Atmosphere (대기)

Korean Meteorological Society (한국기상학회)
권호 표지
DOI QR코드

DOI QR Code

Analysis of Future Demand and Utilization of the Urban Meteorological Data for the Smart City

스마트시티를 위한 도시기상자료의 미래수요 및 활용가치 분석

  • Kim, Seong-Gon (Sfractum) ;
  • Kim, Seung Hee (Center of Excellence in Earth Systems Modeling & Observations, Chapman University) ;
  • Lim, Chul-Hee (College of General Education, Kookmin University) ;
  • Na, Seong-Kyun (Sfractum) ;
  • Park, Sang Seo (Department of Urban and Environmental Engineering, UNIST) ;
  • Kim, Jaemin (Atmospheric Sciences, Department of Astronomy, Space Science, and Geology, Chungnam National University) ;
  • Lee, Yun Gon (Atmospheric Sciences, Department of Astronomy, Space Science, and Geology, Chungnam National University)
  • 김성곤 ((주)에스프렉텀) ;
  • 김승희 (채프먼대학교 지구시스템모델링 및 관측센터) ;
  • 임철희 (국민대학교 교양대학) ;
  • 나성균 ((주)에스프렉텀) ;
  • 박상서 (울산과학기술원 도시환경공학과) ;
  • 김재민 (충남대학교 우주.지질학과 대기과학전공) ;
  • 이윤곤 (충남대학교 우주.지질학과 대기과학전공)
  • Received : 2021.01.06
  • Accepted : 2021.02.21
  • Published : 2021.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

A smart city utilizes data collected from various sensors through the internet of things (IoT) and improves city operations across the urban area. Recently substantial research is underway to examine all aspects of data that requires for the smart city operation. Atmospheric data are an essential component for successful smart city implementation, including Urban Air Mobility (UAM), infrastructure planning, safety and convenience, and traffic management. Unfortunately, the current level of conventional atmospheric data does not meet the needs of the new city concept. New and innovative approaches to developing high spatiotemporal resolution of observational and modeling data, resolving the complex urban structure, are expected to support the future needs. The geographic information system (GIS) integrates the atmospheric data with the urban structure and offers information system enhancement. In this study we proposed the necessity and applicability of the high resolution urban meteorological dataset based on heavy fog cases in the smart city region (e.g., Sejong and Pusan) in Korea.

최근 들어 늘어나고 있는 도시기상에 대한 미래수요 활용 방안을 위해 적합한 관측과 모델 분야의 고려요소와 기획연구 방향에 대해서 관측과 모델, 공간정보 활용 방안에 대해서 확인하였다. 도시기상 관측의 높은 공간해상도 요구사항을 기존 종관기상 관측망을 통해서 만족하기가 어려우며, 사용하고 있는 기존 측기의 유지 관리에 대해서 어려움이 높을 것으로 예상되기 때문에 기존측기보다 소형화된 간이 측정기를 통해 공간해상도를 보완함과 동시에 간이측기의 장기 검보정을 위한 도시규모별 유, 무인의 검보정 시스템이 필요할 것으로 보인다. 또한 UAM과 같은 차세대 교통체계의 실용화 등의 운용방안에 맞춘 기상정보 지원을 위해서 영공을 포함한 도시 지역 예보가 필요할 것으로 보인다. 이를 위해 복잡한 도시의 지면 효과를 반영하는 빌딩 규모 모델의 개발이 필요하며, 이에 대해서 중규모모델과 LES의 결합이 된 다중스케일 모델 개발 과 개선이 필요할 것으로 보인다. 추가적으로 이러한 다중스케일 모델의 연산속도 향상과 성능 개선을 위해서 GPU 등을 이용하여 모델 계산속도를 높이는 노력이 필요할 것으로 예상된다. 이러한 관측과 모델의 정보를 공간정보로 활용하기 위한 방안은 최종적으로 소규모 지역의 고해상도 실시간 기상정보를 제공하여 기상자원정보의 시너지 향상과 도시생활의 시너지 효과를 이루어낼 수 있는 정보 활용이 될 수 있을 것으로 예상된다. 스마트시티에 대한 기상자원의 활용과 융합에 대해서 국내 스마트시티 계획 지역인 부산과 세종의 현재 구축된 자료를 이용하여 그 융합을 사례 적용하였다. 특히 교통에 영향을 많이 줄 것으로 보이는 안개에 대해서 실제 과거 발생일수의 분석을 통해 스마트시티 지역 내에서 발생할 수 있는 재난 상황을 판단하고, 지역별 지형 및 기상 특성을 고려하여 관측과 예보에 필수적인 기상 인자를 최적화하고, 도시계획 과정에서 관측소의 최적입지를 선정하여 기존 도시인프라와의 융합 활용을 통해 도시기상자료를 고해상도로 구축하는 방안이 필요할 것으로 보인다.

Keywords

Acknowledgement

본 연구는 2020년도 정부(기상청)의 재원으로 한국기상산업기술원의 "미래수요를 고려한 도시기상 자료 활용 연구"(No. X09-ND04-ND0406) 과제의 지원을 받아 수행된 연구입니다.

References

  1. Avtar, R., N. Sahu, A. K. Aggarwal, S. Chakraborty, A. Kharrazi, A. P. Yunus, J. Dou, and T. A. Kurniawan, 2019: Exploring renewable energy resources using remote sensing and GIS-A review. Resources, 8, 149, doi:10.3390/resources8030149.
  2. Basara, J. B., and Coauthors, 2011: The Oklahoma City Micronet. Meteorol. Appl., 18, 252-261, doi:10.1002/met.189.
  3. Bieringer, P., A. Pina, H. Jonker, D. Lorenzetti, M. Sohn, G. Bieberbach, and R. N. Fry, 2019: An evaluation of the Joint Outdoor-Indoor Urban Large Eddy Simulation (JOULES) atmospheric transport and dispersion (at&d) modeling system. Extended Abstract, 19th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, Bruges, Belgium, H19-063.
  4. Heus, T., and Coauthors, 2010: Formulation of the Dutch Atmospheric Large-Eddy Simulation (DALES) and overview of its applications. Geosci. Model Dev., 3, 415-444, doi:10.5194/gmd-3-415-2010.
  5. Hintz, K. S., H. Vedel, E. Kaas, and N. W. Nielsen, 2020: Estimation of wind speed and roughness length using smartphones: Method and quality assessment. J. Atmos. Oceanic Technol., 37, 1319-1332, doi:10.1175/JTECHD-19-0037.1.
  6. Holden, J., and N. Goel, 2016: Fast-Forwarding to a Future of On-Demand Urban Air Transportation. Uber Elevate, 97 pp [Available online at https://www.uber.com/elevate.pdf].
  7. Ju, Y.-C., E. Lee, and W. Suh, 2020: An analysis on the smart city research trends. J. Korean Assoc. Reg. Inform. Soc., 23, 149-172, doi:10.22896/karis.2020.23.2.006 (in Korean).
  8. Kim, M., and S. Jung, 2017: An analysis and classification of technologies applied on smart city services - focused on 3 cities in Korea. Extended Abstract, Architectural Institute of Korea Fall Meeting, 37, AIK, 459-462 (in Korean with English abstract).
  9. KRIHS, 2018: Geospatial Information Strategies for the Hyper-connected Smart City. Korea Research Institute for Human Settlements Res. Rep. OTKCRK190760, 158 pp (in Korean).
  10. KMA, 2018: Evaluation of Contribution of Meteorological Observation Data to Weather Forecasts. Korea Meteorological Administration Res. Rep., 240 pp (in Korean).
  11. KMA, 2021: Smart city high-resolution meteorological analysis-forecasting and development of meteorological-climate convergence technology prototype. Korea Meteorological Administration Res. Rep., in press (in Korean).
  12. Knox, J. A., and Coauthors, 2013: Tornado debris characteristics and trajectories during the 27 April 2011 super outbreak as determined using social media data. Bull. Amer. Meteor. Soc., 94, 1371-1380, doi:10.1175/BAMS-D-12-00036.1.
  13. Lac, C., and Coauthors, 2018: Overview of the Meso-NH model version 5.4 and its applications. Geosci. Model Dev., 11, 1929-1969, doi:10.5194/gmd-11-1929-2018.
  14. Li, W., M. Batty, and M. F. Goodchild, 2020: Real-time GIS for smart cities. Int. J. Geogr. Inf. Sci., 34, 311- 324, doi:10.1080/13658816.2019.1673397.
  15. Liu, Y., and Coauthors, 2008: The operational mesogamma-scale analysis and forecast system of the U.S. Army Test and Evaluation Command. Part I: Overview of the modeling system, the forecast products, and how the products are used. J. Appl. Meteor. Climatol., 47, 1077-1092. https://doi.org/10.1175/2007JAMC1653.1
  16. Maronga, B., and Coauthors, 2015: The Parallelized LargeEddy Simulation Model (PALM) version 4.0 for atmospheric and oceanic flows: model formulation, recent developments, and future perspectives. Geosci. Model Dev., 8, 2515-2551, doi:10.5194/gmd-8-2515-2015.
  17. MOLIT, 2019: A Study on Geographic Information Standardization Strategy to facilitate Smart City Project. Ministry of Land, Infrastructure and Transport, Res. Rep., KOGL 11-1613000-002595-01, 129 pp [Available online at https://www.codil.or.kr/viewDtlConRpt.do?gubun=rpt&pMetaCode=OTKCRK200494] (in Korean).
  18. Park, K. C., and C. H. Lee, 2019: A study on the research trends for Smart City using topic modeling. J. Internet Comp. Serv., 20, 119-128, doi:10.7472/jksii.2019.20.3.119.
  19. Sauer, J. A., and D. Munoz-Esparza, 2020: The FastEddy® resident-GPU accelerated large-eddy simulation framework: Model formulation, dynamical-core validation and performance benchmarks. J. Adv. Model. Earth Sy., 12, e2020MS002100, doi:10.1029/2020MS002100.
  20. Schroeder, A. J., J. B. Basara, and B. G. Illston, 2010: Challenges associated with classifying urban meteorological stations: The Oklahoma City Micronet example. The Open Atmos. Sci. J., 4, 88-100, doi:10.2174/1874282301004010088.
  21. Silva, B. N., M. Khan, and K. Han, 2018: Towards sustainable smart cities: A review of trends, architectures, components, and open challenges in smart cities. Sustain. Cities Soc., 38, 697-713, doi:10.1016/j.scs.2018. 01.053.
  22. Subasinghe, I., S. Nittel, M. Cressey, M. Landon, and P. Bajracharya, 2020: Real-time mapping of natural disasters using citizen update streams. Int. J. Geogr. Inf. Sci., 34, 393-421, doi:10.1080/13658816.2019.1639185.
  23. Turner, W. J. N., O. Kinnane, and B. Basu, 2014: Demandside characterization of the smart city for energy modelling. Energy Proced., 62, 160-169, doi:10.1016/j.egypro.2014.12.377.