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
- 도시기온은 다양한 토지피복의 면적에 부가하여 체적변화와 유관할 수 있으므로 미기후 개선 및 열섬현상 완화를 향한 생활환경의 조성은 토지피복의 입체적 영향게 대한 연구를 필요로 한다. 따라서, 본 연구의 목적은 토지피복의 입체적 변화가 도시기온에 작용하는 영향을 구명하여 열섬현상 완화에 기여할 도시조경계획 및 설계의 기반정보를 구축하는 것이다
- 본 연구는 토지피복의 입체적 공간분포가 도시기온에 작용하는 영향을 파악하여 열섬현상 완화에 기여할 도시조경의 방향을 모색하였다. 연구대상지는 서울시 24개 AWS 지점별 직경 300m 공간이었고, 대상공간의 에너지 수지 및 기온에 영향을 미칠 수 있는 녹지면적, 식생체적, 건물면적, 건물체적, 포장로 면적, 하드스케이프 알베도, 인구밀도, 풍속 등을 파악하여 여름철 기온변화에 작용하는 효과를 분석하였다.
- 본 연구의 의의는 선행연구에서 간과해 온 토지피복의 입체적 변수에 따른 기온변화를 분석하는데 초점을 둔 것이다. 다만, 본 연구에서는 도시기온에 영향을 미치는 입체적 공간재료의 알베도와 화석연료 소비에 따른 인공열 발생량을 적절히 반영하지 못하였다.
제안 방법
- AWS 지점의 강우일을 제외한 여름철 평균 기온을 종속변수(Y)로 하고, 녹지면적(X1, 나지 포함), 식생체적M, 건물면적(X3), 건물체적(X4), 포장로면적(X5), 하드스케이프 알베도 (X6), 인구밀도(X7), 풍속(X8), 고도(X9) 등을 독립변수로 하여 회귀모델을 도출하였다 여기에서, 하드스케이프 알베도는 녹지와 창문의 면적을 제외한 표면재료의 색채별 알베도에 입체적 해당 면적비를 반영하여 산출한 평균치이다 인구밀도는 AWS 지점의 해당 동별 통계연보(서울특별시, 2008)로부터 파악하였다 반복적인 선형 및 비선형 접근을 시도하여 가장 적합한 회귀모델과 독립변수를 최종 선정하였다. 독립변수별 단순 회귀모델을 유도하여 모델의 F 검정, 회귀계수의 t 검정, 必 분석 등을 통해 통계적으로 유의한 변수를 선정하고, 이들 변수를 투입하여 적합도가 가장 높은 다중회귀모델을 유도하였다.
- 각 선정지점의 지상 3m 높이에 자동기상측정기(HOBO의 H08-032-08)를 설치하였다 그리고, 7월 중순 및 하순, 8월 초순 및 하순 9월 초순 등 5회에 걸쳐 맑은 날 하루 24시간 동안 기온을 비롯한 습도 풍속 등을 6개 지점에서 동시에 측정하였다. 기기 간 온도 및 습도의 실측결과는 실측 직전 동일 환경조건 하에서 24시간 동안 측정된 자료를 비교하여, 식생체적 1m3 지점의 설치기기를 기준으로 편차를 산출하여 보정하였다 측정지점을 실사하여 직경 30m의 공간 내에 분포하는 녹지면적, 식생체적, 수목 피도 건물 체적, 포장면적, 하드스케이프 알베도 등을 실측하였다
- 도시에서 일정규모 이상 녹지를 형성하고 있는 공원의 온도완화 거리는 167~260m이므로(박인환 드 2000), AWS 지점을 중심으로 지도 상에 반경 150m의 공간을 작도하였다. 그리고, 이 공간규모 내에 분포하는 식생, 나지, 건물, 포장 등의 면적을 분석하였다.
- 기기 간 온도 및 습도의 실측결과는 실측 직전 동일 환경조건 하에서 24시간 동안 측정된 자료를 비교하여, 식생체적 1m3 지점의 설치기기를 기준으로 편차를 산출하여 보정하였다 측정지점을 실사하여 직경 30m의 공간 내에 분포하는 녹지면적, 식생체적, 수목 피도 건물 체적, 포장면적, 하드스케이프 알베도 등을 실측하였다
- 기온변화에 더 민감하게 반응할 소규모 공간스케일에서 기온과 토지피복을 실측하여, 대상 공간규모가 더 큰 서울시 AWS 지점의 연구결과와 비교하였다. 춘천시에서 녹지면적 및 체적 차이를 토대로 6개의 측정지점을 선정하였다.
- 단순회귀모델 중 통계적으로 유의한 변수를 대상으로 변수 상호조합에 의한 반복적인 선형 및 비선형 접근을 시도하여 다중 회귀모델을 유도하였다. 그 결과 식생체적과 건물체적의 양변수를 투입한 다중회귀모델이 통계적으로 가장 적합한 것으로 나타났다(식 1 참조).
- 연구대상지는 서울시 24개 AWS 지점별 직경 300m 공간이었고, 대상공간의 에너지 수지 및 기온에 영향을 미칠 수 있는 녹지면적, 식생체적, 건물면적, 건물체적, 포장로 면적, 하드스케이프 알베도, 인구밀도, 풍속 등을 파악하여 여름철 기온변화에 작용하는 효과를 분석하였다. 또한 춘천시에서 연구목적을 고려한 6개 지점을 선정하여 기온을 실측하고, 기온변화에 더 민감하게 반응할 30m 소공간의 지점별 토지 피복을 실사하여 서울시의 경우와 비교하였다.
- 서울시의 비오톱지도와 1/1,000 수치지형도 및 위성영상자료(http://earth.google.com)를 활용하여 AWS 지점의 토지 피복을 분석하였다. 도시에서 일정규모 이상 녹지를 형성하고 있는 공원의 온도완화 거리는 167~260m이므로(박인환 드 2000), AWS 지점을 중심으로 지도 상에 반경 150m의 공간을 작도하였다.
- 모색하였다. 연구대상지는 서울시 24개 AWS 지점별 직경 300m 공간이었고, 대상공간의 에너지 수지 및 기온에 영향을 미칠 수 있는 녹지면적, 식생체적, 건물면적, 건물체적, 포장로 면적, 하드스케이프 알베도, 인구밀도, 풍속 등을 파악하여 여름철 기온변화에 작용하는 효과를 분석하였다. 또한 춘천시에서 연구목적을 고려한 6개 지점을 선정하여 기온을 실측하고, 기온변화에 더 민감하게 반응할 30m 소공간의 지점별 토지 피복을 실사하여 서울시의 경우와 비교하였다.
- 한편, AWS 지점별 연구대상 공간을 실사하여 지도 상의 분석자료를 현장 보정하면서, 지도에서 파악 곤란한 식생 및 건물 체적을 실측하고 하드스케이프(hardscape)의 재료별 알베도 (albedo)를 전천복사계(pyranometer: LI-COR의 LI-200SA) 로 측정하였다(그림 2 참조). 현장보정 과정에서, 현존 비오톱 지도는 학교와 운동장을 공업지 및 도시기반시설지로 구분하였거나, 기존 농경지의 주거지 용도변경, 신축건물의 면적변화 등을 반영하지 않은 오류를 발견할 수 있었다
대상 데이터
- 기상청으로부터 구입하였다(그림 1 참조). 2006년과 2007 년의 2개년에 걸친 6~8월의 여름철 기상자료를 구입하여, 매일의 시간별 기온, 강수량, 풍속 및 풍향에 대한 측정치를 통계 분석하였다. 연구의 목적 상 어느 한 측정지점에서 강우량을 보인 날은 모든 지점을 대상으로 동일하게 기상분석에서 제외하였다
- 서울시에 위치하는 24개 자동기상관측망(Automatic Weather Stations: AWS) 지점에서 측정한 기상자료와 측정위치 및 고도를 기상청으로부터 구입하였다(그림 1 참조). 2006년과 2007 년의 2개년에 걸친 6~8월의 여름철 기상자료를 구입하여, 매일의 시간별 기온, 강수량, 풍속 및 풍향에 대한 측정치를 통계 분석하였다.
- 지점의 연구결과와 비교하였다. 춘천시에서 녹지면적 및 체적 차이를 토대로 6개의 측정지점을 선정하였다. 수면에 의한 영향을 고려하여 상기한 거리 내에 하천 호수 등이 분포하는 지점은 회피하였고, 활엽수와 침엽수의 기온저감 차이를 고려하여 모두 활엽수가 우점하는 지점을 선정하였다.
데이터처리
- 독립변수를 최종 선정하였다. 독립변수별 단순 회귀모델을 유도하여 모델의 F 검정, 회귀계수의 t 검정, 必 분석 등을 통해 통계적으로 유의한 변수를 선정하고, 이들 변수를 투입하여 적합도가 가장 높은 다중회귀모델을 유도하였다. 본 연구에서는 소수의 AWS 지점에 해당하는 수면의 영향을 배제하기 위해, 하천에 의한 온도완화 영향거리 315m(박인환 등, 2000) 를 근거5, AWS 지점의 반경 300m 이내에 하천 호수 등 수변에 인접한 5개 지점은 회귀모델 분석대상에서 제외하였다.
성능/효과
- 26으로서 1% 수준에서 유의하고 기온 전체 변이량의 64%(必)를 설명하였다. Y절편 및 건물체적 회귀계수는 t 검정 결과 모두 1% 수준에서, 그리고 식생체적은 5% 수준에서 유의성을 보였다(표 3 참조). 이 모델 외에, 식생 체적, 건물체적 및 인구밀도의 3개 변수로 구성된 다중 회귀모델이 유의한 F값과 양호한 설명력을 보였으나, 인구밀도의 회귀계수가 10% 수준에서도 유의하지 않은 것으로 나타났다.
- 45 로서 1% 수준에서 유의하고 기온 전체 변이량의 86%를 설명하였다. Y절편 및 식생체적의 회귀계수는 t 검정 결과 역시 모두 1% 수준에서 유의하였다 본 회귀모델에 근거하면, 소공간스케일의 여름철 기온은 식생체적을 10% 증가시킴에 따라 0.32%(0.08℃)씩 감소하는 것으로 나타났다 이는 식생 체적을 독립변수로 서울시 AWS 지점의 기온을 추정하는 단순 회귀모델의 적용결과와 거의 같은 경향이다.
- 고도를 독립변수로 한 회귀모델은 9개 변수 중 비중이 가장 높은 68%의 설명력을 보였다 그러나, 고도가 높은 AWS 지점은 북한산 등 산지로서 녹지 관련 변수와 상관이 있고, 고도가 높을수록 기온이 낮아지는 자연현상 때문에 본 연구의 취지에 부합하는 변수는 아니다 실제로 고도와 식생체적 및 녹지면적 간의 상관계수는 각각 0.7741, 0.6386으로서 1% 수준에서 유의한 정의 상관을 나타냈다 입체적 공간재료의 알베도는 태양복사의 반사, 흡수, 전도 대류 등 에너지 수지에 관여하므로, 도시조경에서 어떤 종류와 색채를 선정하느냐가 중요하다 본 연구에서 알베도의 설명력은 극히 미미하여 유의성이 없었는데, 이는 AWS 지점 간 연구공간규모 내에 분포하는 하드스케이프의 알베도가 최소 0.19~최대 0.29로서 기온에 유의한 변화를 초래할 만큼 큰 차이가 없었기 때문인 것으로 분석된다.
- 유도하였다. 그 결과 식생체적과 건물체적의 양변수를 투입한 다중회귀모델이 통계적으로 가장 적합한 것으로 나타났다(식 1 참조).
- 발휘하는 것으로 분석된다. 본 다중회귀모델을 적용하면 식생 체적의 10% 증가는 기온을 약 0.14% 감소시키고, 건물 체적의 10% 증가는 기온을 0.26% 증가시킨다. 한편, 서울시 AWS 지점의 기온변화에 관한 타연구(김학열과 김운수, 2003)는 기온상승을 저지하기 위해 통계적으로 유의한 평면적 변수로서, 교통시설지 면적을 억제하고 녹지면적을 증가시킬 정책 마련을 제안하였다.
- 한편, 서울시 AWS 지점의 기온변화에 관한 타연구(김학열과 김운수, 2003)는 기온상승을 저지하기 위해 통계적으로 유의한 평면적 변수로서, 교통시설지 면적을 억제하고 녹지면적을 증가시킬 정책 마련을 제안하였다. 본 연구의 단순회귀모델에서는 교통시설지에 해당하는 포장로면적이 기온변화에 유의한 설명력을 보였으나, 다중 회귀모델의 경우 유의한 변수에 포함되지는 않았다. 이러한 차이는 기존 결과가 본 연구와 달리 1998~1999년의 기상자료를 활용하였고, AWS 지점별 반경 500m의 공간규모를 대상으로, 비오톱지도 상의 과거 토지이용 자료를 적용한 것 등에 연유한다고 사료된다.
- 서울시 AWS 지점의 기온을 추정하는 단순회귀모델을 도출한 결과, 식생체적, 녹지면적, 건물체적, 건물면적, 인구밀도, 포장로 면적 등의 변수가 통계적으로 유의하게 여름철 기온변화에 작용하는 것으로 나타났다. 이들 중 기온변화의 설명력이 상대적으로 가장 높은 변수는 식생체적과 건물체적이었다.
- 서울시 AWS 지점의 기온추정 회귀모델의 독립변수 중, 유의성이 인정된 식생체적(X2)을 적용하여 단순회귀모델을 도출하였다 그 결과 여름철 기온은 Y=3.2300—3.2407x10—5 X2의 모델에서 가장 높은 적합도를 보였다. 이 모델의 F값은 25.
- 서울시 AWS 지점의 여름철 기온을 추정하는 단순 회귀모델을 도출하여 F 검정을 실시한 결과, 총 9개의 독립변수 중 식생 체적, 건물체적, 인구밀도, 포장로면적, 건물면적, 고도 등 6 개의 변수가 1% 수준에서 유의한 것으로 나타났다. 녹지면적은 5% 수준에서 유의하였으며, 하드스케이프 알베도와 풍속은 각각 유의수준 10% 미만이었다.
- 녹지면적은 5% 수준에서 유의하였으며, 하드스케이프 알베도와 풍속은 각각 유의수준 10% 미만이었다. 식생체적의 회귀모델은 기온전체 변이량의 63%, 건물체적은 50%, 인구밀도는 46%, 포장로 면적은 44%, 건물면적은 40%를 각각 설명하였다. 녹지면적 회귀모델의 설명력은 32%이었고, 풍속의 경우는 15%에 불과하였다(표 2 참조).
- 습도가 높고 풍속이 매우 느리면, 식물의 증산작용이 상대적으로 감쇠되어 잠열에 의한 기온저감의 효과가 낮아진다. 실제로 본 실측일의 상대습도는 지점에 따라 평균 79~85%로서 기존연구의 46~67%보다 높았고, 평균 풍속은 기존 연구의 0.4~0.6m/s보다 느린 0.1~0.2m/s로서, 이들 인자가 더 낮은 기온차에 기여한 것으로 분석된다
- 기온변화에 유의한 변수들을 조합하여 유도한 다중 회귀모델에서도 식생체적과 건물체적의 양 변수가 통계적으로 가장 적합한 모델을 생성하였다. 이 다중회귀모델에 따르면 식생체적의 10% 증가는 기온을 약 0.14% 감소시키고, 건물체적의 10% 증가는 기온을 0.26% 증가시켰다.
- Y절편 및 건물체적 회귀계수는 t 검정 결과 모두 1% 수준에서, 그리고 식생체적은 5% 수준에서 유의성을 보였다(표 3 참조). 이 모델 외에, 식생 체적, 건물체적 및 인구밀도의 3개 변수로 구성된 다중 회귀모델이 유의한 F값과 양호한 설명력을 보였으나, 인구밀도의 회귀계수가 10% 수준에서도 유의하지 않은 것으로 나타났다.
- 작용하는 것으로 나타났다. 이들 중 기온변화의 설명력이 상대적으로 가장 높은 변수는 식생체적과 건물체적이었다. 기온변화에 유의한 변수들을 조합하여 유도한 다중 회귀모델에서도 식생체적과 건물체적의 양 변수가 통계적으로 가장 적합한 모델을 생성하였다.
- 이와 같이, 식생체적과 건물체적이라는 2종의 입체적 토지 피복 변수가 서울시 대상공간의 여름철 기온증감에 가장 큰 영향을 발휘하는 것으로 분석된다. 본 다중회귀모델을 적용하면 식생 체적의 10% 증가는 기온을 약 0.
- 직경 30m의 소공간스케일에서 실측한 춘천시 토지 피복과 여름철 기온(5회 실측일의 24시간 평균치) 간의 변화는 표 4 및 그림 3과 같다 기온은 녹지면적, 식생체적, 수목피도 등의 증가에 따라 감소하는 반면, 건물 및 포장면적의 증가에 비례하여 상승하는 경향이었다. 건물체적은 실측대상공간 내의 모든 지점에 분포하지 않고, 하드스케이프의 알베도는 변이 폭이 좁으며 증감의 경향도 일정하지 않아 기온변화와 연관시키는데 한계가 있었다.
- 측정하였다(그림 2 참조). 현장보정 과정에서, 현존 비오톱 지도는 학교와 운동장을 공업지 및 도시기반시설지로 구분하였거나, 기존 농경지의 주거지 용도변경, 신축건물의 면적변화 등을 반영하지 않은 오류를 발견할 수 있었다
후속연구
- 다만, 본 연구에서는 도시기온에 영향을 미치는 입체적 공간재료의 알베도와 화석연료 소비에 따른 인공열 발생량을 적절히 반영하지 못하였다. 하드스케이프의 재료와 색채를 고려한 입체적 알베도는 연구에의 반영을 시도하였으나 대상 공간별 기온에 유의한 변화를 초래할 만큼 큰 차이가 없었다.
- 입체적 효과를 분석하더라도 기온에 관여하는 다양한 변수 중 녹지체적에 국한하였다(조현길과 안태원, 2006). 도시기온은 다양한 토지피복의 면적에 부가하여 체적변화와 유관할 수 있으므로 미기후 개선 및 열섬현상 완화를 향한 생활환경의 조성은 토지피복의 입체적 영향게 대한 연구를 필요로 한다. 따라서, 본 연구의 목적은 토지피복의 입체적 변화가 도시기온에 작용하는 영향을 구명하여 열섬현상 완화에 기여할 도시조경계획 및 설계의 기반정보를 구축하는 것이다
- 하드스케이프의 재료와 색채를 고려한 입체적 알베도는 연구에의 반영을 시도하였으나 대상 공간별 기온에 유의한 변화를 초래할 만큼 큰 차이가 없었다. 인공 열의 주 발생원은 차량운행, 건물 냉난방, 공장가동 등으로서, 도시의 에너지 수지 및 기온 상승에 기여하므로 추후 관련 연구를 필요로 한다. 한편, 소공간스케일의 춘천시 기온은 상대습도가 비교적 높고 풍속이 매우 느린 여름철에 측정하게 된 결과로서, 식물의 증산에 의한 지점 간 기온차가 적은 것으로 나타나 해당 토지피복에 따른 기온변화를 해석하는데 참고를 요구한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.