I. 서론
열파(heat wave, 熱波) 또는 폭염(暴炎) 등 고온현상은 도시 열환경(urban thermal environment)의 특성으로 인해 도심부(downtown)에서 자주 발생한다. 일반적으로 도심부에서는 도시내 주변지역과 촌락에 비해서 온도가 높고, 이상고온이 야간에도 지속되는 도시열섬현상(urban heat island phenomenon, UHIP)이 나타난다. 한편 도시열섬현상으로 인한 열재해 위험(heat hazards)은 도시 주민들에게 사회･경제적 측면뿐만 아니라 공중보건 분야에서도 미치는 영향이 커지고 있다(Lo and Quattrochi, 2003). IPCC (2001)는 기후변화로 인해 전세계적으로 도시열섬현상을 비롯한 열재해 위험의 발생빈도와 강도가 확대되고 있으며, 이와 관련한 온열 질환 등 관련 피해가 지속적으로 증가할 것으로 전망하였다.
그동안 도시열섬현상으로 인한 열재해 위험은 급격한 경관의 변화를 초래하는 자연재해와 비교할 때 상대적으로 미흡하게 평가되었다(Mileti, 1999). 그러나, 오늘날 인구집중에 의한 도시화가 빠르게 진행되면서 실제적으로 도시 공동체에 사회･경제적으로 많은 피해가 발생하고 있다. 이와 함께 도시열섬현상으로 인해 발생하는 에너지 사용증가, 대기오염, 오존농도 증가, 수질오염 등은 도시 공동체에서 생활하는 다양한 구성원들의 삶의 질에 부정적인 영향을 미친다. 특히 도시열섬현상으로 인해 노인, 청소년, 저소득 주민 등 취약계층의 열환경 민감성이 증가하면서, 열재해 위험에 관한 사회적 인식이 크게 변화하고 있다(USEPA, 2022a).
도시열섬현상은 도시지리학 분야에서 도시열섬의 공간구조와 이에 대한 영향요인의 탐색을 통해 취약지역의 거주민이 불평등하게 부담하는 사회적 피해를 경감하고 이를 제도화하는 논의가 진행되고 있다(Mitchell and Chakraborty, 2015). 예를 들어 미국 대도시 지역에서 발생하는 폭염은 소수인종(ethnic/racial minorities)의 경제적인 취약성과 공간적 불평등이 연계되고 있으며, 거주차별(residential segregation) 및 젠트리피케이션(gentrification)은 환경정의(environmental justice, EJ) 분야로 확장된 논의가 진행되고 있다(Wolch et al., 2014). 최근 기후변화와 관련한 불평등을 분석하는 기후정의(climate justice)는 환경정의와 같은 맥락을 갖고 있으며, 환경 및 기후변화에 따른 거주민의 불평등한 부담은 환경 부정의(environmental injustice) 또는 기후 부정의(climate injustice)에 해당된다. 한편 도시열섬현상은 도시화와 경제발전을 위한 산업화 과정과 밀접하게 연계되어 있으며 물리적 요인뿐만 아니라 사회･경제 및 보건측면의 다양한 공간변수가 상호작용한다(Zhou et al., 2019). 따라서 도시열섬현상은 도시지리학 관점에서 공간 구조뿐만 아니라 사회계층의 공간적 형평성과 관련된 함의를 내포하고 있다.
이러한 맥락을 바탕으로 본 연구는 도시열섬현상의 복합적인 공간특성을 물리･생태, 인구･사회, 교통･보건 요인을 실증적으로 정량화하여 다음과 같은 네 가지의 주요 연구목표를 수행하였다. 첫째, 샌안토니오 대도시 지역에서 발생하는 도시열섬현상의 주요 요인들에 대해 Landsat 5 기반의 원격탐사(remote sensing, RS)와 지리정보체계(geographic information system, GIS)를 적용하여 공간분포를 정량화하였다. 둘째, 지리가중회귀분석(geographically weighted regression, GWR)을 통해 관련 변수들의 영향력 수준을 분석하고 도시열섬현상의 취약지역을 탐색하였다. 셋째, 도시열섬현상 및 열재해 위험에 효과적으로 대응하기 위해 도시 그린인프라 조성 및 공간계획의 제도화, 그리고 이와 관련된 도시지리학에서의 함의를 검토하였다. 넷째, 지속가능한 도시발전을 위해 도시열섬현상을 환경정의 관점에서 논의하고 사회적 취약성(social vulnerability)과 형평성(equity)에 대해 북미자유무역협정(NAFTA) 교통로(Interstate Highway-35, IH-35)를 따라 형성되고 있는 신레드라이닝(New Redlining)과 연계하여 도시 공간구조의 변화를 고찰하였다.
II. 주요개념 및 연구동향
1. 도시열섬현상
도시열섬(urban heat island, UHI)은 주변지역에 비해 높은 온도를 가진 도시의 내부지역을 의미하며, 도시화에 따른 고온현상을 수반한다. 즉 열섬(heat islands)은 도시내부가 일정한 등온선(isotherm)을 따라 구분되는 섬 형태의 지역이며, 열섬현상은 일반적으로 오후 또는 일몰 직후의 온도가 도심부에서 높게 나타나고 촌락지역(rural settlement)으로 갈수록 감소하는 경향을 가진다(그림 1). 도시열섬현상은 도심부와 주변지역과의 온도차이에 의해서 관측되며, 도시내부 경관의 온도차이에 따라 다양한 형태의 도시내 열섬(intra-urban heat islands)이 형성된다. 또한 건조환경(built environment)을 구성하는 불투수층(impervious surface)의 확대는 식생의 증발산(evaporation) 작용에 의한 냉각효과를 감소시켜 열섬효과를 강화시킨다(Oke, 1988).
도시열섬현상은 지표열섬(surface heat islands)과 대기열섬(atmospheric heat islands)으로 구분된다. 지표열섬은 도시의 지표를 구성하는 토지피복의 특성을 반영한다. 예를 들면 도로와 건축물을 구성하는 아스팔트와 콘크리트는 자연환경의 토지피복보다 많은 열을 보유하기 때문에, 오후의 지표온도 32°C는 대기보다 약 15 °C 더 높은 온도를 나타낸다(Simmons et al., 2008). 대기열섬은 도시의 온난한 대기에 의해 형성되며, 지표열섬에 비해 낮은 강도의 열 에너지를 갖고 있다. 또한 주간과 야간에 따라 지표열섬과 대기열섬의 차이가 발생한다.
도시열섬현상은 다양한 요인들에 의해 발생한다 첫째, 도시지역에서 자연경관의 감소와 관련된다. 건조환경을 구성하는 도로, 건축물, 주차장 등 회색인프라(gray infrastructure)의 증가는 습도를 감소시키고, 온도를 상승시켜 야간에도 높은 온도를 유지시킨다. 둘째, 도시내부의 밀집된 공간구조(urban geometry)와 도시형태(urban form)는 대기의 순환을 정체시키고 온도를 상승시킨다. 셋째, 도시에서 발생하는 각종 사회･경제활동, 즉 교통, 에너지 사용, 산업활동 등은 열섬효과를 강화시킨다. 위의 내용을 종합하면 도시열섬현상은 여러 요인들의 상호작용에 의해 발생한다. 즉, 고밀도 공간구조, 자연식생의 감소, 인간활동의 증가로 인한 도시 미기후(urban microclimate)의 변화가 주변 지역보다 높은 열환경을 조성하고, 이에 따라 도시지역의 열재해 위험(heat hazards)이 상대적으로 높아진다고 할 수 있다(Oke, 1992; USEPA, 2022a).
2. 도시공간의 레드라이닝 및 환경정의
도시공동체의 사회적 취약성은 환경정의(EJ) 관점에서 논의된다. 환경정의(EJ)는 환경적 혜택과 부담을 공정하게 공유하는 것이며, 절차적 정의, 분배적 정의, 교정적 정의의 측면을 가진다(최병두, 2010; Wolch et al., 2014; 환경부, 2019). 한편 환경부정의(environmental injustice)는 특정한 공동체가 부담하는 환경적 불평등을 의미한다. Pellow(2000)는 환경정의에 대해 지역의 변화 과정과 역사, 다양한 이해관계인의 역할, 생애주기적 접근(life-cycle approach)을 통해 구체화하고 있다. 환경정의를 역사적 과정에서 분석할 경우 샌안토니오 대도시 지역에서 레드라이닝(redlining)의 역사적인 유산(historical legacy)에 관해 논의할 수 있다.
도시지리학에서 레드라이닝은 공간구조의 형성 및 변화, 공간 접근 및 이용과정에서 특정 거주민의 배제와 차별이라는 함의를 갖고 있으며, 경로의존적인 제도화(path dependent institutionalization)의 특성을 나타낸다(이훈종, 2018). Yi et al.(2019)은 샌안토니오 대도시 지역을 대상으로 환경정의 분석을 통해 사회, 경제, 문화, 생태적인 관점에서 백인, 흑인, 히스패닉 등 다면적인 인종, 소득, 교육, 의료보험, 생태환경 등의 차이에 따라 고착화된 거주분리(residential segregation) 및 복합적인 사회-생태적 격차(social-ecological divide)를 실증적으로 분석하였다. 구체적으로 Kruskal-Wallis 및 Mann-Whitney U 검정 등을 실시하여 샌안토니오 대도시지역 및 NAFTA 교통로 인접지역과 외부지역을 대상으로 히스패닉이 부담하는 차별적 환경부정의, 사회경제적 상태(socio-economic status), 보건위험도, 생태계서비스의 차이를 실증적으로 입증하였다(p<0.001). 분석 결과는 환경정의와 연계하여 도심부의 NAFTA 교통로를 중심으로 발생하는 ‘생태계서비스의 신레드라이닝(New Redlining of Ecosystem Services)’에 관한 최초의 학술연구를 의미한다. 또한 신레드라이닝이 발생하는 새로운 도시공간구조에 관한 선구적인 실증연구로서 의의를 가진다. 더욱이 제도화된 공간적 격차(Chetty et al., 2014) 및 경로의존적인 시계열 추세는 2050년의 미래세대까지 영향을 미치게 될 것으로 예측되었다(Yi et al., 2019).
<그림 2>에서 1935년 제작된 주택소유자대출공사(Home Owners' Loan Corporation, HOLC)의 레드라이닝(redlining) 지도는 소수 인종분포와 거주안전등급을 연계하는 제도화된 공간분리(institutionalized spatial segregation)를 나타내고 있다(Knox and Pinch, 2010; Yi et al., 2019). 거주안전등급 지도는 금융서비스 이용가능 등급이 높은 녹색지구(A)부터 청색지구(B), 노란색지구(C), 그리고 등급이 가장 낮은 적색지구(D)로 구분된다. 한편 인종분포 지도의 적색 및 회색지역은 각각 히스패닉과 흑인을 비롯한 소수인종의 거주지이며, 주택구입 등 금융 서비스에서 차별과 배제가 역사적인 제도화 과정을 통해 고착화되었다. 따라서 백인을 제외한 소수 인종은 낙후된 도심지역에서 벗어날 수 없는 차별적 제도로 인해 불평등한 사회･경제적 도시환경에서 거주하는 악순환이 지속되었다.
3. 연구동향
도시열섬현상은 미국과 유럽의 대도시뿐만 아니라 인구증가로 도시화가 빠르게 진행중인 아시아, 아프리카 지역의 개발도상국에서도 많은 연구가 진행되고 있다(Zhou et al., 2019). 무엇보다 도시열섬현상에 대한 다양한 원격탐사 연구방법론의 적용과 효율성 측면이 논의되고 있다. 위성영상 활용의 구체적인 장점으로 첫째, 넓은 지역에 대한 주기적인 모니터링(monitoring)을 통해 도시열섬현상으로 인한 온도 변화 탐지가 가능하다. 둘째, 도시지역의 토지이용 및 토지피복(land-use/land-cover) 특성과 연계하여 다양한 범위(scale)의 분석이 가능하다. 셋째, 정규식생지수(Normalized Difference Vegetation Index, NDVI), 정규시가화지수(Normalized Difference Built-up Index, NDBI), 정규물지수(Normalized Difference Water Index, NDWI) 등 관련지표와 사회･경제변수를 연계하여 도시열섬현상 대응을 위한 통합적인 지도화(interactive mapping)가 가능하다(Jensen, 2006).
연구주제 측면에서 Voogt and Oke(2003)는 도시열섬현상을 도시 미기후의 물리적 환경 측면에서 분석하였다. Boice et al.(2019)은 샌안토니오 대도시 지역을 대상으로 도시열섬현상에 관한 시계열분석을 진행하였다. 연구결과에서 샌안토니오 대도시 지역의 10년간 평균온도가 0.5도에서 0.8도까지 상승한 것으로 나타났다. 또한 도시열섬현상은 샌안토니오 대도시 지역의 오존(tropospheric or ground level ozone, O3) 발생에 영향을 미치고 있으며 이에 대응하기 위한 공간계획을 강조하였다.
Klinenberg(2002)은 1995년 시카고 폭염의 인명피해를 취약계층의 사회적 불평등을 중심으로 분석하였다. 특히 고령자, 흑인, 그리고 사회적으로 고립된(socially isolated) 도시 거주민들의 재해 위험성을 분석하여 사회적으로 취약한 계층에 관한 환경정의 또는 환경 부정의에 대한 논의를 촉발하였다. Harlan et al.(2006)은 도시 미기후 변화에 따른 취약성을 조사하고, 폭염안전지수(human thermal comfort index, HTCI)를 적용한 건강 불평등에 관해 아리조나 주의 피닉스(Arizona-Phoenix) 지역을 중심으로 정량분석을 수행하였다. Reid et al.(2009)은 사회･환경적 취약성, 사회적 고립, 냉방장치, 연령 등을 고려한 열취약성에 관한 요인분석을 수행하고 이와 관련된 공간분포를 지도화하였다. USEPA(2022b)는 2015년 EJScreen을 통해 도시열섬 데이터를 환경정의와 연계하여 지도화하고 있다.
국내에서도 도시화에 따른 도시열섬의 발생과 영향, 열재해 위험과 관련한 다양한 연구가 진행되고 있다. 공학양 등(2016)은 인천광역시를 대상으로 지표온도와 정규식생지수, 정규시가화지수 사이의 상관관계를 분석하였다. 이를 통해 도시 열환경을 개선하기 위한 토지이용 계획 수립 및 도시 녹지에 대한 복원을 제안하였다. 김기중･안영수(2017)는 서울특별시를 대상으로 도시열섬지역이 다르게 도출되는 방법론의 차이에 관해 기초연구를 수행하였다. 조혜민 등(2019)은 원격탐사와 GIS를 기반으로 서울특별시 도시열섬현상의 물리적 환경과 인구 및 사회･경제적 특성에 대해 핫스팟과 로지스틱 회귀분석을 통해 공간분석을 수행하였다.
이상에서 검토한 국내외 도시열섬현상 및 열재해 위험 관련 연구동향은 물리적 환경 요인분석과 함께 사회환경, 보건환경, 생태환경의 다양한 요소들을 복합적으로 연계하여 도시공간 분석의 요인을 다면적으로 확대시키고 있다. 미국의 경우 도시열섬현상의 공간구조 및 공간변수들의 상호작용, 그리고 이에 대한 지도화를 통해 공간적으로 명확한 의사결정(spatially explicit decision making)과 정책형성을 지원하고 있다(Mitchell and Chakraborty, 2015). 이와 함께 사회적 취약계층에 대해 분석하는 환경정의(EJ) 관점으로 연구영역이 확장되고 있다. 또한 최근의 기후변화로 인해 도시열섬현상은 글로벌 스케일의 도시화, 토지변화와 연계된 분석과 함께 지역 특성을 반영하는 실증연구가 증가하고 있다(Grimm et al., 2008; Zhou et al., 2019). 그러나 도시열섬현상 및 열재해 위험성에 관한 환경정의(EJ) 관점의 연구는 상대적으로 희소하다고 할 수 있다. 본 연구는 이러한 연구공백에 주목하여 해당지역에 특유한 역사적인 레드라이닝(redlining)에 의한 거주지 분리 및 현재의 NAFTA 교통로(i.e., IH-35)를 중심으로 환경정의 관점에서 도시열섬현상의 공간적 영향관계를 분석하였다.
III. 연구방법
1. 연구지역1)
샌안토니오 대도시 지역은 텍사스 남부의 베어 카운티(Bexar County)에 위치하고 있다(그림 2). 샌안토니오는 역사적으로 물자의 집산지(entrepôt)로서 지리적으로 멕시코와 인접하고, 미국내 소수인종인 히스패닉이 도시 거주민의 대다수를 차지하고 있다. 이 지역은 북미자유무역협정(North American Free Trade Agreement, NAFTA) 이후 IH-35를 통해 국제무역의 육상 물류 이동이 증가하는 교통의 요충지이다(허우긍, 2018; USCB, 2010a; USTR, 2022). 소위 NAFTA 교통로(highway)로 불리는 IH-35는 샌안토니오 지역의 뉴브라운펠스(New Braunfels)를 통과해서 헤이즈 카운티(Hays County)의 산마르코스(San Marcos)와 오스틴(Austin)지역에 이르는 광역 대도시권을 연결한다. <그림 3>에서 SRTM(Shuttle Radar Topography Mission)으로부터 추출된 수치고도모델(digital elevation model, DEM)은 연구지역의 지형을 나타내고 있다(USGS, 2010). 해당지역의 북쪽으로는 고도가 500미터 이상으로 높아지고, 도시 거주민들에게 수자원을 공급하는 대수층인 Edwards Aquifer가 위치하고 있다. 본 연구의 공간적 범위는 샌안토니오 대도시가 포함되는 베어 카운티이며, 시간적 범위는 10년 주기로 조사되는 2010년도 인구센서스 데이터 및 동일 연도의 Landsat 5 위성영상과 2011년도 미국환경보호청의 교통 및 보건환경 데이터를 활용하였다(USEPA, 2020).
2. 정량변수
1) 인구 및 보건관련 변수2)
본 연구는 인구센서스 데이터를 활용하여 인구･사회(race and demographics) 변수로서 히스패닉 비율(Hispanic Proportion, HP)(%)을 적용하였다. 본 연구에서는 교통･보건(transportation and air pollutant/health risks) 변수로서 샌안토니오 도심부를 통과하는 IH-35를 중심으로 도시열섬현상의 공간구조를 탐색하기 위해 실외 디젤 미세먼지 농도(ambient diesel particulate matter, DPM) (µg･m-³)를 적용하였다(표 1). 공간분석 단위(spatial unit of analysis)는 인구센서스에서 제공하는 센서스 트랙(census tract)이며, 공간분석은 벡터 쉐이프 파일(TIGER/Line® shapefiles) 및 ArcGIS® 10.3을 활용하여 단위 당 평균을 적용하였다(ESRI, 2016a; USCB, 2010b).
2) 지표온도
지표온도와 대기온도는 상관관계를 갖고 있으며 지표온도(land surface temperature, LST) 변화를 통해 도시열섬 현상을 분석할 수 있다(Boice et al., 2019). 본 연구에서는 도시열섬현상의 물리･생태 및 사회･경제적 변수들의 공간적 영향력 수준을 분석하기 위해서 2010년도 인구센서스 데이터와 동일한 연도를 가진 2개의 Landsat 5 위성영상을 구득하여 모자이크(mosaic)하였다. 이후 30미터 공간해상도(spatial resolution)로 리샘플링(resampling) 처리된 지표온도를 정량화하여 적용하였다. 해당 위성영상의 위치체계(Worldwide Reference System, WRS)는 각각 path 27 및 row39, path 27 및 row40이다. 2개의 위성영상은 ENVI® 5.4(Exelis VIS, 2017)를 통해 모자이크 되었고, 베어 카운티의 경계 벡터 화일로 추출(extract)되었다. 위성영상은 모두 2010년 8월 23일 16시 53분에 촬영된 것으로 도시열섬을 분석하는데 적합한 오후 시간의 이미지로서 좌표체계는 WGS 1984, UTM zone 14N가 적용되었다. 해당 영상은 촬영 당시 모두 구름이 없고, 태양각은 각각 59.88도, 60.45도이다(USGS, 2010).
표 1.
정량변수 유형 및 내용
| 변수유형 및 정량변수 | 내용(단위) | 자료 |
| (1) 물리환경 | ||
| 지표온도(LST)* | 지표온도(℃) | EarthExplorer(USGS, 2010) |
| (2) 인구･사회 | Yi et al.(2019) | |
| 히스패닉 비율(HP)** | 인구비율(%) | American Community Survey(USCB, 2010a) |
| (3) 교통･보건 | Yi et al.(2019) | |
| 실외 디젤 미세먼지 농도(DPM)** | 미세먼지 농도(µg･m-3) | 2011 National Air Toxics Assessment(USEPA, 2020) |
| (4) 생태환경 | ||
| 정규식생지수(NDVI)** | 식생 및 도시녹지(unitless) | EarthExplorer(USGS, 2010) |
Landsat 5 영상으로부터 지표온도를 정량화하기 위해서 다음과 같은 변환과정이 필요하다. 지표온도(°C) 산출 공식은 함수방정식 (1)과 (2), 그리고 USGS의 변환계수를 적용하였다(Chander and Markham, 2003). 함수방정식 (1)에서 분광복사량(radiance)을 나타내는 Lλ(W/m2 × sr × µm)는 Landsat 5의 열적외선 밴드(thermal infrared band 6, 10.40-12.50μm)에 해당하는 환산계수(rescaling factor)(Grescale)에 디지털 넘버(digital numbers, DN)(Qcal)을 곱한 후 일반화 환산계수(Brescale)를 더하여 정량화하였다. 정량화 과정에서 환산계수는 Grescale와 Brescale의 경우 각각 0.055158, 1.2378이다. 함수방정식 (2)에서 K1, K2는 보정상수(calibration costant)를 의미하며 각각 은 607.76, 은 1260.56이다. 지표온도를 시각화하는 3차원 경향면 분석(three dimensional trend analysis)은 샌안토니오 대도시 지역에서 도시열섬현상의 등온선(isotherm)을 실증적으로 나타내는데 적합한 분석방법이다. 이를 위해 센서스 트랙의 평균지표온도(°C)를 정량화하고 샌안토니오 대도시지역의 도시열섬현상을 입체적으로 시각화하였다(ESRI, 2016b).
3) 정규식생지수3)
정규식생지수(NDVI)는 식생 및 도시녹지의 대리지표(proxy indicator)이며 Landsat 5 위성영상으로부터 정량화할 수 있다(Rouse et al., 1974; Yi, 2017; Yi et al., 2017). 함수방정식 (3)에서 정규식생지수는 30미터 공간해상도를 가진 Landsat 5의 근적외선 밴드(near infrared band 4, 0.76-0.90μm)에서 가시광선 밴드(visible red band 3, 0.63-0.69μm)의 차이를 두 밴드의 합으로 나눈 값이다(Jensen, 2005; USGS, 2018). 정규식생지수는 단위가 없고 -1에서 +1의 범위를 갖는다(표 1).
정규식생지수는 일반적으로 도시 녹지와 정(+)의 상관관계를 갖고 있으며, 도시 지역의 생태환경을 분석하는 실증적인 지표로 활용될 수 있다(Markevych et al., 2014; Casey et al., 2016). 이 경우 지수값이 +1에 가까울수록 식생의 분포량과 활동성이 크다는 것을 의미한다. 정규식생지수의 정량화를 위한 위성영상의 대기보정(atmospheric correction)은 전처리 단계에서 분광이전모델(radiative transfer model)을 적용하였다(Perkins et al., 2005).
3. 탐색적 공간데이터 분석4)
탐색적 공간데이터 분석(exploratory spatial data analysis, ESDA)은 공간통계를 활용하여 데이터의 공간분포와 공간의존성(spatial dependence)을 분석한다(이훈종, 2021). 본 연구에서는 Yi et al.(2019)의 방법론을 준용하여 도시열섬현상 변수의 공간적인 자기상관성(spatial autocorrelation)과 클러스터-아웃라이어 분석(cluster and outlier analysis, Anselin Local Moran’s I)을 수행하였다. Anselin(1995)이 개발한 LISA(Local Indicator of Spatial Association) 지표는 개별변수들의 핫스팟(hotspots)과 콜드스팟(cold spots)에 관한 클러스터(cluster)를 분석한다. 지표온도(LST)에 대한 영향력을 분석하기 위해 선정된 3개의 영향요인은 첫째, 히스패닉 인구비율(HP, %), 둘째, 실외 디젤 미세먼지 농도(DPM, µg/m³), 셋째, 정규식생지수(NDVI, unitless)이다.
함수방정식 (4)에서 지리가중회귀분석(Geographically Weighted Regression, GWR)은 종속변수()인 지표온도(LST)는 절편(β0), 설명변수()에 대한 회귀계수(), 오차항()으로 이루어진다. 지표온도(LST)는 지역적으로 좌표를 가진 변수들의 연속함수(continuous function at location i, )이다. 따라서, 지리가중회귀분석은 공간적으로 명확한 방식으로 공간관계 모델을 수립할 수 있다(Mennis, 2006; Ogneva-Himmelberger et al., 2009). 이러한 특성으로 인해 지리가중회귀분석(GWR)은 공간적인 불균등성(spatial non-stationarity or heterogeneity)을 반영하는 인구 및 사회, 그리고 환경분야 모델링에서 적용될 수 있다(Fotheringham et al., 1998; 2002).
IV. 연구결과
1. 기술통계 및 도시열섬현상의 변수 정량화
변수들의 정량적 분석결과는 다음과 같다(표 2). 첫째, 지표온도(LST)는 최소값이 30.651°C, 최대값이 35.425°C이다. 둘째, 베어 카운티는 평균적으로 약 60%에 해당하는 인구가 소수인종(ethnic/racial minorities)인 히스패닉 계통의 주민으로 구성되어 있다. 히스패닉 비율(HP)의 최소값과 최대값은 각각 7.8%, 98%이다. 본 연구에서는 361개의 센서스 트랙을 분석대상으로 하였고, 256개의 센서스 트랙에서 히스패닉이 다수를 차지하고 있다. 한편 101개의 센서스 트랙은 백인 계통이 다수를 차지하고 있으며, 흑인 계통의 경우 4개의 센서스 트랙에서 우위를 차지하고 있다(USCB, 2010a). 셋째, 실외 디젤 미세먼지 농도(DPM)는 최소값과 최대값이 각각 0.255 µg･m-3, 2.638 µg･m-3이다. 디젤연소로 인한 발생하는 각종 입자들은 NAFTA 교통로에서 육상 물류 이동의 증가와 관련되어 있으며, 호흡기 및 만성질환, 암 발생 위험증가 등 공중보건 및 삶의 질과 연계된다. 넷째, 정규식생지수(NDVI)는 최소값과 최대값이 각각 0.183, 0.573이다. 기타 내용은 <표 2>와 같다.
표 2.
정량변수의 기술통계(N=361)
<그림 4>에서 샌안토니오 대도시 지역의 8월 중순 무렵 오후 시간에 발생한 도시열섬현상이 Landsat 5 화소(pixel) 기반의 지표온도로 정량화되었다. 지표온도는 에드워드 대수층(Edwards aquifer) 및 산림지역, 호수와 하천을 따라 21.29°C 수준으로 낮게 나타난다. 한편 도심부의 지표온도는 44.57°C까지 상승하여 약 2배의 차이를 나타내고 있다.
2. 3차원 경향면 분석
지표온도(LST)의 3차원 공간분포를 나타내는 경향면 분석(trend analysis)을 위해 z축 방향에서 센서스 트랙의 평균지표온도 수준, x축의 동서방향, y축의 남북방향을 적용하였다(그림 5). 분석 결과는 도심부(downtown)에서 볼록한 형태의 높은 지표온도를 나타내고 있다. 3차원 경향면 분석결과는 <그림 1>의 모식도와 유사한 형태의 도시열섬현상을 실증적으로 시각화하고 있다.
<그림 6>에서 지표온도(LST)의 공간분포는 도심부를 중심으로 서남부 방향에서 높게 나타나고 있으며, 히스패닉 비율(HP)은 지표온도의 공간분포와 유사하게 나타난다. 한편 실외 디젤 미세먼지 농도(DPM)는 도심부에서 높게 나타나고 있으며, 동북방향에서 IH-35가 통과하는 도시 경계지역까지 높게 분포하고 있다. 정규식생지수(NDVI)는 고도가 증가하는 북쪽의 산림지역에서 높게 나타나고 있다.
<그림 7>에서 정량변수의 핫스팟 및 콜드스팟 클러스터 분석 결과는 지표온도(LST)와 실외 디젤 미세먼지 농도(DPM)의 경우 도심부를 중심으로 핫스팟이 형성되어 있으며, 도심 외곽지역으로는 콜드스팟이 형성되어 있다. 히스패닉 비율(HP)의 경우 도심지역과 서남부 방향에서 핫스팟이 형성되어 있으며, 북동쪽으로는 콜드스팟이 형성되어 있다. 한편 정규식생지수(NDVI)의 핫스팟은 북쪽의 산림지역에 집중되어 있으며, 도심부에서는 콜드스팟을 형성하고 있다. 정량변수의 클러스터 분석 결과는 정규식생지수(NDVI)를 제외하고 지표온도(LST), 실외 디젤 미세먼지 농도(DPM), 히스패닉 비율(HP)의 핫스팟이 도심부에서 중첩된 결과를 나타내고 있다. 따라서 열재해 위험 및 보건환경 취약계층의 비율은 히스패닉 거주지에서 상대적으로 높다고 할 수 있다.
3) 지리가중회귀분석 및 도시열섬현상의 영향요인 탐색
지리가중회귀분석(GWR)의 회귀계수(β)는 공간적 불균등성으로 인해 각각의 센서스 트랙에 따라 다르게 나타난다(표 3). 구체적으로 히스패닉 비율(HP), 실외 디젤 미세먼지 농도(DPM), 정규식생지수(NDVI)의 경우 각각의 계수(coefficient)의 평균값은 0.010, 0.118, -7.420이고, 센서스 트랙에 따라 최대값과 최소값이 상이하다. 지리가중회귀분석(GWR)의 컨디션 계수(condition number)는 지역적 다중공선성을 의미하며 30보다 작은 경우에 모델의 신뢰성이 인정된다(ESRI, 2018). <표 3>에서 컨디션 계수의 평균값은 23.057이다.
표 3.
지리가중회귀분석(GWR) 결과
지리가중회귀분석(GWR) 결과는 전반적으로 전역적 회귀분석(OLS) 보다 개선된 결과값을 나타낸다(표 3). 첫째, 지리가중회귀분석(GWR)의 설명력(Adjusted R-squared) 은 0.650이고 전역적 회귀분석(OLS)의 0.583보다 높은 설명력을 나타내고 있다(표 1-1). 둘째, Akaike's Information Criterion (AICc)는 회귀분석 모델의 상대적 적합도를 나타내는 기준이며, 본 연구에서 지리가중회귀분석(GWR)과 전역적 회귀분석(OLS)을 비교하는 경우 각각 612.590과 674.393이다. 따라서 AICc가 감소한 지리가중회귀분석(GWR) 모델의 적합도가 보다 우수한 것으로 볼 수 있다. 셋째, Moran’s I index를 통해 변수의 자기상관도는 지리가중회귀분석(GWR)과 전역적 회귀분석(OLS)을 비교하는 경우 각각 0.050과 0.132이며, 지리가중회귀분석(GWR)의 공간적 자기상관(spatial autocorrelation)이 감소한 것으로 나타났다.
지리가중회귀분석(GWR) 컨디션 계수 및 지역별 회귀계수(β)의 공간분포는 각 변수가 공간적으로 어떻게 다른 영향을 미치고 있는지를 나타낸다. <그림 8>에서 도시열섬현상에 대한 지역적 다중공선성을 의미하는 컨디션 계수는 북동지역에서 다른 지역에 비해 낮게 나타났으며, 이는 3개의 독립변수로 구성된 GWR 모델의 적합도가 북동방향에서 높다는 것을 의미한다. 지역별 회귀계수의 공간분포는 히스패닉 비율(HP) 계수의 영향은 정(+)의 영향이 적색으로 표시되어 북동방향에서 높게 나타났고, 디젤 미세먼지 농도(DPM) 계수는 도심외곽 지역에서 정(+)의 영향이 높게 나타나고 있다. 한편 정규식생지수(NDVI) 계수의 영향은 서남부 방향에서 부(-)의 영향이 높게 나타나고 있으며, 북동방향에서는 상대적으로 부(-)의 영향이 적게 나타나고 있다. 분석결과는 샌안토니오 대도시 지역의 도시열섬현상이 히스패닉 비율, 디젤 미세먼지 농도와 정(+)의 영향, 정규식생지수와 부(-)의 영향을 나타내고 있다. 본 연구에서 GWR 모델의 지역별 결정계수는 종합적으로 IH-35를 중심으로 높게 나타나고 있으며, 컨디션 계수 및 지역별 회귀계수는 GWR 모델에서 결정계수의 영향력을 판단하는데 활용될 수 있다.
<그림 9>에서 지리가중회귀분석(GWR)의 센서스 트랙 결정계수(R2)와 표준잔차의 공간분포가 나타나며, 이를 통해 공간적 자기상관을 파악할 수 있다. 잔차는 0에 가까울수록 임의적인(random) 분포를 나타낸다. <표 3>에서 지리가중회귀분석(GWR) 표준잔차의 Moran's I index는 0.05로 통계적으로 유의하게 나타났지만, 전역적 회귀분석(OLS) 표준잔차의 모란아이 값인 0.132보다 감소한 것으로 나타났다(표 1-1). 이것은 지리가중회귀분석(GWR)에서 잔차의 공간적인 자기상관성이 임의적인 패턴으로 개선된 것을 의미한다. 따라서 GWR 분석을 통해 도시열섬현상의 지역간 차이를 발생시키는 영향요인을 탐색하는 경우 모델링의 설명력을 향상시키고 공간적으로 불균등한 도시열섬현상에 대한 취약지역을 효율적으로 탐색할 수 있다.
이와 함께 표준잔차를 각각의 센서스 트랙에 따라 지도화하여 표준잔차의 공간분포가 임의적이고 편향되지 않은 상태를 파악할 수 있다(그림 9). 본 연구지역에서 표준잔차의 값은 실제 값과 예측 값의 차이를 의미하고 진한 색상 또는 연한 색상의 농도인 경우 영향요인의 표준잔차 범위가 ±1을 초과하여 지리가중회귀분석(GWR) 모델의 적합도가 낮은 지역으로 해석될 수 있다. 한편 색상의 농도가 중간 수준인 경우에는 표준잔차의 범위가 -0.4부터 +0.5에 해당하는 지역이며 다른 센서스 트랙과 비교할 때 도시열섬현상 모델에 대한 영향요인의 적합도가 높은 지역이다. 본 연구지역에서 IH-35를 중심으로 색상의 농도가 중간인 지역은 표준잔차가 상대적으로 0에 가깝고 도시열섬현상에 대한 영향요인이 적합하게 나타난 지역이라고 할 수 있다. 향후 본 연구에서 제시된 영향요인 이외에 모델의 지역별 설명력과 적합도를 제고하는 새로운 요인을 탐색하여 다중공선성을 낮추는 경우에 자기상관성을 보다 감소시킬 수 있을 것이다.
도시열섬현상에 대한 영향 수준은 히스패닉 인구비율(HP), 실외 디젤 미세먼지 농도 (DPM), 정규식생지수(NDVI)가 연계된 센서스 트랙에서 나타난다. <그림 9>에서 샌안토니오 대도시 지역의 도시열섬현상은 IH-35 교통로를 따라 북동방향으로 나타나고 있으며 해당지역은 0.662 이상의 설명력을 보이고 있다. 즉, 설명변수인 히스패닉 인구비율(HP), 실외 디젤 미세먼지 농도 (DPM), 정규식생지수(NDVI)가 연계된 센서스 트랙에서 히스패닉 거주지는 도시열섬현상에 사회적 취약성(social vulnerability)이 높은 지역을 나타낸다. 예를 들어 본 연구에서 도시열섬현상의 취약지역은 샌안토니오 대도시 지역의 인구성장 지역 중의 하나인 New Braunfels이며, NDVI 콜드 스팟이 IH-35를 따라 북동방향으로 연계되어 있다. 실제적으로 New Braunfels는 2010년에 비해 인구가 약 56% 증가하고 있으며 이에 동반하는 토지이용 변화 및 회색인프라(gray infrastructure)의 증가는 도시열섬현상을 강화시키고 있다(USCB, 2022). 따라서 해당지역에서 히스패닉은 도시열섬현상 및 열재해 위험과 연계된 취약계층이고, IH-35인접지역은 NAFTA 육상 물류 이동이 증가할수록 도시열섬현상과 함께 실외 디젤 미세먼지 농도(DPM) 증가 및 정규식생지수(NDVI) 감소에 따른 영향이 상대적으로 높은 지역이라고 할 수 있다.
V. 논의
1. 도시화 및 도시열섬현상5)
도시열섬현상은 도시화에 따른 기반시설의 확장 및 토지피복의 변화와 밀접하게 연계되어 있다(Landsberg, 1981; Kalnay and Cai, 2003). 오늘날 세계 인구의 55%가 도시지역에 거주하고 있으며 2050년까지 도시에 거주하는 세계인구는 전체 인구의 68%까지 증가할 것으로 예측되고 있다. 그러나 도시화 및 산업화에 따른 경제성장은 지금까지 지속가능하지 않은 방식으로 진행되고 있다. 예를 들면 도시 지역은 전세계 육지 면적의 약 2%에 해당하지만 지구 에너지 소비의 78%를 차지하고 있으며, 과다한 온실가스 및 폐기물 배출로 인해 도시 거주민의 도시열섬 취약성과 열재해 위험이 높아지고 있다(Moran et al., 2018; UN, 2018; USEPA, 2020).
Yi et al.(2018)는 위성영상 분석을 통해 샌안토니오 도시유역분지(urban watershed)에서 1984년부터 2010년까지 토지피복 변화를 분석한 결과 도시지역의 비율과 면적이 각각 12.6%에 해당하는19,894ha에서 38.4%에 해당하는39,666ha로 증가한 것으로 나타났다. 특히 샌안토니오 대도시 지역은 NAFTA확대에 따른 토지피복 변화 및 도시 스프롤(urban sprawl) 현상이 지속되고 있어 도시열섬현상을 강화시킬 것으로 예상된다. 향후 도시열섬현상이 지역 공동체에 미치는 영향이 증가할수록 도시 열재해에 따른 보건위험에 효과적으로 대응하기 위한 사회･생태적 역량의 중요성이 커질 것으로 예상된다(Lo and Quattrochi, 2003)
미국의 경우 폭염을 비롯한 열재해는 다른 기상재해에 비해 사망률이 높은 재해 중의 하나이다. 2021년 폭염으로 인한 인명피해는 190명으로 홍수, 한파, 토네이도 등으로 인한 사망자보다 높게 나타났다. 또한 인명피해의 10년 평균은 각각 105명과 148명으로 나타났으며, 지난 10년간 홍수로 인한 98명의 인명피해와 토네이도로 인한 49명의 인명피해보다 많은 사망자가 발생하였다(그림 10). 특히, 1995년 시카고 폭염의 경우 사회적 고립(social isolation)을 통해 739명의 대규모 인명피해가 발생하였다(Klinenberg, 2002).
우리나라의 경우 폭염은 현재까지 인명피해가 가장 많은 기상재해이며, 1994년 폭염으로 인해 서울에서는 738명의 초과 사망자가 발생하였다(기상청, 2012; 조항문･이윤혜, 2018; Kyselý and Kim, 2009). 2018년에는 자연재해로 인한 사망･실종자수가 53명이며, 이 중 폭염으로 인한 온열질환 사망자가 48명으로 대부분을 차지하고 있다(통계청, 2020). 이에 우리나라는 2018년부터 폭염을 자연재난에 포함시키고 있다(재난 및 안전관리기본법, 2018). 일반적으로 폭염 등 열재해 대응은 첫째, 홍수, 태풍 등 다른 기상재해에 비해 피해상황 확인이 상대적으로 어렵고, 둘째, 동시다발적인 폭염 발생지역의 피해가 광범위하고 의료체계의 신속한 대응이 곤란하며, 셋째, 기후변화로 인해 온대지역에서 피해가 증가하고 있으며, 넷째, 피해 저감을 위해 체계적인 대응이 필수적인 복합재난의 특성을 갖고 있다(기상청, 2021). 이와 관련해서 세계경제포럼(World Economic Forum, WEF)은 글로벌 차원의 가장 위협적인 위험요소로서 열재해를 포함한 위험기상(extreme weather events), 자연재난, 그리고 기후변화 저감 및 적응 실패에 주목하고 글로벌 수준의 대응과 새로운 거버넌스의 구축을 촉구한다(WEF, 2019).
2. 열재해 및 사회적 취약성
재해의 주요 개념 중에서 도시열섬현상과 열재해 위험은 사회･경제적 요인들과 관련되어 있다(표 4). 함수방정식 (5)에서 재난위험(disaster risk)의 수준은 미래의 잠재적인 위험과 사회적 취약성, 그리고 이에 대응하는 회복력의 상호작용을 통해 결정된다. 구체적으로 도시열섬현상의 재난위험은 미래 위험을 나타내는 해저드(hazard)와 사회적 취약성(social vulnerability)의 증가와 함께 강화되고, 회복력(resilience)의 증가에 반비례하는 관계를 갖는다. 재난위험을 감소시키는 회복력은 물리적, 사회적, 자연적, 경제적 자본 등으로 구성되며 각종 재난복구를 위한 사회･생태적인 토대와 기반으로 작용한다(Smith, 2013). 예를 들어 동일한 자연재난이 발생하는 경우에도 사회적 취약성과 회복력의 차이에 따라 특정 공동체에 미치는 재해발생의 위험도와 발생유형, 그리고 실제적 피해가 달라질 수 있다.
취약성(vulnerability)은 재해발생에 대한 민감성 또는 이와 관련된 상황을 의미한다(UNISDR, 2009). <표 4>에서 사회적 취약성은 자연재해의 영향에 사전적으로 대비하고, 재해발생 및 복구과정에서 대응하는 개인 또는 집단의 특성을 나타낸다(Blaikie et al., 2003). 더욱이 외부 요인이 공동체에 미치는 잠재적이고 부정적인 효과로서 자연적 또는 인위적 재해뿐만 아니라 질병발생을 포함한다. 사회적 취약성은 물질적, 제도적, 인지적 취약성과 불충분한 회복력(resilience deficiency)을 포함하고 있으며 사회적 취약성을 감소시키는 것은 인명피해와 경제적 손실을 감소시킨다(USDHHS, 2022).
오늘날 재해발생에 대한 취약성은 외부적(exogenous) 요인보다는 내재적(endogenous) 취약성 등 내부요인이 중요시되고 있으며, 재해위험관리(disaster risk management, DRM)를 위한 패러다임은 사후적인 재난관리에서 사전적이고 예방적인 위험관리로 전환되고 있다. 이에 따라 사전적인 대응방안으로는 개발과정에서 지속가능한 토지이용 계획수립 및 활용, 생태계 관리(ecosystem management) 등이 논의되고 있다(UNDRR, 2014, 2015). 이와 함께 공동체의 지역적인 특성에 기반하는 대응방안 수립의 필요성이 증가하고 있다. 기타 재해의 주요 개념은 <표 4>와 같다.
본 연구의 대상인 샌안토니오 대도시 지역의 2020년도 사회적 취약성 지수(social vulnerability index, SVI)는 전반적으로 높은 사회적 취약성을 나타내고 있다(USDHHS, 2022). 구체적으로 해당 지수를 가장 낮은 0부터 가장 높은 1까지를 기준으로 하는 경우 0.9249에 해당된다. 특히 IH-35를 중심으로 남부지역에서 매우 높은 사회적 취약성 지수를 나타내고 있으며, Yi et al.(2019) 및 본 연구의 분석 결과에서 나타난 도시열섬현상에 대한 영향요인 및 영향력 수준, 그리고 도시 공간구조의 특성은 사회적 취약성 지수의 공간분포와 같은 맥락에서 이해될 수 있다. 본 연구의 분석 결과는 1935년 주택소유자대출공사(HOLC)에 의한 레드라이닝의 차별과 배제의 역사가 오늘날 NAFTA 교통로를 따라 공중보건 위험의 확산과 결합된 새로운 불평등으로 확대･재생산되는 취약지역을 나타내고 있다. 더욱이 IH-35를 중심으로 발생하는 신레드라이닝(New Redlining)은 물리적인 도시열섬현상과 결합하여 사회･경제적으로 대도시 지역의 공간을 분할하고 열재해 위험에 차별적인 도시 공간구조의 변화를 의미한다.
표 4.
재난 및 재해의 주요 개념
자료: Blaikie et al.(2003), UNISDR(2009), Smith(2013), Yi et al.(2019)에서 저자 재구성
3. 도시 그린인프라 및 도시 생태계서비스6)
도시열섬현상은 도시화와 기후변화에 따라 심화될 것으로 전망된다(U.S. Global Change Research Program, 2009). 이에 대응하여 유엔(UN)은 도시분야의 지속가능발전목표(SDGs)(UN, 2015) 달성을 위해 도시의 포용성, 사회-생태적 회복력(social-ecological resilience, SER)(Chapin et al., 2009), 자연기반 해법(nature-based solutions, NbS)(Nesshöver et al., 2017) 등을 논의하고 있다. 한편 도시 그린인프라(urban green infrastructure, UGI)는 도시 거주민에게 생태계서비스를 제공하고 삶의 질을 증진시키는 자연기반의 시스템이라고 할 수 있다. 예를 들어 도시녹지와 생태환경을 활용하여 도시열섬현상 완화, 대기오염물질 제거, 에너지 사용 감소 등 사전적으로 열재해 위험을 줄이는 데 활용될 수 있다(Yi, 2021; USEPA, 2022). 본 연구에서 정규화식생지수(NDVI)는 도시열섬현상에 부(-)의 영향력을 가지고 있다. 따라서 도시녹지 및 공원 등 도시 그린인프라 조성을 통해 공동체의 생태적인 기반과 재난에 대한 회복력을 높이고, 사회･경제, 공중보건, 생태환경의 다면적인 측면에서 도시열섬현상 대응을 통한 편익을 증가시킬 수 있다. 특히 Yi et al.(2019)은 샌안토니오 대도시지역에서 차별적으로 발생하고 있는 히스패닉 등 소수인종의 보건위험(health risks) 감소를 위해 도시 공간계획에서 도시 그린인프라(UGI)의 필요성과 생태계서비스의 활용을 강조하고 있다.
도시 그린인프라를 활용하는 공간계획은 도시 생태계서비스(urban ecosystem services, UES)로 체계화하는 경우 유엔(UN) 지속가능발전목표(sustainable development goals, SDGs)의 지속가능한 도시발전과 연계되어 지역 특성을 반영하여 활용이 가능하다(Yi et al., 2017). UN-Habitat은 새로운 도시의제(New Urban Agenda, NUA)로서 도시공간에 대한 구성원의 접근성과 이용가능성을 강조한다. 새로운 도시의제(NUA)는 르페브르(Lefebvre)의 도시에 대한 권리(the right to the city)에 따라 포용성(inclusiveness)을 제시하고 있으며, 강한 지속가능성에 기초하는 새로운 도시화라고 할 수 있다. 또한 생태계서비스의 보편적 이용이라는 원칙에 부합된다고 할 수 있다(최병두 외, 2004; 최재헌, 2017; UN-Habitat, 2017, 2020). 따라서 도시 그린인프라 및 도시 생태계서비스를 통해 도시공간의 형평성을 제고하는 논의와 방법론은 미국뿐만 아니라 우리나라를 비롯한 각국의 도시열섬 저감 정책수립과 사회적 형평성 제고를 위한 기초연구로 활용될 수 있을 것이다(Kreuter et al., 2001). 우리나라의 경우 미국과 달리 인종 관련 문제보다는 경제 성장과 국토 개발 과정에서 사회계층 분석, 지역 환경 보전, 취약지역 분석, 그리고 생태계서비스 지도화(ecosystem services mapping) 등에 적용될 수 있다(이훈종, 2020, 2022; Yi, 2020, 2022).
도시 그린인프라는 기후변화 및 도시열섬현상에 대한 적응(adaptation)과 감축(mitigation)에 필수적이다. 우리나라의 경우 도시 그린인프라는 기후변화 적응을 위한 자연 및 생태계 회복력 강화, 공중보건 위험 대응, 기후적응형 도시기반시설 구축, 과학기술 기반 기후변화 감시와 예측 및 영향평가, 과학기술기반 재난재해 관리를 위해 도시 생태계서비스(UES)와 결합하여 활용될 수 있다(기후변화대응 기술개발 촉진법, 2021). 향후 우리나라에 적합한 도시열섬 관리 및 도시 그린인프라 공간계획 수립, 기후변화에 적응하는 도시 패러다임 구축 및 지속가능한 도시공간 개발을 위해 지역기반의 연구와 논의가 진전되어야 할 것이다.
VI. 결론
도시열섬현상은 물리･생태 요인뿐만 아니라 사회･경제 및 보건측면의 다양한 공간변수가 상호작용한다. 이 논문은 샌안토니오 대도시 지역의 도심부를 통과하는 NAFTA 교통로(i.e., IH-35)를 중심으로 도시열섬현상에 대한 영향요인의 공간적 분포 및 도시 공간구조 변화를 신레드라이닝(New Redlining) 관점에서 분석하였다. 연구 결과는 도시열섬현상의 공간 구조뿐만 아니라 환경정의(EJ)와 관련하여 도시지리학에서 함의를 내포하고 있다.
본 연구의 주요 분석 결과는 다음과 같다. 첫째, 샌안토니오 대도시 지역에서 정량변수의 공간분포는 지역에 따라 상이하다. 지표온도(LST)의 공간분포는 도심부를 중심으로 서남부 방향에서 높은 수준으로 나타나고 있으며, 히스패닉 비율(HP)은 지표온도의 공간분포와 중첩되는 유형으로 나타난다. 실외 디젤 미세먼지 농도(DPM)는 도심부에서 높게 나타나고 있으며, 동북 방향에서 IH-35가 통과하는 도시 경계지역까지 높은 수준으로 분포하고 있다. 한편 정규식생지수(NDVI)는 북쪽의 산림지역에서 높게 나타나고 있다.
둘째, 클러스터 분석 결과는 정규식생지수(NDVI)를 제외하고 지표온도(LST), 실외 디젤 미세먼지 농도(DPM), 히스패닉 비율(HP)의 핫스팟이 도심부를 중심으로 중첩된 결과를 나타내고 있다. 지표온도(LST)와 실외 디젤 미세먼지 농도(DPM)의 경우 도심부를 중심으로 핫스팟이 형성되어 있으며, 도심 외곽지역으로는 콜드스팟이 형성되어 있다. 히스패닉 비율(HP)의 경우 도심부와 서남부 방향에서 핫스팟이 형성되어 있으며, 북동쪽으로는 콜드스팟이 형성되어 있다. 한편 정규식생지수(NDVI)의 핫스팟은 북쪽의 산림지역에 집중되어 있으며, 도심부에서는 콜드스팟을 형성하고 있다.
셋째, 지리가중회귀분석(GWR) 결과는 샌안토니오 대도시 지역의 도시열섬현상이 히스패닉 비율, 디젤 미세먼지 농도와 정(+)의 영향, 정규식생지수와 부(-)의 영향을 나타내고 있다. 지역별 결정계수를 통해 도시열섬현상은 IH-35 교통로를 따라 북동 방향으로 높은 국지적 설명력이 나타나며, 지역적 특성을 고려한 영향력을 탐색할 수 있다. 이에 히스패닉 인구비율(HP)는 도시열섬현상 및 열재해 위험과 연계된 취약계층이라고 할 수 있다. 히스패닉 거주지는NAFTA 육상 물류 이동의 증가에 따라 도시열섬현상과 함께 실외 디젤 미세먼지 농도(DPM)의 영향이 상대적으로 높아지는 지역을 의미한다.
본 연구에서 도시열섬현상에 대한 영향력은 사회적 취약성(social vulnerability)이 높은 지역을 나타내고 있으며, 열재해 위험 및 보건환경 취약계층은 히스패닉 거주지에서 상대적으로 높다. 또한 도시열섬현상에 대한 영향요인 및 영향력 수준, 그리고 도시 공간구조의 특성은 사회적 취약성 지수(SVI)의 공간분포와 같은 맥락에서 해석될 수 있다. 특히 1935년 HOLC에 의해 차별적으로 제도화된 레드라이닝에 따라 발생한 공간적 분리와 차별은 오늘날 IH-35의 신레드라이닝에 의해 도시열섬현상과 결합된 새로운 도시 공간구조로 형성되고 있으며, 이와 관련한 사회･경제적인 공간격차가 확대될 것으로 예측된다.
연구 결과는 도시열섬현상의 열재해 위험성 및 불균형을 완화하는 도시 그린인프라 조성 및 제도화, 도시 생태계서비스 제공을 위한 공간계획 수립을 위해 효과적으로 활용될 수 있다. 또한 우리나라를 비롯한 세계 각지에서 발생하는 도시열섬현상의 지역내 불균형 문제, 정주환경의 사회적 격차, 회복력 증진 등 유엔(UN)의 새로운 도시의제 및 지속가능한 발전목표(SDGs)의 도시분야 적용을 위한 과학적 분석에 활용될 수 있다. 본 연구에서 제시된 영향요인 이외에 추후 연구를 통해 모델의 지역별 설명력과 적합도를 제고하는 새로운 요인을 탐색할 필요가 있을 것이다. 향후 지역의 특성을 종합적으로 반영하는 도시 공간구조에 대한 연구가 추가적으로 진행되어야 할 것이다.
