The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 28 , No. 2

[ Article ]
Atmosphere - Vol. 27, No. 4, pp.483-498
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Dec 2017
Received 24 Oct 2017 Revised 13 Dec 2017 Accepted 15 Dec 2017
DOI: https://doi.org/10.14191/Atmos.2017.27.4.483

하늘시계지수 비교 및 도시기온 상관성 연구: 강남 선정릉지역을 중심으로
이채연1) ; 신이레1) ; 안승만2), *
1)한국외국어대학교 차세대도시농림융합기상사업단
2)국토연구원 주택 · 토지연구본부

A Study on a Comparison of Sky View Factors and a Correlation with Air Temperature in the City
Chaeyeon Yi1) ; Yire Shin1) ; Seung Man An2), *
1)Weather Information Service Engine Institute, Hankuk University of Foreign Studies, Korea
2)Korea Research Institute for Human Settlements, Korea
Correspondence to : * Seung Man An, Korea Research Institute for Human Settlements, 5 Gukchaegyeonguwon-ro, Sejong-si 30149, Korea. Phone : +82-10-7730-0032, Fax : +82-44-211-4760, E-mail : asiarnd@gmail.com

Funding Information ▼

Abstract

Sky view factor can quantify the influence of complex obstructions. This study aims to evaluate the best available SVF method that represents an urban thermal condition with land cover in complex city of Korea and also to quantify a correlation between SVF and mean air temperature; the results are as follows. First, three SVF methods comparison result shows that urban thermal study should consider forest canopy induced effects because the forest canopy test (on/off) on SVF reveals significant difference range (0.8, between maximum value and minimum value) in comparison with the range (0.1~0.3) of SVFs (Fisheye, SOLWEIG and 3DPC) difference. The significance is bigger as a forest cover proportion become larger. Second, Rsquare between SVF methods and urban local mean air temperature seems more reliable at night than a day. And as the value of SVF increased, it showed a positive slope in summer day and a negative slope in winter night. In the SVF calculation method, Fisheye SVF, which is the observed value, is close to the 3DPC SVF, but the grid-based SWG SVF is higher in correlation with the temperature. However, both urban climate monitoring and model/analysis study need more development because of the different between SVF and mean air temperature correlation results in the summer night period, which imply other major factors such as cooling air by the forest canopy, warming air by anthropogenic heat emitted from fuel oil combustion and so forth.


Keywords: Sky view factor (SVF), fisheye-lens, SOLWEIG model, three-dimensional point cloud (3DPC) model, urban canopy parameter (UCP), pedestrian level, forest canopy

1. 서 론

도시의 지표면을 구성하는 피복은 국지기온과 도시에서 생활하는 시민들의 온열 쾌적성을 결정하는 중요한 요소이다. 도시의 인공적인 건축물과 도시 숲은 증발산, 태양복사의 여과 · 투과 · 흡수 · 반사 등의 물리과정과 연결되어 있으며(Akbari, 2002) 열용량이 높은 아스팔트 · 콘크리트 비중이 높아질수록 도시는 쾌적한 기후대를 벗어나 여름에는 더 덥고 겨울에도 지역적 편차가 더 커지는 독특한 미기후가 고착되기 용이해진다. 이는 에너지 수요 · 공급 등 도시활동 전반에 영향을 미치기 때문에 도시의 토지이용계획 분야도 지속가능하고 안전한 도시환경을 위해 지표면 복사균형에 관심을 두고 있으며, 피복의 공간적 관리를 통해 도시미기후를 관리하는 방향을 추구하고 있다(An et al., 2016).

국내에서도 온열환경관리 연구에서 도시의 태양복사에 기반한 도시열섬강도 변화 및 이로 인한 온열스트레스 및 질환을 설명하는 모델들이 개발되고 있다(Kim et al., 2014). 더불어 온열쾌적성과 관계하고 있는 도시의 물리적 복잡성을 반영하여 공간적 설명력을 높이기 위한 기후분석 도구도 개선되고 있다(Eumet al., 2013; Yi et al., 2016; Janicke et al., 2016).

온열환경 분포 및 열섬강도 분석 모델은 도시의 기하구조로 인해 발생하는 불균질한 태양일사 및 지표면 복사의 크기 차이를 설명하고 있다. 구조 및 형태의 차이가 천차만별인 도시의 복잡성으로 인해서 도시 온열환경 또한 불균질하게 분포하는데 하늘시계지수(sky view factor, SVF)는 이러한 구조적 복잡성을 공간적으로 설명하는 주요 인자이다(An et al., 2014).

도시의 지표면을 덮고 있는 피복의 입체적 특징을 계량화 하기 위해 다양한 SVF 계산방법들이 제안되었고, 이를 통해 수치모델 및 도시열섬강도 설명에 활용되어 왔으나 한국의 도시기후 분석을 위해서 어떤 SVF기법을 적용하는 것이 적합한지, SVF가 실제 도시 온열환경에 미치는 영향이 있는지에 대한 정량적확인은 부족하였다.

이 연구에서는 하늘시계지수(SVF) 계량화 방법들의 비교를 통해, 우리나라 도시의 지표면 복잡성 조사에 적합한 방법을 검토해 보고 SVF의 공간적 분포와 도시의 국지적 평균기온 분포가 관련성이 있는지를 고찰해보고자 하였으며, 더불어 관측된 평균기온과의 차이를 줄이기 위한 미기후분석 개선방향을 찾아보고자 하였다.


2. 연구방법
2.1 관련 선행연구

도시의 인구와 도시열섬(urban heat island, UHI) 강도가 비례하는 것이 관측을 통해서 많이 알려져 있으나(Oke, 1987) 국지적 분포의 차이와 발생원인에 대해서는 충분히 설명되지 않고 있다. 일반적으로 주간보다 야간에 UHI가 더 높게 나타나는 것으로 알려져 있으나(Unger, 2009) 그리스, 미국, 푸에르토리코, 중국 등의 일부 도시들의 관측(Stathopoulou and Cartalis, 2007; Hart and Sailor, 2009; Yang et al., 2010; Murphy et al., 2011)에서는 그와 반대되는 현상으로 주간에 UHI가 더 높게 나타나기도 했다. 이렇게 UHI 관측에 대한 상이한 결과들이 보고됨은 도시열섬을 유발하는 지표면 복잡성이 충분히 확인되지 않고 있음을 시사한다. 결과적으로, 도시의 지표면복사균형에 관여하는 지표의 구조가 매우 복잡하며 이를 설명하기 위한 추가적인 연구들이 필요하다.

최근 인공구조물, 토양, 도시 숲 등 다양한 도시 지표면을 고려한 복사 · 열 평형 분석모델이 도시기후분석의 주제로 연구되고 있다. 이는 도시의 물리적 · 기하적 요소들을 최대한 포괄하여 수치모의 및 기후분석 능력을 향상시키려는 공통점을 가지고 있다. 특히, 도시의 기하구조와 UHI 상관성 분석은 물리적 · 기하적 구조를 가상화 하는 공간정보화 기술의 발전, 방대해진 전산자원 보편적 활용으로 기술적 접근성이 높아지면서 연구사례가 크게 증가하고 있다(Yamashita et al., 1986; Robitu et al., 2006; Unger, 2009; Matuschek and Matzarakis, 2010; An et al., 2014).

하늘시계지수(sky view factor, SVF)는 하늘을 가리는 장애물들의 영향을 계량화 하고 도시의 복잡한 기하특성과 UHI 관계를 설명하는 주요 인자이다(Oke, 1981; Yamashita et al., 1986; Gál et al., 2009; Unger, 2009, Shaker and Drezner, 2010; Casares et al., 2014). 주변에 장애물이 없고 평평한 지면에서는 1, 하늘이 모두 가려지는 경우에는 0을 극단의 값으로 두고 도시의 입체적인 기하특성을 이 사이에 있는 값으로 지수화하여 설명한다. 즉, SVF는 장파복사 과정을 통해 지표면에서 대기로 방출하는 물리적 냉각 규모가 지표면 기하구조에 의해 조절되는 효과를 계량화한 지수이다. 건물과 같은 입체적 표면적 비율이 크고 기하적 특성이 복잡해질수록 SVF 값이 줄어들고 대기로 빠져나가는 야간복사 방출량이 작아지는 만큼 야간의 열섬강도가 증가하는 것으로 간주된다. SVF는 어안렌즈, 소프트웨어적인 가상화, GPS (global position system) 신호 등 다양한 기법들을 통해 계량화 할 수 있다(Grimmond et al., 2001; Matzarakis et al., 2007; Matzarakis and Matuschek, 2011; Chen et al., 2012; An et al., 2014).

어안렌즈 사진촬영을 통한 조사방법은 Anderson et al. (1964)이 산림 캐노피 하부 일조량을 추정하기 위해 사용한 바 있다. 조사지점 주변 지표면의 기하구조를 어안렌즈를 사용하여 원형 평면에 투사하여 촬영한 사진영상의 색상 · 밝기 · 대비를 조정하는 영상처리과정을 거쳐 식 (1)을 통해 하늘이 보이는 영역(white)의 비율을 0~1 구간의 SVF로 계산한다.

SVFFisheye=1-i=1nBlackkk=1nBlackk+Whitek,(1) 

여기서, n은 어안렌즈에 투영된 원 내에 셀의 수, k는 셀의 Black/White 판별자, Blackk는 하늘이 보이지 않는 영역의 셀, Whitek는 하늘이 보이는 셀이다. Steyn et al. (1980)이 이 방법을 도시기후분석을 위한 조사 기법으로 도입한 이후, 현재까지 다양한 크기와 불규칙한 형상으로 가득한 도시에서 실제 지표면의 기하구조 특성을 계량화 하고 있다(Holmer, 1992; Holmer et al., 2001; Hämmerle et al., 2011; Chen et al., 2012). 이 방법은 관측지점으로 투영되는 모든 도시지표면을 고려하여 사실적인 SVF 값을 산출할 수 있는 장점이 있지만 관측지점을 무한하게 확장하기 어려운 단점을 가지고 있으며 또한 렌즈의 수차에 대한 왜곡의 보정도 해결할 과제이다(An et al., 2014).

소프트웨어적인 가상화 방법은 도시 지리정보체계(geographic information system) 관련 2차원 또는 3차원 수치지도 DB를 가상의 하늘반구(sky dome)에 투영하고 이 반구를 구성하는 전체격자 중 하늘이 투영된 격자의 비율(ratio)을 계산하여 SVF를 계량화 한다. 이 기법은 광범위한 도시지역의 SVF를 연속적으로 계산할 수 있어 수치모델 등 공간적 모의 및 분석과도 자연스럽게 연결된다. SVF의 정밀도는 하늘반구격자를 구성하는 회전각과 탐색반경 및 투영에 사용되는 입력 DB 종류에 따라 결정되며 일반적으로 회전각이 작고 반경이 클수록 SVF 값이 정확하나 반대급부로 계산에는 많은 시간이 소요된다(Gál et al., 2009). 하늘반구에 투영되는 입력 DB유형으로는 2차원 또는 3차원의 폴리곤(vector), 격자(raster), 항공 라이다(airborne LiDAR)와 같은 3차원의 점군(point cloud)을 이용할 수 있다.

2차원 폴리곤을 하늘반구에 투영하는 방법(Souza et al., 2003; Robitu et al., 2006; Matzarakis et al., 2007)은 자료의 접근이 용이하여 많은 연구에서 이용되고 있다. 수치모델링의 입력자료인 DEM (digital elevation model) 또는 DSM (digital surface model) 격자자료를 식 (2)처럼 입체화 한 후 하늘반구에 투영하여 SVF를 계산한다.

SVFDEMDSM=1-i=1nsinγin,(2) 

여기서 n은 각분할 수 (360/α), α는 반구 수평회전각, i는 수평 회전방향, γi는 회전방향 i에서 수평면으로부터 하늘과 접하는 경계까지의 경사각이다. 이 방법은 다른 수치모델링 연구와의 연계성이 높고 연산이 안정적이어서 많은 연구에 이용되고 있다(Grimmond et al., 2001; Ali-Toudert and Mayer, 2007; Gál et al., 2009). 스웨덴Gothenburg대학에서 개발한 SOLWEIG(solar and longwave environmental irradiance geometry) 2D 모델도 DEM과 DSM을 이용해 3차원 복사 속(flux), 그림자 패턴 변화, 평균복사온도의 시 · 공간적 변화를 모의한다(Lindberg et al., 2008; Lindberg and Grimmond, 2011). 3차원 폴리곤을 하늘 반구에 투영하는 방법은 가상화된 3차원 건축물모델 등을 통해 계량화가 가능하지만 현재 3차원 건물 DB 표준화가 진행 단계이며 도시규모로 연구범위 확장을 위한 연구는 이뤄지지 않고 있다(Kastendeuch, 2013).

3차원 점군(three-dimensional point cloud, 3DPC) 자료를 이용한 계산방법은 식 (3), 식 (4)를 통해 이뤄지며 3차원 좌표를 하늘반구에 직접 투영하고 이를 평면 디스크에 재투영 하여 관측지점에서 하늘의 면적비를 계산한다.

SVF3DPC=1-Obstacle Grid Ratio(3) 
Obstacle Grid Ratio=ijρi,jsi,jijsi,j,(4) 

여기서, i는 수평 회전방향, j는 수직 회전방향, S(i, j)는 분할된 면적, ΣiΣj · S(i, j)는 행렬 원형 디스크(하늘반구 투영) 총면적, ΣiΣj · ρ(i, j) · S(i, j)는 원형 디스크에서 하늘을 가리는 장애물로 판정된 구간의 면적이다. 이 방법은 가로수 또는 숲 캐노피와 같이 기하학적 복잡성으로 인해 가상화가 어려운 지표들을 주사(scan)하여 SVF를 정밀하게 구하는 방법으로 평가되고 있으나 자료의 분석을 위한 방대한 연산시간, 수치모델과의 연계체계, 자료 이용의 제한 등은 해결할 과제이다(Kokalj et al., 2011; An et al., 2014; Kong et al., 2016).

GPS 신호를 이용하는 방법은 도시의 입체적인 구조물들에 의해 위성들의 신호가 차단되는 방향과 크기를 통해 하늘시계지수를 계산하는 방법으로 공간정보 자료가 없는 지역에서도 이동식 차량을 이용해 신속하게 조사할 수 있는 방법이나(Chapman and Thornes, 2004) 우리나라의 경우 대부분의 도시지역에 공간정보가 충분히 구축되어 있어 필요성은 높지 않다.

어느 SVF 기법을 이용하더라도 도시 중심부로부터 교외로 멀어질수록 피복의 입체적 밀도와 복잡성이 낮아지므로, 결과적으로 숲을 제외한 지역의 SVF는 증가하는 것으로 나타나 UHI와의 관계를 설명할 때 자주 이용된다. 그러나 국내에서는 SVF와 UHI의 관련성을 비교한 연구가 많지 않으며, 도시화로 인한 UHI 현상은 주로 기상청 AWS 관측망에서 집계된 기온자료를 통해 모니터링되고 있다(http://www.kma.go.kr/weather/climate/past_cal.jsp). 수도권을 대상으로 관측된 AWS 기반의 여름과 겨울 야간 평균기온 분석을 통해 도심에서 교외로 멀어질수록 평균기온이 감소하는 UHI 효과가 확인된 바 있으나(Yi et al., 2014) 이러한 기온의 차이에서 국지적 지표 특성들의 기여율을 계량화 하는 연구는 충분하지 않다. Yi et al. (2014)은 건물면적, 건물높이, 도로면적, SVF 등 인공피복을 도시의 지표특성들을 독립변수로, 야간의 평균기온을 종속변수로 하는 통계적 회귀분석모형을 통해서 관측된 평균기온을 잘 설명하는 독립변수들을 검토하였다. 이 연구는 독립변수, 관측시기 등 외부변수 통제에 대한 추가적인 논의가 필요하지만 인공피복의 양적 분포비율과 국지적 야간 평균기온의 상관성이 가장 높음을 확인하였고 SVF와의 상관성도 부분적으로 확인하였다.

현재 여러 지표면 복사평형 및 미기상 · 미기후 모델이 SVF를 피복에 의한 복사 · 방출 제어 요인으로 고려하는 만큼(Bruse and Fleer, 1998; Robitu et al., 2006; Kong et al., 2016) 우리나라의 도시피복 특성에 맞는 SVF 계량화 하는 방법에 대한 검토가 필요하며 SVF를 포함한 도시의 입체적 기하특성과 기온과의 상관성을 높이기 위한 연구가 필요하다.

2.2 연구지역

이 연구에서는 지표의 기하구조 해석에 기초한 수치모델 개발 및 고밀도 관측이 함께 수행되고 있는 서울 강남구 선정릉 일대를 사례지역으로 선정하였다. 지표면의 기하 · 물리적 특성으로 인해 시 · 공간적으로 변화하는 기온을, 모델을 통해 설명하기 위해서는 관측시점의 지표면에 대한 정교한 기하 · 물리적 정보가 필요하다. 국내에서 조밀한 AWS 관측과 정밀한 공간정보 활용이 모두 가능한 지역은 찾기 어려우나 연구지역인 선정릉 일대는 국립기상과학원에서 2013년부터 총 16개 지점에서 풍향, 풍속, 기온 등을 1분 간격으로 관측하는 복합센서 자동기상 관측망을 구축하여 국지적 기상 변화를 조밀하게 모니터링하고 있어 이 연구 목적에 적합한 조건을 갖추고 있다(Fig. 1). 관측공간은 선정릉을 중심으로 동-서 방향과 남-북 방향으로 약 2 km이며 관측장비의 안전과 주변 보행자를 고려하여 지면으로부터 약 2.0 m 높이에서 관측되고 있다.


Fig. 1. 
Monitoring network of the study area; (a) location of 16 observation sites with different land use type, The green circle is the forest area, the light-green circle is the forest boundary area, and the orange circle is the building area. (b) landscape view looking down from G1 site, (c) installation of observation equipment to measure meteorological variables.

2.3 SVF 산출을 위한 계량화 기법 적용
2.3.1 어안렌즈를 이용한 SVF (Fisheye SVF)

어안렌즈 영상은 어안렌즈(SIGMA 8 mm, F 3.5)가 부착된 카메라(Canon EOS 5D Mark III)를 이용해 촬영되었으며 촬영높이는 삼각대(Manfrotto 190XPROB)가 지원하는 가장 가까운 거리인 지면으로부터 약 70 cm를 고정하고 자침 나침반, 수평기(STANLEY laser line level)를 이용하여 자북방향과 수평을 유지한 상태에서 촬영하였다(Fig. 2a). Gothenburg대학에서 개발한 SOLWEIG 1D S/W에서 어안렌즈 사진영상의 진북방향과 중심을 확인할 수 있도록 세 표정점들(control points)을 삽입한 이후, 어안렌즈를 이용한 SVF (Fisheye SVF) 값을 계산하였다. Figure 2b는 어안렌즈 영상에서 관측지점에 따라 다르게 나타나는 이분화된 하늘시계(sky view)를 하늘이 보이는 영역(white)과 하늘을 가리는 영역(balck)으로 보여주고 있다.


Fig. 2. 
A photograph that acquires a sky view using a camera equipped with a fisheye-lens (a), and images were converted to Black/White format for SVF measurement (b). White is the sky area and black is the area covered by the building/vegetation.

2.3.2 격자 자료를 이용한 SVF (SWG SVF)

격자형 SVF를 계산할 수 있는 소프트웨어로 SOLWEIG 2D 모델을 이용하여 2 m 해상도로 SVF(SWG SVF)분포를 산출하였다. 입력 격자자료인 2 m 해상도의 DEM (digital elevation model), DSM (digital surface model), DVM (digital vegetation model)은 국토지리정보원에서 제공하는 항공 라이다 자료에서 변환하여 구축하였다. 16개 관측지점의 SVF는 SOLWEIG 2D 모델 기반 산출된 연속형 SVF로부터 관측지점 주변 반경 100 m 이내의 값(건물 옥상면을 제외한 지표면에서의 값)을 평균하여 이용하였다.

2.3.3 3차원 점군을 이용한 SVF (3DPC SVF)

3DPC SVF는 조밀한 항공 LiDAR (Light Ranging And Detection) 점군을 하늘반구(sky dome)에 투영하여 계산하였다(Fig. 3).

입력자료는 국토지리정보원에서 제공하는 항공 라이다자료를 지표면과 건물, 식생 캐노피로 분류하고(An et al., 2014) 이렇게 분류된 3차원 점군들을 이용하여 산출된 연속형 SVF (Figs. 4c, d)로부터 16개 관측지점 주변의 반경 100 m 이내의 값(건물 옥상면을 제외한 지표면에서의 값)을 평균하여 3DPC SVF로 산출하였다. Figure 3c는 3차원 점군을 하늘반구에 투영하여 나타나는 하늘시계(sky view)가 관측지점에 따라 다르게 나타남을 보여준다. 녹색은 가로수 · 도시숲 캐노피가 투영된 하늘시계 영역, 주황색은 건축물들이 투영된 하늘시계 영역, 갈색은 언덕같은 지형이 투영된 하늘시계 영역을 보여주고 있다.


Fig. 3. 
SVF that is generated based on air-borne LiDAR data. Visualized bird view (a), sky-dome view (b), and projected sky view (c) of complex urban shapes using three-dimensional point cloud data. Green is the area where the vegetation canopy is projected, yellow is the area where buildings are projected, and brown is the area where the terrain is projected in (c).

2.4 도시기상 관측자료 평균기온 산출

2013년 6월부터 2014년 2월 사이에 선정릉 일대의 16개 지점에서 관측된 기온 자료를 이용해 국지적 평균기온을 산출하였다. 설치된 16개 관측 지점의 토지피복을 유형화하여 식생지역 3개 지점(Green area, G), 식생의 외곽경계(2차선 도로) 4개 지점(Boundary area, B), 건물지역(5~10차선 도로) 9개 지점(Urban area, U)으로 구분하였다(Table 1).

Table 1. 
Location of sixteen automatic weather stations and land use type.
AWS ID Lat. (N) Lon. (E) Height (m) Land use type
G1 37.5097 127.0475 48.0 Green space (grass and tree on the hill)
G2 37.5089 127.0493 42.0 Green space (street in the Forest)
G3 37.5090 127.0517 33.0 Green space (all grass on the hill)
B1 37.5093 127.0445 44.0 Boundary area (two-lane road)
B2 37.5071 127.0477 30.0 Boundary area (two-lane road)
B3 37.5068 127.0503 28.0 Boundary area (two-lane road)
B4 37.5075 127.0533 29.0 Boundary area (two-lane road)
U1 37.5153 127.0422 61.0 Urban area (five-lane road)
U2 37.5125 127.0433 59.0 Urban area (four-lane road)
U3 37.5100 127.0436 67.0 Urban area (five-lane and cross road)
U4 37.5093 127.0413 44.0 Urban area (two-lane and cross road)
U5 37.5084 127.0382 38.0 Urban area (two-lane and cross road)
U6 37.5008 127.0510 55.0 Urban area (seven-lane road)
U7 37.5049 127.0490 53.0 Urban area (six-lane and cross road)
U8 37.5082 127.0556 40.0 Urban area (ten-lane and cross road)
U9 37.5092 127.0584 36.0 Urban area (five-lane road)

계절 별 평균기온 특성 검토를 위해서 여름(6월~8월)과 겨울(12월~2월)로 기간을 나누어 각 지점의 평균기온을 구하였다. 더불어 주간과 야간의 평균기온 특성 검토를 위해 0200~0900 UTC는 주간, 1400~2100 UTC는 야간으로 구분하여 평균기온을 구하였다. 구름양의 분포는 0~9이며, 8 이상이면 집계에서 제외하였다.

2.5 SVF 산출기법 별 차이 비교

SVF 산출 기법 적용에 따른 결과를 정량적으로 비교하였다. 각각의 지점에 대하여 어안렌즈 사진영상(도시 숲 · 가로수의 캐노피가 뚜렷한 여름에 촬영)에서 계산된 Fisheye SVF, 도시 숲 · 가로수 캐노피를 모델 입력자료에 반영하여 계산한 SVF (SWG_wT 및 3DPC_wT), 도시 숲 · 가로수 캐노피를 모델 입력자료에 반영하지 않고 계산한 SVF (SWG_nT 및 3DPC_nT)를 비교하였다. G3지점은 출입 및 어안렌즈 촬영이 불가하여 SVF 계산을 통한 비교에서 제외되었다(Table 2).

Table 2. 
Sky View Factor of each site calculated by three methods.
Sky view factor
Site Fisheye lens SWG*_wT (with Tree) SWG_nT (no Tree) 3DPC*_wT (with Tree) 3DPC_nT (no Tree)
G1 0.36 0.09 0.96 0.43 0.81
G2 0.23 0.04 0.97 0.29 0.82
G3 - 0.32 0.93 0.45 0.75
Gmean 0.30 0.15 0.95 0.39 0.79
Gstd 0.09 0.15 0.02 0.09 0.04
B1 0.56 0.30 0.89 0.36 0.60
B2 0.64 0.37 0.89 0.37 0.63
B3 0.65 0.29 0.88 0.33 0.65
B4 0.64 0.50 0.84 0.42 0.58
Bmean 0.62 0.37 0.88 0.37 0.62
Bstd 0.04 0.09 0.02 0.04 0.03
U1 0.38 0.60 0.63 0.31 0.32
U2 0.62 0.64 0.70 0.35 0.36
U3 0.59 0.70 0.73 0.38 0.40
U4 0.34 0.49 0.62 0.33 0.35
U5 0.71 0.67 0.72 0.34 0.38
U6 0.49 0.60 0.69 0.36 0.39
U7 0.32 0.54 0.57 0.27 0.29
U8 0.30 0.44 0.54 0.25 0.29
U9 0.62 0.58 0.59 0.28 0.28
Umean 0.49 0.58 0.64 0.32 0.34
Ustd 0.15 0.08 0.07 0.04 0.05
* SWG: SOLWEIG (solar and longwave environmental irradiance geometry) model.
* 3DPC: 3D point cloud model.

2.6 토지피복 유형 별 평균기온 및 SVF와의 상관성

국지적 공간에서 나타나는 기온의 변화는 관측지점들의 피복유형을 식생지역(G), 식생의 외곽경계(B), 건물지역(U)으로 유형화한 세 그룹을 대상으로 여름철과 겨울철, 주간과 야간의 평균기온을 비교하였으며 더불어 각 그룹에서 최고기온과 최저기온를 보이는 지점들의 편차범위를 검토하였다(Table 3).

SVF 기법 별 산출 결과들과 평균기온의 상관성 분석에서도 피복유형 및 계절 · 주야 평균기온 유형을 적용하였다. 여름철의 경우, 식생을 고려해야 하므로 도시 숲 및 가로수 캐노피가 반영된(wT) SVF를 이용하였고, 겨울철의 경우 낙엽으로 인한 캐노피 밀도를 차감하여야 하나 관련 자료가 없어 극단적인 조건으로 도시 숲 및 가로수 캐노피가 반영되지 않은(nT) SVF를 이용하였다. 계절 구분과 더불어 주간과 야간기준을 적용하여 비모수통계 기법을 이용한 상관성을 분석하였다.

Table 3. 
Average day and night air temperature on each site in summer and winter.
Air temperature
Site Summer_day (oC) Summer_night (oC) Winter_day (oC) Winter_ night (oC)
G1 28.35 22.78 2.19 −2.04
G2 27.53 21.98 1.75 −2.80
G3 28.86 22.82 2.25 −2.21
Gmean 28.25 22.53 2.06 −2.35
Gstd 0.67 0.47 0.27 −0.39
B1 29.36 22.75 2.73 −2.16
B2 29.30 22.63 1.89 −2.71
B3 27.86 21.54 2.08 −2.60
B4 29.78 22.58 1.98 −2.80
Bmean 29.08 22.38 2.17 −2.57
Bstd 0.84 0.56 0.38 −0.28
U1 29.31 23.93 2.08 −1.45
U2 30.08 23.95 2.56 −1.45
U3 29.75 23.95 2.10 −1.31
U4 29.23 23.86 2.05 −1.41
U5 29.32 23.85 2.17 −1.32
U6 29.46 23.80 2.60 −1.19
U7 29.61 24.18 2.39 −1.14
U8 29.36 24.02 2.02 −1.36
U9 29.40 23.82 2.04 −1.41
Umean 29.50 23.93 2.22 −1.34
Ustd 0.27 0.12 0.23 −0.11


3. 결 과
3.1 SVF 산출 조건에 따른 차이

서울 강남 선정릉지역을 중심으로 격자자료를 이용한 SWG SVF와 3차원 점군자료를 이용한 3DPC SVF를 연속적으로 산출한 결과이다(Fig. 4). 식생이 포함되지 않고 건물만 포함된 SVF (SWG_nT 및 3DPC_nT)와 건물 및 식생이 포함된 SVF (SWG_wT 및 3DPC_wT)로 산출조건을 구분하여 1 km× 1 km 영역을 1 m 해상도로 산출하였다.


Fig. 4. 
Continuous SWG SVF and 3DPC SVF map. Building SVF (a) and vegetation/building SVF by SOLWEIG model, and building SVF (c) and vegetation/building SVF (d) by 3DPC model.

공통적으로 나타나는 특징으로, 도로협곡 등 건물이 밀집한 지역의 보행공간에서 SVF가 낮고 건물 옥상이나 지형적으로 열려있는 언덕의 SVF가 높게 나타남을 확인할 수 있다. 3DPC SVF (Figs. 4c, d)에 비해 SWG SVF (Figs. 4a, b)의 공간적 분포의 차이가 수치적으로 큰 차이를 나타내며, 이는 연속형 SVF의 명암비를 통해 확인할 수 있다. 그러나 가장 뚜렷한 차이는 공원 및 도시 숲 등 식생지역에 식생캐노피를 적용한 조건(Figs. 4b, d)과 적용하지 않은 조건(Figs. 4a, c)에서 산출된 결과로 극단적인 결과가 나타나고 있다.


Fig. 5. 
SVF values due to the application of five different SVF calculation methods. SVF on each site in the three land use type (a), and distribution of values by box plot (b). The black line is median value, the red line is mean value in (b).

식생지역(G), 식생의 외곽경계(B), 건물지역(U)으로 유형화한 토지피복에 근거하여 산출된 SVF를 비교한 결과, 토지피복 유형과 SVF 산출기법에 따라 동일 관측 위치에서 크고 작은 차이가 나타났다(Table 2).

먼저 SVF 값의 분포는 토지피복 유형별 표준편차(Gstd, Bstd, Ustd)에서 확인할 수 있으며, 그 경향은 SWG SVF, 3DPC SVF에서 식생지역(G), 식생의 외곽경계(B), 건물지역(U) 순으로 나타났다. 이는 숲 및 가로수 등 식생캐노피의 점유비율이 높을수록 SVF 수치의 차이가 더 크게 나타나는 것으로 보여진다. 유형별로 평균된 SVF (Gmean, Bmean, Umean)에서는 식생캐노피 유무에 대한 반영으로 인해, 그 수치가 달라지는 것으로 나타났는데, 그 차이는 3DPC SVF 보다 SWG SVF에서 더 크게 나타났다.

이러한 Fisheye SVF, SWG SVF, 3DPC SVF 산출 조건에 따른 차이를 Fig. 5에서 그래프로 보여주고 있으며, 각 지점의 SVF로써 격자기반 SWG SVF는 사각형, 점군기반 3DPC SVF는 원형으로 나타냈으며, 식생캐노피를 반영한 경우는 초록색, 반영하지 않은 경우는 회색으로 나타냈고, 어안렌즈 기반 Fisheye SVF는 빨간색으로 나타냈다.

식생캐노피를 반영한 SVF 경우, 3DPC_wT는 0.25~0.45 범위에 분포하나 SWG_wT는 0.04~0.70로써, 동일지역에 대한 SVF 범위가 매우 크게 나타났다. 이러한 차이가 나타나는 것은 3DPC SVF는 도시의 다양한 차폐 구조물들(예, 가로등, 전선, 가로수 등)의 복잡성이 반영되지만 SWG SVF는 이상적 건물과 지형의 형태만을 계산하기 때문에 상대적으로 넒은 범위의 값이 산출된다.

식생캐노피 유무에 따른 편차의 비교에서는 SWG 편차(SWG_nT-SWG_wT)는 토지유형별로 0.8 (G), 0.5 (B), 0.06 (U)으로 나타났고, 3DPC 편차(3DPC_nT-3DPC_wT)는 0.4 (G), 0.25 (B), 0.02 (U)로 나타나 SWG 편차가 더 크게 나타났다. 식생캐노피 유무에 따라 SWG SVF의 차이가 더 크게 나타났으며, 이는 식생캐노피의 점유비율이 높을수록 차이가 크게 나타났다.

SWG 편차(SWG_nT와 SWG_wT)가 최대값인 1에 가깝게 나타나는 지점(G1)에서 3DPC 편차(3DPC_nT와 3DPC_wT)가 0.5 내외로 낮은 이유는, 격자기반 산정모델이 캐노피의 공극도를 반영할 수 없기 때문에 나타나는 과대산정과 점군기반 산정모델에서 sky dome의 조밀도가 천정으로 갈수록 좁아져 캐노피의 효과를 과소산정하는 부정확성이 최대화 되어 나타난 결과이다(An et al., 2014, 2016). 즉, 3DPC SVF는 점군 상태에서 sky dome에 투영되는 과정에서 공극률을 고려한 SVF 계산이 가능하나 격자기반으로 계산하는 SOLWEIG 모델은 캐노피의 공극률을 반영하지 못하고 일사가 완벽하게 차단된 것으로 간주되어 계산된다. 식생의 외곽경계(B)에서는 식생캐노피 미반영(SWG_nT와 3DPC_nT)의 차이가 비교적 크고, 식생캐노피 반영(SWG_wT와 3DPC_wT)은 차이가 상대적으로 작게 나타났다.

전반적으로 숲 및 가로수 식생캐노피 점유비율이 낮은 건물지역(U)에서는 SWG SVF, 3DPC SVF, Fisheye SVF의 편차가 가장 작게 나타나며, 식생비율이 적기 때문에 격자기반 SWG wT와 nT가 비슷한 수준으로, 점군기반 3DPC wT와 nT가 비슷한 수준으로 나타났고 기법간의 차이가 확연히 구분되고 있다. 그러나 Fisheye SVF는 식생지역(G)에서는 3DPC_wT와 유사한 수준으로, 식생의 외곽경계(B)에서는 3DPC_nT와 유사하며, 건물지역(U)에서는 지점마다 상이하게 산정되었으나 3DPC SVF가 SWG SVF에 비해 Fisheye SVF와의 차이가 ± 0.1 이하인 지점들이 상대적으로 다수를 차지하였다. 관측 값으로 볼 수 있는 Fisheye SVF는 3DPC SVF와 유사하게 산출된 것으로 확인되었다.

3.2 토지피복 유형 별 평균기온 및 관측지점 간 차이

관측지점들을 유형화하여 선정릉 일대의 국지적 기온특성 조사결과, 건물지역(U)의 평균기온이 계절과 주야 걸쳐 전반적으로 높았고 식생지역(G)과의 평균기온과 가장 큰 차이를 보였다. 여름철 주간에 최저 평균기온은 G2 (27.53oC) 지점에서 나타났고 최고 평균기온은 U2 (30.08oC) 지점에서 나타났다(Table 3). 계절과 주야 별 분석결과에서, 여름철 주간에는 식생지역(G)의 온도가 가장 낮고, 건물지역(U)과 식생의 외곽경계(B) 평균기온은 근사하였다. 그러나 여름철 야간에는 건물지역의 평균기온이 뚜렷하게 높았고 식생지역(G)과 식생의 외곽경계(B)의 평균기온은 근사하게 나타났다. 겨울철 주간의 평균기온 분포에서는 식생지역(G), 건물지역(U), 식생의 외곽경계(B)의 평균기온이 큰 차이가 없었으나 겨울철 야간에서는 건물지역의 평균기온이 뚜렷하게 높은 수치를 나타냈다.

토지피복 유형별로 관측지점 평균기온의 범위(최고 평균기온-최저 평균기온)는 지점이 부족하지만 유형별 고유한 특성을 잘 설명하고 있다. 건물지역과 식생지역의 평균기온 편차(U-G)는 여름 낮 1.26oC, 여름 밤 1.50oC였으며 겨울 낮 1.16oC, 겨울 밤 0.99oC였다. 가장 큰 평균기온 편차를 보인 토지피복 유형은 식생의 외곽경계(B)로 야간기온 편차가 여름에는 건물지역(U)에 비해서 3배 이상 높고 겨울에도 2배이상 높았다.

3.3 SVF 산출기법 별 평균기온과의 상관성

산출기법 별 SVF (Fisheye, SWG, 3DPC)과 평균기온(계절 · 주야)의 상관성을 검토한 결과, 주간보다 야간의 상관성이 높았으며 겨울보다 여름의 상관성이 높았다. SWG _wT와 여름 야간 평균기온과의 결정계수(0.51)가 가장 높았으며, SWG_nT와 겨울 야간 평균기온과의 결정계수(0.49), SWG_wT와 여름 주간 평균기온과의 결정계수(0.48), 3DPC_nT와 겨울 야간 평균기온과의 결정계수(0.43)가 높았다. 표본의 크기는 작지만 P-Value가 0.01 미만의 수준(Table 4)에서 SVF와 평균기온의 상관성이 부분적으로 나타났다.

Table 4. 
Correlation analysis between SVF and air temperature.
X-axis Y-axis Y-intercept Slope R2 P-value
Fisheye SVF Fisfeye Summer day 29.02 −0.61 0.02 0.625 ns
Fisfeye Summer night 24.19 −0.81 0.02 0.645 ns
SWG SVF SWG_wT Summer day 28.29 −2.08 0.48 0.002 ***
SWG_wT Summer night 22.17t −3.18 0.51 0.001 ***
SWG_nT Winter day 2.15 −0.08 0 0.877 ns
SWG_nT Winter night 0.49 −2.78 0.49 0.002 ***
3DPC SVF 3DPC_wT Summer day 28.99 −1.13 0.01 0.743 ns
3DPC_wT Summer night 25.30 −4.83 0.10 0.244 ns
3DPC_nT Winter day 2.11 −0.14 0.01 0.725 ns
3DPC_nT Winter night −0.64 −1.96 0.43 0.005 ***
***p < 0.01
**p <0 .05
*p < 0.1
ns: p ≥ 0.1

Fisheye SVF는 여름에 취득된 자료로써, 여름철 주간과 야간의 평균기온 특성을 검토해 보면 주간에는 SVF가 높으면 평균기온이 높은 양의 상관성을 보이지만 야간에는 SVF가 높으면 평균기온이 낮은 음의 상관성을 보인다(Fig. 6). 주간에는 태양에너지가 들어오는 하늘면적이 넓어 평균기온이 증가하고 야간에는 지표면으로부터 방출되는 하늘 면적이 넓음으로 평균기온이 감소하는 것으로 설명할 수 있다.


Fig. 6. 
A correlation of fisheye SVF and air temperature from 16 AWSs.

SWG SVF는 여름철 주간(SWG_wT와 summer_day)에는 양의 기울기를 보였으나 여름철 야간(SWG_wT와 summer_night)에도 양의 기울기를 나타내고 있다(Figs. 7a, b). 야간에 기울기가 양으로 나타나며 상관계수가 높게 나타난 이유로는 건물지역(U)과 식생지역(G)의 SVF가 최대 최소의 극단에 가까운 값으로 산출된 점과 외곽경계(B)를 포함한 모든 피복유형이 양의 기울기를 보였던 특성으로 설명할 수 있다.


Fig. 7. 
A correlation of SWG (wT/nT) SVF and air temperature from 16 AWSs.

SWG SVF와 평균기온 분포는 여름철과 겨울철 모두 주간보다 야간에, 선정릉 지역 도시 기하구조보다 토지피복 유형에 따른 평균기온의 차이가 뚜렷하였다.

3DPC SVF와 평균기온의 분포특성은 SWG SVF와 평균기온의 분포특성과 유사하나 여름철 SVF (3DPC_wT)의 최대 및 최소 구간의 범위(0.25~0.45)가 좁았다(Figs. 8a, b). 평균기온의 차이가 크지 않았으나 여름철 야간에 건물지역(U)이 식생지역(G)이나 식생의 외곽경계(B)보다 평균기온이 높은 반면 SVF는 조금 낮아, Fisheye SVF처럼 1차 선형회귀식에서 기울기가 음(−)의 방향으로 바뀌었다(y = −4.83x + 25.3). 겨울철 SVF (3DPC_nT)와 주 · 야간 평균기온 분포는 SWG SVF사례와 유사하나, SVF 최대 및 최소 구간의 범위(0.28~0.82)가 SWG SVF (0.54~0.97)보다 낮게 분포하였다.


Fig. 8. 
A correlation of 3DPC (wT/nT) SVF and air temperature from 16 AWSs.


4. 고 찰

서울시 강남구 선정릉 일대를 사례지역으로 하여 도시 생활환경에 쉽게 접하는 토지피복 유형(G, B, U)에 대해서 도시기후 분석에서 자주 사용되는 Fisheye, SWG, 3DPC 산출기법을 적용하여 식생유무에 따라 Fisheye, SWG_wT, SWG_nT, 3DPC_wT, 3DPC_nT를 재산정하였다. 그 결과, 토지피복 유형 및 SVF 산출기법에 따라 동일 관측 위치에서도 차이를 보이며 숲 및 가로수 캐노피 비율이 높을수록 큰 차이가 있음을 확인하였다.

평균기온 분포는 여름철 주간과 야간 모두 건물지역(U)에서 높은 국지적 UHI특성을 보여주고 있다. 여름철 주간에는 식생지역(G)에서 낮은 평균기온으로 뚜렷한 차이를 보이고 여름철 야간에는 건물지역(U)에서 높은 평균기온으로 뚜렷한 차이를 보인다. 식생의 외곽경계(B)는 주간에는 건물지역(U)에 가깝고 야간에는 식생지역(G)에 가까운 평균기온 분포를 보인다. 즉, 식생의 외곽경계(B) 평균기온은 건물지역(U)과 식생지역(G)의 전이지대로서 계절과 주야에 따라 평균기온의 유사성이 달라지는 고유한 특성을 보인다.

지금까지 ‘인공피복 vs. 자연피복’ 조사분석 및 관리체계를 고려한 연구가 진행되어 왔으나, B지역 관측지점들 평균기온의 범위가 여름 주간 및 겨울 주간에 다른 그룹에 비해 높게 나타나고, 야간에는 낮게 나타나는 특성이 확인된 만큼 전이지대에 대한 별도의 연구적 관심을 기울일 필요가 있다.

한편, 겨울철 주간에는 토지피복 유형에 따른 평균기온 특성의 차이가 부각되지 않으나 겨울철 야간에는 건물지역(U)에서 뚜렷하게 높은 평균기온 분포를 보이는 것으로, 토지피복 유형과 관련한 불투수표면의 면적과 미기후의 특성으로 판단된다(Yi et al., 2012).

계절 및 주야 별 평균기온을 SVF와 비교한 결과, 시계열적으로는 여름 주간 및 겨울 야간에, SVF 계산기법 중에서는 SWG SVF가 평균기온과의 상관성이 그 밖의 다른 조건들과의 상관성에 비해 높게 나타났다. 특히, 여름철 야간에 Fisheye SVF와 3DPC_wT SVF는 음의 상관관계를, SWG_wT SVF는 양의 상관관계를 보여 상충이 있으나 평균기온에는 다양한 복합적 요인이 개입되므로 인과관계의 검증 및 판단이 어려웠다. 즉, 피복유형 및 시간(계절 · 주야)에 따라 변화되는 평균기온 분포는 식생의 대사작용과 도시 활동에 의한 인공열 효과 등이 국지적 평균기온에 영향을 주고 있다. 여름철에는 식생캐노피의 일사 차단 및 증발산 등 생명활동에 의한 미기후 조절효과가, 겨울철에는 대기가 안정된 야간에 냉난방 및 교통에 의한 인공열 효과(Robitu et al., 2006; Loridan and Grimmond, 2012; Kong et al., 2016) 등 SVF 이외에 다른 효과가 일부 평균기온 관측을 통해 나타나는 것으로 볼 수 있다(Pigeon et al., 2007; Sailor, 2011; Yi et al., 2016). 그러나 이러한 추정되는 효과들을 충분히 검증하기에는 AWS 관측밀도가 충분하지 않았고 서울시 전체를 보더라도 지표면 보행자높이에서의 도시 기후환경을 모니터링 할 수 있는 관측지점이 부족한 실정이다. 최근 국립기상과학원이나 국립환경과학원 등에서 도시공간의 세세한 토지피복 · 토지이용 유형 별 열환경 · 미세먼지 모니터링을 위한 관측지점 확충 및 보완계획을 수립하고 있는 만큼, 향후 국내 도시의 열환경 실정에 맞는 관측 · 분석체계 연구가 활발하게 진행될 수 있을 것이다. 더불어 도시 열환경 모델링 · 분석 체계의 개선을 위한 연구들이 이어질 수 있을 것이다. 현재 원격탐사 및 공간정보화 기술의 발달로 정교한 3차원 건축물 및 식생 DB가 만들어지고 있어 이들 자료를 열환경 분석과 연계하려는 연구가 확대되고 있으나 이 연구에서 제시한 기법들을 적용할 수 있는 지역적이 제한되어 있어 이를 고려한 분석기법 선택이 필요하다. 도시의 피복구조가 매우 복잡하기 때문에 많은 모델에서 도시를 단순화하여 연구하였으나, 이 과정에서 식생과 관련한 피복 및 캐노피와 관련된 정보가 생략되었었다(Gál et al., 2009). 이후 연구에서는 식생캐노피를 고려하여 기온, 바람 등의 미기후에 대한 설명력을 높여야 할 것이다. 그러나 이 연구에서도 식생캐노피의 계절별 활력도는 침엽 · 활엽 특성에 따라 크게 변화하지만 이러한 계절 특성 변화를 SVF 비교에 반영하지 못하고 있다. 겨울철에 숲이나 가로수의 캐노피가 없는 것으로 극단적인 가정을 설정하여 분석한 결과 겨울 주간 평균기온과 SVF의 상관성이 낮아지게 되었다. 향후에는 도시의 식생캐노피의 계절적 효과를 모델을 통해 보정할 필요성이 있다. 산림과학원에서는 국내의 임상 · 수종 · 흉고직경을 고려하여 계절에 따른 엽생체량 증감 및 탄소흡수원 산정 연구를 진행한 바 있기 때문에 관련 데이터를 검토하여 계절에 따른 도시열환경 연구의 범위를 확장시킬 수 있을 것이다. 분석모델에 계절별 특성을 모수 형태로 도입하여 일부만 반영하여도 도시에서의 식생캐노피에 의한 일사차단 및 열환경 조절기능 분석이 관측 자료에 보다 더 부합될 것이기 때문에 제시한 지표면 특성을 반영하여 미기후 분석 개선방향을 다각적으로 검토해야 할 것이다.


5. 결 론

우리나라 도시의 공간구조에 맞는 열환경 분석기법 평가를 위해 서울시 강남구 선정릉 일대를 사례지역으로 SVF 기법 적용 특성을 평가하고 국지적 평균기온과의 관련성을 검토하였다. 강남 선정릉 지역이 한국의 대표도시는 아니지만, 복잡한 지표면 구성요소를 가진 도시로써, 수직적 특성인 SVF와 수평적 특성인 토지피복 유형에 의한 기온상관분석 결과 다음과 같은 결론을 도출할 수 있었다. 도시의 숲 및 가로수 등 식생캐노피 점유비율이 높을수록, 식생캐노피 적용 유무에 따른 SVF 수치들을 비교한 결과가 큰 차이를 보여 입체적 피복효과가 국내 도시의 열환경 요인 분석을 위해 중요함을 확인하였다. 또한 산출기법 별 SVF 크기와 평균기온의 상관분석 결과에서는 세 가지 기법에서 공통적으로, SVF의 크기에 따라 여름철 주간에는 양의 기울기를 보이고 겨울철 야간에는 음의 기울기를 나타내는 상관성을 보였다. SVF 산출기법에서는 관측 값인 Fisheye SVF가 3DPC SVF와 근사한 값을 산출하였으나, 기온과의 상관성에서는 격자기반 SWG SVF가 더 높게 나타났다. 본 연구에서는 기온과의 상관관계인자를 SVF로 설명하려고 하였으나, 도시기온 영향인자는 다양하며, 그 기여율 또한 시공간적으로 변동하고 있다. 제한된 환경과 관측자료로 규명하기에는 어려움이 있었으며, 향후 복합적인 변수들을 이용하여 도시기온의 영향인자들에 대한 기여도를 정량적으로 분석하고 설명하는 연구가 필요하다.


Acknowledgments

본 연구는 기상청 차세대도시농림융합스마트기상서비스개발(WISE) 사업의 지원으로 수행되었습니다(KMIPA-2012-0001-1).


References
1. Akbari, H., (2002), Shade trees reduce building energy use and CO2 emissions from power plants, Environ. Pollut, 116, pS119-S126.
2. Ali-Toudert, F., and H. Mayer, (2007), Effects of asymmetry, galleries, overhanging façades and vegetation on thermal comfort in urban street canyons, Sol. Energy, 81, p742-754.
3. An, S. M., B. S. Kim, H. Y. Lee, C. H. Kim, C. Y. Yi, J. H. Eum, and J. H. Woo, (2014), Three-dimensional point cloud based sky view factor analysis in complex urban settings, Int. J. Climatol, 34, p2685-2701.
4. An, S. M., H.-G. Son, K.-S. Lee, and C. Yi, (2016), A Study of the urban tree canopy mean radiant temperature mitigation estimation, J. Korean Inst. Landsc. Archit, 44, p93-106, (in Korean with English abstract).
5. Anderson, M. C., (1964), Studies of the woodland light climate: I. The photographic computation of light conditions, J. Ecology, 52, p27-41.
6. Bruse, M., and H. Fleer, (1998), Simulating surface–plant– air interactions inside urban environments with a three dimensional numerical model, Environ. Model Softw, 13, p373-384.
7. Casares, F. J., J. Ramírez-Faz, and R. López-Luque, (2014), Development of synthetic hemispheric projections suitable for assessing the sky view factor on horizontal planes, Energy Build, 82, p696-702.
8. Chapman, L., and J. E. Thornes, (2004), Real-time sky-view factor calculation and approximation, J. Atmos. Ocean. Technol, 21, p730-741.
9. Chen, L., E. Ng, X. An, C. Ren, M. Lee, U. Wang, and Z. He, (2012), Sky view factor analysis of street canyons and its implications for daytime intra-urban air temperature differentials in high-rise, high-density urban areas of Hong Kong: A GIS-based simulation approach, Int. J. Climatol, 32, p121-136.
10. Eum, J.-H., D. Scherer, U. Fehrenbach, J. Köppel, and J.-H. Woo, (2013), Integrating urban climate into urban master plans using spatially distributed information- The Seoul example, Land Use Policy, 34, p223-232.
11. Gál, T., F. Lindberg, and J. Unger, (2009), Computing continuous sky view factors using 3D urban raster and vector databases: Comparison and application to urban climate, Theor. Appl. Climatol, 95, p111-123.
12. Grimmond, C. S. B., S. K. Potter, H. N. Zutter, and C. Souch, (2001), Rapid methods to estimate sky-view factors applied to urban areas, Int. J. Climatol, 21, p903-913.
13. Hart, M. A., and D. J. Sailor, (2009), Quantifying the influence of land-use and surface characteristics on spatial variability in the urban heat island, Theor. Appl. Climatol, 95, p397-406.
14. Holmer, B., (1992), A simple operative method for determination of sky view factors in complex urban canyons from fisheye photographs, Meteorol. Zeitschrift, 1, p236-239.
15. Holmer, B., U. Postgård, and M. Eriksson, (2001), Sky view factors in forest canopies calculated with IDRISI, Theor. Appl. Climatol, 68, p33-40.
16. Hämmerle, M., T. Gál, J. Unger, and A. Matzarakis, (2011), Comparison of models calculating the sky view factor used for urban climate investigations, Theor. Appl. Climatol, 105, p521-527.
17. Jänicke, B., F. Meier, F. Lindberg, S. Schubert, and D. Scherer, (2016), Towards city-wide, building-resolving analysis of mean radiant temperature, Urban Clim, 15, p83-98.
18. Kastendeuch, P. P., (2013), A method to estimate sky view factors from digital elevation models, Int. J. Climatol, 33, p1574-1578.
19. Kim, K. R., C. Yi, J.-S. Lee, F. Meier, B. Jänicke, U. Fehrenbach, and D. Scherer, (2014), BioCAS: Biometeorological climate impact assessment system for buildingscale impact assessment of heat-stress related mortality, DIE ERDE, 145, p62-79.
20. Kokalj, Ž., K. Zakšek, and K. Oštir, (2011), Application of sky-view factor for the visualization of historic landscape features in lidar-derived relief models, Antiquity, 85, p263-273.
21. Kong, F., W. Yan, G. Zheng, H. Yin, G. Cavan, W. Zhan, N. Zhang, and L. Cheng, (2016), Retrieval of threedimensional tree canopy and shade using terrestrial laser scanning (TLS) data to analyze the cooling effect of vegetation, Agric. Forest Meteor, 217, p22-34.
22. Lindberg, F., B. Holmer, and S. Thorsson, (2008), SOLWEIG 1.0 – Modelling spatial variations of 3D radiant fluxes and mean radiant temperature in complex urban settings, Int. J. Biometeorol, 52, p697-713.
23. Lindberg, F., and C. S. B. Grimmond, (2011), The influence of vegetation and building morphology on shadow patterns and mean radiant temperatures in urban areas: Model development and evaluation, Theor. Appl. Climatol, 105, p311-323.
24. Loridan, T., and C. S. B. Grimmond, (2012), Characterization of energy flux partitioning in urban environments: Links with surface seasonal properties, J. Appl. Meteor. Climatol, 51, p219-241.
25. Matuschek, O., and A. Matzarakis, (2010), Estimation of sky view factor in complex environment as a tool for applied climatological studies, In Berichte des Meteorologischen Instituts der Albert-Ludwigs-Universität Freiburg, Nr. 20, A. Matzarakis Eds., p534-539.
26. Matzarakis, A., and O. Matuschek, (2011), Sky view factor as a parameter in applied climatology - rapid estimation by the SkyHelios model, Meteorol. Zeitschrift, 20, p39-45.
27. Matzarakis, A., F. Rutz, and H. Mayer, (2007), Modeling radiation fluxes in simple and complex environments-application of the RayMan model, Int. J. Biometeorol, 51, p323-334.
28. Murphy, D. J., M. H. Hall, C. A. S. Hall, G. M. Heisler, S. V. Stehman, and C. Anselmi-Molina, (2011), The relationship between land cover and the urban heat island in northeastern Puerto Rico, Int. J. Climatol, 31, p1222-1239.
29. Oke, T. R., (1981), Canyon geometry and the nocturnal heat island: comparison of scale model and field observations, Int. J. Climatol, 1, p237-254.
30. Oke, T. R., (1987), Boundary Layer Climates, 2nd., Methuen, p289.
31. Pigeon, G., D. Legain, P. Durand, and V. Masson, (2007), Anthropogenic heat release in an old European agglomeration (Toulouse, France), Int. J. Climatol, 27, p1969-1981.
32. Robitu, M., M. Musy, C. Inard, and D. Groleau, (2006), Modeling the influence of vegetation and water pond on urban microclimate, Sol. Energy, 80, p435-447.
33. Sailor, D. J., (2011), A review of methods for estimating anthropogenic heat and moisture emissions in the urban environment, Int. J. Climatol, 31, p189-199.
34. Shaker, R. R., and T. D. Drezner, (2010), A new technique for predicting the sky view factor for urban heat island assessment, Geogr. Bull, 51, p85-96.
35. Souza, L. C. L., D. S. Rodrigues, and J. F. G. Mendes, (2003), Sky view factors estimation using a 3D-GIS extension, Proc. 8th Int. Conference on IBPSA, Eindhoven, p1227-1234.
36. Stathopoulou, M., and C. Cartalis, (2007), Daytime urban heat islands from Landsat ETM+ and Corine land cover data: An application to major cities in Greece, Sol. Energy, 81, p358-368.
37. Steyn, D. G., (1980), The calculation of view factors from fisheye-lens photographs: Research note, Atmosphere-Ocean, 18, p254-258.
38. Unger, J., (2009), Connection between urban heat island and sky view factor approximated by a software tool on a 3D urban database, Int. J. Environ. Pollut, 36, p59-80.
39. Yamashita, S., K. Sekine, M. Shoda, K. Yamashita, and Y. Hara, (1986), On the relationships between heat island and sky view factor in the cities of Tama River Basin, Japan, Atmos. Environ, 20, p681-686.
40. Yang, F., S. S. Y. Lau, and F. Qian, (2010), Summertime heat island intensities in three high-rise housing quarters in inner-city Shanghai China: Building layout, density and greenery, Build. Environ, 45, p115-134.
41. Yi, C., K.-R. Kim, Y.-J. Choi, H. Y. Won, and S. Dieter, (2012), Nocturnal surface cooling and cold air transport analysis based on high density Observation - A case study of Eunpyeong New Town in Seoul, J. Korean Assoc. Geogr. Inf. Stud, 15, p124-137, (in Korean with English abstract).
42. Yi, C., K.-R. Kim, S.-M. An, and Y.-J. Choi, (2014), Impact of the local surface characteristics and the distance from the center of heat island to suburban areas on the night temperature distribution over the Seoul metropolitan area, J. Korean Assoc. Geogr. Inf. Stud, 17, p35-49, (in Korean with English abstract).
43. Yi, C., S. M. An, K. R. Kim, H.-G. Kwon, and J.-S. Min, (2016), Surface micro-climate analysis based on urban morphological characteristics: temperature deviation estimation and evaluation, Atmosphere, 26, p445-459, (in Korean with Ehglish abstract).