Study on the Characteristics of Spatial Relationship between Heat Concentration and Heat-deepening Factors Using MODIS Based Heat Distribution Map

MODIS 기반의 열 분포도를 활용한 열 집중지역과 폭염 심화요인 간의 공간관계 특성 연구

Abstract

The purpose of this study was to analyze the spatial correlation between the heat distribution map of the satellite imaging base and the factors that deepen the heat wave, and to explore the heat concentration area and the space where the risk of future heat wave may increase. The global Moran's I of population, land use, and buildings, which are the causes of heat concentration and heat wave deepening, is found to be high and concentrated in specific spaces. According to the analysis results of local Moran's I, heat concentration areas appeared mainly in large cities such as metropolitan and metropolitan areas, and forests were dominant in areas with relatively low temperatures. Areas with high population growth rates were distributed in the surrounding areas of Gyeonggi-do, Daejeon, and Busan, and the use of land and buildings were concentrated in the metropolitan area and large cities. Analysis by Bivarate Local Moran's I has shown that population growth is high in heat-intensive areas, and that artificial and urban building environments and land use take place. The results of this research can lead to the ranking of heat concentration areas and explore areas with environments where heat concentration is concentrated nationwide and deepens it, so ultimately it is considered to contribute to the establishment of preemptive measures to deal with extreme heat.

본 연구는 위성영상 기반의 열 분포도 및 폭염을 심화시키는 요인 간의 공간적 상관성을 분석하여 열 집중지역과 향후 폭염 위험이 증가할 수 있는 공간의 탐색을 목적으로 수행되었다. 열 집중지역과 폭염 심화요인의 인구, 토지이용, 건축물 각각의 전역적 Moran's I는 높게 나타나 특정 공간에 집중하는 것으로 나타났다. 국지적 Moran's I 분석 결과로, 열 집중지역은 수도권 및 광역시 등 대도시에서 주로 나타났고 상대적으로 온도가 낮은 지역은 산림지역이 우세한 강원도 및 경상북도, 소백산맥 지역에서 집중적으로 나타났다. 인구증가율이 높은 지역은 서울 주변의 경기도, 대전, 부산 인근지역에서 군집 분포하였으며 토지이용과 건축물은 수도권과 대도시에 집중하는 유사한 공간 패턴을 보였다. Bivariate Local Moran's I 분석결과는 열이 집중된 지역에서 인구증가율이 높고, 인공적·도시적 건축환경 및 토지이용이 이루어지는 것으로 나타났다. 본 연구결과는 열 집중지역의 순위를 도출할 수 있으며 전국적으로 열이 집중되고 이를 심화시킬 수 있는 환경을 가진 지역을 탐색할 수 있으므로 궁극적으로 선제적 폭염 대응대책 수립에 기여할 수 있을 것이다.

요약

본 연구는 위성영상 기반의 열 분포도 및 폭염을 심화시키는 요인 간의 공간적 상관성을 분석하여 열 집중지역과 향후 폭염 위험이 증가할 수 있는 공간의 탐색을 목적으로 수행되었다. 열 집중지역과 폭염 심화요인의 인구, 토지이용, 건축물 각각의 전역적 Moran’s I는 높게 나타나 특정 공간에 집중하는 것으로 나타났다. 국지적 Moran’s I 분석 결과로, 열 집중지역은 수도권 및 광역시 등 대도시에서 주로 나타났고 상대적으로 온도가 낮은 지역은 산림지역이 우세한 강원도 및 경상북도, 소백산맥 지역에서 집중적으로 나타났다. 인구증가율이 높은 지역은 서울 주변의 경기도, 대전, 부산 인근지역에서 군집 분포하였으며 토지이용과 건축물은 수도권과 대도시에 집중하는 유사한 공간 패턴을 보였다. Bivariate Local Moran’s I 분석결과는 열이 집중된 지역에서 인구증가율이 높고, 인공적·도시적 건축환경 및 토지이용이 이루어지는 것으로 나타났다. 본 연구결과는 열 집중지역의 순위를 도출할 수 있으며 전국적으로 열이 집중되고 이를 심화시킬 수 있는 환경을 가진 지역을 탐색할 수 있으므로 궁극적으로 선제적 폭염 대응대책 수립에 기여할 수 있을 것이다.

1. 서론

최근 전 세계적으로 폭염, 혹한, 폭우 등 극한 기후현상의 발생이 빈번해지고 발생 주기도 점차 짧아지며 그 강도 또한 강해지고 있다(Song, 2012; Bae et al., 2019). 이 중에서도 세계보건기구(WHO, World Health Organization)는 폭염이 21세기에 인명 피해를 일으키는 가장 큰 요인이 될 것으로 전망하였다(KCDC, 2012). 2018년 기록적인 폭염이 발생하면서 전국에서 4,526명의 온열질환자가 발생하고 이 중 48명이 사망하기도 하였다. 이는 2008년~2017년(10년)동안 호우와 태풍 등으로 인한 인명 피해 15.2명과 비교하면 약 300배 수준이다(KCDC, 2019). 기상청에 따르면, 앞으로 2019년 13.3일이던 폭염 일수가 10년마다 약 1.55일 증가하고 40년 후엔 최대 32일까지도 기록할 것으로 예측되고 있다(KMA, 2019). 이와 같이 폭염은 위험도가 가장 높은 재난 중 하나로 지목되고 있다.

이에 따라 폭염은 2018년 9월 18일 재난 및 안전관리 기본법의 개정¹⁾을 통해 자연재난의 하나로 포함하고 각 부처에서는 선제적으로 대응하고자 노력 중이다. 또한 기상청은 6~9월 일 최고 기온을 기준으로 폭염주의보와 경보를 발령하고 있으며, 2019년 6월 1일부터 폭염 영향 예보서비스를 통해 폭염으로 인한 지역 및 영향 분야별(보건, 산업 등) 위험 수준을 감지하고 대응하고 있다.²⁾ 그러나 폭염 발생 시 어디에서 열이 집중되어 나타나는지 그 곳에 사는 주민이나 주변 환경은 어떠한지에 대한 검토 및 현황파악은 충분히 이루어지지 못한 실정이다. 실제 열이 집중되는 공간은 동일한 행정구역 내에서도 편차가 있으며 어떠한 환경이냐에 따라 열이 집중되기도 완화되기도 하는데 지금과 같이 행정구역 내 설치된 AWS(Automatic Weather System) 등이 측정한 기온만으로 폭염이라 정의하고 동일 행정구역은 일률적인 폭염대응정책을 수립하고 시행하기 때문이다.

따라서, 본 연구는 전국을 대상으로 위상영상 기반의 열 분포도를 활용하여 열 집중지역의 공간적 분포를 도출하고 열 집중지역과 폭염을 심화시키는 요인과 어떠한 공간적 상관관계를 갖는지 공간 특성 파악을 목적으로 한다. 본 연구결과는 열 집중지역의 순위를 도출할 수 있으며 전국적으로 열이 집중되고 이를 심화시킬 수 있는 환경을 가진 지역을 탐색할 수 있으므로 궁극적으로 선제적 폭염 대응대책 수립에 기여할 수 있을 것이다.

2. 이론 및 선행연구 고찰

기후변화로 인한 전 지구적인 평균기온의 상승은 폭염 발생일 수를 증가시키고, 공간적 열집중을 심화시켰다. IPCC 제5차 평가보고서의 기후변화 징후에 대한 관측 결과에 따르면 1880년~2012년까지의 기간 동안 육지–해양 표면온도를 기준으로 0.65~1.06°C의 온도가(평균 0.85°C) 상승하였고 이와 같은 추세는 전 지구적으로 나타났다(IPCC, 2015). 이로 인하여 이상고온 현상은 우리나라를 비롯한 전 세계에서 빈번하게 나타나고 그 강도가 강해지고 있다.

이상고온 현상 즉, 폭염은 지구적 기온 상승으로 인한 현상임과 동시에 다양한 기상요소가 결합하고 지형 및 지표 환경특성 등의 영향을 받아 복합적으로 발생하고 강도가 강해진다(Kim et al., 2016). 일례로, 1994년과 2018년은 기록적인 폭염이 발생한 해였으며 기상청에서 폭염 원인을 분석한 결과 유사한 특성을 나타냈다. 두 해의 여름철에는 티베트 고기압과 북태평양 고기압이 발달하였는데 이는 서태평양의 해수면 수온이 높아 한반도로 유입되는 대류가 억제되었기 때문이다. 또한 중위도 지역을 중심으로 동서방향 고기압 트레인의 기압계가 나타나 대기 상층의 동서흐름이 정체되어 폭염이 장기화되었고, 평년보다 짧고 강수량이 적은 장마도 영향을 끼친 것으로 분석되었다. 종관 기상관측치와 폭염의 발생 관계를 분석한 연구를 통해서 여러 기상요소가 폭염 발생과 강도에 영향을 미친다는 것을 알 수 있다(Choi et al., 2005; Kim et al., 2006; Lee et al., 2010).

폭염은 기상요소뿐만 아니라 지형 및 지표의 특성 등에 의해 발생이 가속화되고 현상이 심화된다. 특히 도시환경에서는 수많은 원인으로 미기후가 변화되어 주변지역보다 기온이 더 높고 열대야가 지속되는 열섬현상이 나타난다. 도시의 형태 및 협곡구조를 형성하는 고층 건물군 등에 의해 도시 내 열의 흐름방식이 농촌과는 다르기 때문이다. 도시에서는 대기로부터 유입된 태양복사열이 방출되기 어렵고 인공구조물에서 방출되는 인공열과 함께 도시 내에 저장된다. 이와 반대로 농촌에서는 복사열의 흡수, 반사, 방출을 통한 열 확산이 활발하여 열섬현상이 나타나지 않는다(Rizwan et al., 2008; Lee et al., 2008; Coutts et al., 2015).

도시화로 인한 열섬현상이 심화되면서 지표면 온도 관측에 효과적인 위성영상(Jee et al., 2014)을 활용하여 도시열섬 양상(Weng et al., 2004; Chen et al., 2006; Kim et al., 2014; Ku, 2014; Ahn et al., 2007; Hashida et al., 2017)이나 토지피복 특성과 지표면 열 분포 간의 상관성(Kim and Kim, 2020; Jee et al., 2014; Kim and Yeom, 2012; Rinner and Hussain, 2011; Park et al., 2016)을 분석하여 이 같은 문제를 해결하고자 하는 연구가 수행되었다. 또한 열섬을 심화시키는 토지이용 특성 또는 옥상녹화, 가로수 식재, 수공간 확보 등 열섬효과를 저감시키는 요인에 관한 연구 등도 다수 수행되었다(Kwon et al., 2019; Lee, 2001; Lee and Hong, 2007; Eom et al., 2012; Akbari, 2002; O’Malley et al., 2015; Aflaki, 2017; Do et al., 2007; Loveday et al., 2017; Keshtegar et al., 2018; Shashua-Bar et al., 2010; Park et al., 2011; Jo et al., 2009; Kim and Song, 2015). 이제는 도시지역의 열섬현상에 국한하지 않고 전국에서 나타나는 건강, 산업, 경제, 환경, 보건 등 사회부문별 피해 양상과 취약성에 관한 연구(Garcia and Rosenberg, 2010; Williams et al., 2010; Phung et al., 2016; Guo et al., 2017; Kjellstrom and McMichael, 2013; Fiore et al., 2012; Peterson et al., 2014)가 진행되고 있다. 점차 폭염 발생이 빈번해지면서 특정 지역, 특정 부문을 막론하고 막대한 인명 피해 및 경제적 손실이 나타났기 때문이다. 폭염으로 인한 인명피해를 분석한 연구에 따르면, 폭염과 사망률과의 관계는 양(+)의 상관성이 있으며 이 중 노인이나 저소득계층 또는 영유아와 같은 취약계층과 만성질환자와는 상관성이 매우 높은 것으로 나타났다(Park et al., 2016; Kim et al., 2014; Jung et al., 2014; Lee et al., 2014; Lee et al, 2016; Yu et al., 2012; Witt et al., 2015; Benmarhnia et al., 2015; Bunker et al., 2016).

국민의 삶에 전방위적으로 영향을 미치는 폭염의 피해를 최소화하고 대응·적응하기 위해서는 우선적으로 폭염이 빈번하게 발생하는 공간의 분포를 파악해야 한다. 그러나 기존 폭염 관련 연구의 주요대상은 특정 사례지역이나 경제, 산업, 보건 등 사회부문별 주제였다. 또한 행정구역 단위의 폭염특보 발생일 수나 열대야 발생일 수 또는 기상관측소의 측정 기온 자료를 활용하여 폭염이 발생한 것으로 규정하고 피해양상이나 영향요인을 분석하였다. 특정 행정구역 내의 기온은 모두 동일하다고 가정한 것이다. 이와 같은 자료는 도로, 녹지, 주거지역 등 토지피복에 따른 다양한 공간 특성을 반영하지 못한다. 그러므로 본 연구에서는 전국을 대상으로 위성영상 기반의 열 분포도를 활용하여 열이 집중된 공간을 도출하고 공간통계 분석방법을 통해 열 집중지역의 공간 분포 특성을 계량적으로 검정하고자 하였다.

3. 연구방법

1) 열분포도의 작성

본 연구에서는 전국의 폭염으로 인한 열 집중 분포 지역을 분석하기 위해 폭염대책기간인 6월부터 9월까지의 MODIS TERRA 위성에서 관측된 지표온도를 활용하였으며 MODIS 자료는 지표온도 산출물인 MOD11A1를 사용하였다. MOD11A1 자료는 하루에 2회(주간, 야간)씩 촬영된 영상을 통해 1 km × 1 km 공간해상도로 지표온도를 산출한 자료이며, HDF(Hierarchical Data Format) 형식으로 제공된다(Wan, 2006). 또한, 활용한 지표온도는 1일 주기로 제공되는 2019년 6월부터 9월까지의 평균 지표온도이다.

2) 폭염 심화요인 지표의 선정

전국 열 집중지역의 공간상관성을 분석하기 위해 폭염을 심화시키는 지표들을 선행연구(Kim et al., 2016; Kwon et al., 2019; Eom et al., 2012; Akbari, 2002; O’Malley et al., 2015; Aflaki, 2017; Do et al., 2007; Loveday et al., 2017; Keshtegar et al., 2018; Shashua-Bar et al., 2010; Park et al., 2011; Jo et al., 2009; Kim and Song, 2015)를 통해 도출하였다(Table 1). 선정한 지표는 토지피복, 건축물 등으로서 지표면의 물리적·인공적 특성을 직·간접적으로 나타낼 수 있다.

Table 1. Heat-induced Factors

각 지표별 특성을 설명하면, 인구의 연평균증가율은 특정 지역으로 인구가 이동하거나 집중하는 현상을 통해 신도시나 신규택지개발 등 인공 환경이 확대되었음을 알 수 있다. 인구증가율은 대단지 아파트나 상업시설, 근린생활시설과 같은 인공환경이 조성되었음을 설명할 수 있으나 도로포장 및 신규도로의 개설, 산업단지 조성 등과 같은 산업 특성을 설명하기에는 부족하다. 그러므로 시가화지역 면적변화율을 활용하여 아스팔트와 시멘트, 대규모 공장 등을 나타내기 위하여 시가화지역 면적변화율을 추가적으로 활용하였다.

앞의 두 지표는 1980년대부터 현재까지의 변화율을 통해 얼마나 인공 환경이 확대·개발되었는지를 나타낸다. 현재 시점의 토지이용 특성을 반영하기 위해서 주거지역, 상업지역, 공업지역, 도로 및 철도와 같은 교통시설, 공원 등 공간시설, 하천 및 호수(수공간), 산림 및 초지의 면적비율을 활용하였다. 주거·상업·공업지역과 교통시설은 열 집중을 심화시키는 요인이 되며, 공간시설과 수공간, 산림녹지지역은 열 집중을 완화시키는 요인으로 작용한다(Yoon and Ahn, 2009).

건축물의 고층화, 밀집화, 노후화에 따라 열 환경도 공간마다 달라진다(Yi et al., 2015). 따라서 건축물의 바닥면적과 연면적, 건축연한 그리고 인공열 방출량을 간접적으로 나타낼 수 있는 전기에너지 사용량을 지표로 선정하였다.

3) 자료의 구축 및 분석 방법

전국의 열 집중지역 공간 분포 특성을 확인하고 분석하기 위해서 구 및 읍·면 단위로 공간을 재설정하였다. 행정구역의 최소단위인 읍·면·동 단위로의 분석이 용이할 수 있으나 동(洞)지역은 대부분 도시특성을 가지고 있으므로 하나의 공간단위로 병합하였다. 농촌 성격이 강한 군(郡) 지역은 일부 시가지가 발달한 지역이 분포하기 때문에 읍·면을 단위로 하였다. 예를 들면, 군 지역이 부재한 서울시, 대전시는 자치구 단위로 분석되었으며 울주군이 포함되는 울산시는 4개의 자치구와 울주군에 속한 12개의 읍·면이 분석대상이 된다.

연구 자료의 구축 및 분석 방법은 다음과 같다(Fig. 1). 1 km × 1 km 격자로 구축된 열 분포도와 앞의 지표 값은 평균하여 구, 읍·면 단위로 구축하고, 값을 통일시키기 위하여 Z-score로 변환하였다. 인구, 토지이용, 건축물 각 부문별 합산한 값을 산출하였다. 즉 각 부문별 값이 클수록 열 집중지역의 열 쾌적성이 낮음을 의미한다. 최종적으로 열 집중 분포와 폭염 심화 요인 간의 공간상관성을 분석하기 위하여 열 분포도를 제외한 모든 지표는 변환 후 합산하여 하나의 지표로 산출하였다.

Fig. 1. Flow Chart of Data Setting and Analysis.

시가화지역 연평균 면적변화율은 대분류 토지피복도를 활용하였으며 북한과 접경지역의 토지피복도는 구득할 수 없어 지표 값 산출시 누락된 지역이 있다. 또한 앞서 언급한 바와 같이 공간시설, 수공간, 산림녹지 지표는 폭염 완화 요인으로 작용하기 때문에 –값으로 변환 후 다른 지표들과 합산하였다.

열 집중지역의 공간 분포 특성은 공간자기상관성을 분석하여 도출하였다. 분석에 활용한 기법은 Moran’s I이며 열 집중 분포 패턴을 확인하기 위해 열 분포도 및 각 부문 지표는 전역적 공간자기상관(Global Moran’s I)과 국지적 공간자기상관(Local Moran’s I)을 모두 수행하여 전국적 공간 분포를 확인하였다. 또한 열 집중 공간과 심화요인 간의 공간관계를 검정하고자 이변량 국지적 공간자기상관(Bivariate Local Moran’s I)을 수행하였다.

본 연구의 공간 및 속성 정보 구축, 합산, 변환 등 자료의 구축 및 분석 대부분의 과정에서 ArcGIS 10.5를 활용하였으며, 공간자기상관성 분석은 GeoDa1.14.0을 활용하였다. GeoDa는 공간통계분석에 최적화 된 오픈소스 소프트웨어로서, ArcGIS와 달리 분석결과에 따른 산점도 및 그래프와 이변량 국지적 공간자기상관분석과 같은 공간통계분석 기능을 제공한다는 차별성이 있어 활용하였다.

4.열 집중지역의 공간상관성 분석 및 고찰

1) 폭염 심화요인의 공간상관성

폭염 심화요인의 공간상관성분석에 앞서 각 요인들의 Z-score 분포를 확인하였다. 열이 집중된 지역은 주로 도시지역에서 나타났으며 강원도 산간지역 및 전라남도 소백산맥 지역은 상대적으로 열이 낮은 것으로 나타났다. 인구증가율은 주로 대도시 주변지역에서 높게 나타났으며 도시적 토지이용 및 건축물 집중지역은 대도시를 중심으로 분포하고 있었다(Fig. 2). 각 요인 간의 분포 패턴은 조금씩 차이는 있으나 예상한대로 대도시 및 인근지역에서 Z-score가 높게 나타나는 것을 확인하였다. 이어서 각 요인의 공간상관성 분석을 수행하였다.

Fig. 2. Z-score of Heat-deepening Factors.

특정 공간현상의 분포가 우연에 의한 것인지 또는 지역 간 유사한 성격에 의해 군집을 이룬 것인지 확인하고자 하는 경우 탐색적 공간자료분석 방법이 유용하다. 이와 같은 공간 패턴 탐색 기법은 Moran’s I, Geary’s C, Geti’s ord G 등이 있다. Moran’s I는 대상지역과 인접지역 간의 값이 평균으로부터 얼마나 떨어져있는지를 통해, Geary’s C는 대상지역과 인접지역 값의 차이의 제곱을 통해 공간상관성을 판단한다(Kim, 2011). Geti’s ord G는 높거나 큰 값을 가진 지역들의 공간적 군집경향을 파악한다. Moran’s I와 Geray’s C는 값의 크고 작음에 상관없이 유사한 값의 군집을 파악할 수 있고, Geti’s ord G의 경우 큰 값만의 군집 분포를 나타낸다는(Lee et al., 2015) 차이점이 있다.

본 연구에서는 폭염이 나타나는 열 집중지역과 폭염 심화요인의 공간 분포를 파악하기 위해서 Moran’s I를 활용하였다. 이 기법은 평균으로부터 떨어져 있는 값, 즉 극값을 파악한다는 장점이 있다. 따라서 폭염과 같은 극한 현상에 대하여, 전국에서 극값을 나타내는 지역을 분석하기에 유용한 기법이라 판단하였다.

우선, 열 집중지역과 폭염 심화요인의 인구, 토지이용, 건축물 각각의 부문에 대하여 전역적 및 국지적 Moran’s I를 분석하여 공간적으로 군집 또는 이산 패턴을 나타내는지 확인하였다. 열 분포의 전역적 공간상관성은 0.80로 매우 크게 나타났으며 토지이용 0.61, 인구증가율 0.59, 건축물 부문이 0.33로 상대적으로 낮게 나타났다(Table 2, Fig. 3). 전역적 Moran’s I는 1에서 -1 사이의 값을 가지며 1은 완전한 양의 공간자기상관관계를, -1은 완전한 음의 공간자기상관관계를 나타낸다(Anselin, 1995). 전역적 I 값이 1에 가까울수록 유사한 값이 모여 있고, -1에 가까울수록 서로 상이한 값이 뒤섞여 유사한 값들이 이산 분포함을 알 수 있다. 따라서 분석 결과, 열 집중지역과 각 부문 지표는 공간적으로 집중 분포하는 패턴을 나타내며, 각 부문별 I 값과 Z-score를 보면 모두 공간상관성이 매우 높고 통계적으로 유의한 것을 알 수 있다.³⁾

Table 2. Global Moran’s I Results

Fig. 3. Global Moran’s I Scatter Plot.

전역적 Moran’s I의 분석 결과는 연구지역 전체의 공간자기상관성을 하나의 값으로 나타내기 때문에 국지적인 공간적 분포는 나타낼 수 없다. 이를 보완하기 위하여 국지적 Moran’s I를 분석하여 각 지표의 공간 클러스터를 탐색하였다. 국지적 Moran’s I는 대상지역과 인근지역과의 공간적 관계를 통해 4가지 유형으로 분류할 수 있다. 첫째, H-H(High-High) 유형은 높은 값을 지니는 지역의 인근 지역 또한 값이 높은 유형이며 둘째, L-L(Low-Low) 유형은 낮은 값 주변에 낮은 값이 분포하는 유형이다. 셋째, H-L(High-Low) 유형은 높은 값 인근에 낮은 값이 분포하는 패턴이며 넷째, L-H(Low-High) 유형은 낮은 값 주변에 높은 값이 둘러싸고 있는 패턴을 나타낸다. 앞의 두 유형은 양의 공간상관성을 지니므로 대상지역과 주변지역이 유사한 성격을 가지고 있음을, 나머지 두 유형은 음의 공간상관성을 지님으로서 서로 다른 경향을 나타내는 지역이 군집 분포하고 있음을 알 수 있다(Anselin, 1995).

분석결과(Fig. 4),⁴⁾ 열 집중지역(H-H)은 수도권 및 광역시 등 대도시에서 주로 나타났고 상대적으로 온도가 낮은 지역(L-L)은 산림지역이 우세한 강원도 및 경상북도, 소백산맥 지역에서 집중적으로 나타났다. 인구증가율이 높은 H-H지역은 서울 주변의 경기, 대전, 부산 인근지역에서 군집 분포하였으며 토지이용과 건축물은 수도권과 대도시에 집중하는 유사한 공간 패턴을 보였다. 시가화면적증가율, 주거·상업·공업지역, 넓은 연면적 등 토지이용 및 건축물 부문 모두 인공적·도시적 환경을 설명하는 지표이기 때문에 이와 같은 패턴을 나타낸다. 한편, H-L 유형이나 L-H 유형을 가진 지역이 간헐적으로 분포하나 특정 지역에 집중하여 나타나지는 않았다.

Fig. 4. Local Moran’s I Cluster Map.

2) 열 집중지역과 폭염 심화요인 간의 공간 상관성

Bivariate Local Moran’s I를 활용하여 열이 집중된 지역과 3개의 부문별 심화요인, 총 13개의 지표를 합산한 전체 폭염 심화요인 간의 공간상관성을 분석·검정하였다.

분석 결과, 열 집중지역과 폭염 심화요인 간의 Moran’s I 값은 0.557로 두 지표 사이에 공간상관성이 큰 것으로 나타났다(Fig. 5). 또한 열이 집중된 지역에서 인구증가율이 높고, 인공·도시적 건축환경 및 토지이용이 이루어지는 것으로 나타났다. 이와 같이 H-H 유형의 군집 특성을 보이는 지역은 대부분 수도권 및 광역시 인근, 즉 대도시와 그 주변지역이다(Fig. 6).

Fig. 5. Bivariate Global Moran‘s I Scatter Plot.

Fig. 6. Bivariate Local Moran‘s I Cluster Map.

5. 요약 및 결론

본 연구는 위성영상 기반의 열 분포도 및 폭염을 심화시키는 요인 간의 공간적 상관성을 분석하여 열 집중지역과 향후 폭염 위험이 증가할 수 있는 공간의 탐색을 목적으로 수행되었다. 지표면의 물리적·인공적 특성을 직·간접적으로 나타낼 수 있는 토지피복, 건축물 등의 지표를 선정하여 전역적 및 국지적 Moran’s I를 분석한 결과는 다음과 같다. 첫째, 열 집중지역과 폭염 심화요인의 인구, 토지이용, 건축물 각각의 전역적 Moran’s I는 높게 나타나 특정 공간에 집중하는 것으로 나타났다. 둘째, 국지적 Moran’s I 분석 결과로 열 집중지역(H-H)은 수도권 및 광역시 등 대도시에서 주로 나타났고 상대적으로 온도가 낮은 지역(L-L)은 산림지역이 우세한 강원도 및 경상북도,소백산맥 지역에서 집중적으로 나타났다. 인구증가율이 높은 H-H지역은 서울 주변의 경기, 대전, 부산 인근지역에서 군집 분포하였으며 토지이용과 건축물은 수도권과 대도시에 집중하는 유사한 공간 패턴을 보였다. 셋째, Bivariate Local Moran’s I 분석결과로 열이 집중된 지역에서 인구증가율이 높고, 인공·도시적 건축환경 및 토지이용이 이루어지는 것으로 나타났다.

이와 같은 분석 결과는 열 집중으로 인한 선제적 대응이 필요한 폭염 위험 지역을 도출하고, 그에 적합한 대응 정책을 마련하는데 도움이 될 수 있다. 또한 각 지자체에서 폭염 대응 방안 마련 시 행정경계가 맞닿아 있는 주변 지자체와 협력적 정책의 기초자료로 활용할 수 있다. 본 연구에서 전국을 대상으로 분석한 결과 열 분포 및 폭염 심화 요인은 특정 공간에 집중 분포함을 통계적으로 확인하였기 때문이다. 즉 폭염 위험이 높거나 또는 위험이 높아질 가능성이 큰 지역은 특정 행정구역에 국한되지 않고 지역적으로 밀집하여 나타나기 때문에 해당 지자체와 주변 지자체는 열 집중으로 인한 폭염 위험에 대하여 협력적으로 대응해야 한다.

본 연구에서는 열 집중지역의 폭염을 심화시킬 수 있는 인공적·물리적 환경 요인 지표에 국한하여 폭염 위험의 공간 상관성 및 공간관계를 분석하였다. 향후에는 더 나아가 폭염과 관련한 다양한 환경변수를 활용하고, 폭염 위험의 증가로 인해 피해가 예상되는 취약지역, 즉 취약계층이 다수 분포하고 공간구조 및 건축 환경적으로 취약한 공간을 탐색하고 도출하는 연구가 진행되어야 할 것이다.

Notes

1) 재난 및 안전관리 기본법 제3조에서 “재난”이란 국민의 생명·신체·재산과 국가에 피해를 주거나 줄 수 있는 것이라 정의하고 있으며 크게 자연재난과 사회재난으로 구분하고 있다. 법이 개정되면서 폭염이 자연재난에 포함되었다.

2) 분야별 위험 수준 산정 방식과 대응요령은 관련 정부부처와 협의 후 제시.

3) Lee and Lim(2009)의 연구에 의하면 Moran’s I를 표준화한 Z[I]가 2.57 이상이면 공간상관도가 매우 높다고 판단할 수 있다(유의수준 1%).

4) 이와 같은 분석 결과는 p-value가 0.05인 경우의 분포이다.