[논문]위성영상과 민간자동관측시스템 자료를 활용한 도시열섬과 도시오염섬의 공간 분포 특성 - 부산광역시를 대상으로 -

황희수; 강정은

doi:10.11108/kagis.2020.23.3.100

위성영상과 민간자동관측시스템 자료를 활용한 도시열섬과 도시오염섬의 공간 분포 특성 - 부산광역시를 대상으로 -
Spatial Distribution of Urban Heat and Pollution Islands using Remote Sensing and Private Automated Meteorological Observation System Data -Focused on Busan Metropolitan City, Korea- 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.23 no.3, 2020년, pp.100 - 119

황희수 (부산대학교 도시공학과) , 강정은 (부산대학교 도시공학과)

초록
AI-Helper

최근 온도상승으로 인한 폭염 증가와 대기 풍속의 약화가 상호작용하면서 열환경과 미세먼지(PM₁₀)가 문제가 되고 있다. 도시지역 내에서 다른 지역들보다 온도와 대기오염 농도가 높은 도시열섬과 도시오염섬 현상이 나타나고 있음이 알려져 있으나, 공간데이터로 구축 가능한 미세 자료의 부족 등으로 이를 함께 살펴본 연구는 많지 않았다. 최근 위성영상과 민간통신업체의 인프라에서 측정한 빅데이터들이 생산되면서 온도와 대기오염에 대한 세밀한 공간분포 분석이 가능하게 되었다. 이에 본 연구는 부산광역시를 대상으로 도시열섬과 도시오염섬의 공간적 분포패턴을 살펴보고 두 현상의 분포 특성을 비교 분석하고자 하였다. 연구에는 Landsat 8 위성영상의 지표면온도와 민간자동관측시스템에서 도출된 대기온도, 미세먼지농도 데이터를 30m*30m 단위로 격자화하여 공간분석을 수행하였다. 분석 결과, 도시열섬과 도시오염섬이 동시에 발생하는 대표적인 지역들로 취약 주거지역과 공업지역들이 다수 포함되어 있었다. 부산시의 대표적 주거 취약지역으로 알려진 서동, 반송동 등의 주요 정책이주지가 포함되었는데 해당 지역은 소규모 필지에 건축물의 밀도가 상당히 높은 지역으로 통풍, 환기 등에 문제가 많은 주거지역이다. 이러한 지역의 주민 중 상당수는 폭염과 대기오염에 대한 대응 능력이 낮아 관련 정책 수립 시 우선적으로 이 지역들이 고려될 필요가 있다. 도시열섬과 도시오염섬의 동시발생지역에 포함된 공업지역들은 콘크리트나아스콘 기반의 불투수면의 비중이 높고, 식생이 부족할 뿐 아니라 교통량도 많은 것으로 나타났다. 도시열섬과 도시오염섬 분석에 대한 신뢰성을 살펴보기 위해 핫스팟분석을 진행한 결과, 99.96% 이상의 지역이 99% 신뢰수준의 핫스팟지역에 해당함을 확인할 수 있었다.

Abstract ▼ AI-Helper

During recent years, the heat environment and particulate matter (PM10) have become serious environmental problems, as increases in heat waves due to rising global temperature interact with weakening atmospheric wind speeds. There exist urban heat islands and urban pollution islands with higher temperatures and air pollution concentrations than other areas. However, few studies have examined these issues together because of a lack of micro-scale data, which can be constructed from spatial data. Today, with the help of satellite images and big data collected by private telecommunication companies, detailed spatial distribution analyses are possible. Therefore, this study aimed to examine the spatial distribution patterns of urban heat islands and urban pollution islands within Busan Metropolitan City and to compare the distributions of the two phenomena. In this study, the land surface temperature of Landsat 8 satellite images, air temperature and particulate matter concentration data derived from a private automated meteorological observation system were gridded in 30m × 30m units, and spatial analysis was performed. Analysis showed that simultaneous zones of urban heat islands and urban pollution islands included some vulnerable residential areas and industrial areas. The political migration areas such as Seo-dong and Bansong-dong, representative vulnerable residential areas in Busan, were included in the co-occurring areas. The areas have a high density of buildings and poor ventilation, most of whose residents are vulnerable to heat waves and air pollution; thus, these areas must be considered first when establishing related policies. In the industrial areas included in the co-occurring areas, concrete or asphalt concrete-based impervious surfaces accounted for an absolute majority, and not only was the proportion of vegetation insufficient, there was also considerable vehicular traffic. A hot-spot analysis examining the reliability of the analysis confirmed that more than 99.96% of the regions corresponded to hot-spot areas at a 99% confidence level.

주제어

표/그림 (9)

그림 FIGURE 1. Grade criteria table by score
그림 FIGURE 2. Score and grade criteria table for cross comparison
그림 FIGURE 3. Land surface temperature and air temperature map
$FIGURE 4. <TEX>$PM_{10}$</TEX> map$ 그림 FIGURE 4. $PM_{10}$ map
그림 FIGURE 5. Concurrent area of urban heat island and urban pollution island
그림 FIGURE 6. Hot spot analysis maps by data
그림 FIGURE 6. Continued
$TABLE 1. Comparison of hot spot overlapping areas by Gu<TEX>${\cdot}$</TEX>Gun$ 표 TABLE 1. Comparison of hot spot overlapping areas by Gu${\cdot}$Gun
표 TABLE 2. Characteristics of urban heat island and urban pollution island in hot spot areas

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 연구는 부산광역시를 대상으로 기후변화와 함께 이슈가 되고 있는 도시열섬과 도시오염섬의 공간적 분포패턴을 위성영상, 민간자동기상관측시스템 자료를 사용하여 검토하고, 두 현상의 공간적 특성을 비교하고자 한다. 도시열섬을 측정하기 위한 자료로 대기온도와 지표면 온도를 모두 사용하여 이들의 공간적 분포도 함께 비교하고자 하며, 도시오염섬은 앞서 언급했듯이 최근 대기오염물질 가운데 가장 크게 주목받고 있는 미세먼지(PM₁₀)에 초점을 맞추어 분석하고자 한다.
본 연구는 도시열섬과 도시오염섬이 함께 나타나는 지역들을 살펴보기 위해 세 변수에 대한 핫스팟분석을 진행하고 99% 신뢰수준의 핫스팟 지역을 중첩하여 살펴보았다. 세 변수 모두 핫스팟에 해당하는 지역은 북구와 영도구를 제외하고 14개 구·군에서 나타났으며, 해당 지역의 면적은 금정구(10.
본 연구는 도시열섬과 함께 새롭게 떠오르는 연구주제인 도시오염섬의 유무와 공간적 분포 특성에 대하여 살펴보았다. 그러나 연구의 내용중 한계점도 존재한다.
본 연구는 이러한 한계를 극복하기 위해 민간 통신업체(KT)의 인프라에서 측정한 대기온도와 미세먼지(PM₁₀) 자료를 활용하여 분석을 진행하였다. 민간통신업체가 부산시에 설치·운영하는 자동기상관측지점 234곳에서 한 시간 단위로 수집하는 대기온도와 미세먼지(PM₁₀) 데이터 중 관측기기의 오류, 데이터 송수신 오류, 점검 등의 이유로 연속적인 결측치가 존재하여 대치되지 않는 지점을 제외하고 총 216개소의 기상관측지점의 데이터를 활용하였다.
(2019) 등도 지표면온도를 분석에 사용하였다. 이에 본 연구는 도시열섬을 측정하기 위한 데이터로 대기온도와 지표면온도를 모두 사용하여 이들의 공간적 분포도 함께 비교하고자 한다.
이에 본 연구는 부산광역시를 대상으로 기후변화와 함께 이슈가 되고 있는 도시열섬과 도시오염섬의 공간적 분포패턴을 위성영상, 민간자동기상관측시스템 자료를 사용하여 검토하고, 두 현상의 공간적 특성을 비교하고자 한다. 도시열섬을 측정하기 위한 자료로 대기온도와 지표면 온도를 모두 사용하여 이들의 공간적 분포도 함께 비교하고자 하며, 도시오염섬은 앞서 언급했듯이 최근 대기오염물질 가운데 가장 크게 주목받고 있는 미세먼지(PM₁₀)에 초점을 맞추어 분석하고자 한다.
, 2019). 이에 본 연구는 부산시를 대상으로 열환경과 대기환경이 열악한 지역인 도시열섬과 도시오염섬의 공간적 분포 특성에 대해서 살펴보았다.

제안 방법

본 연구에서는 도시열섬과 도시오염섬이라는 공간적 현상이 상대적인 환경악화 현상임을 고려하여 Shirani-bidabadi et al.(2019)이 활용했던 방법을 기반으로 지역의 온도와 미세먼지(PM₁₀) 농도를 등급화하였다. 이후에 최상위 등급의 지역들이 다른 지역들과 구별되는 도시열섬 또는 도시오염섬이라고 정의하고 이를 지도화하여 공간적 특성을 살펴보았다.
따라서 도시열섬과도시오염섬의 동시발생지역을 분석하기에 적합하다고 판단하였다. 교차비교는 앞서 언급한 11단계의 구분을 점수화한 데이터를 미세먼지-지표면온도, 미세먼지-대기온도의 두 개의 Matrix로 구축하였다. 앞서 점수화한 각각의 데이터는 0~50점의 범위로 구성되기 때문에 교차비교 Matrix는 0~100의 범위를 가지게 된다.
데이터 구축에 앞서 선행연구 검토를 통해 도시열섬 분석에 사용된 변수와 데이터를 살펴보았다. 도시열섬을 측정하는 변수로는 대기온도와 지표면온도가 비슷하게 활용되어왔다.
마지막으로, 도시열섬과 도시오염섬에 대한 정의이다. 도시열섬과 도시오염섬에 대한 정의가 학문적으로 확립되지 않아 불가피하게 주관적인 정의를 통해 연구를 진행하였다. 특히 도시오염섬의 경우 해당 주제에 대한 선행연구가 소수에 불과하여 통상적인 정의조차 정립하기 어려운 실정이다.
도시열섬은 지표면온도와 대기온도를 활용하여 살펴보았다. 지표면온도를 기준으로 도시열섬지역을 살펴본 결과, 불투수면적이 많은 공업지역과 항만지역에서 주로 나타났으며 좁은 필지에 건축물의 배치밀도가 높고, 통풍 및 환기 등이 고려되지 않은 취약한 주거지역에서도 함께 나타났다.
도시열섬현상은 지표면온도와 대기온도를 모두 지도화하고 비교·분석하였다.
따라서 이러한 기준들을 모두 충족시키는 2018년 4월 25일을 대상으로 자료를 확보하여 분석하였다. 또한 Landsat 8 위성영상은 부산의 낮시간의 촬영시간이 11시로 정해져 있으므로 위성영상의 지표면온도 촬영시간에 맞추어 대기온도, 미세먼지(PM₁₀)농도 모두 11시에 맞춰 분석하고 지도를 작성하였다. Landsat 8 위성영상은 미국지질조사국에서 운영하는 EarthExplorer(https://earthexplorer.
본 연구에서 살펴보고자 하는 주요 분석 내용인 도시열섬, 도시오염섬의 공간분포 특성은 두 가지 접근법을 통해 살펴보았다. 첫째는 열섬 및 오염섬 동시 발생지역을 살펴보기 위해 교차비교를 활용하였다.
도시열섬과 오염섬의 개별 공간분포 특성과 함께 두 가지 현상이 함께 나타나는 지역을 살펴보는 것이 정책수립을 위한 기초자료로 더욱 활용가치가 높다. 앞서 방법론에서 설명했듯이 본 연구는 교차분석 기법을 활용하여 85~100점에 해당하는 지표면온도기반 도시열섬과 도시오염섬 동시발생지역과 대기온도기반 도시열섬과 도시오염섬 동시발생지역을 그림 5와 같이 도출하였다.
이러한 등급화 방법을 통해 위성영상자료로부터 도출된 지표면온도, 민간자동관측시스템으로 부터 측정한 대기온도, 미세먼지(PM₁₀)농도를 각 11단계로 구분하여 0에서 50까지 5단위로 점수를 부여했다. 최종적으로 10단계와 11단계에 해당하는 45점과 50점의 지역을 도시열섬과도시오염섬 발생지역으로 조작적으로 정의하고 분석을 진행하였다(그림 1).
(2019)이 활용했던 방법을 기반으로 지역의 온도와 미세먼지(PM₁₀) 농도를 등급화하였다. 이후에 최상위 등급의 지역들이 다른 지역들과 구별되는 도시열섬 또는 도시오염섬이라고 정의하고 이를 지도화하여 공간적 특성을 살펴보았다.
본 연구에서 살펴보고자 하는 주요 분석 내용인 도시열섬, 도시오염섬의 공간분포 특성은 두 가지 접근법을 통해 살펴보았다. 첫째는 열섬 및 오염섬 동시 발생지역을 살펴보기 위해 교차비교를 활용하였다. 교차비교는 Steeneveld et al.
)농도를 각 11단계로 구분하여 0에서 50까지 5단위로 점수를 부여했다. 최종적으로 10단계와 11단계에 해당하는 45점과 50점의 지역을 도시열섬과도시오염섬 발생지역으로 조작적으로 정의하고 분석을 진행하였다(그림 1).
도시열섬, 도시오염섬의 공통지역에 관한 교차분석 결과는 핫스팟분석을 활용하여 재검토하였다. 핫스팟분석으로 도시열섬과 오염섬에 해당하는 5등급 지역이 핫스팟에 포함되는지 여부를 함께 검토하였다. 핫스팟분석 결과를 나타낸 그림 6이 보여주듯 대부분의 5등급 지역들이 99%의 신뢰수준을 만족하는 핫스팟으로 나타났다.

대상 데이터

(2018)은 대기온도를 사용하여 도시지역의 평균기온과 농촌 지역의 평균기온의 차를 도시열섬의 지표로 활용하였고 Plocoste et al.(2014), Taha(2017), Honjo(2019) 등도 대기온도를 분석에 사용하였다. Lee et al.
Landsat 8 위성영상 데이터는 30m×30m 셀별로 부산 전역의 지표면에서 방출되는 에너지를 측정한다.
대기온도 기준의 열섬과 도시오염섬의 동시발생지역은 5개 구에서 나타났다. 구체적으로는 금정구와 동래구 인접지역인 온천장역 인근의 차량 통행량이 많은 지점과 금정구 서동 금사중학교와 금정전자공업고등학교 인근, 부산의 대표적인 정책이주지인 해운대구 반송1동의 반송골목시장 인근도 포함되었다. 반송동 지역은 1960년대 후반 고지대 판자촌 주민과 공공사업대상지구 주민들을 이주하기 위해 부산시에서 계획적으로 개발하였으나 세대별 전용면적이 10여 평 미만으로 좁게 형성되어 있을 뿐 아니라 환경, 채광, 통풍, 환기 등 환경 영향이 거의 고려되지 않은 채 조성되었고 현재까지도 당시의 공간구조가 유지되고 있는 부산의 대표적인 취약주거지역이며 금정구 서동 일대 또한 반송동 지역과 유사한 형태로 조성되어 있다(Jo and Park, 2013).
두 번째 기준은 지표면의 온도에 크게 영향을 미치는 요소인 강수량이 0인 날이다. 기상청에서 제공하는 운량은 강수와는 관계가 없기 때문에 강수량을 고려해서 선정했다. 세 번째는 Landsat 8에서 위성영상데이터를 제공하는 날이다.
봄철은 대표적으로 미세먼지(PM₁₀)가 많이 발생하는 계절이며, 일교차가 클수록 비정상적 고온 현상인 도시열섬을 더욱 뚜렷하게 관찰하고 도시오염섬을 동시에 고려할 수 있을 것으로 판단하였다. 따라서 이러한 기준들을 모두 충족시키는 2018년 4월 25일을 대상으로 자료를 확보하여 분석하였다. 또한 Landsat 8 위성영상은 부산의 낮시간의 촬영시간이 11시로 정해져 있으므로 위성영상의 지표면온도 촬영시간에 맞추어 대기온도, 미세먼지(PM₁₀)농도 모두 11시에 맞춰 분석하고 지도를 작성하였다.
또한 본 연구에서 도시오염섬을 살펴보기 위해 미세먼지를 대상으로 분석을 수행하였다. 미세먼지는 입경이 10㎛ 이하인 미세먼지(PM₁₀)와 입자의 지름이 2.
민간통신업체가 부산시에 설치·운영하는 자동기상관측지점 234곳에서 한 시간 단위로 수집하는 대기온도와 미세먼지(PM10) 데이터 중 관측기기의 오류, 데이터 송수신 오류, 점검 등의 이유로 연속적인 결측치가 존재하여 대치되지 않는 지점을 제외하고 총 216개소의 기상관측지점의 데이터를 활용하였다.
본 연구는 부산광역시 전체를 대상으로 분석을 진행하였다. 2018년을 기준으로, 부산의 인구는 약 340만 명으로 서울시 다음으로 인구가 많으며, 도시지역의 비율이 약 94.
현재 지표에서 물체가 에너지를 방출 또는 방사하는 현상을 위성에서 관측하고 데이터로 제공하므로 이를 이용하여 지표면온도를 산출할 수 있다. 본 연구에서는 극궤도 위성인 Landsat 8 위성의 데이터를 이용하였다. Landsat 8 위성은 파장별 11개 밴드의 데이터를 수집하며 지표면온도가 아닌 파장별로 측정한 Digital Number 데이터를 제공하고 있다.
부산시 전 지역을 30m×30m로 격자화하여 868,559개의 셀로 구축하였다.
연구의 시간적 범위는 사용될 자료의 획득 가능성과 연구 적합성을 위해 2018년을 기준으로 미세먼지(PM10)농도가 최근 3년 중 가장 높았으며 월별 평균 일교차가 가장 큰 4월을 대상으로 다음의 기준을 기반으로 선정되었다(Suh et al., 2009; Hwang et al., 2015). 첫 번째, 미국 지질조사국과 미 항공우주국이 공동으로 운영하는 위성인 Landsat 8(OLI/TIRS) 위성영상자료를 활용하여 지표면온도를 산출하기 위해, 기상청에서 제공하는 종관기상관측(ASOS)자료를 바탕으로 운량이 2 이하인 날을 선정하였다.
5)로 나뉜다. 입자의 크기가 작은 미세먼지가 건강에 더 부정적 영향을 미칠 수 있어(Bae, 2014) 최근에 이에 대한 관심들이 고조되고 있으나 본 연구에서는 데이터 획득 상의 한계로 PM₁₀만을 대상으로 살펴보았다. 추후 PM_2.
지역별 미세먼지의 심각도를 확인할 수 있는 시민들의 미세먼지(PM10) 예·경보 노출빈도((예·경보 횟수×인구밀도, 2015~2018 자료) 순위에서도 17개 광역지자체 중 세 번째로 높아 그 심각도가 확인되었으나, 관련 연구는 부족하여 본 연구를 위한 대상지로 선정하였다.
, 2015). 첫 번째, 미국 지질조사국과 미 항공우주국이 공동으로 운영하는 위성인 Landsat 8(OLI/TIRS) 위성영상자료를 활용하여 지표면온도를 산출하기 위해, 기상청에서 제공하는 종관기상관측(ASOS)자료를 바탕으로 운량이 2 이하인 날을 선정하였다. 기상청은 운량을 0~2(맑음), 3~5(구름 조금), 6~8(구름 많음), 9~10 이상(흐림)으로 구분하고 있는데, 맑음에 해당하는 0~2는 전체 하늘 중 구름의 양이 5% 미만인 상태이다(Kim et al.

데이터처리

도시열섬, 도시오염섬의 공통지역에 관한 교차분석 결과는 핫스팟분석을 활용하여 재검토하였다. 핫스팟분석으로 도시열섬과 오염섬에 해당하는 5등급 지역이 핫스팟에 포함되는지 여부를 함께 검토하였다.
두 번째는 지표면온도와 대기온도, 미세먼지의 농도가 높은 지역의 공간분포와 군집 정도를 살펴봄과 동시에 교차분석 결과의 신뢰성을 함께 살펴보기 위해 핫스팟분석(Getis-Ord Gi*)을 활용하였다. 핫스팟분석은 특정한 범위의 공간에서 국지적으로 높은 값이나 낮은 값의 군집 경향을 검정하는 방법으로 각 변수들이 높은 값을 나타내는 지역을 찾고 통계적 유의성을 알아볼 수 있다(Lee et al.

이론/모형

따라서 Kim et al.(2011)의 연구에서 사용한 방법을 참고하여 지표면온도를 산출했다. Landsat 8 위성영상 데이터는 30m×30m 셀별로 부산 전역의 지표면에서 방출되는 에너지를 측정한다.
대기온도와 미세먼지(PM₁₀)의 측정지점별 점 데이터는 역거리가중법(IDW, Inverse Distance Weighted)을 이용하여 표면데이터로 구축하였다. 역거리가중법은 관측지점으로부터의 거리에 반비례하게 가중치를 부여하는 방법으로 관측지점에서 멀어질수록 가중치(영향력)가 작아져 수치가 낮게 나타난다(Nam Goung et al.
변수의 등급화는 George Frederick Jenks 박사가 제안한 자연분류법(Natural Breaks)을 활용하였다. 자연분류법은 각 등급 내의 편차를 최소화하고 등급 간 편차를 최대화하여 입력한 데이터를 분류하는 방법이다.
, 2019). 본 연구에서는 대기온도의 전체적인 경향을 확인하는 것이 아니라 지역적 차이를 알아보고, 지역별 조건의 변화를 반영하기 위해 국지적 보간법인 IDW 기법을 활용하였다. IDW 기법은 간편한 사용법으로 인해 널리 쓰이는 공간 보간법이다.
도시열섬현상을 분석할 수 있는 또 다른 지표인 대기온도는 주로 지상에 설치된 기상관측장비를 통해 지점별로 측정한다. 지점별로 측정되는점 데이터는 공간보간법(Spatial interpolation)을 활용하여 연속적 표면데이터로 생성할 수 있다. 점 데이터를 기반으로 표면데이터로 생성할경우 관측지점 수와 보간법의 선정에 따라 결과의 신뢰도가 달라진다.
IDW 기법은 간편한 사용법으로 인해 널리 쓰이는 공간 보간법이다. 통계적 방법을 사용하는 공간 보간법으로 Kriging, Spline 기법 등이 있으나, 자료의 형태가 정규분포를 이루지 않으며 주변 지역으로 확산될 경우 관측지점과의 거리가 멀수록 영향력이 약해지므로 IDW 기법을 채택하였다(Yim and Lee, 2017; Lee et al., 2019).

성능/효과

결과를 바탕으로 도시열섬과 도시오염섬이 동시에 발생하는 지역을 보다 구체적으로 살펴보면, 열환경과 대기환경이 모두 열악한 지역 중상위권은 취약 주거지역과 공업지역들을 다수 포함하고 있었다. 부산시의 대표적 취약주거지역에 해당하는 주요 정책이주지들이 포함되어 있었는데 해당 지역들은 소규모 필지에 저층의 건축물이 밀집한 지역으로 기반시설을 포함하여 전반적인 주거환경이 낙후되어 있고, 저소득층, 고령층 등 취약계층이 밀접한 지역이다.
지표면온도를 기준으로 분석한 결과, 도시열섬과 도시오염섬의 동시발생지역은 4개의 구에서 나타나고 있었다. 금정구의 금사동과 서동의 경계에 위치한 금사초등학교와 동일고무벨트 인근 지역이 확인되었는데 이 지역은 주거지역과 공업지역이 인접하고 있는 지역으로 왕복 2차선도로에 공업지역으로 진입하는 화물운반 교통량이 많은 지역으로 열환경과 대기오염에 동시에 취약한 것으로 나타났다. 금정구의 구서IC와 노포역 인근에서도 동시발생지역이 나타났는데, 해당 지역은 경부고속도로의 종점에 해당하며, 부산도시철도의 차량기지가 위치하고 부산종합버스터미널이 위치하는 등 차량 통행량이 많을 뿐 아니라 인근에 공업지역이 존재하여 공업지역의 특성과 교통량 집중이 함께 나타나는 곳이다.
해안가의 경우 해풍의 영향으로 내륙지역보다 대기온도가 상대적으로 낮게 나타나고 있었다. 대기온도를 기준으로 열섬지역으로 나타난 지역들의 평균온도는 20.65℃로 이는 다른 지역의 평균온도(18.58℃)보다 2.07℃ 높아 일반적으로 선행연구에서 도시열섬 기준으로 사용하는 2℃ 차와 유사한 것으로 나타났다(그림 3).
지표면온도를 기준으로 도시열섬지역을 살펴본 결과, 불투수면적이 많은 공업지역과 항만지역에서 주로 나타났으며 좁은 필지에 건축물의 배치밀도가 높고, 통풍 및 환기 등이 고려되지 않은 취약한 주거지역에서도 함께 나타났다. 대기온도를 기준으로 열섬지역의 분포 특성을 살펴본 결과, 교통량이 많은 지역과 공업지역에서 주로 나타났으며 해안가의 경우 해풍의 영향으로 인해 많게는 평균기온보다 5℃ 이상 낮게 나타났다.
도시열섬과 도시오염섬은 농촌 지역보다 도시지역에서 상당히 높게 나타나며, 두 현상을 비교하면, 상관계수가 0.62로 유의미한 상관관계를 나타내고 있었다(p<0.01).
모호하지 않고 객관적인 지표이며 도시환경의 열악한 정도로 표현될 수 있는 위험 잠재력으로 정의할 수 있다. 따라서 도시열섬과도시오염섬의 동시발생지역을 분석하기에 적합하다고 판단하였다. 교차비교는 앞서 언급한 11단계의 구분을 점수화한 데이터를 미세먼지-지표면온도, 미세먼지-대기온도의 두 개의 Matrix로 구축하였다.
, 2018). 따라서 주변 지역보다 상대적으로 환경이 열악한 지역이 군집된 형태로 나타나는 도시열섬과 도시오염섬을 구분하는 방법으로 활용하기 적합하다고 판단하였다.
연제구의 연산교차로와 교대사거리 부분에 나타난 또 다른 동시발생지역은 자동차 매매업 군집지역으로 토지이용과 차량 통행량의 영향이 큰 것으로 보인다. 마지막으로, 부산진구의 당감동 일대에서 동시발생지역이 확인되었다. 이 지역은 보행공간이 협소할 정도로 저층의 건물들이 조밀하게 위치하고 있는 노후 주거지역이다.
미세먼지농도를 기준으로 도시오염섬이 나타나는 지역을 살펴보면, 부산의 북부에 위치하는 금정구 일대에서 도시오염섬이 가장 크게 나타났다(그림 4). 해당 지역은 부산에서 경남지역으로 이동할 수 있는 경부고속도로와 부산외곽순환도로, 7번 국도가 연결되는 구간으로 차량에서 발생하는 미세먼지로 인해 도시오염섬이 나타나는 것으로 판단된다.
우선, 위성영상데이터에서 도출된 지표면온도와 최근 새롭게 데이터 소스로 대두되고 있는 민간자동관측시스템의 대기온도 데이터가 통계적으로 유의미한 양의 상관성(r=0.13, p<0.00)을 보이고 있었다.
민간통신업체가 부산시에 설치·운영하는 자동기상관측지점 234곳에서 한 시간 단위로 수집하는 대기온도와 미세먼지(PM₁₀) 데이터 중 관측기기의 오류, 데이터 송수신 오류, 점검 등의 이유로 연속적인 결측치가 존재하여 대치되지 않는 지점을 제외하고 총 216개소의 기상관측지점의 데이터를 활용하였다. 이는 기상청과 에어코리아에서 구축한 관측지점의 8~15배에 해당하는 수치로, 점 형태의 데이터 특성상 부산광역시 전체를 분석하기에는 조밀한 관측지점을 가진 민간통신업체의 자료를 활용하는 것이 적합하다고 판단하였다. 또한 Je and Jung(2018)의 연구에서 민간자동기상관측시스템의 자료와 실측한 자료가 95% 이상 일치함을 확인할 수 있어 분석에 활용하기에 신뢰성을 확보할 수 있었다.
핫스팟분석 결과를 나타낸 그림 6이 보여주듯 대부분의 5등급 지역들이 99%의 신뢰수준을 만족하는 핫스팟으로 나타났다. 정확한 분석을 위해 도시열섬과 도시오염섬에 해당하는 지역의 면적과 비율을 살펴본 결과, 지표면온도(LST) 기반 도시열섬은 약 30,941,736㎡ 중 99.96%에 해당하는 약 30,929,136㎡가 핫스팟 지역에 포함되었으며, 대기온도(AirT)기반 도시열섬은 약 25,288,584㎡에 해당하는 전체 지역이, 도시오염섬(PM₁₀)은 약 7,619,592㎡에 해당하는 전체지역이 핫스팟 지역에 포함되는 것으로 나타났다.
, 2016)과 맥을 같이하는 분석 결과이다. 지표면 온도의 경우 토지의 피복과 건축물의 유형에 영향을 크게 받아, 외부에 노출된 건조환경 비율이 높고 식생이 적으며 열용량이 낮은 재료로 구성된 건축물이 많을수록 지표면온도가 높게 형성되었다. 대부분의 녹지지역은 대기온도와 지표면온도 모두 평균보다 낮은 결과를 나타내고 있으므로 도시열섬이 발생하는 지역에 식생을 조성하면 온도를 감소시키는데 상당히 기여할 수 있을 것으로 보인다.
도시열섬은 지표면온도와 대기온도를 활용하여 살펴보았다. 지표면온도를 기준으로 도시열섬지역을 살펴본 결과, 불투수면적이 많은 공업지역과 항만지역에서 주로 나타났으며 좁은 필지에 건축물의 배치밀도가 높고, 통풍 및 환기 등이 고려되지 않은 취약한 주거지역에서도 함께 나타났다. 대기온도를 기준으로 열섬지역의 분포 특성을 살펴본 결과, 교통량이 많은 지역과 공업지역에서 주로 나타났으며 해안가의 경우 해풍의 영향으로 인해 많게는 평균기온보다 5℃ 이상 낮게 나타났다.
지표면온도와 대기온도의 공간적 분포를 비교해 보면 해안도시의 특성으로 인해 해안지역과 내륙지역의 대기온도 차이가 상당히 크게 나타났다. 이는 연안 및 수변 지역과의 인접성 등 지리적 조건이 온도에 크게 영향을 미침을 확인한 선행연구들(Myeong, 2009; An et al.
핫스팟분석으로 도시열섬과 오염섬에 해당하는 5등급 지역이 핫스팟에 포함되는지 여부를 함께 검토하였다. 핫스팟분석 결과를 나타낸 그림 6이 보여주듯 대부분의 5등급 지역들이 99%의 신뢰수준을 만족하는 핫스팟으로 나타났다. 정확한 분석을 위해 도시열섬과 도시오염섬에 해당하는 지역의 면적과 비율을 살펴본 결과, 지표면온도(LST) 기반 도시열섬은 약 30,941,736㎡ 중 99.
핫스팟분석은 식 1을 통해 높은 값들이 군집한 핫스팟과 낮은 값들이 군집한 콜드스팟, 그리고 유의확률까지 분석이 가능하다. 핫스팟분석을 통해 각각 변수들의 핫스팟을 분석하였고, 도출한 결과를 중첩한 후 99% 신뢰수준의 핫스팟지역을 비교하여 대기환경과 열환경이 모두 유의하게 취약한 지역을 도출하였다.

후속연구

지표면온도와 대기온도가 유의미한 관계를 보이므로 도시열섬을 연구함에 있어 두 온도 정보 모두 의미 있는 지표로 활용할 수 있을 것으로 보인다. 그러나 민간자동관측시스템의 측정 높이가 지점별로 차이가 존재하기 때문에 지표면으로부터의 높이를 고려하여 지표면온도와 대기온도 간의 상관관계를 분석한다면 더 정확한 결과를 도출할 수 있을 것으로 사료된다.
도시열섬과 오염섬의 개별 공간분포 특성과 함께 두 가지 현상이 함께 나타나는 지역을 살펴보는 것이 정책수립을 위한 기초자료로 더욱 활용가치가 높다. 앞서 방법론에서 설명했듯이 본 연구는 교차분석 기법을 활용하여 85~100점에 해당하는 지표면온도기반 도시열섬과 도시오염섬 동시발생지역과 대기온도기반 도시열섬과 도시오염섬 동시발생지역을 그림 5와 같이 도출하였다.
이는 도시의 환경이 도시민의 건강 및 삶의 질과 직결됨을 인식하고 있음을 뜻하며, 앞으로도 열환경에 대한 기초조사 및 공간적 분석이 필요함을 시사한다. 본 연구는 열환경과 대기오염 관련 도시 정책 입안 시 기초자료로 활용되기를 바라며, 또한 환경적 불평등 요소가 많은 지역들에 대한 정책 적용 우선순위 확보를 위한 기초연구로써 활용될 수 있을 것으로 기대한다.
특히 도시오염섬의 경우 해당 주제에 대한 선행연구가 소수에 불과하여 통상적인 정의조차 정립하기 어려운 실정이다. 본 연구는 이러한 두 현상에 모두 적용할 수 있도록 등급화 방법과 상대적 비교를 활용하였으나 추후 이에 관한 다양한 연구가 수행되어야 할 것으로 사료된다.
Landsat 8 위성자료의 경우 정지궤도위성이 아닌 극궤도위성으로 연속적인 데이터를 수집하기 어렵고 날씨의 영향으로 인해 정확한 데이터추출이 어려운 경우가 존재한다. 이러한 문제점은 차후 민간자동기상관측시스템의 추가적인 구축과 정지궤도 환경위성의 운영으로 점차 해결할 수 있을 것으로 기대한다.
00)을 보이고 있었다. 지표면온도와 대기온도가 유의미한 관계를 보이므로 도시열섬을 연구함에 있어 두 온도 정보 모두 의미 있는 지표로 활용할 수 있을 것으로 보인다. 그러나 민간자동관측시스템의 측정 높이가 지점별로 차이가 존재하기 때문에 지표면으로부터의 높이를 고려하여 지표면온도와 대기온도 간의 상관관계를 분석한다면 더 정확한 결과를 도출할 수 있을 것으로 사료된다.
입자의 크기가 작은 미세먼지가 건강에 더 부정적 영향을 미칠 수 있어(Bae, 2014) 최근에 이에 대한 관심들이 고조되고 있으나 본 연구에서는 데이터 획득 상의 한계로 PM₁₀만을 대상으로 살펴보았다. 추후 PM_2.5 데이터 확보를 통해 보다 다양한 오염섬 분석을 수행할 필요가 있겠다.

질의응답

핵심어	질문	논문에서 추출한 답변
	도시지역의 도시열섬 현상을 악화시키는 요인은?	기후변화로 인한 온도상승은 도시지역의 도시열섬(UHI, Urban Heat Island) 현상을 더욱 악화시키고 있다. 우리나라는 급격한 경제성장과 함께 도시화를 이루었고, 전 국토의 16.
	도시열섬은 어떤 현상인가?	도시열섬은 주변 지역보다 상대적으로 기온이 높은 도시지역에서 발생하는 현상으로 그 모양이 마치 섬과 비슷한 형태를 형성하며 중심 부분의 온도가 집중적으로 높게 나타나는 현상을 의미한다(Jang and Kim, 1991; Lai and Cheng, 2009). 주변 농촌 지역보다 2℃ 이상 높은 도시지역을 도시열섬으로 정의하는 연구(Kim and Baik, 2005; Fahmy and Sharples, 2009; Kim et al.
	도시지역의 도시열섬은 어떻게 발생하는가?	따라서 도시지역은 법적으로 허용되는 범위 내에서 고밀의 개발을 추구하여 고층 건축물 위주로 사업들이 진행되었다. 고밀의 고층 건축물에서 배출되는 인공배열은 지역의 대기를 가열하고, 온실가스는 대기에 체류하면서 인공배열과 함께 태양에서 들어온 복사에 너지 중 반사되는 복사에너지를 대기 중에 가두어 지역의 온도를 상승시키는 등 기온상승과 도시열섬을 유발한다(Kim and Kang, 2018; Lee and Kang, 2019).

참고문헌 (53)

An, S.M., Kim, S.J. and Lee, H.C. 2016. A study on the urban area microclimate management direction. Korea Research Institute for Human Settlements. pp.1-105.
Bae, H.J. 2014. Effects of short-term exposure to $PM_{10}$ and $PM_{2.5}$ on mortality in Seoul. Journal or Environmental Health Sciences 40(5):346-354.
Cho, S.H., Kim, H.W., Han Y.J. and Kim W.J. 2016. Characteristics of fine particles measured in two different functional areas and identification of factors enhancing their concentrations. Journal of Korean Society for Atmospheric Environment 32(1):100-113.

원문보기 상세보기
Crutzen, P.J. 2004. New directions: the growing urban heat and pollution"island" effect-impact on chemistry and climate. Atmospheric Environment 38(21):3539-3540.

상세보기
Fahmy, M. and Sharples, S. 2009. On the development of an urban passive thermal comfort system in Cairo, Egypt. Building and Environment 44(9):1907-1916.

상세보기
Feizizadeh, B. and Blaschke, T. 2013. Examining urban heat island relations to land use and air pollution: multiple endmember spectral mixture analysis for thermal remote sensing. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6(3):1749-1756.

상세보기
Han, J.S., Lee, S.M., Chung, Y.M., Park, M.C. and Kim, S.H. 2019. Research on the reduction of PM and GHG from ground freight transportation. Korea Environment Institute. pp.1-216.
Hardin, A.W., Liu, Y., Cao, G. and Vanos, J.K. 2018. Urban heat island intensity and spatial variability by synoptic weather type in the northeast U.S.. Urban Climate 24:747-762.

상세보기
He, G.-X., Yu, C.W.F., Lu, C. and Deng, Q.-H. 2013. The influence of synoptic pattern and atmospheric boundary layer on PM10 and urban heat island. Indoor and Built Environment 22(5):796-807.

상세보기
Hoffmann, P., Krueger, O. and Schlunzen, K.H. 2012. A statistical model for the urban heat island and its application to a climate change scenario. International Journal of Climatology 32:1238-1248.

상세보기
Honjo, T. 2019. Analysis of urban heat island movement and intensity in Tokyo metropolitan area by AMeDAS data. Journal of Agricultural Meteorology 75(2):84-91.

상세보기
Huang, Q., Huang, J., Yang, X., Fang, C. and Liang, Y. 2019. Quantifying the seasonal contribution of coupling urban land use types on urban heat island using land contribution index: a case study in Wuhan, China. Sustainable Cities and Society 44:666-675.

상세보기
Hwang, K.S., Lee, S.A., Kim, H.J. and Kim, J.L. 2015. Analysis of sex, age and seasonal mortality according to diurnal temperature range(DTR). Korean Journal of Scientific Criminal Investigation 9(1):30-37.
Hwang, S.Y., Moon, J.Y. and Kim, J.J. 2019. Relationship analysis between fine dust and traffic in Seoul using R. The Journal of The Institute of Internet, Broadcasting and Communication 19(4):139-149.
Jang, A.S. 2014. Impact of particulate matter on health. Journal of the Korean Medical Association 57(9):763-768.

상세보기
Jang, Y.K. and Kim, J.W. 1991. A study on the relation of urban heat island and air pollution in Seoul area. Journal of Korean Society for Atmospheric Environment 7(1):49-53.
Je, M.H. and Jung, S.H. 2018. Urban heat island intensity analysis by landuse types. Journal of the Korea Contents Association 18(11):1-12.
Jo, S.K. and Park, H.Y. 2013. A study on the spatial structure in the housing complex of the political migration through the'Power Theory'based on the Banyeo 1 district in the city of Busan. Journal of the Regional Association of Architectural Institute of Korea 15(2):73-82.
Khamis, N., Sin, T.C. and Hock, G.C. 2018. Segmentation of residential customer load profile in peninsular Malaysia using jenks natural breaks. 2018 IEEE 7th International Conference on Power and Energy(PECon). Kuala Lumpur, Malaysia, Malaysia, Dec. 3-4, 2018. pp.128-131.
Kim, H.S., Jang, E.S., Kim, S.H., Yoo, J.H. and Lee, S.W. 2011. A study on sasang constitutional classification methods based on ROC-curve using the personality score. Korea Journal of Oriental Medicine 17(2):107-113.
Kim, J.H. and Yoon, Y.H. 2011. Effect of thermal environment by green roof and land cover change in detached housing area. Journal of Environmental Policy 10(1):27-47.

원문보기 상세보기
Kim, J.S. and Kang, J.E. 2018. Effects of compact spatial characteristics on the urban thermal environment. Journal of the Urban Design Institute of Korea Urban Design 19(1):21-36.
Kim, J.S. and Kim, H.Y. 2020. Analysis on the characteristics of heat wave vulnerable areas using landsat 8 data and vulnerability assessment analysis. Journal of the Korean Association of Geographic Information Studies, 23(1):1-14.
Kim, O.J., Kim, S.Y., Kwon, H.Y. and Kim, H. 2017. Data issues suggestions in the national health insurance servicenational sample cohort for assessing the long-term health effects of air pollution focusing on mortality. Journal of Health Informatics and Statistics 42(1):89-99.

상세보기
Kim, W.S. 2016. Policy options to manage high-pollution on-road diesel vehicles based on excessive emission grades in Seoul. The Seoul Institute. pp.1-27.
Kim, Y.H. and Baik, J.J. 2005.Spatial and temporal structure of the urban heat island in Seoul. Journal of Applied Meteorology 44(5):591-605.

상세보기
Kim, Y.J., Kang, D.H. and Ahn, K.H. 2011. Characteristics of urban heat-island phenomena caused by climate changes in Seoul, and alternative urban design approaches for their improvements. Journal of the Urban Design Institute of Korea Urban Design 12(3):5-14.
Kim, Y.K. 2017. An analysis of traffic flows and land-use on urban air pollution concentrations using geographic information system. Journal of Transport Research 24(2):67-81.

상세보기
Kwon, Y.M., Byun, J.H. and Kang, N.W. 2019. A study on the alternative selection of eco-friendly modification techniques for small diesel trucks. Journal of Korean Society of Transportation 37(2):135-147.

상세보기
Kyunghyang Shinmun. 2018. Port city Busan air pollution is more serious than Seoul an d Daegu. http://news.khan.co.kr/kh_news/khan_art_view.html?art_id201808272055015(Accessed July 2020).
Lai, L.-W. and Cheng, W.-L. 2009. Air quality influenced by urban heat island coupled with synoptic weather patterns. Science of the Total Environment 407:2724-2733.

상세보기
Lee, C.Y., Kim, S.M. and Choi, Y.S. 2019. Application of hot spot analysis for interpreting soil heavy-metal concentration data in abandoned mines. Journal of the Korean Association of Geographic Information Studies 22(2):24-35.
Lee, J.H., Ryu, J.E., Choi, Y.Y., Chung, H.I., Jeon, S.W., Lim, J.H. and Choi, H.S. 2019. Spatial estimation of forest species diversity index by applying spatial interpolation method - based on 1st forest health management data-. Journal of the Korean Society of Environmental Restoration Technology 22(4):1-14.
Lee, K.I., Ryu, J.E., Jeon, S.W., Jung, H.C. and Kang, J.Y. 2017. Analysis of the effect of heat island on the administrative district unit in Seoul using LANDSAT image. Korean Journal of Remote Sensing 33(5_3):821-834.
Lee, S.H. and Kang, J.E. 2019. Risk assessment of heavy snowfall considering climate change: focusing on damage to roads and buildings. Journal or the Korean Society of Hazard Mitigation, 19(2):57-68.

상세보기
Lee, S.H., Kang, J.E., Park, C.S., Yoon, D.K. and Yoon, S.Y. 2020. Multi-risk assessment of heat waves under intensifying climate change using Bayesian Networks. International Journal of Disaster Risk Reduction 50:101704.

상세보기
Li, H., Meier, F., Lee, X., Chakraborty, T., Liu, J., Schaap, M. and Sodoudi, S. 2018. Interaction between urban heat island and urban pollution island during summer in Berlin. Science of the Total Environment 636:818-828.

상세보기
Li, H., Zhou, Y., Wang, X., Zhou, X., Zhang, H. and Sodoudi, S. 2019. Quantifying urban heat island intensity and its physical mechanism using WRF/UCM. Science of the Total Environment 650:3110-3119.

상세보기
Miles, V. and Esau, I. 2017. Seasonal and spatial characteristics of urban heat islands(UHIs) in northern west siberian cities. Remote Sensing 9(10):989.

상세보기
Myeong, S.J. 2009. A study on strategies to mitigate urban heat island effects as part of climate change adaptation in urban areas. Korea Environment Institute. pp.1-32.
Nam Goung, S.J., Choi, K.Y., Hong, H.J., Yoon, D.K., Kim, Y.S., Park, S.H., Kim, Y.K. and Lee, C.M. 2019. Study on the selection and application of a spatial analysis model appropriate for selecting the radon priority management target area. J Environ Health Sci 45(1):82-96.
Park, C.Y., Lee, D.K., Sung, S.Y., Park, J.H. and Jeong, S.G. 2016. Analyzing the diurnal and spatial variation of surface urban heat island intensity distribution - focused on 30 cities in Korea-. Journal of Korea Planning Association 51(1):125-136.
Plocoste, T., Jacoby-Koaly, S., Molinie, J. and Petit, R.H. 2014. Evidence of the effect of an urban heat island on air quality near a landfill. Urban Climate 10:745-757.

상세보기
Ryu, Y.H., Baik, J.J. and Lee, S.H. 2013. Effects of anthropogenic heat on ozone air quality in a megacity. Atmospheric Environment 80:20-30.

상세보기
Shirani-bidabadi, N., Nasrabadi, T., Faryadi, S., Larijani A. and Shadman Roodposhti, M. 2019. Evaluating the spatial distribution and the intensity of urban heat island using remote sensing, Case study of Isfahan city in Iran. Sustainable Cities and Society 45:686-692.

상세보기
Steeneveld, G.-J., Klompmaker, J.O., Groen, R.J.A. and Holtslag, A.A.M. 2018. An urban climate assessment and management tool for combined heat and air quality judgements at neighbourhood scales. Resources, Conservation and Recycling 132:204-217.

상세보기
Suh, M.S., Hong, S.K. and Kang, J.H. 2009. Characteristics of seasonal mean diurnal temperature range and their causes over South Korea. Atmosphere 19(2):155-168.
Swamy, G., Shiva Nagendra, S.M. and Schlink, U. 2017. Urban heat island(UHI) influence on secondary pollutant formation in a tropical humid environment. Journal of the Air & Waste Management Association 67(10):1080-1091.

상세보기
Taha, H. 2017. Characterization of urban heat and exacerbation: development of a heat island index for California. Climate 5(3):59.

상세보기
Woo, K.S., Kim, D.E. and Chae, S.M. 2019. High temperature-related mortality in Korea: a meta-analysis of the empirical evidence. Health and Social Welfare Review 39(2):10-36.

상세보기
Yi, C.Y., Kim, K.R., An, S.M. and Choi, Y.J. 2014. Impact of the local surface characteristics and the distance from the center of heat island to suburban areas on the night temperature distribution over the Seoul metropolitan area. Journal of the Korean Association of Geographic Information Studies 17(1): 35-49.

원문보기 상세보기
Yim, J.S. and Lee, G.H. 2017. Estimating urban temperature by combining remote sensing data and terrain based spatial interpolation method. Journal of the Korean Cartographic Association 17(2):75-88.

상세보기
Yoshikado, H. and Tsuchida, M. 1996. High levels of winter air pollution under the influence of the urban heat island along the shore of Tokyo bay. Journal of Applied Meteorology 35(10):1804-1813.

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format