안개 발생 임곗값의 공간적 변이와 지형·피복 요인의 영향 분석: 도로 CCTV 기반 실측 안개자료 활용 연구

2.1. 연구대상지 및 자료 구성

본 연구는 영동고속도로 주요 구간에 설치된 도로교통용 CCTV를 대상으로 하여 안개 발생 여부를 판별하고, 해당 시공간에서 관측된 기상·지형 자료를 연계함으로써 도로안개 발생 조건을 정량적으로 분석하였다. 연구 자료는 크게 CCTV 기반 안개 판별 자료, 자동기상관측망 자료(ASOS 및 AWS), 그리고 국지 지형·환경 정보를 포함한 GIS 기반 공간자료로 구성하였다(Table 1). CCTV 자료는 안개 발생 시점을 도로 실황 수준에서 직접 확인할 수 있는 고해상도 영상자료라는 점에서 기존 기상관측망의 한계를 보완하는 역할을 하며, 기상자료는 안개 발생 시각의 기상조건을 정량화하는 데 활용되었다. 지형자료는 지면 특성과 주변 환경이 안개 형성에 미치는 영향을 고려하기 위해 구축하였다.

Table 1.

Data and variables used in this study

2.1.1. CCTV 기반 안개 판별 자료 구축

CCTV 자료는 기상기후 빅데이터 분석 플랫폼 날씨마루의 고속도로 비눈안개 분석정보를 활용하여 수집하였다. 이 플랫폼에서는 우리나라 고속도로 CCTV기반 비눈안개 분석정보가 표출되는데, 그 중 영동고속도로를 대상으로 하여 관측지점 중 영상 화질과 시정 판별이 가능한 구간을 선별하였다(Fig. 1). 수집된 각 영상은 시스템에서 알고리즘에 의해 분석된 모든 사례 중 안개 발생 자료와 미발생 자료로 분류하였다. 안개 발생 시각은 영상의 시작 및 종료 시각의 산술평균을 활용하여 중간시각을 산정하였으며, 이는 이후 기상자료 연계의 기준 시각으로 활용되었다.

Fig. 1.

Distribution of CCTV and meteorological observation sites along the Yeongdong Expressway

2.1.2. 기상자료 매칭 및 기온과 이슬점온도 차의 임곗값 산출

기상자료는 ASOS 및 AWS에서 제공하는 시간별 관측자료 중 CCTV 영상의 중간시각에 가장 근접한 관측시각을 기준으로 매칭하였다. 구체적으로, 중간시각이 정시 기준 30분 이상 경과한 경우 다음 정시의 관측자료를 매칭하고, 30분 미만일 경우 이전 정시의 관측자료를 매칭하는 방식으로 시간 일치를 수행하였다. 또한 공간적 매칭은 CCTV 지점에 가장 가까운 관측소를 1차적으로 사용하며, 이 관측소의 자료가 결측인 경우 두 번째로 가까운 관측소의 자료로 보완하였다.

수집된 기상자료에는 기온, 상대습도, 풍향, 풍속, 일 누적강수량, 1시간 누적강수량, 현지기압, 해면기압이 포함되며, 이슬점온도는 기온과 상대습도를 이용한 Magnus식 기반 산출식을 사용하여 계산하였다(Lawrence et al., 2005).

안개 발생 분류 임곗값 산출을 위해, 각 지점에서 관측된 기온–이슬점온도 차이(T–Td)를 활용하였다. T–Td 임곗값은 안개 발생의 절대적 물리 조건이라기보다, 관측 기반의 분류 경계라고 할 수 있다. 우선, 영동고속도로 상의 각 CCTV 지점을 단위로 안개 발생 사례(243건)와 미발생 사례(432건)를 구분하고, 이를 기반으로 의사결정나무(Decision Tree)를 활용하여 임곗값을 도출하였다. 이때 신뢰도 있는 임곗값을 산출하기 위해 다음과 같은 자료 선별 기준을 적용하였다. 첫째, 안개 발생 사례가 3건 미만인 지점은 통계적으로 안정적인 분류 경계를 설정하기 어렵다고 판단하여 분석 대상에서 제외하였다. 둘째, 안개 발생 사례는 3건 이상 존재하지만 안개 미발생 사례가 전혀 없는 지점 역시 안개 발생·미발생을 구분하는 임곗값을 설정할 수 없으므로 제외하였다. 셋째, 위 조건을 만족하더라도 개별 지점의 자료 분포 특성으로 인해 의사결정나무에서 명확한 분류 임곗값이 산출되지 않는 지점은 최종 분석 대상에서 제외하였다. 이와 같은 필터링 과정을 거친 결과, 총 15개 CCTV 지점(Fig. 2)에 대해 기온–이슬점온도(T–Td)를 이용한 안개 발생 분류 임곗값을 산출하였다(Table 2). 이렇게 도출된 지점별 임곗값은 이후 지형·피복 변수와 결합하여 안개 발생 조건의 공간적 변이와 영향 요인을 분석하는 지표로 활용하였다.

Fig. 2.

CCTV-based fog occurrence images by observation site

Table 2.

CCTV sites used in this study (orange cells indicate the locations where fog occurrence thresholds were determined)

2.2. 연구방법

본 연구의 분석 절차는 크게 (1) 기술통계량 분석, (2) 비선형 구조 탐색을 위한 LOESS (Locally Weighted Scatterplot Smoothing) 분석, (3) 지형·기상 특성 기반 사례 군집분석, (4) Random Forest 기반 SHAP (SHapley Additive exPlanations) 해석의 네 단계로 구성하였다.

3.1. 기술통계량 분석 결과: 기온-이슬점온도(T–Td) 임곗값의 공간 변동성

기술통계량에 따르면, 기온–이슬점온도(T–Td) 임곗값은 평균 0.80°C, 표준편차 0.89°C로 지점 간 변동폭이 매우 컸으며(0.01–2.96°C), 이는 동일한 기온·습도 조건에서도 지형적 환경에 따라 안개 발생 난이도가 크게 달라질 수 있음을 의미한다(Table 3). 이는 서론에서 논의한 바와 같이, 안개 발생은 기온과 습도뿐만 아니라 복사냉각, 바람환경, 국지적 공기 정체, 지형의 밀폐도 등 다양한 국지 기상요인의 영향을 받는 복합적 현상이라는 점(Eugster, 2001; Gultepe et al., 2007)과 일치한다. 기술통계량 분석은 도로안개 발생의 분류 경계값인 T–Td가 단일한 임곗값으로 설명될 수 없으며, 지점 간 상당한 이질성이 존재함을 보여주었다.

Table 3.

Descriptive statistics of topographic variables and fog occurrence T–Td thresholds for the 15 sites

3.2. LOESS 분석 결과: 지형·환경 요인의 비선형적 관계

LOESS 평활곡선은 주요 지형 변수와 임곗값(T–Td) 사이에 존재하는 분명한 비선형적 관계를 해석할 수 있다(Fig. 3). 고도(elevation)가 높아질수록 T–Td 임곗값이 증가하는 경향이 나타났으며, 이는 고지대 환경에서 안개가 상대적으로 형성되기 어렵다는 점을 의미할 수 있다. 고지대는 기류 혼합이 활발하고, 야간 복사냉각의 구조가 평지와 다르게 전개되기 때문에 찬공기의 저류가 제한된다(Eugster, 2001).

Fig. 3.

LOESS smoothing curves for terrain variables vs threshold

경사(slope)가 증가할수록 임곗값은 증가하였는데, 이는 급경사 지형에서 차가운 공기가 지표면 부근에 정체되기 어렵고, 지표면 차갑게 식으며 형성되는 안정한 냉공기층이 흐트러져, 복사안개가 형성될 조건이 충족되지 않기 때문이다.

천개지수(SVF)가 매우 낮은 구간(0.1 이하)에서는 임곗값이 비교적 높게 나타났으나, SVF가 0.2 ~ 0.3 수준으로 증가하는 구간에서는 임곗값이 뚜렷하게 감소하는 경향으로 분석되었다. 이는 극도로 폐쇄된 협곡에서는 지형풍, 난류 교란, 열적 불균일성 등으로 인해 냉기가 안정적으로 잔류하기 어렵지만, 적당히 폐쇄된 계곡 환경에서는 야간 복사냉각과 냉공기 저류가 가장 효율적으로 작용하여 상대적으로 작은 T–Td에서도 안개가 형성될 수 있음을 의미한다.

토지피복 및 하천 거리와의 관계에서도 일관된 기후·지형 특성이 나타났다. 산림면적 비율(forest)이 높을수록 임곗값이 증가하는 경향이 확인되었는데, 이는 울창한 산림 지역에서 복사냉각이 상대적으로 덜 발생하고, 지형면의 거칠기 및 난류 생성이 증가해 안개 형성이 제한되기 때문이다. 반면, 초지(grassland)와 나지(barren)의 비율이 낮을수록 임곗값이 감소한 것은 지표 냉각이 효율적으로 일어나기 때문이다. 하천에 가까운 지역(log river distance)에서는 수증기 공급이 증가하고 상대습도가 높아지기 때문에 임곗값이 작게 나타난 것으로 판단된다. 종합하면, LOESS 분석 결과는 T–Td 임곗값이 단순한 온·습도 조합만으로 결정되는 것이 아니라, 국지 지형 구조, 지표 피복 특성, 복사냉각·습도공급 환경 등 다양한 요인이 복합적으로 작용하는 비선형 시스템에 의해 조절된다는 점을 보여준다. 그러나 표본 수의 제약으로 인해, 해당 결과는 통계적 검정이나 정량적 추정으로 확장하기보다는, 변수들과 T–Td 임곗값 간 비선형적인 경향성을 정성적으로 탐색하는 수준으로 해석할 수 있다.

3.3. 군집분석 결과: 지형 특성 유형에 따른 안개 발생 임곗값의 구조적 차이

K-means 군집분석(k=3) 결과, 연구대상 CCTV 지점들은 뚜렷한 지형적 특성에 따라 세 개의 군집으로 분류되었다(Fig. 4). 세 군집은 각각 저지대 개활지형(군집 1), 산림 계곡지형(군집 2), 중고지대 완만지형(군집 3)으로 구분되었으며, 각 군집은 고도·경사·천개지수(SVF)·피복 특성의 조합이 상이하게 나타나 안개 발생 임곗값의 차이를 구조적으로 설명하였다(Table 4, Fig. 5). 이는 서론에서 제기한 바와 같이, 단일 기상변수가 아닌 지형·피복·미기상 요소의 복합성이 도로안개 발생 조건을 규정한다는 가설과 일치하는 결과이다.

Fig. 4.

Cluster number selection

Table 4.

Characteristics of each cluster

Fig. 5.

Boxplots of terrain variables by cluster

군집 1은 ‘저지대 개활지형’ 유형으로, 평균 고도가 가장 낮고(123 m), 경사는 거의 평지에 가까우며(1.0°), SVF가 가장 높아(0.81) 하늘 개방도가 큰 특징을 보인다. 산림 비율은 가장 낮고(31%), 대신 초지·나지 비율과 피복 다양성(1.59)이 상대적으로 높아 주변 지표가 균질하지 않은 개활지 환경을 이룬다. 이러한 조건은 야간 복사냉각이 효과적으로 작동하여 지면층에서 빠르게 포화 조건을 형성하기 때문에, 상대적으로 작은 T–Td에서도 안개가 발생한다. 실제로 이 군집의 평균 임곗값은 0.44°C로 가장 낮아, 안개 형성에 매우 민감한 특성을 나타냈다.

군집 2는 ‘산림 계곡형’ 특성을 나타내며, 평균 고도는 중간 수준이지만(495 m), 경사가 크고(9.95°) SVF가 0.10으로 가장 낮아 지형적 밀폐도가 강하다. 산림 비율 역시 가장 높아(88%) 단일 피복이 우세한 산림지형 구조를 보인다. 그러나 고도가 높고 경사가 큰 산림 계곡지형에서는 냉기 저류가 이루어지기 전에 지형풍·이류교란이 상대적으로 강해지면서, 충분한 복사냉각이 유지되기 어렵다. 이로 인해 안개가 형성되기 위해서는 더 작은 T–Td 조건이 필요하지 않고, 오히려 더 큰 T–Td 구간에서 안개가 발생한 것으로 관측되었다(평균 1.77°C). 이는 ‘계곡=안개’라는 단순 도식과는 달리, 산림 구조·지형풍·열적 비균질성이 결합된 환경의 조건에서 상대적으로 높은 임곗값이 관찰되었음을 보여준다.

군집 3은 ‘중고지대 완만지형’으로, 고도가 가장 높지만(569 m), 경사는 상대적으로 완만하고(3.93°) SVF는 중간 수준(0.71)으로 하늘 개방도가 과도하게 제한되지 않는다. 산림 비율과 초지·나지 비율, 피복 다양성 모두 중간 수준을 보이며, 임곗값도 0.61°C로 세 군집 중 중간 범위를 나타낸다. 즉, 복사냉각·지형풍·습도 공급이 어느 한 방향으로 극단적이지 않은 ‘중간적 환경’으로, 안개 형성 요인이 혼재한 지형범주로 해석된다.

군집분석 결과를 통해서, 도로안개 발생 임곗값의 공간적 변이가 단순한 고도나 지형 단일 항목이 아니라, 하늘 개방도·피복 구성·지형 기울기와 같은 국지적 환경 요인의 조합에 의해 달라질 수 있음을 보여주었다. 특히 저지대 개활지에서는 매우 작은 T–Td에서도 안개가 형성된 반면, 산림이 우세한 고지 계곡지형에서는 오히려 임곗값이 크게 나타나는 등, 도로안개는 지형·피복·미기상 요소의 복합적 요인에 의해서 발생하는 것으로 분석되었다.

3.4. Random Forest–SHAP 결과: 주요 지형·피복 요인의 영향 구조

Random Forest 회귀모형은 T–Td 임곗값을 높은 정확도로 설명하였으며(R² > 0.85), SHAP 분석을 통해 변수별 영향력과 방향성을 정량적으로 해석하였다(Fig. 6). SHAP 값이 양수일수록 해당 변수가 임곗값을 증가시켜 안개 발생을 어렵게 만드는 방향으로 작용하며, 음수일 경우 임곗값을 감소시켜 안개가 쉽게 형성되는 방향으로 기여한다.

Fig. 6.

SHAP summary plot: Variable importance and impact direction

첫 번째로 중요한 변수는 초지+나지 비율(grassland+barren)로, 모든 변수 중 가장 높은 중요도를 나타냈으며, 높은 값(붉은 색)이 주로 SHAP 음수 영역에 분포하였다. 이는 초지·나지 면적이 넓은 지역일수록 임곗값이 감소하여, 상대적으로 작은 T–Td에서도 안개가 형성되기 쉬움을 의미한다. 개활지 기반의 단열 냉각 및 수증기 재분포가 활발하게 일어나는 저지대의 평탄한 환경이 안개 발생을 촉진하는 것으로 해석된다.

두 번째로 중요한 변수는 경사(slope)로, 경사 값이 높은 지점이 주로 양수 영역에 위치하여 급경사 지형일수록 임곗값이 증가하고 안개 발생이 어려워짐을 나타냈다. 경사가 클수록 찬 공기가 정체되지 못하고 능선·사면 방향으로 빠르게 흘러내려 복사냉각 기반의 응결 조건이 약화되는 지형기상학적 특성과 일치한다.

세 번째로 중요한 변수인 피복 다양성(land cover diversity)은 다양성이 높은 지점일수록 SHAP 값이 음수 영역에 분포하여 임곗값을 감소시키는 경향이 확인되었다. 이는 곧 피복이 다양한 지역에서는 안개가 상대적으로 작은 T–Td에서도 발생했음을 의미하며, 이러한 경향은 저고도 평지에서 다양한 토지피복(초지·나지·수역·도로 등)이 혼재하는 환경과 일치한다. 반대로 SHAP 플롯에서 피복 다양성이 낮은 지점들은 주로 양수 영역에 위치했으며, 이는 해당 지점에서 안개가 발생하기 위해서는 더 큰 T–Td (즉, 더 강한 포화 조건)가 요구되었음을 보여준다. 이러한 낮은 다양성 구간은 대부분 산림이 지배적인 중·고지대 지형과 대응한다.

피복 다양성의 구조적 의미는 추가적으로 수행한 두 가지 분석을 통해 더욱 명확하게 확인되었다(Fig. 7). 첫째, 피복유형 수와 피복 다양성의 관계를 나타낸 박스플롯은 피복유형의 종류가 많아질수록 피복 다양성이 일관되게 증가함을 보여준다(Fig. 7(a)). 즉, 피복유형이 3개인 지점은 피복 다양성이 0.5 이하로 낮은 반면, 6 ~ 8개의 유형을 포함한 지점들은 피복 다양성이 1.5 이상으로 높게 나타나, 피복 다양성이 단순 비율뿐 아니라 피복의 종류 다양성과 균형도를 반영하는 지표임을 확인할 수 있다. 둘째, 피복 다양성 등급별(low, medium, high) 피복유형을 나타낸 히트맵에서는 이러한 특성이 더욱 뚜렷하게 나타났다(Fig. 7(b)). 피복 다양성이 낮은 지점들(low)은 산림 비중이 매우 높아 사실상 단일 피복 구조였던 반면, 피복 다양성이 높은 지점들(high)은 산림·초지·나지·수역 등이 보다 균형적으로 섞여 있어 지표면의 이질성이 큰 환경을 이루고 있었다. 실제로 피복 다양성이 높은 지역은 대체로 저고도 평지에 위치하며 다양한 피복이 공존하여 냉각·습도 공급 조건이 보다 다양하게 충족되면서 상대적으로 작은 T–Td에서도 안개가 형성되는 경향을 보였다. 반대로 피복 다양성이 낮은 지역은 고지대의 산림이 지배적인 단일 피복 환경과 대응되었으며, 이와 같은 환경에서는 지형풍의 발달과 공기 혼합의 강화, 지표면 열·습 조건의 단순화로 인해 국지적인 포화 상태 형성이 상대적으로 제한될 수 있다. 이러한 특성으로 인해 해당 지점들에서는 안개가 실제로 발생한 경우에도 비교적 큰 T–Td 값이 관측된 것으로 해석된다.

Fig. 7.

Boxplot and heatmap related to land cover diversity

하천까지의 거리(log river distance), 천개지수(Sky View Factor, SVF), 산지면적 비율(forest), 고도(elevation) 역시 임곗값 결정에 유의한 영향을 보였으나 중요도는 상대적으로 낮았다. 하천에 가까운 지점과 SVF가 낮은 지점(계곡)은 SHAP 음수 영역에 집중되어 임곗값을 감소시키며, 하천에서 멀어지고 SVF가 높은 개활지는 양수 영역에 위치하여 더 큰 임곗값을 요구하였다. 산림비율과 고도는 전반적으로 값이 높을수록 양수 영역으로 이동하여 임곗값 증가에 기여하였는데, 이는 고산·산림 지역에서의 공기 혼합, 기류 흐름 강화, 복사냉각 약화가 복합적으로 작용한 결과로 해석된다. 전반적으로 SHAP 분석 결과는 LOESS 분석 및 군집분석에서 나타난 지형·피복 요인별 비선형성과 공간적 차이를 정량적으로 뒷받침하며, 저지대 평지·다양한 피복·하천 인접 지역에서는 작은 냉각으로도 안개가 형성되지만, 고지대·급경사·산림 지역에서는 더 큰 냉각이 요구된다는 것을 확인하였다.

4.1. 학술적 및 실용적 의의

본 연구는 도로 환경에서 발생하는 안개를, 기존의 기상관측소 중심 접근에서 나아가 도로 CCTV 기반 실측 안개자료를 직접 활용하였다는 점에서 의미가 있다. 이를 통해 개별 지점에서 실제로 발생한 안개 사례와 해당 시점의 기온–이슬점온도(T–Td) 임곗값을 산출하고, 이를 지형·피복·미기상 요인과 연계하여 분석함으로써, 안개 발생 조건이 단일 기상요인에 의해 일률적으로 결정되지 않음을 알 수 있었다. 이는 기온–이슬점온도(T–Td) 임곗값이 CCTV 기반 안개 감지에 대응하는 지점별 상대 지표로서, 지형·피복 조건과 상호작용하는 비선형 구조 속에서 형성된다는 점을 알 수 있었다. 이러한 접근은 도로 현장을 기반으로 한 고해상도 자료 분석이 상대적으로 부족했던 기존 안개 연구의 한계를 보완하며, 향후 관련 연구에서 참고 가능한 새로운 분석 틀을 제공한다.

또한 본 연구의 결과는 실무적 측면에서도 활용 가능성이 높다. 첫째, T–Td 임곗값의 공간적 변이를 정량화함으로써 도로안개 취약 구간을 과학적으로 식별할 수 있는 근거자료를 마련하였다. 둘째, 지형 유형에 따라 안개 발생 임계조건이 달라진다는 점을 확인함으로써, 향후 지형 맞춤형 경보 및 관리전략을 설계할 수 있는 방향성을 제시하였다. 특히 SHAP 분석을 통해 도출된 변수별 영향 구조는 도로 유지관리 기관이 위험구간을 평가하고 대응 전략을 수립할 때 유용한 해석 근거가 된다. 셋째, 본 연구가 제시한 실측자료–기상자료–지형자료의 통합 분석 프레임워크는 국지지형 기반의 위험기상 예측 및 도로 안전 관리 체계 구축의 기초자료로 활용될 수 있다.

본 연구는 도로안개를 설명하기 위한 새로운 공간–지형–미기상 통합 분석 접근법을 제시하였으며, 도로 환경에서의 안개 발생 메커니즘과 공간적 변이를 해석하는 데 기여한다. 나아가 기후변화로 인해 변동성이 높아지는 도로 미기상 조건을 고려한 향후 예측·관리 체계 구축의 기반을 제공한다는 점에서 학술적·실용적 의의를 갖는다.

4.2. 향후 연구 과제

본 연구는 도로 CCTV 기반의 실측 안개자료와 기상·지형 정보를 통합하여 T–Td 임곗값의 공간적 변이를 정량화하고, 지형·피복 요인의 상호작용을 규명하였다는 점에서 의미 있는 기여를 하였으나, 몇 가지 한계도 존재한다. 이를 보완하기 위한 향후 연구과제는 다음과 같다.

첫째, 본 연구는 CCTV 영상의 수집 시간 단위와 기상자료 사이의 시간 해상도 불일치가 존재한다. 따라서 향후에는 CCTV 영상을 시계열 단위의 연속적인 자료로 수집하여, 시간적 정밀도를 높임으로써, 안개 발생 전후의 미세한 미기상 변화를 보다 정확히 분석할 필요가 있다.

둘째, 본 연구는 지형·피복 요인의 영향 규명에 중점을 두었기 때문에, 경계층 안정도, 구름량, 상층 기단 특성 등 안개 형성에 중요한 대기요인을 직접적으로 통제하지 못하였다. 후속 연구에서는 수치예보모델에서 생성되는 경계층 자료 또는 고층관측을 활용하여, 지형–대기 간 상호작용을 더욱 정교하게 설명할 필요가 있다.

셋째, 본 연구 대상은 영동고속도로 구간으로 한정되어 있어, 산악형·연안형·도시형 등 다양한 도로환경으로 일반화하는 데에는 제약이 있다. 향후에는 지형 특성이 상이한 다른 도로구간으로 분석 범위를 확장함으로써, 본 연구에서 제시한 T–Td 임곗값 구조가 지역 간에도 일관되게 나타나는지 검증할 필요가 있다.

마지막으로, SHAP 기반 해석은 변수의 상대적 영향 방향을 효과적으로 보여주지만, 데이터 분포 및 지형적 맥락에 따라 해석이 달라질 가능성이 여전히 존재한다. 따라서 향후에는 군집별·지형유형별 별도의 SHAP 분석이나 교차검증을 수행하여 설명력의 안정성을 높이는 방향이 요구된다.

이러한 개선을 통해, 본 연구에서 제시한 도로안개 발생 분석틀은 보다 다양한 환경조건에서의 적용 가능성과 예측력을 확보할 수 있으며, 도로안개 위험관리 및 기후변화 대응 전략 개발에 더욱 실질적인 기여를 할 수 있을 것이다.