2018년 10월 IPCC는 1.5℃ 특별보고서를 채택, 발표하였다(IPCC, 2018). 특별보고서가 권고한 감축 경로는 2030년까지 2010년 대비 45% 감축, 2050년까지는 이산화탄소 배출과 자연흡수가 서로 상쇄되는 이른바 ‘Net-Zero’ 달성이다. 이러한 IPCC의 권고에 부응하기 위하여 국제사회는 탄소중립을 선언하고 있으며, 우리나라도 2020년 10월 탄소중립을 선언하고, ‘2050 탄소중립 시나리오(`21.10 국무회의 의결)’를 마련하는 등 국제사회의 움직임에 동참하고 있다. 이는 온실가스 증가로 인해 점차 전세계 국가에서 다발적으로 발생하고 있는 이상기후 현상의 심각성을 반영한 것이기도 하다.

실제로 전 지구적으로 도시확산, 에너지 소비 증가 등으로 기온이 상승하는 이상기후와 함께 도시에서의 여름철 열대야, 폭염 등의 현상이 빈번히 발생하고 있다. 기상청(2020)은 21세기 말의 전 지구 평균기온은 온실가스 배출 정도에 따라 현재 대비 약 1.9 ~ 5.2℃ 상승할 것으로 전망하였다. 특히, 개발로 인하여 산림이나 경작지 등 녹지공간 대신 콘크리트와 아스팔트 도로와 같은 인공적인 요소들이 차지하는 면적이 높아진 도시에서 열환경 악화와 기후변화가 지속적으로 나타나고 있다. 도시의 상당 부분을 덮고 있는 콘크리트 피복은 알베도(Albedo) 값이 낮아 태양복사 에너지를 흡수하고 현열양을 증가시켜 도시 기온을 높인다(Voogt and Oke, 2003; Song and Park, 2019; Estoque et al., 2017; Hong et al., 2021) 반면, 녹지, 공원, 하천, 오픈스페이스와 같은 자연적 요소들은 대기 중의 수분을 증발시키고, 직접적으로 태양열을 흡수하여 주변의 기온을 낮추고 그늘을 만들어 태양에너지가 지표면을 가열하는 것을 막아주는 등 미기후를 개선하는 효과가 있다(Jo and Yoshiteru, 2000; Park et al., 2017; Aboelata and Sodoud, 2020; Hong et al., 2021).

도시의 열환경 개선을 위한 대응 방안으로 공원녹지와 같은 그린인프라의 조성 및 도시 내 식재 공간 확보 등 도시지역의 지표면을 녹색공간으로 개선하는 도시계획 및 환경·생태적 측면의 노력이 요구된다(Meerow and Newell, 2017; Choi et al., 2018).

최근 도시 기온상승과 지표면 도시열섬현상을 규명하고 해결하고자 하는 연구가 확대되고 있는데(Voogt and Oke, 2003; Oh and Hong, 2005; Je and Jung, 2018; Byon et al., 2021), 도시열섬현상을 분석하는 연구에서는 주로 원격탐사 방법이 널리 쓰이고 있으며, 위성영상을 이용하여 간접적으로 식생피복을 추정하고자 하는 연구가 활발히 수행되고 있다(Park et al., 2014; Kim and Choi, 2014; Kim and Yeom, 2012). Park et al.(2014)은 경상지역의 시계열적 온도변화를 파악한 결과 도시지역을 중심으로 온도가 상승하였고, 산맥으로 인한 온도변화 효과를 확인하였다. Kim and Choi (2014)는 시가화지역에서 열환경 구조의 취약성이 높고, 녹지지역의 열쾌적성이 유지되고 있음을 제시하였다. Kim and Yeom (2012)에 따르면 지표면온도는 토지이용에 따라 뚜렷하게 구분되는 패턴을 보이며, 시가화 면적이 증가할수록 지표면온도가 높고, 식생, 수면, 그림자 면적이 늘어날수록 지표면온도가 낮아진다.

NDVI (Normalized Differe nce Vegetation Index, 정규화식생지수)는 도시 식생의 활력도를 정량적으로 파악하기 위한 지수로, 위성영상을 통해 도출된다. NDVI를 이용하여 도시열섬현상에 있어, 식생의 활력도와 도시의 열환경이 어떠한 관계를 가지는지 파악해야 할 필요가 있다. 지표면온도와 NDVI의 상관관계를 분석한 대부분의 연구에서는 NDVI와 지표면온도는 음의 상관성을 가지고 있음을 나타냈다. Quan and Lee (2009)는 제주시의 NDVI와 지표면온도 값이 반비례하며, 도시지역의 평균온도는 초지보다 약 5℃ 높고, 산림지역보다 약 10℃ 높음을 제시하였다. Kim and Kim (2019)에 따르면 대구 신서혁신도시 개발 이전(2008년)과 비교했을 때, 개발 이후(2018년) NDVI 값은 0.07 감소하였고, 지표면온도는 0.85℃ 증가하였다.

선행연구의 대부분은 도시의 지표면온도와 식생지수의 관계를 분석하거나 토지이용에 따른 열환경 분석에 중점을 두고 있다. 도시의 식생피복에 의한 기온 완화 작용의 검증을 위해서 광범위한 다양한 녹지를 대상으로 세부적인 토지피복 현황과 온도분포의 관계를 파악하고, 해석해 볼 필요가 있다. 따라서 본 연구에서는 기후변화로 열환경이 악화된 도시공간에서 식생피복의 역할을 검증하기 위하여, 대구광역시의 NDVI와 지표면온도의 상관관계를 분석하고, 식생 피복 유형이 지표온도에 미치는 영향을 파악하고자 하였다.

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.

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.

[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.

NDVI(Normal Distribution Vegetation Index)는 식생의 활력도를 정량적으로 나타내는 정규화식생지수로, 식생의 분포량 및 활동성을 조사하는 방법 중 하나이다(Chen et al., 2004). NDVI는 잎의 면적, 수목의 높이, 수종, 식생 분포 면적 등을 정량적으로 나타낼 수 있는 척도이다. NDVI 값은 –1에서 1의 범위로 표현되며 1에 가까울수록 식생이 많이 분포하는 지역으로 식생활력도가 높게 나타난다. 반면 –1에 가까울수록 식생이 많이 분포하지 않으며 식생활력도가 낮은 지역으로 나타난다. 영상데이터를 이용하는 NDVI는 지표면의 반사율을 측정하여 산정하며, 수치적으로 표현되는 산정 값을 이용하여 다양한 모델에서 식생의 수평 밀도를 측정하는 자료로 활용된다(Gutman et al., 1997). Landsat 8 영상의 밴드 4(RED)와 밴드 5(NIR)를 이용해 산출하며, 밴드 4는 엽록소 흡수량을 측정하여 식물종을 구분하고, 밴드 5는 식생 유형과 수륙의 경계를 식별하고 토양을 구분한다(Table 1). NDVI 값을 산출하는 식은 다음과 같다.

토지피복지도는 인공위성이 촬영한 영상을 활용하여 지표면을 덮고 있는 피복현황을 표현한 지도이다. 이는 원격탐사의 가장 대표적이고, 전형적인 이용 방법의 하나로 지표면의 물리적 상황을 분류하는 것이다. 이 같은 토지피복지도는 지표면의 현 상황을 가장 잘 반영하고 있어 여러 모델링의 기초자료로 활용되고 있으며, 정책수립의 효율성 및 과학성을 높이는데 많은 기여를 하고 있다.

대상지의 식생 피복 파악을 위하여 환경부에서 제공하는 대구광역시 토지피복지도 중분류를 이용한다. 각 식생 피복 유형별 평균 지표면온도와 NDVI 값을 도출하여 어떤 피복유형이 지표면온도와 NDVI에 영향을 미치는지 파악한다. 이를 위해서는 대구광역시의 지표면온도 값과 NDVI 값을 point화 하는 작업이 필요하다. 다음으로 각 피복 유형 분류에 지표온도와 식생지수 point 값을 join한다. 대구광역시 중분류 토지피복지도를 바탕으로 각 피복 유형별 평균온도와 NDVI 값을 도출한다. 마지막으로 NDVI와 지표면온도의 관계 파악을 위하여 pearson 상관분석을 진행한다.