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
- 따라서 본 연구에서는 도시열섬현황을 파악하기 위한 도시온도지도 제작의 사전단계로 측정 장비의 적정설치 범위를 분석하고자 하였다. 분석방법으로는 선행연구에서 적용된 공간적 자기상관분석을 적용하였다.
가설 설정
- 기온관측소의 영향범위는 원형으로 가정하였다. 이 경우 공간적으로 등방향성이라는 가정을 포함한다.
- 분석은 임의의 지점 기온 관측 신뢰도가 인근지점 기온 관측소에 대한 공간상관함수로 설명될 수 있다는 가정 하에 정량화하였다. 공간상관거리는 기온자료의 공간적인 변동 특성에 따라 달라진다.
제안 방법
- 4개의 시간대(05시, 16시, 20시, 23시)의 포인트별 기온자료를 활용하여 해당지점과 인접거리(0.1km ~ 40km까지 100m 단위) 자료의 평균 자료를 바탕으로 피어슨 상관계수를 도출하였고, 공간적 자기상관지수로 활용하였다.
- 우선 산, 하천, 강의 경우 AWS 설치에 어려움이 있고, 그늘과 바람의 영향으로 이상치가 발생되기 쉬워 이 지역은 점수를 0으로 부여하고 분석을 실시했다. 각 변수는 natural breaks 방법을 이용하여 10개 구간으로 점수화하였으며, 점수화 된 변수는 AWS 영향범위 변수를 기준으로 단계적으로 중첩하였다.
- 결측치 분석은 2015년 7월1일부터 31일까지의 1분 간격으로 관측된 정보를 수집하여 분석을 실시하였고, 기온 관측 망 영향범위는 7월 중 강우량이 없고, 운량이 맑음 또는 구름조금을 충족하는 날의 시간대별 평균을 이용하여 분석을 실시하였다. 기온은 하루 중 시간대에 따라 변동이 심하다.
- 특히 7월의 경우 어떤 지역은 아침 최저기온과 낮 최고기온은 약 13도 가량 차이가 나기도 한다. 그러므로 7월의 기온관측 망 영향범위 도출을 위해 주요시간대를 4개로 설정하고 각 데이터를 분석하였다.
- 대상 자료를 주요시간대별로 공간 자기상관관계를 분석하였다. 온도가 가장 높은 시간대인 오후 4시의 경우 다른 시간대에비해 거리가 먼 지점까지 상관성이 높게 나타났으며, 상관거리가 가장 길게 나타났다.
- 본 연구에서는 4가지 시간대를 설정하여 시간대별 공간상관관계를 분석하였다. 오전 5시는 일출 전으로 약 19℃의 하루 중 최저기온이 측정되는 시간이다.
- 공간적 자기상관성 값이 0에 가까울수록 공간적 자기상관성이 거의 나타나지 않음을 말해준다(이희연 등, 2013). 본 연구에서는 공간적 자기상관계수가 0.4이상일 경우 서로 공간적상관성이 있다고 판단(박창열 등, 2015; 김재복 등, 2007; 유철상 등, 2008)하여 이에 해당되는 상관거리를 도출하여 제시하였다.
- 본 연구에서는 서울시 기온관측 망 영향범위를 도출하여 현재 분포하는 기상청 AWS 분포의 적정성을 평가한 후, 추가적인 장비 설치 적지를 분석하였다. 공간 상관관계 분석을 통한 서울지역 기온관측 망 영향범위는 2.
- 분석방법으로는 선행연구에서 적용된 공간적 자기상관분석을 적용하였다. 본 연구에서는 온도측정을 위한 측정지점의 최적 간격을 1차적으로 도출하고, 이를 이용한 최적 설치지점을 선정하였다.
- 세 번째로 기상관측 망 영향범위, 인구밀도, 온도 변수를 모두 중첩하여 결과를 도출하였다. 세 도면이 중첩된 결과만을 토대로 설치지역을 선정할 경우 AWS 와의 거리 변수가 저평가되어 결과가 왜곡될 수 있으므로, 최종적으로 각 세 개의 도면에서 점수가 높은 지역을 추출하여 2번 이상 중복해서 선택된 지역을 최종적으로 선정하였다.
- 시간대별 관측망의 영향범위를 정량적으로 살펴보기 위해 공간상관분석을 통해 유도된 상관거리를 영향범위로 환산하였다. 앞서 도출된 상관거리의 경향과 같이 일출 전 오전 5시의 영향범위가 2.
- 앞서 도출한 기온관측 망 영향범위와 추가적으로 인구밀도, 온도를 고려하여 AWS 우선 설치지역을 선정하였다. 표 4는 단계적으로 중첩한 3개의 결과(그림 5, 6, 7)에서 상위 10번째에 속하는 지역을 선정한 것으로, 설치 우선순위에 따라 나열하였다.
- 앞서 설정한 5가지 기준을 바탕으로 평가변수들을 ArcGIS를 이용하여 지도 화 하였다. 우선 산, 하천, 강의 경우 AWS 설치에 어려움이 있고, 그늘과 바람의 영향으로 이상치가 발생되기 쉬워 이 지역은 점수를 0으로 부여하고 분석을 실시했다. 각 변수는 natural breaks 방법을 이용하여 10개 구간으로 점수화하였으며, 점수화 된 변수는 AWS 영향범위 변수를 기준으로 단계적으로 중첩하였다.
- 민간통신업체의 기상관측장비는 여러 장애로 인해 관측 자료가 수집되지 않은 경우 관측 값이 결 측 코드인 –999, -995로 저장된다. 이 같은 결측 코드를 결 측 기준으로 설정하고 전체 자료 중 누적 결 측 자료수를 결 측률로 제시하였다. 기온 관측 망 영향범위 분석을 위한 최종 분석 자료는 결측률이 20% 미만에 해당되는 개소만을 활용하였다.
- 전체 결측률은 낮았지만 몇 개 지점에서 지속적으로 결측이 발생하는 것을 알 수 있었으며, 특히 지점번호 352, 10202, 11278, 11288, 11289, 11291 등의 지점 AWS 장비가 20% 이상의 결측률로 나타났다. 주로 관측 망이 신설된 경우 전송방식 및 관측 장비 불량 등의 문제로 결측이 발생했던 것으로 나타났으며, 자료의 안정성 확보를 위해 본 연구에서는 전체 287개 지점중 결측률이 20% 미만에 해당되는 281개소만을 활용하여 기온관측 망 영향범위 분석에 활용하였다.
- 첫 번째로 우선설치지역 선정에서 가장 중요한 기상관측 망 영향범위에서 벗어난 지역을 거리별로 점수화하였으며, 두 번째는 기상관측 망 영향범위와 인구밀도 변수를 중첩하여 결과를 도출하였다. 세 번째로 기상관측 망 영향범위, 인구밀도, 온도 변수를 모두 중첩하여 결과를 도출하였다.
- 첫째, 도시환경 측정 인프라의 활용방안을 제시하였다. 최근기상, 대기오염, 수질 등 도시환경의 질적 수준을 측정할 수 있는 인프라가 확대되고 있다.
대상 데이터
- 이 같은 결측 코드를 결 측 기준으로 설정하고 전체 자료 중 누적 결 측 자료수를 결 측률로 제시하였다. 기온 관측 망 영향범위 분석을 위한 최종 분석 자료는 결측률이 20% 미만에 해당되는 개소만을 활용하였다.
- 본 연구는 서울시 전체를 대상으로 하였다. 서울은 우리나라 국토면적의 약 0.
- 앞서 도출된 기상관측망의 영향범위를 반영하여 AWS의 우선설치지역을 선정하였다. AWS 장비 우선 설치 기준은 5가지로 설정하였다.
- 6%에 불과하지만 전체인구의 약 21%가 집중되어 있는 거대도시로 도시 열섬으로 인한 다양한 도시문제가 발생하고 있다(김유진 등, 2012). 연구 분석은 2015년 7월 기온자료를 활용하였다.
- 연구에서 사용한 데이터는 서울시에 설치된 기상청에서 관리하고 있는 자동기상관측장비 30대와 민간통신업체1)에서 관리하는 장비257대에서 측정된 데이터를 기반으로 분석을 실시하였다. 이 민간통신업체에서는 기상청 인증을 통과한 복합기상 센서를 활용한 장비를 활용하고 있으며, 기상관측 표준화법의 설치기준을 최대한 반영하여 기상청 자동기상관측장비에서 측정하는 기상현황과 유사한 항목을 1분 간격으로 관측하여 실시간수집하고 있다.
데이터처리
- 기온관측망의 영향범위 파악을 위해 공간 자기상관분석을 실시하였다. 기온분포에 대한 공간상관구조는 기온관측소간 거리에 대한 상관계수로 정량화하게 되며 이것을 공간 상관함수 또는 공간상관도라고 한다.
이론/모형
- 따라서 본 연구에서는 도시열섬현황을 파악하기 위한 도시온도지도 제작의 사전단계로 측정 장비의 적정설치 범위를 분석하고자 하였다. 분석방법으로는 선행연구에서 적용된 공간적 자기상관분석을 적용하였다. 본 연구에서는 온도측정을 위한 측정지점의 최적 간격을 1차적으로 도출하고, 이를 이용한 최적 설치지점을 선정하였다.
- 공간적 자기상관을 적용한 최근의 연구로 박창열 등(2015)은 서울시의 30개 자동기상관측망의 강우자료를 수집하여 월별 호우발생특성을 분석하였다. 분석에는 공간적 자기상관모형을 사용하여, 공간상관함수를 유도하였으며, 강우관측망의 영향범위산정을 통해 반경 약 7km의 적정 설치간격을 제시한 바 있다.
- 앞서 설정한 5가지 기준을 바탕으로 평가변수들을 ArcGIS를 이용하여 지도 화 하였다. 우선 산, 하천, 강의 경우 AWS 설치에 어려움이 있고, 그늘과 바람의 영향으로 이상치가 발생되기 쉬워 이 지역은 점수를 0으로 부여하고 분석을 실시했다.
성능/효과
- 표 4는 단계적으로 중첩한 3개의 결과(그림 5, 6, 7)에서 상위 10번째에 속하는 지역을 선정한 것으로, 설치 우선순위에 따라 나열하였다. 3개의 결과 중 2회 높은 점수를 얻은 지역은 목4동, 방화1동, 신림8동, 천호1동 이었으며 3회 모두에서 높은 점수를 얻은 지역은신정1,7동, 중계1동, 행당1동과 도선동, 장위1,2동이었다.
- 본 연구에서는 서울시 기온관측 망 영향범위를 도출하여 현재 분포하는 기상청 AWS 분포의 적정성을 평가한 후, 추가적인 장비 설치 적지를 분석하였다. 공간 상관관계 분석을 통한 서울지역 기온관측 망 영향범위는 2.8km로 나타났으며, 기상청 AWS기준으로 영향반경을 도식화한 결과 서울시 외곽지역과 일부 도시지역에 영향범위에서 벗어난 지역이 있음을 확인하였다. 그 결과, 기존의 기상청 기상관측망보다 조밀한 기상관측 망이 필요함을 알 수 있다.
- 선정된 동별 설치 지점은 지역 내의 주민 센터, 파출소 등의 공공시설과 오픈스페이스가 상대적으로 넓은 초 ·중 ·고등학교 교육시설 등의 옥상이 민간 건물에 비해 설치 협의가 용이하다고 판단되어 우선적으로 고려될 수 있다.
- 첫 번째로 우선설치지역 선정에서 가장 중요한 기상관측 망 영향범위에서 벗어난 지역을 거리별로 점수화하였으며, 두 번째는 기상관측 망 영향범위와 인구밀도 변수를 중첩하여 결과를 도출하였다. 세 번째로 기상관측 망 영향범위, 인구밀도, 온도 변수를 모두 중첩하여 결과를 도출하였다. 세 도면이 중첩된 결과만을 토대로 설치지역을 선정할 경우 AWS 와의 거리 변수가 저평가되어 결과가 왜곡될 수 있으므로, 최종적으로 각 세 개의 도면에서 점수가 높은 지역을 추출하여 2번 이상 중복해서 선택된 지역을 최종적으로 선정하였다.
- 셋째, 열 발생과 저감 기여도 파악을 통한 근거에 기반 한 계획과 설계를 가능하게 한다. 궁극적으로 도시열섬지도의 제작을 통해 도시기후지역(Local Climate Zone)의 설정, 바람통로(wind corridor)의 보전, 열 발생 건축물, 도로망, 녹지의 배치와 설계에 있어서 열섬지도는 구체적인 위치정보를 제공할 수 있기 때문에 활용도가 매우 높다.
- 오전 5시는 일출 전으로 약 19℃의 하루 중 최저기온이 측정되는 시간이다. 오후 4시는 하루 중 최고 기온인 35.8℃를 기록하며 폭염에 가장 취약한 시간이며, 서울 전 지역의 온도 편차가 가장 크게 나타났다. 오후 8시는 일몰직후로 지점별 온도 편차가 가장 작게 나타나며, 오후 11시는 일몰 3시간 후로 열섬현상이 가장 크게 나타나는 시간대이다.
- 대상 자료를 주요시간대별로 공간 자기상관관계를 분석하였다. 온도가 가장 높은 시간대인 오후 4시의 경우 다른 시간대에비해 거리가 먼 지점까지 상관성이 높게 나타났으며, 상관거리가 가장 길게 나타났다. 반대로 온도가 가장 낮은 오전 5시는 상관거리가 가장 짧게 나타났다.
- 36%로 나타났다. 전체 결측률은 낮았지만 몇 개 지점에서 지속적으로 결측이 발생하는 것을 알 수 있었으며, 특히 지점번호 352, 10202, 11278, 11288, 11289, 11291 등의 지점 AWS 장비가 20% 이상의 결측률로 나타났다. 주로 관측 망이 신설된 경우 전송방식 및 관측 장비 불량 등의 문제로 결측이 발생했던 것으로 나타났으며, 자료의 안정성 확보를 위해 본 연구에서는 전체 287개 지점중 결측률이 20% 미만에 해당되는 281개소만을 활용하여 기온관측 망 영향범위 분석에 활용하였다.
후속연구
- 최근기상, 대기오염, 수질 등 도시환경의 질적 수준을 측정할 수 있는 인프라가 확대되고 있다. 그러나 이러한 인프라를 도시계획차원에서 이용하기 위한 노력은 많지 않은 상황으로 본 연구의 방법론은 적정 온도분포도 작성을 위한 측정지점의 선정과 활용방안을 제시할 수 있다.
- 둘째, 도시열섬문제의 근원 파악을 위한 지도제작에 활용가능하다. 국외에서 도시기후지도나 열섬지도를 이용한 도시계획 사례가 다수 있으나(Ren et al.
- 기후변화의 주요인으로 알려진 온실가스는 대부분 인간활동에 의해서 배출되며, 지구상의 인간활동 대부분은 도시공간에서 발생되고 있기 때문이다. 따라서 도시공간을 대상으로 기후변화에 의한 재해대응책을 마련할 수 있다면 이는 궁극적으로 기후변화의 완화 내지는 급격한 변화 속도를 지연시킬 수 있을 것이다.
- , 2011), 국내 도시계획제도상에서 도시열섬지도가 포함되지 않고 있다. 따라서 본 연구의 결과는 점단위에서 측정된 정보가 면단위로 변환될 때 구체적인 공간범위를 제시할 수 있어 도시온도지도제작에 적극 활용될 수 있다.
- 하지만 본 연구의 분석범위는 서울지역 7월에 국한하고 있으므로 결과로 도출된 기온관측망의 영향범위는 제한적 해석이 필요하다. 단, 연구결과에서도 알 수 있듯이 가장 더운 시간대의 영향범위가 가장 크고 온도가 내려갈수록 그 영향범위는 작게 나타난다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.