실시간 도시 미기후 예측 서비스 개발

기상청 AWS/ASOS 관측자료와 도시형태(urban morphology) 정보를 결합하여 서울시 전역의 격자점별 기온을 실시간으로 예측하는 웹 서비스를 개발하였다. 기존의 도시열섬 연구는 위성 열적외 영상이나 수치모델에 의존하여 시공간 해상도에 한계가 있었으나, 본 연구에서는 XGBoost 기반 머신러닝 모델을 활용하여 10m 해상도의 포인트 단위 기온 예측을 실현하였다.

모델은 서울시 전역의 S-DoT 센서 관측 기온과 AWS 보간 기온 간의 잔차(residual)를 학습하며, 151개의 입력 변수를 사용한다. 이 변수에는 기상관측 데이터(기온, 풍향·풍속, 습도, 일사량 등), 시간 기반 특성(UHI phase, 태양 고도 등), 국토지리정보원 1:1,000 수치지형도로부터 4개 해상도(10m, 100m, 250m, 1000m)에서 산출한 도시형태 지표(건물 높이, SVF, 협곡 폭, 건폐율, FAI 등), 그리고 환경부 세분류 토지피복지도(41개 분류)에서 추출한 토지피복 비율 정보가 포함된다.

학습된 모델의 검증 MAE는 0.753°C이며, 10m 해상도 기준 서울시 전역 약 120만 격자점에 대해 약 30초 이내에 기온 분포를 산출할 수 있다. 예측 결과는 GeoTIFF로 저장되며, 웹 기반 인터랙티브 지도를 통해 실시간 시각화된다.

본 서비스는 도시열섬 현상 분석, 재개발 시나리오 평가, 폭염 대응 정책 수립 등에 활용될 수 있으며, 도시 스케일의 열환경 의사결정 지원 도구로서의 가능성을 제시한다.

A web-based service has been developed for real-time prediction of air temperature across Seoul at individual grid points, combining KMA AWS/ASOS observations with urban morphology data. While conventional urban heat island studies have relied on satellite thermal imagery or numerical models with limited spatiotemporal resolution, this work achieves point-level temperature prediction at 10m resolution using an XGBoost-based machine learning model.

The model learns residuals between S-DoT sensor observations and IDW-interpolated AWS temperatures, using 151 input features. These include meteorological observations (temperature, wind, humidity, solar radiation, etc.), temporal characteristics (UHI phase, solar elevation, etc.), urban morphology indices derived from the National Geographic Information Institute's (NGII) 1:1,000 digital topographic maps at four resolutions (10m, 100m, 250m, 1000m) including building height, SVF, canyon width, building coverage ratio, and FAI, as well as land cover fractions extracted from the Ministry of Environment's detailed land cover map (세분류 토지피복지도, 41 classes).

The validated model achieves an MAE of 0.753°C and can produce city-wide temperature distributions for approximately 1.2 million grid points within 30 seconds at 10m resolution. Predictions are stored as GeoTIFFs and visualized through a real-time interactive web map.

The service can support urban heat island analysis, redevelopment scenario evaluation, and heat wave response planning, demonstrating its potential as a decision-support tool for urban thermal environment management.

실제로 구동되어 있는 서울시 5m 해상도 기온 히트맵 예시 (2026-03-23)