향후 급격한 도시화가 수반하는 고온 분포 영역의 확장을 시사하기도 한다. 다만, 2013년의 경우 구름과 안개로 인해 반사도값의 신뢰도가 떨어지고 이로 인해 NDVI 값이 전반적으로 낮게 나오고 있는 부분은 해석에 있어 주의해야 될 부분으로 생각된다.

Fig. 5. Spatial distribution of Landsat 8 RGB images (a-d), NDBI (e-h), and NDVI (i-l) in 2013 (a,e,i), 2015 (b,f,j), 2016 (c,g,k), 2018 (d,h,l).

3) 변화지역 원인 분석

(1) Site 1: 고운동 및 종촌동 지역

Site 1은 고운동 및 종촌동으로 2013년부터 2018년까지 점진적인 열환경 변화를 보여주는 곳이다. Fig. 6에 나타나듯이 낮은 온도(0.5 이하; 파랑색)에서 새로 온도가 높아지는지역(0.6이상;노랑색)이거의없는것으로보아 나지에서 시가지로의 변화가 있었을 것으로 보여진다. Site 1의 경우 특히 기온이 높았던 2018년도 지도(Fig. 6 (d,h,l))를 보면 지역 내에서의 hot spot을 확인할 수 있다. Landsat 8 영상의 경우 해상도가 상대적으로 낮아 도심지 내에서의 hot spot의 원인을 확인함에 있어 어려움이 있는데(Fig. 6(e-h)), KOMPSAT 영상의 경우 공간해상도가 높아서 보다 명확한 원인 분석이 가능하다(Fig. 6(i-l)). Site 1의 열환경 변화에서 흥미로운 점은 이 지역의 hot spot의 경우 건물이 아니라 나지에서 관찰된다는 점이다. 위에서 설명했듯이 시가지 및 나지는 태양으로부터 전달되어오는 열이 대부분 현열에 이용되어 지표면 온도 식생지역보다 상대적으로 높다. 본 결과에서 나지에서 hot spot이 관찰되는 이유는 아파트 건물이 밝은 색이어서 반사로 인해 상대적으로 나지보다 온도가 낮은 것으로 생각된다. 이와 같은 분석을 통해 개발 예정인 지역(나지)등의 관리를 위한 정보 제공을 통해 보다 효율적인 열환경 정책마련이 가능할 것으로 생각된다.

Fig. 6. Case study 1: Spatial distribution of normalized LST, Landsat 8 and KOMPSAT RGB images. in 2013 (a,e,i), 2015 (b,f,j), 2016 (c,g,k), 2018 (d,h,l).

(2) site 2: 반곡동 및 집현리 지역

Site 2는 반곡동 및 집현리 지역으로 2013년부터 2018년사이에 급격한 열환경 변화를 보여주는 곳이다. Fig. 7의 지표면 온도를 확인하면 2013년부터 2018년까지 연구지역의 hot spot영역이 확장되며 뚜렷하게 나타나는것을 볼 수 있다(Fig. 7(a-d)). 2013년에는 반곡동의 일부시가지지역을 제외하면 대부분의 지역이 산지로 이뤄져 있으나, 2015년부터 도시개발이 속도를 올리고 반곡동은 도심지확장이, 집현리는 산지가 나지로 그 토지피복이 변화하는 것을 확인할 수 있다(Fig. 7(e-l)). Landsat 8 영상에서 도시화에 따른 토지피복 변화양상은 파악되나, 그 토지피복 및 토지유형이 분명하게 나타나지는 않는다. 반면 KOMPSAT의 2018년영상을 확인할 경우 시가지지역과 나지가 영상에서 구분되며 반곡동(Site 2 의 좌측 행정동)에는 아파트와 근린시설이, 집현리(Site 2 의 우측 행정동)는 나지와 일부 아파트단지가 확인된다. 특히 집현리의 경우 세종특별자치시의 도시계획에 따라 2021-2022년에 나지에 다수의 건물들이 들어설 것으로 예상되며, 도시화는 더욱 가속될 것으로 보인다. 이에 따라 hot spot 영역 또한 꾸준히 변화할 것으로 판단되며 향후 KOMPSAT과 같은 초고해상도의 위성자료를 통해 명확한 온도변화 분포를 파악하고 그 원인을 모의할 수 있을 것으로 기대된다.

Fig. 7. Case study 2: Spatial distribution of normalized LST, Landsat 8 and KOMPSAT RGB images in 2013 (a,e,i), 2015 (b,f,j), 2016 (c,g,k), 2018 (d,h,l).

5. 결론

급격한 도시화는 도시 내 열환경 문제를 수반하므로 이에 효과적으로 대응하기 위해도심열환경모니터링이 필요하다.본연구는우리나라세종특별자치시를연구지역으로 선정하여 2013년부터 2018년까지의 Landsat 8 영상과 KOMPSAT 2/3 영상을 이용하여 세종특별자치시에서의 도시 확장에 따른 열환경 분석을 수행하였다. Landsat 8 영상을 이용하여 지표 반사도, NDVI, NDBI, 지표면 온도를 산출하였으며, KOMPSAT 2/3 영상의 TOA 반사도를 산출하였다. 공간 정규화된 지표면 온도, NDBI, NDVI 영상을 이용하여 세종특별자치시 열환경변화를 확인 및 분석하였으며, 행정구역 별 zonal 평균 및 표준편차를 산출하여 열환경 변화가 큰 행정구역을 확인하고, 원인에 대한 분석을 수행하였다.

연구 결과 도시화가 진행됨에 따라 평균온도가 높은 행정구역이 시간이 지나면서 두드러지게 나타나는 것으로 확인되었다. 일반적으로 NDVI가 낮고, NDBI가 높은 영역에서 뚜렷한 hot spot이 나타났으며, 지표면온도가 높게 나타나는 것으로 확인되었다. 연구 지역 안에서의 도심지 확장이 뚜렷한 지역(고운동, 종촌동, 반곡동 및 집현리)을 연구 대상으로 선정하여 고해상도의 KOMPSAT 영상으로 지역 내 hot spot의 변화 원인을 분석하였다. 특히 도시화가 지속적으로 진행된 지역과 급격하게 나타난 지역이 열적 특성을 통해 구분되었으며 토지피복에 따른 hot spot 분포도 확인할 수 있었다. 본 연구의 결과는 KOMPSAT과 같은 고해상도의 영상을 지표면 온도 자료와 함께 분석에 활용했을 때 도시화에 따른 온도 변화 원인이 다양하게 도출될 수 있다는 점을 내포한다. 향후 고해상도 영상 기반 열환경 분석을 통해 보다 효율적인 도시계획 및 정책 활용에 도움을 줄 수 있을 것으로 기대된다.