Landsat8 위성영상을 이용한 지표면 온도와 식생피복의 관계 분석 : 대구광역시를 대상으로

1. 서론

2. 연구의 범위 및 연구 방법

2.1 연구의 범위

본 연구의 공간적 범위는 우리나라 광역시 중 폭염에 취약한 것으로 알려진 대구광역시를 대상으로 하였다(Fig. 1). 대구광역시는 한반도 동남부 내륙, 경상북도 남부에 위치하며, 대구의 북동부와 남부는 산지로 이루어져 있고, 서부 및 중부는 상대적으로 평야를 이루는 내륙 분지 지형이다.

Fig. 1.

Study area

기상청(https://data.kma.go.kr/)에 따르면, 대구광역시의 2010년대 평균기온은 14.62℃로 1960년대보다 1.66℃ 상승하였다. Kim et al.(2015)은 대구광역시의 1981 ~ 2014년 연도별 폭염 및 열대야 수 분석 결과 전국의 도시 중 대구의 폭염일수가 가장 높은 것을 확인한 바 있다. 대구광역시의 면적은 884.1 ㎢로, 인구는 약 239만 명(‘21.08 기준)이며, 행정구역은 중구, 동구, 서구, 남구, 북구, 수성구, 달서구, 달성군 등 8개 구·군으로 이루어져 있다.

본 연구에서는 시간적 범위로 열환경 악화 피해가 가장 크며, 대안 마련이 필요한 여름을 선택하였다. 날씨는 위성영상 촬영 주기에 따라 구득이 가능하며, 영상분석이 용이하도록 운량이 낮은 맑은 날을 선정하였다. 또한, 분석일 전·후로 강수가 없으며, 급격한 기온변화가 발생하지 않은 날을 우선으로 하였다. 위 조건에 부합하며, 현재와 가장 가까운 시점인 2017년 7월 27일을 본 연구의 연구 시점으로 선정하였다. 분석일인 2017년 7월 27일의 기상자료에 따르면, 평균기온은 26.4℃이며, 최고기온은 33.9℃, 최저기온은 19.1℃, 평균 운량은 2.4로 맑은 날씨로 확인되었다.

2.2 지표면온도 추정

지표면온도(LST, Land Surface Temperature)는 위성영상 데이터를 활용하여 지면의 온도를 추정하는 것으로, 본 연구에서는 Landsat 위성영상에서 제공하는 열적외선 밴드를 활용하여 지표면온도를 산출하였다(NASA, 2016). Landsat 위성은 지구를 관찰하기 위해 발사된 위성 프로그램들 중 가장 오래된 위성 프로그램으로 2013년 2월 Landsat 8이 발사되어 현재까지 운영되고 있다. 위성영상은 도시의 기후를 분석하고, 공간적 및 환경적 특성을 파악하기 위해 널리 사용되고 있다. 인공위성을 통해 촬영된 위성자료는 광역적이며, 주기적으로 자료 획득이 가능하여 연구에 활용이 용이하다(Park et al., 2016). Landsat 8 위성영상은 총 11개의 밴드로 이루어져 있으며(Table 1), 공간해상도는 15 m ~ 100 m 이다. 위성자료는 밴드별로 정량화된 복사에너지(DN, Digital Number)로 제공되기 때문에 위성별 밴드 특성을 이용하여 복사에너지 또는 반사도로 변환 후 NASA에서 제공하는 선형회귀식을 이용하여 지표면온도를 계산한다.

Table 1.

Characteristics of Landsat 8 band

[식 1]의 A, B는 선형회귀식의 상수이며, 지표온도 추정을 위하여 Landsat 8 위성영상 데이터의 밴드 10, 11번을 이용하고, 밴드별로 제공된 상수값을 활용한다. [식 2]를 통하여 계산된 복사에너지(Lλ)를 이용하여 밴드별 반사도, 지표온도 등으로 변환이 가능하다. 복사에너지(Lλ)와 절대온도(K) 사이의 관계성을 이용하여 위성관측 온도를 계산한다. K1과 K2는 관측온도를 보정하는 계수이다. [식 2]로 얻은 보정된 위성관측온도 값은 절대온도이므로 이를 섭씨온도로 변환하기 위하여 [식 3]의 계산을 진행하면, 대상지 지표면온도 값이 도출된다.

$\[ L_{\lambda }=A•Q_{cal}+B \]$

(1)

$\[ T\left(K\right)=\frac{K2}{\mathrm{L}\mathrm{n}\left(\frac{K1}{L_{\lambda }}+1\right)} \]$

(2)

$\[ \mathrm{d}\mathrm{e}\mathrm{g}rees Celsius\left(℃\right)=Absolute temperature\left(K\right)- 273.15 \]$

(3)

3. 결과 및 고찰

본 연구는 2017년 7월 27일 Landsat 8 위성으로 관측한 영상 데이터의 열적외 밴드 10번, 11번으로부터 얻은 위성 관측값을 이용하여 대구광역시의 지표면온도(LST)를 분석하고, 밴드 4번, 5번을 통해 NDVI(정규화식생지수)를 도출하여 상관관계를 파악하는 연구를 진행하였다.

대상지의 지표면온도를 추정한 결과 대구광역시의 평균온도는 27.58℃, 최소온도 21.89℃, 최대온도 42.45℃, 표준편차 3.63으로 나타났다. 지표면온도의 분포를 살펴보면 대구광역시는 도시 외곽의 산림은 온도가 낮고, 내륙에 열이 집중된 형태로 도시열섬의 형태를 띠는 것을 확인할 수 있다(Fig. 2a). 지표면온도 값을 5등급으로 나누어, 분포를 확인한 결과 지표면온도 상위 20% (34.55 - 42.45℃) 지역은 대부분 시가화지역이며, 하위 20% (21.89 - 25.28℃) 지역은 산림이나 하천이 집중적으로 분포함을 알 수 있었다.

Fig. 2.

LST, NDVI, Land Cover in Daegu city

대구광역시의 NDVI를 도출한 결과 평균 NDVI 값은 0.380, 최소값은 –0.207, 최대값은 0.668로 나타났다. NDVI 분포를 살펴보면, 산림으로 이루어진 외곽지역의 값이 높게 나타났고, 내륙 중심부 도심지역의 NDVI는 낮은 값을 보인다. NDVI 값을 5등급으로 나누어, 분포를 확인한 결과 가장 높은 값을 가지는 상위 20% (0.472 ~ 0.668) 구간은 산림지역에 집중적으로 분포되어 있었다. 하위 20% (–0.27 ~ 0.012) 구간은 주로 건물이 집중된 주거 및 상업지역과 도로로 이루어진 지역 즉, 불투수피복 지역으로 나타났다.

대구광역시 전체 884.1 ㎢ 면적에 대하여 대분류 피복유형을 기준으로 각 피복유형별 면적비율을 분석하였다. 대구시는 피복유형 기준으로 총 7개 유형을 포함하였고(Table 2), 그중에서 산림지역이 전체 대상지의 약 58%를 차지하고 있으며, 시가화건조지역 17%, 농업지역 16%, 나지 2.5%, 초지 1.8%, 수역 1.4%, 습지 1.4% 순으로 나타났다. 토지피복별 NDVI 산정을 위하여 토지피복지도 분류별로 대상지를 나누었다(Fig. 2c). 대구광역시의 토지피복은 중분류 토지피복지도 유형을 기준으로 총 20개 유형을 포함하며, 결과는 Table 2와 같다.

Table 2.

Results of vegetation cover’s LST, NDVI

대상지의 토지피복 유형별로 지표온도 평균값을 산출하여 비교분석 한 결과 도시지역(주거지역: 32.20℃, 상업지역: 32.99℃, 공업지역: 34.70℃)은 기타 식재지인 초지(30.01℃), 과수원(28.38℃) 논(28.56℃) 밭(28.48℃) 보다 약 2 ~ 6℃ 가량 높게 나타났다. 또한, 도시지역의 표면온도는 하천지역(28.65℃), 산림지역(26.44℃)보다는 약 4 ~ 6℃ 가량 높은 것을 알 수 있었다. 이때, 산림지역의 경우 침엽수림 26.82℃, 혼효림 26.38℃, 활엽수림 25.74℃ 순으로 높은 지표 온도값을 보였다. 시가화 건조지역에서 지표면온도는 공업지역, 상업지역, 주거지역, 공공시설지역, 위락지역, 교통지역 순으로 높게 나타났다. 농업지역에서는 하우스재배지, 기타재배지, 논, 밭, 과수원 순으로 높은 지표면온도 값을 가지며, 산림지역 피복의 평균 지표면온도는 침엽수림 > 혼효림 > 활엽수림 순으로 높게 나타났다 불투수 피복률이 높은 도심지역일수록 온도값이 높고, 투수성 피복으로 이루어진 농업지, 초지, 습지, 수역의 온도가 낮게 나타나는 경향이 있었다. 그중에서도 산림지역의 지표온도 값이 다른 피복유형에 비해 현저하게 낮게 나타났다.

중분류 토지피복 유형별 NDVI 값은 활엽수림이 0.479로 제일 높으며, 상업지역이 0.150으로 가장 낮았다. NDVI 분포를 살펴보면, 시가화지역이 가장 낮은 평균값을 가지며, 그중에서 위락시설지역 값이 0.290, 교통지역 0.281, 공공시설지역 0.221, 주거지역 0.185, 공업지역 0.179, 상업지역 0.150 순으로 나타났다. 농업지역에서는 과수원, 논, 밭, 하우스재배지, 기타재배지 순으로 높은 값을 가진다. 산림지역의 평균 NDVI는 0.447로 높은 활력도를 가지는 것으로 나타났으며, 산림 피복의 평균 NDVI 값은 지표면온도 값과는 반대로 활엽수림>혼효림>침엽수림 순으로 나타났다.

대구광역시의 지표면온도와 NDVI 표본 수 약 97만개를 대상으로 pearson 상관관계 분석 결과 –0.715로 높은 유의미한 상관관계가 나타났고, 유의확률은 0.01이다(Table 3).

Table 3.

Result of relationship between NDVI and LST

지표면온도와 NDVI가 음의 상관관계를 갖는다고 밝혀진 기존의 선행연구와 같은 수치를 보였으며(Quan and Lee, 2009; Kim and Kim, 2019; Kong et al., 2015), 지표면온도가 NDVI에 크게 영향을 받는다는 것을 알 수 있었다. NDVI 값이 큰 지역일수록 식생의 활력이 높으며, 식생이 많이 조성되어 있고, 밀집되어 있다는 것을 의미한다. 따라서 NDVI와 지표면온도가 반비례한다는 것은, NDVI가 높은 값을 보이는 지역일수록 식생활력도가 낮은 지역보다 지표면온도가 낮은 경향을 보이며, 해당지역은 식생 밀집도가 우수하다는 특징이 있다.

4. 결론

기후변화 및 도시화로 인하여 도시의 폭염과 열섬은 보다 심화될 것으로 예상된다. 특히 도시의 인구집중도가 높아지면서, 기존의 녹지와 같은 자연지반은 인공지반이나 건축물과 같은 불투수지역으로 전환되고 결과적으로 도시의 지표면온도 상승으로 이어진다. 이는 온실가스 배출과 폭염을 더욱 악화시키는 것으로 이어져, 보다 지속가능한 도시의 공간계획적 접근이 요구된다. 이러한 문제를 해결하는 데 있어, 도시 내에 기온 저감효과가 있는 공원녹지 등의 그린인프라(Green Infrastructure) 확대 방안 모색이 필요하다.

본 연구에서는 기후변화로 열환경이 악화되어 있는 도시공간에서 식생피복이 어떠한 역할을 하는지 알아보기 위하여 사례 도시의 열섬현상을 파악하고, 다양한 유형과 분포를 나타내는 피복별 열환경 및 식생활력도를 산정하였다. 대상지인 대구광역시는 대표적인 분지 지형 도시로 전국에서 폭염이 가장 심한 도시이다. 원격탐사를 이용한 대구광역시의 열분포도를 제작하여 분석한 결과 산림지역의 지표온도가 가장 낮게 나타났고, 그중에서도 활엽수림, 혼효림, 침엽수림 순으로 낮은 지표온도 값을 가진다. 또한, 시가화건조지역 온도값이 가장 높게 분석되었다. NDVI의 경우, 산림지역에서 가장 큰 값을 가지고, 시가화건조지역에서 낮은 값을 보였다. 대상지역의 지표면온도와 NDVI 관계 분석 결과 음의 상관관계가 나타났으며, 이는 식생활력도가 높은지역, 즉 식생이 많이 조성되고, 밀집될수록 지표온도가 낮게 추정된다는 것을 의미한다.

본 연구는 도심지에서 점차 사라지고 있는 산림과 농지 등 식생피복이 기온을 완화하는 역할을 확인하였고, 도심 주변 및 도심 내부에 녹지 조성 등 도시계획적 측면에서 녹색공간의 확보방안 마련에 기초자료로 활용될 수 있으리라 판단된다. 본 연구에서는 위성영상의 구득 한계(계절, 촬영 주기, 날씨, 운량 등)로 인하여 2017년 자료를 이용했다는 한계가 있으며, 향후에는 지표면온도가 아닌 사람이 실제 느끼는 온도인 자동기상관측장비(AWS) 측정 온도값을 이용하여 분석해 볼 필요가 있다. 또한, 식생 피복에 의한 기온 완화 작용의 검증을 위하여 광범위한 녹지공간 대상이 아닌 소규모의 녹지공간을 대상으로 온도분포 관계를 세부적으로 파악할 필요가 있다. 이러한 한계에도 불구하고 본 연구를 통해 도출된 도시 내 산림을 포함한 녹지와 온도와의 관계를 과학적이고 정량적으로 제시한 점은 정책 추진에 있어 근거가 될 것으로 기대한다.

Acknowledgments

본 논문은 국토교통부/국토교통과학기술진흥원의 지원(과제번호 21UMRG-B158194-02)을 받아 한국환경연구원이 수행한 “온실가스 저감을 위한 국토도시공간 계획 및 관리기술 개발(2021 - 010(R))” 연구 결과를 기반으로 작성되었습니다.

References

• Aboelata A, Sodoud S. 2020. Evaluating the effect of trees on UHI mitigation and reduction of energy usage in different built up areas in Cairo. Building and Environment. 168. [https://doi.org/10.1016/j.buildenv.2019.106490]
• Byon JY, Hong SO, Park YS, Kim YH. 2021. Evaluation of the Urban Heat Island Intensity in Seoul Predicted from KMA Local Analysis and Prediction System (in Korean with English abstract). The Journal of The Korean Earth Science Society. 42(2):135-148. [https://doi.org/10.5467/JKESS.2021.42.2.135]
• Chen J, Jonsson P, Tamura M, Gu Z, Matsushita B, Eklundh L. 2004. A Simple Method for Reconstructing a High-quality NDVI Time-series Data Set Based on the Savitzky–Golay Filter. Journal of the Remote Sensing of Environment. 91(3): 332-344. [https://doi.org/10.1016/j.rse.2004.03.014]
• Choi SK, Lee SK, Wang B. 2014. Analysis of Vegetation Cover Fraction on Landsat OLI using NDVI. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography. 32(1):9-17. [https://doi.org/10.7848/ksgpc.2014.32.1.9]
• Choi HS, Choi JK, Shin JY, Hong HW, Kang JE, Lee GS. 2018. Environmental Effects and Policy Response from the Automatic Invalidation of Long-term Un-Implemented Urban Parks (in Korean with English abstract). Korea Environment Institute.
• Estoque RC, Murayama Y, Myint SW. 2017. Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia. Science of the Total Environment. 577:349-359. [https://doi.org/10.1016/j.scitotenv.2016.10.195]
• Gutman G, Ignatov A. 1997. The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models. International Journal of Remote Sensing. 19(8): 1533-1543. [https://doi.org/10.1080/014311698215333]
• Hong SW, Byon JY, Kim DH, Lee SS, Kim YH. 2021. Effects of Land Cover Change on Summer Urban Heat Island Intensityand Heat Index in Seoul Metropolitan Area, Korea (in Korean with English abstract). Journal of Korean Meteorological Society. 31(2):143-156.
• IPCC. 2018. Global Warming of 1.5°C. An IPCC Special Report on the Impacts of Global Warming of 1.5°C above Pre-industrial Levels and Related Global Greenhouse Gas Emission Pathways, in the Context of Strengthening the Global Response to the Threat of Climate Change. Sustainable Development, and Efforts to Eradicate Poverty.
• Je MH, Jung SH. 2018. Urban Heat Island Intensity Analysis by Landuse Types (in Korean with English abstract). Journal of the Korea Contents Association. 18(11):1-12.
• Jo HK, Yoshiteru N. 2000. Effects of Urban Greenspace on Microclimate Amelioration, CO2 Sequestration and Eire Obstruction (in Korean with English abstract). Korean journal of plant resources. 13(3):162-170.
• Kim HO, Yeom JM. 2012. Effect of the Urban Land Cover Types on the Surface Temperature: Case Study of Ilsan New City (in Korean with English abstract). Korean Journal of Remote Sensing. 28(2):203-214. [https://doi.org/10.7780/kjrs.2012.28.2.203]
• Kim JY, Kim EJ. 2019. Application of Eco-friendly Planning of Sinseo Innovation City in Daegu using the Analysis of Satellite Image and Field Survey (in Korean with English abstract). Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography. 37(3):143-156.
• Kim JH, Choi JH. 2014. Analysis the Structure of Heat Environment in Daegu Using Landsat-8 (in Korean with English abstract). Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography. 32(4-1):327-333. [https://doi.org/10.7848/ksgpc.2014.32.4-1.327]
• Kim JA, Kim KR, Kim BJ. 2015. The Occurrence Characteristic and Future Prospect of Extreme Heat and Tropical Night in Daegu and Jeju (in Korean with English abstract). Journal of Environmental Science International, 24(11):1493-1500. [https://doi.org/10.5322/JESI.2015.24.11.1493]
• Kong HY, Kim SH, Park SM, Park SA, Choi KH, Shin YK, Lee JC, Kil JH, Park JH, Shin KY, Kim TK, Cho HG. 2015. Improvement of Urban Environment through Urban Green Space(Ⅱ)- focusing on Urban Heat Island. National Institute of Environmental Research (in Korean with English abstract).
• Korea Meteorological Administration. 2020. Korean Climate Chage Assessment Report 2020.
• Korea Meteorological Administration. Weather Data Service Open MET Data Portal. 2021. Whats’s CAI; [accessed 2021 Nov 1]. https://data.kma.go.kr, /
• Meerow S, Joshua PN. 2017. Spatial Planning for Multifunctional Green Infrastructure: Growing Resilience in Detroit. Landscape and Urban Planning. 159:62-75. [https://doi.org/10.1016/j.landurbplan.2016.10.005]
• NASA. 2016. Landsat 8 Data Users Handbook, LSDS-1574. National Aeronautics and Space Administration, United States. pp. 1-98.
• Oh KS, Hong JJ. 2005. The Relationship between Urban Spatial Elements and the Urban Heat Island Effect (in Korean with English abstract). Journal of the Utban Design Institute of Kerea. 6(1):47-63.
• Park JH, Na SI, Kim JS. 2005. Analysis of Relationship between Vegetation Cover Rates and Surface Temperature Using Landsat TM Data (in Korean with English abstract). Journal of The Korean Society of Agricultural Engineers. pp. 569-573.
• Park MH, Park JI. 2008. A Relationship Analysis among Land Surface Temperature and NDVI in Hampyeong Bay Using Landsat TM/ETM+ (in Korean with English abstract). Journal of the Korean Cadastre Information Association. 10(2):107-115.
• Park CY, Lee DK, Kwon EG, Her MJ. 2017. Green-infra Strategies for Mitigating Urban Island (in Korean with English abstract). Journal of the Korean Society of Environmental Restoration Technology. 20(5):67-81.
• Park JK, Kim WH, Lee JS, Yun HC. 2014. Characteristics Analysis of the Land Surface Temperature about Urban Area Using Landsat Satellite Images in Gyeongsangdo Provinces (in Korean with English abstract). Journal of the Korean Cadastre Information Association. pp. 157-166.
• Quan HC, Lee BG. 2009. Analysis of Relationship Between LST and NDVI using Landsat TM Images on the City Areas of Jeju Island (in Korean with English abstract). Journal of Korean Society for Geospatial Information Science. 17(4):39-44.
• Small EE. 2005. The Effects of Satellite-Derived Vegetation Cover Variability on Simulated Land-Atmosphere Interactions in the NAMS. Journal of Climate. 18:21-40. [https://doi.org/10.1175/JCLI3254.1]
• Song BG, Park KH, 2019. Comparison of ASTER Satellite and Ground-Based Surface Temperature Measurements for Urban Heat Island Studies (in Korean with English abstract). Journal of the Korean Association of Geographic Information Studies, 22(3):104-124.
• Voogt JA, Oke TR. 2003. Thermal Remote Sensing of Urban Climates. Remote Sensing of Environment. 86:370-384. [https://doi.org/10.1016/S0034-4257(03)00079-8]
• Yun HC, Kim MG, Jung KY. 2013. Analysis of Temperature Change by Forest Growth for Mitigation of the Urban Heat Island (in Korean with English abstract). Journal of the Korean Society of Surveying Geodesy, Photogrammetry and Cartography. 31(2):143-150. [https://doi.org/10.7848/ksgpc.2013.31.2.143]