차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- 태풍:베스트트랙 [2026/05/04 08:42] – [① 베스트트랙 양식(예시)] admin
+++ 태풍:베스트트랙 [2026/05/06 08:24] (현재) – [4. 베스트트랙 제공 위치] admin
@@ 줄 10: / 줄 10: @@
 베스트트랙은 태풍 종료 후 다음과 같은 절차를 통해 생산되고, 확정됩니다.
 ^  자료 \\ 수집  ^  베스트트랙 \\ 초안 작성  ^  태풍예보관 \\ 교차검토  ^  재분석 검토(2차) \\ - 내외부 전문가2)-  ^  베스트트랙 확정  ^
@@ 줄 16: / 줄 17: @@
 태풍의 위치(위‧경도), 중심기압, 최대풍속, 강도 등급, 강풍반경, 폭풍반경 정보를 포함합니다.
-====① 베스트트랙 양식(예시)====
+====3.1 베스트트랙 양식(예시)====
-^   등급   ^  태풍호수  ^  날짜(UTC)  ^^^^  위치  ^^  강도  ^^  강풍반경  ^^^  폭풍반경  ^^^  태풍이름  ^
+^   등급   ^  태풍 \\ 호수  ^  날짜(UTC)  ^^^^  위치  ^^  강도  ^^  강풍반경  ^^^  폭풍반경  ^^^  태풍이름  ^
 ^ ::: ^ ::: ^  년  ^  월  ^  일  ^  시  ^  경도(°E)  ^  위도(°N)  ^  최대풍속(m/s)  ^  중심기압(hPa)  ^  장반경(km)  ^  단반경(km)  ^  단반경방향(°)  ^  장반경(km)  ^  단반경(km)  ^  단반경방향(°)  ^ ::: ^
 |  TS  |  2401  |  2024  |  05  |  25  |  12  |  122.2  |  13.3  |  18  |  1000  |  180  |  110  |  270.0  |  -999  |  -999  |  -999.9  |  EWINIAR  |
-====② 베스트트랙 세부내용====
+====3.2 베스트트랙 세부내용====
 ^  종류  ^^  자리수  ^  세부내용  ^
@@ 줄 49: / 줄 50: @@
 =====4. 베스트트랙 제공 위치=====
- • 기상청 누리집(https://www.kma.go.kr/kma/): 알림‧자료 > 기상간행물 > 국가태풍센터 간행물 > 베스트트랙
+ • **기상청 누리집(https://www.kma.go.kr/kma/)**: 알림‧자료 > 기상간행물 > 국가태풍센터 간행물 > 베스트트랙
- • 기상청 API허브(https://apihub.kma.go.kr/): 태풍 > 태풍 베스트트랙
+ • **기상청 API허브(https://apihub.kma.go.kr/)**: 태풍 > 태풍 베스트트랙
- • IBTrACS(International Best Track Archive for Climate Stewardship)
+ • **IBTrACS(International Best Track Archive for Climate Stewardship)**
+===== 5. 활용방안 =====
-=====5. 활용방안=====
 소스코드 : {{ :태풍:typhoon_besttrack_example.py |}}
-====① 데이터 정제 함수====
+==== 5.1. 라이브러리 설치 및 기본 설정 ====
+태풍 베스트트랙 자료를 조회하고 태풍 중심 위치 및 강풍반경을 시각화하기 위해 필요한 라이브러리를 설치합니다.
 <code py>
-   def clean_besttrack_df(df):
+pip install requests pandas matplotlib cartopy numpy
-      if df.empty:
-          return df
-      df = df.copy()
-      numeric_cols = ["TYNO", "YY", "MM", "DD", "HH", "LON", "LAT", "MAX_WS", "PRES", "R15", "R25"]
-      for col in numeric_cols:
-          df[col] = pd.to_numeric(df[col], errors="coerce")
-      # 결측값 처리
-      for col in ["MAX_WS", "PRES", "R15", "R25"]:
-          df.loc[df[col] <= -9, col] = pd.NA
-      # YY가 2자리면 2000년대 보정
-      if df["YY"].dropna().max() < 100:
-          df["YYYY"] = df["YY"].apply(lambda x: int(2000 + x) if pd.notna(x) else pd.NA)
-      else:
-          df["YYYY"] = df["YY"]
-      def make_dt(row):
-          try:
-              return datetime(
-                  int(row["YYYY"]),
-                  int(row["MM"]),
-                  int(row["DD"]),
-                  int(row["HH"])
-              )
-          except Exception:
-              return pd.NaT
-      df["datetime"] = df.apply(make_dt, axis=1)
-      # 유효한 범위만 남김
-      df = df.dropna(subset=["LAT", "LON"]).copy()
-      df = df[(df["LAT"] >= -90) & (df["LAT"] <= 90)]
-      df = df[(df["LON"] >= 0) & (df["LON"] <= 360)]
-      # 0~360 경도를 -180~180으로 바꾸고 싶으면 아래 사용
-      # df["LON"] = df["LON"].apply(lambda x: x - 360 if x > 180 else x)
-      df = df.sort_values("datetime").reset_index(drop=True)
-      return df
 </code>
-====② 지도 시각화 함수====
 <code py>
-   def plot_typhoon_track(df):
+import os
-       # 1. 지도 및 투영법 설정
+from datetime import datetime
-       fig = plt.figure(figsize=(12, 10))
-       ax = plt.axes(projection=ccrs.PlateCarree())
+import numpy as np
-       # 2. 지형지물 추가 (육지, 바다, 해안선)
+import requests
-       ax.add_feature(cfeature.LAND, facecolor="#f2f2f2")
+import pandas as pd
-       ax.add_feature(cfeature.OCEAN, facecolor="#e6f2ff")
-       ax.add_feature(cfeature.COASTLINE, linewidth=0.8)
+import matplotlib
-       # 3. 태풍 경로 및 중심점 그리기
+matplotlib.use("Agg")
-       ax.plot(df["LON"], df["LAT"], color="black", transform=ccrs.PlateCarree())
+import matplotlib.pyplot as plt
-       ax.scatter(df["LON"], df["LAT"], color="royalblue", transform=ccrs.PlateCarree())
+from matplotlib import font_manager
-       # 4. 강풍 반경 원 그리기 (반복문을 통해 R15, R25 표시)
+from matplotlib.lines import Line2D
-       for i, row in df.iterrows():
+from matplotlib.patches import Patch
-           draw_wind_radius(ax, row["LON"], row["LAT"], row["R15"], "orange", "gold")
-           draw_wind_radius(ax, row["LON"], row["LAT"], row["R25"], "red", "red")
+import cartopy.crs as ccrs
-       # 5. 결과물 저장
+import cartopy.feature as cfeature
-       plt.savefig(OUTPUT_PNG, dpi=150, bbox_inches="tight")
+from cartopy.geodesic import Geodesic
 </code>
-====③ 예상결과====
+API 인증키와 API 주소, 조회할 태풍 정보를 설정합니다.
+<code py>
+AUTH_KEY = "본인의_API_인증키"
+BASE_URL = "https://apihub.kma.go.kr/api/typ01/url/typ_besttrack.php"
+YEAR = 2023
+TCID = "2311"
+TY_NAME = f"Typhoon {TCID}"
+HELP = 1
+RAW_TEXT_FILE = f"typhoon_besttrack_{YEAR}_{TCID}_raw.txt"
+OUTPUT_CSV = f"typhoon_besttrack_{YEAR}_{TCID}.csv"
+OUTPUT_PNG = f"typhoon_besttrack_map_{YEAR}_{TCID}.png"
+</code>
+BASE_URL은 (신)기상자료개방포털 > API > 태풍 > 태풍 베스트트랙메뉴의 호출 URL을 사용합니다.
+YEAR에는 태풍 발생 연도를 입력합니다.
+TCID에는 태풍 번호를 입력합니다.
+예를 들어 2023년 11호 태풍은 2311로 입력합니다.
+==== 5.2. 태풍 베스트트랙 자료 조회 및 정리 ====
+태풍 베스트트랙 API를 호출하여 응답 원문 TEXT를 받아옵니다.
+<code py>
+def fetch_besttrack_text(year, tcid):
+    params = {
+        "year": year,
+        "tcid": tcid,
+        "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 실제 데이터 줄만 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
+        lines.append(line)
+    return lines
+</code>
+베스트트랙 응답 자료의 컬럼은 다음과 같습니다.
+<code py>
+COLS = [
+    "GRADE",
+    "TYNO",
+    "YY",
+    "MM",
+    "DD",
+    "HH",
+    "LON",
+    "LAT",
+    "MAX_WS",
+    "PRES",
+    "R15",
+    "R25",
+]
+</code>
+응답 텍스트를 pandas DataFrame으로 변환합니다.
+<code py>
+def parse_besttrack_text(text):
+    data_lines = extract_data_lines(text)
+    rows = []
+    for line in data_lines:
+        clean = line.replace(",", " ")
+        parts = [p for p in clean.split() if p]
+        if len(parts) < 12:
+            continue
+        rows.append(parts[:12])
+    df = pd.DataFrame(rows, columns=COLS)
+    return df
+</code>
+숫자형 컬럼과 시간 컬럼을 변환하고 결측값을 처리합니다.
+<code py>
+def clean_besttrack_df(df):
+    numeric_cols = [
+        "TYNO", "YY", "MM", "DD", "HH",
+        "LON", "LAT", "MAX_WS",
+        "PRES", "R15", "R25"
+    ]
+    for col in numeric_cols:
+        df[col] = pd.to_numeric(df[col], errors="coerce")
+    for col in ["MAX_WS", "PRES", "R15", "R25"]:
+        df.loc[df[col] <= -9, col] = pd.NA
+    if df["YY"].dropna().max() < 100:
+        df["YYYY"] = df["YY"].apply(
+            lambda x: int(2000 + x) if pd.notna(x) else pd.NA
+        )
+    else:
+        df["YYYY"] = df["YY"]
+    def make_dt(row):
+        try:
+            return datetime(
+                int(row["YYYY"]),
+                int(row["MM"]),
+                int(row["DD"]),
+                int(row["HH"])
+            )
+        except Exception:
+            return pd.NaT
+    df["datetime"] = df.apply(make_dt, axis=1)
+    df = df.dropna(subset=["LAT", "LON"]).copy()
+    df = df.sort_values("datetime").reset_index(drop=True)
+    return df
+</code>
+==== 5.3. 태풍 중심 위치 및 강풍반경 표출 ====
+지도 표출을 위한 기본 지도를 생성합니다.
+<code py>
+def setup_map():
+    fig = plt.figure(figsize=(12, 10))
+    ax = plt.axes(projection=ccrs.PlateCarree())
+    ax.add_feature(cfeature.LAND, facecolor="#f2f2f2")
+    ax.add_feature(cfeature.OCEAN, facecolor="#e6f2ff")
+    ax.add_feature(cfeature.COASTLINE, linewidth=0.8)
+    ax.add_feature(cfeature.BORDERS, linewidth=0.5)
+    ax.gridlines(
+        draw_labels=True,
+        linewidth=0.4,
+        linestyle="--",
+        alpha=0.5
+    )
+    return fig, ax
+</code>
+태풍 중심 위치를 선과 점으로 연결하여 태풍 경로를 표출합니다.
+<code py>
+ax.plot(
+    df["LON"],
+    df["LAT"],
+    color="black",
+    linewidth=1.5,
+    linestyle="-",
+    transform=ccrs.PlateCarree()
+)
+ax.scatter(
+    df["LON"],
+    df["LAT"],
+    s=30,
+    color="royalblue",
+    edgecolors="black",
+    linewidths=0.3,
+    transform=ccrs.PlateCarree()
+)
+</code>
+m/s 및 25m/s 풍속반경을 원 형태로 표출합니다.
+<code py>
+draw_wind_radius(
+    ax=ax,
+    lon=row["LON"],
+    lat=row["LAT"],
+    radius_value=row["R15"],
+    edgecolor="orange",
+    facecolor="gold",
+    alpha=0.10,
+    linewidth=0.8
+)
+draw_wind_radius(
+    ax=ax,
+    lon=row["LON"],
+    lat=row["LAT"],
+    radius_value=row["R25"],
+    edgecolor="red",
+    facecolor="red",
+    alpha=0.06,
+    linewidth=1.0
+)
+</code>
+태풍 생성 지점, 소멸 지점, 최대세력 지점을 함께 표시합니다.
+<code py>
+ax.scatter(
+    first_row["LON"],
+    first_row["LAT"],
+    s=120,
+    color="limegreen",
+    edgecolors="black",
+    marker="o"
+)
+ax.scatter(
+    last_row["LON"],
+    last_row["LAT"],
+    s=120,
+    color="black",
+    edgecolors="white",
+    marker="X"
+)
+ax.scatter(
+    peak_row["LON"],
+    peak_row["LAT"],
+    s=180,
+    color="magenta",
+    edgecolors="black",
+    marker="*"
+)
+</code>
+최종 태풍 경로 지도는 PNG 파일로 저장합니다.
+<code py>
+plt.savefig(
+    OUTPUT_PNG,
+    dpi=150,
+    bbox_inches="tight"
+)
+</code>
+전체 실행 코드는 다음과 같습니다.
+<code py>
+text = fetch_besttrack_text(YEAR, TCID)
+df = parse_besttrack_text(text)
+df = clean_besttrack_df(df)
+df.to_csv(
+    OUTPUT_CSV,
+    index=False,
+    encoding="utf-8-sig"
+)
+plot_typhoon_track(df)
+</code>
+실행하면 다음 파일이 생성됩니다.
 {{:태풍:typhoon_besttrack_map_2023_2301.png?nolink500}}
 {{:태풍:typhoon_besttrack_map_2023_2311.png?nolink500}}