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
- 이에 본 연구는 위성영상, 고해상도의 토지 피복 및 토지이용 지도 등으로부터 추출한 정 규시가화지수(NDBI), 정규식생지수(NDVI), 불투수면 등과 같은 도시지역의 공간적 특성과 열환경의 관계성을 체계적으로 분석하고자 한다. 또한, 토지이용 특성을 고려해 도시지역의 유형을 분류한 후, 유형에 따른 지표온도의 차이를 검정하여 열환경 개선을 위한 친환경적 공간계획 수립에 활용하고자 한다.
- 본 연구는 도시지역의 공간적 특성이 열환경에 미치는 영향을 규명하고자 위성영상, 토 지피복 및 토지이용 지도 등을 활용하여 지표 온도 및 공간특성을 추출하고, 이를 토대로 상호 관계성을 분석하였다. 또한, 도시지역의 유형에 따른 지표온도의 차이를 규명하고, 유형별 관리방안을 제언하였다.
- 이에 본 연구는 위성영상, 고해상도의 토지 피복 및 토지이용 지도 등으로부터 추출한 정 규시가화지수(NDBI), 정규식생지수(NDVI), 불투수면 등과 같은 도시지역의 공간적 특성과 열환경의 관계성을 체계적으로 분석하고자 한다. 또한, 토지이용 특성을 고려해 도시지역의 유형을 분류한 후, 유형에 따른 지표온도의 차이를 검정하여 열환경 개선을 위한 친환경적 공간계획 수립에 활용하고자 한다.
제안 방법
- 다음으로 지표온도와 관측온도를 비교하기 위해 Landsat 5 TM(114∼36) 영상의 한 도엽 내에 포함되는 AWS 31개 지점을 추출하였다. Landsat 5 TM의 우리나라 촬영시기는 오전 10시 30분경이므로 2007년 5월 13일 10시와 11시의 지점별 AWS 관측온도를 수집하여 이를 평균하였다(Sabins, 1997). 최종적으로 영상의 지표온도와 AWS 관측온도를 SPSS Statistics 17.
- 다음으로 지표온도와 관측온도를 비교하기 위해 Landsat 5 TM(114∼36) 영상의 한 도엽 내에 포함되는 AWS 31개 지점을 추출하였다.
- 두 번째 단계에서는 열환경 특성인 지표온도와 공간특성 인자인 NDBI, NDVI, 불투수지역 비율, 건폐율, 교통지역 비율 등과의 Pearson의 상관분석을 통해 관련성을 평가하였다. 또한, 상관성이 높게 나타난 인자를 중심으로 산점도 그래프를 통해 시각적인 관련성을 파악하였고, 회귀분석을 통해 지표온도를 예측할 수 있는 인자별 모형을 구축하였다.
- 방사보정 후의 지표온도는 인간이 느끼는 실제온도 즉, 관측온도와는 상당한 차이가 있다. 따라서 산출된 지표온도와 자동기상관측장 비(Automatic Weather System: AWS)에 의해 측정된 온도의 관계성을 분석하여 보정을 실시하였다. 우선 기상관측 지점에 영향을 미치는 토지이용의 범위는 지점으로부터 반경 500m∼1km정도로 판단하는 경우가 많기 때문에 본 연구에서는 지점의 영향범위를 500m로 설정하였다(권영아, 2003; 이은주, 2006; 윤민 호, 2009).
- 또한, 창원시에서 제공받은 고해상도(10㎝×10㎝) 디지털 칼라항공사진을 토대로 1:1,000 축척의 정밀도 높은 토지피복 및 토지이용 지도를 구축하였다.
- 분석을 위한 공간단위는 토지이용 특성이 명확하게 구분될 수 있는 500m×500m의 Vector GRID(579개)로 설정하여 각 공간특성별 주제도를 작성하였고, 현황을 분석하였다.
- 세 번째 단계에서는 도시지역의 유형에 따른 지표온도의 차이를 분석하였다. 우선 토지이용 형태에 따른 도시지역의 유형을 분류하기 위해 주거, 상업, 공업, 농업, 녹지 지역 등 5개의 토지이용 항목을 이용하여 K-평균 군집 분석법을 실시하였다.
- 연구과정은 그림 1에서와 같이 크게 자료구축 및 현황분석, 열환경과 공간특성의 관계성 분석, 도시지역의 유형에 따른 지표온도의 차이 분석의 3단계로 진행되었다. 첫 번째 단계에서는 분석에 필요한 데이터를 구축하였는데, 2007년 5월 13일 촬영된 Landsat 5 TM 위성 영상은 PG-STEAMER 4.
- 우선 기상관측 지점에 영향을 미치는 토지이용의 범위는 지점으로부터 반경 500m∼1km정도로 판단하는 경우가 많기 때문에 본 연구에서는 지점의 영향범위를 500m로 설정하였다(권영아, 2003; 이은주, 2006; 윤민 호, 2009).
- 1을 이용해 기하보정과 정사보정을 실시하였다. 위성영상의 전처리 과정을 거친 후 열적외선 밴드(band 6)로 부터 온도보정을 거친 후 지표온도를 추출하였으며, 식 1, 2와 같은 연산과정을 거쳐 3번, 4번, 5번 밴드로부터 NDBI 및 NDVI를 산출 하였다. 또한, 창원시에서 제공받은 고해상도(10㎝×10㎝) 디지털 칼라항공사진을 토대로 1:1,000 축척의 정밀도 높은 토지피복 및 토지이용 지도를 구축하였다.
- 여기서, 토지피복은 현재 지표를 덮고 있는 상태를 말하며, 토지이용은 일정한 토지내 발생하는 인간활동의 형태를 뜻한다. 이렇게 제작된 토지피복지도로부터 불투수지역과 건폐율 데이터를 추출하였으며, 토지이용지도로부터 주거지역, 상업지역, 공업지역, 녹지지역 등 세부적인 8개의 토지이용 유형을 추출하였다. 분석을 위한 공간단위는 토지이용 특성이 명확하게 구분될 수 있는 500m×500m의 Vector GRID(579개)로 설정하여 각 공간특성별 주제도를 작성하였고, 현황을 분석하였다.
- Landsat TM의 열적외선 밴드로부터 온도를 추출하기 위한 방법은 국내ㆍ외적으로 여러 가지 방법이 개발되어 있으나, 본 연구에서는 NASA(National Aeronautics and Space Administration)에서 개발한 모델을 이용하였다. 이렇게 추출된 지표온도는 대상지역의 방사특성에 따른 보정이 이루어지지 않았기 때문에 표 1과 같은 토지피복특성별 고유방사율을 적용하여 방사보정을 실시하였다(식 3). 선행연구에 의하면, 토지피복 특성에 따른 방사 보정은 NASA 모델의 평균방사율 적용으로 인한 오차를 제거하여 지표온도의 정확도를 높일 수 있는 것으로 발표하였다(엄대용, 2006).
- 이상의 구축된 자료를 토대로 500m×500m의 Vector GRID에 각각의 데이터를 적용하여 그림 4 및 그림 5와 같은 공간주제도를 제작하였다.
- 지표온도를 고려한 도시지역별 관리방안을 제시하기 위해 도시지역을 토지이용 특성에 따라 4개 군집으로 분류하였다. 도시지역 유형별 지표온도를 분석한 결과, 공업중심지역의 평균온도가 22.
- 연구과정은 그림 1에서와 같이 크게 자료구축 및 현황분석, 열환경과 공간특성의 관계성 분석, 도시지역의 유형에 따른 지표온도의 차이 분석의 3단계로 진행되었다. 첫 번째 단계에서는 분석에 필요한 데이터를 구축하였는데, 2007년 5월 13일 촬영된 Landsat 5 TM 위성 영상은 PG-STEAMER 4.1을 이용해 기하보정과 정사보정을 실시하였다. 위성영상의 전처리 과정을 거친 후 열적외선 밴드(band 6)로 부터 온도보정을 거친 후 지표온도를 추출하였으며, 식 1, 2와 같은 연산과정을 거쳐 3번, 4번, 5번 밴드로부터 NDBI 및 NDVI를 산출 하였다.
대상 데이터
- 본 연구는 우리나라 최초의 계획도시이며, 2006년 “환경수도”를 선언한 경상남도 창원시의 도시지역을 대상지로 설정하였다.
- 창원시는 대한민국 한반도의 동남단에 위치하고 있으며, 지리산 영신봉에서 시작한 낙남정맥(落南正脈)에 의해 시가지가 둘러싸여 있고, 남서쪽은 남해와 접하고 있어 우수한 자연자원을 보유하고 있다. 연구대상지인 창원시의 도시지역은 약 125.4㎢의 면적을 가지며, 인구는 약 425,339명이 거주하고 있다 (창원시, 2008). 기후의 경우 4계절의 변화가 뚜렷하게 나타나는 해양성기후의 특성을 보이고 있으며, 계절풍의 영향을 많이 받는다.
- 창원시의 도시지역을 대상으로 500m×500m Vector GRID의 공간단위별 분석을 수행하기 위해 Landsat 5 TM 영상, 토지피복 및 토지이용 지도로부터 지표온도, NDBI, NDVI, 불투수지역, 건폐율, 주거지역 등 11개의 기초데이터를 추출하였다.
- 현황자료의 구축은 Landsat 5 TM 영상의 열적외선 밴드로부터 지표온도를 추출하여 보 정하였으며, 위성영상자료와 고행상도 항공사진을 기반으로 한 토지피복 및 토지이용 지도로부터 NDBI, NDVI, 불투수지역 등 10개의 기초데이터를 추출하였다. 창원시 도시지역의 2007년 5월 13일 오전 10시경 평균 온도는 20.
데이터처리
- 두 번째 단계에서는 열환경 특성인 지표온도와 공간특성 인자인 NDBI, NDVI, 불투수지역 비율, 건폐율, 교통지역 비율 등과의 Pearson의 상관분석을 통해 관련성을 평가하였다. 또한, 상관성이 높게 나타난 인자를 중심으로 산점도 그래프를 통해 시각적인 관련성을 파악하였고, 회귀분석을 통해 지표온도를 예측할 수 있는 인자별 모형을 구축하였다. 이상과 같은 일련의 통계분석은 SPSS Statistics 17.
- 상관분석 결과 중 지표온도와 상관성이 높은 것으로 나타난 NDBI, NDVI, 불투수지역 비율 등 7개 공간 특성 인자를 토대로 그림 6과 같이 산점도 그래프 및 선형회귀 분석을 실시하였다. 분석결과를 살펴보면, NDBI의 산점도 그래프는 회귀선에 따라 집중적으로 분포하고 있으며, 회귀식의 설명력은 0.
- 영향 도시지역의 공간특성과 열환경 특성인 지표 온도의 관계성을 파악하기 위해 Pearson의 상관분석을 활용하였다. 상관분석 결과를 살펴보면, 지표온도와 NDBI의 상관계수가 유의수준 1% 이내에서 0.
- 세 번째 단계에서는 도시지역의 유형에 따른 지표온도의 차이를 분석하였다. 우선 토지이용 형태에 따른 도시지역의 유형을 분류하기 위해 주거, 상업, 공업, 농업, 녹지 지역 등 5개의 토지이용 항목을 이용하여 K-평균 군집 분석법을 실시하였다. 최종적으로 군집분석에 의해 분류된 4개의 도시지역 유형에 따른 지표온도 차이를 일원배치 분산분석으로 검정하였으며, 이를 토대로 창원시의 지속가능한 토지이용 방향을 제언하였다.
- 우선 기상관측 지점에 영향을 미치는 토지이용의 범위는 지점으로부터 반경 500m∼1km정도로 판단하는 경우가 많기 때문에 본 연구에서는 지점의 영향범위를 500m로 설정하였다(권영아, 2003; 이은주, 2006; 윤민 호, 2009). 이를 분석하기 위해 ArcGIS 9.3의 neighborhood statistics를 이용하여 영향범위를 반영한 평균 지표온도를 계산하였다.
이론/모형
- Landsat TM의 열적외선 밴드로부터 온도를 추출하기 위한 방법은 국내ㆍ외적으로 여러 가지 방법이 개발되어 있으나, 본 연구에서는 NASA(National Aeronautics and Space Administration)에서 개발한 모델을 이용하였다. 이렇게 추출된 지표온도는 대상지역의 방사특성에 따른 보정이 이루어지지 않았기 때문에 표 1과 같은 토지피복특성별 고유방사율을 적용하여 방사보정을 실시하였다(식 3).
성능/효과
- 579개의 Vector GRID로 구성된 공간단위별 주제도에서는 NDBI, 불투수면적 비율, 건폐율은 도시의 중심지역에서 높은 값이 나타났으며, NDVI 및 녹지지역 비율은 도시 외곽의 산림을 따라 높게 분석되었다.
- 공간단위별 주제도의 분포패턴을 살펴 보면, 지표온도는 도시의 중심부에서 높게 나타났으며, 외곽의 산림을 따라 낮게 나타나는 것으로 분석되었다(그림 4). NDBI, 불투수면적 비율, 건폐율은 지표온도의 분포와 비슷한 형태를 보였으며, 특히 NDBI는 도시 중심부의 넓은 면적에서 높은 값이 나타나는 것으로 분석되었다(그림 5(a)). 반면, NDVI는 이상의 인자들과 달리 도시의 중심부에서 낮은 값이 나타났으며, 외곽의 산림을 따라 높은 값이 분포하였다.
- 이상의 구축된 자료를 토대로 500m×500m의 Vector GRID에 각각의 데이터를 적용하여 그림 4 및 그림 5와 같은 공간주제도를 제작하였다. 공간단위별 주제도의 분포패턴을 살펴 보면, 지표온도는 도시의 중심부에서 높게 나타났으며, 외곽의 산림을 따라 낮게 나타나는 것으로 분석되었다(그림 4). NDBI, 불투수면적 비율, 건폐율은 지표온도의 분포와 비슷한 형태를 보였으며, 특히 NDBI는 도시 중심부의 넓은 면적에서 높은 값이 나타나는 것으로 분석되었다(그림 5(a)).
- 공간특성과 지표온도의 관계성 파악을 위해 상관분석을 실시한 결과, 지표온도와 NDBI의 상관계수가 0.929로 가장 높게 나타났으며, 불투수지역 비율, 건폐율, 공업지역 비율 등도 각각 0.857, 0.837로 높게 분석되었다. 또한, 이 인자들의 산점도는 회귀선을 따라 집중적으로 분포하였으며, 회귀식의 설명력이 0.
- 83%로 타 군집에 비해 높게 나타났으며, 도시 중심부의 북동쪽을 중심으로 집중 분포하고 있었다(표 3). 군집 2는 공업지역의 비율이 72.18%로 높게 나타났으며, 남서쪽의 공업지역을 중심으로 밀집하는 것으로 분석되었다. 군집 3은 녹지지역의 비율이 94.
- 이를 위해 토지이용 특성을 고려하여 도시지역의 유형을 그림 7(a)와 같이 4개의 지역으로 분류하였다. 군집분석 결과를 살펴보면, 군집 1은 주거지역의 비율이 39.83%로 타 군집에 비해 높게 나타났으며, 도시 중심부의 북동쪽을 중심으로 집중 분포하고 있었다(표 3). 군집 2는 공업지역의 비율이 72.
- 지표온도를 고려한 도시지역별 관리방안을 제시하기 위해 도시지역을 토지이용 특성에 따라 4개 군집으로 분류하였다. 도시지역 유형별 지표온도를 분석한 결과, 공업중심지역의 평균온도가 22.10℃으로 가장 높게 나타났으며, 녹지중심지역은 18.85℃로 공업중심지역에 비해 3.25℃가 낮게 판단되었다. 또한, 유형별 차이검정에서도 1% 유의수준에서 차이가 있는 것으로 분석되어, 도시지역 유형별 차이가 통계적으로 유의한 것으로 분석되었다.
- 862로 매우 높게 나타났다(그림 6(a)). 또한, 불투수지역, 건폐율, 공업지역 비율, 교통지역 비율의 회귀식도 각각 0.734, 0.701, 0.422, 0.381의 설명력을 보이며, 통계적으로 유의한 것으로 분석되었다. 반면, NDVI 및 녹지지역 비율의 경우 지표온도와 음의 상관관계를 가지고 있어 그래프에서의 회귀선은 음의 기울기를 가지는 것으로 분석되었으며, 회귀식의 설명력은 각각 0.
- 25℃가 낮게 판단되었다. 또한, 유형별 차이검정에서도 1% 유의수준에서 차이가 있는 것으로 분석되어, 도시지역 유형별 차이가 통계적으로 유의한 것으로 분석되었다.
- 837로 높게 분석되었다. 또한, 이 인자들의 산점도는 회귀선을 따라 집중적으로 분포하였으며, 회귀식의 설명력이 0.7 이상으로 나타나 회귀식은 높은 예측력을 가지는 것으로 평가되었다. 반면, 지표온도와 NDVI 및 녹지지역 비율과의 상관계수는 각각 -0.
- 반면, NDVI 및 녹지지역 비율의 경우 지표온도와 음의 상관관계를 가지고 있어 그래프에서의 회귀선은 음의 기울기를 가지는 것으로 분석되었으며, 회귀식의 설명력은 각각 0.800, 0.767로 높게 나타났다(그림 6
- 25℃으로 높게 나타났다. 반면, 녹지중심지역은 18.85℃로 공업중심지역에 비해 3.25℃가 낮게 나타나 각 유형별로 상당한 차이가 있음을 확인할 수 있었다. 실제로 유형별 온도 차이를 검정하기 위해 일원배치 분산분석을 실시한 결과에서는 1% 유의수준에서 차이가 있는 것으로 나타났으며, Duncan의 사후검정에서도 도시지역 유형별 온도 차이가 있는 것으로 분석되었다(표 4).
- 7 이상으로 나타나 회귀식은 높은 예측력을 가지는 것으로 평가되었다. 반면, 지표온도와 NDVI 및 녹지지역 비율과의 상관계수는 각각 -0.895, -0.876로 분석되어 음의 상관성이 매우 높은 것으로 나타났다.
- 679로 높게 나타났으며, 주거지역 및 상업지역 비율도 지표온도와 약한 양의 상관성을 가지는 것으로 분석되었다. 반면, 지표온도와 NDVI의 상관계수는 -0.895로 나타나 음의 상관성이 높은 것으로 평가되었으며, 녹지지역 비율 역시 -0.876으로 분석되어 강한 음의 상관성을 가졌다. 한편, 하천 지역의 경우 지표온도와의 상관계수가 0.
- 분석결과를 살펴보면, NDBI의 산점도 그래프는 회귀선에 따라 집중적으로 분포하고 있으며, 회귀식의 설명력은 0.862로 매우 높게 나타났다(그림 6
- 929로 높게 나타나 지표온도와 강한 양의 상관성을 가지는 것으로 분석되었다. 불투수지역 비율, 건폐율, 공업지역 비율 등도 각각 0.857, 0.837, 0.679로 높게 나타났으며, 주거지역 및 상업지역 비율도 지표온도와 약한 양의 상관성을 가지는 것으로 분석되었다. 반면, 지표온도와 NDVI의 상관계수는 -0.
- 영향 도시지역의 공간특성과 열환경 특성인 지표 온도의 관계성을 파악하기 위해 Pearson의 상관분석을 활용하였다. 상관분석 결과를 살펴보면, 지표온도와 NDBI의 상관계수가 유의수준 1% 이내에서 0.929로 높게 나타나 지표온도와 강한 양의 상관성을 가지는 것으로 분석되었다. 불투수지역 비율, 건폐율, 공업지역 비율 등도 각각 0.
- 25℃가 낮게 나타나 각 유형별로 상당한 차이가 있음을 확인할 수 있었다. 실제로 유형별 온도 차이를 검정하기 위해 일원배치 분산분석을 실시한 결과에서는 1% 유의수준에서 차이가 있는 것으로 나타났으며, Duncan의 사후검정에서도 도시지역 유형별 온도 차이가 있는 것으로 분석되었다(표 4).
- 이상과 같이 창원시는 토지이용의 효율적 배치를 강조해 동일 토지이용 형태가 집중적 으로 배치되어 있어 타 도시에 비해 온도의 차이가 명확하게 구분되는 것을 확인할 수 있 었다. 그러나 토지이용의 집중적인 배치는 일부지역의 지표온도를 가중시켜 열섬현상을 발생시킬 수 있기 때문에 도시의 환경적 측면에 서는 부정적인 것으로 판단할 수 있다.
- 767로 높게 나타났다(그림 6(b), 6(g)). 이상의 결과로 볼 때, 도시공간에서 콘크리트, 아스팔트 등의 인공포장면 및 구조물로 덮여져 있는 공간은 도시의 기온상승에 큰 영향을 미치고 있는 것으로 판단되며, 구조물이 아닌 자연상태의 식생 및 녹지지역은 상대적으로 기온의 저감효과를 가지는 것으로 판단할 수 있다(박경훈과 정성관, 1999; 도후조 등, 2007). 또한, 이렇게 구축된 회귀식은 향후 도시계획에 의해 조성되어질 신도시 및 혁신도시 등의 지표온도를 예측하기 위한 기초자료로 활용할 수 있을 것이다.
- 이상의 결과에서와 같이 도시지역의 공간특성은 도시의 열환경에 많은 영향을 미치는 것으로 판단할 수 있다. 또한, 도시지역 유형별로 지표온도의 차이가 발생하기 때문에 각 유형에 적합한 관리계획이 제시되어야 할 것이다.
- Landsat 5 TM의 우리나라 촬영시기는 오전 10시 30분경이므로 2007년 5월 13일 10시와 11시의 지점별 AWS 관측온도를 수집하여 이를 평균하였다(Sabins, 1997). 최종적으로 영상의 지표온도와 AWS 관측온도를 SPSS Statistics 17.0에서 상관분석한 결과, 상관계수는 0.716로 높게 나타났으며, 회귀분석 결과, 식 4와 같은 회귀식이 도출되었다. 회귀식의 설명력은 0.
후속연구
- 본 연구는 도시지역의 공간적 특성이 열환경에 미치는 영향을 규명하고자 위성영상, 토 지피복 및 토지이용 지도 등을 활용하여 지표 온도 및 공간특성을 추출하고, 이를 토대로 상호 관계성을 분석하였다. 또한, 도시지역의 유형에 따른 지표온도의 차이를 규명하고, 유형별 관리방안을 제언하였다.
- 예를 들어, 주거중심지역에는 일정면적 이상의 녹지를 조성함으로 인해 온도를 조절할 수 있을 것이며, 공업중심지역의 경우 대규모 공장 인근지역에 완충녹지를 조성하거나 공장의 지붕면을 녹화함으로써 지표온도의 상승을 저감할 수 있을 것으로 판단된다. 또한, 이러한 분석결과는 향후 신도시를 개발하거나, 구도시를 재계획하고자 할 경우 도시공간에 집중되는 열환경을 완화할 수 있는 환경 및 녹지계획의 기초자료가 될 것으로 사료된다.
- 이상의 결과로 볼 때, 도시공간에서 콘크리트, 아스팔트 등의 인공포장면 및 구조물로 덮여져 있는 공간은 도시의 기온상승에 큰 영향을 미치고 있는 것으로 판단되며, 구조물이 아닌 자연상태의 식생 및 녹지지역은 상대적으로 기온의 저감효과를 가지는 것으로 판단할 수 있다(박경훈과 정성관, 1999; 도후조 등, 2007). 또한, 이렇게 구축된 회귀식은 향후 도시계획에 의해 조성되어질 신도시 및 혁신도시 등의 지표온도를 예측하기 위한 기초자료로 활용할 수 있을 것이다.
- 우선 토지이용 형태에 따른 도시지역의 유형을 분류하기 위해 주거, 상업, 공업, 농업, 녹지 지역 등 5개의 토지이용 항목을 이용하여 K-평균 군집 분석법을 실시하였다. 최종적으로 군집분석에 의해 분류된 4개의 도시지역 유형에 따른 지표온도 차이를 일원배치 분산분석으로 검정하였으며, 이를 토대로 창원시의 지속가능한 토지이용 방향을 제언하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.