KR101914061B1

KR101914061B1 - The method for analyzing heat island characteristic by Satellite

Info

Publication number: KR101914061B1
Application number: KR1020180036663A
Authority: KR
Inventors: 이수봉; 이달근; 이미희; 김진영; 유정흠; 김종필; 윤혜원; 천은지; 박영진
Original assignee: 대한민국
Priority date: 2018-03-29
Filing date: 2018-03-29
Publication date: 2018-11-02

Abstract

The present invention relates to a method for analyzing a heat island characteristic by an artificial satellite. The method for analyzing a heat island characteristic by an artificial satellite according to an embodiment of the present invention includes the steps of: developing a daily maximum temperature measurement algorithm through a polynomial regression equation; displaying a heat distribution map on a monitor; performing a kernel density analysis; calculating a urbanization area ratio by a classification technique; and mapping and displaying a heat wave shelter location on a heat density analysis map. Therefore, the present invention can grasp a heat distribution characteristic at a glance through the heat distribution map.

Description

인공위성에 의한 열섬특성 분석방법{The method for analyzing heat island characteristic by Satellite}TECHNICAL FIELD The present invention relates to a method of analyzing a heat island characteristic by a satellite,

본 발명은 인공위성 영상자료를 사용하여 열 분포 지도를 표시하고 그 위에 시가화 면적 또는 무더위 쉼터를 매핑함으로써, 지역별 열섬화 특성을 용이하게 파악할 수 있도록 하는 인공위성에 의한 열섬특성 분석방법에 관한 것으로,The present invention relates to a method of analyzing characteristics of a heat island by a satellite, in which a heat distribution map is displayed by using a satellite image data, and mapping of a cigarization area or a heat wave shelter is performed thereon,

인공위성 영상에 의한 지표온도, 정규 시가화지수, 정규 수분지수와, 종관 기상관측자료의 일 최고기온을 사용하여 다중 선형 회귀방정식을 통해 일 최고기온 측정 알고리즘을 개발한 다음, 이를 사용하여 지역별 일 최고기온 평균값을 산출하여 열 분포지도를 표시하되, 그 위에 시가화 면적을 매핑하고 시가화 면적비를 산출하는 한편 무더위 쉼터 위치를 매핑해줌으로서, 시가화 면적과 일 최고기온의 상관성을 분석하고, 무더위 쉼터 분포의 적합여부 및 도시계획 수립을 위한 분석을 가능토록 하는 인공위성에 의한 열섬특성 분석방법에 관한 것이다.We developed a daily maximum temperature measurement algorithm using multiple linear regression equations using surface temperature, normalized scaling index, normal water index and daily maximum temperature of synoptic observations, The average temperature value is calculated and the heat distribution map is displayed. Mapping the area to be cigarized and calculating the area ratio of the cigarette and mapping the location of the heatwave shelter, the correlation between the cigarization area and the daily maximum temperature is analyzed, The present invention relates to a method of analyzing characteristics of a heat island by means of a satellite, which enables analysis for suitability of distribution and urban planning.

도시는 다양한 기능이 상호 복합되어 나타나는 공간 단위로서 도시에서 발생하는 다양한 현상에 대한 특성과 규칙성을 파악하고 그 원인을 규명하는 것이 필요하다. 도시의 열 환경은 토지이용 등의 복합적인 변화와 반복을 통해 도시기온이 도심에서는 주변보다 높고, 도심에서 먼 지역 또는 식생과 수공간이 풍부한 지역에서는 낮게 나타나는 열섬현상(Heat Island)이 나타났다. It is necessary to identify the characteristics and regularity of the various phenomena occurring in the city and to identify the cause. The heat environment of the city is the heat island phenomenon where the urban temperature is higher in the city than in the surrounding area, and is lower in the urban areas or in the areas where the vegetation and water space are rich.

특히 최근에는 지구 온난화로 인해 도시 열 환경이 더욱 악화되어 사회, 경제적 문제가 발생하고 있으므로, 전국의 많은 지자체에서는 도시의 열섬현상을 개선하기 위해 숲이나 공원 조성 등의 녹화사업을 추진하는 등의 노력을 기울이고 있다.Especially in recent years, due to global warming, the urban heat environment is getting worse and social and economic problems are occurring. Therefore, many local governments throughout the country try to promote the greening of forests and parks to improve the heat island phenomenon of the city .

그런데 종래에는 지역별 지표온도의 조사작업과, 해당기간의 평균 일 최고기온의 조사작업이 모두 조사원에 의한 현지조사에 의존하고 있었으므로, 도시의 열 환경에 대한 광범위한 조사가 제대로 이뤄지지않는 문제점이 있었으며, 해당지역마다 AWS(Automatic Weather System; 자동 기상 측정장비)를 설치하는 방법을 생각할 수 있겠으나, 이는 특정지역이나 협소한 지역에 대해 조사할 때는 가능하겠으나 광범위한 지역을 조사하기위해서는 설치비용이 엄청나게 증가하게되므로 실질적으로는 사용이 불가하게되는 문제점이 있었다.However, in the past, since the investigation of the surface temperature of each region and the survey of the average daily maximum temperature during the period were all dependent on the field survey by the surveyor, there was a problem that the extensive investigation on the thermal environment of the city was not properly performed, You may think of installing an Automatic Weather System (AWS) in your area, but this can be done when you are investigating a specific area or a small area, but the cost of installation is enormously increased There is a problem in that it is practically impossible to use.

따라서 종래기술로는 도시 전체에 대한 열 분포 특성을 파악하기가 어렵고, 열 분포 특성을 시가화 면적이나 무더위 쉼터와 연계하여 적합성 여부를 판단함도 불가능하게되므로, 열 분포 특성과 관련하여 도시계획을 효과적으로 수립하는 것이 어려워지는 문제점이 있었다.Therefore, it is difficult to grasp the heat distribution characteristics of the entire city in the prior art, and it is impossible to determine the suitability of the heat distribution characteristics in connection with the area of the cigarization or the heat-storm shelter. Therefore, There is a problem in that it becomes difficult to establish it effectively.

본 발명은 상기와 같은 제반 사정을 감안하여 발명한 것으로,The present invention has been made in view of the above circumstances,

인공위성 영상자료를 사용하여 열 분포 지도를 표시하고 그 위에 시가화 면적 또는 무더위 쉼터를 매핑함으로써, 먼저 도시 전체에 대한 열분포 특성을 열 분포지도를 통해 한눈에 파악할 수 있도록 함에 첫 번째 목적이 있는 것이다.The first purpose is to display the thermal distribution map using the satellite image data and map the cigarization area or heat storeroom thereon, so that the thermal distribution characteristics for the entire city can be grasped at a glance through the thermal distribution map.

또한, 인공위성 영상에 의한 지표온도, 정규 시가화지수, 정규 수분지수와, 종관 기상관측자료의 일 최고기온을 사용하여 다중 선형 회귀방정식을 통해 일 최고기온 측정 알고리즘을 개발한 다음, 이를 사용하여 지역별 일 최고기온 평균값을 산출하여 열 분포지도를 표시하되, 그 위에 시가화 면적을 매핑하고 시가화 면적비를 산출하는 한편 무더위 쉼터 위치를 매핑해줌으로서, 시가화 면적과 일 최고기온의 상관성을 분석하고, 무더위 쉼터 분포의 적합여부를 분석함으로써, 열 분포 특성과 관련하여 도시계획을 효과적으로 수립할 수 있도록 함에 두 번째 목적이 있는 것이다.In addition, we developed a daily maximum temperature measurement algorithm using multiple linear regression equations using surface temperature, saturation index, normal water index, and daily maximum temperature of the meteorological observation data by satellite image, We calculated the average daily maximum temperature and plotted the heat distribution map, mapping the area to be cigarized, calculating the area ratio of the cigarette, and mapping the location of the heat barrier shelter to analyze the correlation between the cigarization area and daily maximum temperature. The second purpose is to analyze the fitness of the heat-storm shelter distribution, so that the urban planning can be effectively established with respect to the heat distribution characteristics.

상기 목적을 달성하기 위한 본 발명은, According to an aspect of the present invention,

인공위성 측정자료에 의한 지표온도 및 시가화 영상과, 종관 기상 관측장비로부터 입수된 현장상황정보가 운영컴퓨터에 입력되면, 상기 운영컴퓨터 및 이에 내장된 프로그램에서는 일 최고기온 추정 알고리즘을 통해 결과물을 모니터에 열 분포지도로 시뮬레이션하되, 그 위에 시가화 면적과 무더위 쉼터 위치를 매핑해줌으로써, 시가화 면적과 일 최고기온의 상관성을 분석하고 무더위 쉼터 분포의 적합여부 및 도시계획 수립을 위한 분석을 가능토록 하는 인공위성에 의한 열섬특성 분석방법에 있어서,When the operating temperature of the surface temperature and the saturation image obtained from the satellite measurement data and the information of the situation obtained from the synoptic meteorological equipment are input to the operating computer, the operating computer and the programs embedded therein monitor the result through a day- Simulation with a heat distribution map, mapping the area of the cigaration and the location of the heat shelter on the map, analyzes the correlation between the cigarization area and the daily maximum temperature, and makes it possible to analyze the fitness of the heatwave shelter distribution and the urban planning In a method for analyzing characteristics of a heat island by artificial satellites,

(1) 인공위성 영상에 의한 지표온도, 정규 시가화지수, 정규 수분지수와, 종관 기상관측자료의 일 최고기온을 사용하여 다중 선형 회귀방정식을 통해 일 최고기온 측정 알고리즘을 개발하는 과정;(1) the process of developing a daily maximum temperature measurement algorithm using multiple linear regression equations using surface temperature, normalized scaling index, normal water index, and daily maximum temperature of synoptic observations;

(2) 상기 일 최고기온 측정 알고리즘을 사용하여 지역별 평균 일 최고기온 평균값을 산출하여 모니터에 열 분포지도를 표시하는 과정;(2) calculating an average daily maximum peak temperature average value for each region using the daily maximum temperature measurement algorithm and displaying a thermal distribution map on a monitor;

(3) Arc GIS 커널 밀도 분석툴에 의해 상기 열 분포지도를 열 밀집 분석도로 변환하되, 먼저 영상파일을 포인트 데이터로 변환한 다음 상기 포인트 데이터를 이용하여 커널밀도 분석을 수행하는 과정;(3) transforming the thermal distribution map into thermal density analysis by an Arc GIS kernel density analysis tool, first converting the image file into point data, and then performing kernel density analysis using the point data;

(4) 상기 열 밀집 분석도 위에 시가화 면적을 매핑하고 시가화면적비를 분류기법으로 산출하는 과정;(4) mapping the visualization area on the thermal density chart and calculating the visualization area ratio by a classification technique;

(5) 상기 열 밀집 분석도 위에 무더위 쉼터 위치를 매핑하여 표시하는 과정으로 이루어진다.(5) Mapping the heat-storm shelter location on the thermal storm analysis map.

또한, 상기 인공위성 측정자료(1)(2)는 Landsat-8 위성에서 주기적으로 촬영한 자료를 이용하되, 지표온도의 경우 2개의 열적외 밴드를 관측할 수 있는 TIRS 센서로 부터 측정되어진다.In addition, the satellite measurement data (1) (2) is measured from a TIRS sensor which can periodically record images on a Landsat-8 satellite and can observe two thermal outer bands in the case of the surface temperature.

상기 Arc GIS 커널 밀도 분석툴에 의한 밀도 분석 시에는 분석 지점으로부터 일정한 분석 반경 안에 포함된 온도 값을 이용하여 밀도 값을 산출하게되며,In the density analysis by the Arc GIS kernel density analysis tool, the density value is calculated using the temperature value included in a certain analysis radius from the analysis point,

시가화면적은 주거지역, 상업지역, 공업지역을 의미하며, 동일한 시기의 시가화 면적과 일 최고기온의 상관성을 분석하기 위해 열 분포 기본지도와 동일한 위성영상에서 토지피복을 분류하고 해당지역의 시가화면적을 산출하는 것을 특징으로 한다.In order to analyze the correlation between the cigarization area and the daily maximum temperature at the same time, the land cover is classified in the same satellite image as the heat distribution base map, and the cigar screen And an enemy is calculated.

상기 일 최고기온 추정 알고리즘은 지표온도, SRTM DEM, 정규식생지수, 정규수분지수, 정규시가화지수를 입력변수로 하는 단계별 회귀방정식을 이용하고, 도출된 회귀방정식을 이용하여 산출된 일 최고기온 결과값은 기상청 자동기상관측장비 관측값과 비교 검증을 수행하되, 개발된 알고리즘 중 정확도가 가장 높은 알고리즘을 선정하여 열 분포 기본지도를 구축하게된다.The daily maximum temperature estimation algorithm uses a stepwise regression equation using the surface temperature, the SRTM DEM, the normal vegetation index, the normal moisture index, and the normalized scaling index as input variables, and calculates a day maximum temperature result using the derived regression equation Value is compared with the observations of the automatic meteorological equipment of Meteorological Agency and the algorithm with the highest accuracy among the developed algorithms is selected to construct the thermal distribution base map.

열 분포 기본지도는 해당기간의 위성영상 중 지역별 운량이 가장 낮은 영상을 사용하여 도출하고, 해상도가 30m 단위로 도시 내 행정동 단위의 열 분포를 확인할 수 있기 때문에 보다 정밀한 분석이 가능하게된다.The thermal distribution map can be obtained by using the image with the lowest cloudiness among the satellite images of the corresponding period, and it is possible to confirm the thermal distribution of the unit of the administrative unit in the city with a resolution of 30m.

이상 설명한 바와 같이 본 발명은, As described above, according to the present invention,

인공위성 영상자료를 사용하여 열 분포 지도를 표시하고 그 위에 시가화 면적 또는 무더위 쉼터를 매핑함으로써, 먼저 도시 전체에 대한 열분포 특성을 열 분포지도를 통해 한눈에 파악할 수 있게되는 효과가 있다.It is possible to grasp the thermal distribution characteristics of the entire city through the thermal distribution map at a glance by first displaying the thermal distribution map using the satellite image data and mapping the area to be cigarized or the heat wave shelter thereon.

또한, 인공위성 영상에 의한 지표온도, 정규 시가화지수, 정규 수분지수와, 종관 기상관측자료의 일 최고기온을 사용하여 다중 선형 회귀방정식을 통해 일 최고기온 측정 알고리즘을 개발한 다음, 이를 사용하여 지역별 일 최고기온 평균값을 산출하여 열 분포지도를 표시하되, 그 위에 시가화 면적을 매핑하고 시가화 면적비를 산출하는 한편 무더위 쉼터 위치를 매핑해줌으로서, 시가화 면적과 일 최고기온의 상관성을 분석하고, 무더위 쉼터 분포의 적합여부를 분석함으로써, 열 분포 특성과 관련하여 도시계획을 효과적으로 수립할 수 있게되는 효과도 있는 것이다.In addition, we developed a daily maximum temperature measurement algorithm using multiple linear regression equations using surface temperature, saturation index, normal water index, and daily maximum temperature of the meteorological observation data by satellite image, We calculated the average daily maximum temperature and plotted the heat distribution map, mapping the area to be cigarized, calculating the area ratio of the cigarette, and mapping the location of the heat barrier shelter to analyze the correlation between the cigarization area and daily maximum temperature. By analyzing the appropriateness of the heat wave shelter distribution, it is possible to effectively establish the urban plan in relation to the heat distribution characteristic.

도 1은 본 발명의 기본 구성을 도시한 블럭도,
도 2는 본 발명의 처리과정을 개략적으로 도시한 흐름도,
도 3은 서울특별시의 지도로서, (a)는 2017년 8월 26일에 관측된 서울특별시 영상이고, (b)는 서울특별시의 열 분포 기본지도,
도 4는 서울특별시 열 분포 기본지도를 이용하여 각 행정구별 평균 일 최고기온의 평균값을 나타낸 도표,
도 5는 서울특별시의 열 밀집 분석도,
도 6은 행정구별 시가화면적 비율과 일 최고기온의 관계를 나타낸 도표,
도 7은 서울특별시의 열 분포 기본지도와 무더위쉼터를 나타낸 도면,
도 8은 서울특별시 행정구역 중 일 최고기온이 가장 높은 동대문구의 열분포 기본지도와 무더위쉼터를 나타낸 도면,
도 9는 동대문구의 행정동별 일 최고기온과 무더위쉼터와의 관계를 나타낸 도면,
도 10은 무더위쉼터와 지역온도의 관계를 나타낸 도면,
도 11은 무더위쉼터와 인구수의 관계를 나타낸 도면,
도 12는 울산광역시의 지도로서, (a)는 2014년 9월 5일에 관측된 울산광역시 위성영상이고, (b)는 울산광역시의 열 분포 기본지도,
도 13은 울산광역시 열 분포 기본지도를 이용하여 각 행정구별 평균 일 최고기온의 평균값을 나타낸 도표,
도 14는 울산광역시의 열 밀집 분석도,
도 15는 행정구별 시가화면적 비율과 일 최고기온의 관계를 나타낸 도표,
도 16은 울산광역시의 열 분포 기본지도와 무더위쉼터를 나타낸 도면,
도 17은 울산광역시 행정구역 중 일 최고기온이 가장 높은 남구의 열분포 기본지도와 무더위쉼터를 나타낸 도면,
도 18은 남구의 행정동별 일 최고기온과 무더위쉼터와의 관계를 나타낸 도면,
도 19는 무더위쉼터와 지역온도의 관계를 나타낸 도면,
도 20은 무더위쉼터와 인구수의 관계를 나타낸 도면이다..1 is a block diagram showing a basic configuration of the present invention,
Figure 2 is a flow chart schematically illustrating the process of the present invention;
Figure 3 is a map of the Seoul Metropolitan City, (a) is the Seoul metropolitan city image observed on August 26, 2017, (b) is the thermal map of Seoul,
FIG. 4 is a graph showing an average value of the average daily maximum temperature of each administrative district using a basic map of heat distribution in Seoul,
5 is a heat dense analysis chart of Seoul Metropolitan City,
FIG. 6 is a diagram showing the relationship between the screen discrimination ratio and the daily maximum temperature,
FIG. 7 is a view showing a heat distribution base map and a heat-
Fig. 8 is a diagram showing the basic map of thermal distribution in Dongdaemun-gu, the highest day temperature in the Seoul metropolitan government area, and a heat-
FIG. 9 is a diagram showing the relationship between the daily maximum temperature and the heat-storm shelter of administrative buildings in Dongdaemun-gu,
10 is a diagram showing a relationship between a heat-storm shelter and a local temperature,
11 is a diagram showing a relationship between a heat-storm shelter and a population number,
12 is a map of Ulsan Metropolitan City, (a) is Ulsan Metropolitan City Satellite image observed on September 5, 2014, (b) is a map of Ulsan Metropolitan City,
FIG. 13 is a chart showing the average value of the average daily maximum temperature of each administrative district using the Ulsan Metropolitan City Thermal Distribution Basic Map,
14 is a heat dense analysis chart of Ulsan Metropolitan City,
FIG. 15 is a diagram showing the relationship between the screen discrimination ratio and the daily maximum temperature,
16 is a view showing a basic map of heat distribution and a heat-storm shelter in Ulsan Metropolitan City,
FIG. 17 is a diagram showing the thermal map of the southern part of Ulsan Metropolitan City,
FIG. 18 is a diagram showing the relationship between the daily maximum temperature and the heat-storm shelter in administrative districts in Nam,
19 is a diagram showing a relationship between a heat-storm shelter and a local temperature,
20 is a diagram showing a relationship between a heat-storm shelter and a population number.

이하, 본 발명의 바람직한 실시예를 예시도면에 의거하여 상세히 설명한다. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 기본 구성을 도시한 블럭도로서,1 is a block diagram showing a basic configuration of the present invention,

인공위성 측정자료(1)(2)에 의한 지표온도 및 시가화 영상과, 종관 기상 관측장비로부터 입수된 현장상황정보(3)가 운영컴퓨터(4)에 입력되면, 상기 운영컴퓨터(4) 및 이에 내장된 프로그램에서는 일 최고기온 추정 알고리즘을 통해 결과물을 모니터(5)에 열 분포지도로 시뮬레이션하되, 그 위에 시가화 면적과 무더위 쉼터 위치를 매핑해줌으로써, 시가화 면적과 일 최고기온의 상관성을 분석하고, 무더위 쉼터 분포의 적합여부 및 도시계획 수립을 위한 분석을 가능토록 하는데, 보다 상세한 설명은 아래와 같다.When the ground temperature and the saturation image by the satellite measurement data (1) (2) and the scene situation information (3) obtained from the synoptic weather observation equipment are input to the operation computer 4, In the embedded program, the result is simulated by the thermal distribution map on the monitor (5) through the daily maximum temperature estimation algorithm, and the correlation between the area of the cigarization and the daily maximum temperature is analyzed by mapping the cigarization area and the heat- And the analysis of the appropriateness of the distribution of heat storms and urban planning is made possible. The detailed explanation is as follows.

도시는 다양한 기능이 상호 복합되어 나타나는 공간 단위로서 도시에서 발생하는 다양한 현상에 대한 특성과 규칙성을 파악하고 그 원인을 규명하는 것이 필요하다. 도시의 열 환경은 토지이용 등의 복합적인 변화와 반복을 통해 도시기온이 도심에서는 주변보다 높고, 도심에서 먼 지역 또는 식생과 수공간이 풍부한 지역에서는 낮게 나타나는 열섬현상(Heat Island)이 나타났다. 특히 최근에는 지구 온난화로 인해 도시 열 환경이 더욱 악화되어 사회·경제적 문제가 발생하고 있다.It is necessary to identify the characteristics and regularity of the various phenomena occurring in the city and to identify the cause. The heat environment of the city is the heat island phenomenon where the urban temperature is higher in the city than in the surrounding area, and is lower in the urban areas or in the areas where the vegetation and water space are rich. In recent years, the global warming has aggravated the urban heat environment, causing social and economic problems.

이에 따라 전국의 많은 지자체에서는 도시의 열섬현상을 개선하기 위하여 숲이나 공원 조성 등의 녹화사업을 추진하는 등의 노력을 기울이고 있다. 도시의 열섬특성을 분석하는 것은 도시발전이나 환경개선을 위해서 매우 중요한 자료이다(김준현, 2014).Accordingly, many municipalities throughout the country are making efforts to promote the greening of forests and parks in order to improve the heat island phenomenon of the city. Analysis of urban heat island characteristics is very important for urban development and environmental improvement (Kim, Jun-hyun, 2014).

본 연구에서는 도시의 열 환경 특성을 분석하기 위해 서울특별시와 울산광역시를 연구대상지로 선정하였다. 서울특별시는 우리나라의 수도로서 가장 높은 인구밀도를 나타내고 있어 열 환경 분석이 필요한 지역이라 볼 수 있다. 울산광역시의 경우는 우리나라 최대의 산업도시로서 산업화와 공업화가 급속히 이루어진 반면 도시 개선 사업이 더디게 진행되어 도시의 열환경 구조가 매우 열악한 상태라고 할 수 있다. 따라서 서울특별시와 울산광역시는 도시의 열섬화 특성을 분석을 위한 적지로 판단된다.In this study, Seoul metropolitan city and Ulsan metropolitan city were selected as study sites to analyze the thermal environment characteristics of the city. Seoul has the highest population density as the capital of Korea and can be considered as an area where thermal environment analysis is required. Ulsan Metropolitan City is the largest industrial city in Korea and industrialization and industrialization have been rapidly accelerated, but the city improvement project has been slow and the thermal environment structure of the city is very poor. Therefore, Seoul and Ulsan Metropolitan City are considered to be suitable for analyzing the characteristics of the city 's thermo -

도시 열섬화 특성 분석을 위한 자료는 Landsat-8 자료를 공통적으로 활용하였다. Landsat 위성은 주기적으로 촬영되는 장점을 이용하여 지금까지 열섬 분석에The data for the analysis of the urban heat-transfer characteristics were used in common with Landsat-8 data. Landsat satellites have been used for periodic photographing,

활발하게 활용되고 있으며, Landsat-8 위성의 경우 2개의 열적외 밴드를 관측할 수 있는 TIRS 센서가 장착이 되어 지표온도를 포함한 다양한 연구 분야에서 활용되고 있다. 본 연구에서 개발된 일 최고기온 산출 알고리즘을 활용하여 국내 주요도시에 적용함으로써 실질적인 분석을 진행하여 열섬화 특성을 파악하고자 한다.In the case of Landsat-8 satellite, TIRS sensor capable of observing two thermal outside bands is installed and is used in various research fields including surface temperature. We apply this method to the major cities in Korea using the daily maximum temperature calculation algorithm developed in this study.

1) 분석자료1) Analysis data

서울특별시의 열섬화 특성을 분석하기 위한 자료는 3.3절에서 선정된 서울특별시 열분포 기본지도를 이용하였다. 분석에 사용된 기본 위성영상은 도 3에 나타내고 있다. 도 3의 (a)는 2017년 8월 26일에 관측된 서울특별시 영상을 보여주고, 도 3의 (b)는 서울특별시의 열 분포 기본지도를 보여주고 있다. 분석에 활용된 영상의 메타데이터는 아래와 같다.The data for analyzing the characteristics of thermoelectric characteristics of Seoul Metropolitan City were obtained using the Seoul Metropolitan City Thermal Map of Korea selected in Section 3.3. The basic satellite images used in the analysis are shown in Fig. Fig. 3 (a) shows the Seoul metropolitan city image observed on August 26, 2017, and Fig. 3 (b) shows the base map of the thermal distribution map of Seoul metropolitan city. The metadata of the image used in the analysis is as follows.

2) 서울특별시 열 분포 특성2) Heat distribution characteristics of Seoul Metropolitan City

서울특별시는 2017년 기준으로 25개 자치구와 424개 행정동으로 구성되어 있다. 아래 도표와 도 4는 서울특별시 열 분포 기본지도를 이용하여 각 행정구별 평균 일 최고기온의 평균값을 보여주고 있다. As of 2017, the Seoul metropolitan government has 25 autonomous regions and 424 administrative dynasties. Figure 4 and Figure 4 show the average daily mean maximum temperature for each administrative district using the Seoul Metropolitan City Thermal Distribution Map.

아래 도표에서 서울특별시의 행정구별 열 분포 결과, 동대문구에서 가장 높은 값을 나타내며, 은평구에서 가장 낮은 값을 나타내고 있다.As shown in the chart below, the distribution of heat distribution in Seoul is the highest in Dongdaemun, and the lowest in Eunpyeong.

서울특별시의 열 분포 특성을 시각적으로 파악하기 위해서는 본 연구에서 제작한 열 분포 기본지도는 해상도가 다소 높다. 따라서 이를 보다 효과적으로 표현하기 위해 ArcGIS의 커널 밀도(kernel density) 분석 툴을 이용하여 데이터 밀도분석을 하였다. 커널 밀도 분석은 분석 지점으로부터 일정한 분석 반경 안에 포함된 온도값을 이용하여 밀도 값을 산출하였다. 본 연구에서는 100m단위로 분석 반경을 1km로 지정하여 범위 안에 분포된 온도 값을 이용하여 100m단위의 밀집 분석을 제작하였다. 도 5는 서울특별시의 열 밀집 분석도를 나타내고 있다.In order to visually grasp the heat distribution characteristics of the Seoul metropolitan area, the thermal distribution map produced in this study has a somewhat higher resolution. Therefore, we analyzed data density using ArcGIS kernel density analysis tool to express it more effectively. The kernel density analysis computes the density values from the analysis points using the temperature values contained within a certain analysis radius. In this study, the analysis radius is set to 1km in 100m units, and the density of 100m units is constructed using the temperature values distributed in the range. 5 shows a heat dense analysis chart of Seoul Metropolitan City.

도 5에서 보여주듯이 동대문구에서 열이 집중되는 현상이 뚜렷이 나타나고 있으며, 산림지역이나 한강 주변은 열 밀도가 낮은 현상을 볼 수 있다.As shown in Fig. 5, the phenomenon of heat concentration in Dongdaemun is clearly visible, and the phenomenon of low thermal density is observed around the forest area and the Han River.

도시지역에는 공원, 하천, 도로, 빌딩, 자동차 사용량, 인구밀집도, 지역용도 등과 같이 여러 복잡한 요소들이 있고 또 시간에 따른 일사량 등 기상, 환경학적 요소가 온도에 미치는 영향을 파악하기가 쉽지 않다. 본 연구에서는 열 분포 기본지도 구축 자료와 동기간의 토지피복 자료를 산출하여 토지피복별 일 최고기온에 미친 영향을 분석하였다.In urban areas, there are many complicated factors such as parks, rivers, roads, buildings, car usage, population density, local usage, etc., and it is not easy to understand the influence of temperature and environmental factors such as solar irradiation over time. In this study, we analyzed the effects of the heat distribution map and the land cover data at the same time on the daily maximum temperature of the land cover.

3) 시가화면적에 따른 일 최고기온 특성3) Maximum daily temperature characteristics

시가화면적은 주거지역, 상업지역, 공업지역을 의미하며, 동일한 시기의 시가화 면적과 일 최고기온의 상관성을 분석하기 위해 열 분포 기본지도와 동일한 위성영상에서 토지피복을 분류하고 서울특별시의 시가화면적을 산출하였다. 서울특별시의 시가화면적은 아래 도표와 같다.In order to analyze the correlation between the urbanization area and the daily maximum temperature at the same time, the land cover was classified in the same satellite image as the thermal distribution base map, and the city screen of the Seoul metropolitan city The enemy was calculated. The chart below shows the city of Seoul.

도 6은 행정구별 시가화면적 비율과 일 최고기온의 관계를 나타낸 그림이다. FIG. 6 is a graph showing the relationship between the screen ratio and the daily maximum temperature in the case of the administrative distinction.

여기에서 보면, 서울특별시의 시가화면역 비율이 높을수록 일 최고기온이 증가 추세를 보이고 있는데, 시가화면적 비율이 가장 높은 구는 동대문구(88.28%)로 가장 낮은 구인 관악구(44.45%)에 비해 약 1.91℃가 높은 것으로 나타났다. 본 연구에서는 서울특별시의 시가화면적 비율과 일 최고기온의 관계를 분석한 결과 시가화면적 비율이 높을수록 평균온도가 높은 경향을 보이고 있다.From this, it can be seen that the higher the daytime temperature of Seoul city, the higher the daily maximum temperature. In the case of Dongdaemun-gu (88.28%), Respectively. In this study, the average temperature of the Seoul metropolitan area is higher than that of Seoul.

4) 일 최고기온과 무더위쉼더 분포 분석4) Daily high and low temperature heat distribution

우리나라는 여름철 폭염으로 인한 피해 예방을 위하여 지자체별 무더위 쉼터를 지정·운영 관리하고 있다. 본 연구에서는 열 분포 기본지도와 폭염기간동안 운영되고 있는 무더위쉼터의 공간적인 분포특성을 분석하였다.In order to prevent damage caused by summer heat waves, Korea is designating and managing hot spring shelters for each local government. In this study, we analyzed the thermal distribution map and the spatial distribution characteristics of heatwave shelters operated during the heatwave period.

서울특별시는 총 4586개의 무더위쉼터를 운영 중에 있으며, 도 7은 서울특별시의 열 분포 기본지도와 무더위쉼터를 나타낸 그림이다. 마포구의 경우 제공되는 무더위쉼터 자료가 존재하지 않았다. 행정구역별로 가장 많은 무더위쉼터를 보유한 지역은 노원구로 254개의 무더위쉼터를 운영하였으며, 서울특별시내 일 최고기온이 가장 높은 동대문구의 무더위쉼터 141개를 운영하고 있다.The Seoul Metropolitan Government has a total of 4586 heat storm shelters, and Figure 7 shows the heat distribution map and the heat storm shelter in Seoul. In the case of Mapo-gu, there was no heat-wave shelter data provided. In the area that has the most heat shelters according to the administrative area, there are 254 heat shelters in Nowon-gu and 141 heat storms in Dongdaemun-gu, the highest temperature in Seoul, are operated.

도 8은 서울특별시 행정구역 중 일 최고기온이 가장 높은 동대문구의 열 분포 기본지도와 무더위쉼터를 나타낸 그림이며, 도 8과 도 9는 동대문구의 행정동별 일 최고기온과 무더위쉼터와의 관계를 나타낸 그림이다. 앞에서 언급됐듯이 동대문구는 총 141개의 무더위쉼터를 운영하고 있으며, 무더위쉼터가 가장 많은 동은 답십리2동이고, 일 최고기온이 가장 높은 동은 제기동으로 나타났다.Fig. 8 is a diagram showing the basic map of heat distribution and heat-storm shelter in Dongdaemun-gu, which has the highest daily maximum temperature in the administrative district of Seoul. Fig. 8 and Fig. 9 show the relationship between daily maximum temperature and heat- to be. As mentioned above, Dongdaemun - gu has 141 heat - shelter shelters, the most heat - storm shelter is Dapsim - ri 2 dong, and the highest temperature in day is.

도 9(a)는 무더위쉼터가 가장 많은 답십리2동의 열 분포와 무더위쉼터 위치를 나타낸 그림이다. 그림 3.30에서 나타난 적색으로 표현된 지역은 건물밀집지역으로 열이 집중되는 현상을 확인 할 수 있다. 열이 밀집되는 지역(적색)에 무더위쉼터가 운영 되지 않는 지역이 존재하고 있으며, 상대적으로 열이 집중되지 않는 파란색으로 표현된 지역에 더 많은 무더위쉼터가 운영 중에 있음을 열 분포 기본지도를 이용하여 확인 할 수 있다. FIG. 9 (a) is a diagram showing the heat distribution and the heat-storming shelter position of the two most heat sinks in the heatwave shelter. The area represented in red in Figure 3.30 can identify the concentration of heat to the dense area of the building. It is suggested that there is an area where the heat is not concentrated in the area where the heat is concentrated (red), and more heat storages are being operated in the area where the heat is not concentrated. Can be confirmed.

도 9(b)는 평균 일 최고기온이 가장 높은 제기동을 나타냈으며, 열이 집중되는 지역 부근에 무더위쉼터의 추가적인 설립 지원이 필요하다고 판단할 수 있다.Fig. 9 (b) shows the highest peak temperature on the average day, and it can be judged that further establishment support of the heat-storm shelter is needed near the heat-concentrated area.

도 10은 무더위쉼터와 인구수의 관계를 나타냈으며, 인구가 많은 지역일수록 많은 무더위쉼터가 존재하는 것을 확인 할 수 있다. 무더위쉼터는 주민들이 자주 이용하고 접근이 용이한 장소를 지정하고 있으며, 무더위쉼터의 효율적이고 탄력적인 운영을 위해 자치구와 공간적인 특성을 고려하여 무더위쉼터를 운영하는 방안이 필요하다고 볼 수 있다.FIG. 10 shows the relationship between the heat wave shelter and the population number, and it can be seen that there are many heat wave shelters in the more populated area. In order to efficiently and resiliently operate the heatwave shelter, it is necessary to operate the heatwave shelter in consideration of the autonomous region and the spatial characteristics of the heatwave shelter.

1) 연구대상지 및 자료취득1) Study site and data acquisition

울산광역시의 열섬화 특성을 분석하기 위한 자료는 울산광역시 열분포 기본지도를 이용하였다. 분석에 사용된 기본 위성영상은 도 12에 나타내고 있다. 도 12(a)는 2014년 9월 5일에 관측된 울산광역시 위성영상을 보여주고, 도 12(b)는 울산광역시의 열 분포 기본지도를 보여주고 있다. 분석에 활용된 영상의 메타데이터는 아래 도표와 같다.The data for analyzing the characteristics of thermoelectricity in Ulsan Metropolitan City is based on the Ulsan Metropolitan City Thermal Map. The basic satellite images used for the analysis are shown in Fig. 12 (a) shows Ulsan Metropolitan City satellite image observed on September 5, 2014, and FIG. 12 (b) shows a thermal map of Ulsan Metropolitan City. The metadata of the image used in the analysis is shown in the following table.

2) 울산광역시 열 분포 특성2) Heat distribution characteristics of Ulsan Metropolitan City

울산광역시는 4구 1군, 4읍 8면 44동으로 구성되어 있다. 아래 도표와 도 13은 울산광역시 열 분포 기본지도를 이용하여 각 행정구/군 별 평균 일 최고기온의 평균값을 보여주고 있다.Ulsan Metropolitan City is composed of 4 districts, 1 district, 4 towns, 8 districts and 44 districts. Figure 13 and Figure 13 show the average daily average maximum daily temperatures for each province / district using the Ulsan Metropolitan City Thermal Distribution Map.

아래 도표에서 울산광역시의 행정구역별 열 분포 결과, 남구에서 가장 높은 값을 나타내며, 울주군에서 가장 낮은 값을 나타내고 있다. 지역적 특성상 울주군은 도심지의 행정구보다 농업이나 산림지역 등을 많이 포함하고 있어 낮은 값을 나타난다고 볼 수 있다.In the chart below, Ulsan metropolitan city shows the highest value in Namju, and the lowest value in Ulju county. Due to the regional characteristics, Ulju-gun contains much agricultural and forest areas than the urban areas in the metropolitan area.

울산광역시의 시각적인 분포 특성을 확인하기에는 한계가 있다. 따라서 이를 보다 효과적으로 표현하기 위하여 ArcGIS의 커널 밀도(kernel density) 분석툴을 이용하여 데이터 밀도분석을 하였다. 커널 밀도분석은 서울특별시와 마찬가지로 분석 지점으로부터 일정한 분석 반경 안에 포함된 온도 값을 이용하여 밀도 값을 산출하였으며, 100m단위로 분석 반경을 1km로 지정하여 범위 안에 분포된 온도값을 이용하여 100m 단위의 밀집 분석도를 제작하였다. There is a limit to the visual distribution characteristics of Ulsan Metropolitan City. Therefore, in order to express this more effectively, data density analysis was performed using ArcGIS kernel density analysis tool. Kernel density analysis, like Seoul Metropolitan City, calculates the density value using the temperature value included in a certain analysis radius from the analysis point, and specifies the analysis radius of 1km in 100m unit, A cluster analysis chart was produced.

도 14는 울산광역시의 열 밀집 분석도를 나타내고 있다.Fig. 14 shows a heat dense analysis chart of Ulsan Metropolitan City.

도 14에서 보여주듯이 남구에서 열이 집중되는 현상이 뚜렷이 나타나고 있으며, 산림과 농업지역이 많은 울주군은 읍·면의 중심지에 열이 집중되는 현상을 확인 할 수 있다.As shown in Fig. 14, the phenomenon of concentration of heat in the southern region is evident, and Ulju-gun, which has many forests and agriculture areas, can confirm the phenomenon that heat is concentrated in the center of the town.

울산광역시의 시가화면적을 분석하기 위하여 열 분포 기본지도와 동일한 위성영상을 이용하여 토지피복 분류를 수행하였다. 울산광역시의 산출된 시가화 면적은 아래 도표와 같다. 도 15는 행정구별 시가화면적 비율과 일 최고기온의 관계를 나타낸 그림이다. 울산광역시의 시가화면적 비율이 높은 지역일수록 일 최고기온이 증가하는 것으로 나타나고 있으며, 시가화면적 비율이 높은 상위 2개구는 남구(69.36%)와 중구(47.72%)로 하위 2개구인 북구(23.71%)와 울주군(14.07%)에 비해 약 4.35℃ 높은 것으로 나타났다.Land cover classification was performed using the same satellite images as the thermal map. The urbanization area of Ulsan Metropolitan City is shown in the chart below. FIG. 15 is a diagram showing the relationship between the occupancy rate and the daily maximum temperature. The top two openings with high screen ratios are Namgu (47.32%) and Junggu (47.72%), and the lower two cities, Bukgu (23.71 %) And Ulju County (14.07%).

본 연구에서는 도시의 시가화면적으로 된 토지피복의 비율과 일 최고기온의 관계를 분석한 결과 시가화면적이 증가하면 일 최고기온이 올라가는 경향을 보이고 있음을 확인하였다. 이런 도시의 열섬현상을 해결하기 위해서는 우리나라에서는 중앙부처와 지방자치단체 합동으로 폭염대응 종합대책 마련을 수립하여 추진 중에 있으며, 그 대표적인 사례로는 무더위 쉼터, 취약계층 특별보호관리, 피해예방 순찰 등을 추진하고 있다.In this study, the relationship between the ratio of the land cover and the daily maximum temperature was analyzed. As a result, it was confirmed that the daily maximum temperature tended to increase when the city screen size increased. In order to solve the heat island phenomenon of the city, the central government and the local governments have jointly established comprehensive measures to cope with the heat, and the representative examples are heat storm shelters, special protection management for vulnerable people, .

4) 일 최고기온과 무더위쉼터 분포 분석4) Daily high and low temperature shelter distribution analysis

울산광역시는 약 540개의 무더위쉼터를 운영 중에 있으며, 도 16은 울산광역시의 열 분포 기본지도와 무더위쉼터를 나타낸 그림이다. 행정구역별로 가장 많은 무더위쉼터를 보유한 지역은 울주군으로 245개의 무더위쉼터를 운영하였으며, 울산광역시 내 일 최고기온이 가장 높은 남구의 무더위쉼터는 141개를 운영 중에 하였다.Ulsan Metropolitan City is operating about 540 heatwave shelters, and Figure 16 is a diagram showing the heat distribution map and heatwave shelter of Ulsan Metropolitan City. There were 245 heat storms in Ulju County, which has the most heat storms in administrative districts, and 141 heat storms in Nam, which has the highest temperature in Ulsan Metropolitan City.

도 17은 울산광역시 내 일 최고기온이 가장 높은 남구의 열 분포 기본지도와 무더위쉼터를 나타낸 그림이며, 그림 3.39는 남구의 행정동 별 일 최고기온과 무더위쉼터와의 관계를 나타낸 그림이다. 남구의 무더위쉼터를 가장 많이 운영하고 일 최고기온이 가장 높은 지역은 삼산동으로 17개의 무더위쉼터를 운영하였으며, 두 번째로 일 최고기온이 가장 높은 옥동은 16개의 무더위쉼터를 운영하고 있다.Figure 17 shows the basic map of heat distribution and the heat-storm shelter in the southern region, which has the highest daily maximum temperature in Ulsan Metropolitan City. Figure 3.39 shows the relationship between daily maximum temperature and heat-storm shelter in administrative district in Nam. Most of the hot spots in Namgu are operated the most. In the region where the highest temperature is highest, 17 hot spots are operated by Samsandong. Secondly, the highest temperature of day is the highest temperature, 16 hot spots are operated.

도 18(a)는 열 분포 기본지도를 이용하여 일 최고기온이 가장 높은 삼산동의 열 분포와 무더위쉼터 위치를 나타낸 그림이다. 도 18에서 볼 수 있듯이 적색으로 표현된 지역은 건물밀집지역으로 열이 집중되는 현상을 확인 할 수 있으며, 해당지역에는 무더위쉼터가 0개로 무더위쉼터가 추가 운영을 고려할 필요가 있다. FIG. 18 (a) is a diagram showing heat distribution and heat-storm shelter location of the highest temperature of the sunshine using the basic map of the heat distribution. As can be seen from FIG. 18, the area represented by red can be identified as the heat concentration in the dense area of the building, and it is necessary to consider the addition operation of heat storm shelter with 0 heat storm shelters in the corresponding area.

도 18(b)는 일 최고기온이 두 번째로 높은 옥동을 나타냈으며, 열이 상대적으로 집중되는 지역은 주거지역으로 나타나고 있으며, 적색으로 열이 집중되어있으나 무더위쉼터가 운영되지 않는 곳은 추가적인 무더위쉼터나 그늘막 설치 등 정책지원이 공간적으로 요구될 수 있음을 확인할 수 있다. In FIG. 18 (b), the highest temperature of the day was the second highest, and the area where heat was relatively concentrated appeared as a residential area. Where the heat was concentrated in red but the heat- It can be confirmed that policy support such as shelter and shade installation can be spatially required.

무더위쉼터는 주민들이 자주 이용하고 쉽게 이동할 수 있는 접근이 양호한 장소 지정을 하고 있으며, 무더위쉼터의 효율적인 운영을 위하여 지역의 조밀한 열 특성에 맞게 탄력적으로 지정하여 운영이 고려되어져야 한다고 볼 수 있다.
본원발명에서는 Landsat-8 위성영상을 이용하여 열 분포 기본지도를 제작하였는데, 열 분포 기본지도 제작은 크게 지표온도 추정 알고리즘 개발, 일 최고기온 산출 알고리즘 개발, 열 분포 기본지도 제작의 3부분으로 나뉘어 진행이 되었다In order to efficiently operate the heat-storm shelter, it is necessary to consider the operation of the heat-storm shelter in accordance with the dense heat characteristic of the area.
In the present invention, the basic map of the heat distribution was produced using the Landsat-8 satellite image. The basic map of the heat distribution is mainly divided into three parts: development of an algorithm for estimating the temperature of the ground surface, Became

삭제delete

Landsat-8 위성을 활용한 지표온도 추정은 Barsi(2005), Yu(2014), Sobrino(1996)이 제안한 3개의 알고리즘을 이용하여 지표온도 산출 후 기상청의 종관기상관측소 자료와 비교검증을 통해 정확도를 분석하였다.Surface temperature estimation using Landsat-8 satellites is performed by using three algorithms proposed by Barsi (2005), Yu (2014) and Sobrino (1996) Respectively.

본 연구에서는 지표 온도 추정에 가장 높은 정확도를 나타낸 Sobrino(1996)의 알고리즘을 사용하여 연구대상지역의 지표온도를 추정하여 일 최고기온 산출 알고리즘을 개발하였다.
이에 대해 좀 더 상세히 설명드리자면 다음과 같다.
미국 지질조사국(USGS, United States Geological Survey)에서 운영하는 Landsat-8 인공위성은 2013년 발사되어 현재까지 운영 중인 위성으로, 30m의 공간해상도와 16일의 관측주기로 지표면을 관측한다. Landsat-8은 가시광, 근적외, 단파장적외 파장대를 촬영하는 OLI(Operational Land Imager)와 열적외 파장대를 촬영하는 TIRS(Thermal InfraRed Sensor)를 탑재하고 있다. 열적외 파장대는 온도적 특성을 관측하는 파장대역으로써 10번 밴드(10.60㎛∼11.19㎛)와 11번 밴드(11.50㎛∼12.51㎛)로 구성되고, 온도에 민감한 복사적 특징을 가지고 있기 때문에 관측지역의 지표온도를 관측하는데 효과적으로 활용 될 수 있다.
TIRS로 촬영된 영상자료는 DN(Digital Number)으로 구성되어 제공된다. DN은 16비트로 부호 없는 정수의 형태로 구성되고, 영상 파일 내에는 위성영상 촬영 당시의 궤도, 촬영시각, 각도 등 관측환경이 포함된 메타데이터 파일이 제공된다.
메타데이터 파일 내 보정계수들을 이용하면 DN에서 절대온도로 변환할 수 있다.
절대온도로 변환하는 과정은 총 2가지로 1) DN을 대기 상부의 분광복사량(Top of atmospheric spectral radiance)으로 산출, 2) 대기 상부의 분광복사량을 밝기온도로 변환으로 구성된다.
일반적으로 TIRS의 DN 값들은 식 (3.1)을 통해 대기 상부의 분광복사량으로 변환이 가능하다. 식 (3.1)에 포함되는 계수들은 취득 영상 내 메타데이터 파일에서 획득할 수 있다.

---------------- (3.1)
여기서,

는 대기 상부의 분광 복사량,

은 밴드별 할당되는 변환 계수로써, 메타데이터 내에서는 ‘RADIANCE_MULT_BAND_10’을 사용,

은 밴드별 추가되는 변환 계수로써 메타데이터 내에서는 ‘RADIANCE_ADD_BAND_10’을 사용, 그리고

은 양자화되고, 보정된 디지털 숫자인 DN을 나타낸다.
변환된 대기 상부의 분광복사량은 플랑크 법칙(Planck’s law)을 통해 밝기온도(Brightness Temperature)로 변환할 수 있다. 밝기온도는 지표 방사율(혹은 복사율)을 1로 가정한 지표면의 온도를 의미한다. 식 (3.2)는 플랑크 법칙을 나타낸다.
지표 방사율이 1이라는 의미는 목표로 하는 피복이 흑체를 의미하는 것으로, 흑체란 입사하는 모든 전자기 복사를 흡수하는 이상적인 물체이다.

--------------------- (3.2)
여기서,

는 흑체에서 방출되는 복사량,

는 밝기온도,

는 파장대,

는 볼츠만(Boltzmann) 상수,

는 플랑크 상수, 그리고 c는 빛의 속도를 나타낸다. 만약

이고, 대기효과를 무시한다면, 지표면의 온도는 플랑크 복사법칙을 도치시킴으로써 식 (3.3)와 같이 정의가 가능하다.

--------------------- (3.3)
식 (3.3)에서

그리고

로 치환한다면 식 (3.4)를 획득할 수 있다.

--------------------- (3.4)
식 (3.4)에서

는 획득한 Landsat-8 영상 내 메타데이터에서
‘K1_CONSTANT_BAND_10’와 ‘K2_CONSTANT_BAND_10’로 제공한다. 식 (3.4)로 변환된 밝기온도는 위성영상에 촬영된 모든 피복들을 흑체로 가정한 절대온도 값이기 때문에 각각의 피복에 대한 보정이 필요하다. 즉, 각 토피피복별 방출율은 물의 경우 0.96, 침엽의 경우 0.971, 초지의 경우 0.986 등으로 각각 다른 특성을 나타내기 때문에 각각의 피복을 추출하고, 그에 해당되는 방출율을 적용하는 보정이 필요하다.
또한 광학인공위성은 지표면에서 방사되는 에너지를 취득하여 영상을 생성하기때문에 지표면의 방사 특성, 대기의 수증기 및 에어로졸과 같은 대기 부유물질로 인한 대기 산란, 흡수, 굴절 등으로 에너지 감쇠가 일어난다.
따라서 에너지 감쇠에 대한 보정하는 작업이 추가적으로 필요하다.
본 연구에서는 열 적외 영상에서 산출된 자료를 지표 방사율 적용과 대기 보정을 통해 지표온도로 변환하는 다양한 알고리즘 중 세 가지 알고리즘을 선정하여 적용하였다.
세 가지 알고리즘은 1) 열 적외 밴드 중 하나의 밴드를 사용하고, 영상 취득 당시의 대기 부유물질에 의한 투과량을 MODTRAN(MODerate resolution atmospheric TRANsmission)으로 모델링하여 사용하는 Barsi(2005)의 단일 채널(Single Channel) 알고리즘, 2) 두개의 열 적외 밴드를 이용하여 상호간의 다른 지표 방사율과 대기 투과량을 산출하여 지표온도를 추정하는 Yu(2014)와 Sobrino(1996)의 분리대기창(Split Window) 알고리즘을 사용하였다. 여기서, Sobrino(1996)는 영상 취득 시 두개의 각도를 이용하여 지표온도를 산출하는 알고리즘으로 Landsat-8 적용을 위해 해당 식을 변형하여 사용하였다.
2017년 폭염대책기간인 6월부터 9월까지 서울특별시, 부산광역시, 대구광역시, 인천광역시, 광주광역시, 대전광역시, 울산광역시, 세종특별자치시를 포함하는 지역의 Landsat-8 위성영상 중 30% 미만의 운량을 가진 영상들을 선별하여 3가지 지표온도 산출 알고리즘을 적용하였다. 적용된 Landsat-8 지표온도 영상들은 종관 기상관측장비(ASOS, Automated Surface Observing System)의 지표온도와 비교 및 검증하였다.
해당 비교 및 검증에서 가장 높은 정확도를 가진 알고리즘을 선정하여, 2013년부터 2016년 폭염대책기간에 촬영된 Landsat-8 위성영상들에 적용하여 해당 알고리즘의 활용성을 판단하였다.
다음은 Landsat-8 위성영상을 활용한 지표온도 추출과정에 대해 살펴보기로 한다.
Landsat-8 위성의 지표온도 추정 알고리즘 개발을 위하여 다음의 3가지 알고리즘을 이용하였다. 사용한 알고리즘은 1개의 열적외선밴드를 이용하는 Barsi(2005)의 방법, 2개의 열적외선밴드를 이용하는 Yu(2014)와 Sobrino(1996)에서 제안한 방법을 각각 사용하였다. Landsat-8 위성영상에 3개의 알고리즘을 국내환경에 맞는 입력자료를 적용하여, 산출된 지표온도 결과물을 기상청의 종관기상관측장비의 지표온도 관측값과 비교분석 하였다. 비교분석은 통계값을 토대로 수행하였고, 적용된 3가지 알고리즘 중 가장 높은 정확도를 보인 알고리즘을 선별하여 2013년부터 2016년까지 촬영된 위성영상에 적용하여 종관기상관측장비 지표온도와 비교검증을 수행하였다.
알고리즘 개발에 사용된 연구대상지역은 한국의 주요 8개 도시(서울특별시, 부산광역시, 대구광역시, 대전광역시, 울산광역시, 인천광역시, 광주광역시, 세종특별자치시)가 포함된 총 5개의 Landsat-8 WRS(Worldwide Reference System)-2를 사용하였다. WRS-2는 Landsat-8 위성영상의 카탈로그화를 위한 표기법이다.
본 연구에서 열적외 밴드 관측자료는 광역적인 영역의 동일한 값을 나타낼 수 있는 Landsat-8 위성의 열적외선 센서인 TIRS의 관측값을 사용하였다. 표 3.1은 Landsat-8의 열적외센서 정보를 보여주고 있다.

연구대상지역의 지표온도 추정을 위해 사용된 알고리즘 중 2개의 분리대기창 알고리즘에서 사용되는 대기 투과량의 산출을 위해서는 영상 취득 시기의 가강수량 값의 사용이 필요하다. 가강수량은 AERONET(AErosol RObotic NETwork)에서 제공하지만, AERONET의 특성상 전국의 가강수량 관측 지점과 주기적인 특성이 없는 단점이 있다. 따라서, 본 연구에서는 전국 종관기상관측소에서 관측되는 증기압을 식(3.5)를 통해 가강수량을 산출하였다. 식 (3.5)는 Okulov(2002)가 제안한 방법이다.

-------------- (3.5)
여기서 W는 가강수량(cm), 그리고

는 증기압을 의미한다.
식 (3.5)에서 산출된 가강수량 값이 본 연구에 적용 가능 여부를 파악하기 위해 AERONET에서 제공하는 가강수량과 비교 및 검증하였다. 2013년부터 2017년까지 AERONET 관측지점 부근의 종관기상관측장비의 증기압으로 산출된 가강수량과 비교한 결과, 약 0.9의 상관계수를 보여 연구에 충분히 사용될 정확도를 보여주고 있음이 판단된다.
먼저, 지표온도 산출 알고리즘 중에서도 단일 채널 알로리즘인 Barsi(2005)알고리즘에 대해 살펴보기로 한다.
복사전달방정식(Radiative Transfer Equation)을 이용하면 대기 투과량(Atmospheric Transmittance), 상향(Upwelling) 또는 하향(Downwelling) 경로 복사량(Path Radiance) 값을 산출할 수 있다. 따라서 이 값을 산출하면, 대기 상부의(Top of Atmospheric) 복사량(Radiance)을 지표면에서의 복사량으로 변환시킬 수 있다. 변환식은 식 (3.6)이다(Barsi, 2005).

--------------------- (3.6)

는 대기의 하향 경로 복사도(downwelling path radiance)를 의미한다. 여기서 대기 투과량과 방출률은 단위가 없다.
식 (3.6)에 사용되는 대기 투과량, 방출율, 대기의 상향 및 하향 경로 복사도는 다음의 웹사이트에서 획득할 수 있다(https://atmcorr.gsfc.nasa.gov/).
도 4는 해당 웹사이트의 입력과 출력 화면을 나타낸다. 지표면에서 취득되는 복사휘도로 산출 후 식 (3.6)를 이용하여 지표 온도를 산출하였다.
다음은 또 다른 지표온도 산출 알고리즘인 Yu(2014)의 개선된 분리 대기창 알고리즘에 대해 살펴보기로 한다.
Yu(2014)은 Mao(2005)의 열적외 밴드의 복사전달방정식을 기반으로 분리 대기창 알고리즘을 제작하였다. Mao(2005)의 복사전달방정식은 식 (3.7)이다.

Yu(2014)는 Landsat-8의 TIRS 두개의 밴드를 이용한 지표온도 산출식을 식 (3.12)와 같이 제안하였고, 본 연구에서는 다음의 식 (3.12)을 이용하여 지표온도를 산출하였다.

다음은 또 다른 지표온도 산출 알고리즘인 Sobrino(1996)의 분리 대기창 알고리즘에 대해 살펴보기로 한다.

Sobrino(1996)의 분리 대기창 알고리즘은 다중 각도를 가진 인공위성을 타겟으로 되어 제작했기에 53°에서의 대기 투과율이 식에 추가된다. 하지만 Landsat 시리즈 영상들은 영상 촬영 위치가 직교방향이기에 본 연구에서는 기존 Sobrino(1996)가 제안한 방정식에서 53°의 대구투과율을 제외하고 후 지표온도를 산출하는 방법을 적용하였다.

일 최고기온 산출 알고리즘은 지표온도, SRTM DEM, 정규식생지수, 정규수분지수, 정규시가화지수를 입력변수로하는 단계별 회귀방정식을 이용하였다 도출된 회귀방정식을 이용하여 산출된 일 최고기온 결과값은 기상청 자동기상관측장비 관측값과 비교 검증을 수행하였으며, 평균제곱근오차 2.36℃로 개발된 알고리즘 중 정확도가 가장 높은 알고리즘을 선정하여 열 분포 기본지도를 구축하였다.
이에 대해 좀 더 상세히 설명드리자면 다음과 같다.
Landsat-8 위성영상의 일 최고기온 추정은 통계적 유의도가 낮은 독립변수를
제외하고 다중선형회귀 방정식의 계수를 산출하는 단계적(Step-wise) 회귀분석으로 수행하였다. 즉, Landsat-8 위성영상이 촬영된 시기의 자동기상관측장비 일 최고기온 자료를 종속변수(y)로 하고, 앞서 대기와 지표면 방사율을 보정한 Landsat-8 지표 온도, SRTM(Shuttle Radar Topography Mission) DEM, 정규 식생지수, 정규수분지수, 그리고 정규 시가화지수를 독립변수(x)로 지정하였다. 단계적 회귀분석을 통해 여러 개의 독립변수 중에서 일 최고온도 추정 시 큰 의미를 주지 못하는 독립변수들을 제거하고 변수의 계수와 상수를 도출하여 새로운 일 최고기온 추정 알고리즘을 개발하였다.
회귀방정식 제작에는 총 3가지 방법으로 구분하여 진행하였다. 방법 #1은 115-035 지역에서 촬영된 위성영상으로 다른 모든지역을 대표하는 회귀방정식을 도출하여 다른 연구지역(114-035, 114-036, 115-035, 115-036)에 적용하였다. 115-035 지역은 타 지역으로 산출한 회귀방정식에 비해 높은 결정계수를 가지고 있기 때문에 본 연구에서는 해당 회귀방정식을 다른 지역에 적용시키는 방법을 시험하였다. 방법 #2는 5개의 연구지역 별 회귀 방정식을 각각 제작하여 적용하는 방법으로 총 5가지 회귀방정식이 제작된다.
마지막으로 방법 #3은 5개의 지역에서 촬영된 영상들을 모두 이용하여 회귀방정식을 제작하는 방법으로 하였다. 제작된 방정식은 2017년에 촬영된 위성영상에 적용하여 자동기상관측장비(AWS, Automatic Weather Station)의 일 최고기온과 비교 및 분석을 하였다.
일 최고기온 추정 회귀방정식 제작에 사용되는 입력 자료는 총 6가지로써, 자동기상 관측장비의 일 최고기온, Landsat-8 지표온도, SRTM DEM, 정규식생지수, 정규수분지수, 그리고 정규시가화지수이다. 자동기상관측장비의 일 최고기온 자료는 좌표를 추가하여 벡터자료로 제작하였고, 다른 입력 자료들은 래스터자료들이다.
1) 자동기상관측장비(AWS: Automatic Weather Station)
기상청(KMA, Korea Meterological Administration)은 고층, 해양, 항공 등
분류별 기상 관측을 수행하고 있다. 이 중에서 지상관측은 총 585개 지점에서 관측망을 운영 중이고, 이 중 94개는 종관기상관측장비, 그리고 477개는 자동기상관측장비이다. 이 외에도 고층기상장비는 5개 라디오존데와 오토존데 1개, 통합고층 기상관측망 9개에서 윈드프로파일러 및 라디오미터를 운영하고 있다. 해양은 총 17개 지점의 해양기상부이, 48개 지점의 파고부이, 6개 지점의 파랑계, 9개 지점의 등표, 18개 지점의 연안방재관측장비, 10개 지점의 선박기상관측장비와 1척의 해양기상관측선을 운영하고 있다. 또한 10개의 기상레이더 관측소, 21개의 낙뢰관측, 13개의 항공관측, 127개의 지진관측 업무를 수행하고 있다.
본 연구에서는 기상자료개방포털(https://data.kma.go.kr/)에서 제공하는 자료를 이용하였다. 기상자료개방포털은 기상 자료를 한 곳에서 제공받을 수 있게 서비스하는 웹사이트로 2015년 8월 26일부터 운영되었다. 기상자료개방포털에서 데이터 → 방재기상관측 → 자료조회에서 Landsat-8 위성영상 취득 일자와 동일한 시기를 선택하고, 대한민국의 전 지점을 선택하였다. 자료형태를 ‘일 자료’로 선택했을 때 기상자료개방포털에서 제공하는 요소는 ‘최고기온 시각’, ‘최고기온’, ‘최저기온 시각’, ‘최저기온’, ‘평균기온’, ‘일강수량’, ‘최대 순간 풍속 풍향’, ‘평균 풍속’, ‘최대 순간 풍속’을 제공한다. 본 연구는 해당 목록 중에서 최고기온을 사용하였다. 일 최고기온은 ‘csv’ 형태로 제공되고, 본 연구에서는 제공되는 일 최고기온에 각 관측지역별 경위도 좌표를 추가해 ‘shp’형태로 변환하였다.

2) SRTM DEM
SRTM은 두 개의 레이더 안테나와 단일 Pass가 장착된 스페이스 셔틀 Endeavour호가 C-밴드와 X-밴드를 이용하여 2000년 2월 11일부터 22일까지 촬영하여 제작한 수치표고모델이다. Endeavour호는 전 세계의 80%(북위 60°와 남위 56° 사이)의 데이터를 InSAR(Interferometric Synthetic Aperture Radar) 방법을 통해 수치표고모델을 제작하였다. 자료의 공간해상도는 처음 미국 지역 내에서만 1 arc-second(약 30m)이고, 전 세계적으로는 3 arc-second(약 90m)를 제공하다가 2014년 말 이후 현재는 전 세계 1 arc-second 파일을 제공하고 있다. SRTM은 16m 미만의 절대 수직 높이 정확도를 제공한다.
SRTM DEM은 National Map Seamless Data Distribution System 또는 USGS FTP 사이트에서 다운로드 받을 수 있다. 해당 사이트에서 제공하는 SRTM 자료 타입은 총 3가지로써 SRTM Non-Void Filled, SRTM Void Filled, SRTM 1 Arc-Second Global이 있다. SRTM Non-Void Filled와 SRTM Void Filled는 3 arc-second의 자료로써 약 90m의 공간해상도이고, SRTM 1 Arc-Second Global은 1 arc-second 자료로써 약 30m의 공간해상도로 제공된다.
NASA/USGS가 배포하고 있는 SRTM 자료에는 물 또는 짙은 그림자 지역으로 인해 측정되지 않은 픽셀값들이 존재한다. 프로덕트 타입 중 Void Filled는 측정되지 않은 픽셀값들을 추가하여 제작된 자료이다.

3) 정규식생지수(NDVI, Normalized Diffrence Vegetation Index)
식물은 가시광선 중 적색영역에서는 빛에 의한 반사도가 낮고, 근적외 영역에서는 약 50%에 가까운 높은 반사율을 나타낸다. 정규식생지수(Normalized Difference Vegetation Index)는 이런 반사율 차이를 이용하여 식생의 상태를 파악할 수 있는 지수이다(Owen, 1998; 이미희, 2017). 일반적으로 정규식생지수는 -1부터 1까지 범위를 가지며, 수분을 동반하는 피복(구름, 눈, 물 등)에서는 음수 값을 나타낸다. 식생이 없는 경우에는 암석, 마른 토양과 같은 피복에서는 0에 가까운 값을 나타내고, 0.2에서 0.4까지는 관목이나 초원을 나타낸다. 그리고 1에 가까울수록 식생이 우거져 있다는 의미이고, 일반적으로 0.1에서 0.6사이의 값을 갖는다. 정규식생지수는 식 (3.24)와 같이 구할 수 있다.

정규식생지수를 이용한 수종분류와 같은 세밀한 작업을 위해서는 위성영상의 화소값 혹은 복사휘도를 대기보정 작업을 통해 지표 반사도로 변환이 필요하다.

4) 정규수분지수(NDWI, Normalized Difference Water Index)
정규수분지수는 인공위성으로 취득할 수 있는 두 개의 파장대를 이용하여 식생에 포함되는 수분 함유량을 파악하는 지수이다. Gao(1996)가 제안한 정규수분지수는 약 0.86 ㎛의 근적외 파장대와 1.24㎛의?단파장적외 파장대로 구성된다.
단파장적외의 반사율은 식생의 수분함량의 변화를 반영하고, 근적외의 반사율은 수분함량이 아닌 식생의 내부 구조와 건조한 상태에 의해 영향을 받는다.
정규수분지수는 식 (3.25)이다. 정규수분지수의 범위는 -1부터 1까지이며, -1에서 0까지는 식물이나 수분이 없음을 의미하고, +1에 가까울수록 수분 함량이 높다는 의미이다.

5) 정규시가화지수(NDBI, Normalized Difference Built Index)
정규시가화지수는 도시화된 정도를 파악하는 지수이다. 즉, 특정 픽셀 안에 콘크리트로 구성된 구조물들이 포함되는 정도를 의미한다. 정규시가화지수는 식 (3.26)이다. 식 (3.26)의 적용 시, 결과값의 범위는 -1부터 1까지이며, 1에 가까u울수록 불투수층의 비율이 높은 지역을 의미한다.

일 최고기온 추정 회귀방정식 제작은 1) 단계적 회귀분석을 이용한 필요한 독립변수 선정, 2) 입력 자료의 차이를 통해 최적의 회귀방정식 도출로 진행하였다. 먼저 독립변수 후보로 선정된 입력 자료는 대기와 지표 방사율이 고려된 Landsat-8 지표온도 영상, SRTM DEM, 정규식생지수, 정규수분지수, 정규시가화지수로 선정하였다.
먼저 단계적 회귀분석을 통한 독립변수 선정이다. 앞서 언급된 것과 같이 단계적 회귀분석은 통계적 유의도가 낮은 독립변수를 제외한 후 회귀방정식을 얻는 방법이다. 즉, 본 연구에서 사용한 Landsat-8 지표온도 영상, SRTM DEM, 정규식생지수, 정규수분지수, 정규시가화지수 중에서 설명력이 높고, 통계적 유의도가 가장 높은 변수를 이용하여 단계적으로 투입 후, 회귀계수의 유의수준에 따라 판단된다.
일반적인 유의수준은 0.05로, 귀무가설이 사실일 때 귀무가설을 기각할 오류의 최대 허용범위가 5%란 의미이다. 본 연구에서는 5%이상인 변수들은 제거하였다. 표 3.6은 본 연구에서 산출된 각 변수별 P-값과 T확률이다.

표 3.6에서 유의수준(5%)를 넘는 변수는 SRTM DEM과 정규식생지수이다. 해당변수들은 0.29과 1.95로 타 변수에 비해 낮은 T확률을 보였다. 따라서 본 연구에서는 Landsat-8 지표온도, 정규수분지수, 그리고 정규시가화지수를 이용해 회귀방정식을 제작하였다.
선정된 변수들을 이용하여 앞서 언급한 방법별(#1, #2, #3)로 회귀방정식을 제작하였다. 회귀방정식에 사용된 지표온도 영상들은 Landsat-8 인공위성의 발사시기인 2013년부터 2016년까지 촬영된 영상으로 사용하였다. 표 3.7은 Landsat-8 의 WRS-2 기반 위성영상 위치 별 회귀분석 시 제작되는 방정식과 결정계수를 나타내었다. 본 연구에서는 아래 3가지의 방법을 이용하여 일 최고기온 산출 알고리즘을 개발하였다
방법 #1은 검증지점(AWS)을 가장 많이 보유하고 있는 115-035 지역을 1개의 대표영상으로 선정하여 1개의 방정식을 도출하고 다른 4개의 영상에 적용하여 일 최고기온을 산출하였다.
방법 #2는 5개의 위성영상별로 각각 5개의 방정식을 도출하여 영상별로 방정식을 적용하여 일 최고기온을 산출하였다.
방법 #3은 5개의 위성영상에서 나온 모든 값들을 입력변수로 하여 통합적인 하나의 방정식을 도출하여 남한에 대한 일 최고기온을 산출하였다. 표 3.7은 대상지역별로 도출된 방정식을 나타낸다.

본 연구에서 제안한 3개의 일 최고기온 추정 알고리즘 검증을 위해 2017년 6월부터 9월까지 촬영된 Landsat-8 위성영상을 이용하였다. 2017년에 촬영된 Landsat-8 위성영상은 앞서 언급한 알고리즘을 이용하여 일 최고기온으로 변환하였고, 자동기상관측소의 일 최고기온 자료와 비교 및 검증하였다. 검증방법으로는 본 연구에서 개발한 알고리즘의 결과 값과 자동기상관측소의 일 최고기온 관측 값을 비교하여 평균제곱근오차를 이용해 정확도를 판단하였다.
도 5는 검증에 사용된 자동기상관측장비 자료와 검증결과를 나타낸 것이며, 표 3.8은 검증에 사용된 자동기상관측장비 자료이다.
Landsat-8 기반의 일 최고기온을 검증하기 위한 자동기상관측장비 지점은 기상청에서 제공하는 약 460여개 지점의 자료를 활용하였으며, 위성영상 촬영 당일의 자동기상관측장비의 일 최고기온을 산출하여 검증자료로 사용하였다.

표 3.8은 자동기상관측장비의 일 최고기온과 개발된 3개의 일 최고기온 추정 알고리즘별 비교를 통한 검증결과를 나타내었다.
각 개발된 3개의 알고리즘을 2017년 촬영된 Landsat-8 위성영상에 적용한 결과는 표 3.8와 같다. 2017년 촬영된 영상은 3.2절의 지표온도를 추정할 때 사용된 영상과 동일한 영상들을 이용하였다. 표 3.8의 평균제곱근오차(RMSE)를 전체 평균해본 결과 방법 #1은 2.44℃, 방법 #2는 2.47℃, 방법 #3은 2.36℃을 보였다.
본 연구에서 개발한 3개의 알고리즘을 이용한 평균제곱오차는 2.36∼2.47℃의 범위를 가지며 알고리즘 별 차이는 0.1℃ 내외의 근소한 차이를 보여주고 있다.
그 중에서 5개의 영상을 하나의 입력변수로 하는 방법 #3이 2.36℃로 가장 적은 오차를 가지는 정확도를 보여주고 있다.
본 연구에서는 제안한 3가지 방법 중 가장 좋은 정확도를 나타낸 방법 #3을 적용하여 열 분포 기본지도 제작을 수행하였다.

한편, Landsat-8 위성영상의 지표온도와 환경변수들을 이용하여 위성영상 촬영당시 일 최고기온 추정 알고리즘을 개발하였다. 앞에서 설명한 일 최고기온 추정 알고리즘을 이용하여 우리나라의 열 분포 기본지도 제작을 수행하였다.
In this study, Sobrino (1996) algorithm, which has the highest accuracy in estimating the surface temperature, was used to estimate the surface temperature of the study area and developed a daily maximum temperature calculation algorithm.
Here is a more detailed explanation.
The Landsat-8 satellite operated by the United States Geological Survey (USGS) is a satellite launched to 2013 that has been in operation so far and observes the ground surface with a spatial resolution of 30m and an observation period of 16 days. Landsat-8 is equipped with OLI (Operational Land Imager) for shooting visible light, near-infrared, and short-wavelength infrared wavelengths, and TIRS (Thermal InfraRed Sensor) for shooting infrared wavelengths. The thermal outside wavelength band is a wavelength band that observes the temperature characteristic. It is composed of the 10th band (10.60 ㎛ to 11.19 ㎛) and the 11th band (11.50 ㎛ to 12.51 ㎛) and has temperature- Can be effectively used to observe the surface temperature of the ground.
Image data shot by TIRS is provided in DN (Digital Number). The DN is composed of 16 bits in the form of an unsigned integer. In the image file, a meta data file including an observation environment such as a trajectory, a photographing time, and an angle at the time of shooting the satellite image is provided.
Using the correction coefficients in the metadata file, you can convert from DN to absolute temperature.
1) DN is calculated as the top of atmospheric spectral radiance, and 2) the amount of spectral radiation at the top of the atmosphere is converted to the brightness temperature.
In general, the DN values of TIRS can be converted to the spectral radiance above the atmosphere through equation (3.1). The coefficients included in Eq. (3.1) can be obtained from the metadata file in the acquired image.

---------------- (3.1)
here,

The amount of spectral radiation at the upper part of the atmosphere,

Is a conversion coefficient allocated to each band, and uses 'RADIANCE_MULT_BAND_10' in the metadata,

Is the additional conversion factor for each band, using 'RADIANCE_ADD_BAND_10' in the metadata, and

Represents a digitized digital number, which is quantized and corrected.
The amount of spectral radiation above the converted atmosphere can be converted to the Brightness Temperature through Planck's law. The brightness temperature means the temperature of the surface of the earth assuming that the surface emissivity (or emissivity) is 1. Equation (3.2) represents Planck's law.
An indicator emissivity of 1 means that the target coating means a blackbody, which is an ideal object to absorb all incident radiation.

--------------------- (3.2)
here,

The amount of radiation emitted from the black body,

The brightness temperature,

The wavelength band,

Is a Boltzmann constant,

Is the Planck constant, and c is the speed of light. if

, And ignoring the atmospheric effect, the surface temperature can be defined as (3.3) by taking the Planckian law.

--------------------- (3.3)
In equation (3.3)

And

(3.4) can be obtained.

--------------------- (3.4)
In equation (3.4)

In the acquired Landsat-8 image metadata
Provided as 'K1_CONSTANT_BAND_10' and 'K2_CONSTANT_BAND_10'. The brightness temperature converted to Equation (3.4) is an absolute temperature value assuming that all coatings taken on the satellite image are black bodies, so correction for each coating is required. In other words, the emis- sion rate for each topical covering is 0.96 for water, 0.971 for softwood, and 0.986 for grassland. Therefore, it is necessary to extract each coating and apply the corresponding emissivity.
In addition, since optical satellites acquire energy radiated from the ground surface to generate images, energy attenuation occurs due to atmospheric scattering, absorption, and refraction due to the radiation characteristics of the surface of the earth, atmospheric water vapor, and atmospheric suspended substances such as aerosols.
Therefore, it is necessary to further correct the energy attenuation.
In this study, three algorithms were selected and applied to the data obtained from thermal infrared images, which are converted to surface temperature through application of surface emissivity and atmospheric correction.
The three algorithms are: 1) a single channel of Barsi (2005), which uses one band of thermal infrared bands and models the permeation amount of airborne matter at the time of image acquisition as MODTRAN (MODERATE resolution atmospheric TRANsmission) ) Algorithm and 2) Split Window algorithm of Yu (2014) and Sobrino (1996) that estimate the surface temperature by calculating the other surface emissivity and atmospheric permeability using two thermal infrared bands. Sobrino (1996) used an algorithm to calculate the surface temperature using two angles during image acquisition, and modified the corresponding equation to apply Landsat-8.
Less than 30% of Landsat-8 satellite images including Seoul, Busan, Daegu, Incheon, Gwangju, Daejeon, Ulsan and Sejong Special Self-Governing Regions from June to September 2017 The images with cloudiness are selected and three surface temperature calculation algorithms are applied. The applied Landsat-8 surface temperature images were compared and verified with the surface temperature of the ASOS (Automated Surface Observing System).
We selected the algorithm with the highest accuracy in the comparison and verification and applied it to the Landsat-8 satellite images photographed during the period from 2013 to 2016 to determine the feasibility of the algorithm.
The following is an overview of the surface temperature extraction process using Landsat-8 satellite imagery.
The following three algorithms were used to develop the surface temperature estimation algorithm for Landsat-8 satellites. We used Barsi (2005) method using one thermal infrared band and Yu (2014) and Sobrino (1996) using two thermal infrared bands, respectively. We applied three algorithms to the Landsat-8 satellite imagery and applied the input data to the domestic environment. The calculated surface temperature results were compared with the surface temperature observations of the meteorological observations of Meteorological Agency. The comparative analysis was performed based on the statistical values and the algorithm with the highest accuracy among the three applied algorithms was selected and applied to the satellite images taken from 2013 to 2016 to compare with the surface temperature of the synoptic observation equipment.
The research areas used in the algorithm development were five Landsat-2 maps including 8 major cities in Korea (Seoul, Busan, Daegu, Daejeon, Ulsan, Incheon, Gwangju, 8 WRS (Worldwide Reference System) -2. WRS-2 is a notation for cataloging Landsat-8 satellite images.
In this study, thermal outside band observation data were used to observe the TIRS, a thermal infrared sensor of Landsat-8 satellite, which can represent the same value in a wide area. Table 3.1 shows the extrinsic sensor information of Landsat-8.

Among the algorithms used to estimate the surface temperature of the study area, the use of precipitation values at the time of acquisition of the image is required to calculate the atmospheric permeation amount used in the two separation window arithmetic algorithms. Although AERONET (AEROSOL RObotic NETwork) provides precipitation, due to the nature of AERONET, there is a disadvantage that there are no rainfall observation points and periodic characteristics throughout the country. Therefore, in this study, the vapor pressure observed at the national meteorological observatories was calculated through equation (3.5). Equation (3.5) is proposed by Okulov (2002).

-------------- (3.5)
Where W is precipitation (cm), and

Means the vapor pressure.
We compare and verify the rainfall data obtained from AERONET to find out whether the rainfall value calculated in Eq. (3.5) is applicable to this study. As a result of comparing the rainfall calculated from the vapor pressure of the meteorological observation equipment near the AERONET observation point from 2013 to 2017, the correlation coefficient is about 0.9, indicating the accuracy to be used sufficiently for the study.
First, the algorithm of Barsi (2005), which is a single channel algorithm among the surface temperature calculation algorithms, will be described.
Using the Radiative Transfer Equation, the Atmospheric Transmittance, Upwelling or Downwelling Path Radiance values can be calculated. Thus, by calculating this value, the Radiance of the top of the atmosphere can be converted to the amount of radiation on the surface. The conversion equation is Eq. (3.6) (Barsi, 2005).

--------------------- (3.6)

Means the downwelling path radiance of the atmosphere. Here, the atmospheric permeation rate and the release rate have no unit.
The atmospheric permeation flux, emission rate, and upward and downward fluxes of the atmosphere used in equation (3.6) can be obtained from the following website (https://atmcorr.gsfc.nasa.gov/).
4 shows an input and output screen of the corresponding website. The surface temperature was calculated using equation (3.6) after calculating the radiance obtained from the ground surface.
Next, we will look at an improved segregation window algorithm of Yu (2014), another surface temperature calculation algorithm.
Yu (2014) developed a segregation window algorithm based on the radiative transfer equation of the thermal outer band of Mao (2005). The radiative transfer equation of Mao (2005) is Eq. (3.7).

Yu (2014) proposed a surface temperature calculation formula using Landsat-8 TIRS bands as shown in Eq. (3.12). In this study, the surface temperature was calculated using the following equation (3.12).

Next, we will look at the algorithm of Sobrino (1996), which is another surface temperature calculation algorithm.

Sobrino (1996) has developed a seismic window algorithm that targets satellites with multiple angles, so the atmospheric transmission at 53 ° is added to the equation. However, since the images of Landsat series images are orthogonal to each other, in this study, we applied the method of calculating the posterior surface temperature except the 53 ° cod transmittance in the equation proposed by Sobrino (1996).

The daily maximum temperature calculation algorithm was a stepwise regression equation using surface temperature, SRTM DEM, normal vegetation index, regular moisture index, and normalized cigarette index as input variables. The daily maximum temperature results calculated using the derived regression equation We conducted a comparative analysis with the observations of automatic meteorological equipment of the Korea Meteorological Administration and selected the algorithm with the highest square root mean square error of 2.36 ℃.
Here is a more detailed explanation.
The daily maximum temperature estimation of Landsat-8 satellite images is an independent variable with low statistical significance
Step-wise regression analysis to calculate the coefficients of the polynomial regression equation. In this study, we used Landsat-8 surface temperature, SRTM (Shuttle Radar Topography Mission), which corrected the atmospheric and surface emissivity, DEM, normal vegetation index, normal moisture index, and normalized cigarette exponent were specified as independent variables (x). Through the stepwise regression analysis, a new day maximum temperature estimation algorithm was developed by removing the independent variables that have no significant meaning in estimating the daily maximum temperature among several independent variables and deriving the coefficients and constants of the variables.
The regression equations were divided into three methods. Method # 1 was applied to other research areas (114-035, 114-036, 115-035, and 115-036) by deriving regression equations representing all other regions from satellite images taken from 115-035 area. Because the 115-035 region has a higher coefficient of determination than the regression equation calculated in other regions, this study tested the method of applying the regression equation to other regions. In method # 2, five regression equations are constructed by applying five regression equations.
Finally, Method # 3 was used to generate regression equations using all the images taken in five regions. The calculated equations were applied to satellite images taken in 2017 and analyzed and compared with daily maximum temperature of automatic weather station (AWS).
The input data used in the daily maximum temperature estimation regression equation are 6 types, which are the daily maximum temperature, Landsat-8 surface temperature, SRTM DEM, normal vegetation index, normal moisture index, and regular cigarette index of automatic weather observation equipment . The daily maximum temperature data of the automatic weather observation equipment is made of vector data by adding coordinates, and other input data are raster data.
1) Automatic Weather Station (AWS)
The Korea Meterological Administration (KMA) is a high-rise, marine,
Classification of meteorological observations is carried out. Of these, there are 585 observation stations operating on the ground, of which 94 are synoptic observations and 477 are automatic meteorological observations. In addition, the high-rise meteorological equipment operates a wind profiler and radio meter in five radio-zones and one auto-zone and nine integrated high-altitude weather stations. The ocean has 17 marine meteorological buoys, 48 pagoda buoys, 6 blue stars, 9 base stations, 18 coastal disaster monitoring instruments, 10 marine weather observation equipment and 1 Chuck has a marine weather observatory. It also has 10 weather radar observatories, 21 lightning observations, 13 aerial observations, and 127 seismic observations.
In this study, data provided from the weather data release portal (https://data.kma.go.kr/) was used. The weather data release portal is a website that provides weather information in one place and operated from August 26, 2015. We selected the same time as the date of acquisition of Landsat-8 satellite image and selected all branches of the Republic of Korea in Data → Disaster Meteorological Observation → Data Search in weather data release portal. When the data format is selected as 'day data', the factors provided by the weather data release portal are 'Highest Temperature', 'Highest Temperature', 'Lowest Temperature', 'Lowest Temperature', 'Average Temperature'',' Maximum instantaneous wind speed direction ',' average wind speed ',' maximum instantaneous wind speed '. This study used the highest temperature in the list. The daily maximum temperature is provided in the form of 'csv', and in this study, the longitude and latitude coordinates for each observation region are added to the daily maximum temperature to be converted into 'shp' form.

2) SRTM DEM
The SRTM is a numerical elevation model of the Space Shuttle Endeavor with two radar antennas and a single pass taken from February 11 to 22, 2000 using C-band and X-band. The Endeavor produced a digital elevation model using InSAR (Interferometric Synthetic Aperture Radar) method for data from 80% of the world (between 60 ° N and 56 ° N). The spatial resolution of the data is 1 arc-second (about 30 meters) only in the first US region, and 3 arc-seconds (around 90 meters) worldwide, . SRTM provides absolute vertical height accuracy of less than 16 meters.
The SRTM DEM can be downloaded from the National Map Seamless Data Distribution System or the USGS FTP site. There are three types of SRTM data types provided by the site: SRTM Non-Void Filled, SRTM Void Filled, and SRTM 1 Arc-Second Global. SRTM Non-Void Filled and SRTM Void Filled is a spatial resolution of approximately 90 m as 3 arc-second data, and SRTM 1 Arc-Second Global is provided as 1 arc-second data with a spatial resolution of approximately 30 m.
The SRTM data distributed by NASA / USGS contains pixel values that are not measured due to water or dark shaded areas. Among the product types, Void Filled is data made by adding unmeasured pixel values.

3) Normalized Diffrence Vegetation Index (NDVI)
Plants exhibit low reflectance in the red region of visible light and high reflectance in the near infrared region, which is close to 50%. Normalized Difference Vegetation Index is an index that can grasp the vegetation state using this difference in reflectivity (Owen, 1998, Lee, 2017). In general, the normal vegetation index ranges from -1 to 1, and negative values are expressed in the case of moisture-bearing coatings (clouds, snow, water, etc.). When there is no vegetation, the value is close to 0 for rocks such as rocks and dry soil, and between 0.2 and 0.4 for shrubs and grasslands. The closer to 1, the larger the vegetation is, and generally between 0.1 and 0.6. Regular vegetation index can be obtained as in (3.24).

For detailed work such as species classification using normal vegetation index, it is necessary to convert the pixel value of the satellite image or the radiance to the surface reflectance through atmospheric correction.

4) Normalized Difference Water Index (NDWI)
Regular moisture index is an index that grasps the water content of vegetation using two wavelength bands that can be acquired by satellite. The regular moisture index proposed by Gao (1996) consists of a near infrared wavelength band of about 0.86 μm and a short wavelength infrared band of 1.24 μm.
Reflectivity outside the short wavelength reflects changes in the water content of the vegetation, and the reflectance outside of it is affected by the internal structure and dry state of the vegetation, not by the water content.
The normal moisture index is (3.25). The normal moisture index ranges from -1 to 1, from -1 to 0 means no plant or water, and closer to +1 means higher water content.

5) Normalized Difference Built Index (NDBI)
The normalized urbanization index is an index that grasps the degree of urbanization. In other words, it means the degree to which concrete structures composed of concrete are included in a specific pixel. The normalized covariance index is (3.26). When applying Equation (3.26), the range of the result is from -1 to 1, and the closer to 1, the higher the ratio of impervious layer.

The daily maximum temperature estimation regression equation was constructed by 1) selecting the necessary independent variables using stepwise regression analysis, and 2) calculating the optimal regression equation through the difference of input data. First, input data selected as independent variable candidates were selected as Landsat-8 surface temperature image, SRTM DEM, normal vegetation index, regular moisture index, and normalized scaling index considering atmospheric and surface emissivity.
First, independent variables are selected through stepwise regression analysis. As mentioned earlier, stepwise regression analysis is a method of obtaining regression equations after excluding independent variables with low statistical significance. In other words, using Landsat-8 surface temperature image, SRTM DEM, normal vegetation index, regular moisture index, and normalized indexing index, which were used in this study, Of the total.
The general significance level is 0.05, which means that the maximum allowable error of rejecting the null hypothesis is 5% when the null hypothesis is true. In this study, the variables above 5% were removed. Table 3.6 shows the P-value and T-probability for each variable calculated in this study.

The variables above the significance level (5%) in Table 3.6 are SRTM DEM and normal vegetation index. The variables were 0.29 and 1.95, respectively. Therefore, in this study, regression equations were constructed using Landsat-8 surface temperature, normal moisture index, and normalized scaling index.
The regression equations were constructed using the above-mentioned methods (# 1, # 2, # 3) using the selected variables. The surface temperature images used in the regression equation were taken from 2013 to 2016, which is the launching time of Landsat-8 satellite. Table 3.7 shows the equations and decision coefficients produced by regression analysis of Landsat-8 based on WRS-2 based satellite images. In this study, we developed a daily maximum temperature calculation algorithm using the following three methods
In method # 1, one representative image was selected as the 115-035 area with the largest number of verification points (AWS), and one equation was derived and applied to the other four images to calculate the maximum daily temperature.
In method # 2, five equations were derived for each of five satellite images, and the maximum daily temperature was calculated by applying equations for each image.
Method # 3 computed the daily maximum temperature for South Korea by deriving an integrated equation using all the values from the five satellite images as input variables. Table 3.7 shows the equations derived for the target regions.

We used the Landsat-8 satellite images taken from June to September 2017 to verify the proposed three day maximum temperature estimation algorithms. Landsat-8 satellite imagery photographed in 2017 was converted to daily maximum temperature using the algorithm described above, and compared with the daily maximum temperature data of the automatic weather station. As a verification method, the result of the algorithm developed in this study was compared with the daily maximum temperature observations of the automatic weather station, and the accuracy was evaluated using the mean square root error.
Figure 5 shows the automatic meteorological equipment data and verification results used for the verification, and Table 3.8 is the automatic meteorological equipment data used for the verification.
In order to verify the daily maximum temperature of the Landsat-8, the automatic weather observation equipment branch used data from about 460 branches provided by the Korea Meteorological Administration and calculated the daily maximum temperature of the automatic weather observation equipment Respectively.

Table 3.8 shows the results of the verification by comparing the daily maximum temperature of the automatic weather observation equipment and the developed three day maximum temperature estimation algorithms.
Table 3 shows the results of applying each of the three developed algorithms to Landsat-8 satellite images photographed in 2017. The images taken in 2017 are the same as those used in estimating the surface temperature in Section 3.2. The mean square root mean square error (RMSE) of Table 3.8 was 2.44 ℃ for Method # 1, 2.47 ℃ for Method # 2 and 2.36 ℃ for Method # 3.
The mean squared error using the three algorithms developed in this study is in the range of 2.36 ~ 2.47 ℃ and the difference by algorithm shows a slight difference of around 0.1 ℃.
The method # 3 in which 5 images are used as one input variable shows the accuracy with the smallest error to 2.36 ° C.
In this study, we performed the basic map of heat distribution by applying method # 3 which showed the best accuracy among the three methods proposed.

On the other hand, the daily maximum temperature estimation algorithm at the time of satellite imaging was developed using the surface temperature and environmental parameters of Landsat-8 satellite image. Using the daily maximum temperature estimation algorithm described above, we made the basic map of heat distribution in Korea.

상기 일 최고기온 산출 알고리즘을 이용하여 우리나라 주요 도시인 서울특별시, 부산광역시, 대구광역시, 인천광역시, 대전광역시, 광주광역시, 울산광역시, 세종특별자치시를 선정하여 열 분포 기본지도를 구축하였다 열 분포 기본지도는 Landsat-8의 위성영상 취득시기인 2013년부터 2017년까지 관측된 위성영상 중 지역별 운량이 가장 낮은 영상을 사용하였다 열 분포 기본지도는 해상도가 30m 단위로 도시 내 행정동 단위의 열 분포를 확인할 수 있기 때문에 보다 정밀한 분석이 가능하였다Based on the daily maximum temperature calculation algorithm, we selected the main cities of Seoul, Busan, Daegu, Incheon, Daejeon, Gwangju, Ulsan, Sejong, Of the satellite images obtained from Landsat-8 in 2013 to 2017. The thermal map is based on a 30-m resolution resolution of the heat distribution in the city. So that more precise analysis was possible

서울특별시와 울산광역시의 열 분포 기본지로를 이용하여 열섬화 특성을 분석하고, 우리나라 폭염 정책 중 하나인 무더위쉼터와의 상관성을 분석하였다 공통적으로 도시내 건물이 밀집한 지역이나 공업지역에 열이 집중되는 현상을 보였으며, 무더위쉼터와의 상관성을 분석하여 효율적인 정책추진에 대한 시사점을 도출하였다. 도시 내에는 지역용도, 토지피복, 도시구조 등 다른 요소들이 복합적으로 존재하므로 추후 더 많은 요소들을 대상으로 후속연구가 이루어져야 할 것이다.The heat transfer characteristics of Seoul metropolitan city and Ulsan metropolitan city were analyzed and the correlation between the heat transfer characteristics and heatwave shelter was analyzed. In general, heat concentration is concentrated in urban and industrial areas And analyzed the correlation with the heatwave shelter, and suggested implications for effective policy promotion. Other factors such as regional use, land cover, and urban structure are complex in the city, so further research will be needed for more factors in the future.

도 2는 본 발명의 처리과정을 개략적으로 도시한 흐름도로서, 본 발명의 인공위성에 의한 열섬특성 분석방법을 정리하여 설명드리자면 다음과 같다.FIG. 2 is a flow chart schematically illustrating the process of the present invention. The method for analyzing the characteristics of the heat island by the artificial satellite according to the present invention will now be described.

먼저, 인공위성 측정자료(1)(2)에 의한 지표온도 및 시가화 영상과, 종관 기상 관측장비로부터 입수된 현장상황정보(3)가 운영컴퓨터(4)에 입력되면, 상기 운영컴퓨터(4) 및 이에 내장된 프로그램에서는 일 최고기온 추정 알고리즘을 통해 결과물을 모니터(5)에 열 분포지도로 시뮬레이션하되, 그 위에 시가화 면적과 무더위 쉼터 위치를 매핑해줌으로써, 시가화 면적과 일 최고기온의 상관성을 분석하고 무더위 쉼터 분포의 적합여부 및 도시계획 수립을 위한 분석을 가능토록 하는 인공위성에 의한 열섬특성 분석방법에 있어서,First, when the operating temperature of the operating computer 4 is input to the operating computer 4, the surface temperature and the saturation image by the satellite measurement data 1 and 2 and the in-situ condition information 3 obtained from the meteorological observation equipment are inputted, And its built-in program simulates the result on a monitor (5) using a daily maximum temperature estimation algorithm, mapping the area of the cigaration and the heat shelter on the map, and the correlation between the cigarization area and the daily maximum temperature In this paper, we propose a method for analysis of heat island characteristics by artificial satellites,

(1) 인공위성 영상에 의한 지표온도, 정규 식생지수, 정규 시가화지수, 정규 수분지수, SRTM DEM과, 종관 기상관측자료의 일 최고기온을 사용하여 다중 선형 회귀방정식을 통해 일 최고기온 측정 알고리즘을 개발하는 과정;(1) The daily maximum temperature measurement algorithm was applied to the surface temperature, the normal vegetation index, the normalized index of hydration, the normal moisture index, the SRTM DEM and the daily maximum temperature of the meteorological observations The process of development;

(3) Arc GIS 커널 밀도 분석툴에 의해 상기 열 분포지도를 열 밀집 분석도로 변환하는 과정;(3) transforming the thermal distribution map to a thermal dense analysis by an arc GIS kernel density analysis tool;

(4) 상기 열 밀집 분석도 위에 시가화 면적을 매핑하고 시가화면적비를 산출하는 과정;(4) mapping the area to be cigared on the thermal density chart and calculating the area ratio of the cigarette;

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention, and how to accomplish them, will become apparent by reference to the embodiments described in detail below with reference to the accompanying drawings. However, the present invention is not limited to the embodiments described below, but may be embodied in various forms.

본 명세서에서, 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.In the present specification, the present embodiment is provided to complete the disclosure of the present invention and to fully disclose the scope of the invention to a person having ordinary skill in the art to which the present invention belongs. And the present invention is only defined by the scope of the claims.

따라서, 몇몇 실시예들에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.Accordingly, in some embodiments, well known components, well known operations, and well-known techniques are not specifically described to avoid an undesirable interpretation of the present invention.

1 : 인공위성 측정자료 1
2 : 인공위성 측정자료 2
3 : 현장상황 정보
4 : 운영 컴퓨터
5 : 모니터1: Satellite measurement data 1
2: Satellite measurement data 2
3: Site situation information
4: Operating computer
5: Monitor

Claims

인공위성 측정자료(1)(2)에 의한 지표온도 및 시가화 영상과, 종관 기상 관측장비로부터 입수된 현장상황정보(3)가 운영컴퓨터(4)에 입력되면, 상기 운영컴퓨터(4) 및 이에 내장된 프로그램에서는 일 최고기온 추정 알고리즘을 통해 결과물을 모니터(5)에 열 분포지도로 시뮬레이션하되, 그 위에 시가화 면적과 무더위 쉼터 위치를 매핑해줌으로써, 시가화 면적과 일 최고기온의 상관성을 분석하고 무더위 쉼터 분포의 적합여부 및 도시계획 수립을 위한 분석을 가능토록 하는 인공위성에 의한 열섬특성 분석방법에 있어서,
(1) 인공위성 영상에 의한 지표온도, 정규 시가화지수, 정규 수분지수와, 종관 기상관측자료의 일 최고기온을 사용하여 다중 선형 회귀방정식을 통해 일 최고기온 측정 알고리즘을 개발하는 과정;
(2) 상기 일 최고기온 측정 알고리즘을 사용하여 지역별 평균 일 최고기온 평균값을 산출하여 모니터에 열 분포지도를 표시하는 과정;
(3) Arc GIS 커널 밀도 분석툴에 의해 상기 열 분포지도를 열 밀집 분석도로 변환하되, 먼저 영상파일을 포인트 데이터로 변환한 다음 상기 포인트 데이터를 이용하여 커널밀도 분석을 수행하는 과정;
(4) 상기 열 밀집 분석도 위에 시가화 면적을 매핑하고 시가화면적비를 분류기법으로 산출하는 과정;
(5) 상기 열 밀집 분석도 위에 무더위 쉼터 위치를 매핑하여 표시하는 과정으로 이루어진 것을 특징으로 하는 인공위성에 의한 열섬특성 분석방법.
When the ground temperature and the saturation image by the satellite measurement data (1) (2) and the scene situation information (3) obtained from the synoptic weather observation equipment are input to the operation computer 4, In the embedded program, the result is simulated by the thermal distribution map on the monitor (5) through the daily maximum temperature estimation algorithm, and the correlation between the area of the cigarization and the daily maximum temperature is analyzed by mapping the cigarization area and the heat- In this paper, we propose a method for analysis of heat island characteristics by artificial satellites,
(1) the process of developing a daily maximum temperature measurement algorithm using multiple linear regression equations using surface temperature, normalized scaling index, normal water index, and daily maximum temperature of synoptic observations;
(2) calculating an average daily maximum peak temperature average value for each region using the daily maximum temperature measurement algorithm and displaying a thermal distribution map on a monitor;
(3) transforming the thermal distribution map into thermal density analysis by an Arc GIS kernel density analysis tool, first converting the image file into point data, and then performing kernel density analysis using the point data;
(4) mapping the visualization area on the thermal density chart and calculating the visualization area ratio by a classification technique;
(5) Mapping the heat-storm shelter location on the heat-storm analysis map and displaying the map.

제 1항에 있어서,
상기 인공위성 측정자료(1)(2)는 Landsat-8 위성에서 주기적으로 촬영한 자료를 이용하되, 지표온도의 경우 2개의 열적외 밴드를 관측할 수 있는 TIRS 센서로 부터 측정되는 것을 특징으로 하는 인공위성에 의한 열섬특성 분석방법.
The method according to claim 1,
The satellite measurement data (1) and (2) are measured from a TIRS sensor, which uses periodically photographed data from Landsat-8 satellites, A method for analyzing the characteristics of a thermal island by.

제 1항에 있어서,
상기 Arc GIS 커널 밀도 분석툴에 의한 밀도 분석 시에는 분석 지점으로부터 일정한 분석 반경 안에 포함된 온도 값을 이용하여 밀도 값을 산출하는 것을 특징으로 하는 인공위성에 의한 열섬특성 분석방법.
The method according to claim 1,
Wherein the density value is calculated using a temperature value included in a certain analysis radius from the analysis point when the density analysis is performed by the Arc GIS kernel density analysis tool.

제 1항에 있어서,
시가화면적은 주거지역, 상업지역, 공업지역을 의미하며, 동일한 시기의 시가화 면적과 일 최고기온의 상관성을 분석하기 위해 열 분포 기본지도와 동일한 위성영상에서 토지피복을 분류하고 해당지역의 시가화면적을 산출하는 것을 특징으로 하는 인공위성에 의한 열섬특성 분석방법.
The method according to claim 1,
In order to analyze the correlation between the cigarization area and the daily maximum temperature at the same time, the land cover is classified in the same satellite image as the heat distribution base map, and the cigar screen Wherein the method comprises the steps of:

제 1항에 있어서,
상기 일 최고기온 추정 알고리즘은 지표온도, SRTM DEM, 정규식생지수, 정규수분지수, 정규시가화지수를 입력변수로 하는 단계별 회귀방정식을 이용하고, 도출된 회귀방정식을 이용하여 산출된 일 최고기온 결과값은 기상청 자동기상관측장비 관측값과 비교 검증을 수행하되, 개발된 알고리즘 중에서 평균제곱근 오차에 의한 정확도가 가장 높은 알고리즘을 선정하여 열 분포 기본지도를 구축하는 것을 특징으로 하는 인공위성에 의한 열섬특성 분석방법.
The method according to claim 1,
The daily maximum temperature estimation algorithm uses a stepwise regression equation using the surface temperature, the SRTM DEM, the normal vegetation index, the normal moisture index, and the normalized scaling index as input variables, and calculates a day maximum temperature result using the derived regression equation Values are compared with the observations of automatic meteorological equipment of Meteorological Agency, and the algorithm which has the highest accuracy by the mean square root error among the developed algorithms is selected and the base map of heat distribution is constructed. Way.

제 1항에 있어서,
열 분포 기본지도는 해당기간의 위성영상 중 지역별 운량이 가장 낮은 영상을 사용하여 도출하고, 해상도가 30m 단위로 도시 내 행정동 단위의 열 분포를 확인할 수 있기 때문에 보다 정밀한 분석이 가능케되는 것을 특징으로 하는 인공위성에 의한 열섬특성 분석방법.The method according to claim 1,
The heat distribution base map is obtained by using the image with the lowest cloudiness of the region among the satellite images of the corresponding period, and it is possible to confirm the heat distribution of the unit of the administrative unit in the city with a resolution of 30 m, Analysis method of heat island characteristics by artificial satellite.