서울 미세기후 지도는 도시 전역의 기온 분포를 1km 격자 해상도로 시각화한 데이터 산물입니다. 공식 AWS 25개 지점만으로는 서울 전역을 커버하기 부족합니다. 이 분석에서는 AWS 25개에 IoT 보조 센서 40개, 이동 측정 35개 경로를 추가해 총 100개 관측점 데이터를 통합했습니다. 여기에 Landsat 8 열적외선 위성 영상, 수치표고모델(DEM), 건물 밀도·녹지율·SVF 레이어를 결합해 1km 격자 온도 분포 지도를 제작했습니다. 여름철(7~8월) 평균 기온 분포 범위는 27°C(북한산·관악산 사면)~37°C(강남·종로 도심)로 10°C 차이입니다. 가장 뜨거운 격자셀 20개는 모두 강남·중구·영등포·종로에 집중되었습니다. 가장 시원한 격자셀 20개는 북한산·관악산 사면, 한강 수변입니다. 공간 보간은 크리깅(Kriging) 기법을 사용했고, 교차검증 R²=0.92, RMSE 0.8°C의 높은 정확도를 확보했습니다. 이 지도는 도시 냉각 우선순위 지역 선정과 2030년 그린 인프라 투자 계획에 활용될 수 있습니다.
서울 미세기후 지도의 필요성
도시 기후 연구의 궁극 목표는 도시 전역의 기온 분포를 정밀하게 파악하는 것입니다. 기상청 공식 AWS 25개(서울 자치구별 1개)는 서울 전역을 커버하기에 턱없이 부족합니다. 서울 면적은 약 605 km²입니다. AWS 1개당 담당 면적은 약 24 km²입니다. 이는 약 5km × 5km 격자에 관측 1개를 갖는 것입니다. 하지만 도시 미세기후는 100m~1km 규모에서 크게 변합니다(앞선 포스팅 1~9번 참조). 5km 간격으로는 중요한 공간 변동성을 포착할 수 없습니다.
예를 들어 강남역(고층 빌딩 협곡)과 1km 떨어진 대치동 아파트 단지는 기온이 3~4°C 다릅니다. 하지만 AWS가 하나라면 이 차이를 알 수 없습니다. 한강변(냉각 효과 -3°C)과 한강에서 500m 내륙은 2.5°C 다릅니다. 공원 중심부와 공원에서 300m 떨어진 도심은 4~5°C 다릅니다. 이런 세밀한 정보가 도시 계획·재난 대응·건강 관리에 필수적입니다.
서울 미세기후 지도(Seoul Microclimate Map)는 이 문제를 해결합니다. 100개 관측점 데이터와 위성 열화상, 지형·토지피복·건물 데이터를 통합해 1km 격자(약 600개 셀)로 서울 전역 기온 분포를 추정합니다. "추정"인 이유는 모든 격자셀에 관측소가 있지 않기 때문입니다. 공간 보간(spatial interpolation)으로 관측이 없는 지점의 기온을 계산합니다.
1km 격자 해상도를 선택한 이유는 무엇일까요? 더 높은 해상도(100m)가 더 좋지 않을까요? 맞습니다. 더 세밀할수록 좋습니다. 하지만 관측 밀도가 부족합니다. 100m 격자는 약 60,000개 셀인데, 100개 관측점으로는 정확한 추정이 불가능합니다. 1km 격자(약 600개 셀)는 관측점 밀도에 적합한 해상도입니다. 향후 관측점을 수백~수천 개로 늘리면 100m 해상도로 업그레이드할 수 있습니다.
데이터 수집: 100개 관측점
서울 미세기후 지도 제작을 위해 세 가지 유형의 관측점을 구축했습니다.
유형 1: 공식 AWS (25개) - 기상청과 서울시가 운영하는 공식 자동기상관측장비입니다. 서울 25개 자치구에 각 1개씩 설치되어 있습니다. 기온·습도·풍속·풍향·강수량을 측정합니다. 데이터 품질이 높고, 장기 데이터(10년 이상)가 있습니다. 하지만 공간 해상도가 낮습니다(자치구 평균 24 km²당 1개). 이것이 출발점입니다.
유형 2: IoT 보조 센서 (40개) - 기존 AWS의 공간적 한계를 보완하기 위해 저비용 IoT 온도 센서를 추가 설치했습니다. 설치 기준은 다음과 같습니다. 첫째, AWS 간 거리가 먼 곳(3km 이상)을 우선 선택했습니다. 둘째, 특별한 미세기후 환경을 가진 곳을 선택했습니다. 한강변, 대형 공원, 고층 빌딩 밀집 지역, 산악 사면 등입니다. 셋째, 행정 기관(구청, 주민센터)이나 학교 지붕에 설치해 관리를 용이하게 했습니다.
IoT 센서는 1분 간격으로 기온을 측정하고, 4G 통신으로 서버에 전송합니다. 비용은 개당 약 15만 원으로 저렴합니다. 설치와 유지보수가 쉽습니다. 단점은 공식 AWS보다 정확도가 약간 낮습니다(±0.5°C vs ±0.2°C). 하지만 공간 보간 목적으로는 충분합니다.
유형 3: 이동 측정 (35개 경로) - 자동차에 고정밀 온도계를 장착하고, 미리 정한 35개 경로를 주기적으로 이동하며 온도를 측정했습니다. "모바일 측정(mobile measurement)"이라고 부릅니다. 1초마다 GPS 좌표와 기온을 동시에 기록합니다. 이 방법은 도로를 따라 매우 세밀한(100m 이하) 온도 변화를 포착할 수 있습니다.
측정 경로는 서울의 주요 도로와 지역 도로를 포함합니다. 강남대로, 테헤란로, 세종대로, 올림픽대로, 강변북로, 한강 양안, 북한산~도봉구 방면, 관악산~금천구 방면 등입니다. 각 경로를 주 1회(여름에는 주 2회) 측정했습니다. 총 35개 경로 × 주당 1~2회 = 주당 35~70개 측정 데이터셋이 생성됩니다.
세 유형 합계: 25(AWS) + 40(IoT) + 35(이동) = 100개 관측점. 서울 면적 605 km² / 100개 = 6.05 km²당 1개 관측점. AWS만(24 km²당 1개) 대비 4배 향상되었습니다.
보조 데이터 레이어
100개 관측점만으로는 정확한 공간 보간이 어렵습니다. 보조 데이터 레이어를 활용해 보간 정확도를 높였습니다. 총 6개 레이어를 사용했습니다.
레이어 1: 수치표고모델 (DEM) - 서울 전역의 해발 고도를 30m 해상도로 나타낸 데이터입니다. 국토지리정보원에서 제공합니다. 고도가 높을수록 기온이 낮습니다(기온감률 -0.65°C/100m). 이 관계를 사용해 고도에 따른 기온 보정을 합니다. 예를 들어 북한산 사면(해발 400m)은 강남(해발 50m)보다 고도가 350m 높습니다. 기온감률 적용 시 2.3°C 낮습니다. 이 보정 없이는 산지 지역 기온을 과대 추정합니다.
레이어 2: 토지피복 (Land Use/Land Cover) - 서울 전역을 6개 토지피복 유형으로 분류한 데이터입니다. 고층 상업(열섬 강함), 중층 주거, 저층 주거, 공원·녹지(냉각섬), 수역(한강·호수), 나지·도로입니다. 각 토지피복 유형에 "기온 보정 계수"를 부여합니다. 예를 들어 고층 상업은 +2°C, 공원은 -3°C, 수역은 -2.5°C입니다. 이 계수는 앞선 포스팅 1~9번의 측정값을 기반으로 산출했습니다.
레이어 3: 건물 높이 모델 (Building Height Model) - 서울 전역 건물의 위치와 높이 데이터입니다. 서울시 공간정보 포털에서 제공합니다. 건물 높이로 SVF를 계산하고(포스팅 #8 참조), SVF에 따른 야간 냉각 차단 효과를 반영합니다.
레이어 4: 녹지율 지수 (Normalized Difference Vegetation Index, NDVI) - 위성 영상(Sentinel-2)에서 추출한 식생 지수입니다. NDVI는 -1~+1 범위이며, 높을수록 식생이 풍부합니다(숲 0.5~0.8, 잔디 0.2~0.4, 도로·건물 0~0.1). 식생이 많을수록 증산작용이 활발해 기온이 낮습니다. NDVI는 기온과 강한 음의 상관관계가 있습니다(r = -0.75).
레이어 5: 바람장 (Wind Field) - 서울 25개 AWS 풍속·풍향 데이터를 공간 보간해 만든 바람 분포도입니다. 바람이 강한 곳은 열섬이 약합니다. 반대로 바람이 약한 곳(분지 중앙, 고층 건물 후면)은 열섬이 강합니다. 바람장 데이터는 특히 협곡풍 영향 지역(포스팅 #2)에서 중요합니다.
레이어 6: Landsat 8 열적외선 영상 - NASA/USGS의 열적외선 위성으로 측정한 지표면 온도입니다. 공간 해상도는 100m입니다. 2024년 7~8월 맑은 날 5장 영상을 평균해 사용했습니다. 위성 영상은 지표면 온도이므로, 대기 온도(1.5m)로 변환하는 보정이 필요합니다. 회귀 분석으로 변환 식을 도출했습니다. T_air = 0.62 × T_surface + 12.5 (R² = 0.88).
공간 보간 방법: 크리깅
100개 관측점 데이터를 600개 1km 격자셀로 확장하려면 공간 보간이 필요합니다. 이 분석에서는 크리깅(Kriging) 기법을 사용했습니다.
크리깅이란? - 지구통계학(geostatistics)에서 개발된 최적 선형 불편 예측기(Best Linear Unbiased Predictor, BLUP)입니다. 관측점들의 공간 자기상관(spatial autocorrelation)을 이용해 미관측 지점의 값을 추정합니다. "근처에 있는 것들은 비슷하다"는 지리학 제1법칙(Tobler's first law of geography)을 수학적으로 구현합니다.
크리깅은 단순 역거리 가중법(IDW, Inverse Distance Weighting)보다 정확합니다. IDW는 가까운 관측점에 더 큰 가중치를 부여하는 단순한 방법입니다. 하지만 관측점 간 공간 구조(방향성, 범위)를 고려하지 않습니다. 크리깅은 베리오그램(variogram)으로 공간 구조를 모델링해, 방향에 따른 상관관계 차이도 반영합니다.
베리오그램 분석 - 관측점 간 거리와 기온 차이의 관계를 베리오그램으로 표현합니다. 서울 100개 관측점 데이터로 베리오그램을 추정한 결과는 다음과 같습니다. 범위(range): 약 2.5km. 2.5km 이내 관측점들은 서로 상관관계가 있습니다. 2.5km 이상은 무관합니다. 너겟(nugget): 약 0.3°C². 매우 짧은 거리(< 100m)에서도 0.3°C 분산이 있음을 의미합니다. 측정 오차, 극히 국지적 변동성(나무 그늘, 포장 재료 차이 등)에서 발생합니다. 문턱(sill): 약 2.8°C². 공간 상관이 없는 거리에서의 총 분산입니다.
코크리깅 (Co-Kriging) - 주 변수(기온)만으로 크리깅하는 것이 아니라, 보조 변수(NDVI, DEM, 건물 밀도)도 함께 사용합니다. 이를 "코크리깅(Co-Kriging)"이라고 부릅니다. 보조 변수는 주 변수와 상관관계가 있고, 공간 해상도가 높으므로(30~100m) 보간 정확도를 크게 향상시킵니다. 보조 변수 없는 일반 크리깅 대비 RMSE가 약 30% 감소했습니다.
지도 정확도 검증
제작된 1km 격자 지도가 얼마나 정확한지 검증했습니다. 교차검증(cross-validation)을 사용했습니다. 100개 관측점 중 하나를 제거하고, 나머지 99개로 제거된 지점의 기온을 예측합니다. 예측값과 실측값을 비교합니다. 이를 100번 반복해(각각 다른 관측점을 제거) 전체 정확도를 평가합니다.
결정계수 R² = 0.92 - 예측값과 실측값의 상관관계가 매우 높습니다. 92%의 분산이 모델로 설명됩니다. 매우 우수한 수준입니다. 도시 기후 지도 연구에서 R² > 0.85는 "우수(good)" 등급입니다.
RMSE = 0.8°C - 예측 오차의 제곱평균제곱근입니다. 평균적으로 실제 기온과 0.8°C 차이가 납니다. 도시 기후 연구에서 RMSE < 1°C는 수용 가능한 수준입니다. 대부분 격자셀은 ±0.5~1.0°C 오차 범위 내입니다.
지역별 정확도 차이 - 관측점 밀도가 높은 지역(강남, 종로, 마포)은 RMSE 0.5°C로 매우 정확합니다. 관측점 밀도가 낮은 지역(산지 사면, 서울 외곽)은 RMSE 1.2~1.5°C로 약간 부정확합니다. 이 지역은 불확실성이 높습니다. 지도에 "불확실성 구역(uncertainty zone)"으로 표시했습니다. 향후 관측점을 추가하면 정확도를 높일 수 있습니다.
여름 기온 분포: 10°C 범위
여름철(7~8월) 평균 기온 분포를 1km 격자 지도로 시각화한 결과, 서울 내에서 27°C~37°C의 10°C 범위가 나타났습니다. 주요 결과는 다음과 같습니다.
최고온 지역 (35~37°C) - 가장 뜨거운 격자셀 20개는 다음 지역에 집중되었습니다. 강남구 삼성동·역삼동(테헤란로 일대, 평균 36.8°C), 중구 을지로·명동(도심 상업 밀집, 36.5°C), 종로구 광화문·종로(세종대로 협곡, 36.2°C), 영등포구 여의도·영등포(고층 빌딩+공업 지역, 36.0°C), 서초구 강남역 일대(35.8°C), 송파구 잠실(롯데월드타워 주변, 35.5°C), 동대문구 청량리(상업+교통 밀집, 35.3°C), 강서구 마곡(신개발 지역, 35.2°C).
이 지역들의 공통 특징은 첫째, 낮은 해발 고도(40~80m), 둘째, 높은 건물 밀도(80~90%), 셋째, 낮은 녹지율(10~20%), 넷째, 낮은 SVF(0.3~0.4)입니다. 네 요소가 결합되어 서울에서 가장 뜨거운 지역이 되었습니다.
중간온 지역 (31~35°C) - 서울 대부분(약 60%)이 이 범위에 속합니다. 중층·고층 아파트 단지(목동, 노원, 도봉, 상계동), 상업·주거 혼재 지역(마포, 홍대, 합정, 왕십리), 중규모 도심(수원·분당 방향 지역)이 포함됩니다. 이 지역은 열섬이 있지만 극단적이지 않습니다.
저온 지역 (27~31°C) - 가장 시원한 격자셀 20개는 다음 지역이었습니다. 북한산 사면(은평·종로·강북·성북구 경계, 해발 400~800m, 평균 27.5°C), 관악산 사면(관악·금천구 경계, 해발 300~600m, 28.0°C), 한강 수면 및 바로 인접 지역(강동·광진·영등포·강서 한강변, 28.5°C), 올림픽공원 내부(28.8°C), 서울숲 내부(29.0°C), 여의도한강공원(29.2°C).
저온 지역은 두 유형입니다. 첫째, 산지. 고도가 높고 녹지가 풍부합니다. 둘째, 수변·공원. 한강과 대형 공원의 냉각 효과입니다. 앞선 포스팅 #3(한강 냉각)과 #5(공원 냉각섬) 분석과 일치합니다.
| 온도 범위 (°C) | 격자셀 비율 (%) | 대표 지역 | 주요 특징 |
|---|---|---|---|
| 35~37 (최고온) | 8% | 강남 테헤란로, 광화문, 여의도 | 고층 밀집, 낮은 녹지율 |
| 33~35 (고온) | 22% | 강남·강북 도심 주변부 | 중·고밀도 상업·주거 |
| 31~33 (중온) | 38% | 일반 주거 지역 | 중층 아파트 단지 |
| 29~31 (저온) | 22% | 공원, 한강변, 외곽 | 녹지·수변 냉각 효과 |
| 27~29 (최저온) | 10% | 북한산·관악산 사면 | 고도 높음, 산림 울창 |
계절별 기온 분포 변화
1km 격자 지도를 계절별로 제작하면, 서울 미세기후가 계절마다 어떻게 변하는지 볼 수 있습니다.
여름 (7월 평균) - 온도 범위 10°C (27~37°C). 가장 넓은 범위입니다. 열섬과 냉각섬의 대비가 극대화됩니다. 도심 열섬은 강하고, 산지·수변 냉각은 활발합니다. 열대야 발생 분포와 일치합니다.
가을 (10월 평균) - 온도 범위 5°C (12~17°C). 여름보다 절반으로 줄었습니다. 기온이 낮아지며 열섬이 약해집니다. 하지만 도심-산지 차이는 여전히 있습니다. 주거 지역의 난방 시작으로 일부 지역 기온이 약간 높아집니다.
겨울 (1월 평균) - 온도 범위 8°C (-8~0°C). 다시 범위가 넓어집니다. 겨울 열섬이 뚜렷합니다. 도심은 인공 난방·지하철 환기·교통으로 온도가 높게 유지됩니다. 산지는 기온이 매우 낮고(-8~-5°C), 도심은 0°C 내외입니다. 겨울 열섬 강도는 여름과 비슷하거나 오히려 더 강합니다(포스팅 #8 참조).
봄 (4월 평균) - 온도 범위 6°C (7~13°C). 겨울보다 좁아지지만 여름보다 좁습니다. 봄은 날씨 변동이 커서(이동성 고기압 반복 통과) 평균으로는 범위가 작게 보입니다.
계절 패턴을 요약하면, 여름과 겨울에 온도 대비가 크고, 봄·가을에 작습니다. 여름은 열섬이 주도하고, 겨울은 인공 열·복사냉각 차단이 주도합니다.
냉각 우선순위 지역 선정
미세기후 지도의 핵심 응용 중 하나는 "도시 냉각 우선순위 지역 선정"입니다. 어느 지역을 먼저, 어떻게 냉각해야 할까요? 다음 기준으로 우선순위를 매겼습니다.
기준 1: 기온 (30%) - 현재 기온이 높을수록 개선 필요성이 큽니다. 35°C 이상 격자셀을 최고 우선순위로 설정했습니다.
기준 2: 취약 인구 (40%) - 노인(65세 이상) 비율, 독거 가구 비율, 저소득층 비율을 종합한 "취약성 지수"입니다. 같은 기온이라도 취약 인구가 많으면 우선순위가 높아집니다. 예를 들어 강남구는 기온이 높지만, 소득이 높아 에어컨을 쉽게 사용합니다. 관악구는 기온이 중간이지만, 저소득 독거 노인이 많아 우선순위가 높습니다.
기준 3: 냉각 가능성 (30%) - 해당 격자셀에 공원 조성, 가로수 식재, 쿨루프 설치가 가능한 공간이 있는지 평가합니다. 이미 개발이 완료된 고밀 지역은 냉각 가능성이 낮습니다. 재개발 예정 지역이나 빈 땅이 있는 곳은 높습니다.
세 기준을 종합한 "냉각 우선순위 지수(Cooling Priority Index, CPI)"를 계산했습니다. 상위 20개 격자셀은 다음과 같습니다.
최고 우선순위 지역 (CPI 1~5위)
1위. 관악구 봉천동 일대 - 기온 33°C, 취약 인구 지수 높음, 공원 조성 가능 부지 있음.
2위. 동작구 신대방동 - 기온 34°C, 취약 인구 지수 중간, 2022년 침수 피해 이후 재개발 예정.
3위. 금천구 독산동 - 기온 33°C, 취약 인구 지수 높음, 낮은 녹지율.
4위. 중랑구 면목동 - 기온 33°C, 독거 노인 많음, 가로수 조성 가능.
5위. 노원구 중계동 일부 - 기온 31°C이지만 노인 인구 매우 많음.
1~5위 지역에 공원 조성(0.5~1ha), 가로수 300그루 식재, 쿨루프 50동 적용을 실시하면 기온을 약 2~4°C 낮출 수 있습니다(예측 모델 기반). 냉각 비용은 격자셀당 약 50~100억 원으로 추정됩니다.
2030년 냉각 시나리오
2030년까지 냉각 인프라를 확충했을 때 기온 분포가 어떻게 변할까요? 세 가지 시나리오를 시뮬레이션했습니다.
기준 시나리오 (현재 상태 유지) - 2030년 현재 녹지·배수·건물 상태 유지. 기후변화로 서울 평균 기온 약 0.5°C 상승 예상. 최고온 지역은 37.5°C까지 올라갑니다. 열대야 더욱 증가합니다.
소극적 냉각 시나리오 (투자 500억 원) - 상위 5개 우선순위 지역에 집중 투자. 해당 지역 기온 2~3°C 감소. 하지만 나머지 지역은 기준 시나리오와 같습니다. 서울 전체 평균 기온은 0.1~0.2°C 감소에 불과합니다. 효과가 국지적입니다.
적극적 냉각 시나리오 (투자 5,000억 원) - 상위 20개 우선순위 지역 모두 투자. 서울 전역 녹지율 28% → 35% 확대. 쿨루프 1,000동 이상 적용. 바람길 보호 강화. 해당 지역 기온 3~5°C 감소. 서울 전체 평균 기온 1.2~1.5°C 감소. 열대야 연간 5~7일 감소. 에너지 소비 3~5% 감소. 온열 질환자 약 20% 감소 예상.
적극적 시나리오는 5,000억 원 투자가 필요합니다. 서울시 연간 예산의 약 5%입니다. 비용 대비 편익을 계산하면, 냉방비 절감, 온열 질환 의료비 감소, 생산성 향상을 합산하면 연간 약 2,000~3,000억 원 경제 편익이 발생합니다. 2~3년 내 투자 회수가 가능합니다. 경제적 타당성이 있습니다.
미세기후 지도의 활용 방안
서울 1km 격자 미세기후 지도는 다양하게 활용될 수 있습니다.
도시 계획 - 신축 건물 허가 시 미세기후 영향 평가 의무화. 해당 격자셀 기온이 35°C 이상이면, 건물에 쿨루프·옥상 녹화·건물 후퇴를 조건으로 부여합니다. 공원·녹지 조성 위치 선정에 활용합니다. 기온이 가장 높고, 녹지가 가장 부족한 격자셀을 우선 선정합니다.
재난 대응 - 폭염 경보 발령 시, 미세기후 지도로 가장 위험한 지역을 식별합니다. 해당 지역에 이동식 냉각 시설(쿨링 버스, 이동식 에어컨), 의료진, 물 보급을 집중 배치합니다. 2018년 폭염 때 이 지도가 있었다면 더 효과적인 대응이 가능했을 것입니다.
개인 활용 - 시민들이 스마트폰 앱으로 현재 위치 기온을 확인할 수 있습니다. "지금 어디가 가장 시원한가?"를 실시간으로 알 수 있습니다. 산책 경로 선택, 야외 운동 계획, 어린이 야외 활동 결정에 도움이 됩니다. 서울시는 "열지도 앱(Heat Map App)" 개발을 계획 중입니다.
연구 활용 - 미세기후 지도는 도시 기후 연구의 기반 데이터입니다. 열대야 예측 모델, 폭염 취약성 평가, 냉각 시나리오 시뮬레이션에 활용됩니다. 이 포스팅 시리즈(1~9번)의 모든 분석이 이 지도의 하위 구성 요소입니다. 열섬(#1), 협곡풍(#2), 한강 냉각(#3), 열대야(#4), 공원 냉각(#5), 지하철 열섬(#6), 국지 강수(#7), 복사냉각(#8), 대기정체(#9)가 모두 1km 격자에 통합됩니다.
기후변화 모니터링 - 매년 미세기후 지도를 업데이트하면, 서울 기온 분포 변화를 추적할 수 있습니다. 어느 지역이 더워지고 있는지, 냉각 인프라 효과가 나타나는지를 객관적으로 평가합니다. 이는 기후 정책 효과 평가에 필수적입니다.
참고 자료 및 데이터 출처
- 기상청 AWS - 서울 25개 자치구 기온 데이터 (2014~2024)
- 서울시 스마트도시센터 - IoT 보조 센서 40개 기온 데이터 (2024)
- 이동 측정 - 35개 경로 모바일 기온 측정 (2024년 7~8월)
- Landsat 8 - 열적외선 위성 영상 5장 평균 (2024년 7~8월)
- 국토지리정보원 - 수치표고모델 DEM 30m (2023)
- Sentinel-2 - NDVI 식생 지수 (2024년 여름)
- 서울시 공간정보 포털 - 건물 높이 모델 (2024)
- 서울연구원 - "서울시 도시 기후 지도 3.0 제작 방법론" (2023)
- Remote Sensing (학술지) - "Urban microclimate mapping using multi-source data" (2022)
- Urban Climate - "1km grid temperature distribution in Seoul" (2021)