Estimation of Mean Radiant Temperature in urban canyons using Google Street View

Abstract

도시개발로 인해 보행자의 에너지 균형을 변화시키며 도시공간의 열 쾌적성이 악화되는 등 열 환경문제가 발생하고 있다. 선행연구에서는 도시 공간 내 열 쾌적성을 정량적으로 평가하기 위해 인간의 가장 중요한 생체 기상 변수 중 하나인 평균복사온도를 산정하는 연구가 진행되고 있다. 하지만 산정식이 복잡하거나, 넓은 범위에서의 공간 데이터 취득이 어렵기 때문에, 커뮤니티 단위에서 고해상도의 평균복사온도를 추정하는 것은 어렵다. 따라서 본 연구에서는 구글스트릿뷰 이미지를 사용하여 도시 거리 협곡내 평균복사 온도를 추정하는 방법을 제시하고, 도시 스케일에서 도시열섬 분석을 위해 많은 연구가 진행된 지표면 온도와 평균복사온도간 관계를 공간패턴 측면에서 분석하였다. 우선 평균복사온도 추정식에 큰 영향을 미치는 천공률은 파노라마 이미지를 바탕으로 딥러닝을 활용하여 도시 요인별(건물, 나무, 하늘 등)분류하고, 어안렌즈 이미지로 변환하여 도출하였다. 또한 어안렌즈 이미지를 중심으로 태양경로 알고리즘을 활용하여 시간별 그림자의 유무를 판단하였다. 마지막으로 기후요인, 시간, 위치 등 데이터를 활용하여 장파, 단파 복사를 도출하여 평균복사온도를 산정하였다. 제안된 평균복사온도 추정 방법과 실측간 비교(7 곳) 결과 단파, 장파 값의 R^2값이 각각 0.97, 0.77로 나타났다. 다른 모델과 비교한 결과, 높은 정확도를 확인할 수 있으며 복잡한 도시 환경에서의 활용가능성을 확인할 수 있다. 도시규모에서 지표면온도, 평균복사온도를 공간패턴 측면에서 비교한 결과 천공률, 빌딩 뷰팩터가 각각 0.6~1.0, 0.35-0.5인 오픈스페이스 혹은 저층 밀집지역에서 높은 평균복사온도(>59.4°C)를 보였다. 반면 높은 빌딩이 밀집된 지역의 경우(빌딩 뷰팩터 :0.4-0.6, 나무 뷰팩터 0.6-0.9) 낮은 평균복사온도(<47.6°C)를 보였다. 특히 거리의 방향이 동-서 인 경우에는 천공률이 0.3-0.55 일지라도 높은 평균복사온도를 확인할 수 있었다. 추가적으로 평균복사온도와 지표면 온도간 비교결과 전반적으로 높은 온도 값을 가진 공간이 유사하였으나, 저층 고밀도 건물 지역 혹은 초지 지역에서 상반된 결과를 확인할 수 있었다. 본 연구에서는 도시스케일에서 높은 해상도로 평균복사온도를 추정하는 방법을 딥러닝을 활용하여 제시하였으며, 지표면 온도와 공간패턴별 분석을 통해 실제 보행자가 체감하는 열 환경을 개선하기 위한 방안을 제시할 수 있는 기초자료를 제공하였다. 이는 도시 열 환경을 고려한 지속가능한 도시 공간 설계 및 환경 계획 측면에서 활용 될 수 있으며, 특히 공간데이터 취득이 어려운 곳에서의 높은 활용성을 기대해 볼 수 있다.

This paper presents a method for estimating Mean Radiant Temperature (MRT) of street canyons using Google Street View (GSV) images and investigates its spatial patterns in street-level on large scale. We used image segmentation using deep learning, project panorama to fisheye image and sun path algorithms to estimate MRT using GSV. Verification of proposed method can be explained by total of 7 field measurements in clear-sky of street-level, since the estimated shortwave and longwave radiation of value is 0.97, 0.77 respectively. The method proposed in this study is suitable for actual complex urban environment consisting of buildings, tree and streets. Additionally, we compared calculated MRT and LST (Land Surface Temperature) from Landsat 8 in a city scale. As a result of investigating spatial patterns of MRT in Seoul, We found that Higher MRT of street canyons ( >59.4℃) is mainly distributed in open space areas and compact low-rise density building where SVF (Sky View Factor) is 0.6–1.0 and BVF(Building View Factor) is 0.35–0.5, or West-East orientation street canyons with SVF(0.3–0.55). On the other hand, high density building (BVF is 0.4–0.6) or high density tree areas (TVF (Tree View Factor) is 0.6–0.99) showed Low MRT ( < 47.6). The mapped MRT results had similar spatial distribution with LST, but the MRT(?) lower (?) than LST in low tree density or low-rise high-density building areas. And it will help decision makers how to improve thermal comfort at the street-level.