UHI와 대기질 영향을 설명가능 지리공간 AI로 정량화

Quantifying UHI and Air Quality Impacts with Explainable Geospatial AI

연구 내용

위성 기반 LST와 토지피복 변수를 GeoXAI로 학습하고 SHAP 해석으로 영향요인을 도출하여 UHI 저감과 대기오염 관리에 활용하는 연구

Landsat 8 관측을 바탕으로 Land Surface Temperature(LST)를 산출하고, NDBI·GNDVI 같은 식생/토지피복 지수, DEM 고도, 도로·토지피복 데이터를 독립변수로 구성합니다. XGBoost 같은 트리 기반 모델로 LST를 예측한 뒤 SHAP을 적용해 버퍼 거리 내에서 영향이 큰 변수를 설명 가능하게 정리합니다. 또한 주요 간선도로의 지하화와 표면 공원화 같은 시나리오를 통해 LST 저감 효과를 검토합니다. 후속 연구에서는 대기오염물질 농도에 대해 공간 영향범위를 고려한 분석으로 도시 환경 요인의 작동 스케일을 함께 평가하는 방향을 확장합니다.

관련 프로젝트

0건

연구 흐름

연구는 위성영상 기반 UHI 정량화에서 출발했습니다. 도시의 지표면 조건과 공간적 영향범위를 버퍼 분석과 결합하여, GeoXAI 관점에서 LST에 대한 설명가능 예측 체계를 구축했습니다. 이후에는 같은 도시공간 데이터 자산을 활용하여 대기오염물질 농도에 대해서도 공간 영향범위를 고려하는 분석으로 확장했습니다. 최근에는 예측 성능뿐 아니라 SHAP 기반 변수 해석을 통해 정책 설계에 활용 가능한 근거를 도출하는 흐름으로 정리되고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

위성기반 UHI 모니터링 워크플로우
GeoXAI 기반 영향요인 설명 모듈
토지피복·식생 조성 최적화안 도출
도로 지하화-공원화 효과 평가도구
공간영향범위 설정 표준화
대기오염물질 농도 예측 체계
완충구역 단위 환경관리 전략
완화정책 우선순위 선정 로직
GIS 통합형 도시환경 분석 플랫폼
정책 소통용 가시화 리포트 생성