자동기상관측 데이터

자동기상관측장비는 사용목적에 따라 종관기상관측장비(ASOS)과 방재기상관측장비(AWS)로 구분합니다. 종관기상관측장비(ASOS)는 관측관서에서 목측요소를 제외한 기상요소에 대한 관측업무를 자동화한 것이며, 방재기상관측장비(AWS)는 기상관측 사각지역에 관측 공백 해소 및 국지적인 위험기상을 연속자동 관측하여 방재기상업무를 지원하는 자동기상관측장비를 말합니다. 또한 농업기상관측장비(AAOS)를 종관기상관측장비(ASOS) 또는 방재기상관측장비(AWS)에 통합하여 운영함(2017. 8. 3.)에 따라 자동기상관측장비의 기준을 적용합니다.

자동기상관측장비는 센서부, 자료처리부, 부대장비 및 부대설비로 구성되어 있습니다.

기온, 지면온도, 초상온도, 지중온도, 풍향, 풍속, 기압, 습도, 강수량(0.1mm, 0.5 mm), 강수유무, 시정·현천, 일사, 일조센서 등으로 구성하며, 농업기상관측 지점에서는 토양수분을 추가 구성합니다. 관측목적(농업, 기후 등)에 따라 관측요소 일부를 관측할 수 있습니다.

센서로부터 수신한 아날로그 신호를 디지털 신호로 변환하고, 정해진 처리방법에 따라 수집한 다음 자동기상관측장비 표준규격에 따른 자료구조로 편집한 후 기상실황판으로 전송하고, 또한 매 1분 간격으로 국지수집장치를 통하여 종합기상정보시스템으로 전송합니다. 또한 매 1분 자료는 일정기간 자체 저장장치에 보관합니다.

(1) 전원공급장치 입력전압은 AC Free Volt이며, 출력전압은 DC 12 V 입니다. 전원의 안정된공급과 장비를 72시간 이상 가동할 수 있는 충전기 및 배터리를 설치해야 합니다.

(2) 기상실황판 관측지점의 기상실황을 실시간 감시를 목적으로 설치되며, 액정표시장치(liquid crystal display)와 셋톱박스(set top box) 또는 표출제어장치(display control unit) 등으로 구성됩니다. 주로 표출되는 관측요소는 풍향, 풍속, 기온, 습도, 현지기압, 강수유무, 오늘 강수량, 어제 강수량 등 입니다.

(3) 국지수집장치 국지수집장치는 연결된 자동기상관측장비의 자료를 매분마다 수집하여 종합기상정보시스템으로 전송하는 역할을 합니다. 또한 기상청 표준시각시스템(Network Time Protocol)으로부터 표준시각을 받아 해당 자동기상관측장비의 시각을 동기화하고, 원격지 자동기상관측장비의 전압 및 센서 상태 감시, 자료수집상태, 원격제어 등을 수행합니다.

(4) 모뎀 자동기상관측장비와 국지수집장치 간의 자료를 교환할 수 있도록 연결하는 기능을 합니다. 자동기상관측장비에 장착되어 있는 모뎀은 전용회선 4선식 전이중방식의 모뎀으로 ITU-T V.29 및 정보통신부 모뎀 표준규격서에 의해 설계된 국제규격의 모뎀입니다.

기상요소는 관측소 부근의 일반적인 기상상태를 대표할 수 있어야 하므로 관측소 위치는 관측에 영향을 줄 수 있는 높은 건물 등이 많은 곳이나 산악, 산림, 호수, 기타 장애물의 영향을 받는 곳은 피해야 하며, 평탄하고 바람의 유통이 잘되고 시야가 넓은 곳에 위치해야 합니다. 또한 관측소는 업무의 수행상 교통과 통신 등 최적의 관측환경 요건을 구비해야 합니다.

• 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

• 그 지역의 기상을 대표할 수 있는 곳이어야 함
• 건물·나무·숲 등 장애물의 영향이 적은 곳이어야 함
• 아스팔트·콘크리트 등 인공물의 영향이 적은 곳이어야 함
• 기상관측장비의 유지·관리를 위한 접근성이 용이한 곳이어야 함
• 관측시설의 보호 등 안정성이 보장될 수 있는 곳이어야 함

• 기상관측에 영향을 미칠 수 있는 장애물의 영향이 적은 곳이어야 함
• 주변지형이 평탄한 곳이어야 한다. 다만, 산악지역 등 특수목적을 위한 관측소의 경우에는 그러하지 아니함

기상측기별 설치기준 제3조제2항

기온 관측방식은 유리제 온도계, 백금저항 온도계, 서미스터 온도계 등이 있으나, 열전도가 높고 부식이 잘 안되는 백금선을 활용한 백금저항온도계를 주로 사용합니다.

바람(풍향‧풍속) 관측을 위한 장비에는 풍차형, 3배형 풍속계, 초음파 풍속계, 방향타형 풍향계, 로빈손 풍속계, 에어로벤 등이 있으며, 주로 풍배형풍속계를 사용합니다.

세계기상기구(WMO, World Meteorological Organization) 권고에 따라 풍향은 진북을 기준으로 360°의 10°간격(01～36 부호)으로 10분간의 평균풍향을 사용합니다. 풍속 또한 10분간의 평균풍속을 사용합니다. 바람의 관측은 지상의 장애물 높이의 10배 이상 떨어진 평탄한 곳에서 지상 10 m 높이의 풍향, 풍속을 관측하는 것을 표준으로 합니다.

기압센서는 광범위한 기압과 기온범위에서 사용가능한 디지털 기압계로 자체 기차보정, 온도보정이 된 값이 출력됩니다.

기압계는 연결부위에 물이 닿으면 기압측정에 오차가 발생할수 있으므로 주변 환경으로부터 보호받을 수 있도록 자료처리기(Data Logger)함 내부에 설치하거나 보호구 속에 설치하되, 밀폐되지 않도록 운영하고 있습니다

습도계는 노점계, 정전용량 습도계, 자외선 습도계 등이 있으며, 정전용량형 고분자막 습도계를 주로 사용합니다.

정전용량형 고분자막 습도계는 고분자 물질의 전기적 특성이 물 분자의 흡ㆍ탈착에 의해서 변하도록 제작된 감지기로 고분자막을 유전체로 하는 일종의 콘덴서로, 정전용량을 전기신호로 끌어냄으로써 상대습도가 측정됩니다. 통풍이 원활하게 이루어지는 차광통 내부 중앙에 위치합니다.

강수량계는 무게식강수량계, 전도형강수량계 등이 있으며, 주로 무게식강수량계를 사용합니다.

무게식강수량계는 비, 눈 등 액상과 고체상의 강수를 관측하는 센서이며, 무게식강수량계 본체에는 저수통이 있어 비, 눈 등을 저수통에 모아 무게를 측정하는 원리를 사용하여 강수량을 산출합니다.

강수유무계에는 임피던스 검출형, 정전용량 검출형 등이 있습니다. 비, 눈 등 강수현상이 강수유무계 감지면에 낙하하여 감지되면 강수유무를 전기적 신호로 출력합니다.

시정계는 일반적으로 산란식 시정센서를 사용합니다. 시정ㆍ현천계는 송신부와 수신부에서 레이저 빔을 발사, 수신하여 공기 중에 있는 입자에 의해 빛이 산란, 흡수되는 빛의 산란 강도를 통해 시정값을 산출합니다. 시정 자료를 생산하기 위하여 1분 동안 10∼15초 간격으로 시정자료를 수집하여 매분자료를 생산하며, 10분 이동평균 한 시정자료를 현재 시정값으로 사용합니다.

일사계는 직달일사계와 은반일사계 및 전기 보상식 직달일사계 등이 있으며, 주로 전천일사계를 사용합니다. 수평면일사로도 불리는 전천 일사는 수평하게 놓인 수광면이 받는 직달일사와 대기 중의 산란일사를 측정하며, 측정한 값을 전기적 신호로 출력합니다.

일조계는 캄벨․스토크스 일조계, 조르단 일조계, 태양전지식 일조계, 기타 일조계가 있으며, 주로 회전식 일조계를 사용합니다. 회전식 일조계는 일정한 속도로 회전하는 회전반사경에 의해 직달일사량이 120 W·m-2 이상의 에너지를 초과하게 될 경우, 일조가 있는 것으로 처리하며 누적값으로 일조값을 계산합니다.

운고‧운량계는 일반적으로 레이저식 운고센서를 사용합니다. 운고·운량계는 연직으로 레이저 빔을 쏘아 3개 층의 운고와 운량을 관측하는 센서로 송신부에서 30초 간격으로 레이저 빔을 발사하며, 구름하부에 도달한 레이저 빔이 수신기로 돌아오는 데 걸리는 시간을 측정해 3개 층의 운고와 운량을 측정합니다.

적설계는 영상식적설계, 초음파식적설계, 레이저식적설계 등이 있으며, 주로 레이저식 적설계를 사용합니다. 레이저식 적설계는 내부의 레이저 거리측정기가 일정한 각도를 두고 회전하여 지면 또는 눈 표면에 원형 궤적을 그리면서 궤적상의 지점들을 측정합니다. 각 측정 지점에서 반사되어 레이저 거리 측정 모듈까지의 귀환 시간으로 거리를 계산합니다. 이렇게 측정된 각 지점의 거리 자료로 각 지점에 대한 지면으로부터의 높이를 계산하고, 각 지점의 적설 값을 평균하여 측정면의 대표값을 계산합니다.

관측센서의 표준규격

자료처리기의 표준규격

신호 및 자료처리의 표준규격

자료구조의 표준규격

부대장비의 표준규격

부대설비의 설치위치 및 표준규격

센서로부터 수신한 아날로그 신호를 디지털 신호로 변환하고 정해진 처리방법에 따라 샘플링한 다음 자동기상관측장비 표준규격에 따른 자료구조로 편집한 후 기상실황판으로 전송하고, 매 1분 간격으로 국지수집장치를 통하여 종합기상정보시스템(기상청 내부 시스템)으로 전송합니다.

• 사이트 : 기상자료개방포털 (data.kma.go.kr)​
• 메뉴 : 데이터 → 기상관측 → 지상 → 종관기상관측(ASOS), 방재기상관측(AWS), 농업기상관측(ASOS), 공공기관 기상관측

• 조건 : 자료형태, 기간, 지점, 요소

• 사이트 : 기상청 API허브 (apihub.kma.go.kr)
• 메뉴 : 지상관측 → 종관기상관측(ASOS), 방재기상관측(AWS)

• 절차: 회원가입 및 로그인 → API 메뉴 이동 → API 활용신청 → API호출
• 호출 방법: 기상청_api허브_사용_안내서.pdf

소스코드: aws_notebook.ipynb

# API 요청을 위한 requests 라이브러리와 
# 그래프를 그리기 위한 seaborn 라이브러리,
# 지도를 표출하기 위한 folium 라이브러리를 설치합니다.
%pip install requests seaborn folium

기상청 API허브에 회원가입 후 자신의 인증키를 사용하여 API 요청을 할 수 있습니다.

API 인증키를 코드상에 직접 남겨 사용하는 방식은 다른 사람에게 코드를 공유할때 인증키가 노출되는 문제가 생길 수 있습니다.

따라서 인증키를 환경변수로 등록하여 코드상에 노출되지 않도록 사용하는 것이 바람직합니다.

import os # 환경변수를 불러오는 표준 라이브러리

# 바람직하지 않은 방법
# my_api_key = 'MY_PRIVATE_API_AUTHENTICATE_KEY'

# 인증키를 'myapikey'라는 이름의 환경변수로 미리 등록해놓은 뒤 이를 불러와서 사용합니다.
my_api_key = os.environ['myapikey']

먼저 AWS의 지점 정보를 조회해 파일로 다운로드합니다.

import requests # API 요청을 보내고 받는 라이브러리
import json     # API 응답을 json형태로 가공하기 위한 라이브러리

# 지상관측 지점정보 API url
api_url = 'https://apihub.kma.go.kr/api/typ01/url/stn_inf.php'

# 요청인자로 지점종류, 해당 시점, 지점번호, 도움말추가 여부 등이 있습니다.

# 1. 지점종류를 입력합니다.
# SFC(지상), AWS(AWS), NKO(북한), UV(자외선)를 입력할 수 있습니다.
stn_type = 'AWS'

# 2. 해당 시점 및 특정 지점번호를 입력합니다.
# 여기선 현재 시각에 존재하는 모든 지점번호를 조회하기 위해 값을 입력하지 않습니다.

# 3. 도움말추가 여부를 입력합니다.
# 파일 내에 각 필드에 대한 도움말을 확인할 수 있습니다.
help = 1

# API 요청인자들을 묶어 dictionary로 정의합니다.
api_parameters = {
    'inf': stn_type,
    'help': help,
    'authKey': my_api_key
}

# API 응답을 저장할 파일 형식은 txt 파일로 저장합니다.
file_name = f'{stn_type.lower()}_stn_inf.txt'

# 저장된 파일이 없는 경우에만 API를 요청해 파일을 다운로드합니다.
if not os.path.exists(file_name):
    # API 요청인자와 함께 API 요청
    response = requests.get(api_url, params=api_parameters)

    # 잘못된 응답을 받을 경우 에러 메세지 출력
    if response.status_code != 200:
        raise requests.RequestException(
            json.loads(response.content)['result']['message']
        )
    else:
        # 그외의 올바른 응답에 대해서만 UTF-8 txt 파일 형태로 저장합니다.
        with open(file_name, 'wb') as f:
            f.write(response.content.decode('euc-kr').encode('utf-8'))
        print(f'{file_name} 파일 다운로드 완료')

다운로드 받은 파일을 열면 AWS 각 지점 번호와 이름, 지점 정보를 확인할 수 있습니다.

AWS 각 지점들의 위치를 지도로 표출합니다.

import pandas as pd     # dataframe을 다루는 패키지

# 다운로드 받은 txt파일을 dataframe으로 변환합니다.
# 도움말을 비롯한 파일의 첫 20줄과 마지막 1줄을 제외하여 변환합니다.
# 각 필드를 구분하도록 너비를 정의하고
# 지점번호(STN), 경도(LON), 위도(LAT), 노장 해발고도(HT), 한글 지점명(STN_KO)만을 사용합니다.
stn_info = pd.read_fwf(
    file_name,
    skiprows=20,
    skipfooter=1,
    names=['STN_ID', 'LON', 'LAT', 'STN_SP', 'HT', 'HT_WD', 'LAU_ID', 'STN_AD', 'STN_KO', 'STN_EN', 'FCT_ID', 'LAW_ID', 'BASIN'],
    usecols=['STN_ID', 'LON', 'LAT', 'HT', 'STN_KO'],
    index_col=['STN_ID'],
    widths=(5, 14, 14, 9, 10, 10, 5, 4, 10),
)

# dataframe의 첫 5개의 데이터를 표출합니다.
stn_info.head(5)

import folium   # 지도로 표출하기 위한 라이브러리

# 너비, 높이 크기가 800인 지도 생성
fig = folium.Figure(width=800, height=800)

# 지도의 위·경도 중심과 범위를 정해 맵을 생성합니다.
map = folium.Map(
    location=[37.5, 127],
    zoom_start=12,
    min_zoom=6,
    min_lat=30,
    max_lat=44,
    min_lon=123,
    max_lon=132,
    max_bounds=True,
).add_to(fig)

# dataframe의 데이터를 읽어 지도위에 마커를 추가합니다.
# marker를 클릭하면 팝업으로 지점명, 위경도와 해발고도를 표출하도록 html을 추가합니다.
for idx, row in stn_info.iterrows():
    html=f"""
    <h3>{row['STN_KO']}({idx})</h3>
    <p>위도: {row['LAT']}</p>
    <p>경도: {row['LON']}</p>
    <p>해발고도: {row['HT']}m</p>
    """
    iframe = folium.IFrame(html=html, width=170, height=170)
    popup = folium.Popup(iframe, max_width=1000)
    folium.Marker(
        location=row[['LAT', 'LON']].tolist(),
        popup=popup,
    ).add_to(map)

# 지도를 표출합니다.
fig

AWS 지점들 중 하나를 골라 시계열 그래프를 그려봅니다.

시계열 그래프를 표출하기 전, 그래프에 한글을 표출하려면 한글 폰트의 설정이 필요합니다.

만약, 한글 표출을 하지 않는다면 이 부분을 실행하지 않아도 좋습니다.

# Linux Ubuntu에서의 나눔폰트 설치와 캐시를 제거합니다.
!sudo apt-get install -y fonts-nanum
!sudo fc-cache -fv
!rm -rf ~/.cache/matplotlib

import seaborn as sns           # 그래프를 그리는 라이브러리
import matplotlib.pyplot as plt # 그래프를 그리는 라이브러리

# 한글을 출력하기 위해 사용하는 기본 폰트를 나눔고딕으로 설정합니다.
plt.rc("font", family = "NanumGothic")
sns.set_theme(font="NanumGothic", rc={"axes.unicode_minus": False}, style='darkgrid')

AWS자료는 크게 AWS2 포맷의 매 분자료 조회와 AWS 일 통계 자료 조회 2가지가 존재합니다.

먼저, AWS2 포맷의 매 분자료 시계열 그래프를 그립니다.

import requests # API 요청을 보내고 받는 라이브러리
import json     # API 응답을 json형태로 가공하기 위한 라이브러리

# AWS2 매분자료 조회 API url
api_url = 'https://apihub.kma.go.kr/api/typ01/cgi-bin/url/nph-aws2_min'

# 요청인자로 시작시간, 종료시간, 지점번호, 표출형태, 도움말추가 여부가 있습니다.

# 1. 한 지점에 대해 최대 12시간을 조회할 수 있습니다.
# 시작시간과 종료시간을 년월일시분 형태로 입력합니다.
start_time = '202403011200'
end_time = '202403020000'

# 2. 앞에서 확인한 지점번호를 입력합니다.
stn_id = 108

# 3. 표출형태로 포트란과 엑셀에 적합한 형태를 입력할 수 있습니다.
# 여기선 변수별로 일정한 길이를 유지하는 기본값을 사용합니다. 

# 4. 도움말추가 여부를 입력합니다.
# 파일 내에 각 필드에 대한 도움말을 확인할 수 있습니다.
help = 1

# API 요청인자들을 묶어 dictionary로 정의합니다.
api_parameters = {
    'tm1': start_time,
    'tm2': end_time,
    'stn': stn_id,
    'help': help,
    'authKey': my_api_key
}

# API 응답을 저장할 파일 형식은 txt 파일로 저장합니다.
file_name = f"aws_min_data_{stn_id}_{start_time}_{end_time}.txt"

# 저장된 파일이 없는 경우에만 API를 요청해 파일을 다운로드합니다.
if not os.path.exists(file_name):
    # API 요청인자와 함께 API 요청
    response = requests.get(api_url, params=api_parameters)

    # 잘못된 응답을 받을 경우 에러 메세지 출력
    if response.status_code != 200:
        raise requests.RequestException(
            json.loads(response.content)['result']['message']
        )
    # 짧은 에러메세지를 응답으로 받은 경우 에러 메세지 출력
    elif len(response.content) < 100:
        raise ValueError(response.content.decode('euc-kr').split('#')[2])
    else:
        # 그외의 올바른 응답에 대해서만 UTF-8 txt 파일 형태로 저장합니다.
        with open(file_name, 'wb') as f:
            f.write(response.content.decode('euc-kr').encode('utf-8'))
        print(f"{file_name} 파일 다운로드 완료")

다운로드 받은 AWS 매 분자료 파일을 열어 자료를 확인할 수 있습니다.

자료를 읽어 시계열 그래프를 그립니다.

import pandas as pd     # dataframe을 다루는 패키지
import numpy as np      # 배열을 다루는 패키지

# 다운로드 받은 txt파일을 dataframe으로 변환합니다.
# 도움말을 비롯한 파일의 첫 22줄과 마지막 1줄을 제외하여 변환합니다.
# 각 필드는 공백으로 구분되어있으며 존재하는 모든 필드를 사용합니다.
aws_min_data = pd.read_csv(
    file_name,
    skiprows=22,
    skipfooter=1,
    sep=r'\s+',
    names=['TIME', 'STN_ID', 'WD1', 'WS1', 'WDS', 'WSS', 'WD10', 'WS10', 'TA',
           'RE', 'RN-15m', 'RN-60m', 'RN-12H', 'RN-DAY', 'HM', 'PA', 'PS', 'TD'],
    parse_dates=['TIME'],
    index_col=['TIME', 'STN_ID'],
    engine='python'
)

# 도움말에 따르면 값이 -50 이하라면 관측이 없거나, 에러처리된 것을 표시합니다.
# 따라서 그 값을 NaN으로 변환합니다.
aws_min_data[aws_min_data <= -50] = np.nan

# dataframe의 첫 5개의 데이터를 표출합니다.
aws_min_data.head(5)

# 필드 중 기온(TA), 이슬점온도(TD)를 표출합니다.
vars = ['TA', 'TD']

# 그래프를 그릴 크기를 지정합니다.
fig, ax = plt.subplots(1, 1, figsize=(10, 5))

# 그래프의 제목을 지정합니다.
# 제목에 한글 지점명이 사용됩니다.
ax.set_title(
    f"{stn_info[stn_info.index == stn_id]['STN_KO'].iloc[0]}({stn_id}) "
    f"{aws_min_data.index.get_level_values('TIME')[0]} - {aws_min_data.index.get_level_values('TIME')[-1]}")

# 각 요소별로 시계열 그래프를 그립니다.
for var in vars:
    sns.lineplot(aws_min_data, x=aws_min_data.index.get_level_values('TIME'), y=var, label=var, ax=ax)

# 그래프를 표출합니다.
plt.show()

# 필드 중 현지기압(PA), 해면기압(PS)을 표출합니다.
vars = ['PA', 'PS']

# 그래프를 그릴 크기를 지정합니다.
fig, ax = plt.subplots(1, 1, figsize=(10, 5))

# 그래프의 제목을 지정합니다.
# 제목에 한글 지점명이 사용됩니다.
ax.set_title(
    f"{stn_info[stn_info.index == stn_id]['STN_KO'].iloc[0]}({stn_id}) "
    f"{aws_min_data.index.get_level_values('TIME')[0]} - {aws_min_data.index.get_level_values('TIME')[-1]}")

# 각 요소별로 시계열 그래프를 그립니다.
for var in vars:
    sns.lineplot(aws_min_data, x=aws_min_data.index.get_level_values('TIME'), y=var, label=var, ax=ax)

# 그래프를 표출합니다.
plt.show()

# 필드 중 1분 평균 풍속(WS1)를 표출합니다.

# 그래프를 그릴 크기를 지정합니다.
fig, ax = plt.subplots(1, 1, figsize=(10, 5))

# 그래프의 제목을 지정합니다.
# 제목에 한글 지점명이 사용됩니다.
ax.set_title(
    f"{stn_info[stn_info.index == stn_id]['STN_KO'].iloc[0]}({stn_id}) "
    f"{aws_min_data.index.get_level_values('TIME')[0]} - {aws_min_data.index.get_level_values('TIME')[-1]}")

# 풍속 시계열 그래프를 그립니다.
sns.lineplot(aws_min_data, x=aws_min_data.index.get_level_values('TIME'), y='WS1', label='WS1', ax=ax)

# 그래프를 표출합니다.
plt.show()

AWS 일 통계 자료를 조회하여 시계열 그래프로 표출합니다.

import requests # API 요청을 보내고 받는 라이브러리
import json     # API 응답을 json형태로 가공하기 위한 라이브러리

# AWS 일 통계 자료 조회 API url
api_url = 'https://apihub.kma.go.kr/api/typ01/url/sfc_aws_day.php'

# 요청인자로 시작시간, 종료시간, 기상요소, 지점번호, 도움말추가 여부가 있습니다.

# 1. 시작시간과 종료시간을 년월일 형태로 입력합니다.
start_time = '20220201'
end_time = '20240301'

# 2. 기상요소를 입력합니다.
# rn_day(일강수량), ta_max(일 최고기온), ta_max_dif(최고기온차(오늘-어제)), ta_max_min(일교차),
# ta_min(일 최저기온), ta_min_dif(최저기온차(오늘-어제)), ws_max(일 최대풍속), ws_ins_max(일 최대 순간풍속),
# sd_tot_max(최심적설), sd_day_max(최심 신적설)를 입력할 수 있습니다.
obs = 'ta_min'

# 3. 앞에서 확인한 지점번호를 입력합니다.
stn_id = 108

# 4. 도움말추가 여부를 입력합니다.
# 파일 내에 각 필드에 대한 도움말을 확인할 수 있습니다.
help = 1

# API 요청인자들을 묶어 dictionary로 정의합니다.
api_parameters = {
    'tm1': start_time,
    'tm2': end_time,
    'obs': obs,
    'stn': stn_id,
    'help': help,
    'authKey': my_api_key
}

# API 응답을 저장할 파일 형식은 txt 파일로 저장합니다.
file_name = f"aws_day_data_{obs}_{stn_id}_{start_time}_{end_time}.txt"

# 저장된 파일이 없는 경우에만 API를 요청해 파일을 다운로드합니다.
if not os.path.exists(file_name):
    # API 요청인자와 함께 API 요청
    response = requests.get(api_url, params=api_parameters)

    # 잘못된 응답을 받을 경우 에러 메세지 출력
    if response.status_code != 200:
        raise requests.RequestException(
            json.loads(response.content)['result']['message']
        )
    # 짧은 에러메세지를 응답으로 받은 경우 에러 메세지 출력
    elif len(response.content) < 100:
        raise ValueError(response.content.decode('euc-kr').split('#')[2])
    else:
        # 그외의 올바른 응답에 대해서만 UTF-8 txt 파일 형태로 저장합니다.
        with open(file_name, 'wb') as f:
            f.write(response.content.decode('euc-kr').encode('utf-8'))
        print(f"{file_name} 파일 다운로드 완료")

다운로드 받은 AWS 일 통계 파일을 열어 자료를 확인할 수 있습니다.

자료를 읽어 시계열 그래프를 그립니다.

import pandas as pd     # dataframe을 다루는 패키지

# 다운로드 받은 txt파일을 dataframe으로 변환합니다.
# 도움말을 비롯한 파일의 첫 13줄과 마지막 1줄을 제외하여 변환합니다.
# 모든 필드를 사용하지 않고 시간, 값 필드만 사용합니다.
aws_day_data = pd.read_csv(
    file_name,
    skiprows=13,
    skipfooter=1,
    names=['TIME', 'STN_ID', 'LON', 'LAT', 'HT', 'VAL', 'STN_KO'],
    usecols=['TIME', 'VAL'],
    parse_dates=['TIME'],
    index_col=['TIME'],
    engine='python'
)

# dataframe의 첫 5개의 데이터를 표출합니다.
aws_day_data.head(5)

# AWS 일 통계 자료 시계열 그래프를 표출합니다.

# 그래프를 그릴 크기를 지정합니다.
fig, ax = plt.subplots(1, 1, figsize=(10, 5))

# 그래프의 제목을 지정합니다.
# 제목에 한글 지점명이 사용됩니다.
ax.set_title(
    f"{stn_info[stn_info.index == stn_id]['STN_KO'].iloc[0]}({stn_id}) {obs} "
    f"{aws_day_data.index[0]} - {aws_day_data.index[-1]}")

# 일 통계 자료 시계열 그래프를 그립니다.
sns.lineplot(aws_day_data)

# 그래프를 표출합니다.
plt.show()