서울 도심 내 상업지역과 주거지역의 지표면 온도를 분석하기 위하여 열적외 카메라로 관측한 연구 대상지는 그림 1과 같다. 광화문 관측소는 상업지역을 대표하는 관측소이며 지리적 위치는 37.57°N, 126.98°E이고 고도 32 m에 위치한다 (그림 1b). 관측소를 기준으로 600 m 반경 내의 지역이 80 m 이상의 고층 빌딩으로 밀집되어 있으며 출, 퇴근 시간과 그 외 시간의 교통 및 인구의 편차가 매우 큰 지역으로 상업지역을 대표할 수 있다. 중랑 관측소는 주거지역을 대표하는 관측소이고 지리적 위치는 37.59°N, 126.08°E이고 고도 14 m에 위치한다 (그림 1c). 관측소를 기준으로 600 m 반경 내의 48%가 주거지역, 6%가 아파트, 1%가 학교로 구성되어 있다 (Kwon et al., 2014).

관측 지점의 지표면 온도는 8~12 μm의 파장대, 320×240 픽셀, 21.7°×16.4°의 시야각을 가지는 열적외 카메라 (Nippon Avionics, TS9230)를 이용하여 5분 간격으로 관측한 자료를 시간 평균하고, 지면의 이용 형태와 위치에 따라 세부적인 영역들로 분류하였다. 세부적인 영역은 가시영상과 열적외 영상을 비교하여 균질성을 확인하여 분류하였다. 광화문 관측소에서는 아스팔트 도로를 위치에 따라 7개의 세부 영역 (그림 1d)으로 구분하여 각 영역들에 해당하는 열적외 온도를 추출하였고, 중랑 관측소에서는 지면의 이용 형태에 따라 5개의 세부 영역 (그림 1e)으로 구분하여 각 영역의 열적외 온도를 추출하였다. 관측한 열적외 온도는 방출률과 주변 온도에 대한 대기보정을 위해 식 (1)을 적용하여 지표면 온도 Tabj4를 결정하였다 (Rubén et al., 2014).

Fig. 1. 
The locations of WISE observation sites and images observed from visible and thermal infrared camera mounted on the observation sites. The red star on the (a) is location of the WISE observation sites named Gwanghwamun and Jungnang in Seoul. The boxes on the (d) and (e) are analyzed area and description of area are reported on the Table 1.

식(1)에서 T_TIR는 열적외 영상에서 감지된 온도, T_amb는 주변 온도, ε는 지표면의 방출률 (표 1의 Emissivity 적용)이다

지표면 온도의 위성영상 자료는 16일에 1회 관측이 수행되고 서울시 전역을 1030 LST에서 1110 LST 사이에 관측하는 Landsat 8 위성자료를 사용하였다. Landsat 8 위성에서 관측되는 파장 중 100 m×100 m 해상도의 대기의 창 영역에 해당되는 11 μm 자료 (Band 10; 10.3 μm~11.3 μm)를 이용하여 열적외 카메라로 관측한 지역과 동일한 영역의 지표면 온도로 산출하였다. Landsat 8 위성자료는 자료와 함께 밴드별로 제공되는 선형 회귀식의 상수와 식 (2)를 이용하여 복사에너지를 계산할 수 있다.

식(2)에서 L_λ는 위성에서 관측된 복사에너지 (w/m²/sr/μm)이고 Q_cal은 Landsat 8 위성에서 관측된 정규화 값 (0~32767), A와 B는 밴드별로 제공된 선형회귀식의 상수이다. 식(2)를 통해 계산된 복사에너지 (L_λ)와 절대온도 (Κ)사이의 관계성을 이용하여 위성에서 관측된 복사온도를 계산할 수 있다 (USGS, 2015).

식(3)에서 T(Κ)는 위성에서 관측한 복사온도이고, K₁과 L_λ는 보정계수 (w/m²/sr/μm)이다.

계산된 위성관측 복사온도는 토지이용도에 따른 방출률 (ε, Mallick et al., 2008; Jin and Liang, 2006)을 식(4)에 적용하여 지표면 온도 (T_s)를 산출하였다.

지표면 온도는 대기에 의한 영향이 있으나 대기조건이 전체 관측지역 위에서 영역적으로 동일하다고 가정하여 대기보정은 하지 않았다.

Landsat 8의 특성을 알아보기 위하여 연구영역의 2014년 6월 15일 1100 LST의 Red Green Blue (RGB) 영상과 지표면 온도를 그림 2에 나타내었다. RGB 영상은 조합 방법에 따라 위성의 관측 (R (Band 4: 0.655 μm), G (Band 5: 1.365 μm), B (Band 3: 0.5625 μm))의 특성들이 반영되기 때문에 다양한 지표의 특성을 뚜렷하게 구분지을 수 있다 (Jee and Choi, 2014).

Fig. 2. 
(a) RGB composite image (R: Band 4, G: Band 5, B: Band 3) and (b) land surface temperature (K) from Landsat 8 satellite at 1120 LST June 15 2014. And red star on the (a) are locations of WISE observational sites.

그림 2a의 RGB 453 영상에서 산림지역은 갈색, 도시는 푸른색 그리고 강은 검은색으로 나타난다. Landsat 8으로 관측한 관측 지역의 지표면 온도 (그림 2b)는 강과 호수 그리고 산림에서 낮게 나타나고 상업지역, 도로, 다리, 아파트 등의 인공적인 피복지역에서 높게 나타난다.

열적외 카메라와 Landsat 8 위성으로 관측한 지표면 온도를 비교하기 위하여 두 자료를 시간 및 공간 일치하였다. Landsat 8 위성영상으로부터 서울 지역을 100 m×100 m의 해상도로 지표면 온도를 추출하였으며 열적외 영상에서 지표면의 이용 형태와 위치에 따라 구분한 세부 영역의 위, 경도 (표 1의 위도와 경도)를 기준으로 가장 가까운 화소의 값을 공간을 일치시켰다. Landsat 8 위성은 16일을 주기로 관측이 수행되고 1110 LST에 광화문과 중랑 관측소에 해당하는 지점을 통과한다. 관측 시간을 일치시키기 위해 1110 LST에 관측된 열적외 영상 자료를 추출하였다. 열적외 영상과 Landsat 8 위성영상 자료가 모두 사용 가능한 날짜는 총 7일 (2013년 12월 21일, 2014년 1월 22일, 2014년 3월 27일, 2014년 5월 14일, 2014년 5월 30일, 2014년 6월 15일, 2014년 7월 1일)이었으며, 해당 날짜의 세부 영역별 지표면 온도 자료는 광화문 관측소에서 총 98개, 중랑 관측소에서 총 70개의 자료가 사용되었다. 시간 및 공간 일치된 열적외 영상과 Landsat 8 위성영상 자료는 분류에 따라 선형 회귀분석과 상관계수 등의 기초 통계값을 분석하였다.

먼저, 열적외 영상과 Landsat 8의 지표면 온도의 관측일별 시계열을 분석하였다. 관측소별 세부 영역에 대한 열적외 영상과 Landsat 8의 지표면 온도의 상관성을 분석한 후 관측일별 상관성을 분석하였다. 마직막으로 관측소별 열적외 영상과 Landsat 8의 지표면 온도의 상관성을 분석하였고 이에 대한 박스플롯을 분석하여 관측소별 관측일별 열적외 영상과 Landsat 8의 지표면 온도의 특성을 정리하였다.

열적외 카메라와 Landsat 8 위성으로 관측한 광화문 관측소와 중랑 관측소의 각 지점별 지표면 온도를 그림 3에 선정된 사례일에 대하여 시계열로 나타내었다. 분석에 사용된 자료는 위성의 관측 시간과 기상 상태 등 원인으로 적용 가능한 자료만을 활용하였다. Landsat 8의 지표면 온도는 열적외 영상의 지표면 온도와 시간에 따른 경향은 유사하였으나 과소 추정되었다. Landsat 8으로 관측한 지표면 온도의 평균과 표준편차는 광화문 관측소에서 17.05±13.79℃, 중랑 관측소에서 19.27±14.67℃로 두 관측소에서 비슷한 수준의 지표면 온도가 관측되었다. 열적외 카메라로 관측한 지표면 온도의 평균과 표준편차는 광화문에서 22.07±16.66 ℃, 중랑에서 26.20±16.93℃로 두 관측소의 지표면 온도 차이가 최저 1.2℃에서 최고 8.9℃의 차이를 보였다.

Fig. 3. 
Timeseries of the surface temperature observed from (a) TIRI and (b) Landsat 8 at the analyzed areas on the Gwanghwamun and Jungnang sites.

두 지역에 대하여 Landsat 8은 비슷한 수준의 지표면 온도를 관측하였지만 열적외 카메라로 관측한 두 지역의 지표면 온도는 상당한 차이를 보이며 지역의 지표 특성에 따라 서로 다른 지표면 온도를 나타내는 것을 볼 수 있다. Landsat 8과 열적외 영상의 지표면 온도 차이는 시간과 영역에 따라 광화문 관측소의 경우 0.02℃에서 14.6℃의 차이를 보였으며, 중랑 관측소의 경우 0.09℃에서 22.20℃의 차이로 광화문 관측소보다 더 큰 차이를 보였다. 계절에 따른 Landsat 8과 열적외 영상의 지표면 온도 차이는 겨울철 (12, 1월) 광화문 관측소에서 0.75℃, 중랑 관측소에서 5.28℃이며, 여름철 (6, 7월) 광화문 관측소에서 8.89℃, 중랑 관측소에서 10.08℃로 두 관측소 모두에서 겨울보다 여름의 지표면 온도 차이가 더 크게 나타났다. 이는 Cristóbal et al. (2009)의 결과와 같이 위성관측에서 관측된 지표면 온도가 여름철 대기 중 수증기량에 크게 영향을 받은 것으로 분석된다.

열적외 영상과 Landsat 8의 지표면 온도를 표 1에 나타낸 영역의 위치, 지면의 재질 그리고 방출률을 적용하여 각 영역별 지표면 온도의 상관성 분석을 수행하였다 (그림 4). 광화문 관측소에서 7개의 영역별로 관측한 열적외 영상과 Landsat 8의 두 지표면 온도는 0.94에서 0.97의 높은 상관성을 보였고 회귀분석의 기울기가 1.0 이하로 열적외 영상과 비교하여 Landsat 8이 지표면 온도를 과소 추정하였다 (그림 4a). 중랑 관측소에서 5개의 영역에 대해 관측한 두 지표면 온도의 상관성은 0.97에서 0.99로 광화문 관측소에서 보다 높은 상관성을 보였다 (그림 4b). 그리고 그림 5는 선정 사례일별로 구분하여 열적외 영상과 Landsat 8의 지표면 온도 상관성을 나타내었다. 광화문 관측소에서 관측한 두 지표면 온도의 사례일별 상관성은 0.17에서 0.63 (그림 5a), 중랑 관측소의 경우 0.02에서 0.79 (그림 5b)로 사례일에 대한 차이가 있으나 비교적 매우 낮은 상관성을 보였다. 또한 열적외 영상의 지표면 온도 변화와 비교하여 Landsat 8으로 관측한 지표면 온도는 일정하였다. Landsat 8의 해상도는 100 m×100 m로 지상 관측용 열적외 카메라와 해상도의 차이가 있기 때문에 열적외 카메라는 각 영역별 지표면 온도의 정밀한 고해상도 관측이 가능하나 상대적으로 해상도가 낮은 Landsat 8은 0.001° 간격 (100 m×100 m)의 지표면 온도는 구분되었으나 뚜렷하지 않았다.

Fig. 4. 
Scatterplots of surface temperature between TIRI and Landsat 8 depending on analyzed areas on the (a) Gwanghwamun and (b) Jungnang.

Fig. 5. 
Scatterplots of surface temperature between TIRI and Landsat 8 depending on observation date at the (a) Gwanghwamun and (b) Jungnang.

열적외 카메라와 Landsat 8의 서울 도심 지역 내 지표 특성에 따른 지표면 온도의 고해상도 관측 비교는 해상도와 관측 시각에 따른 한계가 있으므로 광화문 관측소와 중랑 관측소의 세부 영역들을 하나의 공간으로 평균하여 광화문과 중랑에 대해 산포도와 박스분석을 수행하였다. 그림 6에 나타낸 것과 같이 영역 평균하였을 때 열적외 카메라와 Landsat 8으로 관측한 지표면 온도의 상관성은 광화문과 중랑에서 각각 0.96, 0.99로 지면의 이용 형태와 위치에 따라 분류한 각 영역들에 대한 두 지표면 온도의 상관성보다 좋은 상관성을 보였다. 열적외 영상과 Landsat 8의 영역 평균된 지표면 온도의 평균과 표준편차를 사례일별로 표 2에 나타내었다. 영역 평균된 두 관측소의 지표면 온도 변화를 함께 비교해보면 광화문보다 중랑에서 열적외 영상과 Landsat 8의 지표면 온도가 더 높게 관측된 반면, 지표면 온도의 편차는 열적외 영상과 Landsat 8의 관측에서 서로 다른 결과를 보였다. 열적외 영상의 지표면 온도 편차는 광화문보다 중랑에서 더 크게 나타났으나, Landsat 8은 광화문의 지표면 온도 편차가 중랑의 지표면 온도 편차보다 큰 값을 보였다 (그림 7). 열적외 영상의 지표면 온도 편차에 비해 Landsat 8의 지표면 온도 편차는 두 지역 모두에서 매우 낮은 값으로 영역에 따른 변화가 거의 없이 일정하게 관측되며 열적외 카메라의 관측과 달리 각 영역별 지표면 온도를 관측하지 못했다.

Fig. 6. 
Scatterplot of surface temperature of averaged areas between TIRI and Landsat 8 at the (a) Gwanghwamun and (b) Jungnang.

Fig. 7. 
Boxplots of surface temperatures from TIRI (red) and Landsat 8 (yellow) at Gwanghwamun and Jungnang. X-axis represent date of cases.

이와 같은 결과는 도시 지역 내의 특성화된 산업 종류에 따라 다양한 토지 이용과 불규칙하고 복잡한 건물의 구조가 형성되며 도시 내에서 지면의 이용 형태와 위치에 따라 지표면 온도의 다양한 수평 공간 분포가 나타난다. 따라서 수 km 이내의 국지 기상현상이 나타나는 대도시의 기상 특성을 제대로 규명하기 위해서는 지면 부근의 미세규모 고해상도 관측을 이용한 정밀한 지표면 온도의 관측이 요구된다. 고해상도 위성영상 자료로부터 추출한 지표면 온도는 도시 전체에 대한 열 환경의 공간적 분포 특성 해석을 위해서 활용될 수 있으나, 지면 조건을 반영한 수 m 규모 범위에 적용할 경우에는 해상도 문제를 고려하여 활용해야 할 것으로 사료된다.