The Korean Meteorological Society 1

Home

Atmosphere - Vol. 31 , No. 2

[ Article ]
Atmosphere - Vol. 31, No. 2, pp. 143-156
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Jun 2021
Received 04 Jan 2021 Revised 25 Feb 2021 Accepted 20 Mar 2021
DOI: https://doi.org/10.14191/Atmos.2021.31.2.143

서울 수도권 지역의 토지 피복 변화가 여름철 도시열섬 강도와 체감온도에 미치는 영향
홍선옥* ; 변재영 ; 김도형 ; 이상삼 ; 김연희
국립기상과학원 미래기반연구부

Effects of Land Cover Change on Summer Urban Heat Island Intensity and Heat Index in Seoul Metropolitan Area, Korea
Seon-Ok Hong* ; Jae-Young Byon ; Do-Hyeong Kim ; Sang-Sam Lee ; Yeon-Hee Kim
Innovative Meteorological Research Department, National Institute of Meteorological Sciences, Jeju, Korea
Correspondence to : * Seon-Ok Hong, Innovative Meteorological Research Department, National Institute of Meteorological Sciences, 33, Seonbuk-ro, Seogwipo-si, Jeju-do 63568, Korea. Phone: +82-64-780-6663, Fax: +82-64-738-9072 E-mail: seonok0421@korea.kr

Funding Information ▼

Abstract

This study investigates the impacts of land cover change due to urbanization on the Urban Heat Island Intensity (UHII) and the Heat Index (HI) over the Seoul metropolitan area using the Unified Model (UM) with the Met Office Reading Urban Surface Exchange Scheme (MORUSES) during the heat wave from 16, July to 5, August 2018. Two simulations are performed with the late 1980s land-use (EXP1980) and the late 2000s land-use (EXP2000). EXP2000 is verified using Automatic Weather Station (AWS) data from 85 points in the study area, and observation sites are classified into two categories according to the urban fraction change over 20 years; Category A is 0.2 or less increase, and Category B is 0.2 or more increase. The 1.5-m temperature and relative humidity in Category B increase by up to 1.1°C and decreased by 7% at 1900 LST and 2000 LST, respectively. This means that the effect of the urban fraction changes is higher at night. UHII increases by up to 0.3°C in Category A and 1.3°C in Category B at 1900 LST. Analysis of the surface energy balance shows that the heat store for a short time during the daytime and release at nighttime with upward sensible heat flux. As a result of the HI, there is no significant difference between the two experiments during the daytime, but it increases 1.6°C in category B during the nighttime (2200 LST). The results indicate that the urbanization increase both UHII, and HI, but the times of maximum difference between EXP1980 and EXP2000 are different.


Keywords: Unified model, MORUSES, urban heat island intensity, heat index, land-use

1. 서 론

최근 도시 거주 인구는 전 세계 인구의 55% 이상이며 2050년에는 그 비율이 68%를 넘길 것으로 전망되고 있다(UN, 2018). 도시지역의 가장 대표적인 기상현상인 도시열섬은 도시지역의 기온이 주변지역보다 높게 나타나는 현상이다(Oke, 1982; Rizwan et al., 2008). 최근 지구온난화로 폭염이 증가하여 도시열섬과 폭염간의 시너지 효과로 인한 사망과 질병 발생률이 높아지고 있다(Conti et al., 2005; Uejio et al., 2011; Stone, 2012). 또한 고온의 날씨에서 사람들이 느끼는 체감온도는 실제 대기 온도뿐만 아니라 습도, 바람 등이 중요한 요소로 작용한다(Schoen, 2005). 따라서 도시화가 기온에 미치는 영향과 함께 체감온도에 대한 분석이 필요하다.

도시화로 인한 열 환경과 도시열섬 강도 변화는 토지 피복의 종류에 영향을 가장 많이 받는다(Chenet al., 2014). 도시화가 진행될수록 식생 지표가 줄어들어 잠열이 낮아지고, 건물과 불투수성 지표가 늘어 현열과 저장열 플럭스가 높아지기 때문에 저장열에 의해 지면온도가 높아져 도시열섬 강도가 강해진다. Grover and Singh (2015)은 도시열섬 강도와 지면의 식생지수인 NDVI (Normalized Difference Vegetation Index)와의 상관관계를 연구하였다. 열 위성 관측자료를 기반으로 인도 델리와 뭄바이의 도시열섬 강도를 산출하였고, 도시화 및 자연 식생의 감소가 고온화의 주요 원인이라고 결론지었다. 도시화와 실제 인간이 느끼는 체감온도의 상관관계에 대한 연구로 Basara et al. (2010)은 미국 오클라호마를 대상으로 폭염기간 동안에 기온과 이슬점온도 관측자료를 활용하여 도시열섬 강도와 체감온도가 지표 특성에 따라 다름을 보였다. 도시와 교외지역 간의 도시열섬 강도가 약 1~2°C가량 차이를 났으며, 체감온도 또한 시골지역에 비해 도시지역이 3°C 가량 높게 나타났다.

도시화가 기온과 체감온도에 미치는 영향에 대한 연구는 관측자료 뿐만 아니라 도시 모수화 방안을 적용한 수치모델을 활용한 연구들도 활발하게 진행되고 있다(Chen et al., 2014; Zhou and Chen, 2018; Yang et al., 2019). 수치모델을 활용한 연구는 도시의 형태와 지표특성을 변경한 가상 실험이 가능하기 때문에 도시화가 기온과 체감온도 등에 미치는 영향을 정량적으로 계산할 수 있는 것이 장점이다. 도시 모수화 방안은 도시지역의 형태와 지표면의 다양성을 반영하기 위해 다양한 형태로 개발되어 수치모델이 적용되었다(Grimmond and Oke, 1999; Masson, 2000; Kusaka et al., 2001; Best, 2005; Kanda et al., 2005; Oleson et al., 2008; Porson et al., 2010a, 2010b; Best et al., 2011; Chen et al., 2011). Zhou and Chen (2018)은 도시 캐노피 모델(Urban Canopy Model, UCM)이 적용된 WRF-UCM을 사용하여 중국 우한지역을 대상으로 1965년과 2008년의 토지 피복 변화에 따른 도시열섬 강도 변화와 풍속 변화를 모의하였다. 그 결과 도시화로 인해 호수지역이 감소하고, 호수의 환기효과가 줄어들어 도시열섬 강도가 증가함을 보였다. 중국 양쯔강 삼각주 지역에서는 WRF-UCM 모델을 활용하여 인공열과 도시 피복의 면적이 도시열섬 강도와 열 스트레스에 미치는 영향을 분석한 연구가 실시되었다(Yang et al., 2019). 이 지역의 도시열섬 강도는 평균 1.5oC에 달하며, 도시 개발에 의해서 체감온도가 27%증가하였고, 인공열과 도시 피복 면적의 기여도가 비슷하게 나타났다.

국내에서도 관측자료와 수치모델을 활용한 우리나라 서울 지역의 도시열섬 특성 분석 연구가 수행되었다(Kim and Baik, 2002, 2005; Moon and Koo, 2006; Kim et al., 2010; Lee et al., 2009; Lee et al., 2012; Hong et al., 2013; Kim et al., 2014; Hong et al., 2019). Kim and Baik (2005)은 서울 지역의 2001년 3월부터 2002년 2월까지의 관측자료를 분석하여, 도시열섬 강도가 인구밀도와 관련된다는 것을 보였다. Hong et al.(2013)은 국지기후대를 사용하여 도시 내의 다양한 지표와 건물 밀집도에 따른 서울지역의 도시열섬 강도의 특성을 분석하였다. 서울지역을 대상으로 기온자료를 이용하여 국지기후대(Local Climate Zone, LCZ)에 따라 서울의 평균 기온과의 기온차이를 도시열섬강도로 정의하고 분석하였으며, 고층 건물 밀집 지역과 도시 내 식생 지역 사이에 최대 4.3°C 가량의 기온차이가 나타남을 보였다. Kim et al. (2014)는 부산광역시의 열섬강도의 변화는 토지피복, 인구밀도, 교통량의 변화와 밀접한 관계가 있는 것을 밝혔다. 또한 Hong et al. (2019)은 서울의 도시열섬 강도가 도시의 확장, 사회경계적 발전과 상관관계가 있다는 연구 결과를 제시하였다. 수치모델을 활용한 도시열섬현상 연구로는 주로 도시화로 인한 도시열섬강도 증가에 관한 것으로, Moon and Koo (2006)은 서울 수도권지역을 대상으로 토지피복의 변화가 도시 열섬효과를 가중시킨 것을 확인하였다. Kim et al. (2010)은 기상모델을 이용하여 도시건설로 인한 국지 기상변화가 건강에 미치는 영향을 파악하였으며, Lee et al.(2009)은 대구지역을 대상으로 토지피복자료를 활용해 도시지역 세분화하여 도시 열환경 변화를 분석하였다. 도시화와 체감온도의 상관관계 연구로는 Kim and Song (2016)이 있다. 해당 연구에서는 전국의 80개 자동기상관측장비(Automatic Weather Station, AWS)의 관측지점과 관측지 반경 500m 내 토지 피복 종류와의 상관관계를 분석하였다. 그 결과 녹지의 증가는 기온 및 체감온도 모두 낮추는데 효과적이며, 야간의 경우 기온과 달리 체감온도를 낮추기 위해서는 녹지의 증가보다 교통면적 감소가 더 효율적으로 나타났다.

본 연구에서는 도시 모수화 방안이 적용된 수치모델을 활용하여 서울 수도권 지역을 대상으로 1980년대 말부터 2000년대 말까지의 토지 피복의 변화가 여름철 기온과 상대습도에 미치는 영향을 모의하였다. 또한 20년간의 도시비율의 증가량에 따라 카테고리를 분류하여 도시화가 도시열섬 강도, 체감온도와 지표면 에너지 플럭스에 미치는 영향을 분석하고자 한다. 이를 통해 도시비율의 변화가 각 변수의 시공간분포에 미치는 영향을 도출하고자 한다.


2. 자료 및 실험방법
2.1 모델설정
2.1.1 모델개요

본 실험에 사용된 모델은 LDAPS-MORUSES로 1.5km 해상도인 국지예보모델(Local Data Assimilation and Prediction System, LDAPS)과 도시형태변수를 고려한 도시 모수화 방안인 Met Office-Reading Urban Surface Exchange Scheme (MORUSES)이 적용된다. LDAPS는 통합모델 기반으로 도시 모수화 방안으로는 도시 형태를 단순한 판으로 가정하는 Best 방법(Best et al., 2011)과 도시의 건물 형태를 고려한 MORUSES가 있다. Porson et al. (2010a)는 멕시코시티에서 관측한 자료로 MORUSES의 에너지 수지를 검증한 결과 모의 정확도가 Best 방법에 비해 향상되었음을 보였다. 또한 MORUSES를 활용한 서울 수도권지역의 1.5-m 기온 검증 결과, Best 방법에 비해 향상되었음이 확인되었다(Hong et al., 2018).

모델의 수평과 연직 격자체계는 각각 Arakawa C-grid와 Charney Philips 체계와 terrain-following hybrid-height 좌표계를 사용한다(Davies et al., 2005). 수평해상도는 가변격자체계를 적용하여 내부의 1.5 km 해상도, 외부의 4 km 해상도의 고정격자 구역과 내부에서 외부로의 1.5 km 해상도에서 4 km 해상도로 증가하는 가변 격자 구역으로 구성되었다(Fig. 1). 격자수는 1188(동서) × 1148(남북)로 한반도와 동아시아영역 일부를 포함하고 연직층은 70개 층이다.


Fig. 1. 
The domains of the Unified Model simulations and the study area. Blue color indicates Category A sites, red color indicates Category B sites.

물리 모수화 과정 중 미세물리과정은 Wilson and Ballard (1999)을 경계층물리과정은 Lock et al. (2000)을 사용한다. 복사물리과정은 Edwards and Slingo(1996)을 지면물리과정은 Joint U.K. Land Environment Simulator (JULES) 지면모델(Best et al., 2011)을 사용한다. 중력파항력과정(gravity-wave drag)은 Webster et al. (2003)이 적용되었다. 유한차분법을 사용하고 반암시 반라그랑지 방법(Semi-implicit semi-lagrangian scheme)을 이용하여 시간 적분을 수행한다. 모델의 초기장은 기상청 국지예보모델과 경계장은 기상청 전구예보모델(Global Data Assimilation and Prediction System, GDAPS) 자료를 사용한다.

LDAPS-MORUSES의 지면모델은 JULES를 사용한다. 이 지면모델은 한 격자 내의 다양한 지면 피복을 표현할 수 있는 모자이크기법을 사용한다. JULES는 각 격자마다 활엽수(broad leaf trees), 침엽수(needle leaf trees), C3 초지(C3 grass), C4 초지(C4 grass), 관목(shrubs)의 5가지 식생지표를 사용한다. 비 식생지표로는 도시(urban), 내륙수(inland water), 나지(baresoil), 내륙빙(land ice)의 4가지를 사용하여 토지 피복의 유형은 총 9가지이다.

2.1.2 실험설계

본 연구에서는 서울 수도권 지역을 대상으로 폭염기간 중에 토지 피복의 변화가 기상변수(기온, 상대습도), 도시열섬 강도, 체감온도에 미치는 영향을 수치모델실험을 통해 확인하였다. 실험은 1980년대말 토지 피복 자료를 사용한 EXP1980과 2000년대 말 토지 피복 자료를 사용한 EXP2000로 이루어진다. 토지피복 자료에 대한 설명은 2.2.1에 제시하였다.

수치모의에 사용된 기간은 고기압 영향 아래 비강수기간인 2018년 7월 16일부터 2018년 8월 5일까지로 선정하였다. 서울 종관기상관측소 기준으로 평균풍속은 약 1.7m s-1, 운량은 3.3이며 폭염주의보와 폭염특보가 발효된 기간이다. 수치모의는 2018년 7월 16일부터 2018년 8월 5일까지로 21일간 수행되었다. 국지예보모델에서 매일 0000 UTC에 초기장을 생성하였고, 전구예측모델에서 세시간 간격으로 경계장을 입력하여 0000UTC부터 24시간 동안의 예측자료를 생성하였다. 연구 영역은 서울과 수도권지역을 포함하는 126.6~127.6°E, 37.1~37.8°N 영역이다(Fig. 1).

2.2 자료
2.2.1 토지 피복 자료

도시화로 인한 토지 피복 변화를 수치모델에 적용하기 위해 환경부에서 10년 주기로 생산하는 대분류 토지 피복 자료를 사용하였다. 환경부 대분류 토지 피복 자료는 한반도 전체에 30m 해상도로 총 7가지 카테고리(urban, crop, forest, grassland, wetland, bare ground, water bodies)로 이루어져있다. 이를 2.1.1절에서 설명한 JULES 지면모델의 지면경계조건으로 입력하기 위해 Unnikrishnan et al. (2016)을 참고하여 통합모델의 9가지 토지 피복 유형으로 재분류표를 작성하였다(Table 1).

Table 1. 
Look up table from 7 categories of the Ministry of Environment level 0 data (EGIS) to 9 categories of Unified Model.
Code 1 2 3 4 5 6 7 8 9
Code JULES EGIS Broad leaf Needle leaf C3 grass C4 grass Shrubs Urban Open water Bare soil Land ice
1 Urban 0 0 0 0 0 1 0 0 0
2 Crop 0 0 0.75 0.05 0 0 0 0.2 0
3 Forest 0.45 0.45 0 0 0.05 0 0 0.05 0
4 Grassland 0 0 0.7 0.15 0.05 0 0 0.1 0
5 Wetland 0 0 0.4 0 0 0 0.4 0.2 0
6 Bare ground 0 0 0 0 0 0 0 1 0
7 Water bodies 0 0 0 0 0 0 1 0 0

토지 피복 자료의 재 분류 결과로 서울과 수도권지역을 포함하는 연구영역(126.6~127.6°E, 37.1~37.8°N)내의 도시비율과 20년간의 도시비율변화를 Fig. 2에 나타냈다. 도시비율(urban fraction, fu)은 각 격자 내에 전체 지면 피복 중 도시가 차지하는 비율로 정의하며 그 값은 0과 1 사이이다. 도시비율 값이 클수록 격자 내의 도시 피복이 차지하는 면적이 크다는 것을 의미한다. 연구영역 내의 평균 도시비율은 1980년대말의 0.11에서 2000년대말의 0.18로 20년간 0.07 증가하였다. 20년간의 도시비율변화는 서울시 외곽지역이 서울시내보다 크게 나타났다. Figure 2c의 파란원 구역인 서울시의 서쪽 부근에서는 도시비율이 낮아진 지역이 존재하며, 밀집된 주거지역에 건물간의 간격이 높은 아파트가 지어지고, 아파트 건물사이의 근린공원 등이 생겼기 때문이다. 도시 비율이 증가한 구역은 서울시의 외곽 지역으로 Fig. 2b의 빨간원 구역의 경기도 남부 지역과 경기도 북서 지역에서 가장 높게 증가하였다. Figure 2c의 검은원 구역은 간척지로 불투성지표가 크게 증가 하였으나, LDAPS 모델 상에는 바다로 분류 되어 있는 곳으로 모델 결과에는 반영되지 않았다.


Fig. 2. 
Spatial distribution of urban fraction for (a) late 1980s, (b) late 2000s, and (c) difference between late 1980s and 2000s.

2.2.2 관측자료

도시화에 따른 토지피복변화가 기상변수에 미치는 영향을 분석하기에 앞서 관측자료를 통한 검증을 실시하였다. 검증에는 연구영역 내의 AWS 중 85개소의 기온과 상대습도자료를 사용하였다. 검증 지점의 선정기준은 고도에 따른 기온의 변화에 의한 오차를 줄이기 위해 해발고도가 100 m 이하이며 연구영역 내에 존재하는 지점이다. 기온과 상대습도의 검증을 위하여 평균 편차 오차(Mean Bias Error, MBE), 평균제곱근 오차(Root Mean Square Error, RMSE)를 이용하였으며, 이 검증 값들은 값이 0에 가까울수록 모델과 관측이 유사하다는 것을 나타낸다.

연구영역 내의 85개소 AWS 관측지점을 도시비율(fu)은 1980년대 말에서 2000년대 말까지 약 -0.2에서약 0.6까지 변화하였다. 본 연구에서는 20년간의 도시비율 변화가 큰 지점들과 적은 지점들의 분류하기 위해 도시비율 변화 기준으로 0.2로 설정하였으며, 0.2이하로 변화한 지점을 카테고리 A, 0.2 이상 변화한 지점을 카테고리 B로 정의하였다(Table 2). 분류 기준에 따라 기상변수들의 변화 폭은 차이가 있을 수 있으나, 도시화가 많이 된 지역과 도시화가 적게 된 지역의 상대적인 비교를 위해 도시비율 변화 기준을 0.2로 설정하였다. 각 카테고리별 관측지점의 위치는 Fig.1에 표현되어 있으며, EXP1980와 EXP2000의 도시비율 Fig. 3에 나타냈다. Figure 3의 파란색은 카테고리A, 빨간색은 카테고리 B를 의미한다. 20년간의 도시비율 변화는 카테고리 A에서는 평균 0.02 증가하였고, 카테고리 B에서는 평균 0.34 증가하였다(Table 2).

Table 2. 
Categories with the difference fraction of urban (fu) between late of the 1980s and 2000s [fu(EXP2000) - fu(EXP1980)], Average of urban fraction change.
Category fu(EXP2000) - fu(EXP1980) The number of sites Average of Urban fraction change
A fu(EXP2000) - fu(EXP1980) < 0.2 70 0.02
B fu(EXP2000) - fu(EXP1980) ≥ 0.2 15 0.34


Fig. 3. 
AWS observation site with fraction of urban land-use in EXP1980 and EXP2000. Blue color indicates Category A, red color indicates Category B.

2.3 도시열섬 강도와 체감온도 산출

도시열섬 강도를 계산하기 위하여 도시 유무에 따른 실험을 추가로 구성하였다. EXP1980와 EXP2000의 도시피복을 그대로 적용한 도시실험과 도시를 C3초지로 변경한 비도시실험의 1.5m 기온 모의 결과의 차이로 정의하였다(Bohnenstengel et al., 2011). 도시열섬 강도(Urban Heat Island Intensity, UHII)는 아래의 식으로 계산하였다.

UHII°C=T1.5mUrban-T1.5mNo urban

여기서 T1.5m(Urban)는 EXP1980과 EXP2000에서 도시 피복을 그대로 유지한 실험의 1.5 m 기온(°C), T1.5m(No urban)는 EXP1980과 EXP2000의 토지피복자료중 도시를 초지로 변환한 토지피복자료를 사용한 실험의 1.5m 기온(°C)이다.

고온 다습한 환경에서 폭염특보의 효율성을 높이기 위해 미국 기상청에서는 열지수(Heat Index, HI)를 개발하여 사용하였다. Steadman (1979)이 제안한 열지수는 기온과 상대습도를 이용하여 사람이 느끼는 열쾌적도를 나타내는 체감온도 개념이며, 아래의 식으로 계산된다.

HI=-42.379+2.04901523×T+10.14333127×RH-0.22475541×T×RH-0.00683783×T2-0.05481717×RH2+0.00122874×T2×RH+0.00085282×T×RH2-0.00000199×T2×RH2

위의 식에서 T는 화씨 기온(°F)이며, RH는 상대습도(%)이다. 본 연구에서는 열지수 단위를 화씨(°F)를 섭씨(°C)로 변환하여 사용하였다. 80°F (26.7°C) 이상은 주의, 91°F (32.8°C) 이상은 매우 주의, 103°F (39.4°C) 이상은 위험, 126°F (52.2°C) 이상은 매우 위험을 의미한다.


3. 결 과
3.1 모델 검증

서울지역의 85개소의 AWS 자료를 사용하여 EXP2000 실험의 기온과 상대습도를 검증하였다. Table 3은 전체 모의기간에 대한 기온과 상대습도의 RMSE와 MBE를 나타낸 것이다. 전체 기간 동안의 전 관측지점에 대한 기온 RMSE는 1.84°C이며 MBE는 -0.77°C이다. 상대습도는 RMSE가 10.22%이며 MBE는 –0.40%이다. 최근의 토지피복자료가 적용된 EXP2000의 기온 RMSE는 LDAPS-MORUSES를 사용한 선행연구 결과인 1.88°C와 비슷한 수준으로 나타났다(Hong et al., 2018). 상대습도의 RMSE는 WRF-UCM을 활용한 선행연구인 Bhati and Mohan (2018)의 11.77%과 비슷한 수준이다.

Table 3. 
RMSE and MBE of (a) 1.5-m temperature (°C) and (b) relative humidity (%) for EXP2000.
Variable RMSE MBE
1.5-m temperature (°C) 1.84 -0.77
Relative humidity (%) 10.22 -0.40

3.2 기온과 상대습도에 미치는 영향

도시비율의 변화가 기온과 상대습도의 공간분포에 미치는 영향을 분석하기 위해 전체 모의기간에 대한 평균 기온과 상대습도를 공간분포로 나타내었다. 2018년 7월 16일부터 2018년 8월 5일까지의 평균 기온은 EXP1980에 비해 EXP2000 실험이 연구영역 내에서 최대 2.52°C, 평균 0.23°C 상승하였다(Fig. 4). 두 실험의 기온 차가 크게 나타난 지역은 경기도 북서쪽과 남쪽 구역(빨간원)으로서 도시비율 변화가 높은 지역과 일치하는 것을 볼 수 있다. 서울시의 서쪽지역(파란원)은 도시비율이 감소한 구역으로 기온이 약 0.5°C 내외로 감소하였다. 평균 상대습도는 연구영역 내에서 평균 0.56% 감소하였고 최대로는 12% 감소하였다(Fig. 5). 기온의 증가와 상대습도의 감소는 도시비율의 변화가 큰 경기도의 북서쪽과 남쪽지역(빨간원)에서 두드러지게 나타났다. 기온과 마찬가지로 서울시 서쪽지역(파란원)의 도시비율이 감소한 구역은 상대습도가 3% 내외로 증가하였다. Figure 2c에서 검은원 구역은 도시비율이 높게 증가하였으나, Fig. 4cFig. 5c의 기온과 상대습도 변화는 상대적으로 적었다. 이 지역은 간척지로 LDAPS-MORUSES에서는 바다로 분류가 되어 토지피복변화가 적용되지 않았기 때문이다.


Fig. 4. 
Spatial distribution of 1.5-m temperature (°C) during the entire period of simulation for (a) EXP1980, (b) EXP2000, and (c) difference between EXP1980 and EXP2000.


Fig. 5. 
Spatial distribution of relative humidity (%) during the entire period of simulation for (a) EXP1980, (b) EXP2000, and (c) difference between EXP1980 and EXP2000.

Figure 6은 카테고리 A와 카테고리 B에 대해 EXP1980과 EXP2000의 기온 일변화와 두 실험간의 차이를 나타낸 것이다. 20년간의 도시비율에 의해 기온 변화는 20년간의 도시비율이 0.2 이하로 증가한 지역(카테고리 A)보다 20년간의 도시비율이 0.2 이상 증가한 지역(카테고리 B)이 크게 나타났다. 두 카테고리에 대한 EXP1980과 EXP2000 실험 간의 기온 차는 Fig. 6에 막대그래프로 나타내었다. EXP1980과 EXP2000 실험 간의 기온차이는 카테고리 A에서 최대 0.4°C이며, 카테고리 B에서는 1900LST에 최대 1.2°C로 나타났다. 또한 오전과 주간(0600 LST~1600 LST)에 비해 오후와 야간(1700 LST~0500 LST)에 토지피복의 변화에 따른 기온 변화가 더 큰 것을 알 수 있다. 카테고리 A와 B 모두 1000 LST 경에 EXP1980와 EXP2000 간의 온도차가 가장 낮게 나타났다. 이는 도시비율이 낮은 교외지역일수록 오전시간 대의 기온상승률이 높기 때문에 도시비율이 낮은 지역이 도시비율이 높은 지역보다 오전시간의 기온이 높게 나타날 수 있다(Oke et al., 2017).


Fig. 6. 
Mean diurnal variation of simulated 1.5-m temperature (°C) over observation site of (a) Category A [fu(2000-1980) < 0.2] and (b) Category B [fu(2000-1980) ≥ 0.2] during the entire period of simulation. Blue line and red line indicate EXP1980 and EXP2000, respectively. White bar plot indicate difference of 1.5-m temperature (°C) between EXP1980 and EXP2000.

Figure 7은 카테고리 A와 카테고리 B에 대해 EXP1980과 EXP2000의 상대습도 일변화를 나타낸 것이다. 두 카테고리 모두 EXP1980와 EXP2000 간의 상대습도 차이가 1000 LST 전후로 가장 적었으며 2000 LST에 가장 크게 나타났다. 카테고리 A는 상대습도가 2000 LST에 최대 3% 감소하고(Fig. 7a), 카테고리 B는 최대 9% 감소하였다(Fig. 7b). 도시비율이 높아질수록 기온이 증가하고 불투수성 지표로 인해 수증기 공급이 줄어들어 상대습도가 감소한다. 따라서 기온과 비슷하게 주간보다 야간에 토지피복의 변화가 상대습도에 미치는 영향이 크게 나타났다. 카테고리 B 기준으로 도시비율이 평균 0.34 증가하였을 때 기온은 1900 LST에 최고 1.2°C 증가하고 상대습도는 2000 LST에 최대 9% 감소하여, 도시비율 증가에 따른 기온과 상대습도의 변화는 주간보다 야간에 크다는 것을 확인하였다.


Fig. 7. 
Mean diurnal variation of simulated relative humidity (%) over observation site of (a) Category A (fu(2000-1980) < 0.2) and (b) Category B (fu(2000-1980) ≥ 0.2) during the entire period of simulation. Blue line and red line indicate EXP1980 and EXP2000, respectively. White bar plot indicate difference of relative humidity (%) between EXP1980 and EXP2000.

3.3 도시화에 따른 지면 에너지 플럭스 변화

서울 수도권 지역의 도시화에 의한 기온 변화를 설명하기 위해 지면에너지 플럭스 변화를 분석하였다. EXP1980과 EXP2000 간의 도시비율 변화가 큰 카테고리 B에 대해서만 잠열과 현열, 토양열 플럭스, 저장열 플럭스의 차이에 대한 일변화 그래프를 Fig. 8에 제시하였으며, 도시지역의 에너지 수지 방정식은 다음과 같다.

RN=H+HL+HG+HS

Fig. 8. 
Mean diurnal variation of simulated (a) latent heat flux, (b) storage heat flux, (c) sensible heat flux, and (d) ground heat flux for EXP1980, EXP2000, and difference between EXP1980 and EXP2000 over sites of Category B during the entire period of simulation.

여기서 RN은 순복사 플럭스이고, H는 현열 플럭스, HL은 잠열 플럭스를 나타낸다. HG는 토양열 플럭스, ∆HS는 저장열 플럭스이다. 저장열 플럭스는CdT*dt 로 표현될 수 있고, C는 열용량(J K-1 m-2)이고 T*는 지면 온도이다(Porson et al., 2010a). 교외지역과 달리 도시지역은 식생이 적고, 빌딩과 불투수성 지표가 존재하기 때문에 열용량(C)이 높아 교외지역에 비해 잠열이 낮고, 현열, 저장열이 높은 것으로 알려져 있다.

Figure 8은 두 실험의 현열과 잠열, 저장열, 토양열 플럭스의 일변화이다. 현열과 잠열은 양의 값일 때 지면에서 대기로, 음의 값일 때 대기에서 지면으로 에너지가 이동한다는 것을 의미한다. 저장열은 양의 값인 경우 지표와 건물에 열이 저장된다는 것을 의미하며, 음의 값인 경우 저장된 열이 지면에서 대기로 방출한다는 뜻이다. 토양열 플럭스는 Fig. 8d에서 양의 값일 경우 지면에서 토양으로, 음의 값일 경우 토양에서 지면으로 열이 이동한다는 뜻이다. 도시비율이 높아지면 도시의 열용량이 증가하며, 낮시간에 건물과 지표에 저장되는 저장열이 크기 때문에 저장열 플럭스는 EXP2000 실험이 EXP1980에 비해 80W m-2증가하였다. 또한 식생이 줄고 불투수성 지표가 늘어나 잠열이 EXP2000실험에서 EXP1980에 비해 최대 120W m-2 낮으며, 그 차이는 1500 LST에 가장 크게 나타났다. 특히 현열과 지면열 플럭스는 EXP1980에 비해 EXP2000에서 최대 플럭스 값이 나타나는 시간이 지연되고 늦은 시간까지 높은 플럭스 값을 유지하는 것으로 나타났다(Figs. 8c, d). 그 이유는 줄어든 잠열 플럭스 만큼 에너지가 현열, 저장열, 토양열 플럭스로 배분되어야 하는데, 이때 오전 0800 LST부터 1100 LST까지는 증가한 열용량에 의해 저장열 플럭스로 대부분 배분되기 때문이다. 따라서 오전시간대의 현열과 토양열 플럭스는 EXP1980과 EXP2000 간에 큰 차이가 나지 않는다(Fig. 8b). 1200 LST부터 1700 LST 까지는 저장열와 토양열, 현열 플럭스로 배분된다(Figs. 8b-d). 1800 LST 이후부터는 저장열 플럭스는 지면에서 대기와 토양으로 열을 방출하기 시작하고(Fig. 8b), 1800 LST부터 2100LST까지는 줄어든 잠열 플럭스만큼 현열과 토양열 플럭스로 배분된다(Figs. 8c, d).

현열의 경우 EXP2000이 EXP1980보다 1700 LST에 최대 70W m-2 크게 나타났으며, 이는 Fig. 6b에서 카테고리 B의 기온 상승의 원인으로 볼 수 있다. 두 실험 간의 현열의 차이는 1700LST에 가장 크게 나타났고(Fig. 8c), 기온의 차이는 1900LST에 가장 크게 나타났다(Fig. 6b). 또한 Fig. 6b에서 기온 최대값이 나타나는 시간이 EXP1980에 비해 EXP2000이 약간 늦은 이유는 지면의 열을 대기로 수송하는 현열의 최대값이 나타나는 시간이 지연되기 때문이다.

Chen et al. (2014)은 주간에 짧은 시간 동안 도시 지표에 저장된 열이 야간에 지속적으로 지면으로 방출되고 야간의 양의 현열 플럭스로 인해 대기로 방출되어 기온을 높인다고 하였다. Figure 8b에서 야간의 저장열은 음의 값으로, 이는 저장된 열이 지면으로 방출된다는 것을 의미하며, 현열 플럭스(Fig. 8c)는 양의 값으로 지면에서 대기로의 열의 이동을 뜻한다. 따라서 본 연구의 결과 또한 Chen et al. (2014)에서와 같이 낮시간에 도시지표에 저장된 열이 야간에 현열의 형태로 대기로 방출된 것으로 해석되며, 도시화는 주간보다 야간의 기온 상승에 크게 기여함을 알 수 있다.

3.4 도시열섬 강도와 열지수에 미치는 영향

서울 수도권 지역에서 20년간의 도시의 확장이 도시열섬 강도와 열지수에미치는 영향을 분석하기 위해 카테고리 A와 B의 도시열섬 강도와 열지수 일변화를 Fig. 9Fig. 10에 제시하였다. 각 카테고리별 EXP1980과 EXP2000 간의 도시열섬 강도와 열지수의 차이를 중점으로 설명하였다.


Fig. 9. 
Mean diurnal variation of simulated UHII (°C) over site of (a) Category A and (b) Category B for EXP1980, EXP2000, and difference between EXP1980 and EXP2000 during the entire period of simulation.


Fig. 10. 
Mean diurnal variation of simulated HI (°C) over site of (a) Category A and (b) Category B for EXP1980, EXP2000, and difference of HI (°C) between EXP1980 and EXP2000 during the entire period of simulation.

카테고리 A 지점의 경우 도시비율이 평균 0.02 증가하였으며(Table 2), 그에 따라 도시열섬 강도는 일 최대 0.3°C 증가하였다(Fig. 9a). 도시열섬 강도의 증가 폭이 가장 큰 시간대는 1900 LST이며, 이는 양쯔강 유역 도심에서 이루어진 선행연구의 결과와 일치한다(Chen et al., 2014; Yang et al., 2019). Figure 9b는 카테고리 B에 대한 도시열섬 강도의 평균 일변화이며, 이 지점들은 20년간 도시비율이 평균 0.34 증가하였다(Table 2). 카테고리 B는 EXP1980에 비해 EXP2000의 도시열섬 강도가 1900 LST에 최대 1.3°C 증가하였다(Fig. 9b). EXP1980과 EXP2000 실험 간의 도시열섬 강도 차이가 가장 낮게 나타나는 시간대는 카테고리 A와 B 모두 1000 LST이다.

최저 도시열섬 강도와 최저 기온이 나타나는 시간대는 각각 1000 LST와 0500 LST로 상이한데, 이는 도시와 초지의 열 용량 차이 때문이다. 초지는 도시지역보다 열 용량이 작기 때문에 일출 이후 기온 상승이 더 빠르다. 따라서 초지실험과 도시실험의 기온차로 정의된 도시열섬 강도가 가장 낮은 시간대는 최저기온이 나타나는 0500 LST가 아닌 1000 LST에 나타난다.

실제 인간이 느끼는 체감온도의 차이를 살펴보기 위해 기온과 상대습도로 계산한 열지수의 시계열을 Fig.10에 제시하였다. 열지수는 두 카테고리 모두 주간에는 EXP1980과 EXP2000 간의 큰 차이가 없었다. 이는 도시비율이 높아지면 기온은 증가하지만 상대습도는 감소하는 효과가 있어 열지수에서는 두 영향이 상쇄되기 때문이다. 그러나 야간에 EXP1980과 EXP2000 간의 열지수 변화는 카테고리 B를 기준으로 1700 LST 부터 0600 LST 경까지 1°C 이상으로 나타났다. 이는 도시비율의 증가가 저녁부터 새벽까지의 열지수에 영향을 미치고 일출 이후 열지수에 미치는 영향이 급격히 줄어드는 Yang et al. (2019)의 결과와 일치한다.

20년간 도시비율변화에 의한 열지수의 증가폭이 가장 큰 시간대는 2200 LST이다. 기온은 1900 LST에 상승이 가장 크게 나타났으나(Fig. 6c), 열지수는 2200 LST에 가장 큰 차이를 보였다. 카테고리 A의 경우 최대 0.4°C 상승하였고, 카테고리 B는 1.6°C 상승하였다. 카테고리 B를 기준으로 낮시간의 일 최고 체감온도는 EXP1980과 EXP2000 간 차이가 약 0.2°C이지만, 일 최저 체감온도는 0400 LST에 1.1°C 차이가 난다. 이는 도시화가 진행될 때 기온은 저녁시간 대에 가장 크게 상승하지만 실제 인간이 느끼는 체감온도는 야간과 새벽시간에 가장 많이 상승한다는 것을 뜻한다.

기온과 상대습도의 변화와 열지수 간의 관계를 시각화하기 위해 열지수의 등치선과 EXP1980와 EXP2000의 기온과 상대습도 일변화를 Fig. 11에 제시하였다. Figure 11a는 카테고리 A의 기온과 상대습도의 변화를 나타낸 것으로 EXP1980에 비해 EXP2000이 0500 LST 경에 기온이 0.3°C 상승하고 상대습도가 0.5% 감소한 결과로 열지수는 약 0.4°C 가량 증가하였다. 카테고리 B의 경우 1400LST 기준으로 EXP2000이 EXP1980에 비해 기온이 0.7°C 증가하고 상대습도가 2.8% 감소하였으나 열지수의 변화는 약 0.2°C로 미미하게 나타났다. 반면 0500LST에서는 EXP2000이 EXP1980에 비해 기온이 약 0.9°C 증가 상대습도가 약 3.8% 감소하였고 그 결과 열지수는 1.1°C가 증가하였다. 이를 통해 도시비율의 변화에 의한 열지수의 변화는 기온과 상대습도의 변화폭이 비슷하더라도 야간의 열지수 값을 크게 높이는 것을 알 수 있다.


Fig. 11. 
Mean diurnal variation of simulated 1.5-m temperature (°C) and relative humidity (%) with HI (°C) contour over site of (a) Category A and (b) Category B for EXP1980, EXP2000 during the entire period of simulation.

도시화가 열지수에 미치는 영향은 일 최고 열지수에는 큰 영향이 없고, 일 최저 열지수에는 상대적으로 큰 영향을 미치는 것으로 나타났다. 이로 인해 식생의 비율이 높은 시골지역의 경우 주간에는 도시지역과 비슷한 열지수를 갖지만, 야간에는 열지수가 낮아지기 때문에 열 스트레스가 해소가 된다. 반면 도시 비율이 높아질 경우 도시 거주자는 24시간 동안 높은 열 스트레스에 노출되어 건강에 악영향을 받을 수 있다.


4. 요약 및 결론

본 연구는 LDAPS-MORUSES를 이용하여 도시화에 의한 토지피복변화, 특히 도시비율의 변화가 폭염시의 기온과 상대습도, 체감온도, 에너지 수지에 미치는 영향을 분석하였다. 1980년대말 토지피복과 2000년대말 토지피복 자료를 사용하여 20년간의 도시피복 변화를 EXP1980과 EXP2000 실험을 통해 모의하였다. 기온과 상대습도 관측검증에 사용된 AWS 지점 85곳 중 20년간의 도시 비율변화에 따라 0.2 이하로 증가한 관측지점과, 0.2 이상으로 증가한 관측지점을 각각 카테고리 A, 카테고리 B로 나누어 분석하였다.

EXP1980과 EXP2000 간의 기온과 상대습도의 평균변화량은 각각 0.23°C 증가, 0.56% 감소로 나타났다. 기상변수의 일변화에서는 카테고리 B기준으로 1900 LST에 온도가 최대 1.2°C 상승하였고, 상대습도는 2000 LST에 9% 감소하였다. 그리고 토지피복의 변화가 기온과 상대습도에 미치는 영향은 주간보다 야간에 크게 나타났다.

도시열섬 강도는 20년간의 도시비율이 평균 0.02 증가한 카테고리 A에서는 최대 0.3°C 증가하였으며, 도시비율이 평균 0.34 증가한 카테고리 B에서는 최대 1.3°C 증가하였다. 두 카테고리 모두 도시열섬 강도의 증가폭이 가장 큰 시간대는 1900 LST이다.

도시화로 인한 기온 상승의 원인을 살펴보기 위해 카테고리 B 지점의 EXP1980과 EXP2000 간의 지면 에너지 플럭스의 변화를 분석하였다. 지면 에너지 플럭스 중 잠열 플럭스가 감소한 만큼 현열과 저장열, 토양열 플럭스가 증가하였으며, 낮시간에 짧은 시간 저장된 열이 야간의 현열과 같이 방출되며 기온을 증가시키는 것으로 나타났다. 또한 0800~1200 LST에는 줄어든 잠열 플러스가 대부분 저장열 플럭스로 배분되고, 1500~2100 LST에는 주로 현열과 토양열 플럭스로 배분됨을 확인하였다.

도시비율 변화에 따른 실제 인간이 느끼는 체감온도 변화는 기온과 상대습도로 산출 가능한 열지수를 통해 분석하였다. 카테고리 A, B 모두 주간에는 열지수의 차이가 거의 없었으며, 2200 LST에 가장 큰 차이가 나타났다. 카테고리 A는 최대 0.4°C 상승하였고, 카테고리 B는 약 1.6°C 상승하였다. 도시화로 인해 도시지표가 증가할 때 도시열섬 강도는 1900 LST에 증가폭이 가장 컸으나, 열지수는 2200 LST로 나타났다. 따라서 도시비율의 증가로 인해 도시지역 거주자들은 야간에 큰 열스트레스에 노출 될 수 있음을 알 수 있다.

본 연구에서는 20년간의 서울 수도권지역의 토지피복변화가 여름철 기온과 상대습도에 미치는 영향과 도시열섬 강도, 열지수, 에너지 수지 변화를 분석하였다. 도시화로 인한 토지 피복 변화로 인해 열지수와 도시열섬 강도 모두 증가하였으나, 최대 증가 시간대는 다르게 나타나는 것을 확인하였다. 이 정보는 도시의 열환경을 고려한 보건 정책 결정에 기초자료로써 활용 가치가 있을 것으로 판단된다.


Acknowledgments

이 연구는 기상청 국립기상과학원 「수요자 맞춤형 기상정보 산출기술개발 연구」(KMA2018-00622)의 지원으로 수행되었습니다.


References
1. Basara, J. B., H. G. Basara, B. G. Illston, and K. C. Crawford, 2010: The impact of the urban heat island during an intense heat wave in Oklahoma City. Adv. Meteorol., 2010, 230365.
2. Best, M J., 2005: Representing urban areas within operational numerical weather prediction models. Bound.-Layer Meteor., 114, 91-109.
3. Best, M J., and Coauthors, 2011: The Joint UK Land Environment Simulator (JULES), model description - Part 1: Energy and water fluxes. Geosci. Model Dev., 4, 677-699.
4. Bhati, S., and M. Mohan, 2018: WRF-urban canopy model evaluation for the assessment of heat island and thermal comfort over an urban airshed in India under varying land use/land cover conditions. Geosci. Lett., 5, 27.
5. Bohnenstengel, S. I., S. Evans, P. A. Clark, and S. E. Belcher, 2011: Simulations of the London urban heat island. Q. J. R. Meteorol. Soc., 137, 1625-1640.
6. Chen, F., and Coauthors, 2011: The integrated WRF/urban modelling system: development, evaluation, and applications to urban environmental problems. Int. J. Climatol., 31, 273-288.
7. Chen, F., X. Yang, and W. Zhu, 2014: WRF simulations of urban heat island under hot-weather synoptic conditions: The case study of Hangzhou City, China. Atmos. Res., 138, 364-377.
8. Conti, S., P. Meli, G. Minelli, R. Solimini, V. Toccaceli, M. Vichi, C. Beltrano, and L. Perini, 2005: Epidemiologic study of mortality during the summer 2003 heat wave in Italy. Environ. Res., 98, 390-399.
9. Davies, T., M. J. P. Cullen, A. J. Malcolm, M. H. Mawson, A. Staniforth, A. A. White, and N. Wood, 2005: A new dynamical core for the Met Office’s global and regional modelling of the atmosphere. Q. J. R. Meteorol. Soc., 131, 1759-1782.
10. Edwards, J. M., and A. Slingo, 1996: Studies with a flexible new radiation code. I: Choosing a configuration for a large-scale model. Q. J. R. Meteorol. Soc., 122, 689-719.
11. Grimmond, C. S. B., and T. R. Oke, 1999: Heat storage in urban areas: local-scale observations and evaluation of a simple model. J. Appl. Meteor. Climatol., 38, 922-240.
12. Grover, A., and R. B. Singh, 2015: Analysis of urban heat island (UHI) in relation to normalized difference vegetation index (NDVI): A comparative study of Delhi and Mumbai. Environments, 2, 125-138.
13. Hong, J.-W., J. Hong, S.-E. Lee, and J. Lee, 2013: Spatial distribution of Urban Heat Island based on local climate zone of automatic weather station in Seoul metropolitan area. Atmosphere, 23, 413-424.
14. Hong, J.-W., J. Hong, E. E. Kwon, and D. K. Yoon, 2019: Temporal dynamics of urban heat island correlated with the socio-economic development over the past half-century in Seoul, Korea. Environ. Pollut., 254, 112934.
15. Hong, S.-O., J.-Y. Byon, H. Park, Y.-G. Lee, B.-J. Kim, and J.-C. Ha, 2018: Sensitivity analysis of near surface air temperature to land cover change and urban parameterization scheme using Unified Model. Atmosphere, 28, 427-441.
16. Kanda, M., T. Kawai, M. Kanega, R. Morinaga, K. Narita, and A. Hagishima, 2005: A simple energy balance model for regular building arrays. Bound.-Layer Meteor., 116, 423-443.
17. Kim, Y.-H., and J.-J. Baik, 2002: Maximum urban heat island intensity in Seoul. J. Appl. Meteor. Climatol., 41, 651-659.
18. Kim, Y.-H., and J.-J. Baik, 2005: Spatial and temporal structure of the Urban Heat Island in Seoul. J. Appl. Meteor. Climatol., 44, 591-605.
19. Kim, J.-C., C.-B. Lee, T.-H. Cheon, and Y.-J. Jang, 2010: A study about the impact of atmospheric environmental changes by urban development on human health. J. Environ. Imp. Assess., 19, 15-28 (in Korean with English abstract).
20. Kim, H., H.-B. Seok, and Y.-K. Kim, 2014: A study on the change of the urban heat island structure in Busan metropolitan area, Korea. J. Environ. Sci. Int., 23, 1807-1820.
21. Kim, D., and S.-K. Song, 2016: Analyzing the relationships between land cover type and sensible temperature in urban heat wave. J. Korea Planning Assoc., 51, 137-152.
22. Kusaka, H., H. Kondo, Y, Kikegawa, and F. Kimura, 2001: A simple single-layer urban canopy model for atmospheric models: Comparison with multi-layer and slab models. Bound.-Layer Meteor., 101, 329-358.
23. Lee, H.-J., K.-O. Lee, G.-M. Won, and H.-W. Lee, 2009: Application of the latest land use data for numerical simulation of urban thermal environment in the Daegu. J. Korean Soc. Atmos. Environ., 25, 196-210 (in Korean with English abstract).
24. Lee, C.-B., J.-C. Kim, and Y.-J. Jang, 2012: A study of Urban Heat Island in Chuncheon using WRF model and field measurements. J. Korean Soc. Atmos. Environ., 28, 119-130 (in Korean with English abstract).
25. Lock, A. P., A. R. Brown, M. R. Bush, G. M. Martin, and R. N. B. Smith, 2000: A new boundary layer mixing scheme. Part Ⅰ: Scheme description and single-column model tests. Mon. Wea. Rev., 128, 3187-3199.
26. Masson, V., 2000: A physically-based scheme for the urban energy budget in atmospheric models. Bound.-Layer Meteor., 94, 357-397.
27. Moon, Y.-S., and Y.-S. Koo, 2006: A study on examples applicable to numerical land cover map data for atmospheric environment fields in the metropolitan area of Seoul - Real time calculation of biogenic CO₂ flux and VOC emission due to a geographical distribution of vegetable and analysis on sensitivity of air temperature and wind field within MM5 -. J. Korean Soc. Atmos. Environ., 22, 661-678 (in Korean with English abstract).
28. Oke, T. R., 1982: The energetic basis of the urban heat island. Q. J. R. Meteorol. Soc., 108, 1-24.
29. Oke, T. R., G. Mills, A. Christen, and J. A. Voogt, 2017: Urban Climates. Cambridge University Press, 546 pp.
30. Oleson, K. W., G. B. Bonan, J. Feddema, M. Vertenstein, and C. S. B. Grimmond, 2008: An urban parameterization for a global climate model. Part Ⅰ: formulation and evaluation for Two cities. J. Appl. Meteor. Climatol., 47, 1038-1060.
31. Porson, A., P. A. Clark, I. N. Harman, M. J. Best, and S. E. Belcher, 2010a: Implementation of a new urban energy budget scheme in the MetUM. Part Ⅰ: Description and idealized simulations. Q. J. R. Meteorol. Soc., 136, 1514-1529.
32. Porson, A., P. A. Clark, I. N. Harman, M. J. Best, and S. E. Belcher, 2010b: Implementation of a new urban energy budget scheme into MetUM. Part Ⅱ: Validation against observations and model intercomparison. Q. J. R. Meteorol. Soc., 136, 1530-1542.
33. Rizwan, A. M., L. Y. Dennis, and C. Liu, 2008: A review on the generation, determination and mitigation of Urban Heat Island. J. Environ. Sci., 20, 120-128.
34. Schoen, C., 2005: A new empirical model of the temperature-humidity index. J. Appl. Meteor. Climatol., 44, 1413-1420.
35. Steadman, R. G., 1979: The assessment of sultriness. Part Ⅰ: A temperature-humidity index based on human physiology and clothing science. J. Appl. Meteor. Climatol., 18, 861-873.
36. Stone, B., 2012: The city and the coming climate: Climate change in the places we live. Cambridge University Press, 206 pp.
37. Uejio, C. K., O. V. Wilhelmi, J. S. Golden, D. M. Mills, S. P. Gulino, and J. P. Samenow, 2011: Intra-urban societal vulnerability to extreme heat: the role of heat exposure and the built environment, socioeconomics, and neighborhood stability. Health Place, 17, 498-507.
38. UN, 2018: World Urbanization Prospects: The 2018 Revision. United Nations, 103 pp [Available online at https://population.un.org/wup/Publications/Files/WUP2018-Report.pdf].
39. Unnikrishnan, C. K., B. Gharai, S. Mohandas, A. Mamgain, E. N. Rajagopal, G. R. Iyenger, and P. V. N. Rao, 2016: Recent changes on land use/land cover over Indian region and its impact on the weather prediction using Unified model. Atmos. Sci. Lett., 17, 294-300.
40. Webster, S., A. R. Brown, D. R. Cameron, and C. P. Jones, 2003: Improvements to the representation of orography in the Met Office Unified Model. Q. J. R. Meteorol. Soc., 129, 1989-2010.
41. Wilson, D. R., and S. P. Ballard, 1999: A microphysically based precipitation scheme for the UK Meteorological Office Unified Model. Q. J. R. Meteorol. Soc., 125, 1607-1636.
42. Yang, B., X. Yang, L. R. Leung, S. Zhong, Y. Qian, C. Zhao, F. Chen, Y. Zhang, and J. Qi, 2019: Modeling the impacts of urbanization on summer thermal comfort: The role of urban land use and anthropogenic Heat. J. Geophys. Rev. Atmos., 124, 6681-6697.
43. Zhou, X., and H. Chen, 2018: Impact of urbanizationrelated land use land cover changes and urban morphology changes on the urban heat island phenomenon. Sci. Total Environ., 635, 1467-1476.