차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- 지진_화산:지진 [2026/04/23 08:32] – [2. 관측 (Observation)] admin
+++ 지진_화산:지진 [2026/05/06 08:37] (현재) – [3. 산출물 (Data Products)] admin
@@ 줄 1: / 줄 1: @@
 ======지진 (Earthquake) 데이터======
-[[지진_화산:지진#활용방안|{{:wiki:활용방안클릭.png?linkonly250|}}]]
+[[지진_화산:지진#활용방안|{{:wiki:활용방안클릭.png?250|}}]]
 출처: https://www.kma.go.kr/eqk_pub/main2.do
@@ 줄 16: / 줄 16: @@
 국가지진관측망은 지면의 미세한 움직임을 실시간으로 포착하기 위해 다수의 관측소와 고정밀 센서로 구성됩니다.
- •  관측망 밀집도: 전국적으로 약 10~20km 간격의 관측망을 구축하여 지진 분석의 정밀도를 높이고 있습니다.
+ •  **관측망 밀집도**: 전국적으로 약 10~20km 간격의 관측망을 구축하여 지진 분석의 정밀도를 높이고 있습니다.
- •  센서의 종류:
+ •  **센서의 종류**:
+  *  **속도계(Velocity Sensor)**: 지면 운동의 속도를 측정하며, 초광대역(VBB) 및 광대역 센서는 원거리 및 미세 지진 분석에, 단주기 센서는 근거리 지진 분석에 특화됩니다.
+  *  **가속도계(Acceleration Sensor)**: 강지진 발생 시 포화(Saturation) 없이 강한 흔들림을 측정하며, 구조물 및 지반의 동적 특성 분석에 필수적입니다.
+ •  **관측 환경**: 배경 잡음(Background Noise)을 최소화하기 위해 지표형 외에도 지하 수십~수백 미터 아래에 설치하는 시추형(Borehole) 관측소를 확대 운영하고 있습니다.
- •  속도계(Velocity Sensor): 지면 운동의 속도를 측정하며, 초광대역(VBB) 및 광대역 센서는 원거리 및 미세 지진 분석에, 단주기 센서는 근거리 지진 분석에 특화됩니다.
- •  가속도계(Acceleration Sensor): 강지진 발생 시 포화(Saturation) 없이 강한 흔들림을 측정하며, 구조물 및 지반의 동적 특성 분석에 필수적입니다.
- •  관측 환경: 배경 잡음(Background Noise)을 최소화하기 위해 지표형 외에도 지하 수십~수백 미터 아래에 설치하는 시추형(Borehole) 관측소를 확대 운영하고 있습니다.
-  * 관측장소는 지상에 설치하는 것을 원칙으로 한다. 다만, 장애물 등의 영향이나 토지의 사용이 어려운 경우에는 건물의 옥상 등 적절한 장소에 설치할 수 있음
-  * 관측장소의 면적은 35제곱미터 이상
-  * 관측장소의 형태는 원형 또는 정사각형을 원칙으로 함
-  * 관측장소가 지상인 경우에는 지면에 자연잔디를조성하고, 그 길이를 짧게 유지
-  * 관측장소에는 기상측기 외의 다른 시설물의 설치를 최소화하여야 함
-  * 관측장소에는 기상측기의 보호를 위하여 통풍에 지장이 없는 울타리를 설치
-  * 건물 옥상에 온도계를 설치할 경우에는 건물의 복사열을 최소화할 수 있는 조치를 해야 함
 {{지진_화산:600da144-d409-4f62-bc62-377ff8676027.png?nolink&800}}
@@ 줄 38: / 줄 28: @@
 =====3. 산출물 (Data Products)=====
- • 파형 데이터(Waveform Data): 관측소에서 기록된 시계열 데이터로, 국제 표준 포맷인 MiniSEED 혹은 SEED 형식으로 제공됩니다. 이는 지각 구조 연구 및 파원을 정밀 분석하는 데 활용됩니다.
+ • **파형 데이터(Waveform Data)**: 관측소에서 기록된 시계열 데이터로, 국제 표준 포맷인 MiniSEED 혹은 SEED 형식으로 제공됩니다. 이는 지각 구조 연구 및 파원을 정밀 분석하는 데 활용됩니다.
- • 지진 카탈로그(Event Catalog): 지진 발생 시각, 진앙 위치(위경도), 진원 깊이, 규모 등을 포함한 속성 데이터베이스입니다.
+ • **지진 카탈로그(Event Catalog)**: 지진 발생 시각, 진앙 위치(위경도), 진원 깊이, 규모 등을 포함한 속성 데이터베이스입니다.
- • 지진조기경보(EEW): 지진 발생 후 수 초 이내에 파괴력이 큰 S파 도착 시간을 예측하여 전파하는 경보 데이터입니다.
+ • **지진조기경보(EEW)**: 지진 발생 후 수 초 이내에 파괴력이 큰 S파 도착 시간을 예측하여 전파하는 경보 데이터입니다.
- • 계기진도 데이터: 관측된 최대지반가속도(PGA) 또는 속도(PGV)를 기반으로 산출된 지역별 진도 값(MMI 등급)입니다.
+ • **계기진도 데이터**: 관측된 최대지반가속도(PGA) 또는 속도(PGV)를 기반으로 산출된 지역별 진도 값(MMI 등급)입니다.
 {{지진_화산:e2e557da9b204239c774af7fe58a06dae7iit1tkhydmy4mp-279.png?nolink800}}
@@ 줄 60: / 줄 50: @@
 기상청은 울릉도, 임원항 및 정동진에 해일파고계(15m 이상 파고 관측 가능), 연안 방재 관측 시스템(17개소), 해상감시 CCTV(24개소), 국립해양조사원의 조위자료(56개소) 등을 공유하여 실시간으로 감시에 활용하고 있습니다.
- • 해일파고계: 연안의 조석 성분을 제외한 해수면의 급격한 변동만을 추출하기 위해 초음파 혹은 수압 센서를 활용합니다.
+ • **해일파고계**: 연안의 조석 성분을 제외한 해수면의 급격한 변동만을 추출하기 위해 초음파 혹은 수압 센서를 활용합니다.
- • 조위관측소 공유: 국립해양조사원의 고정밀 조위 관측 데이터를 실시간으로 수신하여 보완적인 감시망을 운영합니다.
+ • **조위관측소 공유**: 국립해양조사원의 고정밀 조위 관측 데이터를 실시간으로 수신하여 보완적인 감시망을 운영합니다.
 {{지진_화산:0d63ac33-4724-4ea4-9b25-f9a54a7feffd.jpg?nolink500}}
@@ 줄 69: / 줄 59: @@
 =====3. 산출물 (Data Products)=====
- • 수치모의 시나리오 DB: 가상 지진 파원에 따른 예상 파고 및 도달 시간을 미리 계산한 6,000여 개의 시나리오 세트입니다.
+ • **수치모의 시나리오 DB**: 가상 지진 파원에 따른 예상 파고 및 도달 시간을 미리 계산한 6,000여 개의 시나리오 세트입니다.
- • 지진해일 특보: 예상 파고가 일정 기준(주의보 0.5m, 경보 1.0m 이상)을 초과할 것으로 예상될 때 발표되는 격자형 공간 데이터입니다.
+ • **지진해일 특보**: 예상 파고가 일정 기준(주의보 0.5m, 경보 1.0m 이상)을 초과할 것으로 예상될 때 발표되는 격자형 공간 데이터입니다.
- • 실시간 해수면 변동 자료: 관측소별로 기록된 지진해일의 최대 파고와 내습 지속 시간 데이터입니다.
+ • **실시간 해수면 변동 자료**: 관측소별로 기록된 지진해일의 최대 파고와 내습 지속 시간 데이터입니다.
 {{지진_화산:4f6b31d517c8401fc11367483f6fd152mWHLeeTs6IHCjIAP-673.png}}
-=====4. 활용방안=====
+===== 4. 활용방안 =====
 소스코드 : {{ :지진_화산:earthquake_epicenter_example.py |}}
-====① 데이터 파싱 함수====
+==== 4.1. 라이브러리 설치 및 기본 설정 ====
+지진목록 자료를 조회하고 최근 1년 지진의 진앙 분포도를 시각화하기 위해 필요한 라이브러리를 설치합니다.
 <code py>
-   def parse_text_to_dataframe(text):
+pip install requests pandas matplotlib cartopy
-       """ API 응답 텍스트를 DataFrame으로 변환
-       주의: LOC 뒤쪽 INT, REM, COR에는 쉼표가 섞일 수 있으므로 이번 교육용 지도 예제에서는 앞의 고정 7개 필드 + LOC만 사용한다."""
-       lines = extract_data_lines(text)
-       if len(lines) == 0:
-           return pd.DataFrame(columns=COLUMNS)
-       rows = []
-       for line in lines:
-           line = line.strip()
-           # 맨 끝 ",=" 제거
-           if line.endswith(",="):
-               line = line[:-2]
-           # 앞 7개는 고정 필드, 나머지는 통째로 받음
-           parts = line.split(",", 7)
-           if len(parts) < 8:
-               continue
-           tp = parts[0].strip()
-           tm_fc = parts[1].strip()
-           seq = parts[2].strip()
-           tm_eqk_msc = parts[3].strip()
-           mt = parts[4].strip()
-           lat = parts[5].strip()
-           lon = parts[6].strip()
-           # 나머지 전체에서 LOC만 추출
-           rest = parts[7].strip()
-           loc = rest.split(",", 1)[0].strip()
-           rows.append([tp, tm_fc, seq, tm_eqk_msc, mt, lat, lon, loc])
-       if len(rows) == 0:
-           return pd.DataFrame(columns=COLUMNS)
-       df = pd.DataFrame(rows, columns=COLUMNS)
-       return df
 </code>
-====② 전체 분포도 시각화 함수====
 <code py>
-   def plot_all_map(df):
+import os
-    """전체 지진 분포도 저장 규모 구간별 색상을 다르게 사용"""
+from datetime import datetime, timedelta
-       if df.empty:
-           print("[안내] 전체 지도에 그릴 데이터가 없습니다.")
+import requests
-           return
+import pandas as pd
-       fig, ax = setup_map()
-       tmp = df.copy()
+import matplotlib
-       tmp["MAG_CLASS"] = tmp["MT"].apply(classify_magnitude)
+matplotlib.use("Agg")
-       tmp["COLOR"] = tmp["MAG_CLASS"].apply(magnitude_class_to_color)
+import matplotlib.pyplot as plt
-       ax.scatter(tmp["LON"], tmp["LAT"], s=POINT_SIZE, c=tmp["COLOR"], alpha=POINT_ALPHA, edgecolors=POINT_EDGE_COLOR, linewidths=POINT_EDGE_WIDTH,transform=ccrs.PlateCarree())
+from matplotlib import font_manager
-       add_color_legend(ax)
+from matplotlib.lines import Line2D
-       ax.set_title("Epicenter Distribution for the Last 1 Year (All)", fontsize=14)
-       plt.subplots_adjust(right=0.82)
+import cartopy.crs as ccrs
-       plt.savefig(OUTPUT_PNG_ALL, dpi=150, bbox_inches="tight")
+import cartopy.feature as cfeature
-       plt.close()
-       print("[저장 완료] PNG:", OUTPUT_PNG_ALL)
 </code>
-====③ 예상결과====
+API 인증키와 API 주소, 조회 기간, 결과 파일명을 설정합니다.
+<code py>
+AUTH_KEY = "본인의_API_인증키"
+BASE_URL = "https://apihub.kma.go.kr/api/typ01/url/eqk_list.php"
+START_TM = None
+END_TM = None
+DISP = 1
+HELP = 1
+OUTPUT_CSV = "earthquake_list_last_1year.csv"
+RAW_TEXT_FILE = "earthquake_raw_response.txt"
+OUTPUT_PNG_ALL = "earthquake_epicenter_map_all.png"
+OUTPUT_PNG_M2 = "earthquake_epicenter_map_m2.png"
+OUTPUT_PNG_M4 = "earthquake_epicenter_map_m4.png"
+OUTPUT_PNG_M6 = "earthquake_epicenter_map_m6.png"
+OUTPUT_PNG_M8 = "earthquake_epicenter_map_m8.png"
+</code>
+BASE_URL은 (신)기상자료개방포털 > API > 지진/화산 > 국내·외 지진정보 > 지진목록(임의기간의 지진정보) 조회
+메뉴의 호출 URL을 사용합니다.
+START_TM과 END_TM을 None으로 설정하면 현재 시각 기준 최근 1년 기간을 자동으로 조회합니다.
+==== 4.2. 지진목록 자료 조회 및 정리 ====
+조회 시작시각과 종료시각을 yyyyMMddHHmm 형식으로 생성합니다.
+<code py>
+def make_time_range():
+    if START_TM is not None and END_TM is not None:
+        return START_TM, END_TM
+    now = datetime.now()
+    one_year_ago = now - timedelta(days=365)
+    tm1 = one_year_ago.strftime("%Y%m%d%H%M")
+    tm2 = now.strftime("%Y%m%d%H%M")
+    return tm1, tm2
+</code>
+지진목록 API를 호출하여 응답 원문 TEXT를 받아옵니다.
+<code py>
+def fetch_earthquake_text(tm1, tm2):
+    params = {
+        "tm1": tm1,
+        "tm2": tm2,
+        "disp": DISP,
+        "help": HELP,
+        "authKey": AUTH_KEY,
+    }
+    response = requests.get(BASE_URL, params=params, timeout=60)
+    response.raise_for_status()
+    text = response.text
+    with open(RAW_TEXT_FILE, "w", encoding="utf-8") as f:
+        f.write(text)
+    return text
+</code>
+API 응답에는 설명 줄과 실제 데이터 줄이 함께 포함됩니다.
+설명 줄은 #으로 시작하므로 제외하고, 숫자로 시작하는 줄만 실제 지진 데이터로 사용합니다.
+<code py>
+def extract_data_lines(text):
+    lines = []
+    for raw_line in text.splitlines():
+        line = raw_line.strip()
+        if not line:
+            continue
+        if line.startswith("#"):
+            continue
+        if line[0].isdigit():
+            lines.append(line)
+    return lines
+</code>
+응답 데이터 중 진앙 분포도 작성에 필요한 컬럼만 사용합니다.
+<code py>
+COLUMNS = [
+    "TP",
+    "TM_FC",
+    "SEQ",
+    "TM_EQK_MSC",
+    "MT",
+    "LAT",
+    "LON",
+    "LOC",
+]
+</code>
+추출한 데이터 줄을 pandas DataFrame으로 변환합니다.
+<code py>
+def parse_text_to_dataframe(text):
+    lines = extract_data_lines(text)
+    if len(lines) == 0:
+        return pd.DataFrame(columns=COLUMNS)
+    rows = []
+    for line in lines:
+        line = line.strip()
+        if line.endswith(",="):
+            line = line[:-2]
+        parts = line.split(",", 7)
+        if len(parts) < 8:
+            continue
+        tp = parts[0].strip()
+        tm_fc = parts[1].strip()
+        seq = parts[2].strip()
+        tm_eqk_msc = parts[3].strip()
+        mt = parts[4].strip()
+        lat = parts[5].strip()
+        lon = parts[6].strip()
+        rest = parts[7].strip()
+        loc = rest.split(",", 1)[0].strip()
+        rows.append([tp, tm_fc, seq, tm_eqk_msc, mt, lat, lon, loc])
+    df = pd.DataFrame(rows, columns=COLUMNS)
+    return df
+</code>
+숫자형 컬럼과 시간 컬럼을 변환하고, 지도 표출에 필요한 규모, 위도, 경도 값이 없는 행은 제거합니다.
+<code py>
+def clean_dataframe(df):
+    if df.empty:
+        return df
+    df = df.copy()
+    numeric_cols = ["TP", "SEQ", "MT", "LAT", "LON"]
+    for col in numeric_cols:
+        df[col] = pd.to_numeric(df[col], errors="coerce")
+    df["datetime_eqk"] = pd.to_datetime(
+        df["TM_EQK_MSC"],
+        format="%Y%m%d%H%M%S.%f",
+        errors="coerce"
+    )
+    df["datetime_fc"] = pd.to_datetime(
+        df["TM_FC"],
+        format="%Y%m%d%H%M",
+        errors="coerce"
+    )
+    df = df.dropna(subset=["MT", "LAT", "LON"]).copy()
+    df = df.sort_values("datetime_eqk").reset_index(drop=True)
+    return df
+</code>
+==== 4.3. 지진 진앙 분포도 저장 ====
+지진 규모를 M2, M4, M6, M8 구간으로 분류합니다.
+<code py>
+def classify_magnitude(mt):
+    if pd.isna(mt):
+        return "UNKNOWN"
+    mt = float(mt)
+    if mt < 4.0:
+        return "M2"
+    elif mt < 6.0:
+        return "M4"
+    elif mt < 8.0:
+        return "M6"
+    else:
+        return "M8"
+</code>
+규모 구간별 색상을 지정합니다.
+<code py>
+COLOR_M2 = "#1E88E5"
+COLOR_M4 = "#FDD835"
+COLOR_M6 = "#FB8C00"
+COLOR_M8 = "#E53935"
+def magnitude_class_to_color(cls):
+    if cls == "M2":
+        return COLOR_M2
+    elif cls == "M4":
+        return COLOR_M4
+    elif cls == "M6":
+        return COLOR_M6
+    elif cls == "M8":
+        return COLOR_M8
+    else:
+        return "gray"
+</code>
+전지구 지도 배경을 생성합니다.
+<code py>
+def setup_map():
+    fig = plt.figure(figsize=(16, 7))
+    ax = plt.axes(projection=ccrs.PlateCarree())
+    ax.set_global()
+    ax.coastlines(linewidth=0.8)
+    ax.add_feature(cfeature.BORDERS, linewidth=0.4)
+    ax.add_feature(cfeature.LAND, alpha=0.3)
+    ax.add_feature(cfeature.OCEAN, alpha=0.2)
+    ax.gridlines(draw_labels=False, linewidth=0.4, linestyle="--", alpha=0.5)
+    return fig, ax
+</code>
+전체 지진 진앙 분포도를 저장합니다.
+<code py>
+def plot_all_map(df):
+    if df.empty:
+        print("[안내] 전체 지도에 그릴 데이터가 없습니다.")
+        return
+    fig, ax = setup_map()
+    tmp = df.copy()
+    tmp["MAG_CLASS"] = tmp["MT"].apply(classify_magnitude)
+    tmp["COLOR"] = tmp["MAG_CLASS"].apply(magnitude_class_to_color)
+    ax.scatter(
+        tmp["LON"],
+        tmp["LAT"],
+        s=32,
+        c=tmp["COLOR"],
+        alpha=0.85,
+        edgecolors="black",
+        linewidths=0.25,
+        transform=ccrs.PlateCarree()
+    )
+    ax.set_title("Epicenter Distribution for the Last 1 Year (All)", fontsize=14)
+    plt.savefig(OUTPUT_PNG_ALL, dpi=150, bbox_inches="tight")
+    plt.close()
+</code>
+규모 구간별 지도도 각각 저장합니다.
+<code py>
+def plot_single_class_map(df, mag_class, output_png):
+    if df.empty:
+        return
+    tmp = df.copy()
+    tmp["MAG_CLASS"] = tmp["MT"].apply(classify_magnitude)
+    tmp = tmp[tmp["MAG_CLASS"] == mag_class].copy()
+    if tmp.empty:
+        return
+    color = magnitude_class_to_color(mag_class)
+    fig, ax = setup_map()
+    ax.scatter(
+        tmp["LON"],
+        tmp["LAT"],
+        s=32,
+        color=color,
+        alpha=0.85,
+        edgecolors="black",
+        linewidths=0.25,
+        transform=ccrs.PlateCarree()
+    )
+    ax.set_title(f"Epicenter Distribution for the Last 1 Year ({mag_class})", fontsize=14)
+    plt.savefig(output_png, dpi=150, bbox_inches="tight")
+    plt.close()
+</code>
+전체 실행 코드는 다음과 같습니다.
+<code py>
+tm1, tm2 = make_time_range()
+text = fetch_earthquake_text(tm1, tm2)
+df = parse_text_to_dataframe(text)
+df = clean_dataframe(df)
+df.to_csv(OUTPUT_CSV, index=False, encoding="utf-8-sig")
+plot_all_map(df)
+plot_single_class_map(df, "M2", OUTPUT_PNG_M2)
+plot_single_class_map(df, "M4", OUTPUT_PNG_M4)
+plot_single_class_map(df, "M6", OUTPUT_PNG_M6)
+plot_single_class_map(df, "M8", OUTPUT_PNG_M8)
+</code>
+실행하면 다음 파일이 생성됩니다.
 {{:지진_화산:earthquake_epicenter_map_all.png?nolink500}}
 {{:지진_화산:earthquake_epicenter_map_m2.png?nolink500}}
@@ 줄 141: / 줄 425: @@
 {{:지진_화산:earthquake_epicenter_map_m6.png?nolink500}}
 {{:지진_화산:earthquake_epicenter_map_m8.png?nolink500}}