$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Landsat 8 위성영상과 AWS 데이터를 이용한 서울특별시의 지표면 온도 분포 분석
Distribution Analysis of Land Surface Temperature about Seoul Using Landsat 8 Satellite Images and AWS Data 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.20 no.1, 2019년, pp.434 - 439  

이종신 (충남대학교 건설공학교육과) ,  오명관 (혜전대학교 전기전자서비스과)

초록
AI-Helper 아이콘AI-Helper

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.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, interest in urban temperature change and ground surface temperature change has been increasing due to weather phenomenon due to global warming, heat island phenomenon caused by urbanization in urban areas. In Korea, weather data such as temperature and precipitation have been collected sin...

주제어

#Land surface temperature   #Landsat 8   #Ground measurement data   #AWS   #Temperature  

표/그림 (15)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이와 같이 Landsat 위성영상을 이용한 지표면 온도산출과 관련된 연구에도 불구하고, 최신의 Landsat 8 OLI TIRS 위성영상과 AWS 기온데이터를 계절별로 비교하여 분석한 연구는 부족한 상황이다. 따라서 본 연구에서는 서울특별시를 대상으로 AWS 데이터의 보간 결과와 Landsat 8 OLI TIRS 위성영상의 지표면 온도 결과를 비교하여 AWS 관측소 이외 지역에서 Landsat 8 OLI TIRS의 활용 가능성을 분석한다.
  • 본 연구에서는 AWS 관측소 이외 지역에서 Landsat 8 OLI TIRS의 활용 가능성을 제시하기 위해 서울특별시를 대상으로 AWS 관측 데이터와 Landsat 8 OLI TIRS 지표면 온도를 비교 분석하였다. 그 결과 다음과 같은 결론을 얻을 수 있었다.
  • 본 연구에서는 Landsat 8 OLI TIRS 위성영상과 AWS 데이터를 이용하여 서울특별시의 지표면 온도 분포를 분석하였다. Fig.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
도시 열섬현상이 발생하는 원인은 뭔가? 최근 전 세계적인 지구온난화와 도시 열섬현상으로 인해 도시 내부의 기온이 지속적으로 상승하고 있는 추세이다. 도시 열섬현상이 발생하는 주요 원인으로는 도시화로 인한 지표면 개발이며, 에너지 사용으로 발생한 열이 두 번째 원인에 해당된다. 인구 밀집도가 높아지면서 더 넓은 면적의 토지를 개발하게 되고 이로 인해 평균 온도도 상승하게 된다[1].
보간 기법의 신뢰도를 높이기 위한 조건은? 우리나라의 근대 기상관측이 시작된 1904년부터 현대에 이르기까지 대부분의 기상 자료는 관측소별 지점 자료에 해당되며, 측정 불가능한 지역의 경우, 보간법을 활용하여 해당지역의 자료를 추정해왔다. 일반적으로 보간 기법은 관측 지점이 많고, 지점별 데이터가 많을수록 추정 자료의 신뢰도가 높아지기 때문에 현재 우리나라에서는 기상관측소 외에도 무인자동 기상관측장비(AWS; Automatic Weather System, 이하 AWS)를 운용하고 있다[2].
보간법의 신뢰도를 높일 수 있는 방법은? 우리나라의 근대 기상관측이 시작된 1904년부터 현대에 이르기까지 대부분의 기상 자료는 관측소별 지점 자료에 해당되며, 측정 불가능한 지역의 경우, 보간법을 활용하여 해당지역의 자료를 추정해왔다. 일반적으로 보간 기법은 관측 지점이 많고, 지점별 데이터가 많을수록 추정 자료의 신뢰도가 높아지기 때문에 현재 우리나라에서는 기상관측소 외에도 무인자동 기상관측장비(AWS; Automatic Weather System, 이하 AWS)를 운용하고 있다[2].
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. Wikimedia, Wikipedia [Internet]. Urban Heat Island [cited 2018 December 20], Available From: https://ko.wikipedia.org/wiki/%EB%8F%84%EC%8B%9C_%EC%97%B4%EC%84%AC (accessed December 20, 2018) 

  2. J. Yim, G. Lee, "Estimating Urban Temperature by Combining Remote Sensing Data and Terrain Based Spatial Interpolation Method", Journal of the Korean Cartographic Association, Vol.17, No.2, pp.75-88, 2017. DOI: https://doi.org/10.16879/jkca.2017.17.2.075 

    상세보기 crossref

  3. O. Rozenstein, Z. Qin, Y. Derimian, A. Karnieli, "Derivation of Land Surface Temperature for Landsat-8 TIRS Using a Split Window Algorithm", Sensors, Vol.14, No.4, pp.5768-5780. DOI: https://doi.org/10.3390/s140405768 

  4. J. B. Jee, Y. J. Choi, "Conjugation of Landsat Data for Analysis of the Land Surface Properties in Capital Area", Journal of Korean Earth Science Society, Vol.35, No.1, pp.54-68, 2014. DOI: https://doi.org/10.5467/JKESS.2014.35.1.54 

    원문보기 상세보기 crossref

  5. H. S. Shin, E. Chang, S. Hong, "Estimation of Near Surface Air Temperature Using MODIS Land Surface Temperature Data and Geostatistics", Journal of Korea Spatial Information Society, Vol.22, No.1, pp.55-63, 2014. DOI: https://doi.org/10.12672/ksis.2014.22.1.055 

  6. J. M. Kang, M. S. Ka, S. S. Lee, J. K. Park, "Detection of Heat Change in Urban Center Using Landsat Imagery", Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol.28, No.2, pp.197-206, 2010. 

  7. H. K. Lee, J. S. Lee, "Computation of Surface Sea Temperature around the Fukushima to Grasp the Effect of Nuclear Power Plant Accident in Japan", Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, Vol.6, No.8, pp.585-592, 2016. DOI: https://doi.org/10.14257/AJMAHS.2016.08.58 

  8. USGS, "Landsat 8 (L8) Data Users Handbook Ver 2.0.", USA, pp.55-61, 2016. 

  9. U. S. Department of Interior, U. S. Geological Survey [Internet]. Conversion to TOA Reflectance [cited 2018 December 15], Available From: https://landsat.usgs.gov/using-usgs-landsat-8-product (accessed December 15, 2018) 

  10. J. K. Park, J. S. Lee, "Analysis of Abnormal High Temperature Phenomena in Cixi-si of China using Landsat Satellite Images", Journal of the Korea Academia-Industrial cooperation Society, Vol.18, No.8, pp.34-40, 2017. DOI: https://doi.org/10.5762/KAIS.2017.18.8.34 

  11. H. C. Yun, K. Y. Jung, J. S. Lee, "Monitoring of Temperature Change about Cheonji about for Bio Ecology Environmental Management", International Journal of Bio-Science and Bio-Technology, Vol.5, No.4, pp.81-90, 2013. 

    상세보기 crossref

  12. D. C. Reuter, C. M. Richardson, F. A. Pellerano, J. R. Irons, R. G. Allan, M. Anderson, M. D. Jhabvala, A. W. Lunsford, M. Montanaro, R. L. Smith, Z. Tesfaye K. J. Thome, "The Thermal Infrared Sensor (TIRS) on Landsat 8 : Design Overview and Pre-Launch Characterization", Remote Sensing, Vol.7, No.1, pp.1135-1153, 2015. DOI: https://doi.org/10.3390/rs70101135 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로