MODIS 관측자료를 이용한 지표면온도 변화 영향 요인 분석 :Analysis of Influencing Factors on Land Surface Temperature(LST) Change using MODIS Observation Data

배다혜,  Bae, DaHye

추천

검색

자료유형: 학위논문

저자정보: 배다혜, Bae, DaHye (충북대학교, 충북대학교 대학원)

지도교수: 하성룡

발행연도: 2017

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수13

이 논문의 연구 히스토리 (2)

2018

MODIS 영상 자료와 패널 자료를 이용한 지표면온도변화 요인분석

배다혜 , 김홍명 , 하성룡 한국지리정보학회지 2018.01 학술저널

2017

MODIS 관측자료를 이용한 지표면온도 변화 영향 요인 분석

배다혜 ; Bae , DaHye 환경·도시공학과 2017.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

도시화에 따라 지표면온도(LST)가 상승하고 이는 도시의 열섬 현상의 원인이 되며, 인간의 건강 문제에 직접적인 영향을 미치게 된다. 따라서 도시의 지표면온도를 상승시키는 주요 요인을 파악할 필요가 있다. 이 논문은 MODIS 센서 관측 자료를 이용하여 지표면온도를 증가시키는 주요 요인을 파악하는 것을 목표로 한다.
연구 대상지는 충청북도 행정 구역을 포함한 한반도의 중부 내륙 지역으로 선정하고, 2001년부터 2015년까지 하절기의 MODIS 평균 지표면온도를 산출한다. 본 연구에서 사용된 지표면온도는 1km×1km 공간 해상도를 갖는 Terra 위성 MODIS 센서의 낮 시간 동안 일일 평균 지표면온도로 패널 자료 분석의 종속변수로 활용한다. 기상청에서 제공하는 AWS(Automatic Weather System) 평균 기온 자료를 활용하여, 동일한 시·공간의 영역에서 수집된 AWS 자료와 지표면온도의 차이점을 확인한다.
연구 대상지의 11 개 시군에 대한 지적도 및 통계 데이터를 활용하여, 종속 변수와 기간 및 시간 차이가 없는 패널 자료 분석을 위한 입력 데이터를 구축한다. 패널 자료 분석은 통계 패키지 STATA 14를 사용하여 수행되었으며, 시군별 사회 및 자연적 특성을 나타내는 설명변수를 활용하여 지표면온도의 회귀 모형을 평가하는데 사용된다.
설명 변수는 종속 변수와 상관관계가 크고, 유의한 t-값을 가지며, 다중공선성의 문제가 없는 독립적인 변수로 선택한다. 시행착오법(try and error method)을 통해 네 가지 주요 영향 요인을 선택한다. 지표면온도 변화에 가장 큰 영향을 미치는 변수는 불투수율이고 그 다음은 강수량, 전력사용량, 평균 고도*대지 비율로 나타났다.
본 논문에서는 개체 고정과 시간 확률의 관점에서 혼합효과 모형이 가장 적합한 것으로 나타났다. 불투수율 및 전력 소비량의 두 가지 주요 영향 요소는 양(+)의 영향을, 강수량과 평균 고도*대지 비율은 음의(-) 영향을 미치는 것으로 나타났다. 이는 향후 도시 기온 관리를 위한 도시 계획 및 정책 수립 시 시사점을 제시한다.

Temperature of land surface is increasing by urbanization and it causes the urban heat island phenomenon that would be connected to affect to human health problems. Therefore, it is necessary to identify the major factors to rise temperature of land surface in the city. This thesis aims to identify the major factors that cause to change the rising rate of temperature of land surface using MODIS sensor data.
As a study area, the middle inland area of Korean Peninsula including Chungcheongbuk-do administrative territory is selected and the MODIS sensor data, which is covering not only the study area spatially but also hot summer season including July, August and September from 2001 year to 2015 year temporally. LST used to evaluate the major impact factor is the daily mean LST of Terra satellite MODIS sensor with 1km×1km spatial resolution during day time. AWS(Automatic Weather System) temperature data provided by Korea Meteorological Administration is also collected for the same spatial area and temporal duration with the study area and use to check the difference of the LST against to AWS data collected in the administrative domain of cities and counties in the study area.
Using the cadastral maps and statistical data for 11 cities and counties in a study area, explanatory variables are used to construct balance panel data with the same dependent variables and period and no time gap. Panel data analysis has been done using statistical package STATA 14 and used to evaluate the regression model of LST as a depending variable with major impact factors as explanatory variables, which represent social and natural characteristics of administrative domain of cities and counties studied.
The explanatory variables affecting on the LST change show more strong correlation with the dependent variable and result in more significant t-value as well as no multi-collnearity problem. Through try and error, five major impacting factors are selected. The strongest variable is imperviousness and the next higher is rain precipitation depth. Electric power consumption and mean altitude*building ratio are followed.
This thesis results in the most effectively mixed regression model in terms of object fixation and time probability. Two major impact factors imperviousness and electric power consumption show positive(+) effect. And other two of rain precipitation depth and mean altitude*building ratio give negative(-) effect. It is implicating for city planning and policy planning for urban temperature management in future.

#MODIS #LST #지표면온도 #AWS #패널 자료 분석 #선형회귀모형 #혼합효과모형

1. 서론 1
1.1 연구 배경 및 목적 2
1.2 연구 범위 3
1.3 연구동향 및 의의 4
2. 연구 방법 7
2.1 MODIS 지표면온도 산출 8
2.1.1 MODIS 개요 8
2.1.2 지표면온도 산출 방법 10
2.2 패널 자료 분석 12
2.2.1 패널 자료 분석의 개념과 특성 12
2.2.2 패널 모형의 유형과 특성 14
2.2.3 패널 자료 구축 23
2.2.4 패널 모형 선정 방법 27
3. 연구 결과 32
3.1 MODIS 지표면온도 산출 및 검증 32
3.1.1 MODIS 지표면온도 산출 결과 32
3.1.2 MODIS 지표면온도와 자동기상관측소(AWS) 검증 39
3.2 패널 모형 분석결과 41
3.2.1 모형의 안정성 분석결과 41
3.2.2 최종모형 결과의 해석 58
4. 결론 및 한계점 60
참고문헌 64

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)