닫기

Search
Search
Advanced Search +
닫기
Quick links
Most View Most Download Archives Go to e-Submission

Research Article

Split Viewer

Korean J. Remote Sens. 2025; 41(1): 153-172

Published online: February 28, 2025

https://doi.org/10.7780/kjrs.2025.41.1.13

© Korean Society of Remote Sensing

마곡의 도시개발에 따른 지표면 도시열섬강도 변화 모니터링

김수현1 , 임영동2 , 천상현3*

1홍익대학교 도시공학과 연구보조원
2홍익대학교 도시공학과 학부생
3홍익대학교 도시공학과 교수

Received: January 20, 2025; Revised: February 6, 2025; Accepted: February 13, 2025

Monitoring the Impact of Urban Development in Magok on Surface Urban Heat Island Intensity

Soohyun Kim1 , Youngdong Lim2 , Sang Hyun Cheon3*

Author Affiliations
1Research Assistant, Department of Urban Design and Planning, Hongik University, Seoul, Republic of Korea
2Undergraduate Student, Department of Urban Design and Planning, Hongik University, Seoul, Republic of Korea
3Professor, Department of Urban Design and Planning, Hongik University, Seoul, Republic of Korea

Correspondence to : Sang Hyun Cheon
E-mail: scheon@gmail.com

Received: January 20, 2025; Revised: February 6, 2025; Accepted: February 13, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

Go to

The reduction of natural cover and the increase in artificial surface caused by urbanization lead to surface urban heat island. New towns are considered an appropriate study site to analyze surface urban heat island affected by land cover transformations, due to their development characteristics of rapid urbanization. This study aims to monitor surface urban heat island intensity (SUHII) resulting from land cover changes. We study Magok New Town as a representative urban development case in Seoul, South Korea. SUHII is defined as the difference in the mean land surface temperature (LST) between developed and undeveloped areas, with LST measured using Landsat satellite imagery. We build long-term data for the observation period from April 16, 2003, to October 15, 2023, considering the development period of Magok New Town. We gather 101 high-quality data points from approximately 20.5 years to enable detailed and comprehensive observation of land surface temperature changes. We compare changes in Magok’s SUHII (experimental group) with those of four surrounding areas, two undeveloped and two previously developed areas (control groups). The results show that the SUHII of Magok New Town has converged to resemble the surrounding developed areas as urban development has progressed. In particular, the two developed areas in Gangseo-gu exhibit relatively high SUHII variability throughout the observation period, whereas the SUHII variability in Magok is observed to gradually increase over time. The cause of this phenomenon is that SUHII typically shows higher values in the summer and lower values in the winter, and urban areas, the seasonal variation in SUHII is significantly larger. Therefore, as urban development progressed in Magok, the seasonal variation in SUHII widened, deteriorating Magok’s urban microclimate. The spatial distribution of SUHII is relatively high in airports, transportation facilities, and industrial, and construction areas due to the influence of surface environment and urban activity characteristics. In the residential area of Magok, SUHII is lower than in Gayang, due to the underground construction of transportation facilities and the design of parks. The green area in Magok Central Park offsets the low SUHII during the Cool and Cold seasons, but its effect is limited during the Hot and Warm seasons.

Keywords Urban heat island, Remote sensing, Landsat, Time series, Urbanization, Magok New Town

요약

Go to

도시화로 인한 자연피복의 감소 및 인공피복의 증가는 지표면 도시열섬현상을 야기한다. 여러 도시화 사례 중 특히 신도시는 개발 특성상 급격한 도시화가 이루어지는 지역으로, 토지피복의 변화로 인한 지표면 도시열섬현상을 분석하기에 좋은 대상지로 여겨진다. 본 연구는 서울특별시의 대표적인 도시개발 사례인 마곡 신도시를 중심으로 토지피복의 변화에 따른 지표면 도시열섬강도(Surface Urban Heat Island Intensity, SUHII) 변화 모니터링을 목표로 하였다. SUHII는 개발지역과 미개발지역의 평균 지표면 온도 차이로 정의하였으며, 지표면 온도는 Landsat 위성영상 데이터를 활용해 측정하였다. 관찰기간은 마곡 신도시의 개발기간을 고려해 2003.04.16–2023.10.15까지로 설정하였다. 마곡 신도시 개발에 따른 지표면 온도변화의 면밀하고 포괄적인 관측을 위해 약 20.5개년 중 101개의 양호한 데이터를 선별하였고, 마곡(실험군)의 SUHII 변화를 주변의 미개발지, 기개발지 각각 두 곳(대조군)씩 총 네 곳과 비교 분석하는 방법으로 연구를 수행하였다. 분석결과 마곡 신도시의 SUHII는 도시개발이 진행됨에 따라 주위 도시개발지들과 유사한 형태로 수렴되는 것이 관찰되었다. 특히, 강서구 일원의 두 기개발지는 관찰기간 내내 SUHII 변동성이 상대적으로 크게 관찰된 반면, 마곡의 SUHII 변동성은 시간의 흐름에 따라 점차 증가하는 것이 관찰되었다. 이에 대한 원인으로 SUHII는 여름철에는 높은 값을, 겨울철에는 낮은 값을 보이는 특징이 있으며, 도시개발이 진행된 지역에서는 이러한 계절 간 SUHII 편차가 크게 나타나기 때문인 점이 확인되었다. 따라서 마곡은 도시개발이 진행됨에 따라 SUHII의 계절 간 편차가 벌어졌으며, 이는 변동성을 증가시켰기에 마곡의 도시 미기후가 악화되었다고 판단할 수 있다. SUHII의 공간분포는 지표환경 및 도시활동 특성에 기인하여 공항, 교통시설, 공업 및 건설현장에서 상대적으로 높게 관찰되었다. 마곡의 주거지역은 교통시설 지하화와 지상 공원화 설계로 가양의 주거지역보다 낮은 SUHII를 보였으며, 마곡 중앙공원 내 인공초지는 Cool, Cold 계절에서 낮은 SUHII를 상쇄하였으나, Hot, Warm 계절에서 높은 SUHII를 상쇄하는 효과는 제한적이었다.

주요어 도시열섬현상, 원격탐사, Landsat, 시계열, 도시화, 마곡신도시

1. 서론

Go to

전 세계적으로 도시에 거주하는 인구비율이 증가하고 있으며, 이에 따라 도시화가 빠르게 진행되고 있다(UN, 2019). 이러한 도시지역의 확장은 자연피복의 면적을 줄이고 콘크리트 및 아스팔트 등의 인공피복 면적을 증가시킨다. 이는 해당 지역의 열 흡수표면이 증가하고 동시에 증발산율을 감소시켜 국지적인 지표면 온도(Land Surface Temperature, LST)의 상승, 즉 지표면 도시열섬현상(Surface Urban Heat Island, SUHI)의 원인이 된다(Taha, 1997; Bounoua et al., 2015; Zhang et al., 2022; Xian, 2023). 도시열섬현상은 에너지 사용량 증가의 원인이 될 뿐만 아니라 도시거주민의 건강문제, 대기 및 수질의 악화 등 많은 부문에 악영향을 미치기 때문에(Oke, 2002; EPA, 2003; Santamouris, 2020; Zahn et al., 2021; Xian, 2023) 도시열섬현상을 지속적으로 모니터링 하고 분석하는 연구는 중요하다(Yoon et al., 2019; Xian, 2023).

도시화로 인한 토지이용 및 토지피복(LandUse/LandCover, LULC)의 변화에 의해 변동되는 SUHI를 분석하는 연구는 주로 광역온도 측정에 유리한 원격탐사 데이터가 사용된다(Voogt and Oke, 2003; Oke et al., 2017; Almeida et al., 2021). 다양한 원격탐사 데이터 중 대표적으로 Landsat 위성영상 데이터와 Aqua 및 Terra 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer (MODIS) 센서 데이터가 SUHI 분석에 활용되고 있다. Baek et al. (2022), Lee and Lim (2022), Lee (2023)는 Landsat 데이터를 활용하여 국내 신도시를 대상으로 도시개발에 따른 SUHI 변화를 분석하였다. Moazzam et al. (2024)은 MODIS 데이터를 활용하여 국내 6개 대도시권의 SUHI를, Monteiro et al. (2021)은 MODIS 데이터를 활용하여 브라질 내 21개 대도시권의 SUHI를 분석하였다. 다만 Landsat 데이터의 공간해상도는 30 m 수준으로 복잡한 도시 구조를 충분히 반영할 수 있으나, MODIS 데이터의 공간해상도는 1 km로 관찰 지역 내 상세한 열 환경을 분석하기에는 한계가 있다(Kim et al., 2024).

다중분광위성의 데이터를 통한 LST 측정은 구름 및 구름 그림자와 같은 방해요소에 취약하다(Braaten et al., 2015; Zhu et al., 2018). 따라서 LST 측정의 방해요소가 없는 양호한 데이터를 선별하다 보면 선정한 시간적 범위 대비 관찰가능한 날짜가 적거나, 청천일이 많은 특정 계절 및 시점을 중심으로 분석이 진행된다(Moazzam et al., 2022; Lee and Lim, 2022; Lee, 2023). 또한 관측 대상지에 방해요소가 일부 존재하여도 분석 데이터에 포함시켜야 하는 한계점이 존재하기도 한다(Yoon et al., 2019; Baek et al., 2022). 이러한 다중분광위성 데이터를 활용한 SUHI 연구의 한계점은 관찰하고자 하는 대상지가 넓을수록 해당 지역상에 LST 측정 방해요소가 있을 확률이 높아지고, 이에 따라 관측 데이터의 빈도가 감소하는 경향이 존재한다.

본 연구의 대상지인 마곡은 대한민국 서울특별시 강서구에 위치하고, 서울시에 마지막으로 남아있는 대규모 농경지를 신도시로 개발한 지역이다(Seoul Metropolitan Government, 2024). 계획 신도시는 개발 특성상 짧은 기간 안에 급격한 도시화가 이루어지므로, LULC의 변화가 SUHI에 미친 영향을 분석하기에 적절한 대상지로 여겨진다(Qaid et al., 2016; Lee et al., 2022; Lee and Lim, 2022). 특히 마곡 신도시는 비교적 좁은 지역이기 때문에 구름 및 그림자의 영향을 받지 않은 분석에 적합한 데이터를 상대적으로 많이 사용할 수 있다. 따라서 본 연구는 장기 시계열 데이터에 기반하여 마곡의 도시개발에 따른 SUHI 변화를 보다 면밀한 관측빈도로 모니터링 하고, 특정 시점에 국한되지 않은 연중 포괄적인 분석을 목적으로 한다. 이를 통해 도시개발이 진행된 지역의 SUHI 변화 양상과 계절별 특성을 파악하였다. 분석은 마곡 인근에 위치한 지역들을 대조군으로 설정하여 마곡 신도시와 비교하는 방법으로 진행하였으며, Landsat 데이터의 고해상도 LST 자료를 활용하여 토지피복 특성을 반영한 열 환경 변화를 관찰하고 대상 지역 내 미시공간 변화 패턴이 SUHI에 미치는 영향을 파악하였다.

2. 연구 지역 및 자료

Go to

2.1. 공간적 범위

2.1.1. 마곡 신도시

마곡 신도시는 서울특별시 강서구 마곡동 일원에 위치하고, 대규모 농경지를 신도시로 개발한 지역이다(Seoul Metropolitan Government, 2024). ‘첨단 산업과 주거가 어우러진 친환경적 도시’ 조성을 목표로 계획되었으며, 토지용도별로 공사구역을 분리하여 개발한 것이 특징이다(Fig. 1). 개발기간은 2009년 9월부터 진행되어 2026년 12월까지로 예정되어 있으나, 마곡중앙공원이 시민들에게 개방된 2018년 10월 기준(Jo et al., 2019), 일부 공사구역을 제외한 대부분의 면적이 도시지역으로 개발되었다. 이와 같은 사실을 바탕으로 본 연구에서는 마곡의 개발단계를 다음과 같이 세 단계로 구분하였다(Table 1).

Fig. 1. Construction zones in Magok New Town. The satellite image was taken on May 13, 2023. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)

Table 1 Development stages of Magok New Town

Development stagePeriodConstruction zone
Pre-Development–2009.09.29
During-Development2009.09.30–2018.10.10Zone 1, 2, 3
Post-Development2018.10.11–Special Planned Zone

2.1.2. 대조군의 설정

마곡 신도시와 비교할 대조군은 마곡의 개발이 진행되는 동안 개발 유무가 바뀌지 않은 미개발지와 기개발지 각 두 곳씩 선정하였다(Fig. 2). 환경부가 제작한 토지피복도 상 시가화·건조 지역을 개발지역(Developed Area, DA), 그 외 지역을 미개발지역(Undeveloped Area, UDA)으로 정의하였으며, 기후적 조건의 통일성을 위해 마곡 신도시와 가까운 지역을 위주로 선정하였다. 미개발지는 개발 전 마곡의 토지피복상태를 고려하여 농경지 두 곳으로 선정하였고, 기개발지는 가양·등촌동의 주거지역과 김포공항으로 선정하였다. 최종적으로 설정한 공간적 범위의 면적은 다음과 같다(Table 2).

Fig. 2. Location of the study areas. The satellite image was taken on May 13, 2023. UDA: undeveloped area. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)

Table 2 Extent of the study areas

AreaExtent (m2)
Study areaMagok3,663,777.867
Undeveloped areas (UDA)UDA_A1,669,290.144
UDA_B3,047,776.989
Developed areas (DA)Gayang1,933,665.073
Gimpo Airport6,555,562.511

2.2. 시간적 범위

본 연구에서는 마곡 신도시의 개발기간과 대조군의 개발유무 변화시점을 고려하여 시간적 범위를 2003년 4월 16일부터 2023년 10월 15일까지로 설정하였다. 환경공간정보서비스 (https://egis.me.go.kr/)에서 제공하는 총 4개년도(2001, 2007, 2018, 2023)의 중분류 토지피 복도를 통해 설정한 시간적 범위 동안 대조군들의 개발유무 변화가 없음을 확인하였다.

2.3. 사용데이터

2.3.1. Landsat 데이터

Landsat은 지속적인 지표면 관찰을 목표로 미 항공우주국(NASA)과 미 지질조사국(USGS)이 공동개발 및 운용하는 극 궤도 위성이다(Park and Choi, 2016). Landsat은 170 × 183 km의 범위를 30 × 30 m 수준의 고해상도로 데이터를 취득하고, 본 연구에서 관측하고자 하는 대상지들이 위치한 Scene (Path: 116, Row: 034)은 한국시간 기준 약 11:00(GMT 2:00)경에 촬영된다. 각 위성마다 활동 기간 및 공간·시간·분광해상도가 상이하며, LST 산출에 사용되는 열 적외선(Thermal Infrared) 데이터는 Landsat 4 TM위성부터 취득했다(Table 3). 열 적외선 데이터의 공간해상도는 Table 3과 같이 상이하나 데이터 제공시 30 m수준으로 재가공되어 제공된다.1)

Table 3 Landsat series overview

MissionOperational periodRevisit timeBandsThermal band wavelengthThermal band spatial resolution*
L4 TM1982–199316 days710.40–12.50 μm (Band 6)120 (30) m
L5 TM1984–201316 days710.40–12.50 μm (Band 6)120 (30) m
L7 ETM+1999–202416 days810.40–12.50 μm (Band 6)60 (30) m
L8 OLI/TIRS2013–Present16 days1110.60–11.19 μm (Band 10),
11.50–12.51 μm (Band 11)		100 (30) m
L9 OLI2/TIRS22021–Present16 days1110.60–11.19 μm (Band 10),
11.50–12.51 μm (Band 11)		100 (30) m

Landsat 6 failed at launch after not reaching the velocity necessary to obtain orbit.

*: The thermal bands of Landsat series are resampled to 30 m.

L: Landsat, TM: Thematic Mapper, ETM+: Enhanced Thematic Mapper Plus, OLI: Operational Land Imager, TIRS: Thermal Infrared Sensor.

설정한 시간적 범위에 대상지들을 촬영한 위성은 Landsat 5 TM, Landsat 7 ETM+, Landsat 8 OLI/TIRS, Landsat 9 OLI2/TIRS2이다. 다만 Landsat 7 ETM+는 2003.05.31부터 Scan Line Corrector (SLC)가 Off인 상태로 데이터를 취득했다(Chander et al., 2009). 이는 정상 데이터에 비해 약 22%의 데이터 손실을 초래한다. 손실 영역은 Scene의 중앙 22 km부근에서는 거의 없으나(1 pixel 이하), 동·서쪽 가장자리에서는 최대 14 Pixel까지 나타난다(Chander et al., 2009). 본 연구에서 설정한 대상지들의 경우 Scene의 중앙 부근에 위치하며 약 6.9% 정도 데이터 손실이 나타나는 것이 확인되었다. 따라서 사용데이터에서 Landsat 7 ETM+ 데이터 중 SLC-Off 데이터는 우선적으로 제외 하였다. 다만 SLC-Off 데이터를 제외할 경우 2011.11.22–2013.04.17까지 데이터 취득의 공백기가 존재한다. 이 기간은 마곡의 개발단계를 고려했을 때 마곡의 토지피복상태가 가장 많이 바뀐 기간이므로 해당 기간의 Landsat 7 ETM+ SLC-Off 데이터를 복원해 사용하였다. 복원은 다양한 기존 문헌에서 사용되어 온 역거리가중법 기반의 보간 기법을 사용하였으며(Shahzad et al., 2018; Waqas et al., 2019; Ayehu et al., 2020; Ali et al., 2023), QGIS 3.34.4 소프트웨어의 Fill NODATA Tool (QGIS, 2024)을 활용하였다.

2.3.2. 가용 데이터 선별

2003.04.16–2023.10.15 기간동안 설정한 5개의 대상지에 LST 측정 방해요소(구름, 구름 그림자, 눈)가 없는 양호한 데이터는 총 101일이다(Fig. 3, Table 4, Appendix A). 구름 마스킹(CloudMasking)을 통해 LST 측정 방해요소를 판별했으며, 구름 마스킹은 F-Mask 알고리즘을 사용하였다(Qiu et al., 2019; Zhu and Qiu, 2022). 선별된 데이터는 각 데이터 간의 시간 간격이 일정하지 않으나 한반도의 기후특성상 청천일이 많은 봄(3–5월)과 가을철(9–11월)이 여름(6–8월)과 겨울철(12–2월)보다 많이 샘플링 되었다는 특징이 존재하였다. 선별된 101개의 데이터는 모두 Tier 1로 고품질의 영상임이 확인되었다.

Fig. 3. Acquisition time of Landsat images used in this study (Path: 116, Row: 034). L5: Landsat 5 TM, L7: Landsat 7 ETM+, L8: Landsat 8 OLI/TIRS, L9: Landsat 9 OLI2/TIRS2.

Table 4 Summary of available data selection

Landsat seriesPeriodTotal data (Scenes)Selected data (Scenes)Remarks
L5 TM2003.04.30–2011.10.2915734-
L7 ETM+ (SLC-On)2003.04.22–2003.05.2431-
L7 ETM+ (SLC-Off)2011.11.22–2013.04.17275Gap filled
L8 OLI/TIRS2013.04.25–2023.10.1423649-
L9 OLI2/TIRS22021.11.11–2023.10.064412-

L: Landsat, TM: Thematic Mapper, ETM+: Enhanced Thematic Mapper Plus, OLI: Operational Land Imager, TIRS: Thermal Infrared Sensor, SLC: Scan Line Corrector.

3. 연구 방법

Go to

3.1. 분석 방법

본 연구의 데이터는 불규칙하게 샘플링된 다변량 정렬 시계열 데이터(Multivariate irregularly sampled time series data_aligned)로 구분할 수 있다(Shukla and Marlin, 2020). 따라서 등 간격의 input을 가정하는 일반적인 시계열 분석 모델 사용 대신(Hyndman and Athanasopoulos, 2018), 마곡 신도시와 대조군 중 기개발지들(김포공항, 가양)의 지표 면 도시열섬강도(Surface Urban Heat Island Intensity, SUHII)를 직접 비교하는 방법으로 연구를 진행하였다. 이를 통해 마곡의 SUHII가 도시개발이 진행됨에 따라 어떻게 변화해 가는지 모니터링을 수행했으며, 계절별로 어떠한 양상을 보이는지 마곡 신도시의 개발단계를 기준으로 비교 및 분석하였다.

3.2. SUHII

도시열섬현상은 개발지역과 미개발지역 간의 온도 차이로 정의되며, 이는 도시화로 인해 해당 지역의 온도가 자연환경과 달라질 것이라는 가정에 기반한다(Oke, 2002). 본 연구에서의 지표면 도시열섬강도(SUHII)는 개발지역(DA)과 미개발지역(UDA)의 평균 지표면 온도 차이(식 1)로 정의하였다(Oke, 2002).

SUHII(°C)=LST_DA(Mean)−LST_UDA(Mean),whereLST_DA(Mean)=Mean LST of Magok, Gayang, Gimpo Airport area, respectivelyLST_UDA(Mean)=Mean LST of UDA (total)

3.3. LST

LST 산출 자료로 Landsat Collection 2 Level 2 Science Product (L2SP)를 사용하였다. USGS는 2020년경부터 토지피복 및 열 특성과 관련된 연구 및 자료처리를 용이하게 할 목적으로 Level 1 (L1TP) 자료를 보정하고 알고리즘 등을 개선시켜 가공한 L2SP 데이터를 제공한다(USGS, 2021; Crawford et al., 2023). 이 데이터는 분석용 수준(Analysis Ready Data, ARD)의 자료일 뿐만 아니라, 대한민국 수도권 지역을 대상으로 L2SP와 실측 온도 자료를 비교 분석한 결과 설명력이 우수한 것으로 나타났다(Park and Kim, 2021). LST는 USGS에서 제시한 보정계수 적용(식 2)을 통해 산출하였다(USGS, 2021).

LST(°C)=MLBst+AL−273.15

ML과 AL은 각각 지표면 온도 자료에 대한 Multiplicative rescaling factor와 Additive offset으로써 각각 0.00341802, 149.0을 의미한다. Bst는 열 적외선 데이터로 L2SP_ST의 Band 6 (Landsat 5, 7), Band 10(Landsat 8, 9)을 의미한다. 추가로 절대온도(K)가 아닌 섭씨(°C) 온도로 변환하기 위해 273.15를 차감하였다.

3.4. 계절

대한민국 서울특별시의 기후는 4계절이 뚜렷하며 계절별 온도 편차가 크고, 특히 봄(3월–5월)과 가을(9월–11월)은 계절의 전이단계로 같은 계절 내에서도 시점 별 온도 차이가 큰 것이 특징이다(Korea Meteorological Administration, 2022). 한국의 기후 특징과 샘플링된 데이터들의 시간 간격이 불규칙적이라는 점을 고려했을 때 계절을 3개월 단위로 구분하는 것 대신 전반적인 온도를 기준으로 구분하는 것이 적합하다고 판단하였다. 따라서 본 연구에서는 전반적인 온도를 기준으로 계절을 4가지로 구분하였으며, 101개의 날짜를 개발단계와 계절별로 구분했을 때 해당 구간에 속한 데이터의 수는 다음과 같다(Table 5). 마곡 신도시의 개발 구간 및 계절을 기준으로 각각 샘플링된 데이터의 수가 상이 했으며, 청천일이 많은Warm, Cool 계절이 Hot, Cold 계절보다 많이 샘플링되었다.

Table 5 Classification of seasons

SeasonPeriodCriteriaPre-Dev.During-Dev.Post-Dev.
HotSummer06.01–08.314 Scenes5 Scenes2 Scenes
WarmLate Spring, Early Fall04.16–05.31, 09.01–10.158 Scenes22 Scenes12 Scenes
CoolEarly Spring, Late Fall03.01–04.15, 10.16–11.307 Scenes15 Scenes14 Scenes
ColdWinter12.01–02.28(29)4 Scenes3 Scenes5 Scenes

Dev.: Development stage of Magok.

3.5. SUHII 공간분포

SUHII의 공간적 분포를 파악하기 위해 샘플링 된 101일의 Landsat 자료를 활용하여 30 × 30 m의 해상도로 SUHII 공간분포 지도를 제작하였다. 이는 마곡 전체지역을 74 × 89 그리드(grid)로 나누어 4,076개로 표현될 수 있는 해상도이다. 지도 제작은 다음의 세가지 과정을 통해 이루어졌다. 첫째, 마곡신도시의 개발단계를 기준으로 101개의 데이터를 Pre-Dev., During-Dev., Post-Dev.로 구분하였다. 둘째, 각 개발단계에 속한 데이터 그룹을 다시 계절별(Hot, Warm, Cool, Cold)로 세분화하여 총 12개의 그룹을 구성하였다. 마지막으로 각 그룹에 포함된 자료들의 평균 SUHII 값을 계산하여 해당 그룹을 대표하는 SUHII 공간분포 지도를 산출하였다. 이와 함께 SUHII 공간분포 지도와 각 대상지의 토지피복 상태를 비교하기 위해, 위성사진을 추가적으로 활용하여 검토하고 4.2.2절에 제시하였다. 위성사진은 각 개발단계의 토지피복 변화를 시각적으로 확인할 수 있도록 화질이 양호한 2008년(Pre-Dev.), 2017년(During-Dev.), 2023년(Post-Dev.)을 선정하였다.

4. 결과 및 논의

Go to

4.1. 대상지 별 SUHII 산출 결과

4.1.1. 대상지 별 SUHII 및 차이

Fig. 4(a)는 마곡과 기개발지 두 곳(김포공항, 가양)의 SUHII를 모두 나타낸 그래프이며, (b), (c), (d)는 마곡, 가양, 김포공항의 SUHII를 각각 나타낸 그래프이다. Table 6은 세 대상지의 SUHII를 마곡의 개발단계를 기준으로 작성한 기초통계표이다.

Fig. 4. SUHII of study areas. (a) shows the SUHII of Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the SUHII of Magok, Gayang, and Gimpo Airport, respectively.

Table 6 Descriptive statistics of SUHII for study areas by development stages of Magok

AreaStageCount (Scenes)Mean (°C)Med (°C)Min (°C)Max (°C)Std.
MagokPre-Dev.231.371.25-0.254.250.90
During-Dev.450.980.75-2.964.721.75
Post-Dev.330.29-0.23-2.693.291.68
GayangPre-Dev. (Magok)232.462.38-2.266.742.53
During-Dev. (Magok)451.481.79-3.905.942.50
Post-Dev. (Magok)330.670.27-2.694.972.13
Gimpo AirportPre-Dev. (Magok)235.155.261.299.022.33
During-Dev. (Magok)455.165.440.489.712.38
Post-Dev. (Magok)334.654.202.287.651.72

Dev.: development stage, Std.: standard deviation.

선별한 101일을 관찰한 결과, 세 대상지의 SUHII는 각각 다른 특성을 보였다. 마곡의 SUHII는 도시개발이 진행됨에 따라 SUHII가 점차 감소하는 것이 관찰되었다. 특히 개발단계가 진행될수록 음의 SUHII가 더 빈번하게 관찰되었다. 가양의 SUHII 또한 시간의 흐름에 따라 감소하는 경향을 나타냈으나, 마곡과 달리 관찰기간 내내 음의 SUHII가 꾸준히 관찰되었다. 김포공항의 SUHII는 시간의 흐름에 따라 감소하는 경향을 나타냈으나(0.50°C 감소), 감소한 정도는 마곡(1.08°C 감소), 가양(1.79°C 감소)에 비해 낮았다. 또한 음의 SUHII가 다른 대상지들과 달리 관찰되지 않았으며, 전반적으로 가장 강한 SUHII가 나타났다. 마곡과 가양의 SUHII는 비슷한 수준을 나타내는 것과 달리 김포공항이 월등히 높은 SUHII가 나타난 원인은 공항운영과 관련된 도시환경 및 인간활동에 인한 것으로 추정되며(Wan et al., 2023), 이러한 공간적 특징에 따른 영향은 4.1.2와 4.2.2절에서 구체적으로 논의한다.

4.1.2. SUHII 격차와 지표 특성

세 대상지의 SUHI 강도차이를 구체적으로 살펴보면 그 특징은 다음과 같다. Fig. 5(a)는 대상지 간의 SUHII 차이를 모두 나타낸 그래프이며, (b), (c), (d)는 김포공항과 가양의 SUHII 차이(김포공항–가양), 가양과 마곡의 SUHII 차이(가양–마곡), 김포공항과 마곡의 SUHII 차이(김포공항–마곡)를 각각 나타낸 그래프이다. Table 7은 각 대상 지 간의 SUHII 차이를 마곡의 개발단계를 기준으로 작성한 기초통계표이다.

Fig. 5. Differences of SUHII. (a) shows the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok. (b), (c), and (d) show the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok, respectively.

Table 7 Descriptive statistics of SUHII for study areas by development stages of Magok

AreaStageCount (Scenes)Mean (°C)Med (°C)Min (°C)Max (°C)Std.
Gimpo–GayangPre-Dev.232.692.880.714.411.07
During-Dev.453.683.381.805.520.99
Post-Dev.333.973.992.355.420.89
Gayang–MagokPre-Dev. (Magok)231.091.23-2.004.131.83
During-Dev. (Magok)450.510.46-2.373.461.24
Post-Dev. (Magok)330.380.37-0.451.830.55
Gimpo–MagokPre-Dev. (Magok)233.783.851.206.941.72
During-Dev. (Magok)454.194.361.636.681.18
Post-Dev. (Magok)334.364.493.145.670.60

Dev.: development stage, Std.: standard deviation, Gimpo: Gimpo Airport.

Figs. 5(b, d)를 보면 모든 시점에서 0°C보다 높은 값이 관찰되었다. 또한 (c)를 보면 0보다 낮은 시점이 일부 존재하긴 하나 전반적으로 0°C보다 높고, 이러한 경향은 Post-Dev. (Magok) 기간에서 더욱 뚜렷하게 확인된다. 따라서 전반적인 SUHII는 김포공항, 가양, 마곡순으로 강하다고 보여진다. Post-Dev. 기간을 기준으로 김포공항의 SUHII는 마곡에 비해 평균적으로 약 4.36°C 강하며, 가양의 SUHII는 마곡에 비해 평균적으로 약 0.38°C 강한 것이 관찰되었는데, 이는 앞서 언급한 바와 같이 김포공항 지역의 지표환경 및 도시활동 특성에 기인한 것으로 보인다. 또한, 개발이 완료된 Post-Dev. 기간에서 마곡의 SUHII가 가양보다 소폭 낮게 나타난 이유는 마곡의 경우 대규모 공원(중앙공원) 조성 및 주거단지의 지상 공원화 등 도시설계적 특징으로 인해(Seoul Metropolitan Government, 2024) 기존 90년대 준공된 주거지역 위주인 가양보다 낮은 SUHII가 나타난 것으로 분석된다.

4.1.3. SUHII 변동성 분석

세 대상지의 SUHII 표준편차(분산도) 또한 각각 다른 특성을 보였다. 마곡의 SUHII는 Pre-Dev. 기간에서 표준편차가 0.90으로 대부분의 데이터 값이 평균(1.37°C) 부근에 위치하는 반면, During-Dev. 및 Post-Dev. 기간에서는 표준편차는 각각 1.75와 1.68로 두 개발단계 모두 Pre-Dev. 단계에 비해 큰 분산도를 나타냈다(Fig. 4b). 가양의 SUHII는 Pre-Dev. (Magok) 기간과During-Dev. (Magok) 기간에서 데이터들의 표준편차가 각각 2.53, 2.50으로 동일 기간의 마곡에 비해 높은 수치를 보였다(Fig. 4c). Post-Dev. (Magok) 기간의 표준편차는 2.13으로 이전 단계들에 비해서는 소폭 감소하였으나, 여전히 마곡에 비해서는 높은 수치가 나타났다(Fig. 4c). 김포공항의 SUHII는 기개발지인 가양과 유사하게 관찰기간 내내 상대적으로 큰 분산도가 관찰되었다(Figs. 4c, d). Pre-Dev. (Magok) 기간과During-Dev. (Magok) 기간에서 데이터들의 표준편차는 각각 2.33, 2.38로 동일기간 마곡에 비해 높은 수치를 보였다(Fig. 4d). Post-Dev. (Magok) 기간의 표준편차는 1.72로 전 단계들에 비해 감소하였으나, 여전히 동일기간 마곡에 비해 높은 수치가 나타났다(Fig. 4d).

측정된 SUHII 분산도에 의하면, 마곡과 두 기개발지가 서로 다른 양상을 보이는 것이 명확하다. 마곡은 도시개발이 진행됨에 따라 실험기간 동안 SUHII 변동성(Variability)이 증가하고, 기개발지인 가양과 김포공항의 경우는, 같은 기간동안 상대적으로 높은 SUHII 변동성을 유지하고 있다. 마곡, 가양, 김포공항 세 지역의 SUHII 변동성과 각 대상지 간의 SUHII 차이 변동성을 보다 면밀히 살펴보기 위해 이동표준편차(Rolling Std.)를 사용하였다. 이동표준편차의 Window Size는 마곡의 토지피복상태가 농경지였던 Pre-Dev. 기간(2003.04.16–2009.09.29) 데이터 수인 23개로 설정하였다. 해당 기간을 기준으로 시간의 흐름에 따라 관찰되는 변동성 양상은 다음과 같다.

이동표준편차법을 사용하여 분석하더라도 앞선 분석결과와 유사하게, SUHII의 변동성은 전반적으로 가양, 김포공항, 마곡 순으로 큰 것이 관찰되었으며(Fig. 6), 마곡과 대조군(가양, 김포공항)의 양상은 다르게 나타났다. 즉, 마곡의 SUHII 변동성은 시간의 흐름에 따라 점차 증가하다가 Post-Dev. 기간에 소폭 감소하였다(Fig. 6b). 반면 기개발지인 가양과 김포공항의 SUHII 변동성은 마곡에 비해 상대적으로 큰 값을 유지하다가 Post-Dev. (Magok) 기간에 소폭 감소하였다(Figs. 6c, d).

Fig. 6. Rolling Std. of SUHII. (a) shows the variability of SUHII for Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the variability of SUHII for Magok, Gayang, and Gimpo Airport, respectively. The data points are displayed on the last date of each window, and the window size is set to the ‘Pre-Development’ period of Magok (23 data points). The dashed lines represent the quadratic trendlines for each study area. Std.: standard deviation.

이동표준편차법을 통해 더 효과적으로 관찰가능한 점은 다음과 같다. 마곡의 도시개발이 완료된 Post-Dev. 기간에는 세 대상지 모두 SUHII 변동성이 감소하는 경향이 관찰되었다(Fig. 6). 또한 대조군과 마곡의 SUHII 차이는 마곡의 도시개발이 진행됨에 따라 지속적으로 변동성이 감소하는 반면(Figs. 7c, d), 대조군 간의 SUHII 차이는 비교적 일정한 변동성이 관찰되었다(Fig. 7b). 이는 마곡과 기개발지 간의 SUHII 차이가 점차 예상 가능한 범위로 수렴하고 있음을 의미한다. 즉, 마곡의 SUHI는 도시개발이 진행됨에 따라 주위 기개발지와 유사하게 발현된다고 해석된다. 이러한 변화는 기존 농경지 였던 마곡이 도시개발을 통해 주위 기개발지와 같이 SUHII 변동성이 커지는 특징이 발현되었기 때문으로 분석된다.

Fig. 7. Differences of SUHII_Rolling Std. (a) shows the rolling std. values of the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok. (b), (c), and (d) show the rolling std. values of the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok, respectively. The data points are displayed on the last date of each window, and the window size is set to the ‘Pre-Development’ period of Magok (23 data points). The dashed lines represent the linear trendlines for each study area. Std.: standard deviation.

4.2. 계절별 SUHII 및 SUHII 공간분포

4.2.1. 계절별 SUHII

Fig. 8(a)는 마곡 신도시와 기개발지 두 곳의 SUHII를 나타낸 그래프이며, (b), (c), (d)는 각각 마곡, 가양, 김포공항의 SUHII를 계절별로 시각화한 그래프이다. Table 8은 세 대상지의 계절별 SUHII를 마곡의 개발단계를 기준으로 작성한 기초통계표이다.

Fig. 8. Seasonal SUHII of study areas. (a) shows the SUHII of Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the Seasonal SUHII of Magok, Gayang, and Gimpo Airport, respectively. The solid lines represent the linear trendlines for each season.

Table 8 Descriptive statistics of seasonal SUHII for study areas by development stages of Magok

Dev. stageSiteSeasonCount (Scenes)Mean (°C)Min (°C)Med (°C)Max (°C)Std.
Pre-Dev.MagokHot42.571.992.024.251.12
Warm81.480.361.782.080.62
Cool71.000.531.011.620.37
Cold40.57-0.260.591.370.68
GayangHot45.424.215.376.741.04
Warm83.920.694.565.281.60
Cool70.83-0.140.442.480.95
Cold4-0.59-2.26-0.631.171.42
Gimpo AirportHot47.416.607.168.731.01
Warm86.784.366.719.021.54
Cool73.671.923.665.261.03
Cold42.231.292.253.140.80
During-Dev.MagokHot53.462.783.004.720.86
Warm221.65-0.351.533.961.16
Cool15-0.50-2.96-0.060.751.13
Cold3-0.73-1.54-1.270.621.18
GayangHot55.184.305.245.940.77
Warm222.46-1.092.734.771.53
Cool15-0.52-3.56-0.141.931.60
Cold3-1.80-3.91-0.81-0.681.83
Gimpo AirportHot58.406.928.359.711.00
Warm226.352.076.448.231.49
Cool153.051.523.054.490.92
Cold31.740.482.252.501.10
Post-Dev.MagokHot23.092.913.093.260.25
Warm121.66-0.601.913.291.19
Cool14-0.79-2.51-0.820.150.73
Cold5-1.08-2.69-0.86-0.070.98
GayangHot24.093.664.094.520.61
Warm122.33-0.602.544.971.73
Cool14-0.69-2.66-0.860.891.03
Cold5-0.82-2.69-0.610.301.12
Gimpo AirportHot27.467.277.467.650.27
Warm126.154.166.527.321.09
Cool143.632.283.684.750.75
Cold52.812.372.763.140.29

Dev.: development stage, Std.: standard deviation.

전반적으로 SUHII는 세 대상지 모두 Hot, Warm, Cool, Cold 계절순으로 강한 것이 관찰되었다. 일부 시점에서 관찰된 마곡과 가양의 음의 SUHII는 주로 Cool 및 Cold 계절에서 나타났다. 마곡의 SUHII는 도시개발이 진행됨에 따라 계절 간 편차가 벌어지는 것이 관찰되었으며, 이는 더운 계절(Hot, Warm)에는 SUHII가 양의 방향으로 더 커지고, 추운 계절(Cool, Cold)에는 음의 방향으로 더 커지는 경향으로 나타났다(Fig. 8b). 마곡 신도시의 중앙공원 조성 이후, 녹지화 된 지표 면적이 늘어나며 여름(Hot season)의 SUHII가 내려가는 현상이 일부 보이나, 이를 대조군과 명확하게 구별되는 현상으로 해석하기에는 한계가 있다. 이는 추후 계절별 SUHII 공간분포 4.2.2절에서 좀 더 자세히 검토하였다.

Pre-Dev. 기간에서 기개발지인 가양과 김포공항의Mean SUHII 계절 변동 폭은 각각 6.01°C, 5.18°C를 보인 반면, 마곡은 2.00°C로 비교적 작은 계절 변동 폭을 보였다(가양의 0.33배, 김포공항의 0.39배). During-Dev. 기간에서 기개발지인 가양과 김포공항의 Mean SUHII 계절 변동폭은 각각 6.98°C, 6.66°C를 보였으며, 마곡은 4.19°C로 Pre-Dev. 기간에 비해 계절 변동 폭이 상대적으로 증가하였다(가양의 0.60배, 김포공항의 0.62배). 마곡의 도시개발이 완료된 Post-Dev. 기간에서 기개발지인 가양과 김포공항의Mean SUHII 계절 변동 폭은 각각 4.91°C, 4.65°C를 보였으며, 마곡 또한 4.17°C로 두 기개발지들과 유사해진 것이 관찰되었다(가양의 0.85배, 김포공항의 0.90배). 이를 통해 도시개발지역의 SUHII는 계절 간 편차가 큰 것이 특징이며(Jeon et al., 2023), 마곡의 경우 도시개발이 진행됨에 따라 이러한 도시개발 지역의 SUHII 변화의 계절별 특징이 발현된 것을 알 수 있다.

4.2.2. 마곡의 개발단계에 따른 계절별 SUHII 공간분포

Figs. 9, 10, 11은 마곡신도시의 각 개발단계(Pre-Dev., During-Dev., Post-Dev.)에 따른 계절별 SUHII 공간분포를 나타낸 지도와 해당 시점의 각 대상지별 위성사진이다.

Fig. 9. Seasonal SUHII map of pre-development stage of Magok and Statellite images from Google Earth Pro. (a) is seasonal SUHII map of predevelopment stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on October 20, 2008. (Satellite image copyright © 2024 Maxar Technologies, sourced via Google Earth Pro)

Fig. 10. Seasonal SUHII map of during-development stage of Magok and Statellite images from Google Earth Pro. (a) is seasonal SUHII map of during-development stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on February 10, 2017. (Satellite image copyright © 2024 Maxar Technologies, sourced via Google Earth Pro.)

Fig. 11. Seasonal SUHII map of post-development stage of Magok and Satellite images from Google Earth Pro. (a) is a seasonal SUHII map of postdevelopment stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on May 13, 2023. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)

기개발지인 김포공항과 가양의 SUHII는 관찰기간 내내 뚜렷한 계절 간 편차를 보였으며, SUHII 공간분포 특징 역시 일관되게 나타났다. 김포공항의 경우 활주로 및 계류시설을 중심으로 강한 SUHII가 관찰되었다(Figs. 9, 10, 11). 이는 비행기의 엔진 열 및 활주로의 마찰열 등 공항운영 활동으로 인해 높은 지표면 온도가 나타난 것이 원인이다(Wan et al., 2023). 가양의 경우 대상지 서쪽 상단에 위치한 공업지역 및 도로시설을 중심으로 강한 SUHII가 관찰되었다(Figs. 9, 10, 11). 공업지역 건축물의 특성상 건폐율이 높을 뿐만 아니라 건물지붕의 자재가 열 에너지 비축량이 높은 철판으로 되어있어 이러한 현상이 나타난 것으로 추정된다(Lee and Lim, 2022).

반면 도시개발이 진행되었던 마곡의 경우 각 개발단계에 따라 SUHII 공간분포의 변화를 보였다. Pre-Dev. 기간의 마곡에서는 기존 대상지 외곽에 위치했던 저층 주거시설 및 교통시설에서 강한 SUHII가 나타났으며, 중앙에 위치한 대규모 농경지는 낮은 SUHII를 보였다. 특히 중앙 농경지의 경우 외곽 기개발지에 비해 SUHII의 계절 간 편차가 작은 것이 관찰되었다. During-Dev. 기간의 마곡은 대규모 공사가 진행됨에 따라 대상지 내 인공피복이 증가하였고, 이로 인해 SUHII의 계절 간 편차가 Pre-Dev. 기간에 비해 증가하였다. 도시개발이 완료된 Post-Dev. 기간의 마곡은 전반적인 SUHII 강도 및 계절 간 편차정도가 가양과 유사해짐이 관찰되었다.

Post-Dev. 기간에서 마곡의 주거지역은 가양보다 모든 계절에서 SUHII가 낮게 관찰되었다. 마곡의 주거단지는 설계 특성상 도로 및 주차장 등의 교통시설이 지하에 조성되었으며 지상은 공원화가 되었다. 반면 가양의 주거단지의 경우, 대부분 90년대 준공된 아파트 단지로 도로 및 주차장 등의 교통시설이 지상에 위치한다. 마곡의 주거단지가 가양의 주거단지보다 SUHII가 낮은 원인은 이러한 주거단지의 설계기법 상의 특징 때문인 것으로 파악된다. 또한 모든 계절에서 첨단산업 지원을 위한MICE 복합단지 조성을 목적으로 개발이 추가적으로 진행되고 있는 특별계획구역은 높은 SUHII를 보였다. 이는 건설현장의 피복 특성 상 불투수표면 면적이 증가함과 동시에 식생이 부재하며, 건설장비의 인위적 열 발생 등으로 인해 나타나는 현상으로 분석된다.

중앙공원 내 호수 및 습지공원 등의 수변 지역에서는 낮은 SUHII가 나타났다. 마곡중앙공원의 조성은 추운 계절(Cool, Cold)에 상대적으로 높은 지표면온도가 나타나 긍정적으로 평가될 수 있으나, 더운 계절(Hot, Warm)에는 수변 지역을 제외한 인공초지가 지표면온도를 명확하게 낮춘다고 보기에는 한계가 있는 것으로 보인다. 공원 조성 후 녹지 식재가 성숙되기까지 일정 시간이 소요되므로(Jo et al., 2019), 해당 기간이 지난 이후 추가적인 모니터링을 통해 중앙공원 조성이 더운 계절에 지표면 온도 저감효과가 얼마나 나타나는지 평가하는 것이 필요해 보인다. 이를 통해 대규모 공원 조성의 더운 계절 SUHII 저감 효과를 보다 정확하게 파악할 수 있을 것이다.

5. 결론

Go to

5.1. 연구 요약 및 시사점

본 연구는 서울특별시의 대표적인 도시개발 사례인 마곡 신도시를 중심으로 강서구 일대에 위치한 세 대상지의 SUHII를 2003.04.16–2023.10.15 기간동안 관찰한 연구이다. Landsat 위성영상 데이터를 사용했으며, F-Mask 알고리즘을 통해 5개의 대상지 모두 LST 측정 방해요소가 없는 101개의 양호한 데이터들을 선별하였다. 선별한 101개의 데이터는 시간 간격이 불규칙하다는 특징이 존재했다. 따라서 기개발지 두 곳을 대조군으로 설정해 마곡과 비교 및 분석하는 방법으로 연구를 진행하였다. SUHII는 기존 도시개발 전 마곡의 토지피복 상태와 유사한 주변 농경지 두 곳을 기준으로 측정하였다. 분석 결과는 아래와 같이 4가지로 요약될 수 있다:

첫째, 전반적인 SUHII의 강도는 김포공항, 가양, 마곡 순으로 강한 것이 관찰되었다(Figs. 4, 5). 특히 김포공항의 SUHII 경우 공항운영으로 인한 인간활동에 의해 마곡, 가양보다 월등히 높은 수치가 나타났다(Figs. 9, 10, 11). 또한 마곡신도시는 도시개발이 진행됨에 따라, SUHII가 점차 주위 기개발지와 유사하게 발현되었다(Figs. 6, 7).

둘째, 마곡의 SUHII 변동성은 도시개발이 진행됨에 따라 점차 증가하는 것이 관찰되었다(Figs. 4, 6). 기개발지인 가양과 김포공항의 경우 관찰기간 내내 상대적으로 큰 SUHII 변동성을 유지한 것으로 보아 도시개발지역의 SUHII 변동성은 큰 것이 특징이며, 마곡 또한 개발로 인해 이러한 특징이 나타난 것으로 보여진다. 증가된 변동성은 해당 지역의 SUHII 분산도가 커지고 범위가 양 극단으로 확장되 었음을 의미한다. 이는 해당 지역의 열 환경을 효율적으로 관리하기 위한 온도 조정 기준 설정의 어려움을 초래하며, 결과적으로 도시의 열 환경 적응력을 저하시킬 수 있다. 이러한 변화는 아래 셋째 항목에서 논의될 계절별 SUHII 특성과도 밀접하게 관련이 있다.

셋째, SUHII의 계절적 특성은 전반적인 계절의 온도에 비례하여 강한 경향을 보이며(Hot, Warm, Cool, Cold 계절 순), 온도가 낮은 계절인 Cool, Cold 계절에는 일부 대상지에서 음의 SUHII가 나타나기도 했다(Fig. 8). 또한 기개발지인 가양과 김포공항은 SUHII의 계절 간 편차가 크게 나타난 반면, 마곡의 경우 도시개발이 진행됨에 따라 편차가 커지는 것이 관찰되었다. 해당 결과를 통해서 기개발지들의 SUHII 변동성이 높은 이유는 계절별로 SUHII 편차가 크게 발생하기 때문임을 알 수 있었다. 마곡 또한 도시개발로 인해 이러한 계절별 특징이 발현되어 SUHII 변동성이 높아진다고 해석된다. 마곡은 도시개발이 진행됨에 따라 더운 계절(Hot, Warm)에는 SUHII가 양의 방향으로 더 커지고, 추운 계절(Cool, Cold)에는 음의 방향으로 더 커지는 경향으로 나타났다(Fig. 8). 따라서 마곡신도시는 도시개발로 인해 농경지였던 시기보다 열 환경이 악화되었다고 판단할 수 있다.

넷째, SUHII는 모든 계절에서 인간활동이 활발하게 일어나는 공항의 활주로 및 계류시설, 주차장 및 도로 등의 교통시설, 공업시설과 건설현장에서 상대적으로 높은 공간 분포를 나타냈다(Figs. 9, 10, 11). 또한 마곡의 주거지역의 경우 가양의 주거지역보다 낮은 SUHII 공간분포가 관찰되었는데 이는 지상에 교통시설을 조성한 가양의 주거 단지설계와 달리 교통시설을 지하화하고 지상을 공원화한 마곡의 주거단지 설계 특성에 기인한 것으로 분석된다(Fig. 11). 마곡 중앙공원 내 인공 초지는 Cool, Cold 계절에서 낮은 SUHII를 상쇄시키는 것이 관찰되었으나 Hot, Warm계절에서 높은 SUHII를 명확하게 상쇄하는 효과가 있다고 보기에는 한계가 있다(Fig. 11).

대한민국의 수도권은 1980년대 이후 매우 빠른 속도로 도시개발 및 팽창이 이루어진 지역으로, 이러한 급격한 도시화 과정에서 도시열섬현상을 비롯한 여러 부정적인 영향을 초래했다(Park and Choi, 2016; Lee et al., 2022). 도시열섬현상은 기후위기와 맞물려 도시의 열 환경 악화를 더욱 가속화하고 있기에(Liu et al., 2022), 앞으로 도시 열 환경 관리의 중요성은 더욱 부각될 것이라 예상된다. 본 연구의 결과는 마곡의 도시개발에 따른 SUHII 변동성 및 계절별 양상을 정량적으로 분석하여, 도시개발이 해당 지역의 열 환경에 미치는 영향을 실증적으로 제시한다. 이는 향후 도시개발계획 과정에서 개발 이후 발생할 수 있는 도시의 열 환경 변화를 예측하기 위한 기초자료로 활용되어 도시화와 환경적 지속가능성을 조화롭게 달성하는데 기여할 수 있을 것이다.

5.2. 연구의 한계점

본 연구의 한계점은 다음과 같다. SUHII의 측정 기준을 서울특별시 강서구 일대만을 관찰한 결과이며, 관측시각 역시 오전 11시만으로 한정했다는 한계점이 존재한다. 따라서 SUHII를 다양한 기준을 통해 살펴보고, 마곡 외의 다른 지역, 오전 11시경이 아닌 다른 시간대를 분석하는 후속연구들을 진행한다면 SUHI에 대한 이해가 더욱 증진될 것이라 기대된다. 마지막으로 일부 데이터에서 F-Mask 알고리즘이 구름과 특정 도시피복을 반복적으로 혼동하는 한계점이 관찰되었으며, 이는 도시지역과 구름 및 눈, 얼음의 분광특성이 유사하기 때문이다(Qiu et al., 2019). 본 연구에서 이러한 False Positive가 과도하게 나타난 데이터는 샘플링 하지 않았으나, 향상된 성능의 구름 마스킹 알고리즘을 사용한다면 선별된 데이터 외에도 추가적으로 사용할 수 있는 데이터가 존재할 것이라 예상된다.

사사

Go to

이 논문은 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(과제번호: RS-2023-NR076966). 또한, 이 논문은 2024학년도 홍익대학교 학술연구진흥비를 지원받았음.

REFERENCES

Go to
  1. Ali, A. M., Melsen, L. A., and Teuling, A. J., 2023. Inferring reservoir filling strategies under limited-data-availability conditions using hydrological modeling and earth observations: The case of the Grand Ethiopian Renaissance Dam (GERD). Hydrology and Earth System Sciences, 27(21), 4057-4086. https://doi.org/10.5194/hess-27-4057-2023
    Crossref
  2. Almeida, C. R. D., Teodoro, A. C., and Gonçalves, A., 2021. Study of the urban heat island (UHI) using remote sensing data/techniques: A systematic review. Environments, 8(10), 105. https://doi.org/10.3390/environments8100105
    Crossref
  3. Ayehu, G., Tadesse, T., Gessesse, B., Yigrem, Y., and Melesse, A. M., 2020. Combined use of Sentinel-1 SAR and Landsat sensors products for residual soil moisture retrieval over agricultural fields in the upper Blue Nile basin, Ethiopia. Sensors, 20(11), 3282. https://doi.org/10.3390/s20113282
    Pubmed PMC Crossref
  4. Baek, S. W., Kim, D. H., Kim, H. S., Koo, B. Y., and Jeong, Y. J., 2022. A study on mitigation plan of urban heat island phenomenon using Landsat time series imagery - Focused on Cheongna international city-. Journal of the Korean Association of Geographic Information Studies, 25(3), 1-16. https://doi.org/10.11108/kagis.2022.25.3.001
    Crossref
  5. Bounoua, L., Zhang, P., Mostovoy, G., Thome, K., Masek, J., and Imhoff, M., et al, 2015. Impact of urbanization on US surface climate. Environmental Research Letters, 10(8), 084010. https://doi.org/10.1088/1748-9326/10/8/084010
    Crossref
  6. Braaten, J. D., Cohen, W. B., and Yang, Z., 2015. Automated cloud and cloud shadow identification in Landsat MSS imagery for temperate ecosystems. Remote Sensing of Environment, 169, 128-138. https://doi.org/10.1016/j.rse.2015.08.006
    Crossref
  7. Chander, G., Markham, B. L., and Helder, D. L., 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, 113(5), 893-903. https://doi.org/10.1016/j.rse.2009.01.007
    Crossref
  8. Crawford, C. J., Roy, D. P., Arab, S., Barnes, C., Vermote, E., and Hulley, G., et al, 2023. The 50-year Landsat collection 2 archive. Science of Remote Sensing, 8, 100103. https://doi.org/10.1016/j.srs.2023.100103
    Crossref
  9. EPA (U.S. Environmental Protection Agency), 2003. Cooling summertime temperatures: Strategies to reduce urban heat islands (Publication No. 430-F-03-014), U.S. Environmental Protection Agency. https://www.epa.gov/sites/default/files/2014-06/documents/hiribrochure.pdf
    Crossref
  10. Hyndman, R. J., and Athanasopoulos, G., 2018. Forecasting: Principles and practice (2nd ed.), OTexts. https://otexts.com/fpp2/
    Crossref
  11. Jeon, G., Park, Y., and Guldmann, J. M., 2023. Impacts of urban morphology on seasonal land surface temperatures: Comparing grid-and block-based approaches. ISPRS International Journal of Geo-Information, 12(12), 482. https://doi.org/10.3390/ijgi12120482
    Crossref
  12. Jo, K., Jeong, W., Kim, C., Jeong, S., and Heo, D.; Art and Writing, 2019. Seoul Botanic Park archive: 01, Seoul Botanic Park. https://lib.seoul.go.kr/search/detail/CATTOT000001357483#
    Crossref
  13. Kim, Y., Lee, S., Cho, D., and Im, J., 2024. Impact of COVID-19 on the urban heat island in Daegu using downscaled land surface temperature. Korean Journal of Remote Sensing, 40(6-1), 1109-1125. https://doi.org/10.7780/kjrs.2024.40.6.1.19
    Crossref
  14. Korea Meteorological Administration, 2022. Climatological Normals of Korea 1991-2020 (Publication No. 11-1360000-000077-14), Korea Meteorological Administration. https://data.kma.go.kr/resources/normals/pdf_data/korea_pdf_0106_v2.pdf
    Crossref
  15. Lee, K., 2023. Analysis of the surface urban heat island changes according to new towns development and correlation with urban morphology. Korean Journal of Remote Sensing, 39(5-3), 921-932. https://doi.org/10.7780/kjrs.2023.39.5.3.4
  16. Lee, K., Kim, Y., Sung, H. C., Kim, S. H., and Jeon, S. W., 2022. Surface urban heat island in South Korea's new towns with different urban planning. Environmental Monitoring and Assessment, 194(5), 360. https://doi.org/10.1007/s10661-022-09967-w
    Pubmed Crossref
  17. Lee, K., and Lim, C. H., 2022. Analysis of the surface urban heat island changes according to urbanization in Sejong City using Landsat imagery. Korean Journal of Remote Sensing, 38(3), 225-236. https://doi.org/10.7780/kjrs.2022.38.3.1
  18. Liu, Z., Zhan, W., Bechtel, B., Voogt, J., Lai, J., and Chakraborty, T., et al, 2022. Surface warming in global cities is substantially more rapid than in rural background areas. Communications Earth & Environment, 3(1), 219. https://doi.org/10.1038/s43247-022-00539-x
    Crossref
  19. Moazzam, M. F. U., Doh, Y. H., and Lee, B. G., 2022. Impact of urbanization on land surface temperature and surface urban heat Island using optical remote sensing data: A case study of Jeju Island, Republic of Korea. Building and Environment, 222, 109368. https://doi.org/10.1016/j.buildenv.2022.109368
    Crossref
  20. Moazzam, M. F. U., Kim, S., and Lee, B. G., 2024. Cities in the Heat: Unveiling the urbanized impacted surface urban heat island of South Korea's metropolises. Remote Sensing Applications: Society and Environment, 36, 101271. https://doi.org/10.1016/j.rsase.2024.101271
    Crossref
  21. Monteiro, F. F., Gonçalves, W. A., Andrade, L. D. M. B., Villavicencio, L. M. M., and dos Santos Silva, C. M., 2021. Assessment of Urban Heat Islands in Brazil based on MODIS remote sensing data. Urban Climate, 35, 100726. https://doi.org/10.1016/j.uclim.2020.100726
    Crossref
  22. Oke, T. R., 2002. Boundary layer climates (2nd ed.), Routledge. https://doi.org/10.4324/9780203407219
    PMC Crossref
  23. Oke, T. R., Mills, G., Christen, A., and Voogt, J. A., 2017. Urban climates, Cambridge University Press. https://doi.org/10.1017/9781139016476
    Crossref
  24. Park, S., and Choi, G., 2016. Urban sprawl in the Seoul metropolitan region, Korea since the 1980s observed in satellite imagery. Journal of the Association of Korean Geographers, 5(3), 331-343. https://doi.org/10.25202/jakg.5.3.9
    Crossref
  25. Park, S., and Kim, M., 2021. Availability of land surface temperature using Landsat 8 OLI/TIRS Science Products. Journal of the Korean Society of Remote Sensing, 37(3), 463-473. https://doi.org/10.7780/kjrs.2021.37.3.8
  26. Qaid, A., Lamit, H. B., Ossen, D. R., and Shahminan, R. N. R., 2016. Urban heat island and thermal comfort conditions at microclimate scale in a tropical planned city. Energy and Buildings, 133, 577-595. https://doi.org/10.1016/j.enbuild.2016.10.006
    Crossref
  27. QGIS, 2024. QGIS documentation. Available online: https://docs.qgis.org/3.34/ko/docs/user_manual/processing_algs/gdal/rasteranalysis.html#gdalfillnodata (accessed on Nov. 19, 2024)
  28. Qiu, S., Zhu, Z., and He, B., 2019. Fmask 4.0: Improved cloud and cloud shadow detection in Landsats 4-8 and Sentinel-2 imagery. Remote Sensing of Environment, 231, 111205. https://doi.org/10.1016/j.rse.2019.05.024
    Crossref
  29. Santamouris, M., 2020. Recent progress on urban overheating and heat island research. Integrated assessment of the energy, environmental, vulnerability and health impact. Synergies with the global climate change. Energy and Buildings, 207, 109482. https://doi.org/10.1016/j.enbuild.2019.109482
    Crossref
  30. Seoul Metropolitan Government, 2024. Overview of the Magok urban development project. Available online: https://news.seoul.go.kr/citybuild/archives/5701 (accessed on Dec. 30, 2024)
  31. Shahzad, M. I., Meraj, M., Nazeer, M., Zia, I., Inam, A., and Mehmood, K., et al, 2018. Empirical estimation of suspended solids concentration in the Indus Delta Region using Landsat-7 ETM+ imagery. Journal of Environmental Management, 209, 254-261. https://doi.org/10.1016/j.jenvman.2017.12.070
    Pubmed Crossref
  32. Shukla, S. N., and Marlin, B. M., 2020. A survey on principles, models and methods for learning from irregularly sampled time series. arXiv preprint arXiv:2012.00168. https://doi.org/10.48550/arXiv.2012.00168
  33. Taha, H., 1997. Urban climates and heat islands: Albedo, evapotranspiration, and anthropogenic heat. Energy and Buildings, 25(2), 99-103. https://doi.org/10.1016/S0378-7788(96)00999-1
    Crossref
  34. UN (United Nations), 2019. World urbanization prospects: The 2018 revision (Publication No. ST/ESA/SER.A/420), Department of Economic and Social Affairs, United Nations. https://doi.org/10.18356/b9e995fe-en
    Crossref
  35. USGS (U.S. Geological Survey), 2021. Landsat Collection 2 (Fact Sheet No. 2021-3002, Version 1.1), U.S. Geological Survey. https://doi.org/10.3133/fs20213002
    Crossref
  36. Voogt, J. A., and Oke, T. R., 2003. Thermal remote sensing of urban climates. Remote Sensing of Environment, 86(3), 370-384. https://doi.org/10.1016/S0034-4257(03)00079-8
    Crossref
  37. Wan, J., Liu, Y., Yong, B., and Zhou, X., 2023. Temporal and spatial effects of large airport construction and operation on the local thermal environment. Environmental Science and Pollution Research, 30(5), 13788-13800. https://doi.org/10.1007/s11356-022-23161-y
    Pubmed Crossref
  38. Waqas, M., Nazeer, M., Shahzad, M. I., and Zia, I., 2019. Spatial and temporal variability of open-ocean barrier islands along the Indus Delta Region. Remote Sensing, 11(4), 437. https://doi.org/10.3390/rs11040437
    Crossref
  39. Xian, G. Z., 2023. Characterizing urban heat islands across 50 major cities in the United States (Fact Sheet No. 2023-3048), U.S. Geological Survey. https://doi.org/10.3133/fs20233048
    Crossref
  40. Yoon, D. H., Lee, T. G., Rho, S. H., and Koh, J. H., 2019. Analysis on the long-term variance of surface urban heat island (SUHI) using Landsat thermal infrared. Journal of the Korean Cadastre Information Association, 21(1), 66-85. https://doi.org/10.46416/jkcia.2019.04.21.1.66
    Crossref
  41. Zahn, E., Welty, C., Smith, J. A., Kemp, S. J., Baeck, M. L., and Bou‐Zeid, E., 2021. The hydrological urban heat island: Determinants of acute and chronic heat stress in urban streams. JAWRA Journal of the American Water Resources Association, 57(6), 941-955. https://doi.org/10.1111/1752-1688.12963
    Crossref
  42. Zhang, H., Yin, Y., An, H., Lei, J., Li, M., Song, J., and Han, W., 2022. Surface urban heat island and its relationship with land cover change in five urban agglomerations in China based on GEE. Environmental Science and Pollution Research, 29(54), 82271-82285. https://doi.org/10.1007/s11356-022-21452-y
    Pubmed Crossref
  43. Zhu, Z., and Qiu, S., 2022. GERSL/ Fmask. Available online: https://github.com/GERSL/Fmask (accessed on Nov. 21, 2024)
  44. Zhu, Z., Qiu, S., He, B., and Deng, C., 2018. Cloud and cloud shadow detection for Landsat images: The fundamental basis for analyzing Landsat time series. In: Weng, Q., (ed.), Remote sensing time series image processing (1st ed.), CRC Press, pp. 3-24. https://doi.org/10.1201/9781315166636
    Crossref

Research Article

Korean J. Remote Sens. 2025; 41(1): 153-172

Published online February 28, 2025 https://doi.org/10.7780/kjrs.2025.41.1.13

Copyright © Korean Society of Remote Sensing.

마곡의 도시개발에 따른 지표면 도시열섬강도 변화 모니터링

Soohyun Kim1 , Youngdong Lim2 , Sang Hyun Cheon3*

1홍익대학교 도시공학과 연구보조원
2홍익대학교 도시공학과 학부생
3홍익대학교 도시공학과 교수

Received: January 20, 2025; Revised: February 6, 2025; Accepted: February 13, 2025

Monitoring the Impact of Urban Development in Magok on Surface Urban Heat Island Intensity

Soohyun Kim1 , Youngdong Lim2 , Sang Hyun Cheon3*

1Research Assistant, Department of Urban Design and Planning, Hongik University, Seoul, Republic of Korea
2Undergraduate Student, Department of Urban Design and Planning, Hongik University, Seoul, Republic of Korea
3Professor, Department of Urban Design and Planning, Hongik University, Seoul, Republic of Korea

Correspondence to:Sang Hyun Cheon
E-mail: scheon@gmail.com

Received: January 20, 2025; Revised: February 6, 2025; Accepted: February 13, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

The reduction of natural cover and the increase in artificial surface caused by urbanization lead to surface urban heat island. New towns are considered an appropriate study site to analyze surface urban heat island affected by land cover transformations, due to their development characteristics of rapid urbanization. This study aims to monitor surface urban heat island intensity (SUHII) resulting from land cover changes. We study Magok New Town as a representative urban development case in Seoul, South Korea. SUHII is defined as the difference in the mean land surface temperature (LST) between developed and undeveloped areas, with LST measured using Landsat satellite imagery. We build long-term data for the observation period from April 16, 2003, to October 15, 2023, considering the development period of Magok New Town. We gather 101 high-quality data points from approximately 20.5 years to enable detailed and comprehensive observation of land surface temperature changes. We compare changes in Magok’s SUHII (experimental group) with those of four surrounding areas, two undeveloped and two previously developed areas (control groups). The results show that the SUHII of Magok New Town has converged to resemble the surrounding developed areas as urban development has progressed. In particular, the two developed areas in Gangseo-gu exhibit relatively high SUHII variability throughout the observation period, whereas the SUHII variability in Magok is observed to gradually increase over time. The cause of this phenomenon is that SUHII typically shows higher values in the summer and lower values in the winter, and urban areas, the seasonal variation in SUHII is significantly larger. Therefore, as urban development progressed in Magok, the seasonal variation in SUHII widened, deteriorating Magok’s urban microclimate. The spatial distribution of SUHII is relatively high in airports, transportation facilities, and industrial, and construction areas due to the influence of surface environment and urban activity characteristics. In the residential area of Magok, SUHII is lower than in Gayang, due to the underground construction of transportation facilities and the design of parks. The green area in Magok Central Park offsets the low SUHII during the Cool and Cold seasons, but its effect is limited during the Hot and Warm seasons.

Keywords: Urban heat island, Remote sensing, Landsat, Time series, Urbanization, Magok New Town

요약

도시화로 인한 자연피복의 감소 및 인공피복의 증가는 지표면 도시열섬현상을 야기한다. 여러 도시화 사례 중 특히 신도시는 개발 특성상 급격한 도시화가 이루어지는 지역으로, 토지피복의 변화로 인한 지표면 도시열섬현상을 분석하기에 좋은 대상지로 여겨진다. 본 연구는 서울특별시의 대표적인 도시개발 사례인 마곡 신도시를 중심으로 토지피복의 변화에 따른 지표면 도시열섬강도(Surface Urban Heat Island Intensity, SUHII) 변화 모니터링을 목표로 하였다. SUHII는 개발지역과 미개발지역의 평균 지표면 온도 차이로 정의하였으며, 지표면 온도는 Landsat 위성영상 데이터를 활용해 측정하였다. 관찰기간은 마곡 신도시의 개발기간을 고려해 2003.04.16–2023.10.15까지로 설정하였다. 마곡 신도시 개발에 따른 지표면 온도변화의 면밀하고 포괄적인 관측을 위해 약 20.5개년 중 101개의 양호한 데이터를 선별하였고, 마곡(실험군)의 SUHII 변화를 주변의 미개발지, 기개발지 각각 두 곳(대조군)씩 총 네 곳과 비교 분석하는 방법으로 연구를 수행하였다. 분석결과 마곡 신도시의 SUHII는 도시개발이 진행됨에 따라 주위 도시개발지들과 유사한 형태로 수렴되는 것이 관찰되었다. 특히, 강서구 일원의 두 기개발지는 관찰기간 내내 SUHII 변동성이 상대적으로 크게 관찰된 반면, 마곡의 SUHII 변동성은 시간의 흐름에 따라 점차 증가하는 것이 관찰되었다. 이에 대한 원인으로 SUHII는 여름철에는 높은 값을, 겨울철에는 낮은 값을 보이는 특징이 있으며, 도시개발이 진행된 지역에서는 이러한 계절 간 SUHII 편차가 크게 나타나기 때문인 점이 확인되었다. 따라서 마곡은 도시개발이 진행됨에 따라 SUHII의 계절 간 편차가 벌어졌으며, 이는 변동성을 증가시켰기에 마곡의 도시 미기후가 악화되었다고 판단할 수 있다. SUHII의 공간분포는 지표환경 및 도시활동 특성에 기인하여 공항, 교통시설, 공업 및 건설현장에서 상대적으로 높게 관찰되었다. 마곡의 주거지역은 교통시설 지하화와 지상 공원화 설계로 가양의 주거지역보다 낮은 SUHII를 보였으며, 마곡 중앙공원 내 인공초지는 Cool, Cold 계절에서 낮은 SUHII를 상쇄하였으나, Hot, Warm 계절에서 높은 SUHII를 상쇄하는 효과는 제한적이었다.

주요어: 도시열섬현상, 원격탐사, Landsat, 시계열, 도시화, 마곡신도시

1. 서론

전 세계적으로 도시에 거주하는 인구비율이 증가하고 있으며, 이에 따라 도시화가 빠르게 진행되고 있다(UN, 2019). 이러한 도시지역의 확장은 자연피복의 면적을 줄이고 콘크리트 및 아스팔트 등의 인공피복 면적을 증가시킨다. 이는 해당 지역의 열 흡수표면이 증가하고 동시에 증발산율을 감소시켜 국지적인 지표면 온도(Land Surface Temperature, LST)의 상승, 즉 지표면 도시열섬현상(Surface Urban Heat Island, SUHI)의 원인이 된다(Taha, 1997; Bounoua et al., 2015; Zhang et al., 2022; Xian, 2023). 도시열섬현상은 에너지 사용량 증가의 원인이 될 뿐만 아니라 도시거주민의 건강문제, 대기 및 수질의 악화 등 많은 부문에 악영향을 미치기 때문에(Oke, 2002; EPA, 2003; Santamouris, 2020; Zahn et al., 2021; Xian, 2023) 도시열섬현상을 지속적으로 모니터링 하고 분석하는 연구는 중요하다(Yoon et al., 2019; Xian, 2023).

도시화로 인한 토지이용 및 토지피복(LandUse/LandCover, LULC)의 변화에 의해 변동되는 SUHI를 분석하는 연구는 주로 광역온도 측정에 유리한 원격탐사 데이터가 사용된다(Voogt and Oke, 2003; Oke et al., 2017; Almeida et al., 2021). 다양한 원격탐사 데이터 중 대표적으로 Landsat 위성영상 데이터와 Aqua 및 Terra 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer (MODIS) 센서 데이터가 SUHI 분석에 활용되고 있다. Baek et al. (2022), Lee and Lim (2022), Lee (2023)는 Landsat 데이터를 활용하여 국내 신도시를 대상으로 도시개발에 따른 SUHI 변화를 분석하였다. Moazzam et al. (2024)은 MODIS 데이터를 활용하여 국내 6개 대도시권의 SUHI를, Monteiro et al. (2021)은 MODIS 데이터를 활용하여 브라질 내 21개 대도시권의 SUHI를 분석하였다. 다만 Landsat 데이터의 공간해상도는 30 m 수준으로 복잡한 도시 구조를 충분히 반영할 수 있으나, MODIS 데이터의 공간해상도는 1 km로 관찰 지역 내 상세한 열 환경을 분석하기에는 한계가 있다(Kim et al., 2024).

다중분광위성의 데이터를 통한 LST 측정은 구름 및 구름 그림자와 같은 방해요소에 취약하다(Braaten et al., 2015; Zhu et al., 2018). 따라서 LST 측정의 방해요소가 없는 양호한 데이터를 선별하다 보면 선정한 시간적 범위 대비 관찰가능한 날짜가 적거나, 청천일이 많은 특정 계절 및 시점을 중심으로 분석이 진행된다(Moazzam et al., 2022; Lee and Lim, 2022; Lee, 2023). 또한 관측 대상지에 방해요소가 일부 존재하여도 분석 데이터에 포함시켜야 하는 한계점이 존재하기도 한다(Yoon et al., 2019; Baek et al., 2022). 이러한 다중분광위성 데이터를 활용한 SUHI 연구의 한계점은 관찰하고자 하는 대상지가 넓을수록 해당 지역상에 LST 측정 방해요소가 있을 확률이 높아지고, 이에 따라 관측 데이터의 빈도가 감소하는 경향이 존재한다.

본 연구의 대상지인 마곡은 대한민국 서울특별시 강서구에 위치하고, 서울시에 마지막으로 남아있는 대규모 농경지를 신도시로 개발한 지역이다(Seoul Metropolitan Government, 2024). 계획 신도시는 개발 특성상 짧은 기간 안에 급격한 도시화가 이루어지므로, LULC의 변화가 SUHI에 미친 영향을 분석하기에 적절한 대상지로 여겨진다(Qaid et al., 2016; Lee et al., 2022; Lee and Lim, 2022). 특히 마곡 신도시는 비교적 좁은 지역이기 때문에 구름 및 그림자의 영향을 받지 않은 분석에 적합한 데이터를 상대적으로 많이 사용할 수 있다. 따라서 본 연구는 장기 시계열 데이터에 기반하여 마곡의 도시개발에 따른 SUHI 변화를 보다 면밀한 관측빈도로 모니터링 하고, 특정 시점에 국한되지 않은 연중 포괄적인 분석을 목적으로 한다. 이를 통해 도시개발이 진행된 지역의 SUHI 변화 양상과 계절별 특성을 파악하였다. 분석은 마곡 인근에 위치한 지역들을 대조군으로 설정하여 마곡 신도시와 비교하는 방법으로 진행하였으며, Landsat 데이터의 고해상도 LST 자료를 활용하여 토지피복 특성을 반영한 열 환경 변화를 관찰하고 대상 지역 내 미시공간 변화 패턴이 SUHI에 미치는 영향을 파악하였다.

2. 연구 지역 및 자료

2.1. 공간적 범위

2.1.1. 마곡 신도시

마곡 신도시는 서울특별시 강서구 마곡동 일원에 위치하고, 대규모 농경지를 신도시로 개발한 지역이다(Seoul Metropolitan Government, 2024). ‘첨단 산업과 주거가 어우러진 친환경적 도시’ 조성을 목표로 계획되었으며, 토지용도별로 공사구역을 분리하여 개발한 것이 특징이다(Fig. 1). 개발기간은 2009년 9월부터 진행되어 2026년 12월까지로 예정되어 있으나, 마곡중앙공원이 시민들에게 개방된 2018년 10월 기준(Jo et al., 2019), 일부 공사구역을 제외한 대부분의 면적이 도시지역으로 개발되었다. 이와 같은 사실을 바탕으로 본 연구에서는 마곡의 개발단계를 다음과 같이 세 단계로 구분하였다(Table 1).

Figure 1. Construction zones in Magok New Town. The satellite image was taken on May 13, 2023. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)

Table 1 . Development stages of Magok New Town.

Development stagePeriodConstruction zone
Pre-Development–2009.09.29
During-Development2009.09.30–2018.10.10Zone 1, 2, 3
Post-Development2018.10.11–Special Planned Zone

2.1.2. 대조군의 설정

마곡 신도시와 비교할 대조군은 마곡의 개발이 진행되는 동안 개발 유무가 바뀌지 않은 미개발지와 기개발지 각 두 곳씩 선정하였다(Fig. 2). 환경부가 제작한 토지피복도 상 시가화·건조 지역을 개발지역(Developed Area, DA), 그 외 지역을 미개발지역(Undeveloped Area, UDA)으로 정의하였으며, 기후적 조건의 통일성을 위해 마곡 신도시와 가까운 지역을 위주로 선정하였다. 미개발지는 개발 전 마곡의 토지피복상태를 고려하여 농경지 두 곳으로 선정하였고, 기개발지는 가양·등촌동의 주거지역과 김포공항으로 선정하였다. 최종적으로 설정한 공간적 범위의 면적은 다음과 같다(Table 2).

Figure 2. Location of the study areas. The satellite image was taken on May 13, 2023. UDA: undeveloped area. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)

Table 2 . Extent of the study areas.

AreaExtent (m2)
Study areaMagok3,663,777.867
Undeveloped areas (UDA)UDA_A1,669,290.144
UDA_B3,047,776.989
Developed areas (DA)Gayang1,933,665.073
Gimpo Airport6,555,562.511

2.2. 시간적 범위

본 연구에서는 마곡 신도시의 개발기간과 대조군의 개발유무 변화시점을 고려하여 시간적 범위를 2003년 4월 16일부터 2023년 10월 15일까지로 설정하였다. 환경공간정보서비스 (https://egis.me.go.kr/)에서 제공하는 총 4개년도(2001, 2007, 2018, 2023)의 중분류 토지피 복도를 통해 설정한 시간적 범위 동안 대조군들의 개발유무 변화가 없음을 확인하였다.

2.3. 사용데이터

2.3.1. Landsat 데이터

Landsat은 지속적인 지표면 관찰을 목표로 미 항공우주국(NASA)과 미 지질조사국(USGS)이 공동개발 및 운용하는 극 궤도 위성이다(Park and Choi, 2016). Landsat은 170 × 183 km의 범위를 30 × 30 m 수준의 고해상도로 데이터를 취득하고, 본 연구에서 관측하고자 하는 대상지들이 위치한 Scene (Path: 116, Row: 034)은 한국시간 기준 약 11:00(GMT 2:00)경에 촬영된다. 각 위성마다 활동 기간 및 공간·시간·분광해상도가 상이하며, LST 산출에 사용되는 열 적외선(Thermal Infrared) 데이터는 Landsat 4 TM위성부터 취득했다(Table 3). 열 적외선 데이터의 공간해상도는 Table 3과 같이 상이하나 데이터 제공시 30 m수준으로 재가공되어 제공된다.1)

Table 3 . Landsat series overview.

MissionOperational periodRevisit timeBandsThermal band wavelengthThermal band spatial resolution*
L4 TM1982–199316 days710.40–12.50 μm (Band 6)120 (30) m
L5 TM1984–201316 days710.40–12.50 μm (Band 6)120 (30) m
L7 ETM+1999–202416 days810.40–12.50 μm (Band 6)60 (30) m
L8 OLI/TIRS2013–Present16 days1110.60–11.19 μm (Band 10),
11.50–12.51 μm (Band 11)		100 (30) m
L9 OLI2/TIRS22021–Present16 days1110.60–11.19 μm (Band 10),
11.50–12.51 μm (Band 11)		100 (30) m

Landsat 6 failed at launch after not reaching the velocity necessary to obtain orbit..

*: The thermal bands of Landsat series are resampled to 30 m..

L: Landsat, TM: Thematic Mapper, ETM+: Enhanced Thematic Mapper Plus, OLI: Operational Land Imager, TIRS: Thermal Infrared Sensor..

설정한 시간적 범위에 대상지들을 촬영한 위성은 Landsat 5 TM, Landsat 7 ETM+, Landsat 8 OLI/TIRS, Landsat 9 OLI2/TIRS2이다. 다만 Landsat 7 ETM+는 2003.05.31부터 Scan Line Corrector (SLC)가 Off인 상태로 데이터를 취득했다(Chander et al., 2009). 이는 정상 데이터에 비해 약 22%의 데이터 손실을 초래한다. 손실 영역은 Scene의 중앙 22 km부근에서는 거의 없으나(1 pixel 이하), 동·서쪽 가장자리에서는 최대 14 Pixel까지 나타난다(Chander et al., 2009). 본 연구에서 설정한 대상지들의 경우 Scene의 중앙 부근에 위치하며 약 6.9% 정도 데이터 손실이 나타나는 것이 확인되었다. 따라서 사용데이터에서 Landsat 7 ETM+ 데이터 중 SLC-Off 데이터는 우선적으로 제외 하였다. 다만 SLC-Off 데이터를 제외할 경우 2011.11.22–2013.04.17까지 데이터 취득의 공백기가 존재한다. 이 기간은 마곡의 개발단계를 고려했을 때 마곡의 토지피복상태가 가장 많이 바뀐 기간이므로 해당 기간의 Landsat 7 ETM+ SLC-Off 데이터를 복원해 사용하였다. 복원은 다양한 기존 문헌에서 사용되어 온 역거리가중법 기반의 보간 기법을 사용하였으며(Shahzad et al., 2018; Waqas et al., 2019; Ayehu et al., 2020; Ali et al., 2023), QGIS 3.34.4 소프트웨어의 Fill NODATA Tool (QGIS, 2024)을 활용하였다.

2.3.2. 가용 데이터 선별

2003.04.16–2023.10.15 기간동안 설정한 5개의 대상지에 LST 측정 방해요소(구름, 구름 그림자, 눈)가 없는 양호한 데이터는 총 101일이다(Fig. 3, Table 4, Appendix A). 구름 마스킹(CloudMasking)을 통해 LST 측정 방해요소를 판별했으며, 구름 마스킹은 F-Mask 알고리즘을 사용하였다(Qiu et al., 2019; Zhu and Qiu, 2022). 선별된 데이터는 각 데이터 간의 시간 간격이 일정하지 않으나 한반도의 기후특성상 청천일이 많은 봄(3–5월)과 가을철(9–11월)이 여름(6–8월)과 겨울철(12–2월)보다 많이 샘플링 되었다는 특징이 존재하였다. 선별된 101개의 데이터는 모두 Tier 1로 고품질의 영상임이 확인되었다.

Figure 3. Acquisition time of Landsat images used in this study (Path: 116, Row: 034). L5: Landsat 5 TM, L7: Landsat 7 ETM+, L8: Landsat 8 OLI/TIRS, L9: Landsat 9 OLI2/TIRS2.

Table 4 . Summary of available data selection.

Landsat seriesPeriodTotal data (Scenes)Selected data (Scenes)Remarks
L5 TM2003.04.30–2011.10.2915734-
L7 ETM+ (SLC-On)2003.04.22–2003.05.2431-
L7 ETM+ (SLC-Off)2011.11.22–2013.04.17275Gap filled
L8 OLI/TIRS2013.04.25–2023.10.1423649-
L9 OLI2/TIRS22021.11.11–2023.10.064412-

L: Landsat, TM: Thematic Mapper, ETM+: Enhanced Thematic Mapper Plus, OLI: Operational Land Imager, TIRS: Thermal Infrared Sensor, SLC: Scan Line Corrector..

3. 연구 방법

3.1. 분석 방법

본 연구의 데이터는 불규칙하게 샘플링된 다변량 정렬 시계열 데이터(Multivariate irregularly sampled time series data_aligned)로 구분할 수 있다(Shukla and Marlin, 2020). 따라서 등 간격의 input을 가정하는 일반적인 시계열 분석 모델 사용 대신(Hyndman and Athanasopoulos, 2018), 마곡 신도시와 대조군 중 기개발지들(김포공항, 가양)의 지표 면 도시열섬강도(Surface Urban Heat Island Intensity, SUHII)를 직접 비교하는 방법으로 연구를 진행하였다. 이를 통해 마곡의 SUHII가 도시개발이 진행됨에 따라 어떻게 변화해 가는지 모니터링을 수행했으며, 계절별로 어떠한 양상을 보이는지 마곡 신도시의 개발단계를 기준으로 비교 및 분석하였다.

3.2. SUHII

도시열섬현상은 개발지역과 미개발지역 간의 온도 차이로 정의되며, 이는 도시화로 인해 해당 지역의 온도가 자연환경과 달라질 것이라는 가정에 기반한다(Oke, 2002). 본 연구에서의 지표면 도시열섬강도(SUHII)는 개발지역(DA)과 미개발지역(UDA)의 평균 지표면 온도 차이(식 1)로 정의하였다(Oke, 2002).

SUHII(°C)=LST_DA(Mean)−LST_UDA(Mean),whereLST_DA(Mean)=Mean LST of Magok, Gayang, Gimpo Airport area, respectivelyLST_UDA(Mean)=Mean LST of UDA (total)

3.3. LST

LST 산출 자료로 Landsat Collection 2 Level 2 Science Product (L2SP)를 사용하였다. USGS는 2020년경부터 토지피복 및 열 특성과 관련된 연구 및 자료처리를 용이하게 할 목적으로 Level 1 (L1TP) 자료를 보정하고 알고리즘 등을 개선시켜 가공한 L2SP 데이터를 제공한다(USGS, 2021; Crawford et al., 2023). 이 데이터는 분석용 수준(Analysis Ready Data, ARD)의 자료일 뿐만 아니라, 대한민국 수도권 지역을 대상으로 L2SP와 실측 온도 자료를 비교 분석한 결과 설명력이 우수한 것으로 나타났다(Park and Kim, 2021). LST는 USGS에서 제시한 보정계수 적용(식 2)을 통해 산출하였다(USGS, 2021).

LST(°C)=MLBst+AL−273.15

ML과 AL은 각각 지표면 온도 자료에 대한 Multiplicative rescaling factor와 Additive offset으로써 각각 0.00341802, 149.0을 의미한다. Bst는 열 적외선 데이터로 L2SP_ST의 Band 6 (Landsat 5, 7), Band 10(Landsat 8, 9)을 의미한다. 추가로 절대온도(K)가 아닌 섭씨(°C) 온도로 변환하기 위해 273.15를 차감하였다.

3.4. 계절

대한민국 서울특별시의 기후는 4계절이 뚜렷하며 계절별 온도 편차가 크고, 특히 봄(3월–5월)과 가을(9월–11월)은 계절의 전이단계로 같은 계절 내에서도 시점 별 온도 차이가 큰 것이 특징이다(Korea Meteorological Administration, 2022). 한국의 기후 특징과 샘플링된 데이터들의 시간 간격이 불규칙적이라는 점을 고려했을 때 계절을 3개월 단위로 구분하는 것 대신 전반적인 온도를 기준으로 구분하는 것이 적합하다고 판단하였다. 따라서 본 연구에서는 전반적인 온도를 기준으로 계절을 4가지로 구분하였으며, 101개의 날짜를 개발단계와 계절별로 구분했을 때 해당 구간에 속한 데이터의 수는 다음과 같다(Table 5). 마곡 신도시의 개발 구간 및 계절을 기준으로 각각 샘플링된 데이터의 수가 상이 했으며, 청천일이 많은Warm, Cool 계절이 Hot, Cold 계절보다 많이 샘플링되었다.

Table 5 . Classification of seasons.

SeasonPeriodCriteriaPre-Dev.During-Dev.Post-Dev.
HotSummer06.01–08.314 Scenes5 Scenes2 Scenes
WarmLate Spring, Early Fall04.16–05.31, 09.01–10.158 Scenes22 Scenes12 Scenes
CoolEarly Spring, Late Fall03.01–04.15, 10.16–11.307 Scenes15 Scenes14 Scenes
ColdWinter12.01–02.28(29)4 Scenes3 Scenes5 Scenes

Dev.: Development stage of Magok..

3.5. SUHII 공간분포

SUHII의 공간적 분포를 파악하기 위해 샘플링 된 101일의 Landsat 자료를 활용하여 30 × 30 m의 해상도로 SUHII 공간분포 지도를 제작하였다. 이는 마곡 전체지역을 74 × 89 그리드(grid)로 나누어 4,076개로 표현될 수 있는 해상도이다. 지도 제작은 다음의 세가지 과정을 통해 이루어졌다. 첫째, 마곡신도시의 개발단계를 기준으로 101개의 데이터를 Pre-Dev., During-Dev., Post-Dev.로 구분하였다. 둘째, 각 개발단계에 속한 데이터 그룹을 다시 계절별(Hot, Warm, Cool, Cold)로 세분화하여 총 12개의 그룹을 구성하였다. 마지막으로 각 그룹에 포함된 자료들의 평균 SUHII 값을 계산하여 해당 그룹을 대표하는 SUHII 공간분포 지도를 산출하였다. 이와 함께 SUHII 공간분포 지도와 각 대상지의 토지피복 상태를 비교하기 위해, 위성사진을 추가적으로 활용하여 검토하고 4.2.2절에 제시하였다. 위성사진은 각 개발단계의 토지피복 변화를 시각적으로 확인할 수 있도록 화질이 양호한 2008년(Pre-Dev.), 2017년(During-Dev.), 2023년(Post-Dev.)을 선정하였다.

4. 결과 및 논의

4.1. 대상지 별 SUHII 산출 결과

4.1.1. 대상지 별 SUHII 및 차이

Fig. 4(a)는 마곡과 기개발지 두 곳(김포공항, 가양)의 SUHII를 모두 나타낸 그래프이며, (b), (c), (d)는 마곡, 가양, 김포공항의 SUHII를 각각 나타낸 그래프이다. Table 6은 세 대상지의 SUHII를 마곡의 개발단계를 기준으로 작성한 기초통계표이다.

Figure 4. SUHII of study areas. (a) shows the SUHII of Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the SUHII of Magok, Gayang, and Gimpo Airport, respectively.

Table 6 . Descriptive statistics of SUHII for study areas by development stages of Magok.

AreaStageCount (Scenes)Mean (°C)Med (°C)Min (°C)Max (°C)Std.
MagokPre-Dev.231.371.25-0.254.250.90
During-Dev.450.980.75-2.964.721.75
Post-Dev.330.29-0.23-2.693.291.68
GayangPre-Dev. (Magok)232.462.38-2.266.742.53
During-Dev. (Magok)451.481.79-3.905.942.50
Post-Dev. (Magok)330.670.27-2.694.972.13
Gimpo AirportPre-Dev. (Magok)235.155.261.299.022.33
During-Dev. (Magok)455.165.440.489.712.38
Post-Dev. (Magok)334.654.202.287.651.72

Dev.: development stage, Std.: standard deviation..

선별한 101일을 관찰한 결과, 세 대상지의 SUHII는 각각 다른 특성을 보였다. 마곡의 SUHII는 도시개발이 진행됨에 따라 SUHII가 점차 감소하는 것이 관찰되었다. 특히 개발단계가 진행될수록 음의 SUHII가 더 빈번하게 관찰되었다. 가양의 SUHII 또한 시간의 흐름에 따라 감소하는 경향을 나타냈으나, 마곡과 달리 관찰기간 내내 음의 SUHII가 꾸준히 관찰되었다. 김포공항의 SUHII는 시간의 흐름에 따라 감소하는 경향을 나타냈으나(0.50°C 감소), 감소한 정도는 마곡(1.08°C 감소), 가양(1.79°C 감소)에 비해 낮았다. 또한 음의 SUHII가 다른 대상지들과 달리 관찰되지 않았으며, 전반적으로 가장 강한 SUHII가 나타났다. 마곡과 가양의 SUHII는 비슷한 수준을 나타내는 것과 달리 김포공항이 월등히 높은 SUHII가 나타난 원인은 공항운영과 관련된 도시환경 및 인간활동에 인한 것으로 추정되며(Wan et al., 2023), 이러한 공간적 특징에 따른 영향은 4.1.2와 4.2.2절에서 구체적으로 논의한다.

4.1.2. SUHII 격차와 지표 특성

세 대상지의 SUHI 강도차이를 구체적으로 살펴보면 그 특징은 다음과 같다. Fig. 5(a)는 대상지 간의 SUHII 차이를 모두 나타낸 그래프이며, (b), (c), (d)는 김포공항과 가양의 SUHII 차이(김포공항–가양), 가양과 마곡의 SUHII 차이(가양–마곡), 김포공항과 마곡의 SUHII 차이(김포공항–마곡)를 각각 나타낸 그래프이다. Table 7은 각 대상 지 간의 SUHII 차이를 마곡의 개발단계를 기준으로 작성한 기초통계표이다.

Figure 5. Differences of SUHII. (a) shows the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok. (b), (c), and (d) show the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok, respectively.

Table 7 . Descriptive statistics of SUHII for study areas by development stages of Magok.

AreaStageCount (Scenes)Mean (°C)Med (°C)Min (°C)Max (°C)Std.
Gimpo–GayangPre-Dev.232.692.880.714.411.07
During-Dev.453.683.381.805.520.99
Post-Dev.333.973.992.355.420.89
Gayang–MagokPre-Dev. (Magok)231.091.23-2.004.131.83
During-Dev. (Magok)450.510.46-2.373.461.24
Post-Dev. (Magok)330.380.37-0.451.830.55
Gimpo–MagokPre-Dev. (Magok)233.783.851.206.941.72
During-Dev. (Magok)454.194.361.636.681.18
Post-Dev. (Magok)334.364.493.145.670.60

Dev.: development stage, Std.: standard deviation, Gimpo: Gimpo Airport..

Figs. 5(b, d)를 보면 모든 시점에서 0°C보다 높은 값이 관찰되었다. 또한 (c)를 보면 0보다 낮은 시점이 일부 존재하긴 하나 전반적으로 0°C보다 높고, 이러한 경향은 Post-Dev. (Magok) 기간에서 더욱 뚜렷하게 확인된다. 따라서 전반적인 SUHII는 김포공항, 가양, 마곡순으로 강하다고 보여진다. Post-Dev. 기간을 기준으로 김포공항의 SUHII는 마곡에 비해 평균적으로 약 4.36°C 강하며, 가양의 SUHII는 마곡에 비해 평균적으로 약 0.38°C 강한 것이 관찰되었는데, 이는 앞서 언급한 바와 같이 김포공항 지역의 지표환경 및 도시활동 특성에 기인한 것으로 보인다. 또한, 개발이 완료된 Post-Dev. 기간에서 마곡의 SUHII가 가양보다 소폭 낮게 나타난 이유는 마곡의 경우 대규모 공원(중앙공원) 조성 및 주거단지의 지상 공원화 등 도시설계적 특징으로 인해(Seoul Metropolitan Government, 2024) 기존 90년대 준공된 주거지역 위주인 가양보다 낮은 SUHII가 나타난 것으로 분석된다.

4.1.3. SUHII 변동성 분석

세 대상지의 SUHII 표준편차(분산도) 또한 각각 다른 특성을 보였다. 마곡의 SUHII는 Pre-Dev. 기간에서 표준편차가 0.90으로 대부분의 데이터 값이 평균(1.37°C) 부근에 위치하는 반면, During-Dev. 및 Post-Dev. 기간에서는 표준편차는 각각 1.75와 1.68로 두 개발단계 모두 Pre-Dev. 단계에 비해 큰 분산도를 나타냈다(Fig. 4b). 가양의 SUHII는 Pre-Dev. (Magok) 기간과During-Dev. (Magok) 기간에서 데이터들의 표준편차가 각각 2.53, 2.50으로 동일 기간의 마곡에 비해 높은 수치를 보였다(Fig. 4c). Post-Dev. (Magok) 기간의 표준편차는 2.13으로 이전 단계들에 비해서는 소폭 감소하였으나, 여전히 마곡에 비해서는 높은 수치가 나타났다(Fig. 4c). 김포공항의 SUHII는 기개발지인 가양과 유사하게 관찰기간 내내 상대적으로 큰 분산도가 관찰되었다(Figs. 4c, d). Pre-Dev. (Magok) 기간과During-Dev. (Magok) 기간에서 데이터들의 표준편차는 각각 2.33, 2.38로 동일기간 마곡에 비해 높은 수치를 보였다(Fig. 4d). Post-Dev. (Magok) 기간의 표준편차는 1.72로 전 단계들에 비해 감소하였으나, 여전히 동일기간 마곡에 비해 높은 수치가 나타났다(Fig. 4d).

측정된 SUHII 분산도에 의하면, 마곡과 두 기개발지가 서로 다른 양상을 보이는 것이 명확하다. 마곡은 도시개발이 진행됨에 따라 실험기간 동안 SUHII 변동성(Variability)이 증가하고, 기개발지인 가양과 김포공항의 경우는, 같은 기간동안 상대적으로 높은 SUHII 변동성을 유지하고 있다. 마곡, 가양, 김포공항 세 지역의 SUHII 변동성과 각 대상지 간의 SUHII 차이 변동성을 보다 면밀히 살펴보기 위해 이동표준편차(Rolling Std.)를 사용하였다. 이동표준편차의 Window Size는 마곡의 토지피복상태가 농경지였던 Pre-Dev. 기간(2003.04.16–2009.09.29) 데이터 수인 23개로 설정하였다. 해당 기간을 기준으로 시간의 흐름에 따라 관찰되는 변동성 양상은 다음과 같다.

이동표준편차법을 사용하여 분석하더라도 앞선 분석결과와 유사하게, SUHII의 변동성은 전반적으로 가양, 김포공항, 마곡 순으로 큰 것이 관찰되었으며(Fig. 6), 마곡과 대조군(가양, 김포공항)의 양상은 다르게 나타났다. 즉, 마곡의 SUHII 변동성은 시간의 흐름에 따라 점차 증가하다가 Post-Dev. 기간에 소폭 감소하였다(Fig. 6b). 반면 기개발지인 가양과 김포공항의 SUHII 변동성은 마곡에 비해 상대적으로 큰 값을 유지하다가 Post-Dev. (Magok) 기간에 소폭 감소하였다(Figs. 6c, d).

Figure 6. Rolling Std. of SUHII. (a) shows the variability of SUHII for Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the variability of SUHII for Magok, Gayang, and Gimpo Airport, respectively. The data points are displayed on the last date of each window, and the window size is set to the ‘Pre-Development’ period of Magok (23 data points). The dashed lines represent the quadratic trendlines for each study area. Std.: standard deviation.

이동표준편차법을 통해 더 효과적으로 관찰가능한 점은 다음과 같다. 마곡의 도시개발이 완료된 Post-Dev. 기간에는 세 대상지 모두 SUHII 변동성이 감소하는 경향이 관찰되었다(Fig. 6). 또한 대조군과 마곡의 SUHII 차이는 마곡의 도시개발이 진행됨에 따라 지속적으로 변동성이 감소하는 반면(Figs. 7c, d), 대조군 간의 SUHII 차이는 비교적 일정한 변동성이 관찰되었다(Fig. 7b). 이는 마곡과 기개발지 간의 SUHII 차이가 점차 예상 가능한 범위로 수렴하고 있음을 의미한다. 즉, 마곡의 SUHI는 도시개발이 진행됨에 따라 주위 기개발지와 유사하게 발현된다고 해석된다. 이러한 변화는 기존 농경지 였던 마곡이 도시개발을 통해 주위 기개발지와 같이 SUHII 변동성이 커지는 특징이 발현되었기 때문으로 분석된다.

Figure 7. Differences of SUHII_Rolling Std. (a) shows the rolling std. values of the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok. (b), (c), and (d) show the rolling std. values of the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok, respectively. The data points are displayed on the last date of each window, and the window size is set to the ‘Pre-Development’ period of Magok (23 data points). The dashed lines represent the linear trendlines for each study area. Std.: standard deviation.

4.2. 계절별 SUHII 및 SUHII 공간분포

4.2.1. 계절별 SUHII

Fig. 8(a)는 마곡 신도시와 기개발지 두 곳의 SUHII를 나타낸 그래프이며, (b), (c), (d)는 각각 마곡, 가양, 김포공항의 SUHII를 계절별로 시각화한 그래프이다. Table 8은 세 대상지의 계절별 SUHII를 마곡의 개발단계를 기준으로 작성한 기초통계표이다.

Figure 8. Seasonal SUHII of study areas. (a) shows the SUHII of Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the Seasonal SUHII of Magok, Gayang, and Gimpo Airport, respectively. The solid lines represent the linear trendlines for each season.

Table 8 . Descriptive statistics of seasonal SUHII for study areas by development stages of Magok.

Dev. stageSiteSeasonCount (Scenes)Mean (°C)Min (°C)Med (°C)Max (°C)Std.
Pre-Dev.MagokHot42.571.992.024.251.12
Warm81.480.361.782.080.62
Cool71.000.531.011.620.37
Cold40.57-0.260.591.370.68
GayangHot45.424.215.376.741.04
Warm83.920.694.565.281.60
Cool70.83-0.140.442.480.95
Cold4-0.59-2.26-0.631.171.42
Gimpo AirportHot47.416.607.168.731.01
Warm86.784.366.719.021.54
Cool73.671.923.665.261.03
Cold42.231.292.253.140.80
During-Dev.MagokHot53.462.783.004.720.86
Warm221.65-0.351.533.961.16
Cool15-0.50-2.96-0.060.751.13
Cold3-0.73-1.54-1.270.621.18
GayangHot55.184.305.245.940.77
Warm222.46-1.092.734.771.53
Cool15-0.52-3.56-0.141.931.60
Cold3-1.80-3.91-0.81-0.681.83
Gimpo AirportHot58.406.928.359.711.00
Warm226.352.076.448.231.49
Cool153.051.523.054.490.92
Cold31.740.482.252.501.10
Post-Dev.MagokHot23.092.913.093.260.25
Warm121.66-0.601.913.291.19
Cool14-0.79-2.51-0.820.150.73
Cold5-1.08-2.69-0.86-0.070.98
GayangHot24.093.664.094.520.61
Warm122.33-0.602.544.971.73
Cool14-0.69-2.66-0.860.891.03
Cold5-0.82-2.69-0.610.301.12
Gimpo AirportHot27.467.277.467.650.27
Warm126.154.166.527.321.09
Cool143.632.283.684.750.75
Cold52.812.372.763.140.29

Dev.: development stage, Std.: standard deviation..

전반적으로 SUHII는 세 대상지 모두 Hot, Warm, Cool, Cold 계절순으로 강한 것이 관찰되었다. 일부 시점에서 관찰된 마곡과 가양의 음의 SUHII는 주로 Cool 및 Cold 계절에서 나타났다. 마곡의 SUHII는 도시개발이 진행됨에 따라 계절 간 편차가 벌어지는 것이 관찰되었으며, 이는 더운 계절(Hot, Warm)에는 SUHII가 양의 방향으로 더 커지고, 추운 계절(Cool, Cold)에는 음의 방향으로 더 커지는 경향으로 나타났다(Fig. 8b). 마곡 신도시의 중앙공원 조성 이후, 녹지화 된 지표 면적이 늘어나며 여름(Hot season)의 SUHII가 내려가는 현상이 일부 보이나, 이를 대조군과 명확하게 구별되는 현상으로 해석하기에는 한계가 있다. 이는 추후 계절별 SUHII 공간분포 4.2.2절에서 좀 더 자세히 검토하였다.

Pre-Dev. 기간에서 기개발지인 가양과 김포공항의Mean SUHII 계절 변동 폭은 각각 6.01°C, 5.18°C를 보인 반면, 마곡은 2.00°C로 비교적 작은 계절 변동 폭을 보였다(가양의 0.33배, 김포공항의 0.39배). During-Dev. 기간에서 기개발지인 가양과 김포공항의 Mean SUHII 계절 변동폭은 각각 6.98°C, 6.66°C를 보였으며, 마곡은 4.19°C로 Pre-Dev. 기간에 비해 계절 변동 폭이 상대적으로 증가하였다(가양의 0.60배, 김포공항의 0.62배). 마곡의 도시개발이 완료된 Post-Dev. 기간에서 기개발지인 가양과 김포공항의Mean SUHII 계절 변동 폭은 각각 4.91°C, 4.65°C를 보였으며, 마곡 또한 4.17°C로 두 기개발지들과 유사해진 것이 관찰되었다(가양의 0.85배, 김포공항의 0.90배). 이를 통해 도시개발지역의 SUHII는 계절 간 편차가 큰 것이 특징이며(Jeon et al., 2023), 마곡의 경우 도시개발이 진행됨에 따라 이러한 도시개발 지역의 SUHII 변화의 계절별 특징이 발현된 것을 알 수 있다.

4.2.2. 마곡의 개발단계에 따른 계절별 SUHII 공간분포

Figs. 9, 10, 11은 마곡신도시의 각 개발단계(Pre-Dev., During-Dev., Post-Dev.)에 따른 계절별 SUHII 공간분포를 나타낸 지도와 해당 시점의 각 대상지별 위성사진이다.

Figure 9. Seasonal SUHII map of pre-development stage of Magok and Statellite images from Google Earth Pro. (a) is seasonal SUHII map of predevelopment stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on October 20, 2008. (Satellite image copyright © 2024 Maxar Technologies, sourced via Google Earth Pro)

Figure 10. Seasonal SUHII map of during-development stage of Magok and Statellite images from Google Earth Pro. (a) is seasonal SUHII map of during-development stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on February 10, 2017. (Satellite image copyright © 2024 Maxar Technologies, sourced via Google Earth Pro.)

Figure 11. Seasonal SUHII map of post-development stage of Magok and Satellite images from Google Earth Pro. (a) is a seasonal SUHII map of postdevelopment stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on May 13, 2023. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)

기개발지인 김포공항과 가양의 SUHII는 관찰기간 내내 뚜렷한 계절 간 편차를 보였으며, SUHII 공간분포 특징 역시 일관되게 나타났다. 김포공항의 경우 활주로 및 계류시설을 중심으로 강한 SUHII가 관찰되었다(Figs. 9, 10, 11). 이는 비행기의 엔진 열 및 활주로의 마찰열 등 공항운영 활동으로 인해 높은 지표면 온도가 나타난 것이 원인이다(Wan et al., 2023). 가양의 경우 대상지 서쪽 상단에 위치한 공업지역 및 도로시설을 중심으로 강한 SUHII가 관찰되었다(Figs. 9, 10, 11). 공업지역 건축물의 특성상 건폐율이 높을 뿐만 아니라 건물지붕의 자재가 열 에너지 비축량이 높은 철판으로 되어있어 이러한 현상이 나타난 것으로 추정된다(Lee and Lim, 2022).

반면 도시개발이 진행되었던 마곡의 경우 각 개발단계에 따라 SUHII 공간분포의 변화를 보였다. Pre-Dev. 기간의 마곡에서는 기존 대상지 외곽에 위치했던 저층 주거시설 및 교통시설에서 강한 SUHII가 나타났으며, 중앙에 위치한 대규모 농경지는 낮은 SUHII를 보였다. 특히 중앙 농경지의 경우 외곽 기개발지에 비해 SUHII의 계절 간 편차가 작은 것이 관찰되었다. During-Dev. 기간의 마곡은 대규모 공사가 진행됨에 따라 대상지 내 인공피복이 증가하였고, 이로 인해 SUHII의 계절 간 편차가 Pre-Dev. 기간에 비해 증가하였다. 도시개발이 완료된 Post-Dev. 기간의 마곡은 전반적인 SUHII 강도 및 계절 간 편차정도가 가양과 유사해짐이 관찰되었다.

Post-Dev. 기간에서 마곡의 주거지역은 가양보다 모든 계절에서 SUHII가 낮게 관찰되었다. 마곡의 주거단지는 설계 특성상 도로 및 주차장 등의 교통시설이 지하에 조성되었으며 지상은 공원화가 되었다. 반면 가양의 주거단지의 경우, 대부분 90년대 준공된 아파트 단지로 도로 및 주차장 등의 교통시설이 지상에 위치한다. 마곡의 주거단지가 가양의 주거단지보다 SUHII가 낮은 원인은 이러한 주거단지의 설계기법 상의 특징 때문인 것으로 파악된다. 또한 모든 계절에서 첨단산업 지원을 위한MICE 복합단지 조성을 목적으로 개발이 추가적으로 진행되고 있는 특별계획구역은 높은 SUHII를 보였다. 이는 건설현장의 피복 특성 상 불투수표면 면적이 증가함과 동시에 식생이 부재하며, 건설장비의 인위적 열 발생 등으로 인해 나타나는 현상으로 분석된다.

중앙공원 내 호수 및 습지공원 등의 수변 지역에서는 낮은 SUHII가 나타났다. 마곡중앙공원의 조성은 추운 계절(Cool, Cold)에 상대적으로 높은 지표면온도가 나타나 긍정적으로 평가될 수 있으나, 더운 계절(Hot, Warm)에는 수변 지역을 제외한 인공초지가 지표면온도를 명확하게 낮춘다고 보기에는 한계가 있는 것으로 보인다. 공원 조성 후 녹지 식재가 성숙되기까지 일정 시간이 소요되므로(Jo et al., 2019), 해당 기간이 지난 이후 추가적인 모니터링을 통해 중앙공원 조성이 더운 계절에 지표면 온도 저감효과가 얼마나 나타나는지 평가하는 것이 필요해 보인다. 이를 통해 대규모 공원 조성의 더운 계절 SUHII 저감 효과를 보다 정확하게 파악할 수 있을 것이다.

5. 결론

5.1. 연구 요약 및 시사점

본 연구는 서울특별시의 대표적인 도시개발 사례인 마곡 신도시를 중심으로 강서구 일대에 위치한 세 대상지의 SUHII를 2003.04.16–2023.10.15 기간동안 관찰한 연구이다. Landsat 위성영상 데이터를 사용했으며, F-Mask 알고리즘을 통해 5개의 대상지 모두 LST 측정 방해요소가 없는 101개의 양호한 데이터들을 선별하였다. 선별한 101개의 데이터는 시간 간격이 불규칙하다는 특징이 존재했다. 따라서 기개발지 두 곳을 대조군으로 설정해 마곡과 비교 및 분석하는 방법으로 연구를 진행하였다. SUHII는 기존 도시개발 전 마곡의 토지피복 상태와 유사한 주변 농경지 두 곳을 기준으로 측정하였다. 분석 결과는 아래와 같이 4가지로 요약될 수 있다:

첫째, 전반적인 SUHII의 강도는 김포공항, 가양, 마곡 순으로 강한 것이 관찰되었다(Figs. 4, 5). 특히 김포공항의 SUHII 경우 공항운영으로 인한 인간활동에 의해 마곡, 가양보다 월등히 높은 수치가 나타났다(Figs. 9, 10, 11). 또한 마곡신도시는 도시개발이 진행됨에 따라, SUHII가 점차 주위 기개발지와 유사하게 발현되었다(Figs. 6, 7).

둘째, 마곡의 SUHII 변동성은 도시개발이 진행됨에 따라 점차 증가하는 것이 관찰되었다(Figs. 4, 6). 기개발지인 가양과 김포공항의 경우 관찰기간 내내 상대적으로 큰 SUHII 변동성을 유지한 것으로 보아 도시개발지역의 SUHII 변동성은 큰 것이 특징이며, 마곡 또한 개발로 인해 이러한 특징이 나타난 것으로 보여진다. 증가된 변동성은 해당 지역의 SUHII 분산도가 커지고 범위가 양 극단으로 확장되 었음을 의미한다. 이는 해당 지역의 열 환경을 효율적으로 관리하기 위한 온도 조정 기준 설정의 어려움을 초래하며, 결과적으로 도시의 열 환경 적응력을 저하시킬 수 있다. 이러한 변화는 아래 셋째 항목에서 논의될 계절별 SUHII 특성과도 밀접하게 관련이 있다.

셋째, SUHII의 계절적 특성은 전반적인 계절의 온도에 비례하여 강한 경향을 보이며(Hot, Warm, Cool, Cold 계절 순), 온도가 낮은 계절인 Cool, Cold 계절에는 일부 대상지에서 음의 SUHII가 나타나기도 했다(Fig. 8). 또한 기개발지인 가양과 김포공항은 SUHII의 계절 간 편차가 크게 나타난 반면, 마곡의 경우 도시개발이 진행됨에 따라 편차가 커지는 것이 관찰되었다. 해당 결과를 통해서 기개발지들의 SUHII 변동성이 높은 이유는 계절별로 SUHII 편차가 크게 발생하기 때문임을 알 수 있었다. 마곡 또한 도시개발로 인해 이러한 계절별 특징이 발현되어 SUHII 변동성이 높아진다고 해석된다. 마곡은 도시개발이 진행됨에 따라 더운 계절(Hot, Warm)에는 SUHII가 양의 방향으로 더 커지고, 추운 계절(Cool, Cold)에는 음의 방향으로 더 커지는 경향으로 나타났다(Fig. 8). 따라서 마곡신도시는 도시개발로 인해 농경지였던 시기보다 열 환경이 악화되었다고 판단할 수 있다.

넷째, SUHII는 모든 계절에서 인간활동이 활발하게 일어나는 공항의 활주로 및 계류시설, 주차장 및 도로 등의 교통시설, 공업시설과 건설현장에서 상대적으로 높은 공간 분포를 나타냈다(Figs. 9, 10, 11). 또한 마곡의 주거지역의 경우 가양의 주거지역보다 낮은 SUHII 공간분포가 관찰되었는데 이는 지상에 교통시설을 조성한 가양의 주거 단지설계와 달리 교통시설을 지하화하고 지상을 공원화한 마곡의 주거단지 설계 특성에 기인한 것으로 분석된다(Fig. 11). 마곡 중앙공원 내 인공 초지는 Cool, Cold 계절에서 낮은 SUHII를 상쇄시키는 것이 관찰되었으나 Hot, Warm계절에서 높은 SUHII를 명확하게 상쇄하는 효과가 있다고 보기에는 한계가 있다(Fig. 11).

대한민국의 수도권은 1980년대 이후 매우 빠른 속도로 도시개발 및 팽창이 이루어진 지역으로, 이러한 급격한 도시화 과정에서 도시열섬현상을 비롯한 여러 부정적인 영향을 초래했다(Park and Choi, 2016; Lee et al., 2022). 도시열섬현상은 기후위기와 맞물려 도시의 열 환경 악화를 더욱 가속화하고 있기에(Liu et al., 2022), 앞으로 도시 열 환경 관리의 중요성은 더욱 부각될 것이라 예상된다. 본 연구의 결과는 마곡의 도시개발에 따른 SUHII 변동성 및 계절별 양상을 정량적으로 분석하여, 도시개발이 해당 지역의 열 환경에 미치는 영향을 실증적으로 제시한다. 이는 향후 도시개발계획 과정에서 개발 이후 발생할 수 있는 도시의 열 환경 변화를 예측하기 위한 기초자료로 활용되어 도시화와 환경적 지속가능성을 조화롭게 달성하는데 기여할 수 있을 것이다.

5.2. 연구의 한계점

본 연구의 한계점은 다음과 같다. SUHII의 측정 기준을 서울특별시 강서구 일대만을 관찰한 결과이며, 관측시각 역시 오전 11시만으로 한정했다는 한계점이 존재한다. 따라서 SUHII를 다양한 기준을 통해 살펴보고, 마곡 외의 다른 지역, 오전 11시경이 아닌 다른 시간대를 분석하는 후속연구들을 진행한다면 SUHI에 대한 이해가 더욱 증진될 것이라 기대된다. 마지막으로 일부 데이터에서 F-Mask 알고리즘이 구름과 특정 도시피복을 반복적으로 혼동하는 한계점이 관찰되었으며, 이는 도시지역과 구름 및 눈, 얼음의 분광특성이 유사하기 때문이다(Qiu et al., 2019). 본 연구에서 이러한 False Positive가 과도하게 나타난 데이터는 샘플링 하지 않았으나, 향상된 성능의 구름 마스킹 알고리즘을 사용한다면 선별된 데이터 외에도 추가적으로 사용할 수 있는 데이터가 존재할 것이라 예상된다.

사사

이 논문은 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(과제번호: RS-2023-NR076966). 또한, 이 논문은 2024학년도 홍익대학교 학술연구진흥비를 지원받았음.

Footnote

1) Landsat 데이터는 Earth Explorer (https://earthexplorer.usgs.gov/)에서 무료 다운로드 가능.

Conflict of Interest

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

Fig 1.

Download
Figure 1.Construction zones in Magok New Town. The satellite image was taken on May 13, 2023. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 2.

Download
Figure 2.Location of the study areas. The satellite image was taken on May 13, 2023. UDA: undeveloped area. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 3.

Download
Figure 3.Acquisition time of Landsat images used in this study (Path: 116, Row: 034). L5: Landsat 5 TM, L7: Landsat 7 ETM+, L8: Landsat 8 OLI/TIRS, L9: Landsat 9 OLI2/TIRS2.
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 4.

Download
Figure 4.SUHII of study areas. (a) shows the SUHII of Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the SUHII of Magok, Gayang, and Gimpo Airport, respectively.
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 5.

Download
Figure 5.Differences of SUHII. (a) shows the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok. (b), (c), and (d) show the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok, respectively.
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 6.

Download
Figure 6.Rolling Std. of SUHII. (a) shows the variability of SUHII for Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the variability of SUHII for Magok, Gayang, and Gimpo Airport, respectively. The data points are displayed on the last date of each window, and the window size is set to the ‘Pre-Development’ period of Magok (23 data points). The dashed lines represent the quadratic trendlines for each study area. Std.: standard deviation.
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 7.

Download
Figure 7.Differences of SUHII_Rolling Std. (a) shows the rolling std. values of the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok. (b), (c), and (d) show the rolling std. values of the differences in SUHII between Gimpo Airport and Gayang, Gayang and Magok, and Gimpo Airport and Magok, respectively. The data points are displayed on the last date of each window, and the window size is set to the ‘Pre-Development’ period of Magok (23 data points). The dashed lines represent the linear trendlines for each study area. Std.: standard deviation.
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 8.

Download
Figure 8.Seasonal SUHII of study areas. (a) shows the SUHII of Magok, Gayang, and Gimpo Airport together. (b), (c), and (d) show the Seasonal SUHII of Magok, Gayang, and Gimpo Airport, respectively. The solid lines represent the linear trendlines for each season.
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 9.

Download
Figure 9.Seasonal SUHII map of pre-development stage of Magok and Statellite images from Google Earth Pro. (a) is seasonal SUHII map of predevelopment stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on October 20, 2008. (Satellite image copyright © 2024 Maxar Technologies, sourced via Google Earth Pro)
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 10.

Download
Figure 10.Seasonal SUHII map of during-development stage of Magok and Statellite images from Google Earth Pro. (a) is seasonal SUHII map of during-development stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on February 10, 2017. (Satellite image copyright © 2024 Maxar Technologies, sourced via Google Earth Pro.)
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Fig 11.

Download
Figure 11.Seasonal SUHII map of post-development stage of Magok and Satellite images from Google Earth Pro. (a) is a seasonal SUHII map of postdevelopment stage of Magok. (b) shows Gimpo Airport, (c) shows Magok, and (d) shows Gayang. The images were taken on May 13, 2023. (Satellite image copyright © 2024 Airbus, sourced via Google Earth Pro)
Korean Journal of Remote Sensing 2025; 41: 153-172https://doi.org/10.7780/kjrs.2025.41.1.13

Table 1 . Development stages of Magok New Town.

Development stagePeriodConstruction zone
Pre-Development–2009.09.29
During-Development2009.09.30–2018.10.10Zone 1, 2, 3
Post-Development2018.10.11–Special Planned Zone

Table 2 . Extent of the study areas.

AreaExtent (m2)
Study areaMagok3,663,777.867
Undeveloped areas (UDA)UDA_A1,669,290.144
UDA_B3,047,776.989
Developed areas (DA)Gayang1,933,665.073
Gimpo Airport6,555,562.511

Table 3 . Landsat series overview.

MissionOperational periodRevisit timeBandsThermal band wavelengthThermal band spatial resolution*
L4 TM1982–199316 days710.40–12.50 μm (Band 6)120 (30) m
L5 TM1984–201316 days710.40–12.50 μm (Band 6)120 (30) m
L7 ETM+1999–202416 days810.40–12.50 μm (Band 6)60 (30) m
L8 OLI/TIRS2013–Present16 days1110.60–11.19 μm (Band 10),
11.50–12.51 μm (Band 11)		100 (30) m
L9 OLI2/TIRS22021–Present16 days1110.60–11.19 μm (Band 10),
11.50–12.51 μm (Band 11)		100 (30) m

Landsat 6 failed at launch after not reaching the velocity necessary to obtain orbit..

*: The thermal bands of Landsat series are resampled to 30 m..

L: Landsat, TM: Thematic Mapper, ETM+: Enhanced Thematic Mapper Plus, OLI: Operational Land Imager, TIRS: Thermal Infrared Sensor..

Table 4 . Summary of available data selection.

Landsat seriesPeriodTotal data (Scenes)Selected data (Scenes)Remarks
L5 TM2003.04.30–2011.10.2915734-
L7 ETM+ (SLC-On)2003.04.22–2003.05.2431-
L7 ETM+ (SLC-Off)2011.11.22–2013.04.17275Gap filled
L8 OLI/TIRS2013.04.25–2023.10.1423649-
L9 OLI2/TIRS22021.11.11–2023.10.064412-

L: Landsat, TM: Thematic Mapper, ETM+: Enhanced Thematic Mapper Plus, OLI: Operational Land Imager, TIRS: Thermal Infrared Sensor, SLC: Scan Line Corrector..

Table 5 . Classification of seasons.

SeasonPeriodCriteriaPre-Dev.During-Dev.Post-Dev.
HotSummer06.01–08.314 Scenes5 Scenes2 Scenes
WarmLate Spring, Early Fall04.16–05.31, 09.01–10.158 Scenes22 Scenes12 Scenes
CoolEarly Spring, Late Fall03.01–04.15, 10.16–11.307 Scenes15 Scenes14 Scenes
ColdWinter12.01–02.28(29)4 Scenes3 Scenes5 Scenes

Dev.: Development stage of Magok..

Table 6 . Descriptive statistics of SUHII for study areas by development stages of Magok.

AreaStageCount (Scenes)Mean (°C)Med (°C)Min (°C)Max (°C)Std.
MagokPre-Dev.231.371.25-0.254.250.90
During-Dev.450.980.75-2.964.721.75
Post-Dev.330.29-0.23-2.693.291.68
GayangPre-Dev. (Magok)232.462.38-2.266.742.53
During-Dev. (Magok)451.481.79-3.905.942.50
Post-Dev. (Magok)330.670.27-2.694.972.13
Gimpo AirportPre-Dev. (Magok)235.155.261.299.022.33
During-Dev. (Magok)455.165.440.489.712.38
Post-Dev. (Magok)334.654.202.287.651.72

Dev.: development stage, Std.: standard deviation..

Table 7 . Descriptive statistics of SUHII for study areas by development stages of Magok.

AreaStageCount (Scenes)Mean (°C)Med (°C)Min (°C)Max (°C)Std.
Gimpo–GayangPre-Dev.232.692.880.714.411.07
During-Dev.453.683.381.805.520.99
Post-Dev.333.973.992.355.420.89
Gayang–MagokPre-Dev. (Magok)231.091.23-2.004.131.83
During-Dev. (Magok)450.510.46-2.373.461.24
Post-Dev. (Magok)330.380.37-0.451.830.55
Gimpo–MagokPre-Dev. (Magok)233.783.851.206.941.72
During-Dev. (Magok)454.194.361.636.681.18
Post-Dev. (Magok)334.364.493.145.670.60

Dev.: development stage, Std.: standard deviation, Gimpo: Gimpo Airport..

Table 8 . Descriptive statistics of seasonal SUHII for study areas by development stages of Magok.

Dev. stageSiteSeasonCount (Scenes)Mean (°C)Min (°C)Med (°C)Max (°C)Std.
Pre-Dev.MagokHot42.571.992.024.251.12
Warm81.480.361.782.080.62
Cool71.000.531.011.620.37
Cold40.57-0.260.591.370.68
GayangHot45.424.215.376.741.04
Warm83.920.694.565.281.60
Cool70.83-0.140.442.480.95
Cold4-0.59-2.26-0.631.171.42
Gimpo AirportHot47.416.607.168.731.01
Warm86.784.366.719.021.54
Cool73.671.923.665.261.03
Cold42.231.292.253.140.80
During-Dev.MagokHot53.462.783.004.720.86
Warm221.65-0.351.533.961.16
Cool15-0.50-2.96-0.060.751.13
Cold3-0.73-1.54-1.270.621.18
GayangHot55.184.305.245.940.77
Warm222.46-1.092.734.771.53
Cool15-0.52-3.56-0.141.931.60
Cold3-1.80-3.91-0.81-0.681.83
Gimpo AirportHot58.406.928.359.711.00
Warm226.352.076.448.231.49
Cool153.051.523.054.490.92
Cold31.740.482.252.501.10
Post-Dev.MagokHot23.092.913.093.260.25
Warm121.66-0.601.913.291.19
Cool14-0.79-2.51-0.820.150.73
Cold5-1.08-2.69-0.86-0.070.98
GayangHot24.093.664.094.520.61
Warm122.33-0.602.544.971.73
Cool14-0.69-2.66-0.860.891.03
Cold5-0.82-2.69-0.610.301.12
Gimpo AirportHot27.467.277.467.650.27
Warm126.154.166.527.321.09
Cool143.632.283.684.750.75
Cold52.812.372.763.140.29

Dev.: development stage, Std.: standard deviation..

References

  1. Ali, A. M., Melsen, L. A., and Teuling, A. J., 2023. Inferring reservoir filling strategies under limited-data-availability conditions using hydrological modeling and earth observations: The case of the Grand Ethiopian Renaissance Dam (GERD). Hydrology and Earth System Sciences, 27(21), 4057-4086. https://doi.org/10.5194/hess-27-4057-2023
    Crossref
  2. Almeida, C. R. D., Teodoro, A. C., and Gonçalves, A., 2021. Study of the urban heat island (UHI) using remote sensing data/techniques: A systematic review. Environments, 8(10), 105. https://doi.org/10.3390/environments8100105
    Crossref
  3. Ayehu, G., Tadesse, T., Gessesse, B., Yigrem, Y., and Melesse, A. M., 2020. Combined use of Sentinel-1 SAR and Landsat sensors products for residual soil moisture retrieval over agricultural fields in the upper Blue Nile basin, Ethiopia. Sensors, 20(11), 3282. https://doi.org/10.3390/s20113282
    Pubmed PMC Crossref
  4. Baek, S. W., Kim, D. H., Kim, H. S., Koo, B. Y., and Jeong, Y. J., 2022. A study on mitigation plan of urban heat island phenomenon using Landsat time series imagery - Focused on Cheongna international city-. Journal of the Korean Association of Geographic Information Studies, 25(3), 1-16. https://doi.org/10.11108/kagis.2022.25.3.001
    Crossref
  5. Bounoua, L., Zhang, P., Mostovoy, G., Thome, K., Masek, J., and Imhoff, M., et al, 2015. Impact of urbanization on US surface climate. Environmental Research Letters, 10(8), 084010. https://doi.org/10.1088/1748-9326/10/8/084010
    Crossref
  6. Braaten, J. D., Cohen, W. B., and Yang, Z., 2015. Automated cloud and cloud shadow identification in Landsat MSS imagery for temperate ecosystems. Remote Sensing of Environment, 169, 128-138. https://doi.org/10.1016/j.rse.2015.08.006
    Crossref
  7. Chander, G., Markham, B. L., and Helder, D. L., 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, 113(5), 893-903. https://doi.org/10.1016/j.rse.2009.01.007
    Crossref
  8. Crawford, C. J., Roy, D. P., Arab, S., Barnes, C., Vermote, E., and Hulley, G., et al, 2023. The 50-year Landsat collection 2 archive. Science of Remote Sensing, 8, 100103. https://doi.org/10.1016/j.srs.2023.100103
    Crossref
  9. EPA (U.S. Environmental Protection Agency), 2003. Cooling summertime temperatures: Strategies to reduce urban heat islands (Publication No. 430-F-03-014), U.S. Environmental Protection Agency. https://www.epa.gov/sites/default/files/2014-06/documents/hiribrochure.pdf
    Crossref
  10. Hyndman, R. J., and Athanasopoulos, G., 2018. Forecasting: Principles and practice (2nd ed.), OTexts. https://otexts.com/fpp2/
    Crossref
  11. Jeon, G., Park, Y., and Guldmann, J. M., 2023. Impacts of urban morphology on seasonal land surface temperatures: Comparing grid-and block-based approaches. ISPRS International Journal of Geo-Information, 12(12), 482. https://doi.org/10.3390/ijgi12120482
    Crossref
  12. Jo, K., Jeong, W., Kim, C., Jeong, S., and Heo, D.; Art and Writing, 2019. Seoul Botanic Park archive: 01, Seoul Botanic Park. https://lib.seoul.go.kr/search/detail/CATTOT000001357483#
    Crossref
  13. Kim, Y., Lee, S., Cho, D., and Im, J., 2024. Impact of COVID-19 on the urban heat island in Daegu using downscaled land surface temperature. Korean Journal of Remote Sensing, 40(6-1), 1109-1125. https://doi.org/10.7780/kjrs.2024.40.6.1.19
    Crossref
  14. Korea Meteorological Administration, 2022. Climatological Normals of Korea 1991-2020 (Publication No. 11-1360000-000077-14), Korea Meteorological Administration. https://data.kma.go.kr/resources/normals/pdf_data/korea_pdf_0106_v2.pdf
    Crossref
  15. Lee, K., 2023. Analysis of the surface urban heat island changes according to new towns development and correlation with urban morphology. Korean Journal of Remote Sensing, 39(5-3), 921-932. https://doi.org/10.7780/kjrs.2023.39.5.3.4
  16. Lee, K., Kim, Y., Sung, H. C., Kim, S. H., and Jeon, S. W., 2022. Surface urban heat island in South Korea's new towns with different urban planning. Environmental Monitoring and Assessment, 194(5), 360. https://doi.org/10.1007/s10661-022-09967-w
    Pubmed Crossref
  17. Lee, K., and Lim, C. H., 2022. Analysis of the surface urban heat island changes according to urbanization in Sejong City using Landsat imagery. Korean Journal of Remote Sensing, 38(3), 225-236. https://doi.org/10.7780/kjrs.2022.38.3.1
  18. Liu, Z., Zhan, W., Bechtel, B., Voogt, J., Lai, J., and Chakraborty, T., et al, 2022. Surface warming in global cities is substantially more rapid than in rural background areas. Communications Earth & Environment, 3(1), 219. https://doi.org/10.1038/s43247-022-00539-x
    Crossref
  19. Moazzam, M. F. U., Doh, Y. H., and Lee, B. G., 2022. Impact of urbanization on land surface temperature and surface urban heat Island using optical remote sensing data: A case study of Jeju Island, Republic of Korea. Building and Environment, 222, 109368. https://doi.org/10.1016/j.buildenv.2022.109368
    Crossref
  20. Moazzam, M. F. U., Kim, S., and Lee, B. G., 2024. Cities in the Heat: Unveiling the urbanized impacted surface urban heat island of South Korea's metropolises. Remote Sensing Applications: Society and Environment, 36, 101271. https://doi.org/10.1016/j.rsase.2024.101271
    Crossref
  21. Monteiro, F. F., Gonçalves, W. A., Andrade, L. D. M. B., Villavicencio, L. M. M., and dos Santos Silva, C. M., 2021. Assessment of Urban Heat Islands in Brazil based on MODIS remote sensing data. Urban Climate, 35, 100726. https://doi.org/10.1016/j.uclim.2020.100726
    Crossref
  22. Oke, T. R., 2002. Boundary layer climates (2nd ed.), Routledge. https://doi.org/10.4324/9780203407219
    PMC Crossref
  23. Oke, T. R., Mills, G., Christen, A., and Voogt, J. A., 2017. Urban climates, Cambridge University Press. https://doi.org/10.1017/9781139016476
    Crossref
  24. Park, S., and Choi, G., 2016. Urban sprawl in the Seoul metropolitan region, Korea since the 1980s observed in satellite imagery. Journal of the Association of Korean Geographers, 5(3), 331-343. https://doi.org/10.25202/jakg.5.3.9
    Crossref
  25. Park, S., and Kim, M., 2021. Availability of land surface temperature using Landsat 8 OLI/TIRS Science Products. Journal of the Korean Society of Remote Sensing, 37(3), 463-473. https://doi.org/10.7780/kjrs.2021.37.3.8
  26. Qaid, A., Lamit, H. B., Ossen, D. R., and Shahminan, R. N. R., 2016. Urban heat island and thermal comfort conditions at microclimate scale in a tropical planned city. Energy and Buildings, 133, 577-595. https://doi.org/10.1016/j.enbuild.2016.10.006
    Crossref
  27. QGIS, 2024. QGIS documentation. Available online: https://docs.qgis.org/3.34/ko/docs/user_manual/processing_algs/gdal/rasteranalysis.html#gdalfillnodata (accessed on Nov. 19, 2024)
  28. Qiu, S., Zhu, Z., and He, B., 2019. Fmask 4.0: Improved cloud and cloud shadow detection in Landsats 4-8 and Sentinel-2 imagery. Remote Sensing of Environment, 231, 111205. https://doi.org/10.1016/j.rse.2019.05.024
    Crossref
  29. Santamouris, M., 2020. Recent progress on urban overheating and heat island research. Integrated assessment of the energy, environmental, vulnerability and health impact. Synergies with the global climate change. Energy and Buildings, 207, 109482. https://doi.org/10.1016/j.enbuild.2019.109482
    Crossref
  30. Seoul Metropolitan Government, 2024. Overview of the Magok urban development project. Available online: https://news.seoul.go.kr/citybuild/archives/5701 (accessed on Dec. 30, 2024)
  31. Shahzad, M. I., Meraj, M., Nazeer, M., Zia, I., Inam, A., and Mehmood, K., et al, 2018. Empirical estimation of suspended solids concentration in the Indus Delta Region using Landsat-7 ETM+ imagery. Journal of Environmental Management, 209, 254-261. https://doi.org/10.1016/j.jenvman.2017.12.070
    Pubmed Crossref
  32. Shukla, S. N., and Marlin, B. M., 2020. A survey on principles, models and methods for learning from irregularly sampled time series. arXiv preprint arXiv:2012.00168. https://doi.org/10.48550/arXiv.2012.00168
  33. Taha, H., 1997. Urban climates and heat islands: Albedo, evapotranspiration, and anthropogenic heat. Energy and Buildings, 25(2), 99-103. https://doi.org/10.1016/S0378-7788(96)00999-1
    Crossref
  34. UN (United Nations), 2019. World urbanization prospects: The 2018 revision (Publication No. ST/ESA/SER.A/420), Department of Economic and Social Affairs, United Nations. https://doi.org/10.18356/b9e995fe-en
    Crossref
  35. USGS (U.S. Geological Survey), 2021. Landsat Collection 2 (Fact Sheet No. 2021-3002, Version 1.1), U.S. Geological Survey. https://doi.org/10.3133/fs20213002
    Crossref
  36. Voogt, J. A., and Oke, T. R., 2003. Thermal remote sensing of urban climates. Remote Sensing of Environment, 86(3), 370-384. https://doi.org/10.1016/S0034-4257(03)00079-8
    Crossref
  37. Wan, J., Liu, Y., Yong, B., and Zhou, X., 2023. Temporal and spatial effects of large airport construction and operation on the local thermal environment. Environmental Science and Pollution Research, 30(5), 13788-13800. https://doi.org/10.1007/s11356-022-23161-y
    Pubmed Crossref
  38. Waqas, M., Nazeer, M., Shahzad, M. I., and Zia, I., 2019. Spatial and temporal variability of open-ocean barrier islands along the Indus Delta Region. Remote Sensing, 11(4), 437. https://doi.org/10.3390/rs11040437
    Crossref
  39. Xian, G. Z., 2023. Characterizing urban heat islands across 50 major cities in the United States (Fact Sheet No. 2023-3048), U.S. Geological Survey. https://doi.org/10.3133/fs20233048
    Crossref
  40. Yoon, D. H., Lee, T. G., Rho, S. H., and Koh, J. H., 2019. Analysis on the long-term variance of surface urban heat island (SUHI) using Landsat thermal infrared. Journal of the Korean Cadastre Information Association, 21(1), 66-85. https://doi.org/10.46416/jkcia.2019.04.21.1.66
    Crossref
  41. Zahn, E., Welty, C., Smith, J. A., Kemp, S. J., Baeck, M. L., and Bou‐Zeid, E., 2021. The hydrological urban heat island: Determinants of acute and chronic heat stress in urban streams. JAWRA Journal of the American Water Resources Association, 57(6), 941-955. https://doi.org/10.1111/1752-1688.12963
    Crossref
  42. Zhang, H., Yin, Y., An, H., Lei, J., Li, M., Song, J., and Han, W., 2022. Surface urban heat island and its relationship with land cover change in five urban agglomerations in China based on GEE. Environmental Science and Pollution Research, 29(54), 82271-82285. https://doi.org/10.1007/s11356-022-21452-y
    Pubmed Crossref
  43. Zhu, Z., and Qiu, S., 2022. GERSL/ Fmask. Available online: https://github.com/GERSL/Fmask (accessed on Nov. 21, 2024)
  44. Zhu, Z., Qiu, S., He, B., and Deng, C., 2018. Cloud and cloud shadow detection for Landsat images: The fundamental basis for analyzing Landsat time series. In: Weng, Q., (ed.), Remote sensing time series image processing (1st ed.), CRC Press, pp. 3-24. https://doi.org/10.1201/9781315166636
    Crossref
KSRS
February 2025 Vol. 41, No.1, pp. 1-86
Current Issue Archives

Metrics

Share

  • line

Related Articles

Korean Journal of Remote Sensing