광둥-홍콩-마카오 대만구 지표면 온도 변화 및 비선형 요인

지구 온난화와 급격한 도시화가 심화됨에 따라 도시 열 환경의 변화 양상과 그 원인을 이해하는 것은 지속가능한 도시 발전에 필수적입니다. 본 연구는 2000년부터 2020년까지 광둥-홍콩-마카오 대만구(GBA)의 지표면 온도(LST) 시공간적 변화를 다중 원격탐사, 토지이용, 경관 패턴, 사회경제 데이터를 활용하여 분석했습니다. 모델의 일반화 성능을 평가하기 위해 무작위, 공간, 시간 검증을 통합한 다중 검증 프레임워크를 개발했습니다. 또한, XGBoost와 SHAP를 결합한 설명 가능한 기계 학습 프레임워크를 적용하여 주요 동인과 그 비선형적 반응을 정량화했습니다. 연구 결과, 여름철 LST가 지속적으로 증가했으며, 고온 지역은 주강 삼각주 도심부에 집중되어 확장되는 경향을 보였습니다. XGBoost는 기존 통계 및 기계 학습 모델보다 일관되게 우수한 성능을 나타냈습니다. 야간 조명 강도, NDBI, DEM, NDWI가 지배적인 요인으로 확인되었으며, 도시화 관련 요인의 영향력은 시간이 지남에 따라 증가했습니다. 대부분의 요인들은 뚜렷한 비선형적 반응을 보였는데, 도시화 관련 요인은 한계 온난화 효과가 감소하는 경향을, 식생 및 수자원 관련 요인은 임계값 의존적인 냉각 효과를 나타냈습니다. SHAP 기반 클러스터링을 통해 4가지 열 환경 관리 구역을 식별하여, 급격히 도시화되는 지역의 도시 개발 규제, 녹색 인프라 계획 및 맞춤형 열 완화 전략 수립에 필요한 공간적으로 차별화된 기반을 제공합니다.