Detection and Prioritization of Rooftop Greening Potential Buildings Using Aerial Orthoimages and Deep Learning

Hyeondeok Kim; Youngok Kang

doi:10.22776/kgs.2025.60.5.593

All Issue

2025 Vol.60, Issue 5 Preview Page Next Page

Research Article

Detection and Prioritization of Rooftop Greening Potential Buildings Using Aerial Orthoimages and Deep Learning 항공정사영상과 딥러닝을 활용한 옥상녹화 가능 건물 탐지 및 우선순위 평가

31 October 2025. pp. 593-608

PDF XML

Abstract

Rapid urban population concentration and city expansion have resulted in a progressive decline of green spaces, thereby intensifying environmental challenges and weakening urban ecological resilience. Rooftop greening, which creates conditions for vegetation growth on building rooftops, has been highlighted as an effective strategy to supplement insufficient urban greenery. In addition to mitigating the urban heat island effect, reducing air pollution, and improving stormwater management, its necessity is expanding across multiple dimensions. However, systematic information on buildings suitable for rooftop greening and their actual implementation remains limited. This study aims to detect potential rooftop greening buildings using deep learning techniques and to evaluate installation priorities at the building level. To this end, flat roofs were identified from aerial orthoimages using the Mask2Former model, and suitable buildings were extracted by linking these results with integrated GIS building information based on criteria such as age, height, and area. Subsequently, six evaluation indicators covering three functional domains—climate change mitigation, environmental and ecological functions, and social functions—were designed, and indicator-specific databases were constructed to comprehensively assess and prioritize candidate buildings. This study advances beyond the limitations of prior approaches in Korea, which primarily relied on GIS data and building registers for rooftop greening assessment, by integrating deep learning with high-resolution image analysis to provide a more precise identification of candidate buildings and a practical framework for establishing priority rankings.

Keywords

roof greening

aerial orthoimage

deep learning

priority assessment

도시의 인구 집중과 확장으로 인해 녹지 공간이 점차 감소하면서 다양한 환경문제가 발생하고, 도시의 생태적 회복력이 약화되고 있다. 옥상녹화는 건축물 옥상에 식물이 생장할 수 있는 환경을 조성하는 것으로, 부족한 도시 녹지를 보완할 수 있는 효과적인 방안으로 주목받고 있다. 또한 열섬현상 완화, 대기오염 저감, 우수 관리 등 다각적인 기능으로 그 필요성이 확대되고 있으나, 옥상녹화가 가능한 건물과 실제 조성 현황에 대한 체계적인 관리는 미흡한 실정이다. 본 연구는 딥러닝 기술을 활용하여 옥상녹화 가능 건물을 탐지하고, 건물 단위의 우선 순위를 평가하는 것을 목적으로 한다. 이를 위해 항공정사영상과 Mask2Former 모델을 활용하여 평지붕을 탐지하고, GIS 건물통합정보와 연계하여 건물 노후도, 높이, 면적 기준에 적합한 건물을 추출하였다. 이후 옥상녹화의 기후변화 대응, 환경․생태적 기능, 사회적 기능의 세 범주에 해당하는 6개 평가지표를 설계하고 지표별 데이터베이스를 구축하여 종합적으로 평가함으로써 우선 조성 대상 건물을 도출하였다. 본 연구는 기존에 국내에서 주로 활용되어 온 GIS 데이터와 건축물관리대장을 기반으로 한 옥상녹화 가능 건물 탐지 및 지역 단위 우선순위 평가의 한계를 보완하였으며, 딥러닝과 고해상도 영상 분석을 결합하여 보다 정밀하게 대상 건물을 선정하고 우선순위를 도출할 수 있는 실질적인 대안을 제시하였다는 점에서 의의가 있다.

키워드

옥상녹화

항공정사영상

딥러닝

우선순위 평가

References

고영호･조상규, 2015, 건축물 옥상공간의 이용활성화 방안 연구 - 서울시 사례를 중심으로, 세종.

국토지리정보원, 2021, 2020 국토모니터링 보고서, 세종.

권오성, 2021, 대도시 환경보전을 위한 녹지네트워크 개선방안, 경북대학교 대학원 박사학위논문.

권용석, 2023, “링크 중심의 광역 생태네트워크 설정 연구,” 환경정책, 31(2), 85-102.

10.15301/jepa.2023.31.2.85

김민주･박정우･박주현･박지수･현창욱, 2023, “위성영상과 머신러닝 활용 도시열섬 지역 옥상녹화 효과 예측과 이산화탄소 흡수량 평가,” 대한원격탐사학회지, 39 (5), 481-493.

김용국･이상민, 2017, 녹색인프라 구축을 위한 건축물 조경 제도 개선방향 연구, 세종.

김인현･양아란･김선웅･한동훈･신규선･박성진･김호영･김영미, 2022, “도시생태계 서비스 현황과 잠재성 파악을 위한 도시 탄소저장량 계산 및 옥상녹화 시뮬레이션 모듈 연구 : 수원시를 대상으로,” 대한국토계획학회지, 57(1), 128-144.

10.17208/jkpa.2022.02.57.1.128

김종윤, 2022, 옥상녹화의 생태계 서비스 평가 및 생태 네트워크 기반 우선지역 탐색 연구. 국민대학교 대학원 석사학위논문.

김현덕･강영옥, 2025, “항공정사영상과 딥러닝을 활용한 옥상녹화를 위한 평지붕 탐지 모델 개발,” 대한공간정보학회지, 33(3), 3-15.

10.7319/kogsis.2025.33.3.003

김희주, 2019, 도시 열환경 개선을 위한 열 저감 요소의 적용 가능지 분석 알고리즘 개발 연구, 박사학위논문, 한양대학교 대학원.

나혜영･변병설, “2006, 옥상녹화에 관한 연구동향,” 국토지리학회지, 40(1), 95-106.

박은진, 2014, “도시열섬 적응능력 제고를 위한 옥상녹화 중점지역 선정 방안,” 한국환경복원기술학회지, 17(1), 135-146.

10.13087/kosert.2014.17.1.135

박종훈･양병이, 2010, “녹지네트워크의 기능향상을 위한 서울시 중구의 옥상녹화 입지 선정: 조류를 목표종으로 활용하여: 조류를 목표종으로 활용하여,” 한국생태환경건축학회논문집, 10(6), 3-10.

서울특별시, 2017, 서울시 옥상녹화 가이드라인, 서울.

송인주･김상균･윤초롱, 2022, 도시계획 관점에서 서울시 그린인프라 특성과 구축 전략, 서울연구원 정책과제연구보고서, 서울.

안지연･정태웅･구지희, 2016, “공간정보를 이용한 옥상녹화 가용면적 추정,” 환경복원녹화, 19(5), 11-17.

10.13087/kosert.2016.19.5.11

여관현･유선철, 2024, “서울시 토지 용도별 건물부문 온실가스의 공간적 분포 특성 연구,” 한국측량학회지, 42(1), 81-90.

10.7848/ksgpc.2024.42.1.81

윤소원, 2005, “생물서식지 환경평가모델 개발 및 적용에 관한 연구-서울시내 옥상녹화 우선 조성지역 도출을 위한 지역환경평가를 중심으로,” 한국환경복원기술학회지, 8(3), 53-66.

이예솔, 2021, 그린인프라스트럭처 개념을 적용한 평촌신도시 녹지 재생 방안, 서울대학교 대학원 박사학위논문.

조항훈･김흥순, 2023, “도시특성이 건축물의 탄소배출에 미치는 영향에 관한 연구: 서울시 424개 행정동에 대한 공간회귀분석의 적용,” 토지주택연구, 14(3), 77-92.

통계청, 2024, “통계적 지역분류체계로 본 도시화 현황,” 통계청 보도자료, 2월 26일, https://eiec.kdi.re.kr/policy/materialView.do?num=248445, 2025년 7월 18일 접속.

한양대학교 산학협력단, 2021, 기후변화 적응형 도시 열환경 설계시스템 기술 개발, 서울.

Aleksejeva, J., Voulgaris, G. and Gasparatos, A., 2022, Assessing the potential of strategic green roof implementation for green infrastructure: Insights from Sumida ward, Tokyo, Urban Forestry & Urban Greening, 74, 127632.

10.1016/j.ufug.2022.127632

Berger, D., 2013, A GIS Suitability Analysis of the Potential for Rooftop Agriculture in New York City, Doctoral Dissertation, Columbia University, New York.

Flather, C. H. and Bevers, M. 2002, Patchy reaction-diffusion and population abundance: The relative importance of habitat amount and arrangement, The American Naturalist, 159(1), 40-56.

10.1086/324120

Gandini, A., Navarro, D. and Feliu, E., 2023, Identification and mapping of areas and buildings with high roof greening potential, 2023 Urban Remote Sensing Joint Event, Heraklion Crete, May 17-19 2023, 1-4.

10.1109/JURSE57346.2023.10144157

Grunwald, L., Heusinger, J. and Weber, S., 2017, A GIS- based mapping methodology of urban green roof ecosystem services applied to a Central European city, Urban Forestry & Urban Greening, 22, 54-63.

10.1016/j.ufug.2017.01.001

Gwak, J., Lee, B., Lee, W. and Sohn, S., 2017, Optimal location selection for the installation of urban green roofs considering honeybee habitats along with socio-economic and environmental effects, Journal of environmental management, 189, 125-133.

10.1016/j.jenvman.2016.12.022

Langemeyer, J., Wedgwood, D., McPhearson, T., Baró, F., Madsen, A. L. and Barton, D. N., 2020, Creating urban green infrastructure where it is needed - A spatial ecosystem service-based decision analysis of green roofs in Barcelona, Science of the Total Environment, 707, 135487.

10.1016/j.scitotenv.2019.135487

Li, Q., Taubenbock, H. and Zhu, X. X., 2025, Identification of the potential for roof greening using remote sensing and deep learning, Cities, 159, 105782.

10.1016/j.cities.2025.105782

Luo, L., Chen, M., Dong, L., Su, W., Li, X., Hu, X., Zhang, X., Li, C., Cheng, W., Shi, H. and Luo, J., 2022, Intelligent identification of building patches and assessment of roof greening suitability in high-density urban areas: A case study of Chengdu, Journal of Resources and Ecology, 13(2), 247-256.

10.5814/j.issn.1674-764x.2022.02.008

Saha, M. and Eckelman, M. J., 2017, Growing fresh fruits and vegetables in an urban landscape: A geospatial assessment of ground level and rooftop urban agriculture potential in Boston, USA, Landscape and Urban Planning, 165, 130-141.

10.1016/j.landurbplan.2017.04.015

Sultana, N., Sharifi, A., Haque, M. N. and Aghaloo, K., 2024, Urban greening in Dhaka: Assessing rooftop agriculture suitability using GIS and MCDM techniques, Journal of Environmental Management, 368, 122146.

10.1016/j.jenvman.2024.122146

Velázquez, J., Anza, P., Gutiérrez, J., Sánchez, B., Hernando, A. and García-Abril, A., 2019, Planning and selection of green roofs in large urban areas. Application to Madrid metropolitan area, Urban Forestry & Urban Greening, 40, 323-334.

10.1016/j.ufug.2018.06.020

Xu, N., Luo, J., Zuo, J., Hu, X., Dong, J., Wu, T., Wu, S. and Liu, H., 2020, Accurate suitability evaluation of large- scale roof greening based on RS and GIS methods, Sustainability, 12(11), 4375.

10.3390/su12114375

Xu, Y., Wu, S., Guo, M. and Xie, X., 2021, A framework for the evaluation of roof greening priority, Building and Environment, 206, 108392.

10.1016/j.buildenv.2021.108392

서울특별시 대기환경정보, https://cleanair.seoul.go.kr/?area=111121&type=pm25, 2025년 7월 12일 접속.

탄소공간지도 시스템, https://carbonmap.kr/index.do, 2025년 7월 12일 접속.

Information

Publisher :The Korean Geographical Society
Publisher(Ko) :대한지리학회
Journal Title :Journal of the Korean Geographical Society
Journal Title(Ko) :대한지리학회지
Volume : 60
No :5
Pages :593-608
Received Date : 2025-08-21
Revised Date : 2025-10-03
Accepted Date : 2025-10-10
DOI :https://doi.org/10.22776/kgs.2025.60.5.593

Journal of the Korean Geographical Society ISSN:1225-6633(Print) 대한지리학회지

All Issue