Journal of the Korea Academia-Industrial cooperation Society Vol. 20, No. 1 pp. 434-439, 2019 https://doi.org/10.5762/kais.2019.20.1.434 ISSN 1975-4701 / eissn 2288-4688 Landsat 8 위성영상과 AWS 데이터를이용한서울특별시의지표면온도분포분석 이종신 1, 오명관 2* 1 충남대학교건설공학교육과, 2 혜전대학교전기전자서비스과 Distribution Analysis of Land Surface Temperature about Seoul Using Landsat 8 Satellite Images and AWS Data Jong-Sin Lee 1, Myoung-Kwan Oh 2* 1 Dept. of Construction Engineering Education, Chungnam National University 2 Dept. of Electrical & Electronics Service, Hyejeon College 요약최근지구온난화로인한기상이변, 도시화로인한도심의열섬현상등으로도시온도변화및지표면온도변화에대한관심이증대되고있다. 우리나라에서는 1904 년부터현재까지기온, 강수량등기상데이터를수집하고있다. 최근에는종관기상관측장비 (ASOS; Automated Surface Observing System) 96 개소, 방재기상관측장비 (AWS) 494 개소의지상기상관측망을운영하고있다. 그러나지상관측망의경우각설치지점에대한점데이터를제공하고있으므로, 측정지점을제외한곳의지상기상데이터는보간법을통해예측하고있는상황이다. 이에본연구에서는지상의지표면온도측정의해상도를향상시키기위해위성영상을이용한지표면온도를산출하고, 그활용가능성을분석하고자하였다. 이를위해서울특별시를대상으로 Landsat 8 OLI TIRS 의위성영상을계절별로획득하고, 열적외밴드에 NASA 식을적용하여지표면온도로변환하였다. 지상의측정자료는 AWS 를통해측정한기온데이터를활용하였다. AWS 기온데이터는관측소기반의점데이터이므로, Landsat 영상과의비교를위해크리깅보간법으로보간을수행하였다. 위성영상기반의지표면온도와 AWS 기온데이터를비교한결과계절에따른온도차는 RMSE 값을바탕으로가을, 겨울, 여름, 봄의순서로 Landsat 위성영상의적용가능성을판단할수있었으며, 위성영상의시기별평균온도와 AWS 온도사이에는최대평균 2.11 이내, 최대 RMSE ±3.84 인것을감안하면정확도향상을위해 NASA 식에보정값이필요하다는것을알수있었다. Abstract 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 since 1904. In recent years, there are 96 ASOS stations and 494 AWS weather observation stations. However, in the case of terrestrial networks, terrestrial meteorological data except measurement points are predicted through interpolation because they provide point data for each installation point. In this study, to improve the resolution of ground surface temperature measurement, the surface temperature using satellite image was calculated and its applicability was analyzed. For this purpose, the satellite images of Landsat 8 OLI TIRS were obtained for Seoul Metropolitan City by seasons and transformed to surface temperature by applying NASA equation to the thermal bands. The ground measurement data was based on the temperature data measured by AWS. Since the AWS temperature data is station based point data, interpolation is performed by Kriging interpolation method for comparison with Landsat image. As a result of comparing the satellite image base surface temperature with the AWS temperature data, the temperature difference according to the season was calculated as fall, winter, summer, based on the RMSE value, Spring, in order of applicability of Landsat satellite image. The use of that attribute and AWS support starts at 2.11 and RMSE ±3.84, which reflects information from the extended NASA. Keywords : Land surface temperature, Landsat 8, Ground measurement data, AWS, Temperature * Corresponding Author : Myoung-Kwan Oh(Hyejeon College) Tel: +82-41-630-5153 email: mkoh@hj.ac.kr Received October 29, 2018 Revised December 31, 2018 Accepted January 4, 2019 Published January 31, 2019 434
Landsat 8 위성영상과 AWS 데이터를 이용한 서울특별시의 지표면 온도 분포 분석 1. 서 론 2. Landsat 위성영상 데이터 처리 본 연구에서는 Landsat 8 OLI TIRS 위성영상과 최근 전 세계적인 지구온난화와 도시 열섬현상으로 인해 도시 내부의 기온이 지속적으로 상승하고 있는 추 AWS 데이터를 이용하여 서울특별시의 지표면 온도 분 세이다. 도시 열섬현상이 발생하는 주요 원인으로는 도 포를 분석하였다. Fig. 1은 본 연구의 대상지인 서울특별 시화로 인한 지표면 개발이며, 에너지 사용으로 발생한 시를 나타낸다. 열이 두 번째 원인에 해당된다. 인구 밀집도가 높아지면 서 더 넓은 면적의 토지를 개발하게 되고 이로 인해 평 균 온도도 상승하게 된다[1]. 우리나라의 근대 기상관측이 시작된 1904년부터 현 대에 이르기까지 대부분의 기상 자료는 관측소별 지점 자료에 해당되며, 측정 불가능한 지역의 경우, 보간법을 활용하여 해당지역의 자료를 추정해왔다. 일반적으로 보 간 기법은 관측 지점이 많고, 지점별 데이터가 많을수록 추정 자료의 신뢰도가 높아지기 때문에 현재 우리나라에 서는 기상관측소 외에도 무인자동 기상관측장비(AWS; Automatic Weather System, 이하 AWS)를 운용하고 있 다[2]. Fig. 1. Study area Landsat뿐만 아니라 위성영상을 이용하여 지표면 온 도를 분석한 연구는 최근에도 많이 진행되고 있다. Rozenstein 등은 스필릿 윈도우 알고리즘을 Landsat 8 우리나라의 계절적 특성을 감안하여 대상 시기는 각 TIRS 영상에 적용하여 지표면 온도를 산출하였으며[3], 계절별 1시기씩 총 4개시기에 해당하는 Landsat 8 OLI 지준범 등은 Landsat 5, Landsat 7, Landsat 8 위성영상 TIRS 위성영상을 획득하였다. 이후, Landsat 8 OLI 을 이용하여 수도권 지역의 가을철 지표면 특성을 분석 TIRS 센서의 열적외 밴드를 이용하여 지표온도를 산출 하였다[4]. 신휴석 등은 AWS의 지상온도 자료를 바탕으 하였다. 영상 중 열적외 밴드들을 통해 나타나는 영상의 로 MODIS 영상의 지표면 온도자료, DEM 등의 보조 밝기는 해당 파장대에서의 에너지 세기를 표현하며, 지 자료를 지구통계 기법들을 이용하여 우리나라의 지상기 표면 온도를 미리 정해진 관계식에 따라 이산화 하여 반 온 추정연구를 수행하였다[5]. 임종서 등은 AWS 관측 영하고 있다[6-10]. 영상의 밝기값을 지표면 온도로 계 지점을 대상으로 기온 관측값과 Landsat 8 OLI TIRS 영 산할 수 있는 모델로는 NASA 모델, RESTEC(Remote 상 자료로부터 산출한 지표 복사율 간의 비에 공간 보간 Sensing Technology Center of Japan) 방법, Quadratic 법을 적용할 때 DEM까지 활용하여 도시 기온을 추정하 방법 등이 있으며, 본 연구에서는 일반적으로 가장 많이 는 연구를 수행하였다[2]. 사용되고 있는 NASA 모델을 활용하였다[7,10-12]. 이와 같이 Landsat 위성영상을 이용한 지표면 온도 Table 1은 본 연구에서 사용한 Landsat 8 위성영상의 산출과 관련된 연구에도 불구하고, 최신의 Landsat 8 기본정보를 나타내며, Fig. 2부터 Fig. 5까지는 각 시기 OLI TIRS 위성영상과 AWS 기온데이터를 계절별로 비 별 지표면 온도의 처리 결과를 나타낸다. 교하여 분석한 연구는 부족한 상황이다. 따라서 본 연구 에서는 서울특별시를 대상으로 AWS 데이터의 보간 결 Table 1. Information of satellite images 과와 Landsat 8 OLI TIRS 위성영상의 지표면 온도 결과 를 비교하여 AWS 관측소 이외 지역에서 Landsat 8 OLI TIRS의 활용 가능성을 분석한다. 435 Date Time Season 2017.08.26. 2018.02.02. 2018.05.25. 2018.11.01. 11:11 11:11 11:10 11:11 Summer Winter Spring Fall Cloud cover(%) 11.71 6.06 20.67 0.14
한국산학기술학회논문지제 20 권제 1 호, 2019 Fig. 2. Results of land surface (2017.08.26) Fig. 5. Results of land surface (2018.11.01) 위의그림에서보는바와같이모든시기에걸쳐용산구는타지역에비해지표온도가높은것을알수있다. 3. AWS 데이터처리 Landsat 8 OLI TIRS의열적외선영상을통해산출한지표온도와비교하기위해기상청에서제공하는서울특별시내부 AWS 관측자료를활용하였다. 각지점별위치 ( 위도, 경도 ) 를바탕으로 Arc GIS 프로그램을이용하 Fig. 3. Results of land surface (2018.02.02) 여지점별온도를삽입하였다. 또한 Landsat 위성영상의결과값과비교하기위해크리깅기법을활용하여보간작업을수행하였다. Table 2는본연구에서활용한서울특별시내부의 AWS 관측소정보를나타내며, Fig. 6부터 Fig. 9는 AWS 관측소데이터를크리깅기법으로보간한결과를나타낸다. Table 2. Information of AWS stations Fig. 4. Results of land surface (2018.05.25) Station No. Station Name Latitude ( ) Longitude ( ) 400 Gangnam 37.5134 127.04671 401 Seocho 37.48462 127.02601 402 Gandong 37.55552 127.14498 403 Songpa 37.51151 127.0967 404 Gangseo 37.5739 126.82953 405 Yangcheon 37.52961 126.8782 406 Dobong 37.59946 127.02947 407 Nowon 37.62101 127.09683 408 Dongdaemun 37.58463 127.06036 409 Jungnang 37.58551 127.08682 436
Landsat 8 위성영상과 AWS 데이터를이용한서울특별시의지표면온도분포분석 410 Meteorological Administration 37.49371 126.91809 411 Mapo 37.55165 126.92915 412 Seodaemun 37.57047 126.94078 413 Gwangjin 37.5338 127.08566 414 Seongbuk 37.61172 126.99944 415 Yongsan 37.52038 126.97611 416 Eunpyeong 37.64639 126.94338 417 Geumcheon 37.46551 126.90016 418 Han River 37.5249 126.93906 419 Junggu 37.55237 126.98736 421 Seongdong 37.54721 127.03885 422 Mt.Bugak 37.60344 126.98437 423 Guro 37.494 126.827 424 Gangbuk 37.63972 127.02576 425 Namhyeon 37.46336 126.9855 509 Gwanak 37.45284 126.95015 510 Yeongdeungpo 37.52706 126.90705 Fig. 8. Interpolated results of AWS (2018.05.25) Fig. 6. Interpolated results of AWS (2017.08.26) Fig. 9. Interpolated results of AWS (2018.11.01) 4. 위성영상과 AWS 의온도비교분석 Landsat 8 OLI TIRS 위성영상에서산출한지표면온도와 AWS의관측온도의크리깅결과를맵매칭후계산하였다. Landsat 8 OLI TIRS 지표면온도에서 AWS 의크리깅결과를빼서계산하였다. Fig. 10부터 Fig. 13 은계절별두온도사이의차이값을나타낸다. 그림에서보는바와같이모든시기에걸쳐도심지에서는위성영상에계산지표면온도가 AWS 크리깅결과 Fig. 7. Interpolated results of AWS (2018.02.02) 보다높게 (+ 값 ) 나타나는것을알수있다. 반대로, 산림과수계지역에서는지표면온도가 AWS 결과보다낮게 (- 값 ) 나타나는것을알수있다. 437
한국산학기술학회논문지 제20권 제1호, 2019 Fig. 10. Temperature difference (2017.08.26) Fig. 13. Temperature difference (2018.11.01) Fig. 10에서 보는 바와 같이, 2017년 8월 26일(여름) 의 경우 온도차의 평균값은 0.73, 최대값은 10.28, 최소값은 7.72, RMSE는 ±3.27 로 나타났다. Fig. 11을 바탕으로 2018년 2월 2일(겨울)의 경우 온도차의 평균값은 1.09, 최대값은 6.68, 최소값은 4.87, RMSE는 ±1.53 로 나타났다. Fig. 12는 2018년 5월 25 일(봄)의 온도차이로 평균값은 2.11, 최대값은 9.74, 최소값은 9.33, RMSE는 ±3.84 로 나타났다. Fig. 13의 경우 2018년 11월 1일(가을)의 온도차이로 평균값 은 1.10, 최대값은 9.82, 최소값은 4.47, RMSE 는 ±1.41 로 나타났다. Fig. 11. Temperature difference (2018.02.02) 5. 결 론 본 연구에서는 AWS 관측소 이외 지역에서 Landsat 8 OLI TIRS의 활용 가능성을 제시하기 위해 서울특별 시를 대상으로 AWS 관측 데이터와 Landsat 8 OLI TIRS 지표면 온도를 비교 분석하였다. 그 결과 다음과 같은 결론을 얻을 수 있었다. 첫째, 4시기 모두 도심지의 경우 Landsat의 지표면 온 도가 AWS 온도보다 높고, 산림과 수계지역에 서는 반대로 AWS 온도가 더 높게 산출되는 것 을 알 수 있었다. Fig. 12. Temperature difference (2018.05.25) 둘째, 계절에 따른 온도차의 RMSE값을 바탕으로 가 을(±1.41 ), 겨울(±1.53 ), 여름(±3.27 ), 봄 438
Landsat 8 위성영상과 AWS 데이터를이용한서울특별시의지표면온도분포분석 (±3.84 ) 의순서로 Landsat 위성영상의지표면온도값의적용가능성을판단할수있었다. 셋째, Landsat 위성영상의시기별평균온도와 AWS 온도가최대평균 2.11 이내, 최대 RMSE ±3.84 인것을감안하면정확도향상을위해 NASA식에보정값이필요하다는것을알수있었다. 향후, 본연구결과를바탕으로더많은시기의위성영상과 AWS 데이터를활용하여 NASA식의보정값산정연구를진행할예정이다. References [1] Wikimedia, Wikipedia [Internet]. Urban Heat Island [cited 2018 December 20], Available From: https://ko.wikipedia.org/wiki/%eb%8f%84%ec%8b%9 C_%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 [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 [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. [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 이종신 (Jong-Sin Lee) [ 정회원 ] < 관심분야 > 지형공간정보공학 2008 년 2 월 : 충남대학교공과대학토목공학과 ( 공학사 ) 2010 년 2 월 : 충남대학교대학원토목공학과 ( 공학석사 ) 2018 년 8 월 : 충남대학교대학원토목공학과 ( 공학박사 ) 2015 년 9 월 ~ 현재 : 충남대학교건설공학교육과초빙교수 오명관 (Myoung-Kwan Oh) [ 종신회원 ] < 관심분야 > 영상처리, IT 서비스 1993 년 2 월 : 충북대학교컴퓨터공학과 ( 공학석사 ) 2002 년 8 월 : 충북대학교컴퓨터공학과 ( 공학박사 ) 1993 년 9 월 ~1999 년 2 월 : 고려정보테크 ( 주 ) 정보통신연구소연구원 1999 년 3 월 ~ 현재 : 혜전대학교전기전자서비스과부교수 439