선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 다양한 신·재생에너지 자원들 중 활용성이 뛰어나고 에너지의 획득이 용이한 태양광 에너지 정보를 효율적으로 제공하기 위하여 일조량을 파악하였다.
가설 설정
- 위와 같은 과정을 통해 일조시간을 산정하게 되는데, 일조시간은 태양광선이 구름이나 안개로 가려지지 않고 지상을 비추는 것으로 실제 비친 시간을 말하며, 보통 1일이나 한 달 동안에 비친 시간 수로 나타낸다. 일조량 산정을 위해 사용되는 일조시간은 기상인자에 대한 영향이 없다는 가정 하에 각 건축물별로 그림자 누적 자료를 일출ᆞ몰 시간에서 제외하여 생성하였다. 일조시간과 더불어 일조량을 산정하기 위해 활용되는 가조시간은 태양의 중심선이 지평선으로 올라와 다시 지평선으로 질 때까지의 시간 길이를 말한다.
제안 방법
- 가조시간은 위도와 계절에 의하여 결정되고, 산악 등 지형에 의한 시간의 보정은 시행하지 않으며 가조 시수라고도 한다. 가조시간은 한국천문연구원에서 획득하였으며, 획득한 가조시간과 일조시간을 바탕으로 일조량을 산정하였다. 일조량을 산정하기 위해 통상적으로 사용되는 일조량 산정식을 바탕으로 일조량을 산정하였으며 표 2는 경산시 진량읍 일부의 일조량 산정표이다.
- 그림자 분석 데이터는 일조량의 산정뿐만 아니라 이를 통한 일조량 정보의 제공에 있어 중요한 요소이므로 분석 데이터에 대한 높은 정확도가 요구된다. 그러므로 데이터에 대한 정확도의 향상을 위해 그림자 분석에 기반이 되는 건축물 데이터의 대한 정확도 검증을 수행하였다. 정확도 검증은 현장조사를 수행하여 건축물의 높이뿐만 아니라 실제 그림자 생성을 계측하여 데이터 간에 비교를 통해 수행하였다.
- 연구 대상지의 건축물별 일조량을 산정하기 위해서는 태양의 위치에 따른 그림자 변화에 대한 정량적인 정보가 필요하다. 그러므로 본 연구에서는 일조량을 산정하기 위해 태양의 위치에 따른 그림자의 변화를 분석하고 이를 정보화하여 정량적 데이터로 획득할 수 있는 Solar View 기법을 활용하여 그림자 분석 시뮬레이션을 수행하였다.
- 또한, DSM을 기초 자료로 사용하여 그림자 분석 시뮬레이션을 수행하였다. 그림자 분석 시뮬레이션을 통해 그림자 정보를 획득하고 이를 합성하여 그림자 정보 누적 데이터를 작성하였다. 마지막으로 그림자 정보 누적 데이터를 통해 일조 정보를 획득하고 이를 바탕으로 건축물 별 일조량을 산정 하였다.
- 이때 활용되는 건축물 데이터는 도로명 주소 데이터를 기반으로 활용되며, 건축물대장과 현장조사자료를 바탕으로 속성정보에 존재하는 건축물의 층수 또는 높이 정보를 보정하였다. 다음으로 기 구축된 수치지형도에서 등고선과 표고점 등의 높이 정보를 추출하여 DEM을 생성하였다. DEM의 경우 생성 시 발생되는 오류에 대해 크리깅 보간법을 통해 보정하였다(KIER, 2013).
- 먼저, 기 구축된 공간 정보를 활용하여 DSM을 제작하였다. 다음으로, 일조율의 영향인자인 그림자의 이동 및 변화를 획득하기 위해 다양한 태양 위치 산정 기법을 파악하였다. 산정 기법들 중 시간별 태양의 위치 산정이 가능하고 그림자 영역의 산정이 용이한 Solar View 기법을 기반으로 한 그림자 분석 시뮬레이션을 활용하였다.
- 따라서 본 연구에서는 공간데이터를 활용하여 DSM을 제작하고 이를 기반으로 하여 연구 대상지의 각 건축물에 대한 그림자 변화를 시뮬레이션 하여 그림자 데이터를 정량화하였다. 또한 이를 기반으로 건축물별 일조량 데이터를 산정하였다.
- 먼저 도로명 주소 데이터에 포함되어 있는 건축물의 주소 정보와 층수 정보를 통해 건축물의 높이 정보를 구축하였으며, 높이 정보를 표준화하는 과정을 거친 후 GIS 데이터베이스로 구축하였다. 또한 도로명 주소 데이터에 존재하는 누락 및 오차에 대해 건축물대장과 보완하기 위해 지번과의 매칭 테이블 자료를 별도의 속성 테이블로 작성하고 주소 정보를 PNU 코드화 하여 상호 간 속성 연결을 수행하였다. 이러한 과정을 통해 보정된 건축물의 높이 데이터를 보완, 검증하기 위해 현장조사를 실시하였으며 현장조사의 대상지는 위 과정에서 생성된 경산시 건축물 높이 정보에서 건축물 데이터를 임의추출하였다.
- 따라서 본 연구에서는 공간데이터를 활용하여 DSM을 제작하고 이를 기반으로 하여 연구 대상지의 각 건축물에 대한 그림자 변화를 시뮬레이션 하여 그림자 데이터를 정량화하였다. 또한 이를 기반으로 건축물별 일조량 데이터를 산정하였다.
- 산정 기법들 중 시간별 태양의 위치 산정이 가능하고 그림자 영역의 산정이 용이한 Solar View 기법을 기반으로 한 그림자 분석 시뮬레이션을 활용하였다. 또한, DSM을 기초 자료로 사용하여 그림자 분석 시뮬레이션을 수행하였다. 그림자 분석 시뮬레이션을 통해 그림자 정보를 획득하고 이를 합성하여 그림자 정보 누적 데이터를 작성하였다.
- 그림자 분석 시뮬레이션을 통해 그림자 정보를 획득하고 이를 합성하여 그림자 정보 누적 데이터를 작성하였다. 마지막으로 그림자 정보 누적 데이터를 통해 일조 정보를 획득하고 이를 바탕으로 건축물 별 일조량을 산정 하였다.
- 연구 대상지의 건축물별 일조량을 산정하기 위해 도로명 주소 데이터와 건축물대장, 현장조사자료, DEM을 활용하여 그림자 분석 시뮬레이션의 입력 자료인 DSM을 제작하였다. 먼저 도로명 주소 데이터에 포함되어 있는 건축물의 주소 정보와 층수 정보를 통해 건축물의 높이 정보를 구축하였으며, 높이 정보를 표준화하는 과정을 거친 후 GIS 데이터베이스로 구축하였다. 또한 도로명 주소 데이터에 존재하는 누락 및 오차에 대해 건축물대장과 보완하기 위해 지번과의 매칭 테이블 자료를 별도의 속성 테이블로 작성하고 주소 정보를 PNU 코드화 하여 상호 간 속성 연결을 수행하였다.
- 먼저, 기 구축된 공간 정보를 활용하여 DSM을 제작하였다. 다음으로, 일조율의 영향인자인 그림자의 이동 및 변화를 획득하기 위해 다양한 태양 위치 산정 기법을 파악하였다.
- 수치지형도는 1/5,000일 경우 5m, 1/1,000일 경우 1m 간격의 DEM을 제작하는 것이 가능하지만 세밀한 DEM을 제작을 위해서는 지형 간격의 세분화 작업을 병행하여 도심지형에 대한 정확한 보정 등을 통해야만 정밀한 DEM의 제작이 가능하다(Kim, 2012). 보정된 DEM과 건축물 높이 정보를 혼합하기 위해 기 구축된 벡터 형태의 건축물 높이 정보를 DEM과 동일한 격자 크기의 Raster 형태로 변환하며, 변환된 Raster 형태의 건축물 높이 정보와 DEM의 합성을 통해 DSM을 생성하게 된다. 그림 3과 4는 DSM의 생성과정과 생성된 DSM을 나타내고 있다.
- 본 연구에서는 일조량 산정을 위한 연중 대표 일을 선정하고, 선정된 대표 일에 대해 그림자 분석 시뮬레이션을 실행하여 그림자 정보를 추출 하였다. 연중 대표 일은 그림자 시뮬레이션 결과물의 용이성과 태양광의 활성도를 고려 하여 태양이 지표면을 비추는 시간이 길고 남 중고도차가 높아 그림자의 생성이 뚜렷한 여름에 해당하고 Julian Date 365일중 정중앙에 해당해 대표성을 띄는 183일로 선정하였으며 이는 2013년의 경우 7월 2일에 해당한다.
- 선정된 대표 일에 대해 그림자 분석 시뮬레이션의 수행을 위해 한국천문연구원에서 해당 일의 일출ᆞ몰 시간을 확인하여 시작 시간과 종료시간을 설정하였다. 이때 시뮬레이션의 특성상 1시간 단위의 분석이 수행되므로 시작시간은 06시 00분 종료시간은 19시 00분으로 설정 하였다.
- 이러한 과정을 통해 태양광 에너지 자원의 활용을 위해 고려되는 대상인 3차원 지형지물의 그림자 영역 정보를 시간대 별로 추출하여 그림자의 이동을 정량화하였다. 시뮬레이션은 시간대별로 변화 정보를 추출하기 위해 일출에서 일몰까지의 시간을 1시간 단위 별로 분할하여 각 시간대별 태양 위치에 따른 그림자의 변화를 분석한다. 이를 통해 그림자 정보가 Raster의 각 Cell 단위로 누적되어 저장된다.
- 이때 시뮬레이션의 특성상 1시간 단위의 분석이 수행되므로 시작시간은 06시 00분 종료시간은 19시 00분으로 설정 하였다. 시작 시간의 경우 실제 일출 시간인 05시 13분과 유사한 05시 00분으로 설정되어야 하나 태양의 일출 시각보다 빠른 시각이므로 분석 대상 지역 전체에 태양정보가 입력되지 않게되어 06시 00분으로 설정하였으며 종료시간 또한 실제 일몰시간인 19시 45분에 근사한 20시 00분을 선정해야 하나 실제 일몰 시각보다 늦은 시각이므로 19시 00분을 선정하였다. 아래 그림 9는 해당일의 태양의 위치 변화에 따른 그림자 정보를 획득한 결과이다.
- 연구 대상지의 건축물별 일조량을 산정하기 위해 도로명 주소 데이터와 건축물대장, 현장조사자료, DEM을 활용하여 그림자 분석 시뮬레이션의 입력 자료인 DSM을 제작하였다. 먼저 도로명 주소 데이터에 포함되어 있는 건축물의 주소 정보와 층수 정보를 통해 건축물의 높이 정보를 구축하였으며, 높이 정보를 표준화하는 과정을 거친 후 GIS 데이터베이스로 구축하였다.
- 현장조사에는 레이저 거리 측정기를 활용하였으며, 그림자의 계측 방법은 시뮬레이션과 동일한 시간에 해당 건물의 그림자에 각 모서리에 레이저 거리 측정기를 설치하고 그림자와 건물 간의 길이를 계측하고 삼각 함수 법을 통해 그림자 생성 각을 계산하여 시뮬레이션 데이터와 비교를 통해 검증하였다. 이때 그림자 생성을 명확히 확인할 수 있도록 태양이 구름에 영향을 받지 않는 청명한 날을 선정하여 조사를 실시하였다. 또한 건축물에 따른 그림자의 생성을 명확히 계측하기 위해 태양의 고도를 고려하여 그림자의 생성이 뚜렷한 07시, 08시, 09시, 10시, 16시를 선정하였으며 현장조사를 통한 데이터의 검증 방법은 그림 8과 같다.
- 선정된 대표 일에 대해 그림자 분석 시뮬레이션의 수행을 위해 한국천문연구원에서 해당 일의 일출ᆞ몰 시간을 확인하여 시작 시간과 종료시간을 설정하였다. 이때 시뮬레이션의 특성상 1시간 단위의 분석이 수행되므로 시작시간은 06시 00분 종료시간은 19시 00분으로 설정 하였다. 시작 시간의 경우 실제 일출 시간인 05시 13분과 유사한 05시 00분으로 설정되어야 하나 태양의 일출 시각보다 빠른 시각이므로 분석 대상 지역 전체에 태양정보가 입력되지 않게되어 06시 00분으로 설정하였으며 종료시간 또한 실제 일몰시간인 19시 45분에 근사한 20시 00분을 선정해야 하나 실제 일몰 시각보다 늦은 시각이므로 19시 00분을 선정하였다.
- 본 연구에서는 먼저, 그림자의 변화를 분석하기 위해 건축물 데이터를 활용하였다. 이때 활용되는 건축물 데이터는 도로명 주소 데이터를 기반으로 활용되며, 건축물대장과 현장조사자료를 바탕으로 속성정보에 존재하는 건축물의 층수 또는 높이 정보를 보정하였다. 다음으로 기 구축된 수치지형도에서 등고선과 표고점 등의 높이 정보를 추출하여 DEM을 생성하였다.
- DEM의 경우 생성 시 발생되는 오류에 대해 크리깅 보간법을 통해 보정하였다(KIER, 2013). 이러한 과정을 통해 생성된 데이터를 합성하여 DSM을 제작하기 위해, 앞서 구축된 건축물 데이터를 Raster로 변환하고, 변환된 데이터와 DEM의 합성을 통해 DSM을 구축하게 된다. 제작된 DSM은 태양의 위치에 따른 그림자의 변화 정보를 추출하기 위한 기반 데이터로 활용되며, 이러한 정보 추출을 위해서 그림자 분석 시뮬레이션을 사용한다.
- 이러한 과정을 통해 태양광 에너지 자원의 활용을 위해 고려되는 대상인 3차원 지형지물의 그림자 영역 정보를 시간대 별로 추출하여 그림자의 이동을 정량화하였다. 시뮬레이션은 시간대별로 변화 정보를 추출하기 위해 일출에서 일몰까지의 시간을 1시간 단위 별로 분할하여 각 시간대별 태양 위치에 따른 그림자의 변화를 분석한다.
- 이러한 기법을 바탕으로 수행되는 그림자 분석 시뮬레이션은 분석에 대한 안정성과 처리 속도, 정확한 데이터의 표출 등을 위해 분석 시뮬레이션에 입력 자료가 되는 DSM의 자료 형태를 변환하는 과정을 수행하였으며, 이를 통해 최적화된 자료 형태를 선정하였다(그림 5).
- 가조시간은 한국천문연구원에서 획득하였으며, 획득한 가조시간과 일조시간을 바탕으로 일조량을 산정하였다. 일조량을 산정하기 위해 통상적으로 사용되는 일조량 산정식을 바탕으로 일조량을 산정하였으며 표 2는 경산시 진량읍 일부의 일조량 산정표이다.
- 그러므로 데이터에 대한 정확도의 향상을 위해 그림자 분석에 기반이 되는 건축물 데이터의 대한 정확도 검증을 수행하였다. 정확도 검증은 현장조사를 수행하여 건축물의 높이뿐만 아니라 실제 그림자 생성을 계측하여 데이터 간에 비교를 통해 수행하였다. 검증을 위한 데이터의 선정은 경산시의 건축물 중에서 무작위로 선정하여 현장조사를 수행하게 된다.
- 이러한 과정을 통해 생성된 데이터를 합성하여 DSM을 제작하기 위해, 앞서 구축된 건축물 데이터를 Raster로 변환하고, 변환된 데이터와 DEM의 합성을 통해 DSM을 구축하게 된다. 제작된 DSM은 태양의 위치에 따른 그림자의 변화 정보를 추출하기 위한 기반 데이터로 활용되며, 이러한 정보 추출을 위해서 그림자 분석 시뮬레이션을 사용한다. 그림자 분석 시뮬레이션은 태양의 위치에 따른 그림자의 변화를 정량적으로 표현하며 하루 동안의 그림자 변화 데이터를 누적하여 일간 그림자 지수를 추출할 수 있다.
- 검증을 위한 데이터의 선정은 경산시의 건축물 중에서 무작위로 선정하여 현장조사를 수행하게 된다. 현장조사에는 레이저 거리 측정기를 활용하였으며, 그림자의 계측 방법은 시뮬레이션과 동일한 시간에 해당 건물의 그림자에 각 모서리에 레이저 거리 측정기를 설치하고 그림자와 건물 간의 길이를 계측하고 삼각 함수 법을 통해 그림자 생성 각을 계산하여 시뮬레이션 데이터와 비교를 통해 검증하였다. 이때 그림자 생성을 명확히 확인할 수 있도록 태양이 구름에 영향을 받지 않는 청명한 날을 선정하여 조사를 실시하였다.
- 이러한 과정을 통해 보정된 건축물의 높이 데이터를 보완, 검증하기 위해 현장조사를 실시하였으며 현장조사의 대상지는 위 과정에서 생성된 경산시 건축물 높이 정보에서 건축물 데이터를 임의추출하였다. 현장조사의 경우 레이저 거리 측정기(Leica DISTOtm classic 5a)를 이용하여 건축물의 높이를 측정하였다. 높이 측정은 측정기의 조준 선과 레이저 광축을 일치시키고 지향성이 우수한 레이저를 발사한 뒤, 이 레이저가 표적으로부터 반사되어 돌아온 시간을 측정하여 거리를 계산하는 방식으로 측정 정확도는 ±1mm정도이며 측정시간은 0.
대상 데이터
- 정확도 검증은 현장조사를 수행하여 건축물의 높이뿐만 아니라 실제 그림자 생성을 계측하여 데이터 간에 비교를 통해 수행하였다. 검증을 위한 데이터의 선정은 경산시의 건축물 중에서 무작위로 선정하여 현장조사를 수행하게 된다. 현장조사에는 레이저 거리 측정기를 활용하였으며, 그림자의 계측 방법은 시뮬레이션과 동일한 시간에 해당 건물의 그림자에 각 모서리에 레이저 거리 측정기를 설치하고 그림자와 건물 간의 길이를 계측하고 삼각 함수 법을 통해 그림자 생성 각을 계산하여 시뮬레이션 데이터와 비교를 통해 검증하였다.
- 이때 그림자 생성을 명확히 확인할 수 있도록 태양이 구름에 영향을 받지 않는 청명한 날을 선정하여 조사를 실시하였다. 또한 건축물에 따른 그림자의 생성을 명확히 계측하기 위해 태양의 고도를 고려하여 그림자의 생성이 뚜렷한 07시, 08시, 09시, 10시, 16시를 선정하였으며 현장조사를 통한 데이터의 검증 방법은 그림 8과 같다.
- 본 연구에서는 먼저, 그림자의 변화를 분석하기 위해 건축물 데이터를 활용하였다. 이때 활용되는 건축물 데이터는 도로명 주소 데이터를 기반으로 활용되며, 건축물대장과 현장조사자료를 바탕으로 속성정보에 존재하는 건축물의 층수 또는 높이 정보를 보정하였다.
- 연구의 대상 지역은 동경 128°44′0″, 북위 35°49′0″에 위치하고 있는 경상북도 경산시로 그림 1과 같다.
- 본 연구에서는 일조량 산정을 위한 연중 대표 일을 선정하고, 선정된 대표 일에 대해 그림자 분석 시뮬레이션을 실행하여 그림자 정보를 추출 하였다. 연중 대표 일은 그림자 시뮬레이션 결과물의 용이성과 태양광의 활성도를 고려 하여 태양이 지표면을 비추는 시간이 길고 남 중고도차가 높아 그림자의 생성이 뚜렷한 여름에 해당하고 Julian Date 365일중 정중앙에 해당해 대표성을 띄는 183일로 선정하였으며 이는 2013년의 경우 7월 2일에 해당한다.
- 또한 도로명 주소 데이터에 존재하는 누락 및 오차에 대해 건축물대장과 보완하기 위해 지번과의 매칭 테이블 자료를 별도의 속성 테이블로 작성하고 주소 정보를 PNU 코드화 하여 상호 간 속성 연결을 수행하였다. 이러한 과정을 통해 보정된 건축물의 높이 데이터를 보완, 검증하기 위해 현장조사를 실시하였으며 현장조사의 대상지는 위 과정에서 생성된 경산시 건축물 높이 정보에서 건축물 데이터를 임의추출하였다. 현장조사의 경우 레이저 거리 측정기(Leica DISTOtm classic 5a)를 이용하여 건축물의 높이를 측정하였다.
데이터처리
- 시뮬레이션을 통해 획득된 그림자 정보는 그림자의 생성 정보만을 고려하여 현장 측정을 수행하며, 조사된 측정치와 데이터 간의 비교 검증을 수행하여 정확도 검증을 실시한다. 이러한 비교를 통해 현장조사 자료를 통한 그림자 데이터의 정확도 검증은 표 1과 같이 나타났다.
이론/모형
- 다음으로 기 구축된 수치지형도에서 등고선과 표고점 등의 높이 정보를 추출하여 DEM을 생성하였다. DEM의 경우 생성 시 발생되는 오류에 대해 크리깅 보간법을 통해 보정하였다(KIER, 2013). 이러한 과정을 통해 생성된 데이터를 합성하여 DSM을 제작하기 위해, 앞서 구축된 건축물 데이터를 Raster로 변환하고, 변환된 데이터와 DEM의 합성을 통해 DSM을 구축하게 된다.
- 다음으로, 일조율의 영향인자인 그림자의 이동 및 변화를 획득하기 위해 다양한 태양 위치 산정 기법을 파악하였다. 산정 기법들 중 시간별 태양의 위치 산정이 가능하고 그림자 영역의 산정이 용이한 Solar View 기법을 기반으로 한 그림자 분석 시뮬레이션을 활용하였다. 또한, DSM을 기초 자료로 사용하여 그림자 분석 시뮬레이션을 수행하였다.
- 위와 같은 과정을 거쳐 생성된 데이터들을 통해 보정된 건축물 높이 정보는 Raster로 변환하는 과정을 거쳐, DEM과 합성하여 DSM을 생성하게 된다. 이때 DEM은 국토지리정보원에서 제공하는 수치지형도를 활용하여 제작하였다. 수치지형도는 1/5,000일 경우 5m, 1/1,000일 경우 1m 간격의 DEM을 제작하는 것이 가능하지만 세밀한 DEM을 제작을 위해서는 지형 간격의 세분화 작업을 병행하여 도심지형에 대한 정확한 보정 등을 통해야만 정밀한 DEM의 제작이 가능하다(Kim, 2012).
성능/효과
- , 2012). 국가 통계 포털을 통해 2003년부터 2011년까지의 에너지 보급률에 대한 증가율을 살펴 본 결과 태양열은 과거에 비해 약 -1.28%, 수력의 경우 약 -5.49% 정도로 보급량의 감소를 보였으며 태양광의 경우 약 28.46%, 바이오매스의 경우 약 19.77%, 폐기물의 경우 약 12.98%, 풍력의 경우 약 22.16%, 지열의 경우 약 23.74% 정도로 보급량의 증가를 보였다. 또한 태양광발전의 생산량은 1996년 전국적으로 2,556MWh 정도였으나 2000년에는 5,284MWh, 2005년에는 14,399MWh, 2011년에는 917,197MWh로 나타났으며 이중 자가용 에너지 생산량은 1996년 2,556MWh, 2000년 5,284MWh, 2005년 13,804MWh, 2011년 181,870MWh인 것으로 조사되었다.
- 그림자 분석 시뮬레이션의 결과물인 그림자 정보와 실제 측정된 현장조사 자료를 비교해본 결과 약 1m 내외의 오차가 있는 것으로 나타났으며, 이는 실제 측정시간과 시뮬레이션의 분석 시간 간의 시간차를 고려하였을 경우 높은 정확도를 가지는 것으로 판단되었다.
- 3%로 나타났다. 또한 읍, 면, 동 별 최대 일조 지역 및 최저 일조 지역을 파악한 결과 일조량이 70% 이상인 건축물의 비율이 가장 높게 나타난 지역은 남천면으로 건축물에 99.7%가 해당되었으며, 가장 낮게 나타난 지역은 하양읍으로 건축물에 82.1%가 해당되었다.
- 산정된 일조량을 바탕으로 일조 특성을 파악해본 결과 경산시의 건물들 중 일조량이 상위 30% 내에 해당하는 건축물의 비율이 93.3%로 나타났다. 또한 읍, 면, 동 별 최대 일조 지역 및 최저 일조 지역을 파악한 결과 일조량이 70% 이상인 건축물의 비율이 가장 높게 나타난 지역은 남천면으로 건축물에 99.
- 이를 통해 경산시가 국가 차원에서 지속적으로 시행하고 있는 태양광 발전 보급 사업에 적정 지역임을 확인할 수 있었으며 최근 증가하고 있는 태양광 에너지 정보 요구에 대응할 수 있는 기초자료를 작성할 수 있었다. 산정된 일조량을 통해 민간, 산업체 등에 객관적인 일조량 정보를 제공할 수 있을 것이며, 태양광 발전 이용의 의사결정 지원 자료로 활용될 수 있을 것으로 기대된다.
후속연구
- 산정된 일조량을 통해 민간, 산업체 등에 객관적인 일조량 정보를 제공할 수 있을 것이며, 태양광 발전 이용의 의사결정 지원 자료로 활용될 수 있을 것으로 기대된다. 그러나 건축물과 지형 자료만을 고려한 일조량의 산정을 수행하였으므로 추가적으로 지표상에 있는 모든 고정 지물을 고려한 정일 일조량 산정에 대한 연구가 수행되어야 할 것이며, 각 건축물 간, 또는 건축물과 기타 지물과의 일조 영향에 대한 요소의 정확한 파악과 정량화된 일조 영향 지수의 산출 및 개선방안 제시 등에 대한 연구가 지속적으로 이루어져야 할 것이다.
- 또한 연구에 사용될 건축물 높이 자료의 정확도 평가 및 검증 데이터를 획득하기 위한 현장조사에 유리할 뿐만 아니라 건축물의 밀집도와 건축물의 분포, 건축물의 분류군 및 높이의 다양성 등에 대한 조건을 충족하고 있다.
- 이를 통해 경산시가 국가 차원에서 지속적으로 시행하고 있는 태양광 발전 보급 사업에 적정 지역임을 확인할 수 있었으며 최근 증가하고 있는 태양광 에너지 정보 요구에 대응할 수 있는 기초자료를 작성할 수 있었다. 산정된 일조량을 통해 민간, 산업체 등에 객관적인 일조량 정보를 제공할 수 있을 것이며, 태양광 발전 이용의 의사결정 지원 자료로 활용될 수 있을 것으로 기대된다. 그러나 건축물과 지형 자료만을 고려한 일조량의 산정을 수행하였으므로 추가적으로 지표상에 있는 모든 고정 지물을 고려한 정일 일조량 산정에 대한 연구가 수행되어야 할 것이며, 각 건축물 간, 또는 건축물과 기타 지물과의 일조 영향에 대한 요소의 정확한 파악과 정량화된 일조 영향 지수의 산출 및 개선방안 제시 등에 대한 연구가 지속적으로 이루어져야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.