도시내부 지표면 온도분포와 사회경제지표 간의 상관성 분석

Abstract

도시열섬현상은 지표피복의 인공화 혹은 다양한 인공물로부터 발생하는 열에 의해 발생한다. 하지만 본 연구의 초점은 기존연구처럼 지표피복과 도시열섬현상 간의 상관관계에 두지 않는다. 그 이유는 인간활동의 도시집중이 도시지표의 인공화를 가져오고 열을 발생시키기 때문이다. 다시 말하면, 열섬현상의 근본적인 원인을 인간활동에서 본 연구는 찾아보고자 한다. 이를 위해 인간활동의 집중 정도를 반영하고 있는 도시의 사회경제적 지표와 도시 열섬현상의 정도를 반영하고 있는 지표면 온도 간의 상관관계를 알아보도록 한다.

연구대상은 대한민국의 도시 중 가장 도시의 특성을 잘 드러내고 있는 서울시로 선정하고, 연구시점은 2000년으로 설정한다. 분석자료는 인공위성 영상 중 가장 우수한 공간해상력인 60m을 가지고 있는 Landsat 7 ETM+의 열적외선 영상을 활용한다. 그리고 국내 사회경제지표 자료로는 매 5년마다 전 국민을 대상으로 시행된 집계구단위 인구주택 총조사 자료를 활용한다. 분석기법은 공간회귀모델 중 Spatial Error Model을 활용한다. 투입변수는 자연로그를 취한 ln인구밀도, ln종사자수밀도, ln지표면온도와 더미변수인 수면더미, 녹지더미를 사용한다.

연구결과는 다음과 같다. 먼저 Spatial Error Model를 적용한 회귀분석은 종사자밀도가 10%증가할 때, 지표면온도는 0.095%가 증가하고 인구밀도가 10%증가할 때, 지표면온도는 0.085%가 증가함을 결과로 도출할 수 있었다. 표준화계수를 비교하면 ln종사자수밀도가 0.266, ln인구밀도는 0.160으로 그 영향력이 1.66배의 차이가 나타남을 알 수 있다. 즉 종사자수밀도의 영향이 지표면 온도 변화에 더 큰 영향을 주고 있음을 결과는 설명한다.

회귀모델의 적합성을 잔차분포를 통해 살펴보면, 표준편차가 +2.5를 초과하여 과소 추정된 지역과 –2.5미만인 과대 추정된 지역이 모델의 신뢰성을 떨어트리고 있었다. 먼저 과소추정지역은 김포공항, 각 도시철도의 차량기지, 구 경마장부지, 미군기지 등 지표면 온도가 가장 빠르게 상승할 수 있는 지표피복으로 구성되어 있는 지역임을 알 수 있다. 이러한 경우 과소추정은 사회경제적지표 이외의 지표의 물리적 특성에 기인한 것이므로 이를 감안하여 모델이 재 작성되어야 할 것이다. 반대로 과대추정지역은 온도가 낮은 지역으로 표현되는 수면, 산지에 해당하는 곳으로 실제 사회경제적지표들이 존재하더라도 이 역시 지표의 생물리적 특성이 더 강하게 반영되는 지역이라 과대추정이 되었을 것으로 사료된다.

본 연구가 가지는 의의는 다음과 같다. 첫째는 기존 연구와는 달리 도시열섬이 인간활동으로부터 기인한다는 점을 밝히고자 했고, 이를 연구에 적용하였다. 구체적으로 자연의 영역인 지표면 온도분포와 사회경제적지표에 해당하는 인구밀도, 종사자수밀도와의 상관성을 정량적으로 분석하였다. 둘째는 공간단위에 있어 가장 세밀한 사회경제적 지표인 집계구 통계자료를 활용하였고 위성영상 원격탐사 자료 중 가장 세밀한 Landsat 7 ETM+ 영상을 활용하여, 지표면온도를 분석하였다는 점이다. 셋째는 공간데이터를 이용한 회귀분석에 있어서 공간적 자기상관을 고려한 모델을 도출하였다. 이는 일반통계 회귀모델이 공간데이터 분석에서 가지는 한계를 극복하고 공간적으로 더 정확한 분석을 실시하였다는 점에서 의의가 있다. 마지막으로 기존의 도시연구방법론이 사회경제적 통계자료만을 이용해왔다면, 본 연구는 원격탐사기법과 열영상분석기법을 도시연구에 활용했다는 점에서 의의가 있다.

한편 본 연구의 한계는 자료에 있다. 집계구통계가 가지는 정보의 보안 때문에 1~5사이의 값은 공개되지 않는다. 이러한 값들에 대해서 본 연구에서는 평균인 3의 값을 주어 처리하였다. 또한, 회귀분석의 선형성을 확보하기 위해 각 변수에 로그를 취하면서 집계구 통계자료 중 0의 값을 가지는 데이터들이 손실되었다. 이는 연구 모델의 예측을 불안하게 하는 요소로 작용한다. 본 연구의 두 번째 한계는 모델의 비교검증이 부족했다는 점이다. 특정 한 시점의 위성영상을 이용하여, 사회경제적지표와 상관성을 분석한 연구결과는 모델의 예측이 어긋날 위험을 안고 있음을 의미한다. 따라서 다른 시점의 기상상태에서 모델을 작성하여 비교하는 작업을 누적하여 모델을 일반화할 필요가 있다.