공간통계 기법을 이용한 서울시 지표면온도 모델링: 온도와 인구변수 간의 공간적 분포를 고려한 회귀모형분석
Modeling Land Surface Temperature Using Spatial Statistical Methods: A Regression Modelling Approach to Analyzing Spatial Patterns Between Temperature and Demographic Data in Seoul, South Korea
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 인구통계지표와 지표면 온도간의 수치적인 관계에 대해 분석하고자 한다. 원격탐사기법을 이용하여, Landsat 7 ETM+ 영상으로부터 지표면온도를 추출하였고, 또한 집계구 통계자료를 이용하여 도시의 지표면온도 상승에 영향을 줄 수 있는 변수로 단위면적당 사업체 종사자 수와 인구밀도로 선정한 후, 지표면 온도와 이들 변수간의 선형회귀분석을 하였다. 먼저, OLS회귀분석을 실시하였으나, 결과가 OLS의 가정에 위배되어 공간회귀모델을 이용하여 분석하였다. 최종적으로 Spatial error model이 지표면온도와 인구변수와의 관계를 해석할 수 있는 최적모델로 선정되었고, 해당 모델 결과를 이용하여 추정회귀계수 분석과 잔차분포분석을 진행하였다. 그 결과 지표면 온도는 인구변수와는 양의 관계가 있었으며 구체적으로 종사자수밀도가 10% 증가할 때 지표면 온도는 0.095% 증가하고, 인구밀도 10%가 증가할 때 지표면온도는 0.085%가 증가함을 보여 주었다. 하천과 산지 더미변수는 자연환경변수가 회귀모형에 과대추정을 하는데 영향을 주는 것을 통제하고자 추가하였으며, 지표면온도와는 음의 상관관계가 있음을 확인하였다. 또한, 잔차의 표준편차가 2.5이상인 지역은 지표면 온도가 상대적으로 높은 곳으로 특수시설지역(군시설, 공항, 주차장, 철도차량기지)이었고, 표준편차 –2.5이하 지역은 온도가 상대적으로 낮은 자연지역인 산지와 하천지역에 해당하는 것을 보여주었다.
Abstract
This study analyzes the relationship between demographic data and land surface temperature (LST) in urban areas using statistical approach. Remote sensing techniques, LST values were used to derive from Landsat 7 ETM+ imagery, while demographic variables—such as employment density and population density—were incorporated from census output area data. Initial modeling with ordinary least squares (OLS) regression was found to be unreliable due to assumption violations, prompting the adoption of a spatial regression approach. The spatial error model ultimately proved most effective in capturing the relationship between LST and demographic factors. Findings revealed a positive correlation between surface temperature and population variables: a 10% increase in employment density corresponded to a 0.095% rise in surface temperature, while a 10% increase in population density led to a 0.085% increase. Dummy variables representing rivers and mountainous areas were incorporated to control for potential overestimation by natural environmental factors, showing a negative correlation with surface temperature. Additionally, residuals exceeding 2.5 standard deviations identified high-temperature zones associated with specialized land use (e.g., military installations, airfields, parking lots, and railway facilities), whereas residuals below -2.5 standard deviations indicated cooler, natural areas.
참고문헌 (33)
- 권영아, "Landsat ETM+ 영상을 이용한 서울시자동기상관측지점(AWS)주변의 열 환경 분석", 한국도시지리학회지, 9(1), pp.147~157 (2006)
- "도시기상-기상백과" (2014)[URL]
- 박준상, "공간 회귀분석을 활용한 긴급차량 출동 지연요소의 우선순위 도출 : 서울시를 중심으로", 지적과 국토정보, 53(2), pp.67~77 (2023)
- "서울통계-서울인구" (2024)[URL]
- 송봉근, "도시공간을 고려한 야간시간대의 열섬특성 분석", 한국지리정보학회지, 15(1), pp.133~143 (2012)
- 엄대용, "원격탐사 자료에 의한 지표온도추출 정확도 향상에 관한 연구", 한국지리정보학회지, 9(2), pp.159~171 (2006)
- 이강국, "도시고온화 현상에 따른 열섬・냉섬 특성에 관한 연구: 대구광역시를 중심으로", 대한건축학회논문집-계획계, 23(8), pp.219~228 (2007)
- 이근상, "UAV 공간정보 기반의 태양광발전소 부지의 일사량 분석", 지적과 국토정보, 48(1), pp.5~14 (2018)
- 이우성, "친환경적 공간계획을 위한 도시의 열환경 분석", 한국지리정보학회지, 13(1), pp.142~154 (2010)
- 이용창, "UAS 기반, 가시, 근적외 및 열적외 영상을활용한 식생조사", 지적과 국토정보, 48(1), pp.71~91 (2018)
- 이창호, "도시내부 지표면 온도분포와 사회경제지표 간의 상관성 분석", 석사, pp.2015
- 이희연, "고급통계분석론:이론과실습", pp.586~657 (2012), 법문사
- "지역별 인구 및 인구밀도 – 서울인구밀도" (2024)[URL]
- Anselin L, "Spatial Econometrics:Methods and Models", pp.81~87 (1988), Kluwer Academic Publishers
- "Calculating Commuter-Adjusted Population Estimates" (2023)[URL]
- Chander G, "Revised Landsat-5TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges", IEEE Transactions on Geoscience and Remote Sensing, 41(11), pp.2674~2677 (2003)
- Foley D, "Urban Daytime Population : A Field for Demographic-Ecological Analysis", Social Forces, 32(4), pp.323~330 (1954)
- Gallo K. P, "Satellite-Based Adjustments for the Urban Heat Island Temperature Bias", Journal of Applied Meteorology, 38, pp.806~813 (1999)
- Griffith, D.A., "Practical Handbook of Spatial Statistics", pp.1~15 (1995), CRC Press
- Hung T, "Assessment with Satellite Data of the Urban Heat Island Effects in Asian Mega Cities", International Journal of Applied Earth Observation and Geoinformation, 8, pp.34~48 (2006)
- "Landsat-7 Science Data User's Handbook" (2016)[URL]
- Lee S. -I, "Developing a Bivariate Spatial Association Measure : An Integration of Pearson’s r and Moran’s I", Journal of Geographical Systems, 3(4), pp.369~385 (2001)
- Li J, "Remote Sensing Evaluation of Urban Heat Island and Its Spatial Pattern of the Shanghai Metropolitan Area, China", Ecological Complexity, 6, pp.413~240 (2009)
- Longley P. A, "Spatial Dependence and Heterogeneity in Patterns of Hardship : An Intra-Urban Analysis", Annals of the Association of American Geographers, 94(3), pp.503~519 (2004)
- Oke T.R., "The Distinction Between Canopy and Boundary-Layer Urban Heat Islands", Atmosphere, 14(4), pp.268~277 (1976)
- "Zeitschrift für angewandte Meteorologie", 1929, 305~308
- Rizwan A. H, "A review on the generation, Determination and Mitigation of Urban Heat Island", Journal of Environmental Sciences, 20(1), pp.120~128 (2008)
- Roth M, "Satellite-Derived Urban Heat Islands from Three Coastal Cities and the Utilization of Such Data in Urban Climatology", International Journal of Remote Sensing, 10(11), pp.1699~1720 (1989)
- Stathopoulou M, "Daytime Urban Heat Islands from Landsat ETM+ and Corine Land Cover Data : An Application to Major Cities in Greece", Solar Energy, 81, pp.358~368 (2007)
- Stewart I, "Why should urban heat island researchers study history?", Urban Climate, 30, pp.100484~ (2019)
- Streutker D. R, "A Remote Sensing Study of the Urban Heat Island of Houston, Texas", International Journal of Remote Sensing, 23(13), pp.2595~2608 (2002)
- Voogt J. A, "Thermal Remote Sensing of Urban Climates", Remote Sensing of Environment, 86, pp.370~384 (2003)
- Weng Q, "Estimation of Land Surface Temperature-Vegetation Abundance Relationship for Urban Heat Island Studies", Remote Sensing of Environment, 89, pp.467~483 (2004)