최근 기후 변화로 인해 전 세계적으로 극단적인 기온 상승이 빈번해지고 있으며, 그 결과 폭염과 열대야의 빈도가 증가하고 있다. 폭염과 열대야의 증가에 따른 영향은 사회적, 경제적, 나아가 건강적 문제를 초래하고 있어 이에 관한 연구의 중요성이 부각되고 있다. Schlenker and Auffhammer (2018)는 온난화가 노동 생산성과 경제 성장에 미치는 영향을 중점적으로 논의한 바 있으며, Gasparrini et al. (2017)은 기온이 급격히 상승할 때 심혈관 질환, 호흡기 질환, 탈수, 열사병 등과 같은 건강 문제의 발생률이 높아질 것이라고 보고하였다.

국내에서도 2018년 폭염을 자연재난으로 지정하고, 폭염 피해의 예방 및 경감 조치를 하는 등 폭염에 대응하여 국민의 안전과 건강을 지키기 위한 노력들을 지속적으로 추진해오고 있다. 또한, 보건, 교통, 환경 등의 다양한 분야에 걸쳐 폭염이 미치는 영향에 관한 연구들이 수행된 바 있다. Na et al. (2024)은 사물인터넷 기상관측센서, 열화상 카메라와 온도계를 이용하여 폭염 기간 도심 환경 조건에 따른 기온과 노면온도의 변화 특성을 분석하였다. Yang et al. (2019b)은 청주시를 대상으로 폭염 시 도로관리 우선지역 및 사고발생 위험가능지역을 산출하였으며, Baek and Lee (2024)는 폭염 지속성과 풍속이 온열질환자 발생에 미치는 영향을 제시하였다.

이처럼 최근 10년간(2011~2020년) 국내 폭염 관련 연구의 목적은 폭염이 미치는 영향을 관측 및 평가하여 이에 대응하는 연구가 주로 이루어지고 있음을 보고하였다(Baek and Kwon, 2021). 특히, 관측의 경우 위성영상을 기반으로 기온을 추정 또는 공간적 상관성을 분석하거나(Kim et al., 2020a; Lee et al., 2020), 종관관측시스템(Automated Synoptic Observing System, ASOS) 자료를 활용한 열섬효과의 강도와 폭염 발생 빈도의 장기간 경향성을 분석하는(Choi and Lee, 2019; Park et al., 2023) 등의 연구가 증가하는 추세이다. 하지만 위성 자료는 특정 시간에만 데이터를 수집할 수 있어 하루 중 다양한 시간대의 온도 변화를 실시간으로 추적하기 어렵고, ASOS 자료는 조밀한 관측망을 구축하고 있지만 도시 내부와 같은 작은 규모의 미세한 기온 변화를 포착하는 데 어려움이 있으며 지표면 온도를 측정하지 못하는 한계가 존재한다. 따라서 기온과 노면 온도 정보를 동시에 수집할 수 있고 현장 측정 데이터로써 보완적 활용이 가능한 차량 관측 기반의 폭염 또는 열대야 관측 플랫폼이 더욱 필요한 실정이다.

2018년과 2019년의 폭염 기간 서울 도심의 노면온도와 기온에 미치는 열적 환경 및 일변화 특성을 이해하고자 이동형 관측 차량의 자료를 활용한 연구 결과가 있으나(Kim et al., 2019; 2020b), 주로 주간을 대상으로 여름철 도로 위험 요소의 관점에서 분석이 이루어졌다. Oh et al. (2022)이 일별 사망자료와 기상 자료를 이용하여 도시지역의 열대야 현상과 사망위험 간 연관성을 분석하는 등의 연구가 진행 되고 있지만 폭염의 관심도에 비해 열대야 관련 연구는 부족한 실정이다. 또한, 최근 연구에 따르면, 야간 고온 현상인 열대야가 주간 고온 현상만큼 건강에 부정적인 영향을 미칠 수 있다는 결과가 제시되었다(He et al., 2024). 이처럼 열대야 연구는 생명 및 보건 분야에 있어서도 중요한 주제이며, 그 심각성을 고려할 때 열대야에 대한 보다 심층적인 연구가 필요하다.

서울, 대구와 같은 대도시뿐만 아니라 강릉은 지리적 특성 및 해안과의 인접성 등이 복합적으로 작용하여 열대야 발생 빈도가 전국에서도 높은 수준이며, 2024년 여름에는 밤최저기온의 최고값이 31.4°C를 기록하는 등 기상 관측 역사상 가장 높은 최저기온 기록을 경신했다(Korea Meteorological Administration, 2024). 이는 강릉이 여름철 극심한 더위에 취약하다는 것을 시사하며, 야간의 열대야 현상에 대한 보다 실증적인 관점에서 기상학적 분석이 요구된다. 따라서 본 연구에서는 2022년 8월 4일 밤과 5일 새벽 사이에 발생했던 강릉 도심의 열대야 사례에 대해 차량 관측 기반의 온도 센서를 이용하여 특별관측을 수행하였던 자료를 활용하였다. 또한, 현업 모델의 분석장을 통합 이용하여 바람의 패턴 변화 등 주변 상세 기상 특성이 열대야 강도에 미치는 영향을 주로 미세규모의 국지 흐름 관점에서 분석하였고, 더불어 지형, 기하구조, 인공열 등의 도심 환경에 따른 기온 및 노면온도 변화 특성을 알아보고자 하였다.

2.1. 연구 지역

본 연구는 Fig. 1과 같이 강릉시의 주요 도심과 교외 지역의 도로를 연구 대상으로 하였다. 강릉은 강원특별자치도 3대 도시 중 하나이며, 동해안에 접하는 영동 지방의 최대도시이다. 인구는 약 21만명(2023년 기준)에 불과하지만 관광 도시로 여름 피서철에는 600~800만명이 방문하는 특징을 보인다. 기상청의 기후 자료에 따르면 강릉은 여름철 덥고 습한 아열대 기후를 보이며, 가장 더운 8월의 30년(1991~2020년) 평균 일최고기온과 일최저기온은 각각 28.6°C와 21.9°C를 나타냄을 보고하였다(KoreaMeteorological Administration, 2021).

Figure 1. Map of the study area. The red box and grey horizontal line correspond to the local data assimilation and prediction system (LDAPS) domain and vertical cross-section in Figs. 10 and 11, respectively. The right magnified map corresponding to the small black box in the left figure shows the locations of representative road points (P1: Gyeonggang-ro, P2: Seongdeokponam-ro, P3: Ibam-ro, and P4: Imnyeong-ro) and the Automated Synoptic Observing System (ASOS): GN ASOS site. The green and sky blue color shadings in the right map denote forest lands and local rivers, respectively. The observation route follows the order of the road spots in Table 1.

국립기상과학원의 이동형 관측 차량은 2022년 8월 4일과 5일 사이 강릉 도심 주변의 주요 도로 경로를 따라 운행하면서 관측 자료를 수집하였다(Fig. 1, Table 1). 관측 경로상 강릉 도심 한가운데를 북동 방향으로 가로지르는 남대천을 기준으로 위쪽으로는 중앙동, 옥천동, 포남1동의 상업 구역 지역이며, 아래쪽으로는 성덕동, 강남동의 주거 구역 지역에 해당되며 두 구역 모두 강릉 시내권에 속해있다. 강릉(Gangneung, GN) 종관관측시스템(ASOS)에서 출발하여 도심 북부권의 끝단인 강릉경찰서(police office)를 지나 남부권의 주요 도로 지점들을 이동한 후 남산교(Namsan bridge)를 건너 다시 출발 지점으로 복귀하는 경로로 이동관측을 수행하였다.

Table 1 . Summary of observed road spots.

Road spots	Latitude (°N)	Longitude (°E)	Remarks
GN ASOSa)	37.751533	128.890930	–
Bank of Korea	37.753126	128.893190	Traffic light
Okcheon 5-way	37.756439	128.898766	Roundabout
KTX 6-way	37.762906	128.900541	Roundabout
GN KTXa)	37.764543	128.899543	–
Police office	37.768567	128.907012	–
Ponam bridge	37.764773	128.912776	Open sky
One mart	37.760464	128.917667	–
Seongdeok oilbank	37.749793	128.912456	–
U-Wash	37.746268	128.911213	Roundabout
Hanaro mart	37.742913	128.896382	–
Namsan bridge	37.749907	128.895835	Open sky

^a) Locations where fixed weather sensors are installed..

이동경로 주변의 환경을 대표할 수 있는 주요 도로 지점(P1~P4)은 Fig. 1에 표시하였으며 관련 도로 사진은 Fig. 2에 제시하였다. P1은 도심의 가장 중심부에 위치하며 교통 통행량이 가장 많은 구간이며, P2는 도로 폭이 상대적으로 좁으며 주변으로 건물들이 밀집해 있는 특성을 보이고 있다. P3는 숲이 우거지고 가로수가 많이 분포해 있는 구간이며, P4는 도로 폭이 넓으며 개방된 하늘과 교량의 특성을 대변할 수 있는 도로 구간에 해당된다.

Figure 2. Four road points (P1 to P4) around Gangneung City center. Each road corresponds to the closed circle with a separate color marked in Fig. 1.

2.2. 연구 자료

강릉 도심의 열대야 연구를 위해 본 논문에서는 야간 시간대의 반복적인 이동관측이 가능하며, 다수의 검증자료 확보가 가능했던 2022년 8월 4일부터 5일까지 이틀간의 여름철 특별관측 자료를 활용하였다. 이동형 관측 차량의 자료는 온·습도 센서와 도로기상 센서를 포함한 장비를 통해 생성되며, 장비의 설치 위치 및 자료에 관한 상세정보는 Fig. 3(a)와 Table 2에 각각 제시하였다. 먼저, global navigation satellite system(GNSS) 안테나는 미국 Trimble 사에서 제작된 Zephyr Geodetic II 모델로써 위치 및 고도 정보 습득이 가능하다. 이밖에 지상 기온 및 상대습도는Vaisala의HMP155 센서를 이용하여 관측되며, 노면온도는 동일 사의 DSP101 적외 센서 측정을 통해 1초 간격으로 데이터로거에 수집된다. 또한, Kipp & Zonen 사에서 제조한 CMP6 모델의 전천일사계(pyranometer)가 차량 후면부 지붕 위에 탑재되어 일사량 자료 확보가 가능하다. 터널 등 위치 정보 자료의 결측값은 선형 내삽 방법을 이용하여 보간하였으며, 기본적인 품질 검사 알고리즘은 이동형 차량 관측 기반의 후처리 기법을 활용하였다(Park et al., 2017).

Figure 3. Photographs of the vehicle-based instruments and nearby static observation sites: (a) Gangneung Automated Synoptic Observing System (GN ASOS) and (b) portable weather equipment installed across the street from Gangneung station.

Table 2 . Overview of the observational instruments used.

	Instrument	Variables	Manufacturer (Model)
Vehicle platform	GNSS antenna	Geolocation, altitude	Trimble (Zephyr Geodetic II)
	Temperature/humidity probe	Air temperature, relative humidity	Vaisala (HMP155)
	Road weather sensor (IR)	Surface temperature	Vaisala (DSP101)
	Pyranometer	Solar radiation	Kipp & Zonen (CMP6)
GN ASOS (fixed)	Temperature sensor	Air temperature	Jinsung ENG (JS-RTD100)
	Wind direction/speed sensor	Wind direction, wind speed	Jinsung ENG (JS-WD2081, JS-WS2082)
GN KTX (fixed)	Temperature sensor	Air temperature	Jinyang (JY100829)

또한, 도로 주변 환경 및 지형적 특성을 고려한 열지도(thermal mapping) 분석을 위해 정부 부처의 여러 기관에서 제공하는 벡터 형식의 공간지리 정보 데이터를 담고 있는 디지털 지도(shapefile) 자료를 활용하였다. 도로, 읍면동 경계, 강/호수 자료는 행정안전부의 주소기반산업지원서비스포털(https://business.juso.go.kr)을 통해 수집되었다. 산지 구분 정보는 국토교통부의 디지털 트윈국토포털(https://www.vworld.kr)의 전국 단위의 연속지적도 자료를 이용하였고, 터널 및 교량 정보는 한국교통연구원의 국가교통DB포털(https://www.ktdb.go.kr)의 도로망 자료를 활용하였다. 위에서 수집된 자료들은 파이썬 버전 3.8.10의 geopandas 모듈을 이용하여 Fig. 1의 오른쪽 그림 등과 같이 표현될 수 있으며, 본 연구 지역내의 열지도와 중첩하여 표출함으로써 분석에 활용하였다.

한편 연구 지역에서 이동형 관측 차량의 현장 측정값과의 비교·검증을 위해 Fig. 3과 같이 강릉 종관관측시스템(ASOS)과 강원지방기상청에서 강릉역 인근에 임시 설치한 이동형 기상관측장비의 1분 평균 기온 자료를 활용하였다. 두 관측소의 온도 센서를 포함한 기상 센서에 대한 장비 모델명은 Table 2에 제시하였다. 또한, 주변 상세 기상장 분석을 위해 현업 국지 모델 중 수평해상도가 가장 높은(1.5 km) unified model (UM)의 local data assimilation and prediction system (LDAPS) 분석장 자료를 추가 활용하였다.

2.3. 연구 방법

이동형 관측 차량의 센서로부터 관측된 자료의 품질을 확인하고 고정 관측소 장비의 정확성을 파악하기 위해 강릉 도심의 열대야 발생기간 주요 도로의 열지도 표출을 위해 차량 관측 기반의 온도 센서를 활용하여 이동관측을 수행하였다. 주변 차량의 엔진열에 의한 영향을 최소화하고자 차간 거리를 유지하였으며, 신호등 구간을 제외하면 시속 30 km 이하로 정속주행하였다. 이동관측 자료는 야간 시간대인 8월 4일 22시부터 8월 5일 03시까지 총 5회 반복 관측을 통해 수집된 후 열대야 분석을 위해 활용되었다. 폭염 시간대의 온도 특성과 비교를 위해 8월 4일 11시부터 17시까지 주간에 동일 횟수로 이동관측한 자료도 추가적으로 이용하였다. 1회당 이동관측 시간은 강릉역 인근에서 10분간의 고정관측을 포함하여 약 45분 소요되며, 이후 강릉 ASOS 관측소에서 15분간의 비교관측을 포함하면 약 1시간의 주기를 갖고 반복 관측을 수행하였다(Table 3).

Table 3 . Summary of observation times during the analysis period.

Date	Start time (KSTb))	End time (KST)	Static timec) (KST)
			GN KTX	GN ASOS
4 August 2024 (Daytime)	11:00	11:45	11:12–11:20	11:45–12:00
	13:00	13:43	13:09–13:20	13:43–14:00
	14:00	14:43	14:11–14:20	14:43–15:00
	15:00	15:45	15:10–15:20	15:45–15:55
	15:55	16:25	–	–
4~5 August 2024 (Nighttime)	22:00	22:45	22:09–22:19	22:45–23:00
	23:00	23:46	23:09–23:19	23:46–00:00
	00:00	00:45	00:09–00:19	00:45–01:00
	01:00	01:45	01:09–01:20	01:45–02:00
	02:00	02:45	02:09–02:20	–

^b) Korea standard time, ^c) Static observation period..

강릉 도심 지역의 기온이 인근 교외지역과 차이가 있을 것이라 가정하고 Hong et al. (2021)에서 활용하였던 도시열섬 강도(urban heat island intensity, UHII)를 아래의 식(1)과 같이 계산하였다. 또한, 인공열 또는 주변 기상 조건이 열대야의 가속화 정도에 미치는 영향을 분석하고자 열대야 강도(tropical night intensity, TNI)를 식(2)와 같이 정의하였다.

여기서 TA_vehicle (urban)는 Fig. 1의 남대천을 기준으로 북부권 도심의 이동관측 회차당 평균 기온(°C), TA_vehicle (suburban)는 남부권 교외 지역에서 관측된 차량의 평균 기온(°C)을 각각 의미한다. 또한, TN threshold는 기상청의 열대야 임계 기준 온도인 25°C를 적용하였다.

한편 LDAPS 분석장은 연구 지역 주변의 상세 기상장 분석에 활용하였다. 모델의 연직 좌표계는 복잡한 지형이 있는 하층 경계 부근에서 발생하는 기압 경도력 계산 오차를 줄이기 위해 에타(η) 좌표계(또는 step-mountain coordinate)를 사용하였다(Mesinger et al., 1988). 10 m고도에서 u, v 자료를 이용하여 수평 바람장을 계산하는데 사용하였으며, 아래의 식(3)과식(4)와 같이 수증기 수송(moisture transport)과 수분속 발산(moisture flux divergence)장 산출에도 활용하였다(Wallace and Hobbs, 2006).

여기서, q와 $\overrightarrow{V}$는 10 m 고도의 비습(specific humidity)과 수평 바람을 나타내며, u와 v는 동서방향과 남북방향의 바람 성분을 각각 의미함으로써 LDAPS 산출 변수이다. 수증기 수송은 각 방향으로 수증기가 이동하는 양을 대변하는 인자이다. 수분속 발산은 시간당 수분 속도벡터의 변화를 나타내며 값이 음수이면, 해당 지역에서 수분이 수렴하고 있다는 것을 의미한다. 위 두 변수는 열대야가 발생하는 지역의 수분 환경과 TNI를 평가하는 데 활용하였다.

3.1. 자료 검증

이동형 관측 차량의 센서로부터 관측된 자료의 품질과 신뢰성을 확인하고자 2022년 특별관측기간 동안 강릉 ASOS 관측소(GN ASOS) 장비와 강릉역 인근(GN KTX)에 임시 설치된 기상관측센서의 자료를 활용하였다(Fig. 1, Table 1). 검증 시간은 2개의 고정관측소 기상센서의 시간 해상도(1분)와 일치하지 않는다는 점을 고려하여 차량관측의 원시 자료(1초 해상도)를 직접 쓰는 대신 1분 간격으로 평균하여 고정관측소 시간과 일치하는 값을 비교하였다. 이동형 관측 차 량이 2개의 고정관측소에 정차하였던 시간대에서 기온 값의 산포도(scatter plot) 분석 결과는 Fig. 4에 제시하였다. GN KTX 관측소는 야간 시간대에 배터리 전압 불안정으로 인한 자료 오류가 발생하여 8월 4일 주간 자료만을 사용하였으며, GN ASOS 관측소는 주·야간 통합자료를 분석에 활용하였다. GN ASOS와 이동형 관측 차량으로부터 측정된 기온의 산점도는 파란색으로 표시하였으며, GNKTX 관측소의 비교·검증 결과는 오렌지색 점으로 나타냈다(Fig. 4).

Figure 4. Scatter plots of air temperatures from two fixed stations (GN ASOS and GN KTX) and vehicle-based sensor, as shown in Fig. 3. The blue and orange dashed lines denote the linear regression lines for the GN ASOS and GN KTX datasets, respectively. The black dashed line represents the 1:1 reference line.

GN ASOS 관측소에서 산포도 분석의 경우, 파란색 선형회귀선을 기준으로 산점도가 오른쪽으로 치우쳐서 다수 분포하는 특징을 보였고 결정계수(r²)와 평균제곱근오차(rootmean square error, RMSE)는 각각 0.88과 1.11°C를 나타냈다. 표본의 개수(263개)가 적지 않음에도 불구하고 기울기(slope)가 0.78의 완만한 경사를 보였던 점은 각 관측회차(시간대)별 GN ASOS 기온값 대비 이동형 관측 차량의 기온값의 변화가 크게 나타났던 것을 의미한다. 이는 Fig. 3과 같이 지면이 잔디인 GN ASOS 관측소와는 다르게 노면 재질이 아스팔트인 이동형 관측 차량의 기온이 전반적으로 높았던 것으로 판단되며(Armson et al., 2012), 8월 4일 낮최고기온 또한 37.8°C로 35.6°C인 GN ASOS보다 2.2°C 높게 관측되었다.

한편, GN KTX 관측소의 산점도를 그려보면 비록 표본의 개수가 충분하지 않았지만 선형회귀선 기울기의 편향성이 개선되는 특징을 확인할 수 있었다. 즉, GN KTX 관측소의 노면재질이 아스팔트로 동 일하여 두 기온간 산포도의 선형성에 영향을 미친 것으로 해석된다. 지금까지 전체 비교 자료를 대상으로 기온의 산포도 분석을 수행한 결과, 유의한 수준의 검증 결과를 확인할 수 없었지만 강릉 도심 도로의 이동관측 환경에서 기온의 증감 경향 및 상대적인 공간분포 분석 등에는 활용 가능할 것으로 판단된다.

3.2. 종관 분석

본 연구에 선정된 열대야 발생 사례에 대해 종관 특성 분석을 수행하였다. Figs. 5(a, b)는 2022년 8월 4일 21시의 200 hPa과 850 hPa 고도의 고층 일기도를 각각 보여주고 있다. 먼저 200 hPa 일기도 상에 티베트고기압이 한반도로 확장하는 모습을 볼 수 있으며(Hsu et al., 1999), 지위고도 역시 12480 gpm이상인 것으로 보아 중국으로부터 뜨거운 공기가 한반도 상공으로 유입되는 것으로 유추된다. 850 hPa 고도의 18°C 이상 기온 구역이 일본 해상까지 넓게 분포하고 있어 몽골 지표가열에 의한 고온 하강류가 유입될 수 있었다. 또한, 850 hPa 일기도에서는 동해상으로 고기압의 세력이 유지하고 그 가장자리를 따라 고온다습한 남서류의 흐름을 확인할 수 있었다.

Figure 5. Image from the Korea Meteorological Administration: (a) 200 hPa, (b) 850 hPa, (c) surface weather charts at 2100 KST on August 4, and (d) spatial distribution of daily minimum air temperature on August 5, 2022.

한편, 지상일기도를 살펴보면 남고북저형의 기압배치에서 북태평양 고기압 가장자리를 따라 고온다습한 남풍류가 유입되고(Fig. 5c), 한반도가 안정한 북태평양고기압 영향권에 놓이게 되면서 강한 일사로 인한 지면 가열이 더해질 수 있었다. 이처럼 대기 하층부터 상층까지 견고한 고기압은 열기를 가두며 본 사례 기간 동안 열대야를 가속화 시킬 수 있는 종관 조건을 형성하였다. Fig. 5(d)는 기상청에서 운영중인 AutomaticWeather System (AWS)으로부터 생산되었으며 1.5 m고도에서 일최저기온의 공간 분포를 보여주고 있다. 관측된 기온은 한반도 777개의 지상 AWS를 이용하여 내삽되었다. 기온의 수평분포는 한반도의 내륙과 해안 지역의 뚜렷한 차이를 보여주고 있으며, 본 연구 지역인 GN ASOS 관측소에서 일최저기온의 전국 최고값(29.2°C)을 기록하였다.

Fig. 6은 일최저기온의 최고값을 기록했던 GN ASOS 관측소에서 2022년 8월 4일 주간과 5일 새벽 사이 10 m 고도의 풍속(녹색 실선)과 풍향(파란색 점)을 비롯한 1.5 m 고도의 기온(빨간색 굵은 실선)에 대한 시계열 분포를 보여주고 있다. 흥미롭게도 기온의 일변화 특성은 풍계의 변화와 밀접한 관련이 있는 것으로 나타났다. 8월 4일 13시 50분경 낮최고기온(35.6°C)을 기록한 이후 해풍에 의한 동풍의 영향으로 최고기온이 많이 올라가지 못하고 주춤하다가 8월 5일 자정(일최저기온 29.2°C 기록)을 기점으로 남서풍 계열의 바람이 강해지면서 열대야의 기준(일최저기온 25°C 이상)을 많이 웃도는 기온 상승 구간을 확인할 수 있었다.

Figure 6. Time series of air temperature (left axis: red solid line), wind speed (right inner axis: green solid line) and wind direction (right outer axis: blue colored dots) at the GN ASOS site from 10:30 KST on August 4 to 06:00 KST on August 5, 2022.

밤사이 남서류의 따뜻하고 습윤한 공기가 지속적으로 공급되고 빠져나가지 못한 채 주간의 강한 일사까지 더해지면서 8월 5일 GN ASOS 관측소는 전국에서 가장 높은 체감기온(37.0°C)을 기록하였다. 최고체감기온은 습도를 반영하기 때문에 국지적으로 최고기온보다는 최고체감기온이 높아진 것으로 판단된다. 주변 바람 환경의 초점은 풍속과 풍향이며, 이는 지역의 가장 가까운 경계 조건을 형성한다(He et al., 2019). 이러한 관점에서 GN ASOS 관측소 환경은 Fig. 3(a)에서도 확인할 수 있듯이 도시 형태적 특성에 영향을 덜 받는 개방적 공간이기 때문에 해당 관측소의 국지풍을 대표 바람으로 선택할 수 있었다.

3.3. 도심 환경에 따른 노면온도 및 기온 특성

Fig. 7(a)는 특별관측기간GNASOS에서 일최고기온이 나타났던 시간대(13:00-13:40 KST)에서 노면온도의 공간분포를 보여주고 있으며, 해당 변수는 이동형 관측 차량의 앞 범퍼 하단에 부착된 적외 센서를 이용하여 지면과 가까운 위치에서 측정된다. 상가, 빌딩 등이 밀집해 있는 강릉 도심 보다는 남부권의 교외 구간에서 노면온도가 높은 경향성을 나타냈으며, 남산교를 지나 GN ASOS 관측소 사이의 제방길 도로 구간에서 노면온도의 최고값(53.8°C)을 기록하였다. 노면온도의 공간 분포 차이가 발생했던 이유는 도심 주변 환경의 차이에 기인한 결과로 판단된다. 즉, 임영로(Fig. 1의 P4 지점) 등의 교량이나 남부권 교외 도로와 같이 개방된 하늘(open skies) 구간에서는 노면온도가 높게 나타난 반면 높은 건물들이 밀집해 있는 도심 구간에서는 상대적으로 낮은 노면온도 분포를 보였다.

Figure 7. Spatial distributions of (a) road surface temperature and (b) solar radiation from vehicle platform observations during the hottest daytime (13:00–13:40 KST) on August 4, 2022. The red and blue triangles denote the locations where the maximum and minimum values of each variable occurred. The upper left legend in Fig. 7a represents different administrative district boundaries.

특히, 포남교와 원마트 사이의 도로 구간에서는 가장 낮은(28.6°C) 노면온도를 기록하였으며, 전체 구간 평균값(45.8°C)에 비해서도 약 10°C 낮은 노면온도 분포 경향을 나타냈다. 이러한 노면온도의 감소 구간은 이동형 관측 차량의 전천일사계로 관측된 태양 복사량의 감소 구간과 잘 일치한다(Fig. 7b). 최저 일사량(182 W·m–2)이 나타났던 지점도 노면온도가 가장 낮았던 원마트 인근에 위치하였다. 원마트 북동쪽 방면의 산지 지형(Fig. 7의 녹색 채색)과 도로 주행 방향의 가로수, 아파트 등의 차폐 영향으로 다른 구간에 비해 일사량이 낮았던 것으로 판단되며, 나아가 노면온도에도 영향을 미쳤던 것으로 사료된다. 또한, 한국천문연구원의 천문우주지식정보포털(https://astro.kasi.re.kr)에 의하면 연구 지역의 중심인 강릉역 기준, 13시 태양 고도(68.9°) 및 방위각(199.5°)이 하루 중 가장 높아 일부 구간을 제외하고는 입사하는 태양 복사에너지의 양이 균일한 것을 확인할 수 있었다. 관측 당시 구름의 영향이 거의 없었음(운량 2할 미만, 운저고도 8 km 이상)에도 불구하고 북부 시내 구간에 노면온도 분포가 상대적으로 낮았던 점은 상가 및 높은 건물들이 밀집해있어 그늘효과로 인해 도로 노면의 온도를 많이 상승시키지 못했던 것으로 해석된다.

다음으로 낮최고기온과 밤최저기온이 발생했던 시간대의 기온 특징을 비교해보고자 Fig. 8과 같이 열지도(thermal mapping) 분포를 분석하였다. 한국은행 통과 이전 경강로 인근에서 주간 관측 최고기온(36.2°C)을 기록하였는데, 이는 강릉 ASOS 낮최고기온(35.6°C)보다 0.6°C 높은 것으로 기록되어 전반적으로 강릉 시내에서 관측한 기온이 대표관측소 보다 높음을 알 수 있었다(Fig. 8a). Fig. 2에서도 확인할 수 있듯이 경강로 구간(Fig. 1의 P1 지점)은 차량 통행량도 많으며 주변에 높은 건물들이 다수 존재하였다. 즉, 남고북저형의 기압배치에서 해당 시각부터 남서류의 바람이 남대천을 통과하면서 강릉 시내로 유입되는 출입구로써 난기가 수렴되었고, 주변 차량의 엔 진열까지 더해지면서 주위보다 높은 기온분포를 나타낸 것으로 사료된다. 반대로 기온이 가장 낮았던(31.6°C) 입암로 구간(Fig. 1의 P3 지점)은 Fig. 2와 같이 주변에 산지와 가로수가 많아 주행 차로에 그늘이 넓게 분포하는 등 열 저감 효과가 크게 나타난 것으로 보인다. 또한, 나무는 수분을 증발시키면서 주변 공기를 시원하게 만드는 증산 효과를 통해 해당 구간의 기온을 낮추는 데 기여한 것으로 추정된다(Loughner et al., 2012).

Figure 8. Spatial distributions of air temperature during the (a) hottest daytime (13:00-13:40 KST) and (b) coolest nighttime (22:00-22:45 KST) on August 4, 2022. The color bar and quiver scale in Fig. 8b indicate the temperature range with different scales and wind speed magnitude.

Fig. 8b는 밤최저기온이 발생했던 시간대에 이동형 관측 차량으로부터 관측된 기온 분포를 보여주고 있다. 주간 관측 결과와 비교하여 남대천을 기준으로 북부 시내권과 남부권의 기온 경도(최대 3.8°C의 기온차)가 더욱 뚜렷해진 것을 확인하였다. 이는 낮에 발생된 폭염의 영향(특보 발효)으로 도심에 갇혀있던 열 또는 인공열은 많이 빠져나가지 못하였고, 주간에 기온이 올랐던 남부권 일부 구간에서는 해가 지면서 비교적 균일한 기온 분포를 보였던 것으로 판단된다. 열대야 기준을 충족하였던 최저 기온(25.7°C)은 주간에 나타났던 지점(입암로 구간)과 가까운 곳에서 발생하였고, 주간과는 다르게 포남교를 건너기 이전 성덕포남로 구간에서 최고 기온(29.5°C)을 기록하였다. Fig. 2에서도 확인할 수 있듯이 성덕포남로 구간(Fig. 1의 P2 지점)은 도로폭이 상대적으로 좁고 주변 차량과 건물들의 영향을 받기 쉬운 도로 환경을 보여주고 있어 기온 상승의 호조건을 형성할 수 있었다. 게다가 이 구간은 주풍향(남서풍 계열) 바람과 직교하는 방향으로 도 로가 위치함으로써 주위가 개방된 남대천을 따라 따뜻한 공기가 수렴되어 주위 시내권 구간 보다 최대 1°C 높은 기온을 나타낸 것으로 보여진다.

3.4. 차량 온도 센서 기반 열대야 탐지

차량에 탑재된 온도 센서를 이용하여 2022년 8월 4일 밤과 5일 새벽 사이에 발생했던 열대야 사례에 대해 총 5회의 야간 관측을 수행하였다(Table 3). Figs. 8(b)와 9는 각 관측 시간대별 강릉 도심과 교외 지역의 기온 분포 경향을 보여주고 있다. 흥미롭게도, 시간이 지날수록 시내권과 남부권 모두 기온이 상승하는 특징을 나타내며 열대야 강도(TNI)도 강화되는 현상을 탐지할 수 있었다(Table 4). 또한, Fig. 8(b)와 같이 초기 시각 도심과 교외 지역의 뚜렷한 기온 경도(최대 3.8°C) 경향은 점차 완화되면서 마지막 관측 시간대(02:00~02:45 KST)에는 최대와 최소 온도 차이가 1.9°C를 나타냈으며, 남부권도 TNI가 4.3°C를 기록하면서 열대야가 가속화되었다(Fig. 9d). 난기가 수렴되는 성덕포남로와 포남교 사이 구간과 강릉 KTX역 인근 도로는 열대야 취약 구간으로 밝혀졌으며, 지형적인 요인으로 입압로 구간은 모든 관측 시간에서 가장 낮은 기온을 기록하는 일관된 특징을 보였다.

Figure 9. Thermal mappings of air temperature with 10 m horizontal wind field at (a) 23:00–23:46 KST on August 4, (b) 00:00–00:45 KST, (c) 01:00–01:45 KST, and (d) 02:00–02:45 KST on August 5, 2022. The color bar and quiver scale indicate the temperature range and wind speed magnitude.

Table 4 . Summary of observed urban heat island intensity (UHII) and tropical night intensity (TNI).

Observation cycle (Timed), KST)	TAvehicle (urban)	TAvehicle (suburban)	UHII (°C)	TNI (°C) (urban)	TNI (°C) (suburban)
1st (22:00-22:45)	28.8	27.0	1.8	3.8	2.0
2nd (23:00-23:46)	29.1	27.7	1.4	4.1	2.7
3rd (00:00-00:45)	29.3	28.6	0.7	4.3	3.6
4th (01:00-01:45)	29.7	29.1	0.6	4.7	4.1
5th (02:00-02:45)	29.8	29.3	0.5	4.8	4.3
Total average	29.3	28.3	1.0	4.3	3.3

^d) Time period observed between August 4 and 5, 2022..

인공열이 TNI에 미치는 영향을 분석하고자 식(1)과 같이 도시열섬 강도(UHII)를 계산하였다. 남대천을 가로지르는 포남교와 남산교를 중심으로 북부 시내권과 남부 교외권역을 분리한 후 야간 시간대별 평균 기온차를 Table 4와 같이 UHII로 제시하였다. 시내권과 교외권 모두 밤 10시부터 새벽 시간대까지 평균 기온이 점차 상승하였고, TNI 또한 강화되는 것을 정량적으로 확인할 수 있었다. 반면에, UHII는 8월 4일 22시경 1.8°C로 최대치를 보인 후 점차 약화되다가 8월 5일 새벽 2시경에는 0.5°C까지 하강하는 특징을 나타냈다. 즉, 낮 동안 시내권은 교외 지역에 비해 도심 빌딩숲 효과로 인해 더 많은 열을 축적한데다 인위적인 활동이 지속될 수 있는 밤 10시까지는 UHII가 높았던 것으로 해석된다. 하지만, 이후 시간대에서는 대기혼합 증가, 지형적 특성 등으로 인해 도심과 교외 간의 온도 차이(UHII)가 서서히 감소한 것으로 추정된다.

전형적인 도시열섬 구조를 보이는 서울 등 대도시와 비교하여 강릉은 도시 밀집도와 인공열원이 상대적으로 적기 때문에 UHII와 TNI의 직접적인 연관성은 확인할 수 없었다. 그럼에도 불구하고 강릉과 같은 작은 규모의 도시에서 관측된 평균 UHII가 1°C를 기록하였던 점은 간과할 수 없는 이슈이며, 미국과 중국에서 관측과 수치모델을 활용한 선행 연구들(Basara et al., 2010; Yang et al., 2019a)의 결과와 필적할 만한 수준이다. 뿐만 아니라 새벽 1시 이후에도 도심과 교외 지역 모두 평균 기온이 29°C 이상을 유지, TNI도 4°C 이상을 기록하는 등 열대야 현상이 가속화 되었던 점은 주목할 만한 특징이다.

3.5. 열대야 강도에 미치는 주변 기상장 분석

강릉의 열대야 강도는 앞서 3.4절에 언급하였듯이 서울과 같은 대도시에서 인공열과 열저장 물질이 열대야를 강화하는 기작과는 다를 것이라 판단하고 지형적 요인과 주변 기상 조건을 추가 분석함으로써 새벽까지 열대야가 강하게 유지되었던 원인을 규명하고자 하였다. 먼저, Figs. 8(b)와 9에 제시한 기온의 수평 분포와 함께 10 m 고도에서 수평 바람장을 추가적으로 분석하였다. LDAPS의 u, v 자료를 이용하여 바람 벡터의 형태로 중첩 표출하였으며 벡터의 크기는 컬러바 상단에 표기하였다.

교외 지역(최저 기온 25.7°C)에 열대야가 발생하기 시작하는 초기 시간대(22:00-22:45 KST)에는 산지 지형과 인접해 있는 내곡동, 강남동, 성덕동에는 약 3 m·s^–1의 남서풍이 불고, 남대천을 지나 시내권을 통과하는 교동, 포남동, 송정동에는 2 m·s^–1 미만의 약한 바람의 영향권을 받았다(Fig. 8b). 이후 야간 3차 관측까지는 남부 산지 인접 지역은 남서풍 계열 바람 패턴이 강도만 점차 증가하였던 반면 북부시내권에는 여전히 2 m·s^–1 미만의 약한 바람이 지속되었다(Figs. 9a, b). 열대야가 절정에 이르렀던 야간 4~5차 관측 시간대에는 흥미롭게도 행정 구역에 따른 바람 벡터 크기의 차이 없이 남서풍 계열의 균질한 바람이 최대 7 m·s^–1까지 강하게 지속되는 특징을 보여주었다(Figs. 9c, d). 결국 연구 지역 내에서의 수평 바람장과 열지도의 중첩 표출 및 해석을 통해 남서풍의 발달 시기, 강도 등이 강릉 지역 열대야를 강화시키는 중요한 요인 중의 하나라는 점을 시사할 수 있었으며, 주변 기상장의 중요성을 단적으로 보여주는 결과이다.

다음으로 국지 규모 관점에서 연구 지역 주변의 상세 기상장 분석을 위해 분석 영역을 확장하였다. 남서풍에 의한 다량의 수증기 유입과 태백산맥 동쪽의 지형적 수분속 수렴 효과를 분석하고자 앞서 연구 방법에서 제시한 식(3)과 (4)를 활용하여 10 m고도에서의 수증기 수송과 수분속 발산을 계산하였으며, 925 hPa 온위와 더불어 Fig. 10과 같이 수평 분포장으로 제시하였다. 분석 결과, 열대야 관측 초기 시간(4일 22시)에 남쪽으로부터 매우 적은 양의 수증기가 연구 지역 내로 수송되었던 반면 5일 새벽 2시에는 0.05 m·s^–1에 해당하는 다량의 수증기가 남서풍을 타고 연구 지역으로 유입되는 것을 확인할 수 있었다. 게다가 수분속 수렴(음의 값)의 강도도 후반부로 갈수록 증가하여 강릉 지역으로 확장하는 특징을 보여주었다(Fig. 10b). 붉은색 박스 서쪽 일부 영역에서는 지형에 의한 차폐로 인해 수증기 수송의 크기가 약화되는 점을 발견하였다. 두 비교 시간대의 925 hPa 온위 분포 범위는 304.8~305.8 K으로써 지상 평균 기온이 28~29°C인 점을 감안하면, 대기는 안정한 상태를 유지하여 공기 정체와 열대야를 강화시킬 수 있는 조건을 형성할 수 있었다.

Figure 10. Horizontal distributions of moisture transport (m s^–1, quiver; vector scale is shown at top of colorbar) and moisture flux divergence (s^–1, color shading) at 10 m altitude along with the 925 hPa potential temperature (K, dashed contour) retrieved from LDAPS reanalysis data at (a) 22:00 KST on August 4 and (b) 02:00 KST on August 5, 2022. The LDAPS domain corresponds to the red box in Fig. 1. The red box in Fig. 10 shows the study area.

Fig. 11은 태백산맥에서 동해안까지 기류의 흐름을 파악하고자 연구 지역을 중심으로 가로지르는 동서 방향의 연직 단면도 그림을 보여주고 있다. 우선적으로 연직 바람 벡터 및 풍속의 세기에 대해 Fig. 10과 마찬가지로 초기와 후반부 시간의 결과를 비교해보면, 눈여겨볼 점은 강풍대의 위치가 서로 다르게 형성되어 있다는 것이다. 4일 22시 태백산맥 정상 부근 위로 약 850 hPa 고도에서 강한 서풍계열의 바람이 존재하였던 것과는 다르게 5일 새벽 2시에는 태백산맥을 넘어가는 기류의 흐름과 동쪽 산사면을 따라 하강하는 위치에 바람의 세기가 강하게 나타나는 특징을 확인할 수 있었다(Figs. 11a, b). 즉, 서쪽 사면에서 남서풍이 태백산맥을 타고 상승 기류를 형성하였고 산맥을 넘어 하강한 기류는 강한 서풍계열로 변하며 강릉 방향으로 이동하였던 것으로 판단된다(Fig. 11b).

Figure 11. Vertical cross-sections (transect 127.6–129.5°E; corresponding to the grey horizontal line in Fig. 1) of (upper panel) wind speed (m s^–1, color shading) and wind vector (vector scale is shown at top left), and (lower panel) air temperature (°C, color shading) and relative humidity (%, dashed contour) obtained from LDAPS at (a, c) 22:00 KST on August 4 and (b, d) 02:00 KST on August 5, 2022. The location of GN ASOS is marked with the small red (or blue) square. The topography is masked in black.

마지막으로 표준 등압면 고도에서 대기의 온·습도 분포에 대한 연직 단면도 분석을 수행하였다. 흥미롭게도 두 관측 시간 모두 태백산맥을 넘어가기 이전과 이후의 기온과 상대습도 분포의 뚜렷한 특징 차이를 발견할 수 있었다(Figs. 11c, d). 산 정상 기준으로 동서간의 온·습도 경도도 강하게 나타나며 서쪽에는 다습한 반면 동쪽 사면으로는 상대적으로 고온 건조한 대기 상태를 보여주고 있다. 특히, 5일 새벽 2시에는 강수는 없었지만 대관령에 상대습도가 96% 이상으로 층운형의 구름층이 존재하였고, 29°C 이상의 고온역이 강릉 ASOS 관측소까지 확장하는 것을 확인할 수 있었다(Fig. 11d). 종합하면, 남서풍이 태백산맥을 넘어 하강하며 단열 압축(또는 가열)되는 푄(Foehn) 효과로 인해 동쪽 사면으로 고온 건조한 대기 조건이 형성되었고(Choi, 2004), 강릉에서는 Fig. 11(b)와 같이 지상에 남서류의 고온 다습한 공기가 지속적으로 유입되면서 열대야가 심화되었던 것으로 해석된다.

본 연구는 차량 관측 기반의 온도 센서를 이용하여 강릉시의 주요 도심과 교외 지역의 도로를 중심으로 열대야를 탐지하였다. LDAPS 자료를 수집하여 수증기 수송과 수분속 발산을 계산하였으며, 연구 지역 주변의 기상 환경과 열대야 강도(TNI)를 평가하는 데 활용하였다. 인공열의 영향을 파악하고자 UHII를 제시하였으나 UHII와 TNI의 직접적인 연관성은 밝힐 수 없었다. 결국, 남서풍의 강도, 다량의 수증기 수송과 수분속 수렴역 확장, 대기 안정도 등 주변 기상 조건과 함께 지형적 요인으로 인한 푄 효과가 강릉 지역의 열대야를 증폭시키는 데 중요하게 작용한 것으로 확인되었다.

본 연구 결과는 열대야의 탐지 성능에 대한 실증적 사례 분석을 통해 차량 관측 기반 온도 센서가 열대야를 조기 진단하는 도구로써 활용될 수 있음을 입증하였다. 그러나, 제한적인 폭염 사례를 대상으로 단일 이동식 플랫폼에 국한된 관측이 이루어졌다는 측면에서 시·공간적인 한계가 존재한다. 따라서, 향후 기상 드론, 열화상 카메라(Lee et al., 2018) 등 다양한 원격 장비를 통합 활용하고 연구 결과의 적용범위를 확대하여 분석한다면, 보다 폭넓은 검증 환경에서의 열대야 모니터링 및 지자체 대응에 실질적으로 활용될 수 있을 것이다.

열대야 완화를 위한 정책 수립 시 관리 대책의 우선순위 선정에 본 연구 결과는 중요한 기초 자료로 사용될 수 있을 것이다. 예를 들어, 난기가 수렴되는 성덕포남로와 포남교 사이 구간과 같이 열대야 취약 구간을 식별하고, 해안 바람길 확보, 녹지 확대 등 지형적 기상 조건에 맞는 기류 조절 대책을 우선적으로 적용하는 방안을 제시할 수 있다. 특히 열대야에 취약한 계층이 밀집해 있는 지역을 대상으로 실제 체감온도를 고려한 열저감 대책(가로수, 쿨링포그 등)을 수립하고 열환경 개선을 위한 정책적 활용에 기여할 것으로 기대된다.

이 논문은 기상청 국립기상과학원 「기상업무지원기술개발연구」“재해기상 목표관측·분석·활용기술 개발”(과제번호: KMA2018-00123)의 지원을 받아 수행되었습니다. 그리고 특별관측에 참여해주신 강원지방기상청의 김희원, 추영옥 주무관과 이기영 연구원에게 감사드립니다.

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