2024년 한국은 2018년 이후 가장 극심한 폭염을 기록하여 전국적으로 심각한 인명 피해가 발생하였다(Cho, 2024). 2024년 8월 폭염으로 인한 사망자 수는 30명, 열사병과 같은 온열 질환자수는 3,226명에 달했다(Yonhap, 2024). 특히 서울에서는 36일 동안 열대야가 발생했으며, 이 중 34일은 연속적인 열대야로 지속되었다(Korea Meteorological Administration, 2024).

이러한 폭염(heatwave)의 정의는 비정상적으로 높은 기온이 수일에서 수십 일간 지속되는 대기 현상으로(Xu et al., 2016), 인적 및 물적 피해를 유발하여 건강, 생태계 및 경제에 막대한 영향을 미칠 수 있다(García-León et al., 2021; Wang et al., 2023). 2018년 한국에서는 기록적인 폭염이 발생하여 온열질환자 44,060명과 초과사망자 989명이 보고되었으며, 이는 2011년 대비 7배 증가한 수치이다(Park and Chae, 2020). 기후변화로 인헤 폭염의 강도 및 빈도는 더욱 증가할 것으로 예측된다(Meehl and Tebaldi, 2004; Cowan et al., 2014). 특히 도시는 녹지면적 감소와 불투수면적 증가로 인해 주변 비도시 지역보다 기온이 더 높아지는 도시 열섬 현상(urban heat island, UHI)이 발생하여 열환경을 더욱 악화시키고 있다(Falasca et al., 2019; Rajagopal et al., 2023).

UHI 완화 및 열환경 개선을 위해 다양한 열섬 저감 기법(heat island cooling strategies, HICS)에 대한 연구가 수행되고 있다(Li et al., 2014; Taleghani, 2018; Balany et al., 2020; Han et al., 2023). HICS는 건물의 방향 및 형태 변경(Grigoraș and Urițescu, 2018), 가로수 및 초지 등 녹지 면적의 증가(Zhou et al., 2023), 지붕에 알베도(albedo) 높은 물질을 적용한 쿨루프(cool roof) (Baik et al., 2022; Han et al., 2023) 등 다양한 기법을 포함한다. 이 중 쿨루프는 도시 내 옥상 면적이 전체 도시 표면적에서 큰 비중을 차지하여 UHI 완화에 효과적이며, 비용 및 적용의 용이성을 고려할 때 효율적인 전략으로 주목받고 있다(Akbari et al., 2003; Tewari et al., 2019; Tan et al., 2023).

쿨루프의 열섬 저감 효과는 기상모델(Weather Research and Forecasting, ENVI-met 등)을 활용한 모델링(modeling) 방식과 원격탐사(remote sensing)를 활용한 관측(observation) 방식으로 평가된다(Amjad et al., 2015). 모델링 방식은 미래 시나리오 적용 및 광범위한 공간적 범위에 활용할 수 있으나 측정값에 비해 정밀도와 정확도가 떨어진다는 한계가 있다(Wang et al., 2022). 원격탐사는 ASTER, Landsat, KOMPSAT 등과 같은 위성영상(satellite Imagery), 항공영상(aerial photography) 및 무인항공기(unmanned aerial vehicle, UAV)로 구분된다(Liu and Morawska, 2020). 위성영상의 공간해상도는 30 m~1 km로 도시 규모의 지표면 온도(land surface temperature, LST) 평가에서는 유용하나 특정시간대만 관측되어 시간대별 열섬 저감 효과를 파악하는데 한계가 있다. 항공영상은 사용자가 직접 기체를 띄워 관측하여 시간적 제한이 없으나 경제적 비용이 많이 든다. 이를 보완한 방안으로 UAV에 열 적외선 센서(thermal infrared, TIR)를 장착하여 LST 데이터를 구축하는 연구가 활발히 진행되고 있다(Elfarkh et al., 2023).

UAV 관측을 통한 고해상도 데이터를 구축하기 위해 대상지역에서 촬영한 각각의 TIR 이미지를 Pix4d Mapper 프로그램을 활용하여 정사화 한다(Cho et al., 2022). 해당 과정에서 촬영 결과물의 위치 정확도를 높이기 위해 지점 측량 값 정보를 반영하여 공간적 비교를 수행한다. 또한, UAV 관측은 다른 원격탐사와 달리 시·공간적 제약 없이 데이터 수집이 가능하다. 낮은 고도(약 100 m)에서 비행이 가능하여 기상 조건의 영향을 줄여 더 정밀한 LST를 획득할 수 있으며, 사용자가 지정한 시간에 데이터를 수집할 수 있어시계열 변화를 분석하는 데 용이하다(Perz et al., 2023).

본 연구는 폭염저감시설 중 쿨루프의 LST 저감 효과를 정량적 및 시·공간적으로 분석하여 선행연구 결과의 실증분석 및 검증을 목적으로 한다. 이를 위해 쿨루프 설치에 따른 도시지역의 LST 감소 모니터링 및 시·공간적 LST 저감 경향성을 분석하고자 한다. 이를 위한 구체적인 방안으로 첫째, 각 시간대별 쿨루프와 일반 지붕의 객체를 구분하여 LST 분포 현황을 파악한다. 둘째, 사분위수(quartile) 산정 및 box plot (box and whisker plot)을 통해 쿨루프 및 일반 지붕의 시간대별 LST 저감 경향성을 분석한다. 셋째, 시간대별 쿨루프 및 일반 지붕 객체의 LST를 표준화하여 극단적 값을 나타내는 공간적 경향성 파악 및 폭염저감시설의 효과를 정밀 검증한다.

2.1. 연구 대상지

본 연구는 경상남도 김해시 장유무계동(35°12′N, 128°45′E) 일원을 대상으로 연구를 수행하였다(Fig. 1). 본 지역은 2019년 환경부의 지역특화 취약성 개선 시범 사업지역으로 선정되어 다양한HICS 중 쿨루프가 실제 적용되어 있는 지역이다(Cho et al., 2021). 김해시는 2000년대 이후 농업지역과 초지 및 산림지역의 면적이 감소하고 시가화 지역이 증가하였다(Song and Park, 2019). 특히 김해시 남서부 장유무계지구 등에 도시개발 사업들이 추진되어 급속히 도시화가 진행되었으며, 최근 폭염일수 및 열대야일수 또한 증가하였다(Choi and Han, 2021). 장유무계지구의 시가화 지역은 단독주택, 공동주택, 근린생활시설 등 다양한 도시민의 생활과 관련된 도시계획 시설이 존재하여 UHI 완화에 대한 분석이 필요한 지역이다(Cho et al., 2022).

Figure 1. Surface type in the study area.

연구대상지역의 전체 면적은 106,933 m²이며, 이 중 건물은 약 36% (38,536 m²)로 지붕의 면적은 일반 지붕 26.83% (28,686 m²), 쿨루프 9.21% (9,850 m²)를 차지하고 있다(Table 1). 건물 및 토지피복의 자료는 환경부의 2023년도 세분류 토지피복지도와 국토교통부의 2023년도 GIS건물통합정보를 참고하여 8종류의 토지피복으로 재분류하였다.

Table 1 . Surface type and area.

Surface type		Surface area (m2)	No. of features
Building	Normal roof	31,062	423
	Cool roof	7,474	63
Previous and green field	Grass	11,319	149
	Field	3,993	31
	Roadside tree	737	74
	Open space	3,272	23
Road	Road	43,668	172
	Sidewalk	5,408	128
Total		106,933	1,063

2.2. 연구 데이터

본 연구의 LST는 Cho et al. (2022)이 구축한 TIR 및 다중분광센서 데이터를 활용하였다. Cho et al. (2022)은 TIR 및 다중분광센서를 UAV에 부착하여 2021년의 가장 맑은 날인 8월 21일의 9시에서 17시까지 2시간 간격으로 150 m 고도에서 측정하였다. TIR은 FLIR Vue Pro R 모델(7.5–13.5 μm spectral range) 및 다중분광센서는 Micasnese Red-edge MX(8 cm per pixel) 모델을 활용하였으며, UAV는 Da-Jiang Innovation (DJI)사의 Matrice 300 RTK 기체로 연구지역을 촬영하였다. TIR을 통해 관측된 이미지를 다중분광 및 연구지역에 설치한 사물인터넷(internet of things, IoT) 기반 자동기상관측장비(automated weather station, AWS) 관측자료 기반으로 방사 보정하였다.

TIR 및 UAV 관측으로 구축된 시간대별(9시, 11시, 13시, 15시, 17시) LST 데이터는 해상도가 0.19 m, 0.18 m 등 상이하여 재분류가 필요하였으며, 모두 공간해상도 0.2 m, 1,745 × 2,731 pixels인 TIFF 파일로 재구축하였다(Table 2).

Table 2 . Information of infrared thermal images on 23 August 2022.

Time	Image dimension		Spatial resolution
	Original pixel	Resampled pixel	Original resolution	Resampled resolution
09:00	1,837 × 2,875	1,745 × 2,731	0.18 m	0.2 m
11:00	1,831 × 2,866		0.19 m
13:00	1,838 × 2,876		0.18 m
15:00	1,818 × 2,846		0.19 m
17:00	1,820 × 2,850		0.19 m

본 연구는 쿨루프의 시·공간적 LST 저감 효과 및 실증 분석을 목표로 하며 전체적인 연구 절차는 Fig. 2와 같다. 구체적으로 첫째, TIR을 부착한 UAV 관측을 통해 오전 9시부터 오후 5시까지 2시간 간격으로 측정하여 연구지역의 실제 LST를 구축한다. 둘째, 각 시간대별 일반 지붕 및 쿨루프 객체의 평균 LST를 사분위수 및 box plot으로 산정하여 일반 지붕 대비 쿨루프의 LST 저감효과 및 시간적 경향성을 비교·분석한다. 셋째, 시간대별 지붕 객체의 평균 LST를 표준화(standardization)하여 z-score 절대값 1.65 이상의 극단적 값을 나타내는 객체를 선정한다. 이후, 전체 시간 동안 4번 이상 극단적인 값을 나타낸 객체로 선정된 일반 지붕 및 쿨루프의 공간적 분포 경향성을 파악한다. 본 연구는 기존에 진행되었던 폭염저감시설 저감효과 분석 연구(Cho et al., 2021; 2022)에 대한 실질적 저감 효과를 시·공간적 측면에서 정밀 분석 및 검증하였다.

Figure 2. Study flow.

3.1. 쿨루프 LST 저감 효과

쿨루프는 알베도 비율이 높은 반사 도료를 도포한 지붕으로 정의된다(Levinson and Akbari, 2010). 태양복사에너지의 반사율을 높임으로써 흡수량을 낮추고 태양에 노출될 때 낮은 반사율을 가진 일반 소재(콘크리트, 아스팔트 등)의 지붕보다 온도를 낮게 유지할 수 있다(Santamouris et al., 2015; Piselli et al., 2019). 예를 들어, Stavrakakis et al. (2016)은 그리스에서 쿨루프를 적용하면 최대 25°C까지 지붕의 표면 온도를 낮출 수 있음을 입증하였다(Fig. 3). 최근 쿨루프가 UHI 및 건물의 냉방 에너지에 미치는 영향에 대한 연구가 주목받고 있으며, 이를 정량적으로 평가한 연구는 다음과 같다.

Figure 3. Thermographs of the pilot building’s roof: (a) before and (b) after the application of the cool roof (Stavrakakis et al., 2016).

Ryu and Um (2013)은 원격 열화상 카메라를 이용하여 겨울철 건물 지붕의 색상별 표면 온도 변화 분석을 하였으며, 쿨루프로 인한 난방 부하를 예측할 수 있는 근거를 제시하였다. Kim et al. (2016)은 옥상녹화를 설치하지 못한 노후 건축물에 대해 지붕 알베도를 변경하여 열환경 개선 효과 및 쿨루프 적용 가능성을 분석하였다. Romeo and Zinzi (2013)는 건물의 한쪽 면에 흰색 페인트 칠하기 전·후에 대한 실내·외 온도, 상대습도 및 태양복사에너지를 측정하여 모니터링 측정을 통해 비교·분석하였다. Roman et al. (2016)은 도시 열섬 현상 완화를 위해 건물 지붕의 재료 변화를 통한 쿨루프 적용 방안 연구를 진행하였고, Bang et al. (2019)은 소형 평지붕 건축물을 제작하여 phase change material (PCM)의 여부와 마감 색상에 따라 온도를 비교하여 쿨루프 시스템의 단점을 보완하는 연구를 진행하였다.

쿨루프의 LST 저감 효과는 시간대에 따라 달라지며 일반적으로 오전 시간대에 가장 크게 효과가 나타났다(Macintyre and Heaviside, 2019). 태양 복사가 강한 시간대에 반사율이 높아 지붕의 표면 온도를 효과적으로 낮추고 태양 복사가 감소하는 오후 및 밤 시간대에는 반사 에너지가 작아진다(Suehrcke et al., 2008). 쿨루프의 열환경 개선 효과는 원격탐사를 통해 LST를 측정하고 있으나(Li et al., 2013; Mushore et al., 2022), 이 중 시간대를 고려한 연구는 미비한 실정이다. 이에, 본 연구는 해가 뜨기 시작하는 오전 9시부터 일몰 시간대인 17시까지 2시간 간격으로 쿨루프로 인한 LST 변화를 실증 분석하였다.

3.2. 쿨루프 저감 효과의 시·공간적 분석 방안

시간대별 쿨루프 저감 효과를 시각적으로 파악하기 위해 데이터 시각화에 가장 많이 사용하는 box plot을 활용한다(Ferreira et al., 2016). Box plot은 데이터의 개요 및 수치를 요약하여 제공하는 그래픽 표현 방법으로 상자(box) 및 상자에서 뻗은 두 개의 수염(whiskers)으로 구성된다(David, 1977).

상자의 범위는 제1사분위수(the first quartile, Q1)부터 제3사분위수(the third quartile, Q3)이며, 수염은 데이터의 최솟값(minimum value) 및 최댓값(maximum value) 방향으로 연장되는 선을 나타낸다(Fig. 4). 사분위수는 정렬된 데이터를 동일한 크기의 집합 4개로 나누는 값으로 Q1, Q2, Q3로 구성된다. Q1은 데이터의 25%, Q2는 데이터의 50% 또는 중앙값(median)으로 표현되며 Q3는 데이터의 75%에 해당한다(Dunn and Clark, 1986). 사분위수 box plot은 이상치(outlier)의 영향을 받지 않아 파악하려는 군집의 경향성을 파악하기에 용이하다(Ferreira et al., 2016). 쿨루프의 저감효과에 대한 시간적 분포를 분석하기 위해 일반 지붕 및 쿨루프의 LST를 Box plot으로 표현하여 비교한다.

Figure 4. The main components of a box plot: median, quartiles, whiskers, and outliers (Ferreira et al., 2016).

쿨루프 저감효과의 공간적 분포는 각 지붕 객체별 LST를 표준화(standardization)하여 극단적으로 높거나 낮은 온도를 보이는 객체를 선별하여 비교한다. 표준화는 서로 다른 규모나 단위를 가지는 데이터를 직접 비교할 수 있으며, 이를 통해 특정 지붕 객체가 평균에 비해 상대적으로 높은 온도 또는 낮은 온도를 보이는지 명확한 파악이 가능하다(Klein, 2014). 표준화를 위해 각 데이터(x)의 전체 평균(μ)을 0으로, 분산(σ)은 1이 되도록 변환하여 표준 점수(z-score)를 산정한다(식 1). 본 연구에서는 각 지붕 객체별 LST 데이터를 x, 지붕 객체의 평균 LST를 μ, 분산 LST 값을 σ으로 계산하여 z-score를 산정하였다.

Fraser (2012)는 다양한 범위의 데이터를 비교하기 위해 z-score를 활용하였으며, z-score의 절대값이 1.65 이상인 경우가 이상치를 나타냄을 입증하였다(Table 3). Z-score를 7가지 신뢰 수준(p-value) 범위와 비교한 결과는 Table 1에 제시되어 있다. Z-score의 절대값이 2.58 이상일 때는 p-value가 0.01에 해당하는 99% 신뢰구간에서 유의미하며, 절대값이 1.65 이상일 때는 90% 신뢰구간에서 유의미하다(Ko and Cho, 2020). 즉, z-score가 높은 객체는 가장 극단적으로 LST가 높은 지붕 객체를 나타내며, 낮은 z-score는 가장 LST가 낮은 지붕 객체를 의미한다. 본 연구에서는 시간대별 이상치를 나타내는 지붕 객체를 선정하기 위해 z-score 절대값이 1.65 이상인 90% 신뢰구간 내객체의 빈도수를 분석하여 중첩된 지역의 공간적 특성을 파악한다.

Table 3 . Classification based on p-value and z-score^a).

Significance level (p-value)	Critical value (z-score)	Class name
-0.01	< - 2.58	Very cold roof object
-0.05	-2.58 to -1.96	Cold roof object
-0.10	-1.96 to -1.65	Cool roof object
0	-1.65 to 1.65	Not significant
0.10	1.65–1.96	Warm roof object
0.05	1.96–2.58	Hot roof object
0.01	> 2.58	Very hot roof object

^a) Reconfiguration derived from Fraser (2012)..

4.1. 전체 토지피복 대비 지붕의 LST 비교

연구지역의 지표면온도 분포를 정리하면 Fig. 5 및 Table 4와 같다. Fig. 5(a)는 Fig. 1에서 일반 지붕과 쿨루프 지붕을 분류한 것이며, (b)는 9시, (c) 11시, (d) 13시, (e) 15시, (f) 17시의 각 시간대별 LST를 도면화 하였다. 9시에서 13시까지 전체 토지피복의 LST는 41.31°C에서 45.68°C까지 약 4.37°C 상승하였으며, 이후 15시부터 감소하기 시작하여 일몰 시간대인 17시에 38.81°C로 최저 평균값을 나타낸다.

Figure 5. Roof objects and LST (°C) of the total land cover: (a) cool roofs and normal roofs, (b) 09:00, (c) 11:00, (d) 13:00, (e) 15:00, and (f) 17:00.

Table 4 . Statistics of temporally LST (°C).

Time	Type	Min	Average	Max
09:00	All	15.21	41.31	72.73
	Cool roof	28.13	37.65	66.37
	Normal roof	20.97	48.64	72.05
11:00	All	18.09	45.64	72.65
	Cool roof	25.53	41.25	64.73
	Normal roof	21.37	52.06	72.45
13:00	All	25.53	45.68	67.44
	Cool roof	31.29	42.21	62.33
	Normal roof	27.41	50.40	65.73
15:00	All	25.37	41.39	66.37
	Cool roof	27.21	39.51	51.09
	Normal roof	25.37	43.63	59.61
17:00	All	23.09	38.81	55.89
	Cool roof	30.01	38.03	46.97
	Normal roof	25.89	38.58	55.89

전체 토지피복 중 LST 평균은 일반 지붕 및 도로에서 가장 높은 값을 보였으며, 가로수 및 쿨루프 적용 시 낮은 LST가 관측되었다. 9시에서 일반 지붕의 평균 LST는 48.64°C, 쿨루프 적용 시 37.65°C로 약 10.99°C의 차이를 보인다. 이후 일반 지붕과 쿨루프의 LST 차이는 11시 10.81°C, 13시 8.19°C, 15시 4.12°C, 17시 0.55°C로 오전 시간대에 쿨루프 효과가 가장 높은 것으로 나타났다. 이는 오전 시간대(9시, 11시)부터 축적된 열이 오후 시간대(13시, 15시)에 방출되지 못하고, 주변의 지표온도가 전반적으로 높아짐에 따라 나타나는 현상이라 사료된다. 일출 이후의 오전 시간(9시)과 일몰 이전의 오후 시간(17시)의 차이는 10.44°C로 쿨루프는 오전 시간에 적용하는 것이 가장 효과적임을 나타낸다.

4.2. 쿨루프의 시간대별 저감 효과 분석

시간대별 쿨루프의 저감 효과를 분석하기 위해 쿨루프와 일반 지붕을 구분한 LST 도면을 나타내었다(Fig. 6). 일반 지붕의 열분포 특성은 시간대별 범위가 쿨루프보다 다양하게 나타났다. 9시부터 17시까지의 최소 LST는 일반 지붕이 쿨루프보다 평균 3.34°C 더 낮게 나타났다. 이는 일반 지붕으로 분류된 객체에 나무 및 건물 그림자가 포함되어 있기 때문으로 판단된다. 이에 따라 군집별 중심 경향치를 분석할 수 있는 중위값을 기준으로는 17시를 제외한 모든 시간대에 쿨루프가 일반 지붕보다 평균 8.80°C 이상 더 낮은 값을 보였다. 중심경향치가 가장 차이가 많이 나는 시간대는 오전 9시(10.88°C)였으며, 태양의 고도가 상대적으로 낮아질수록 쿨루프의 효과는 저감되어 17시에는 차이가 발생하지 않았다. 이와 같은 결과는 쿨루프 적용 시 LST가 저감하나 오전 시간대에 특히 효과가 있음을 입증하였다.

Figure 6. Time-based LST (°C) of cool roofs and normal roofs: (a) 09:00, (b) 11:00, (c) 13:00, (d) 15:00, and (e) 17:00.

쿨루프의 저감효과에 대한 경향성 파악을 위해 시간대별 LST의 box plot을 산정하여 분포도를 작성하였다(Fig. 7). 분석 결과, 모든 시간대에서 일반 지붕보다 쿨루프의 LST가 더 낮은 분포를 보이며, 이는 온도 저감 효과가 있음을 나타낸다일반 지붕. Q2 기준 가장 큰 온도 차이를 보이는 시간대는 오전 11시로 쿨루프가 일반 지붕보다 10.52°C 더 낮은 분포를 보였다(Table 5). 반면, 가장 낮은 온도차이를 보이는 시간대는 오후 17시이며, 쿨루프가 일반 지붕에 비해 0.04°C 더 감소하였다. 10시의 일반 지붕 및 쿨루프의 온도 차이는 10.42°C, 13시 9.37°C, 15시 4.44°C로 시간대별 LST 분포는 오전에서 오후 시간대로 갈수록 감소하는 경향을 보였다.

Figure 7. Time-based LST (°C) box plot of normal and cool roofs (outliers removed).

Table 5 . Box plot statistics of normal and cool roofs.

Type	Time	Min (°C)	Q1 (25%)	Q2 (50%)	Q3 (75%)	Max (°C)
Normal roof	09:00	22.80	41.49	46.88	53.97	72.05
	11:00	28.17	45.49	50.88	57.04	72.52
	13:00	27.41	46.89	50.41	53.97	65.73
	15:00	35.20	41.57	43.77	45.68	51.88
	17:00	31.80	36.81	38.00	40.20	45.25
Cool roof	09:00	28.69	34.77	36.00	38.57	45.49
	11:00	31.65	38.29	40.36	42.36	49.81
	13:00	34.57	39.77	41.04	42.93	48.65
	15:00	34.33	38.04	39.33	40.41	44.25
	17:00	32.84	36.68	38.00	39.20	43.09

최대 온도 측면에서 가장 큰 시간대는 9시로, 쿨루프가 26.56°C 더 감소했으며 11시에는 22.71°C 감소하였다. 13시의 경우, 최대 온도 차이는 17.08°C로 11시보다 낮은 경향을 보였다. 일반적으로 정오 인근인 11시에서 13시 사이에는 태양의 고도가 가장 높아 일사량이 최고조에 달하지만, 태양복사에너지의 흡수 또한 증가한다. 이로 인해 흡수량이 적은 오전 시간대에 기온 차이가 더 극심하게 나타나는 것으로 보인다. 또한, 반사율 및 방사율이 낮은 일반 지붕의 경우 열 축적의 포화상태가 되어 온도 상승 속도가 줄어들어 쿨루프와의 차이가 적게 발생할 수 있다. 따라서 쿨루프에 의한 온도 저감 효과는 오전 시간대에 가장 크게 나타난다.

4.3. 일반 지붕 및 쿨루프의 공간적 분포 비교

시간대별 일반 지붕 객체의 공간적 분포를 파악하기 위해 LST를 표준화하여 z-score를 산정하였다(Fig. 8). 전술된 절대값 범위를 유의미한 구간으로 선정하였으며, 시간에 따른 구간의 공간적 분포가 다르게 나타났다. 오전 9시에서 15시까지(Figs. 8a–d) 대체적으로 고속버스 정류장 건너편인 금관대로 부근의 지붕 색이 짙은 검정색인 지역에서 높은 온도를 나타냈다. 오전 9시는 다른 시간대와 다르게 장유전통시장 부근과 장유로 288번길 부근이 가장 높은 온도를 보였으며, 13시를 제외한 모든 시간대에서 장유전통시장 부근이 높은 지역으로 나타났다. 17시(Fig. 8e)에는 장유로 316번길 부근의 온도가 높게 나타났으며, 이 지역의 금관대로 부근에는 쿨루프를 적용할 수 있는 평지붕이 분포해 있어 향후 쿨루프 적용을 통해 온도 저감이 가능할 것으로 예상된다.

Figure 8. Z-score of LST (°C) on normal roofs: (a) 09:00, (b) 11:00, (c) 13:00, (d) 15:00, and (e) 17:00.

시간대별 쿨루프 객체의 z-score를 산정한 결과는 Fig. 9와 같다. 쿨루프 또한 절대값 1.65 이상 및 이하인 범위를 유의미한 구간으로 선정하였으며, 시간에 따른 구간의 공간적 분포는 다르게 나타났다. 그러나 일반 지붕과 달리 오전 9시에서 오후 17시까지(Figs. 9a–e) 대체적으로 장유무계 도시재생지원센터 부근의 지붕이 낮은 온도를 나타냈다. 오전 11시의 경우, 다른 시간대와 달리 무계협동조합 근처가 비교적 낮은 온도 분포를 보였으나 태양의 고도가 가장 높아지는 정오 시간대임을 고려한다면 쿨루프 효과는 시간이 지남에도 지속된다고 판단할 수 있다.

Figure 9. Z-score of LST (°C) on cool roofs: (a) 09:00, (b) 11:00, (c) 13:00, (d) 15:00, and (e) 17:00.

지붕 객체들의 온도 분포 중 이상치 값을 가지는 객체를 선정하여 공간적 분석을 하기 위해 앞서 산정한 z-score의 절대값 1.65 이상인 객체들을 선정하여 시간대별 중첩되는 빈도수를 산정하였다. 5구간의 시간대 모두 겹치는 객체는 없었으나 5번 중 4번이 겹치는 객체를 경향성이 있는 객체로 선정하였다(Fig. 10). 일반 지붕의 경우, 장유 1동 사무소 근처 금관대로에 위치한 두 개의 객체와 장유로 316번길 근처의 세 개의 객체가 높은 온도를 나타내는 지역으로 선정되었다. 쿨루프의 경우, 장유로 316번길 부근의 한 개의 객체가 가장 낮은 온도를 나타내는 지역으로 나타났다.

Figure 10. Overlap counts by time of day for normal roofs and cool roofs.

선정된 높은 온도를 나타내는 일반 지붕 객체와 낮은 온도 분포를 보이는 쿨루프 객체의 LST 그래프를 비교하면 Fig. 11과 같다. 일반 지붕의 객체 평균 LST와 쿨루프 객체의 LST 온도 차이는 오전 11시에 30.80°C로 가장 큰 값이 나타났다. 오전 9시는 24.75, 13시 22.72, 15시 12.42, 17시 4.83으로 앞선 3.2절의 분석결과보다 더 큰 차이를 보였다.

Figure 11. LST comparison graphs between roof types over time.

본 연구는 TIR이 장착된 UAV 관측을 통해 폭염저감시설 중 쿨루프가 적용된 지붕의 시·공간적 LST 저감 효과를 정량적으로 입증 및 분석하였다. 시간대별 쿨루프의 저감 효과 파악을 위해 데이터를 그래픽화 하는데 주로 사용되는 사분위수를 적용한 box plot 분포도를 작성하였다. 분석 결과, Q1, Q2, Q3 모두 오전 시간대에 일반 지붕보다 쿨루프가 더 저감되는 경향을 보였으며, 오전 11시에 Q2 기준 10.52°C로 가장 큰 차이를 보였다. 오후 시간대로 갈수록 온도 차이는 저감되었으며, 오후 17시의 경우 0.04°C로 미미한 차이를 나타냈다. 이는 지붕의 태양복사에너지 흡수율이 적고 복사에너지가 높은 오전 시간대에 쿨루프의 반사율이 높아 더 효과적인 것으로 사료된다.

시간대별 LST의 극단 값을 나타내는 지붕을 파악하기 위해 z-score의 절대값 1.65 이상인 객체를 선정하였다. 분석 결과, 일반 지붕의 LST가 가장 높은 지역은 5 객체, 쿨루프의 LST가 가장 낮은 지역은 1곳으로 나타났다. LST의 극단 값을 갖는 일반 지붕 및 쿨루프의 가장 큰 온도 차이는 오전 11시에 나타났으며, 쿨루프가 30.80°C 더 저감되었다. 이는 태양의 복사에너지가 가장 높은 정오 시간대에도 쿨루프가 온도를 효과적으로 저감함을 나타낸다.

본 연구 결과는 쿨루프의 온도 저감 효과에 대한 실증적 분석을 통해 활용 가능성을 입증하였으며, UHI 완화를 위한 정책 수립 시 관리의 우선순위 선정에 기여할 수 있다. 예를 들어, 도시 열지도(urban heat map)를 구축하여 LST가 높은 지역을 식별하고, 해당 지역에 쿨루프와 같은 UHI 완화 전략을 우선적으로 적용하는 방안을 제시할 수 있다. 또한, 쿨루프 설치를 의무화하고 인센티브를 제공하는 정책을 통해 신축 건물과 기존 건물에 쿨루프 설치를 장려할 수 있는 정책적 방안을 도입할 수 있다.

전술된 연구성과 이외에 본 연구는 몇 가지 한계를 가지고 있다. 첫째, UAV 관측이 특정 기상 조건(맑은 날)에만 수행되어 다양한 기상 상황(흐린 날, 강우 시 등)에 대한 일반화에 한계가 있다. 향후 연구에서는 다양한 기상 조건에서 쿨루프의 저감 효과를 분석하여 연구 결과의 적용 범위를 확대할 필요가 있다. 둘째, 연구 대상지가 경상남도 장유무계동으로 한정되어 다양한 도시 환경이나 건물 재질 및 지역적 특성을 충분히 반영하지 못했다. 다른 도시 지역에서의 쿨루프 적용 가능성을 검토하고 온도 저감 효과에 대한 폭넓은 검증이 필요하다. 셋째, 본 연구는 UHI 완화의 간접 지표인 LST만을 사용하여 복합적인 지표를 충분히 고려하지 못했다. 향후 연구에서는 인체 체감 온도, 에너지 절감 효과 및 공기질 개선 등의 다양한 지표를 포함한 다각적인 분석이 요구된다. 특히 폭염에 취약한 계층을 대상으로 실제 체감 온도를 고려한 연구를 수행한다면, 열환경 개선을 위한 정책적 활용에 보다 더 의미 있는 연구가 될 수 있을 것으로 사료된다.

본 논문은 행정안전부 자연재난 정책연계형 기술개발사업(2020-MOIS35-001(RS-2020-ND629021))의 지원을 받아 한국환경연구원이 수행한 “도심환경을 고려한 폭염 저감 기술 최적화 개발(2023-014(R))” 사업의 연구결과로 작성되었습니다.

No potential conflict of interest relevant to this article was reported.