인공위성영상과 딥러닝을 이용한 건설공사현장 폭염취약지역 분석

국문 초록 (Abstract)

폭염과 도시열섬현상은 기후변화가 진행됨에 따라 피해가 더욱 커지고 있으며, 2050년까지 폭염 발생빈도는 2~6배가 증가될 것으로 예측된다. 특히, 폭염기간동안 건설공사현장에서의 근로자가 느끼는 더위체감지수는 매우 높으며, 도시열섬현상까지 고려하게 되면 체감지수는 더욱 높아진다. 열에 취약한 건설현장 환경과 건설근로자의 상황은 나아지지 않고 있으며, 피해를 줄이기 위해서는 효과적인 대응이 필요한 시점이다. 본 연구에서는 인공위성영상 이미지와 Land Surface Temperature (LST)와 Long Short Term Memory (LSTM) 딥러닝 모델 기법을 적용하여 33°C 이상 온도가 되는 지역을 분석하고, 폭염에 취약한 건설공사현장을 식별하여 폭염 및 도시열섬현상의 복합적인 피해를 가중시킬 수 있는 가장 취약한 지역을 예측하여 도출하였다. 예측 결과를 통해 건설근로자의 안전을 보장하고, 건설현장 경보시스템의 기반이 될 수 있기를 기대한다.

다국어 초록 (Multilingual Abstract)

As a result of climate change, the heatwave and urban heat island phenomena have become more common, and the frequency of heatwaves is expected to increase by two to six times by the year 2050. In particular, the heat sensation index felt by workers at construction sites during a heatwave is very high, and the sensation index becomes even higher if the urban heat island phenomenon is considered. The construction site environment and the situations of construction workers vulnerable to heat are not improving, and it is now imperative to respond effectively to reduce such damage. In this study, satellite imagery, land surface temperatures (LST), and long short-term memory (LSTM) were applied to analyze areas above 33 °C, with the most vulnerable areas with increased synergistic damage from heat waves and the urban heat island phenomena then predicted. It is expected that the prediction results will ensure the safety of construction workers and will serve as the basis for a construction site early-warning system.

목차 (Table of Contents)

• ABSTRACT
• 초록
• 1. 서론
• 2. 연구방법
• 3. 딥러닝기반 폭염취약지역 분석결과
• 4. 결론
• References

참고문헌 (Reference)

1 고영주 ; 조기환, "핫스팟 분석을 이용한 도시열섬 취약지 특성 분석- 전주시를 대상으로 -" 한국조경학회 48 (48): 67-79, 2020

2 김준식 ; 이동근 ; 성선용 ; 정승규 ; 박종훈, "정규화 지수를 이용한 토지이용에 따른 도시열섬 취약지특성분석 - 대구시 주거지역을 대상으로 -" 대한국토·도시계획학회 50 (50): 59-72, 2015

3 이달근 ; 이미희 ; 김보은 ; 유정흠 ; 오영주 ; 박진이, "위성영상과 머신러닝 모델을 이용한 폭염기간 고해상도 기온 추정 연구" 대한원격탐사학회 36 (36): 1179-1194, 2020

4 김도우 ; 정재학 ; 이종설 ; 이지선, "우리나라 폭염 인명피해 발생특징" 한국기상학회 24 (24): 225-234, 2014

5 김양호 ; 오인보 ; 이지호 ; 김재훈 ; 정인성 ; 임학재 ; 박정근 ; 박정선, "옥외 작업에서의 온열환경 평가 및 온열지수 비교" 한국환경보건학회 42 (42): 85-91, 2016

6 김병찬 ; 강재우 ; 박찬 ; 김현진, "심층신경망 모형을 이용한 서울시 도시공원 및 녹지공간의 열섬저감효과 분석" 한국조경학회 48 (48): 19-28, 2020

7 김영인 ; 김동현 ; 이승오, "기계학습을 활용한 하절기 기온 및 폭염발생여부 예측" 한국방재안전학회 13 (13): 27-38, 2020

8 Founda, D, "Synergies between urban heat island and heat waves in Athens (Greece), during an extremely hot summer (2012)" 7 : 10973-, 2017

9 김동현 ; 이준범, "Spatial Changes in Work Capacity for Occupations Vulnerable to Heat Stress: Potential Regional Impacts From Global Climate Change" 한국산업안전보건공단 산업안전보건연구원 11 (11): 1-9, 2020

10 Korea Meteorological Administration (KMA), "Newsletter abnormal climate monitoring" Korea Meteorological Administration 2018

11 김서연 ; 이수진 ; 이양원, "Landsat 8 영상을 이용한 심층신경망 기반의 지표면온도 산출" 대한원격탐사학회 36 (36): 487-501, 2020

12 United States Geological Survey (USGS), "Landsat 8 (l8)data users handbook" Department of the Interior U.S. Geological Survey 2019

13 "Korea Meteorological Administration (KMA)"

14 Zhao, L., "Interactions between urban heat islands and heat waves" 13 (13): 034003-, 2018

15 Varghese, B. M., "Heatwave and work-related injuries and illnesses in adelaide, australia: A case-crossover analysis using the Excess Heat Factor (EHF) as a universal heatwave index" 92 (92): 263-272, 2019

16 Meng, X., "Estimating land surface temperature from Landsat-8 data using the NOAA JPSS enterprise algorithm" 11 : 155-172, 2019

17 Vanhellemont, Q, "Combined land surface emissivity and temperature estimation from Landsat 8 OLI and TIRS" 166 : 390-402, 2020