선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 영역은 대기의 창 내에 있으나, 육안으로 볼 수 없으므로 이를 감지하기 위해서 열주사계의 일종인 Landsat-7 ETM+ 위성영상의 6번 밴드로부터 지표면의 온도를 구할 수 있다 (박인환 등, 1999). 같은 목적으로 좌표가 보정된 위성영상의 6번 밴드에 대한 DN(digital number) 값을 추출하였는데. 이는 열적외선 수치로서 지표면의 온도를 대변한다.
- 따라서 본 연구목적은 환경보전적 도시관리정책의 기초자료로 활용하기 위하여 정책적으로 통제 가능변수인 각종 지표면 정보와 대기온도 측정자료간의 상관분석을 통해 대기온도 추정 회귀모형을 도출하고, 도시림의 여름 대기온도 저감효과를 정량화하는 것이다. 또한 적절한 회귀모형을 이용해 서울시 전지역에 대한 대기 온도분포도를 제작하고, 이를 통해 토지이용 및 도시녹지 정책의 시사점을 찾는 것이었다.
- 또한 적절한 회귀모형을 이용해 서울시 전지역에 대한 대기 온도분포도를 제작하고, 이를 통해 토지이용 및 도시녹지 정책의 시사점을 찾는 것이었다. 이 연구에서 도시림은 도시계획 구역 내의 각종 숲을 총칭하는 개념으로 사용하고자 한다.
- 본 연구에서는 도시림을 포함한 다양한 토지피복 유형별 여름철 기온 저감효과를 분석하였다. 먼저 토지 피복과 위성영상 수치의 상관관계를 분석하기 위하여 각종 토지정보를 확보하였다 2001년 6월 3일자 Landsat-7 ETM+ 위성영상을 이용하여 총분류정확도 84%로 토지피복분류를 실시하였으며, 기타 NDVI, 열적외선 수치 등의 자료를 생성 또는 변환하였다.
- 또한 적절한 회귀모형을 이용해 서울시 전지역에 대한 대기 온도분포도를 제작하고, 이를 통해 토지이용 및 도시녹지 정책의 시사점을 찾는 것이었다. 이 연구에서 도시림은 도시계획 구역 내의 각종 숲을 총칭하는 개념으로 사용하고자 한다.
가설 설정
- . 가설: "비오톱 유형에 따라 지표면 온도가 차이가 있으며, 인간의 이용강도가 높을수록 지표면 온도가 높다 즉, 교통시설지비오톱이나 상업지비오톱의 지표면 온도는 높고, 녹지비오톱이나 하천비오톱의 지표면 온도는 낮다.”
제안 방법
- Landsat-7 ETM+ 위성영상의 열적외선 수치(지표면 온도)를 결정하는 주요 변인을 찾기 위해 서울시 전역을 대상으로 비오톱 유형별 지표면 온도의 상관관계를 분석하였으며. 설정된 가설은 다음과 같다
- 모형구축과정에서 다수의 모형을 추정하였다. 그 과정에서 본 모형의 구축에 사용된 표본의 수가 크지 않기 때문에 이상치(outlier)로 인하여 모형추정에 큰 변화가 발생할 수도 있으므로, 이상치를 통계학적 방법으로 확인하였다. 표준화 잔차, 제외 잔차 표준화 제외잔 차를 이용하여 이상치들의 영향력을 분석하였고, 표준화 제외 잔차가 큰 경우에는 통계적으로 검증이 가능한 표준화 제외 잔차의 유의성 검증을 위해 Bonferroni t-test의 임계값을 구하였다(Neter, 1996).
- 기상청 AWS의 정확한 좌표를 추출하기 위하여 위치측정시스템(Global Positioning System : GPS) 측량을 실시하였다. 서울시뿐만 아니라 외곽지역과의 비교를 위하여 6개의 경기지역 AWS도 포함시켜 측량하였다.
- 넷째, 다양한 여름 기온 추정 회귀모형을 검토하고, 검증하였다.
- 다섯째, 여름 기온 추정 회귀모형을 적용하여 서울시 기온 분포도와 기온 단면도를 작성하였다.
- 실시한 후. 다시 고해상도인 IKONOS 영상을 참조하여 감독 분류하였다. 분류결과는 Fi卽ire 1과 같다.
- 도시림의 기온 저감효과 추정을 위해서 서울시 23개소와 서울 인접 6개소의 AWS 위치를 DGPS로 측량한 후, 20()1년 6월 3일자 Landsat-7 ETM+ 위성 영상과 이에 맞추어 선택한 AWS의 기온자료, 그리고 각종 토지 피복 자료 사이의 회귀식을 도출하고자 다양한 설명모델을 검증하였다.
- 둘째, ERDAS Imagine 8.5(ERDAS Inc., 2002)를 이용하여 자료를 가공하였다. 일차자료로부터 산출된 Landsat-7 ETM+ 위성영상의 band 6 열적외선 및 정규식생지수(NDVI) 등에 대해 공간해상도를 변환하였고 또한 각 지점별 격자상 토지피복 분류 자료와 정규식생지수 자료의 공간 통계자료를 생성하였다.
- 따라서 본 연구에서는 김운수와 김학열(2001)의 연구 결과를 바탕으로 하되 상관성을 설명할 수 있는 범위를 AWS 각 지점으로부터 100m, 200m, 300m, 500m 로 더 세분하여 비교 할 목적으로 토지이용자료를 가공하여 AWS 지점으로부터 반경 100m, 200m, 300m, 500m 내의 토지피복 유형별 면적비율을 산출하였다.
- 오차가 발생할 수 있다. 따라서 이를 감안하여 해당 셀의 방사치 외에 주변 셀과의 관계를 반영한 값을 추가로 생성하였다
- )의 위치를 측량하였고 AWS 시간별 기상자료를 취득하였다. 또한 분석목적에 가장 근접하는 위성영상을 구입하여 기하보정하였고 이를 이용하여 서울시 토지피복을 분류하고 검증하였으며, 기타 정규식생지수Nom旬ze湖 Difference Vegetation Index : NDVI) 등 위성영상 수치를 산출하였다
- 먼저 서울시(2000) 도시생태현황도의 토지이용도와 2001년 위성영상의 정규식생지수 자료 각각에 대해서커넬을 설정하여 면적비율을 산출하였다 즉, 앞에서 격자 상 자료로 가공된 토지이용도와 비오톱 유형도에 대해서는 가로 X 세로 각 930m(30m 규격의 격자가 가로 X 세로 각 31개로 구성됨) 범위 내의 면적비율을 구하였다. 그리고 정규식생지수 값에 대해서는 같은 규격인가로 X 세로 각 930m 범위 내의 평균값을 구하였다 격자 규격을 가로、세로 31개로 구성한 이유는 앞에서 검토한 반경 변화에 따른 민감도 분석을 실시한 결과 가장 상관성이 높은 규격이 반경 500m이었기 때문이다.
- 여름철 기온 저감효과를 분석하였다. 먼저 토지 피복과 위성영상 수치의 상관관계를 분석하기 위하여 각종 토지정보를 확보하였다 2001년 6월 3일자 Landsat-7 ETM+ 위성영상을 이용하여 총분류정확도 84%로 토지피복분류를 실시하였으며, 기타 NDVI, 열적외선 수치 등의 자료를 생성 또는 변환하였다.
- , 1999) 를 이용하여 자동기상관측망 기온자료, Landsat-7 ETM+ 위성영상의 band 6 열적외선 수치, 각종 토지 피복 자료와의 상관분석을 실시하였다. 먼저, Landsat-7 ETM+ 위성영상의 band 6 열적외선 수치와 토지이용 유형, 비오톱 유형 등의 토지피복자료와의 상관분석을 실시하였고 이어 자동기상관측망 기온자료와 열적외선 수치 토지 피복 자료 등과의 상관분석을 실시하였다.
- 모형구축과정에서 다수의 모형을 추정하였다. 그 과정에서 본 모형의 구축에 사용된 표본의 수가 크지 않기 때문에 이상치(outlier)로 인하여 모형추정에 큰 변화가 발생할 수도 있으므로, 이상치를 통계학적 방법으로 확인하였다.
- 위성영상 자료와의 비교를 위해 도시생태현황도의 토지 이용자료에서 주줄한 자료를 11개의 중분류(서울시, 2000)를 기준으로 가공하여 격자좌표를 NDVI와 일치시키고, 30mx3Qm의 격자 크기를 가지도록 변환하였다. 아울러 도시 생태 현황도의 비오톱 유형 자료 역시 재분류한 후 격자 좌표를 NDVI와 일치시키고 30mx30m의 격자 크기를 가지는 격자상 자료로 변환하였다
- 위 영상에 대해서 토지피복분류를 실시하였고 분류체계는 U.S. Geological Survey(USGS)의 지피 및 토지이용 분류체계를 참고하여 7가지 유형으로 구분하였다.
- 이를 격자형 자료로 변환하였다. 위성영상 자료와의 비교를 위해 도시생태현황도의 토지 이용자료에서 주줄한 자료를 11개의 중분류(서울시, 2000)를 기준으로 가공하여 격자좌표를 NDVI와 일치시키고, 30mx3Qm의 격자 크기를 가지도록 변환하였다. 아울러 도시 생태 현황도의 비오톱 유형 자료 역시 재분류한 후 격자 좌표를 NDVI와 일치시키고 30mx30m의 격자 크기를 가지는 격자상 자료로 변환하였다
- 이를 위해 필터링을 이용하였는데, 주변 셀 수를 3x3, 5x5, 11x11, 15x15개 등 네 가지의 커넬 (kernel) 을 사용하여 각각 그 중간값을 해당 셀에 적용하도록 하였다. 한 셀의 공간해상도가 60m이므로, 이들은 각각 180m, 300m, 660m, 900m의 범위에 해당한다.
- 이상 측정 또는 가공된 자료를 중심으로 다양한 변수들 간의 상관관계를 분석하였다.
- , 2002)를 이용하여 자료를 가공하였다. 일차자료로부터 산출된 Landsat-7 ETM+ 위성영상의 band 6 열적외선 및 정규식생지수(NDVI) 등에 대해 공간해상도를 변환하였고 또한 각 지점별 격자상 토지피복 분류 자료와 정규식생지수 자료의 공간 통계자료를 생성하였다.
- 첫째, 기초자료를 취득 및 생성하였다. 이 과정에서는 기상청 자동기상관측망(Automatic Weather Station : AWS, 이하 'AWS'라 한다.
대상 데이터
- 구입하여 이용하였다. 기온자료는 위 영상에 해당하는 날짜를 포함하여 6, 7, 8월의 AWS 시간별 자료를 기상청에서 구입하여 사용하였으며, 시간별 기온자료를 가공하여 분석에 사용하였다.
- 본 연구에서는 2001년 여름에 가장 가까운 맑은 영상에 대한 검토를 거쳐 6월 3일의 Landsat-7 ETM+ 위성영상을 구입하여 이용하였다. 기온자료는 위 영상에 해당하는 날짜를 포함하여 6, 7, 8월의 AWS 시간별 자료를 기상청에서 구입하여 사용하였으며, 시간별 기온자료를 가공하여 분석에 사용하였다.
- 서울시뿐만 아니라 외곽지역과의 비교를 위하여 6개의 경기지역 AWS도 포함시켜 측량하였다.
- 첫째, 기초자료를 취득 및 생성하였다. 이 과정에서는 기상청 자동기상관측망(Automatic Weather Station : AWS, 이하 'AWS'라 한다.)의 위치를 측량하였고 AWS 시간별 기상자료를 취득하였다. 또한 분석목적에 가장 근접하는 위성영상을 구입하여 기하보정하였고 이를 이용하여 서울시 토지피복을 분류하고 검증하였으며, 기타 정규식생지수Nom旬ze湖 Difference Vegetation Index : NDVI) 등 위성영상 수치를 산출하였다
- 지상기준점을 이용하여 Path 116, Row 34의 2001년 6월 3일 Landsat-7 ETM+ 위성영상 중 서울지역에 대하여 기하보정을 실시하였다 서울시 수치지형도의 도로 데이터를 참고자료로 이용하였으며, 포장 면과 같이 계절에 따른 변화가 거의 없는 지형지물의 모서리 점을 대상으로 지상기준점을 선정하여 보정한 결과, 평균 제곱근 오차(RMS error) 는 0.73으로 산출되었다.
데이터처리
- 검증 방법은 서울시(2000) 도시생태현황도의 비오톱 유형을 통합하여 유형을 재분류하고 GRID 자료를 생성하였다 비오톱 유형과 위성영상 Landsat-7 ETM+ band 6의 열적외선 수치간 분산분석을 실시하였다. 표본 수가 불균형한 점을 감안하여 Unbalanced ANOVA 를 실시하였다.
- 셋째, SAS Ver. 8e(SAS Institute Inc., 1999) 를 이용하여 자동기상관측망 기온자료, Landsat-7 ETM+ 위성영상의 band 6 열적외선 수치, 각종 토지 피복 자료와의 상관분석을 실시하였다. 먼저, Landsat-7 ETM+ 위성영상의 band 6 열적외선 수치와 토지이용 유형, 비오톱 유형 등의 토지피복자료와의 상관분석을 실시하였고 이어 자동기상관측망 기온자료와 열적외선 수치 토지 피복 자료 등과의 상관분석을 실시하였다.
- 표본 수가 불균형한 점을 감안하여 Unbalanced ANOVA 를 실시하였다.
- 그 과정에서 본 모형의 구축에 사용된 표본의 수가 크지 않기 때문에 이상치(outlier)로 인하여 모형추정에 큰 변화가 발생할 수도 있으므로, 이상치를 통계학적 방법으로 확인하였다. 표준화 잔차, 제외 잔차 표준화 제외잔 차를 이용하여 이상치들의 영향력을 분석하였고, 표준화 제외 잔차가 큰 경우에는 통계적으로 검증이 가능한 표준화 제외 잔차의 유의성 검증을 위해 Bonferroni t-test의 임계값을 구하였다(Neter, 1996).
- 한편 토지피복분류 결과에 대해서 임의표본을 뽑아 IKONOS 영상을 이용하여 오차검증을 실시하였으며, 분류오차 검증 표본 수는 유형별 면적비율을 참고하여 결정하였다. 표본 수와 검증결과는 Table 1과 같으며, 분류정확도는 84%로서 적정한 것으로 판단되었다.
이론/모형
- 같은 위성영상에 대해서 박종화 등(1996)의 방법에 따라 식 1과 같이 수정 정규식생지수를 산출하였다.
- 사용하였고. 소프트웨어로는 Pathfinder office V2.1 (Trimble Navigation Ltd., 1999) 를 이용하여 결과를 추출하였다.
- 정확한 좌표 값 산출을 위해 국립지리원이 제공하는 GPS 상시관측자료를 이용하여 Differential Global Positioning System(DGPS) 을 적용하였다.
- 측량장비로는 Trimble Geo-Explorer를 사용하였고. 소프트웨어로는 Pathfinder office V2.
성능/효과
- 단독주택지, 공동주택지. 공공용지 공원녹지(경작지 포함), 산림, 하천 및 습지 순이어서, 산림과 하천 및 습지가 지표면 온도가 가장 낮게 나타났다.
- 그리고 정규식생지수와 열적외선 수치 사이에 상관성이 매우 높았고, 설명력은 가장 높았다.
- 기온 저감효과 측정에서 위성영상의 활용을 검토하였다 자동기상측정망 기온 자료와 위성영상 수치와의 상관분석 및 회귀식 검토 결과에 의하면, 기온에 대한 위성 영상 열적외선 수치의 설명력이 높지 않은 것으로 밝혀졌다. 반면에 도시관리 행위의 직접적 결과인 지표면 유형별 지표면 온도추정에서는 위성영상 열적외선 수치와 NDVI7^ 대우 유용한 것으로 밝혀졌다
- 면적 백분율이 중요한 것으로 확인되었다. 두 변수 중 숲 면적 백분율의 설명력이 훨씬 높았으나, 숲 면적 백분율의 기온 저감효과는 교통시설지 면적 백분율의 기온 상승효과보다 약간 적은 것으로 확인되었다.
- 모든 모형에서 평균기온의 회귀분석의 결과, 교통시설지 면적 백분율이 클수록 기온이 높아지는 반면, 숲 면적의 증가는 이와 반대의 현상을 나타냈다. 여름 회귀식 (식 6 참조)에 의하면 예를 들어 현재 서울시 전체의 숲 면적 백분율 평균이 32.
- 반면에 도시관리 행위의 직접적 결과인 지표면 유형별 지표면 온도추정에서는 위성영상 열적외선 수치와 NDVI7^ 대우 유용한 것으로 밝혀졌다
- 본 연구에서 이용한 Landsat-7 ETM+ 위성영상의 band 6 열적외선 수치 값은 공간해상도가 60mx60m이다 그런데, 지표면의 열적외선 방사치 값은 불완전한 전달모델 불확실한 대기의 수직적 압력-습도 분포, 대기-표면에서의 온도 불연속성, 표층과 전체 층과의 온도 차이, 표면에서의 복사와 반사와 같은 요인에 의한 추정 오차가 발생할 수 있다. 따라서 이를 감안하여 해당 셀의 방사치 외에 주변 셀과의 관계를 반영한 값을 추가로 생성하였다
- 분석 결과 모든 비오톱 유형별 열적외선 수치(지표면 온도)의 차이는 통계적으로 유의했으며, 예상과 일치하였다 Table 2에서 보듯이 가장 높은 지표면 온도를 보이는 비오톱 유형은 교통시설비오톱이고、이어 상업지 단독주택지, 공동주택지. 공공용지 공원녹지(경작지 포함), 산림, 하천 및 습지 순이어서, 산림과 하천 및 습지가 지표면 온도가 가장 낮게 나타났다.
- 서울시 일부지역( 약 1/4면적 )을 대상으로 실시한 평균 표고와 열적외선 수치와의 상관분석결과 상관계수가 -0.64433(p<0.0001) 이고, R2 값은 0.6066으로서 회귀식의 설명력도 로그모형을 취할 경우 상당히 높은 것으로 나타났다.
- 설명변수의 선택과정과 이상치 등의 제거과정을 통하여 다중회귀분석을 수행한 결과 종속변수로서 2001 년 6월 평균기온과 8월 평균기온, 그리고 여름 평균기온에 대해서 지금까지 발표된 회귀모형보다 설명력이 월등히 높은 회귀모형들을 구할 수 있었다. 회귀모형을 검토한 결과를 요약하면 다음과 같다.
- 정규식생지수와 열적외선 수치와의 상관관계 분석 결과 상관계수는 -0.8665(p<0.0001)이고, R2 값이 0.7509 로서 설명력도 가장 높은 것으로 나타났다.
- 지표면 온도를 결정하는 주요 변인을 찾기 위해 상관분석을 실시하였다 그 결과로 서울시 비오톱 유형별로 열적외선 수치에 유의한 차이가 있는 것으로 밝혀졌다 서울시 일부지역을 대상으로 실시한 평균 표고와 열적외선 수치사이에는 상관성이 높았고, 회귀식의 설명력도 로그모형을 취할 경우 상당히 높았다. 그리고 정규식생지수와 열적외선 수치 사이에 상관성이 매우 높았고, 설명력은 가장 높았다.
- 최종 선정된 6월 8월 그리고 여름(6, 7, 8월) 평균기온의 회귀모형식은 각각 식 4, 5, 6과 같다 이 모형들은 R2 값이 각각 0.8400, 0.8043, 0.7834로서 지상 대기 온도 변이의 78% 이상을 설명하고 F-값은 각각 47.24(P<0.0001), 39.05(P<0.0001), 35.82(P<0.0001)로서모든 회귀식이 유의수준 0.01 에서도 유의함이 인정되었으며, 각 변수의 부호는 예상했던 결과를 나타냈고, 변수에 관한 t 검정 값도 모두 유의수준 0.01 에서 유의하였다(Table 3, 4, 5 참조).
- 한편, 도시생태현황도의 비오톱 유형 세분류 자료에 대해서도 같은 분석방법을 적용한 결과에 의하면 비오톱 유형이 총 65개로서 지나치게 세분되어 집단간 차이가 미세하여 분별력이 떨어졌다
- 회귀모형에서 두 독립변수, 즉 위성영상에서 도출된 숲 면적 백분율과 도시생태현황도에서 도출된 교통시설지 면적 백분율이 중요한 것으로 확인되었다. 두 변수 중 숲 면적 백분율의 설명력이 훨씬 높았으나, 숲 면적 백분율의 기온 저감효과는 교통시설지 면적 백분율의 기온 상승효과보다 약간 적은 것으로 확인되었다.
후속연구
- 14°C가 올라가게 된다 이처럼 설명변수 중 교통시설지의 단위면적 변화로 인한 영향력이 숲의 단위면적 변화로 인한 영향력보다 약간 더 크다는 것을 알 수 있다. 따라서 도시 기온 상승을 억제하기 위해서는 근본적으로 숲의 양을 증가시킴으로써 대기의 냉각효과를 높여야 할 것이3, 아울러 교통시설 관련 인자들에 대한 적절한 정책적 수단도 함께 필요한 것으로 판단되었다. 최종 회귀식에 도입된 변수들은 회귀식에 포함되어 있지 않은 많은 인자들의 대리변수일 수 있으므로 모델 결과를 해석하는데는 다각적인 이해가 필요하다 하겠다.
- 특기사항으로는 어느 하천변 측점도 이상치로 작용하지 않는 것으로 확인되었다. 이는 박인환 등(2000)의 하천에 의한 온도완화 거리가 315m라는 연구 결과와는 다소 차이를 보이는 결과라 할 수도 있으나, 최종판단은 더 많은 표본에 대한 연구 이후에 가능할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.