• 한국산학기술학회논문지
• /
• 제20권1호
• /
• pp.434-439
• /
• 2019

최근 지구온난화로 인한 기상이변, 도시화로 인한 도심의 열섬현상 등으로 도시 온도변화 및 지표면 온도 변화에 대한 관심이 증대되고 있다. 우리나라에서는 1904년부터 현재까지 기온, 강수량 등 기상 데이터를 수집하고 있다. 최근에는 종관기상관측장비(ASOS; Automated Surface Observing System) 96개소, 방재기상관측장비(AWS) 494개소의 지상기상관측망을 운영하고 있다. 그러나 지상관측망의 경우 각 설치 지점에 대한 점 데이터를 제공하고 있으므로, 측정 지점을 제외한 곳의 지상기상 데이터는 보간법을 통해 예측하고 있는 상황이다. 이에 본 연구에서는 지상의 지표면 온도 측정의 해상도를 향상시키기 위해 위성영상을 이용한 지표면 온도를 산출하고, 그 활용 가능성을 분석하고자 하였다. 이를 위해 서울특별시를 대상으로 Landsat 8 OLI TIRS의 위성영상을 계절별로 획득하고, 열적외 밴드에 NASA식을 적용하여 지표면 온도로 변환하였다. 지상의 측정 자료는 AWS를 통해 측정한 기온 데이터를 활용하였다. AWS 기온 데이터는 관측소 기반의 점 데이터이므로, Landsat 영상과의 비교를 위해 크리깅 보간법으로 보간을 수행하였다. 위성영상기반의 지표면 온도와 AWS 기온 데이터를 비교한 결과 계절에 따른 온도차는 RMSE값을 바탕으로 가을, 겨울, 여름, 봄의 순서로 Landsat 위성영상의 적용 가능성을 판단할 수 있었으며, 위성영상의 시기별 평균온도와 AWS 온도 사이에는 최대 평균 $2.11^{\circ}C$이내, 최대 RMSE ${\pm}3.84^{\circ}C$인 것을 감안하면 정확도 향상을 위해 NASA식에 보정값이 필요하다는 것을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.315-329
• /
• 2014

서울을 포함한 수도권의 지표면 온도를 분석하기 위하여 Landsat과 MODIS의 지표면 온도, AWS의 기온, 지표면 고도 및 토지이용도를 이용하였다. Landsat과 MODIS 위성의 지표면 온도와 AWS 기온의 분석은 상관계수, 평방근 오차(Root Mean Squared Error, RMSE), 선형회귀분석 등의 통계분석방법을 적용하였다. Landsat과 MODIS 지표면 온도의 상관계수는 0.32이고 RMSE는 4.61 K였다. 그리고 Landsat과 MODIS 지표면 온도와 AWS 기온의 상관성은 각각 0.83과 0.96이며 RMSE는 3.28 K, 2.25 K이었다. Landsat과 MODIS 지표면 온도는 비교적 높은 상관성을 보였으나 각각의 선형회귀의 기울기는 0.45와 1.02이었다. Landsat 5의 경우 전체 관측소에 대하여 0.5이하의 낮은 상관성을 보였고 Landsat 8의 경우는 일치되는 지점이 다른 위성에 비하여 적었으나 0.5이상의 상관성을 나타냈다. Landsat 7은 대부분 0.8이상의 높은 상관성을 보였고 대체적으로 서울중심부에서 높은 상관성이 나타났다. 위성의 지표면 온도와 지표유형에 따른 AWS 기온사이의 상관성은 0.8이상의 높은 상관성을 보였다. Landsat 위성의 지표면 온도의 상관성은 0.84이었고 RMSE는 3.1 K이상이었으며 MODIS 위성의 상관계수는 0.96이상이고 RMSE는 2.6 K이하였다. 결과적으로 두 위성의 지표온도의 차이는 관측시각 차이에 의한 것으로 위성의 해상도에 따라 복사량을 탐지하는 지표면의 면적 차이에 의하여 발생되는 것으로 사료된다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2010년 춘계학술발표회 논문집
• /
• pp.395-397
• /
• 2010

AWS that exist in Pusan is watching local meteorological phenomena established in place that the weather observatory does not exist by real time, and is used usefully to early input data of numerical weather forecasting model. I wished to display downtown of Pusan and air temperature change of peripheral area using this AWS data. Analyzed volatility using AWS observation data for 5 years to recognize air temperature change of Pusan area through data about temperature among them. Drew air temperature distribution chart by season of recapitulative Pusan area applying IDW linear interpolation with this.

• 대한원격탐사학회지
• /
• 제17권1호
• /
• pp.15-31
• /
• 2001

한반도 중서부 지역의 1998년 8월 5~6일 집중호우 사례에 대하여 GMS-5 IR1 밝기온도(CTT: 구름꼭대기 온도)와 AWS 지점 강우량 사이의 관계성을 조사하였다. 이 연구에서 AWS 시간 강우량일나 반시간 누적 강우량 보다 15분 누적 강우량을 이용하였을 때 연구지역의 강우강도와 강우영역이 중서부 지역 집중호우의 시간적 변화를 보다 자세히 묘사하고 있음을 발견하였다. 강우영역과 강우강도의 시계열 자료에서 일관되게 낮은 강우영역(20~25%)과 강한 강우강도(6~9mm/15 min)를 보여주는 8월 6일 0030-0430 LST 기간을 집중호우 기간으로 선택하였다. 그리고 이 집중호우 기간에 대하여 AWS 15분 강우량과 지상관측지점에 대응되는 CTT를 비교하였다. 위 비교에서 CTT와 AWS 강우량의 상용대수 값 사이의 상관계수는 -0.3으로 낮게 나타났으며, 강우가 관측된 AWS의 대부분이 분포하고 있는 CTT가 -5$0^{\circ}C$ 이하에서 강우확률은 약 30%에 불과했다. 그러나 위성영상의 위치 보정을 위하여 영상을 남쪽으로 2~3 격자 그리고 서쪽으로 3 격자 이동시켰을 때 CTT와 AWS 강우량의 상용대수 값 사이의 상관계수는 통계학적으로 의미있는 -0.46으로 나타났다. 그리고 강우가 관측된 AWS도 대부분이 보다 낮은 CTT 영역(-58$^{\circ}C$ 이하)에서 발견되었다. 그러나 이 영역에서의 강우확률은 원래 영상의 값과 비교할 때 큰 변화가 없었다. 심지어 일부 구간에서 CTT의 변화를 고려할 때도 강우확률은 CTT가 -58$^{\circ}C$ 이하에서 50~55%로 나타났다.

• 대기
• /
• 제15권3호
• /
• pp.179-186
• /
• 2005

Due to several difficulties, a number of Automatic Weather Systems (AWS) operated by Korea Meteorological Administration (KMA) are located on the rooftop so that the forming of standard observation environment to obtain the accuracy is needed. Therefore, the air temperature of AWSs on the synthetic lawn and the concrete of the rooftop is compared with the standard observation temperature. The hourly mean temperature is obtained by monthly and hourly mean value and the difference of temperature is calculated according to the location, the weather phenomenon, and cloud amount. The maximum and the minimum temperatures are compared by the conditions, such as cloud amount, the existence of precipitation or not. Consequently, the temperature on the synthetic lawn is higher than it on the concrete so that it is difficult to obtain same effect from ASOS, on the contrary the installation of AWS on the synthetic lawn seem to be inadequate due to heat or cold source of the building.

• Spatial Information Research
• /
• 제22권1호
• /
• pp.55-63
• /
• 2014

수문학, 기상학 및 기후학 등에서 필수적인 자료중의 하나인 지상기온 자료는 최근 보건, 생물, 환경 등의 다양한 분야로까지 활용영역이 확대되고 있어 그 중요성이 커지고 있으나 지상관측을 통한 지상기온자료의 취득은 시공간적인 제약이 크기 때문에 실측된 기온자료는 시공간 해상도가 낮아 높은 해상도가 요구되는 연구 분야에서는 활용성에 큰 제약을 갖게 된다. 이를 극복하기 위한 하나의 대안으로 상대적으로 높은 시공간 해상도를 가지고 있는 위성영상자료에서 얻을 수 있는 지표면온도 자료를 이용하여 지상기온을 추정하는 많은 연구들이 수행되어 왔다. 본 연구는 이러한 연구의 일환으로써 기상청에서 제공하고 있는 AWS(Automatic Weather Station)에서 취득된 2010년 지상 온도 자료(AWS data)를 바탕으로 대표적인 지표면 온도자료인 MODIS Land Surface temperature(LST data:MOD11A1)와 지상기온에 영향을 미칠 수 있는 Land Cover Data, DEM(digital elevation model) 등의 보조 자료와 함께 다양한 지구통계 기법들을 이용하여 남한 지역의 지상기온을 추정하였다. 추정 전 2010년 전체(365일) LST자료와 AWS자료와의 차이에 대한 RMSE(Root Mean Square Error)값의 계절별 피복별 분석결과 계절에 따른 RMSE값의 변동계수는 0.86으로 나타났으나 피복에 따른 변동계수는 0.00746으로 나타나 계절별 차이가 피복별 차이보다 큰 것으로 분석 되었다. 계절별 RMSE 값은 겨울철이 가장 낮은 것으로 나타났으며 AWS자료와 LST자료와 보조자료를 이용한 선형 회귀분석결과에서도 겨울철의 결정 계수가 가장 높은 0.818로 나타났으며, 여름철의 경우에는 0.078로 나타나 계절별 차이가 매우 크게 나타났다. 이러한 결과를 바탕으로 지구통계 기법들의 대표적인 방법론인 크리깅 방법 중 일반적으로 많이 사용되고 있는 정규 크리깅, 일반 크리깅, 공동 크리킹, 회귀 크리깅을 이용하여 지상기온을 추정한 후 모델의 정확도를 판단할 수 있는 교차 검증을 실시한 결과 정규 크리깅과 일반 크리깅에 의한 RMSE 값은 1.71, 공동 크리깅과 회귀 크리깅에 의한 RMSE 값은 각각 1.848, 1.63으로 나타나 회귀 크리깅 방법에 의한 추정의 정확도가 가장 높은 것으로 분석되었다.

• 한국환경과학회지
• /
• 제29권10호
• /
• pp.1003-1010
• /
• 2020

In this study, the necessity for a village unit Automatic Weather System (AWS) was suggested to obtain correct agricultural weather information by comparing the data of AWS of the weather station with the data of AWS installed in agricultural villages 7 km away. The comparison sites are Hyogyo-ri and Hongseong weather station. The seasonal and monthly averaged and cumulative values of data were calculated and compared. The annual time series and correlation was analyzed to determine the tendency of variation in AWS data. The average values of temperature, relative humidity and wind speed were not much different in comparison with each season. The difference in precipitation was ranged from 13.2 to 91.1 mm. The difference in monthly precipitation ranged from 1.2 to 75.4 mm. The correlation coefficient between temperature, humidity and wind speed was ranged from 0.81 to 0.99 and it of temperature was the highest. The correlation coefficient of precipitation was 0.63 and the lowest among the observed elements. Through this study, precipitation at the weather station and village unit area showed the low correlation and the difference for a quantitative comparison, while the elements excluding precipitation showed the high correlation and the similar annual variation pattern.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.7-12
• /
• 2022

본 논문은 AWS IoT 서비스 및 MQTT 기반 스마트 홈 시스템의 구현 사례를 소개한다. 본 연구에서 구현한 스마트 홈 시스템은 온도와 습도를 모니터링 할 수 있고 그에 따라 에어컨 난방 등을 수동 혹은 자동으로 온도 조절이 가능하며 카메라로 방문자를 확인하고 도어록을 원격으로 제어 할 수 있다. 구현된 스마트홈 시스템은 아두이노를 이용하여 도어록, 난방, 전등 및 에어컨을 제어하며 수집된 데이터와 제어정보는 AWS IoT 서비스를 이용하여 관리한다. 본 연구에서는 사용자가 원격에서 IoT 기기들을 제어할 수 있도록 안드로이드 앱을 개발하였으며, 앱과 AWS IoT 서버 및 아두이노 사이의 데이터 통신 및 제어를 위해 MQTT 프로토콜을 이용하였다. 또한 센서 및 기기들을 추가할 수 있도록 확장성을 갖는 AWS IoT 서비스 기반으로 구현되었다.

• 한국지능시스템학회논문지
• /
• 제26권3호
• /
• pp.182-189
• /
• 2016

수치예보모델을 이용한 예보의 정확도를 높이기 위해 관측 간격이 조밀하고 많은 양의 관측자료를 사용하는 방법이 있다. 현재 기상청에서는 자동기상관측장비(Automatic Weather Station, AWS)를 설치하여 관측자료를수 집하고 있지만, 고가의 설치 및 유지보수 비용 등의 경제적인 한계가 있다. 소형 자동기상관측장비(Mini-AWS)는 기온, 습도, 기압을 측정하고 기록할 수 있는 초소형 기상관측장비로 설치 및 유지보수 비용이 저렴하고 설치를 위한 장소 선택의 제약이 크지 않아 필요한 지역에 설치하여 관측자료를 수집하기가 용이하다. 그러나 설치 장소에 따라 외부환경에 영향을 받을 수 있기 때문에 관측자료의 보정이 필요하다. 본 논문에서는 Mini-AWS 기압자료를 기상자료로 활용하기 위한 보정기법을 제안한다. Mini-AWS를 통해 수집된 관측자료는 전처리 과정을 거쳐 주변에서 가장 가까운 AWS 기압 값을 참값으로 기계학습 기법을 이용하여 기압 보정을 수행하였다. 실험결과 기상관측 규정에 따른 허용오차 범위 내에 포함되었으며, 지지벡터 회귀를 적용한 보정기법이 가장 좋은 성능을 보였다.

• KIEAE Journal
• /
• 제16권6호
• /
• pp.69-75
• /
• 2016

Climate change has resulted in the urban heat island (UHI) effect throughout the globe, contributing to heat-related illness and fatalities. In order to reduce such damage, it is necessary to improve the climate observation network for precise observation of the urban thermal environment and quick UHI forecasting system. Purpose: This study analyzed the effective range of the climate observation network and the distribution of the existing Automatic Weather Stations (AWS) in Seoul to propose optimal locations for additional installment of AWS. Method: First, we performed quality analysis to pinpoint missing values and outliers within the high-density temperature data measured. With the result from the analysis, a spatial autocorrelation structure in the temperature data was tested to draw the effective range and correlation distance for each major time period. Result: As a result, it turned out that the optimal effective range for the climate observation network in Seoul in July was a radius of 2.8 kilometers. Based on this result, population density, and temperature data, we selected the locations for additional installment of AWS. This study is expected to be used to generate urban temperature maps, select and move measurement locations since it is able to suggest valid, specific spatial ranges when the data measured in point is converted into surface data.