KR102333524B1 - Vegetation cooling model calculation system and method to analyze the effect of temperature reduction according to vegetation characteristics - Google Patents
Vegetation cooling model calculation system and method to analyze the effect of temperature reduction according to vegetation characteristics Download PDFInfo
- Publication number
- KR102333524B1 KR102333524B1 KR1020190128469A KR20190128469A KR102333524B1 KR 102333524 B1 KR102333524 B1 KR 102333524B1 KR 1020190128469 A KR1020190128469 A KR 1020190128469A KR 20190128469 A KR20190128469 A KR 20190128469A KR 102333524 B1 KR102333524 B1 KR 102333524B1
- Authority
- KR
- South Korea
- Prior art keywords
- vegetation
- area
- model
- target area
- temperature
- Prior art date
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 70
- 230000000694 effects Effects 0.000 title claims abstract description 38
- 238000012821 model calculation Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000009467 reduction Effects 0.000 title claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims description 44
- 238000000611 regression analysis Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 4
- 238000011835 investigation Methods 0.000 abstract description 8
- 238000011160 research Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 239000000926 atmospheric chemistry Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 230000008642 heat stress Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
본 발명은 식생 특성에 따른 기온저감 효과를 분석하는 분석모델을 산출하는 시스템 및 방법으로서, 기상현상을 모의하기 위한 조사대상 지역을 설정하고, 상기 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출하는 대상 지역 모델링부; 상기 조사대상 지역의 최고기온 산정모델을 산출하는 최고기온 산정모델 산출부; 상기 지표면 특성 인자 중 적어도 어느 하나에 상기 조사대상 지역의 식생 특성이 반영된 지표 특성 모델을 산출하는 지표 특성 모델링부; 상기 지표 특성 모델을 상기 최고기온 산정 모델에 적용하는 식생지역 기온냉각모델 산출부; 및 상기 식생지역 기온냉각모델을 상기 대상 지역 모델에 적용하여 상기 조사대상 지역의 식생 특성에 따른 기온 냉각 효과를 분석하는 분석부를 포함하여, 대상 지역의 개별적인 식생 특성이 구체적으로 반영된 기온냉각모델을 적용함으로써 식생 지역의 실제 기온냉각효과를 보다 정확하게 산출 가능한 것을 특징으로 한다.The present invention is a system and method for calculating an analysis model for analyzing the effect of temperature reduction according to vegetation characteristics, by setting an investigation target area for simulating a meteorological phenomenon, and by reflecting the weather information and local characteristics of the investigation target area a target region modeling unit that calculates a regional model; a maximum temperature calculation model calculation unit for calculating a maximum temperature calculation model of the survey target area; an index characteristic modeling unit for calculating an index characteristic model in which vegetation characteristics of the area to be investigated are reflected in at least one of the surface characteristic factors; a vegetation area temperature cooling model calculation unit for applying the index characteristic model to the maximum temperature calculation model; and an analysis unit that applies the temperature cooling model of the vegetation area to the target area model and analyzes the temperature cooling effect according to the vegetation characteristics of the area to be investigated, including a temperature cooling model in which the individual vegetation characteristics of the target area are specifically reflected It is characterized in that it is possible to more accurately calculate the actual temperature cooling effect of the vegetation area.
Description
본 발명은 기온 분석 시스템 및 방법에 관한 것으로, 더욱 상세하게는 각 지역의 식생분포 특성에 따른 기온 냉각 효과를 분석하는 시스템 및 방법에 관한 것이다.The present invention relates to a temperature analysis system and method, and more particularly, to a system and method for analyzing the temperature cooling effect according to the vegetation distribution characteristics of each region.
도시 지표면은 인공적인 불투수층과 식생이 존재하는 투수층의 자연피복으로 복잡하게 구성되어 있다. 도시 개발이 심화됨에 따라 인공피복의 단층 또는 복층의 구조물들은 복잡한 형태로 증가된다. 이러한 구조물들은 도시열섬 및 온실효과를 유발하고, 폭염 및 열대야 기간에 재난 위험성을 가중시키는 원인이 된다. 도시기후변화 적응 및 도시폭염 완화를 위한 노력을 한다. 인구밀도가 증가하고 있는 도시들은 열 스트레스 저감을 위해 도시 숲 조성, 옥상녹화, 쿨링포그(cooling fog), 쿨루프(cool roof) 등을 시행하고 있다. 또한, 이러한 도시 활동들이 도시 미기상에 미치는 영향을 조사하기 위해 분석모델을 활용한 토지피복변화 실험, 옥상면 알베도 민감도 실험 등을 시행한다. 전술한 바와 같은 여러 실험들을 적용하여 도시 활동 정책의 효과에 대한 결과를 조사하고 도시기후변화 적응 및 도시폭염 완화를 위한 도시환경 시나리오 방향을 제안하기도 한다. The urban surface is complicatedly composed of an artificial impermeable layer and a natural covering of the permeable layer with vegetation. As urban development deepens, single- or double-story structures with artificial coverings increase in complex shapes. These structures cause urban heat islands and greenhouse effects, and increase the risk of disasters during heat waves and tropical nights. Efforts are made to adapt to urban climate change and mitigate urban heat waves. Cities with increasing population density are implementing urban forest formation, roof greening, cooling fog, and cool roofs to reduce heat stress. In addition, to investigate the impact of these urban activities on the urban microclimate, land cover change experiments using analytical models and rooftop albedo sensitivity experiments are conducted. By applying various experiments as described above, the results of urban activity policies are investigated, and urban environment scenario directions are also proposed for adaptation to urban climate change and mitigation of urban heat waves.
한편, 위성영상 또는 무인항공 영상 등을 이용하여 건물옥상 및 도심녹지의 온도를 분석한 연구결과에서, 숲의 조성은 주변 지역의 열 환경 완화에 필수적인 요인으로 꼽힌다. 따라서 식생지역 관리는 도시계획이나 정책제안에 활용된다. On the other hand, in the research results of analyzing the temperature of the roof of a building and urban green areas using satellite images or unmanned aerial images, etc., forest formation is considered an essential factor in alleviating the thermal environment in the surrounding area. Therefore, vegetation area management is used for urban planning or policy proposals.
사람들이 활동하는 스크린 레벨을(약 1.5 m) 기준으로, 식생은 지면으로의 일사차단의 역할을 하며, 증발산 작용으로 기온저감 효과를 일으킨다. 기존 연구에서 단층 구조의 식생지역 보다는 다층 구조의 식생지역에서 -0.10°C 이상의 냉각효과가 나타났다. 또한, 큰 키 식생은 교목류를 의미하며 관목류보다 상대적으로 키가 큰 소나무 등으로 구성되어 있는데, 기존 연구에서 이러한 큰 키 식생의 비율이 높아질수록 기온저감 효과가 큰 것으로 나타났다. 낮 동안 저장한 열을 배출하는 도시지역과 달리, 식생지역에서는 야간동안 복사냉각에 의해서 찬공기가 생성된다. 산림에서 생성된 찬공기는 이류에 의해 바람흐름을 유도한다. 따라서 도심 주변의 기온과 도시지역의 기온을 비교하였을 때, 도심 주변의 기온이 상대적으로 낮다. Based on the screen level at which people are active (about 1.5 m), vegetation acts as a solar shield to the ground and causes a temperature reduction effect by evapotranspiration. In the previous study, a cooling effect of -0.10°C or higher was shown in the vegetation area with a multi-layer structure rather than a vegetation area with a single-layer structure. In addition, tall vegetation means arboreal trees and consists of pine trees that are relatively taller than shrubs. Unlike urban areas, where heat stored during the day is released, cool air is generated by radiative cooling during the night in vegetation areas. The cold air produced in the forest induces wind flow by advection. Therefore, when the temperature around the city center is compared with the temperature in the urban area, the temperature around the city center is relatively low.
또한, 식생 군락의 일사차단특성을 나타내는 Sky View Factor (SVF) 및 수평적특성인 토지피복유형에 따라 기온에 미치는 영향이 다르다. 따라서, 입체적인 식생은 미규모 열 환경에 중요한 요인이다. 실제 도시에서 다양한 미기후인자들로 인해 나타나는 현상들을 상세하게 설명하기 위해서는 미규모의 도시 및 식생지역을 상세하게 예측할 수 있는 약 10 m 내외의 고해상도의 모델이 필요하다. 도시계획과 환경정책에서 요구하는 미기후정보를 산출하기 위해 도시미기후에 큰 영향을 미치는 몇 가지 인자들을 중심으로 도시지표면의 분포 특성들을 상세하게 조사하고 있으며, 도시구조 변화에 따른 미기후변화를 전망하는 모델들이 개발되어 보건 및 도시계획 등에 활용되고 있다. In addition, the effect on temperature differs according to the Sky View Factor (SVF), which indicates the solar protection characteristics of the vegetation community, and the land cover type, which is a horizontal characteristic. Therefore, three-dimensional vegetation is an important factor in microscale thermal environments. In order to explain in detail the phenomena that are caused by various microclimate factors in real cities, a high-resolution model of about 10 m in length that can accurately predict micro-scale cities and vegetation areas is needed. In order to calculate the microclimate information required by urban planning and environmental policy, the distribution characteristics of the urban surface are investigated in detail with a focus on several factors that have a great influence on the urban microclimate, and a model that predicts microclimate change according to changes in urban structure. were developed and used for health and urban planning.
생명기후분석시스템(BioCAS, Biometeorological Climate impact Assessment System)은 도시 및 식생 지역을 대표하는 고해상도 입력 파라미터 모델을 결합한 체계이다. BioCAS는 서울 지역에 대해서 국지적 기후와 지표면특성 등에 대한 정보를 종합적으로 고려하여 열적 환경의 공간 변동성을 분석하고, 폭염 강도에 따른 초과사망률 및 건강 영향을 평가하고 예측한다. 분석영역은 서울을 중심으로 수도권영역으로 확장하고 있으며, 예측성능의 개선을 위하여 도시구조 변화, 다양한 식생 종류를 포함하는 산지, 강 및 하천 주변 환경 같이 세부적이고 특징적인 지역에 대해서 모델의 검증을 통해 지속적인 개선이 이뤄지고 있다. The Biometeorological Climate Impact Assessment System (BioCAS) is a system that combines high-resolution input parameter models representing cities and vegetation areas. BioCAS analyzes spatial variability of the thermal environment by comprehensively considering information on local climate and surface characteristics for the Seoul area, and evaluates and predicts excess mortality and health effects according to the intensity of heat waves. The analysis area is expanding to the metropolitan area centering on Seoul, and in order to improve the prediction performance, through model verification for detailed and characteristic areas such as urban structure changes, mountain areas including various types of vegetation, and surrounding environments of rivers and rivers Continuous improvement is being made.
한편, 본 출원인은 식생 면적 비율에 따라 적합하게 적용되는 모델을 적용함으로써, 최고기온을 보다 정확하게 측정할 수 있음을 확인하게 되었다.On the other hand, the present applicant has confirmed that the maximum temperature can be measured more accurately by applying a model that is suitably applied according to the ratio of the vegetation area.
본 발명은 기온 분석 시스템 및 방법에 관한 것으로서, 식생 지역의 관측자료 및 기상관측자료들을 이용하고 BioCAS와 연계하여 식생 지역의 특성 및 식생 면적 비율을 구체적으로 구현하고자 하며, 해당 지역의 식생분포에 따라 적합한 기온 냉각 모델을 적용하고자 한다. 이를 통해 식생 지역의 기온 냉각 효과를 보다 정확하게 분석하고, 여름철 폭염 기간 동안 식생 지역의 최고기온이 과대하게 낮게 추정되는 예측 성능을 개선하고자 한다.The present invention relates to a temperature analysis system and method, using observation data and meteorological observation data of the vegetation area, and in connection with BioCAS, to specifically implement the characteristics of the vegetation area and the ratio of the vegetation area, and according to the vegetation distribution of the area We want to apply a suitable temperature cooling model. Through this, the effect of temperature cooling in the vegetation area is analyzed more accurately, and the prediction performance of the excessively low maximum temperature in the vegetation area during the summer heat wave is improved.
상기 목적을 달성하기 위하여 본 발명은, 식생 특성에 따른 기온저감 효과를 분석하는 식생 냉각 모델 산출시스템에 있어서, 조사대상 지역을 설정하고, 중규모 기온편차(mesoscale air temperature deviation, MD)를 포함하는 상기 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출하는 대상 지역 모델링부; 상기 조사대상 지역의 상기 중규모 기온편차 및 복수개의 지표면 특성 인자를 이용하여 최고기온 산정모델을 산출하는 최고기온 산정모델 산출부; 상기 지표면 특성 인자는 건물면적비(fBS), 큰 키 식생면적비(fTV), 건물 높이(hB) 또는 고도(z) 등을 포함하고 상기 조사대상 지역의 식생 특성에 따라 가변되며, 상기 지표면 특성 인자 중 적어도 어느 하나에 상기 조사대상 지역의 식생 특성이 반영된 지표 특성 모델을 산출하는 지표 특성 모델링부; 상기 지표 특성 모델을 상기 최고기온 산정 모델에 적용하여 상기 조사대상 지역의 식생지역 기온냉각모델을 산출하는 식생지역 기온냉각모델 산출부; 및 상기 식생지역 기온냉각모델을 상기 대상 지역 모델에 적용하여 상기 조사대상 지역의 식생 특성에 따른 기온 냉각 효과를 분석하는 분석부를 포함하며, 상기 지표 특성 모델링부는, 상기 조사대상 지역을 식생 인자별로 그룹핑하여 분류하고, 분류된 상기 조사대상 지역의 일 중 최대 기온차를 산출하는 전처리 모듈; 상기 최대 기온차와 상기 식생 인자의 상관도를 분석하는 상관관계 도출 모듈; 상기 상관도에 의해 선택된 상관관계가 있는 상기 식생 인자와 상기 최대 기온차에 대해 회귀 분석을 실행하여 상기 식생 인자에 대해 회귀계수를 도출하는 회귀분석 모듈; 및 상기 회귀계수를 적용하여 상기 조사대상 지역의 최고기온을 상기 식생 인자에 따라 조정하는 지표 특성 모델을 산출하는 모델 산출모듈을 포함하는 것을 일 특징으로 한다.In order to achieve the above object, the present invention, in the vegetation cooling model calculation system for analyzing the temperature reduction effect according to the vegetation characteristics, setting the area to be investigated, including the mesoscale air temperature deviation (MD) a target area modeling unit that calculates a target area model by reflecting the meteorological information and local characteristics of the survey target area; a maximum temperature calculation model calculation unit for calculating a maximum temperature calculation model using the mesoscale temperature deviation of the survey target area and a plurality of surface characteristic factors; The ground surface characteristic factor includes a building area ratio (f BS ), a tall vegetation area ratio (f TV ), a building height (h B ) or an altitude (z), and the like, and varies according to the vegetation characteristics of the area to be investigated, and the ground surface an index characteristic modeling unit for calculating an index characteristic model in which vegetation characteristics of the area to be investigated are reflected in at least one of the characteristic factors; a vegetation area temperature cooling model calculation unit for calculating a vegetation area temperature cooling model of the survey target area by applying the index characteristic model to the maximum temperature calculation model; and an analysis unit that applies the temperature cooling model of the vegetation area to the target area model to analyze the temperature cooling effect according to the vegetation characteristics of the area to be investigated, wherein the index characteristic modeling unit groups the area to be investigated by vegetation factors a pre-processing module for classifying and calculating the maximum temperature difference during the day of the classified investigation target area; a correlation derivation module for analyzing the correlation between the maximum temperature difference and the vegetation factor; a regression analysis module for deriving a regression coefficient for the vegetation factor by executing a regression analysis on the vegetation factor and the maximum temperature difference having a correlation selected by the correlation degree; and a model calculation module for calculating an index characteristic model that adjusts the maximum temperature of the survey target area according to the vegetation factor by applying the regression coefficient.
바람직하게, 상기 국지적 특징은, 상기 조사대상 지역의 자연적인 지형, 건물 및 식생구조물, 수치건물지도, 산림 임상도, 큰 키 식생분포, 도로 및 인공나지분포, 자연초지분포, 수역분포 정보를 포함할 수 있다.Preferably, the local characteristics include natural topography, buildings and vegetation structures, numerical building maps, forest clinical maps, tall vegetation distributions, roads and artificial bare grass distributions, natural grassland distributions, and water body distribution information of the area to be investigated. can do.
바람직하게, 상기 최고기온 산정모델은, 상기 중규모 기온편차와 상기 지표면 특성 인자가 하기의 [수학식 1]의 관계를 통해 산출될 수 있다.Preferably, in the maximum temperature calculation model, the mesoscale temperature deviation and the surface characteristic factor may be calculated through the relationship of [Equation 1] below.
[수학식 1][Equation 1]
(상기 수학식 1에서 TD‘은 최고기온 산정모델, MD는 중규모 기온편차, fBS는 건물면적, fTV는 큰 키 식생면적비, hB는 건물높이, z는 고도를 의미한다.)(In
바람직하게, 상기 지표 특성 모델은, 상기 식생 인자로서 식생 높이를 고려하는 경우, 큰 키 식생 비율이 상기 조사대상 지역의 50% 이상일 하기의 [수학식 2]의 dTtv 모델을 적용하고,Preferably, the index characteristic model applies the dTtv model of [Equation 2] below, in which the tall vegetation ratio is 50% or more of the survey target area when the vegetation height is considered as the vegetation factor,
[수학식 2][Equation 2]
큰 키 식생 비율이 상기 조사대상 지역의 50% 미만으로서 큰 키 식생과 초지가 공존할 때 하기의 [수학식 3]의 dTtvs 모델을 적용할 수 있다.The dTtvs model of [Equation 3] below can be applied when the tall vegetation ratio is less than 50% of the survey target area and the tall vegetation and grassland coexist.
[수학식 3][Equation 3]
(상기 수학식 2에서 dTtv는 조사대상 지역의 식생 특성이 50% 이상의 큰 키 식생으로 구성된 경우의 지표 특성 모델, fTV90m는 조사대상 지역에서 90m*90m 면적 내의 큰 키 식생 면적비율 분포도를 의미한다.)(In Equation 2, dTtv is an index characteristic model when the vegetation characteristics of the survey target area are composed of 50% or more tall vegetation, and fTV 90m means a distribution map of the area ratio of tall vegetation within 90m*90m area in the survey target area. .)
상기 수학식 3에서 dTtvs는 조사대상 지역의 식생 특성이 50% 미만의 큰 키 식생과 초지로 구성된 경우의 지표 특성 모델, fTV50m는 조사대상 지역에서 50m*50m 면적 내의 큰 키 식생 면적비율 분포도, fVS50m는 조사대상 지역에서 50m*50m 면적 내의 자연초지 면적비율 분포도를 의미한다.)In Equation 3, dTtvs is an index characteristic model when the vegetation characteristics of the area to be investigated are composed of tall vegetation and grasslands of less than 50%, fTV 50m is the distribution of the area ratio of tall vegetation within 50m*50m in the area to be investigated, fVS 50m means the distribution of natural grassland area ratio within the area of 50m*50m in the target area.)
상기 목적을 달성하기 위하여 본 발명은, 식생에 따른 기온 냉각 효과를 분석하기 위해 식생 특성이 반영된 기온 변화 분석 모델을 산출하는 기온 냉각 모델 산출방법에 있어서, (a)조사대상 지역을 설정하고, 중규모 기온편차(mesoscale air temperature deviation, MD)를 포함하는 상기 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출하는 단계; (b)상기 조사대상 지역의 상기 중규모 기온편차 및 복수개의 지표면 특성 인자를 이용하여 최고기온 산정모델을 산출하는 단계; (c)상기 지표면 특성 인자는, 건물면적비(fBS), 큰 키 식생면적비(fTV), 건물 높이(hB) 또는 고도(z) 등을 포함하고 상기 조사대상 지역의 식생 특성에 따라 가변되며, 상기 조사대상 지역의 식생 특성이 상기 지표면 특성 인자 중 적어도 어느 하나에 반영된 지표 특성 모델을 산출하는 단계; (d)상기 지표 특성 모델을 상기 최고기온 산정 모델의 상기 지표면 특성 인자 중 어느 하나에 적용하여 상기 조사대상 지역의 식생 특성을 반영한 식생지역 기온냉각모델을 산출하는 단계; 및 (e)상기 식생지역 기온냉각모델을 상기 대상 지역 모델에 적용하여 상기 조사대상 지역의 식생 특성에 따른 기온 냉각 효과를 분석하는 단계를 포함하며, 상기 (c)단계는, 상기 조사대상 지역을 식생 인자별로 그룹핑하여 분류하고, 분류된 상기 조사대상 지역의 일 중 최대 기온차를 산출하는 단계; 상기 최대 기온차와 상기 식생 인자의 상관도를 분석하여 상관관계를 도출하는 단계; 상기 상관도에 의해 선택된 상관관계가 있는 상기 식생 인자와 상기 최대 기온차에 대해 회귀 분석을 실행하여 상기 식생 인자에 대해 회귀 계수를 도출하는 단계; 및 상기 회귀 계수를 적용하여 상기 조사대상 지역의 최고기온을 상기 식생 인자에 따라 조정하는 지표 특성 모델을 산출하는 단계를 포함하는 것을 다른 특징으로 한다.In order to achieve the above object, the present invention provides a temperature cooling model calculation method for calculating a temperature change analysis model reflecting vegetation characteristics in order to analyze the temperature cooling effect according to vegetation, (a) setting an investigation target area, calculating a target area model by reflecting meteorological information and local characteristics of the survey target area including mesoscale air temperature deviation (MD); (b) calculating a maximum temperature calculation model using the mesoscale temperature deviation of the survey target area and a plurality of surface characteristic factors; (c) The ground surface characteristic factor includes a building area ratio (f BS ), a tall vegetation area ratio (f TV ), a building height (h B ) or an altitude (z), and the like, and is variable according to the vegetation characteristics of the area to be investigated and calculating an index characteristic model in which the vegetation characteristic of the survey target area is reflected in at least one of the surface characteristic factors; (d) applying the surface characteristic model to any one of the surface characteristic factors of the maximum temperature calculation model to calculate a vegetation area temperature cooling model reflecting the vegetation characteristics of the survey target area; and (e) applying the temperature cooling model of the vegetation area to the target area model to analyze the temperature cooling effect according to the vegetation characteristics of the area to be surveyed, wherein step (c) comprises: Classifying by grouping by vegetation factor, calculating the maximum temperature difference during the day of the classified area to be investigated; deriving a correlation by analyzing the correlation between the maximum temperature difference and the vegetation factor; deriving a regression coefficient for the vegetation factor by performing a regression analysis on the vegetation factor and the maximum temperature difference having a correlation selected by the correlation degree; and calculating an index characteristic model that adjusts the maximum temperature of the survey target area according to the vegetation factor by applying the regression coefficient.
본 발명에 따르면, 해당 지역에의 특성 및 식생 면적 비율 등의 식생분포 구체적으로 반영된 식생 지역 기온냉각모델을 적용함으로써 기존의 식생지역에서 과대하게 낮게 추정되었던 기온 저감 효과를 개선할 수 있으며, BioCAS와 연계됨으로써 해당 지역의 식생분포 및 토지 특성에 따른 적절한 모델을 적용하여 일 최고기온을 보다 정확하게 산정할 수 있는 장점을 갖는다. 또한, 이러한 결과를 이용하여 향후 기온 냉각 효과에 영향을 끼치는 수목의 밀도, 높이 등의 영향 변수에 대한 연구에 활용될 수 있다.According to the present invention, it is possible to improve the temperature reduction effect that was overestimated in the existing vegetation area by applying the temperature cooling model of the vegetation area that specifically reflects the vegetation distribution such as characteristics and vegetation area ratio in the corresponding area, and BioCAS and By being linked, it has the advantage of more accurately calculating the daily maximum temperature by applying an appropriate model according to the vegetation distribution and land characteristics of the area. In addition, by using these results, it can be used for research on influence variables such as density and height of trees that affect the temperature cooling effect in the future.
도 1은 본 발명의 실시예에 따른 식생 냉각 모델 산출시스템의 구성도를 나타낸다.
도 2는 본 발명의 실험례로서, 서울 및 수도권 지역의 토지유형에 따른 규모별 기온편차를 나타낸다.
도 3은 본 발명의 실험례로서, 서울대학교 숲과 서울 숲에 각각 서울대학교 숲 모델(dTtv)과 서울 숲 모델(dTtvs)을 적용한 기온편차 분포를 나타낸다.
도 4는 본 발명의 실험례로서, 일 최고기온 공간편차 산정모델(TSWS + TD')과 식생 특성이 반영된 지표 특성 모델(dTtv, dTtvs)을 적용한 2016년 8월 4일과 2016년 8월 6일의 폭염사례 1700 LST 기온분포를 나타낸다.
도 5은 본 발명의 실험례로서, 식생 지역에 일 최고기온 공간편차 산정모델(TSWS + TD')과 식생 특성이 반영된 지표 특성 모델(dTtv, dTtvs)을 적용하여 일 최고기온 평균제곱근오차(RMSE)를 산출한 결과를 나타낸다.
도 6은 본 발명의 실시예에 따른 식생 냉각 모델 산출시스템의 순서도를 나타낸다.1 shows a configuration diagram of a vegetation cooling model calculation system according to an embodiment of the present invention.
2 is an experimental example of the present invention, showing temperature deviations by scale according to land types in Seoul and the metropolitan area.
3 is an experimental example of the present invention, showing the distribution of temperature deviations in which the Seoul National University forest model (dTtv) and the Seoul forest model (dTtvs) are applied to the Seoul National University forest and the Seoul forest, respectively.
4 is an experimental example of the present invention , August 4, 2016 and August 6, 2016 to which the daily maximum temperature spatial deviation calculation model (T SWS + TD') and the surface characteristic model (dTtv, dTtvs) reflecting the vegetation characteristics are applied. 1700 LST temperature distribution of heatwave cases in one day.
Figure 5 is an experimental example of the present invention, the daily maximum temperature spatial deviation calculation model (T SWS + TD') and vegetation characteristics are reflected in the index characteristic model (dTtv, dTtvs) applied to the vegetation area, the root mean square error of the daily maximum temperature ( RMSE) is calculated.
6 shows a flowchart of a vegetation cooling model calculation system according to an embodiment of the present invention.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명을 상세히 설명한다. 다만, 본 발명이 예시적 실시 예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일 참조부호는 실질적으로 동일한 기능을 수행하는 부재를 나타낸다.Hereinafter, the present invention will be described in detail with reference to the contents described in the accompanying drawings. However, the present invention is not limited or limited by the exemplary embodiments. The same reference numerals provided in the respective drawings indicate members that perform substantially the same functions.
본 발명의 목적 및 효과는 하기의 설명에 의해서 자연스럽게 이해되거나 보다 분명해 질 수 있으며, 하기의 기재만으로 본 발명의 목적 및 효과가 제한되는 것은 아니다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다.Objects and effects of the present invention can be naturally understood or made clearer by the following description, and the objects and effects of the present invention are not limited only by the following description. In addition, in describing the present invention, if it is determined that a detailed description of a known technology related to the present invention may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted.
도 1은 본 발명의 실시예에 따른 식생 냉각 모델 산출시스템(1)의 구성도를 나타낸다.1 shows a configuration diagram of a vegetation cooling
식생 냉각 모델 산출시스템(1)은 식생에 따른 기온 냉각 효과를 분석하기 위해 식생 특성이 반영된 기온 변화 분석 모델을 산출할 수 있다. 본 발명의 실시예에 따른 식생 냉각 모델 산출시스템(1)을 통해 산출된 모델은 해당 지역의 식생 특성을 반영하여 산출된 모델로서, 생명기후분석시스템(BioCAS)와 연계하여 해당 식생 지역의 기온저감 모의에 대한 효과를 평가를 평가하는 것뿐만 아니라, 여름철 폭염일에 대한 BioCAS의 일 최고기온 모의성능을 개선할 수 있다.The vegetation cooling
식생 냉각 모델 산출시스템(1)은 대상 지역 모델링부(11), 최고기온 산정모델 산출부(13), 지표 특성 모델링부(15), 식생지역 기온냉각모델 산출부(17), 분석부(19)를 포함할 수 있다.The vegetation cooling
대상 지역 모델링부(11)는 식생 특성을 갖는 조사대상 지역의 기상현상을 모의하기 위해 조사대상 지역을 설정할 수 있다.The target
본 발명의 실시예에서는, 서울 및 수도권 지역을 조사대상 지역을 설정하였다. 서울 및 수도권 지역의 기상현상을 모의하기 위해 모델링지역(Model Region, MR)과 기본 연구지역(Study Region, SR)으로 두 가지 도메인을 설정하였다. 또한 본 발명의 실시예에서는 BioCAS에서 중규모 기상현상 모의를 위해 MetPhoMod (METeorology and atmospheric PHOtochemistry mesoscale, MODel)을 사용하였다. MetPhoMod는 중규모 기상현상 및 대기화학을 계산하기 위해 Navier-Stokes 방정식에 기초한 비정역학 방정식계와 직교좌표계를 사용하여, 도시의 표면과 같은 기복이 심한 지역을 계량화하고 도시 내의 대기 흐름과 기온분포를 안정적으로 계산할 수 있는 것이 특징이다.In the embodiment of the present invention, the research target areas were set in Seoul and the metropolitan area. To simulate meteorological phenomena in Seoul and the metropolitan area, two domains were established: a modeling region (MR) and a basic study region (SR). In addition, in the Examples of the present invention, MetPhoMod (METeorology and atmospheric PHOtochemistry mesoscale, MODel) was used to simulate mesoscale meteorological phenomena in BioCAS. MetPhoMod uses a system of non-static equations based on the Navier-Stokes equation and a Cartesian coordinate system to calculate mesoscale meteorological phenomena and atmospheric chemistry to quantify undulating areas such as urban surfaces and to stabilize air flow and temperature distribution within cities. It is characterized in that it can be calculated as
대상 지역 모델링부(11)는 중규모 기온편차(mesoscale air temperature deviation, MD)를 포함하는 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출할 수 있다,The target
본 발명의 실시예에서 적용되는 BioCAS는 특정 조사대상 지역의 기온을 분석할 수 있다. BioCAS의 기온분석 결과로 중규모 기온편차(mesoscale air temperature deviation, MD), 국지규모 기온편차(local-scale air temperature deviation, LD), 종합기온편차(total air temperature deviation, TD)가 산출될 수 있다.BioCAS applied in an embodiment of the present invention can analyze the temperature of a specific investigation target area. As a result of temperature analysis of BioCAS, mesoscale air temperature deviation (MD), local-scale air temperature deviation (LD), and total air temperature deviation (TD) can be calculated.
BioCAS의 기온분석 결과로 산출되는 MD는 폭염사례일에 대해 MetPhoMod를 기반으로 기본 연구지역이 500 m 해상도로 모의되고, 연직격자 중 지표면으로부터 10 m 고도의 기온장을 정의한다. 따라서 스크린 레벨에서의 기온을 추정하기 위해서는, MD에서 모의된 기온장에 지표면에서 방출되는 국지적인 효과를 반영하여야 한다. The MD calculated as a result of the temperature analysis of BioCAS is based on MetPhoMod for the heat wave case day, and the basic research area is simulated with a resolution of 500 m, and the temperature field at an altitude of 10 m from the surface of the vertical grid is defined. Therefore, in order to estimate the temperature at the screen level, the local effect emitted from the earth's surface should be reflected in the temperature field simulated in MD.
국지적 특징은, 조사대상 지역의 자연적인 지형, 건물 및 식생구조물, 수치건물지도, 산림 임상도, 큰 키 식생분포, 도로 및 인공나지분포, 자연초지분포, 수역분포 정보를 포함할 수 있다.The local features may include the natural topography of the area to be investigated, buildings and vegetation structures, numerical building maps, forest clinical maps, tall vegetation distribution, roads and artificial grassland distribution, natural grassland distribution, and water area distribution information.
본 발명의 실시예에서는, BioCAS에 적용될 수 있는 모델을 복수개로 설정하여 조사대상 지역의 국지적 효과가 상세히 적용될 수 있도록 설계하였다. 식생 냉각 모델 산출시스템(1)은 조사대상 지역의 지형, 지표면 등의 자료를 적용하기 위해 수치지형모델(Digital Terrain Model, DTM), 수치표면모델(Digital Surface Model, DSM), 토지피복자료(Land Cover, LC)를 이용할 수 있다. DTM 자료는 자연적인 지형정보만을 나타낸다. DSM 자료는 건물 및 식생구조물 등의 정보를 나타내며, 수치건물모델 자료(Digital Building Model, DBM), 수치식생모델 자료(Digital Vegetation Model, DVM)로 구성될 수 있다. DBM 자료는 안전행정부의 수치건물지도를 통해 산출할 수 있으며, DVM 자료를 산림청의 임상도를 통해 산출할 수 있다. LC 자료는 환경부 세분류 토지피복지도를 통해 산출할 수 있다.In an embodiment of the present invention, a plurality of models that can be applied to BioCAS are set so that the local effect of the area to be investigated can be applied in detail. The vegetation cooling model calculation system (1) is a digital terrain model (DTM), a digital surface model (DSM), and land cover data (Land) to apply data such as topography and surface of the area to be investigated. Cover, LC) can be used. DTM data represent only natural topographic information. DSM data represents information such as buildings and vegetation structures, and can be composed of digital building model data (Digital Building Model, DBM) and digital vegetation model data (DVM). DBM data can be calculated through the numerical building map of the Ministry of Safety and Public Administration, and DVM data can be calculated through the clinical map of the Korea Forest Service. LC data can be calculated through the subdivision land cover map of the Ministry of Environment.
또한, 조사대상 지역의 건물지역(built-up surface, BS), 큰 키 식생(tall vegetation, TV), 도로 및 인공나지(unvegetated surface, US), 자연초지(vegetation surface, VS), 수역(water surface, WS)등의 정보를 이용할 수 있으며, 위 정보들은 모델에 입력될 수 있는 형태로 변형하였다.In addition, the built-up surface (BS), tall vegetation (TV), roads and unvegetated surface (US), natural grassland (vegetation surface, VS), water bodies (water) of the survey target area surface, WS), etc. can be used, and the above information has been transformed into a form that can be input into the model.
최고기온 산정모델 산출부(13)는 조사대상 지역의 중규모 기온편차 및 복수개의 지표면 특성 인자를 이용하여 최고기온 산정모델(TD’)을 산출할 수 있다. 지표면 특성 인자는 건물면적비(fBS), 큰 키 식생면적비(fTV), 건물 높이(hB) 또는 고도(z) 등을 포함할 수 있고, 조사대상 지역의 식생 특성에 따라 가변될 수 있다.The maximum temperature calculation
다만, BioCAS의 기온분석 결과로 산출되는 MD는 500 m 해상도로 모의되고 연직격자 중 지표면으로부터 10 m 고도의 기온장을 정의되므로, 스크린 레벨에서의 중규모 기온편차 산출을 위해서는 다음과 같은 단계의 수치 변형 및 적용이 필요할 수 있다. LD는 지표면에서의 열방출(surface heat flux, dTSHF)과 식생지역의 큰 키 식생 및 자연초지에서의 찬공기 생성에 의한 기온감률(cold air production, dTCA)에 의해 25 m 해상도로 계산된다. MD와 LD가 구해진 후, 이를 합하여 종합기온편차(TD)가 계산되며 각 25 m 격자마다 상대적인 기온(K)으로 추정된다. TD가 산출되는 [수학식 4]은 다음과 같다.However, the MD calculated as a result of the temperature analysis of BioCAS is simulated with a resolution of 500 m and defines a temperature field 10 m from the surface of the vertical grid. and application may be required. LD is calculated at 25 m resolution by the surface heat flux (dT SHF ) and the cold air production (dT CA ) caused by the tall vegetation in the vegetation area and cold air production in the natural grasslands. . After MD and LD are obtained, the total temperature deviation (TD) is calculated by summing them up, and the relative temperature (K) is estimated for each 25 m grid. [Equation 4] in which TD is calculated is as follows.
위 [수학식 4]에서 LD는 지표면의 건물 및 식생의 열 방출·흡수가 중요한 요소인데, 야간 현열 플럭스 밀도와 순복사량에 대한 비율이 교외·근교외·도시 지역에서 토지피복의 fCSAR(complete surface aspect ratio)에 따라 다르게 나타나므로, fCSAR은 단위면적 당 표면적비(m2 m-2)로 계산하여 적용할 수 있다. 단위면적인 한 격자의 fCSAR 값은 4개의 벽면과 1개의 지붕면적을 가진 단일건물구조로 모수화되며 건물점유 정도가 적용된 건물면적(fBS)과 평균 건물높이(hB)로부터 추정된다. fBS는 단위격자 내 건물면적 점유비율(fraction)을 의미하며, fBS를 통해서 단위격자의 중심으로부터 인접지역(ds)의 토지피복 변화에 따라 국지규모 요인의 영향 반영이 가능하고, hB는 모델 격자 당 평균 높이로 정의된다. fCSAR과 현열 플럭스에 대한 경험계수(CSHF)의 값으로 야간 건물표면에서 대기로의 현열 방출로 인한 국지규모 기온 증가 값(dTSHF)을 산출할 수 있다. 국지 냉각 dTCA는 경험적 냉각함수(cca)와 시간 및 단위면적 당 생성되는 찬공기의 양(Qca)의 곱으로 계산되며, 산출된 지표면에 대한 dTSHF와 dTCA의 합으로서 LD를 산출할 수 있다. 산출된 LD와 MD를 더함으로써 TD를 산출할 수 있다. 그러나, 위 수학식 4를 통해 산출될 TD는 공간적으로 오차를 포함하고 있으므로 오차를 보정하는 단계를 거쳐야 한다.Up LD in [Equation 4] is a significant factor heat release and absorption of the building on the Earth's surface, and the vegetation, the ratio of the night sensible heat flux density and the net radiation suburbs, suburban other, land cover in an urban area f CSAR (complete Since it appears differently depending on the surface aspect ratio), f CSAR can be calculated and applied as a surface area ratio per unit area (m 2 m -2 ). The f CSAR value of a grid with a unit area is parameterized as a single building structure with 4 walls and 1 roof area, and it is estimated from the building area (f BS ) and the average building height (h B ) to which the degree of building occupancy is applied. f BS means the fraction of the building area within the unit grid, and through f BS , it is possible to reflect the influence of local scale factors from the center of the unit grid to the change in land cover of the adjacent area (d s ), h B is defined as the average height per model grid. With the values of f CSAR and the empirical factor (C SHF ) for the sensible heat flux, it is possible to calculate the local-scale temperature increase (d TSHF ) due to the release of sensible heat from the building surface to the atmosphere at night. Local cooling dT CA is calculated as the product of the empirical cooling function (c ca) with time and unit volume of cold air (Qca) generated per unit area, calculating the LD as the sum of dT SHF and dT CA on the calculated surface can TD can be calculated by adding the calculated LD and MD. However, since the TD to be calculated through Equation 4 above spatially includes an error, a step of correcting the error must be performed.
최고기온 산정모델(TD’)은 수학식 1로 표현될 수 있다.The maximum temperature calculation model (TD') can be expressed by
위 수학식 1에서 TD'에는 MD와 지표면특성변수인 건물면적비(fBS), 큰 키 식생면적비(fTV), 건물높이 × 면적(hB × fBS)과 고도(z) 정보가 사용된다. 수학식 1로부터 산출된 TD’과 일 최고기온(TSWS)을 이용하여 상대적 일 최고기온 공간편차(Tmax)를 산출할 수 있다. 본 발명의 실시예에서는 서울관측소 지점의 자료를 기준으로 하였다.In
지표 특성 모델링부(15)는 조사대상 지역의 식생 특성이 지표면 특성 인자 중 적어도 어느 하나에 반영된 지표 특성 모델을 산출할 수 있다.The surface
지표 특성 모델링부(15)는 전처리 모듈(151), 상관관계 도출모듈(153), 회귀분석 모듈(155), 모델 산출모듈(157)을 포함할 수 있다.The index
전처리 모듈(151)은 조사대상 지역을 식생 인자(식생 종류, 식생 높이, 식생 면적비율 등)별로 그룹핑하여 분류하고, 분류된 조사대상 지역의 일 중 최대 기온차를 산출할 수 있다. 상관관계 도출모듈(153)은 최대 기온차와 식생 인자의 상관도를 분석하는 상관관계 도출할 수 있다. 회귀분석 모듈(155)은 상관도에 의해 선택된 상관관계가 있는 식생 인자와 최대 기온차에 대해 회귀 분석을 실행하여 식생 인자에 대해 회귀계수를 도출할 수 있다.The
모델 산출모듈(157)은 회귀계수를 적용하여 조사대상 지역의 최고기온을 식생 인자에 따라 조정하는 지표 특성 모델을 산출할 수 있다.The
본 발명의 실시예에서 식생지역 기온냉각효과 분석에는 기존의 fTV 항을 대신하여 개선된 기온냉각모델 dTtv, dTtvs를 각각 적용하여 일 최고기온을 산정할 수 있다. 본 발명의 실시예에서는 서울대학교 내 숲과 서울 숲을 대상으로 하였고, 서울대학교 내 숲과 서울 숲의 환경에 맞추어 적용된 식생 기온냉각모델을 적용하였다. 서울대학교 캠퍼스는 관악산으로 둘러싸여 있고 큰 키 식생지역(침엽수림, 활엽수림, 혼효림), 초지, 아스팔트로 지표면 특성을 분류하여 기온을 관측하였다. 서울 숲은 큰 키 식생지역(침엽수림, 활엽수림, 혼효림), 초지, 우레탄피복지로 분류하여 기온을 관측하였다. 위의 환경에서 관측된 자료들은 각 지역의 식생환경에 따라 분석되었고, 각 식생의 특성에 따른 기온저감 효과를 정량화하여 식생지역 기온냉각모델을 개발하였다. In the embodiment of the present invention, the improved temperature cooling models dTtv and dTtvs can be applied to the analysis of the cooling effect of the vegetation area in place of the existing f TV term to calculate the daily maximum temperature. In the embodiment of the present invention, forests in Seoul National University and Seoul forests were targeted, and the vegetation temperature cooling model applied to the environment of forests in Seoul National University and Seoul forest was applied. The Seoul National University campus is surrounded by Mt. Gwanak, and the temperature was observed by classifying the surface characteristics into tall vegetation areas (coniferous forest, broadleaf forest, mixed forest), grassland, and asphalt. Seoul forests were classified into tall vegetation areas (coniferous forests, broadleaf forests, mixed forests), grasslands, and urethane-covered forests, and the temperature was observed. The data observed in the above environment were analyzed according to the vegetation environment of each area, and a temperature cooling model was developed in the vegetation area by quantifying the effect of temperature reduction according to the characteristics of each vegetation.
지표 특성 모델은 식생 인자로서 식생 높이를 고려하는 경우, 큰 키 식생 비율이 조사대상 지역의 50% 이상일 수학식 2의 dTtv 모델을 적용할 수 있다.When the vegetation height is considered as a vegetation factor for the surface characteristic model, the dTtv model of Equation 2 can be applied when the ratio of tall vegetation is 50% or more of the survey target area.
dTtv는 조사대상 지역의 식생 특성이 50% 이상의 큰 키 식생으로 구성된 경우의 지표 특성 모델, fTV90m는 조사대상 지역에서 90m*90m 면적 내의 큰 키 식생 면적비율 분포도를 의미한다.dTtv is the surface characteristic model when the vegetation characteristics of the survey area are composed of 50% or more tall vegetation, and fTV 90m means the distribution of the area ratio of tall vegetation within the area of 90m*90m in the survey area.
본 발명의 실시예를 통해 산출된 모델인 dTtv는 서울대학교 숲을 대상으로 하였다. dTtv는 도심과 숲의 기온편차를 산출하기 위해서 기본 연구지역에서 90 m × 90 m 면적 내 TV 면적비율 분포도가 요구된다.dTtv, a model calculated through an embodiment of the present invention, was targeted at Seoul National University forest. In order to calculate the temperature deviation between the city center and the forest, dTtv requires a distribution of TV area ratio within a 90 m × 90 m area in the basic research area.
지표 특성 모델은 식생 인자로서 식생 높이를 고려하는 경우, 큰 키 식생 비율이 조사대상 지역의 50% 미만으로서 큰 키 식생과 초지가 공존할 때 수학식 3의 dTtvs 모델을 적용할 수 있다.In the case of considering the vegetation height as a vegetation factor, the dTtvs model of Equation 3 can be applied when the tall vegetation and grassland coexist as the ratio of tall vegetation is less than 50% of the area to be surveyed.
dTtvs는 조사대상 지역의 식생 특성이 50% 미만의 큰 키 식생과 초지로 구성된 경우의 지표 특성 모델, fTV50m는 조사대상 지역에서 50m*50m 면적 내의 큰 키 식생 면적비율 분포도, fVS50m는 조사대상 지역에서 50m*50m 면적 내의 자연초지 면적비율 분포도를 의미한다.dTtvs is the surface characteristic model when the vegetation characteristics of the survey area are less than 50% of tall vegetation and grasslands, fTV 50m is the distribution of tall vegetation within 50m*50m area in the survey area, and fVS 50m is the survey target It means the distribution of natural grassland area ratio within the area of 50m*50m in the region.
본 발명의 실시예를 통해 산출된 모델인 dTtvs는 서울 숲을 대상으로 하였다. dTtvs, a model calculated through an embodiment of the present invention, was targeted at Seoul Forest.
dTtvs는 도심과 숲의 기온편차를 산출하기 위해서 기본 연구지역에서 50 m × 50 m 면적 내 TV 분포도 및 50 m × 50 m 면적 내의 VS 면적비율 분포도가 요구된다.dTtvs requires TV distribution within 50 m × 50 m and VS area ratio distribution within 50 m × 50 m in the basic research area to calculate the temperature deviation between the city center and forest.
식생지역 기온냉각모델 산출부(17)는 지표 특성 모델을 최고기온 산정 모델의 지표면 특성 인자 중 어느 하나에 적용하여 조사대상 지역의 식생 특성을 반영한 식생지역 기온냉각모델을 산출할 수 있다.The vegetation area temperature cooling
분석부(19)는 식생지역 기온냉각모델을 대상 지역 모델에 적용하여 조사대상 지역의 식생 특성에 따른 기온 냉각 효과를 분석할 수 있다.The
도 2는 본 발명의 실험례에 따른 결과로서, 서울 및 수도권 지역의 토지유형에 따른 규모별 기온편차를 나타낸다.2 is a result according to the experimental example of the present invention, showing the temperature deviation by scale according to the land type in Seoul and the metropolitan area.
도 2(a) 내지 도 2(d)를 통해 서울시 폭염일에서 MD의 중앙 값을 보면 TV, US에서 .1.50 K로 유사한 기온을 나타내며, BS에서는 .1.00 K로 상대적으로 높다. 한편, VS에서는 .2.00 K로 낮게 분석되었다. LD가 함께 적용된 종합기온편차 TD는 식생이 있는 지역인 TV와 VS에서 MD보다 더 낮은 기온편차(.3.05 K, .2.65 K)가 분석되었고, BS에서는 더 높은 기온(.0.86 K)이 분석되었다. 도 2(e)는 각 토지이용도에 따른 MD, TD, LD 그리고 TD'의 평균 기온편차 및 표준편차 값을 나타낸 것으로, US와 BS에서보다 TV와 VS에서의 표준편차 값이 0.10 K 이상 높게 산출된 것을 확인할 수 있다. 식생지역은 기온과의 상관도에서 다른 지역과 비교하여 일관성을 나타내지 않는 것으로 판단할 수 있다. US 및 BS보다 TV와 VS의 기온 표준편차가 0.25 K 이상으로 크게 나타난 것을 통해, 토지피복에 따라 기온냉각 또는 상승의 영향에 대한 경험식을 개선이 필요함을 확인할 수 있다. Looking at the median value of MD on a heat wave day in Seoul through FIGS. 2(a) to 2(d), it shows a similar temperature at .1.50 K in TV and US, and .1.00 K in BS, which is relatively high. On the other hand, it was analyzed as low as .2.00 K in VS. For the TD applied with LD, a lower temperature deviation (.3.05 K, .2.65 K) than MD was analyzed in TV and VS, which are areas with vegetation, and a higher temperature (.0.86 K) was analyzed in BS. . Figure 2(e) shows the average temperature deviation and standard deviation values of MD, TD, LD, and TD' according to each land use. You can check what has been calculated. It can be judged that the vegetation area does not show consistency compared to other areas in the correlation with temperature. The standard deviation of the temperature of TV and VS was greater than 0.25 K compared to that of US and BS, confirming that it is necessary to improve the empirical formula for the effect of temperature cooling or rise according to land cover.
도 3은 본 발명의 실험례로서, 서울대학교 숲과 서울 숲에 각각 서울대학교 숲 모델(dTtv)과 서울 숲 모델(dTtvs)을 적용한 기온편차 분포를 나타낸다. 도 3은 환경부 토지피복자료를 이용하여 서울 및 수도권 영역의 식생분포도를 구축하고 서울대학교 숲 모델(dTtv)과 서울 숲 모델(dTtvs)을 적용하였다. 전술한 바와 같이 dTtv 모델 산출에는 기본 연구지역에서 90 m × 90 m 면적 내 TV 면적비율 분포도가 필요하므로, 서울대학교 숲의 해당 면적 내 TV 면적비율 분포도를 이용하였고, dTtvs 모델 산출에는 기본 연구지역에서 50 m × 50 m 면적 내 TV 분포도 및 VS 면적비율 분포도가 필요하므로, 서울 숲의 해당 면적 내 TV 및 VS 면적비율 분포도를 이용하였다.3 is an experimental example of the present invention, showing the distribution of temperature deviations in which the Seoul National University forest model (dTtv) and the Seoul forest model (dTtvs) are applied to the Seoul National University forest and the Seoul forest, respectively. 3 shows the vegetation distribution map of Seoul and the metropolitan area using land cover data of the Ministry of Environment, and the Seoul National University forest model (dTtv) and Seoul forest model (dTtvs) were applied. As described above, the distribution of TV area ratio within the area of 90 m × 90 m in the basic research area is required to calculate the dTtv model, so the distribution of TV area ratio within the corresponding area of the Seoul National University forest was used. Since TV distribution and VS area ratio distribution within an area of 50 m × 50 m are required, we used TV and VS area ratio distribution within the corresponding area of Seoul Forest.
도 4는 본 발명의 실험례로서, 일 최고기온 공간편차 산정모델(TSWS + TD')과 식생 특성이 반영된 지표 특성 모델(dTtv, dTtvs)을 적용한 2016년 8월 4일(도 4(a))과 2016년 8월 6일(도 4(b))의 폭염사례 1700 LST 기온분포를 나타낸다.4 is an experimental example of the present invention , August 4, 2016 (Fig. 4(a)) to which the daily maximum temperature spatial deviation calculation model (T SWS + TD') and the surface characteristic model (dTtv, dTtvs) reflecting the vegetation characteristics are applied. )) and August 6, 2016 (Fig. 4(b)) show the 1700 LST temperature distribution of the heatwave case.
도 5는 본 발명의 실험례로서, 식생 지역에 일 최고기온 공간편차 산정모델(TSWS + TD')과 식생 특성이 반영된 지표 특성 모델(dTtv, dTtvs)을 적용하여 일 최고기온 평균제곱근오차(RMSE)를 산출한 결과를 나타낸다. 도 5(a)는 일 최고기온 평균제곱근오차(RMSE)를 그래프로 나타낸 것이며, 도5(b)는 관측지점의 식생 특징 및 비율과 일 최고기온 평균제곱근오차(RMSE)를 표로 나타낸 것이다.Figure 5 is an experimental example of the present invention, the daily maximum temperature spatial deviation calculation model (T SWS + TD') and vegetation characteristics are applied to the index characteristic model (dTtv, dTtvs) reflected in the vegetation area, the root mean square error of the daily maximum temperature ( RMSE) is calculated. Figure 5 (a) is a graph showing the daily maximum temperature root mean square error (RMSE), Figure 5 (b) is a table showing the vegetation characteristics and ratio of the observation point and the daily maximum temperature root mean square error (RMSE).
도 4 내지 도 5을 통해 본 발명의 식생 냉각 모델 산출시스템(1)을 통해 산출된 dTtv, dTtvs 모델을 식생이 많이 포함된 지역에 적용하였을 때 기온저감 효과를 보다 정확히 추정할 수 있으며, 각 측정지점의 토지이용 분포에 따라 모델 성능의 향상도가 다르게 나타남을 확인하여, 식생에 따라 적용되는 상이한 모델을 적용하여야 함을 확인할 수 있다.When the dTtv and dTtvs models calculated through the vegetation cooling
본 발명의 실시예에서는 서울 내부지점과 서울 외곽지점들을 포함하여 총 9개의 지점의 기온이 관측되었다. 9개의 지점 중에서 실제로 가장 고도가 높아 산지특성 요인이 크게 작용되는 지점은 남현, 능곡, 북악산, 중구, 관악(레) 지점이다. 남현, 능곡, 북악산, 중구 지점은 TV의 비율은 80.00% 이상으로 주변 환경이 주로 TV의 영향을 받으며 관악(레) 지점은 53.18%의 TV 영향을 받는다. 한편, 안산지점과 노원지점은 각각 60.40%, 42.80%의 VS 영향을 받을 수 있다. In the embodiment of the present invention, temperatures were observed at a total of nine points including the inner point of Seoul and the outer point of Seoul. Among the nine points, the points where the mountain characteristics have a significant effect due to the fact that they have the highest altitude are Namhyeon, Neunggok, Bukaksan, Jung-gu, and Gwanak (Re) points. At Namhyeon, Neunggok, Bukaksan, and Jung-gu branches, the TV ratio is more than 80.00%, and the surrounding environment is mainly affected by TV, and the Gwanak (Le) branch is affected by TV by 53.18%. On the other hand, the Ansan branch and the Nowon branch may be affected by VS of 60.40% and 42.80%, respectively.
도 5(a) 및 도 5(b)는 도 4의 차이를 일 최고기온 평균제곱근오차(RMSE)로 산출한 것으로, 관측지점의 식생환경이 반영된 것을 확인할 수 있다. 5(a) and 5(b) show the difference in FIG. 4 as the root mean square error (RMSE) of the maximum daily temperature, and it can be seen that the vegetation environment of the observation point is reflected.
식생지역(TV + VS)의 비율이 50% 이상인 지점들 중 능곡 지점을 제외한 남현, 북악산, 중구, 안산, 관악 지점에서는 dTtv의 RMSE 값이 dTtvs보다 작게 나타났다. 즉, 식생비율이 50% 이상인 지역은 dTtv 모델을 적용하는 것이 가장 적합하다. 한편, 식생지역의 비율이 50% 이하로 건물지역과 도로의 비율이 상대적으로 높은 노원, 성동지점의 경우에는 dTtvs의 RMSE가 dTtv보다 작게 나타났다. 즉, 식생비율이 50% 이하인 지역은 dTtvs 모델을 적용하는 것이 가장 적합하다. 그리고, 식생지역의 비율이 가장 낮고, 도로 및 나지의 비율이 가장 높은 구로지역은 식생 냉각 모델 산출시스템(1)을 통해 산출한 기온냉각모델(dTtv, dTtvs)의 효과가 거의 나타나지 않았다. 이는 식생을 거의 포함하지 않는 지역에서는 기존의 개선된 TD’을 적용함이 바람직함을 확인할 수 있다.The RMSE value of dTtv was smaller than dTtvs at Namhyeon, Bukaksan, Jung-gu, Ansan, and Gwanak points, except for Neunggok, among the points where the ratio of vegetation area (TV + VS) was 50% or more. In other words, it is most suitable to apply the dTtv model to the area where the vegetation ratio is 50% or more. On the other hand, the RMSE of dTtvs was smaller than that of dTtv in Nowon and Seongdong, where the ratio of vegetation area was less than 50% and the ratio of building area to road was relatively high. In other words, it is most suitable to apply the dTtvs model to the area where the vegetation ratio is less than 50%. And, the effect of the temperature cooling models (dTtv, dTtvs) calculated through the vegetation cooling model calculation system (1) in the Guro area with the lowest ratio of vegetation area and the highest ratio of roads and bare soil was hardly shown. This confirms that it is desirable to apply the existing improved TD' in areas that contain little vegetation.
도 6은 본 발명에 따른 다른 실시예로서, 식생에 따른 기온 냉각 효과를 분석하기 위해 식생 특성이 반영된 기온 변화 분석 모델을 산출하는 기온 냉각 모델 산출방법을 나타낸다. 대상 지역 모델을 산출하는 (a)단계, 최고기온 산정모델을 산출하는 (b)단계, 지표 특성 모델을 산출하는 (c)단계, 식생지역 기온냉각모델을 산출하는 (d)단계, 기온 냉각 효과를 분석하는 (e)단계를 포함할 수 있다.6 shows a temperature cooling model calculation method for calculating a temperature change analysis model in which vegetation characteristics are reflected in order to analyze a temperature cooling effect according to vegetation as another embodiment according to the present invention. Step (a) to calculate the target area model, step (b) to calculate the maximum temperature calculation model, step (c) to calculate the surface characteristic model, step (d) to calculate the temperature cooling model for the vegetation area, temperature cooling effect It may include the step (e) of analyzing.
(a)단계는 조사대상 지역을 설정하고, 중규모 기온편차(mesoscale air temperature deviation, MD)를 포함하는 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출하는 단계를 의미한다. (b)단계는 조사대상 지역의 중규모 기온편차 및 복수개의 지표면 특성 인자를 이용하여 최고기온 산정모델을 산출하는 단계를 의미한다. (c)단계는 지표면 특성 인자는, 건물면적비(fBS), 큰 키 식생면적비(fTV), 건물 높이(hB) 또는 고도(z) 등을 포함할 수 있고, 조사대상 지역의 식생 특성에 따라 가변될 수 있으며, 조사대상 지역의 식생 특성이 지표면 특성 인자 중 적어도 어느 하나에 반영된 지표 특성 모델을 산출하는 단계를 의미한다. (d)단계는 지표 특성 모델을 최고기온 산정 모델의 지표면 특성 인자 중 어느 하나에 적용하여 조사대상 지역의 식생 특성을 반영한 식생지역 기온냉각모델을 산출하는 단계를 의미한다. (e)단계는 식생지역 기온냉각모델을 대상 지역 모델에 적용하여 조사대상 지역의 식생 특성에 따른 기온 냉각 효과를 분석하는 단계를 의미한다. 또한 (c)단계는, 조사대상 지역을 식생 인자(식생 종류, 식생 높이, 식생 면적비율 등)별로 그룹핑하여 분류하고, 분류된 조사대상 지역의 일 중 최대 기온차를 산출하는 단계, 최대 기온차와 식생 인자의 상관도를 분석하여 상관관계를 도출하는 단계, 상관도에 의해 선택된 상관관계가 있는 식생 인자와 최대 기온차에 대해 회귀 분석을 실행하여 식생 인자에 대해 회귀 계수를 도출하는 단계 및 회귀 계수를 적용하여 조사대상 지역의 최고기온을 식생 인자에 따라 조정하는 지표 특성 모델을 산출하는 단계를 포함할 수 있다. (a) 내지 (e)단계는 전술한 식생 냉각 모델 산출시스템(1)의 실시예에서 수행되는 과정을 나타낸 것으로 각 단계의 의미와 의의를 전술한 바, 중복 설명은 생략한다.Step (a) refers to the step of setting the survey target area and calculating the target area model by reflecting the meteorological information and local characteristics of the survey target area including mesoscale air temperature deviation (MD). Step (b) refers to the step of calculating the maximum temperature calculation model using the mesoscale temperature deviation of the survey target area and a plurality of surface characteristic factors. In step (c), the ground surface characteristic factor may include a building area ratio (f BS ), a tall vegetation area ratio (f TV ), a building height (h B ) or an altitude (z), etc., and the vegetation characteristics of the area to be investigated may vary depending on the , and refers to the step of calculating the surface characteristic model in which the vegetation characteristics of the area to be investigated are reflected in at least one of the surface characteristic factors. Step (d) refers to the step of calculating the temperature cooling model of the vegetation area reflecting the vegetation characteristics of the area to be investigated by applying the surface characteristic model to any one of the surface characteristic factors of the maximum temperature calculation model. Step (e) refers to the step of analyzing the temperature cooling effect according to the vegetation characteristics of the area to be investigated by applying the temperature cooling model of the vegetation area to the target area model. In addition, step (c) is a step of grouping and classifying the survey target area by vegetation factors (vegetation type, vegetation height, vegetation area ratio, etc.) The step of deriving correlation by analyzing the degree of correlation of factors, the step of deriving a regression coefficient for the vegetation factor by executing regression analysis on the vegetation factor with correlation selected by the correlation degree and the maximum temperature difference, and applying the regression coefficient Thus, it may include calculating an index characteristic model that adjusts the maximum temperature of the area to be investigated according to vegetation factors. Steps (a) to (e) show the process performed in the embodiment of the above-described vegetation cooling model calculation system (1), and the meaning and significance of each step has been described above, and redundant descriptions are omitted.
이상에서 대표적인 실시예를 통하여 본 발명을 상세하게 설명하였으나, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리 범위는 설명한 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 특허청구범위와 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태에 의하여 정해져야 한다. Although the present invention has been described in detail through representative embodiments above, those of ordinary skill in the art to which the present invention pertains will understand that various modifications are possible within the limits without departing from the scope of the present invention with respect to the above-described embodiments. will be. Therefore, the scope of the present invention should not be limited to the described embodiments and should be defined by all changes or modifications derived from the claims and equivalent concepts as well as the claims to be described later.
1 : 식생 냉각 모델 산출시스템
11 : 대상 지역 모델링부
13 : 최고기온 산정모델 산출부
15 : 지표 특성 모델링부
151 : 전처리 모듈
153 : 상관관계 도출모듈
155 : 회귀분석 모듈
157 : 모델 산출모듈
17 : 식생지역 기온냉각모델 산출부
19 : 분석부1: Vegetation cooling model calculation system
11: Target area modeling department
13: Maximum temperature calculation model calculation unit
15: indicator characteristic modeling unit
151: preprocessing module
153: correlation derivation module
155: regression analysis module
157: model calculation module
17: Vegetation area temperature cooling model calculation unit
19: analysis unit
Claims (5)
조사대상 지역을 설정하고, 2km 이상 2,000km 이하 대기의 중규모 기온편차(mesoscale air temperature deviation, MD)를 포함하는 상기 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출하는 대상 지역 모델링부;
상기 조사대상 지역의 상기 중규모 기온편차 및 복수개의 지표면 특성 인자를 이용하여 최고기온 산정모델을 산출하는 최고기온 산정모델 산출부;
상기 지표면 특성 인자는,
건물면적비(fBS), 큰 키 식생면적비(fTV), 건물 높이(hB) 및 고도(z) 중 적어도 어느 하나를 포함하고 상기 조사대상 지역의 식생 특성에 따라 가변되며,
상기 지표면 특성 인자 중 적어도 어느 하나에 상기 식생 특성이 반영된 지표 특성 모델을 산출하는 지표 특성 모델링부;
상기 지표 특성 모델을 상기 최고기온 산정 모델에 적용하여 상기 조사대상 지역의 식생지역 기온냉각모델을 산출하는 식생지역 기온냉각모델 산출부; 및
상기 식생지역 기온냉각모델을 상기 대상 지역 모델에 적용하여 상기 식생 특성에 따른 기온 냉각 효과를 분석하는 분석부를 포함하며,
상기 지표 특성 모델링부는,
상기 조사대상 지역을 식생 인자별로 그룹핑하여 분류하고, 분류된 상기 조사대상 지역의 일 중 최대 기온차를 산출하는 전처리 모듈;
상기 최대 기온차와 상기 식생 인자의 상관도를 분석하는 상관관계 도출 모듈;
상기 상관도에 의해 선택된 상관관계가 있는 상기 식생 인자와 상기 최대 기온차에 대해 회귀 분석을 실행하여 상기 식생 인자에 대해 회귀계수를 도출하는 회귀분석 모듈; 및
상기 회귀계수를 적용하여 상기 조사대상 지역의 최고기온을 상기 식생 인자에 따라 조정하는 지표 특성 모델을 산출하는 모델 산출모듈을 포함하며,
상기 지표 특성 모델은,
큰 키 식생 비율이 상기 조사대상 지역의 50% 이상일 때, 하기의 [수학식 1]의 dTtv 모델을 적용하고,
큰 키 식생 비율이 상기 조사대상 지역의 50% 미만으로서 큰 키 식생과 초지가 공존할 때 하기의 [수학식 2]의 dTtvs 모델을 적용하는 것을 특징으로 하는 식생 냉각 모델 산출시스템.
[수학식 1]
(상기 수학식 1에서 dTtv는 조사대상 지역의 식생 특성이 50% 이상의 큰 키 식생으로 구성된 경우의 지표 특성 모델, fTV90m는 조사대상 지역에서 90m*90m 면적 내의 큰 키 식생 면적비율 분포도를 의미한다.)
[수학식 2]
(상기 수학식 2에서 dTtvs는 조사대상 지역의 식생 특성이 50% 미만의 큰 키 식생과 초지로 구성된 경우의 지표 특성 모델, fTV50m는 조사대상 지역에서 50m*50m 면적 내의 큰 키 식생 면적비율 분포도, fVS50m는 조사대상 지역에서 50m*50m 면적 내의 자연초지 면적비율 분포도를 의미한다.)
In the vegetation cooling model calculation system for analyzing the temperature reduction effect according to the vegetation characteristics,
Target area modeling that sets the target area and calculates the target area model by reflecting the meteorological information and local characteristics of the area to be surveyed, including mesoscale air temperature deviation (MD) of the atmosphere from 2km to 2,000km wealth;
a maximum temperature calculation model calculation unit for calculating a maximum temperature calculation model using the mesoscale temperature deviation of the survey target area and a plurality of surface characteristic factors;
The ground surface characteristic factor is,
It includes at least one of a building area ratio (f BS ), a tall vegetation area ratio (f TV ), a building height (h B ), and an altitude (z) and varies according to the vegetation characteristics of the area to be investigated,
an index characteristic modeling unit for calculating an index characteristic model in which the vegetation characteristic is reflected in at least one of the surface characteristic factors;
a vegetation area temperature cooling model calculation unit for calculating a vegetation area temperature cooling model of the survey target area by applying the index characteristic model to the maximum temperature calculation model; and
An analysis unit for analyzing the temperature cooling effect according to the vegetation characteristics by applying the temperature cooling model of the vegetation area to the target area model,
The index characteristic modeling unit,
a pre-processing module for grouping and classifying the survey target area by vegetation factor, and calculating a maximum temperature difference during the day of the classified area to be surveyed;
a correlation derivation module for analyzing the correlation between the maximum temperature difference and the vegetation factor;
a regression analysis module for deriving a regression coefficient for the vegetation factor by executing a regression analysis on the vegetation factor and the maximum temperature difference having a correlation selected by the correlation degree; and
and a model calculation module for calculating an index characteristic model that adjusts the maximum temperature of the survey target area according to the vegetation factor by applying the regression coefficient,
The index characteristic model is,
When the tall vegetation ratio is 50% or more of the survey target area, the dTtv model of the following [Equation 1] is applied,
Vegetation cooling model calculation system, characterized in that the dTtvs model of the following [Equation 2] is applied when the tall vegetation and grassland coexist as the tall vegetation ratio is less than 50% of the survey target area.
[Equation 1]
(In Equation 1, dTtv is an index characteristic model in the case where the vegetation characteristic of the survey target area is composed of 50% or more tall vegetation, and fTV90m means the distribution of the area ratio of tall vegetation within 90m * 90m area in the survey target area. )
[Equation 2]
(in Equation 2, dTtvs is an index characteristic model when the vegetation characteristics of the survey area are composed of tall vegetation and grasslands of less than 50%, fTV50m is a distribution map of the area ratio of tall vegetation within 50m*50m area in the survey area, fVS50m means the distribution of natural grassland area ratio within the area of 50m*50m in the target area.)
상기 국지적 특징은,
상기 조사대상 지역의 자연적인 지형, 건물 및 식생구조물, 수치건물지도, 산림 임상도, 큰 키 식생분포, 도로 및 인공나지분포, 자연초지분포, 수역분포 정보를 포함하며,
상기 식생 인자는 식생 종류, 식생 높이, 식생 면적비율에 관한 정보를 포함하는 것을 특징으로 하는 식생 냉각 모델 산출시스템.
The method of claim 1,
The local feature is
It includes natural topography, buildings and vegetation structures, numerical building maps, forest clinical maps, tall vegetation distributions, roads and artificial grassland distributions, natural grassland distributions, and water body distribution information of the survey target area,
The vegetation factor is a vegetation cooling model calculation system, characterized in that it includes information about the vegetation type, vegetation height, and vegetation area ratio.
(a)상기 컴퓨터에서 조사대상 지역을 설정하고, 2km 이상 2,000km 이하 대기의 중규모 기온편차(mesoscale air temperature deviation, MD)를 포함하는 상기 조사대상 지역의 기상정보 및 국지적 특징을 반영하여 대상 지역 모델을 산출하는 단계;
(b)상기 조사대상 지역의 상기 중규모 기온편차 및 복수개의 지표면 특성 인자를 이용하여 최고기온 산정모델을 산출하는 단계;
(c)상기 지표면 특성 인자는, 건물면적비(fBS), 큰 키 식생면적비(fTV), 건물 높이(hB) 및 고도(z) 중 적어도 어느 하나를 포함하고 상기 조사대상 지역의 식생 특성에 따라 가변되며, 상기 지표면 특성 인자 중 적어도 어느 하나에 상기 조사대상 지역의 식생 특성이 반영된 지표 특성 모델을 산출하는 단계;
(d)상기 지표 특성 모델을 상기 최고기온 산정 모델에 적용하여 상기 조사대상 지역의 식생지역 기온냉각모델을 산출하는 단계; 및
(e)상기 식생지역 기온냉각모델을 상기 대상 지역 모델에 적용하여 상기 식생 특성에 따른 기온 냉각 효과를 분석하는 단계를 포함하며,
상기 (c)단계는,
상기 조사대상 지역을 식생 인자별로 그룹핑하여 분류하고, 분류된 상기 조사대상 지역의 일 중 최대 기온차를 산출하는 단계;
상기 최대 기온차와 상기 식생 인자의 상관도를 분석하여 상관관계를 도출하는 단계;
상기 상관도에 의해 선택된 상관관계가 있는 상기 식생 인자와 상기 최대 기온차에 대해 회귀 분석을 실행하여 상기 식생 인자에 대해 회귀 계수를 도출하는 단계; 및
상기 회귀 계수를 적용하여 상기 조사대상 지역의 최고기온을 상기 식생 인자에 따라 조정하는 지표 특성 모델을 산출하는 단계를 포함하며,
상기 지표 특성 모델은,
큰 키 식생 비율이 상기 조사대상 지역의 50% 이상일 때, 하기의 [수학식 1] 의 dTtv 모델을 적용하고,
큰 키 식생 비율이 상기 조사대상 지역의 50% 미만으로서 큰 키 식생과 초지가 공존할 때 하기의 [수학식 2]의 dTtvs 모델을 적용하여 수행되는 것을 특징으로 하는 기온 냉각 모델 산출방법.
[수학식 1]
(상기 수학식 1에서 dTtv는 조사대상 지역의 식생 특성이 50% 이상의 큰 키 식생으로 구성된 경우의 지표 특성 모델, fTV90m는 조사대상 지역에서 90m*90m 면적 내의 큰 키 식생 면적비율 분포도를 의미한다.)
[수학식 2]
(상기 수학식 2에서 dTtvs는 조사대상 지역의 식생 특성이 50% 미만의 큰 키 식생과 초지로 구성된 경우의 지표 특성 모델, fTV50m는 조사대상 지역에서 50m*50m 면적 내의 큰 키 식생 면적비율 분포도, fVS50m는 조사대상 지역에서 50m*50m 면적 내의 자연초지 면적비율 분포도를 의미한다.)
In the temperature cooling model calculation method for calculating a temperature change analysis model reflecting vegetation characteristics in the computer in order to analyze the temperature cooling effect according to vegetation by being combined with a computer which is hardware,
(a) Set the area to be surveyed in the computer, and model the target area by reflecting the meteorological information and local characteristics of the area to be surveyed, including mesoscale air temperature deviation (MD) in the atmosphere from 2 km to 2,000 km calculating ;
(b) calculating a maximum temperature calculation model using the mesoscale temperature deviation of the survey target area and a plurality of surface characteristic factors;
(c) The ground surface characteristic factor includes at least one of a building area ratio (f BS ), a tall vegetation area ratio (f TV ), a building height (h B ), and an altitude (z), and vegetation characteristics of the area to be investigated calculating an index characteristic model in which vegetation characteristics of the area to be investigated are reflected in at least one of the surface characteristic factors;
(d) calculating the temperature cooling model of the vegetation area of the survey target area by applying the index characteristic model to the maximum temperature calculation model; and
(e) applying the temperature cooling model of the vegetation area to the target area model and analyzing the temperature cooling effect according to the vegetation characteristics,
Step (c) is,
grouping and classifying the survey target area by vegetation factor, and calculating the maximum temperature difference during the day of the classified area to be surveyed;
deriving a correlation by analyzing the correlation between the maximum temperature difference and the vegetation factor;
deriving a regression coefficient for the vegetation factor by performing a regression analysis on the vegetation factor and the maximum temperature difference having a correlation selected by the correlation degree; and
Comprising the step of calculating an index characteristic model that adjusts the maximum temperature of the survey target area according to the vegetation factor by applying the regression coefficient,
The index characteristic model is,
When the tall vegetation rate is 50% or more of the survey target area, the dTtv model of the following [Equation 1] is applied,
When the tall vegetation ratio is less than 50% of the survey target area and the tall vegetation and grassland coexist, the temperature cooling model calculation method, characterized in that it is performed by applying the dTtvs model of the following [Equation 2].
[Equation 1]
(In Equation 1, dTtv is an index characteristic model in the case where the vegetation characteristic of the survey target area is composed of 50% or more tall vegetation, and fTV90m means the distribution of the area ratio of tall vegetation within 90m * 90m area in the survey target area. )
[Equation 2]
(in Equation 2, dTtvs is an index characteristic model when the vegetation characteristics of the survey area are composed of tall vegetation and grasslands of less than 50%, fTV50m is a distribution map of the area ratio of tall vegetation within 50m*50m area in the survey area, fVS50m means the distribution of natural grassland area ratio within the area of 50m*50m in the target area.)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190128469A KR102333524B1 (en) | 2019-10-16 | 2019-10-16 | Vegetation cooling model calculation system and method to analyze the effect of temperature reduction according to vegetation characteristics |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190128469A KR102333524B1 (en) | 2019-10-16 | 2019-10-16 | Vegetation cooling model calculation system and method to analyze the effect of temperature reduction according to vegetation characteristics |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210045116A KR20210045116A (en) | 2021-04-26 |
| KR102333524B1 true KR102333524B1 (en) | 2021-12-01 |
Family
ID=75733605
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190128469A KR102333524B1 (en) | 2019-10-16 | 2019-10-16 | Vegetation cooling model calculation system and method to analyze the effect of temperature reduction according to vegetation characteristics |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102333524B1 (en) |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101790182B1 (en) * | 2015-11-24 | 2017-11-20 | 한국외국어대학교 연구산학협력단 | Urban area climate analysing system and method |
-
2019
- 2019-10-16 KR KR1020190128469A patent/KR102333524B1/en active IP Right Grant
Non-Patent Citations (2)
| Title |
|---|
| 박종훈. ‘도시블록 단위에서 소규모 녹지가 기온저감에 미치는 효과’. 서울대학교 환경대학원 학위논문. 2013년 8월, pp.1-133, [2020년 3월 13일 검색] (2013.08.) 1부.* |
| 이채연 외 4인. 도시의 지표형태학적 특성에 기반한 지면미기후 분석: 기온추정 및 평가. Atmosphere. Korean Meteorological Society. 2016년, 제26권, 제3호, pp. 445-459 (2016.) 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210045116A (en) | 2021-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kafy et al. | Assessing and predicting land use/land cover, land surface temperature and urban thermal field variance index using Landsat imagery for Dhaka Metropolitan area | |
| Guo et al. | Influences of urban spatial form on urban heat island effects at the community level in China | |
| Kafy et al. | Prediction of seasonal urban thermal field variance index using machine learning algorithms in Cumilla, Bangladesh | |
| Park et al. | Impacts of tree and building shades on the urban heat island: Combining remote sensing, 3D digital city and spatial regression approaches | |
| Dirksen et al. | Sky view factor calculations and its application in urban heat island studies | |
| Kafy et al. | Predicting the impacts of land use/land cover changes on seasonal urban thermal characteristics using machine learning algorithms | |
| Eugenio et al. | Applying GIS to develop a model for forest fire risk: A case study in Espírito Santo, Brazil | |
| Sabrin et al. | Effects of different urban-vegetation morphology on the canopy-level thermal comfort and the cooling benefits of shade trees: Case-study in Philadelphia | |
| McRae et al. | Integration of the WUDAPT, WRF, and ENVI-met models to simulate extreme daytime temperature mitigation strategies in San Jose, California | |
| Santini et al. | A multi-component GIS framework for desertification risk assessment by an integrated index | |
| Asadi et al. | Simulation of green roofs and their potential mitigating effects on the urban heat island using an artificial neural network: A case study in Austin, Texas | |
| AlDousari et al. | Modelling the impacts of land use/land cover changing pattern on urban thermal characteristics in Kuwait | |
| Vahmani et al. | High-resolution land surface modeling utilizing remote sensing parameters and the Noah UCM: a case study in the Los Angeles Basin | |
| Lu et al. | Contrasting determinants of land surface temperature in three megacities: Implications to cool tropical metropolitan regions | |
| KR102179250B1 (en) | Effect analysis system of temperature reduction activities for temperature controlling | |
| Rahman et al. | Forest fire occurrence and modeling in Southeastern Australia | |
| Xiang et al. | Surface urban heat island mitigation network construction utilizing source-sink theory and local climate zones | |
| Ananyeva et al. | Street trees and urban heat island in Glasgow: mitigation through the ‘Avenues Programme’ | |
| Hu et al. | The use of screening effects in modelling route-based daytime road surface temperature | |
| Sabrin et al. | The cooling potential of various vegetation covers in a heat-stressed underserved community in the deep south: Birmingham, Alabama | |
| Ziaul et al. | Simulating urban heat island for predicting its spatial pattern in meso level town of India | |
| Alcantara et al. | Geospatial assessment and modeling of urban heat islands in Quezon City, Philippines using ols and geographically weighted regression | |
| Şenik et al. | Landscape sensitivity-based scenario analysis using flus model: a case of Asarsuyu watershed | |
| KR102333524B1 (en) | Vegetation cooling model calculation system and method to analyze the effect of temperature reduction according to vegetation characteristics | |
| Song et al. | Comparison of urban physical environments and thermal properties extracted from unmanned aerial vehicle images and ENVI-met model simulations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |