기상불량으로 인해 발생하고 있는 해양사고 중 해무 발생에 따른 시계제한은 선박의 좌초, 선저 파손 등의 사고를 유발하는 것과 동시에 사고에 따른 인명피해를 동시에 수반하고 있으며 이는 매년 지속적으로 발생하고 있다. 또한 해상에서의 저시정은 지역간 국소적으로 차이가 존재하는 경우에도 일괄적으로 여객선에 대한 운항 지연 및 통제 조치를 하고 있어 섬주민들의 교통수단 이용에 상당 한 불편을 초래하는 등의 사회적 문제로 대두되고 있다. 더욱이 이와 같은 조치는 지역적 편차나 사람마다 관측의 판단 기준이 상이하여 이를 객관적으로 정량화하지 못하고 있어 더욱 문제가 심화되고 있는 실정이다. 현재 각 항만의 VTS에서는 시정거리가 1km 미만인 경우 선박의 운항을 통제하고 있으며, 이 경우 저시정에 따른 해무 가시거리를 시정계 혹은 육안에 의한 목측(目測)에 의존하고 있을 정도로 객관적인 데이터 수집을 통한 평가에 있어서는 한계가 있다. 정부에서는 이와 같은 해양교통안전 저해요소를 해결하기 위한 일환으로 해 무 탐지 및 예측을 위한 해양기상신호표지 및 해상안개관측망을 구축하여 운용하고 있으나, 국지적으로 발생하는 해무를 관측하기 위한 시스템은 매우 부족한 현실적 어려움에 놓여있다. 이에 따라 본 논문에서는 해상에서의 저시정으로 인해 발생하고 있는 여러 사회적 문 제를 해결하기 위한 국내․외 정책동향에 대해 살펴보고, 이와 관련한 일반국민 및 현장 이해관계자의 인식 정도를 조사․분석하여 해무 에 따른 해상교통안전을 확보하기 위한 정부지원(해무 탐지 및 예측 기술을 기반으로 한 해상교통운영 체계 개발 등)의 필요성에 대한 기 초자료를 제공하고자 한다. 또한 이는 궁극적으로 해무로 인해 발생할 수 있는 해상안전 위험요소를 사전에 차단함으로써 보다 안정된 해상교통운영체계를 마련하는데 그 목적을 두고 있다.

To analyze the cooling effect of urban green areas, we conducted micrometeorological measurements in these areas and their surroundings in Seoul, Korea. From the average hourly temperature measurements through each month for the last two years (March 2013 to February 2015), we found that the maximum temperature difference between urban and green areas was about 2.9℃ at 16:00 LST in summer, and the minimum was about 1.7℃ at 22:00 LST in winter. In summer, the temperature difference was the largest during the day, rather than at night, due mainly to shading by the tree canopy. The specific humidity difference between the two areas was about 1.5 g kg-1 in summer, and this decreased in the winter. The specific humidity difference between urban and green areas in summer is relatively large during the day, due to the higher evapotranspiration level of biologically active plants.

We analyzed diurnal variations in the surface air temperature using the high density urban climate observation network of Daegu in summer, 2013. We compared the time elements, which are characterized by the diurnal variation of surface air temperature. The warming and cooling rates in rural areas are faster than in urban areas. It is mainly due to the difference of surface heat capacity. In addition, local wind circulation also affects the discrepancy of thermal spatiotemporal distribution in Daegu. Namely, the valley and mountain breezes affect diurnal variation of horizontal distribution of air temperature. During daytimes, the air(valley breeze) flows up from urban located at lowlands to higher altitudes of rural areas. The temperature of valley breeze rises gradually as it flows from lowland to upland. Hence the difference of air temperature decreases between urban and rural areas. At nighttime, the mountains cool more rapidly than do low-lying areas, so the air(mountain breeze) becomes denser and sinks toward the valleys(lowlands). As the result, the air temperature becomes lower in rural areas than in urban areas.

By using the Optical Wide-field Patrol (OWL) network developed by the Korea Astronomy and Space Science Institute (KASI) we generated the right ascension and declination angle data from optical observation of Low Earth Orbit (LEO) satellites. We performed an analysis to verify the optimum number of observations needed per arc for successful estimation of orbit. The currently functioning OWL observatories are located in Daejeon (South Korea), Songino (Mongolia), and Oukaïmeden (Morocco). The Daejeon Observatory is functioning as a test bed. In this study, the observed targets were Gravity Probe B, COSMOS 1455, COSMOS 1726, COSMOS 2428, SEASAT 1, ATV-5, and CryoSat-2 (all in LEO). These satellites were observed from the test bed and the Songino Observatory of the OWL network during 21 nights in 2014 and 2015. After we estimated the orbit from systematically selected sets of observation points (20, 50, 100, and 150) for each pass, we compared the difference between the orbit estimates for each case, and the Two Line Element set (TLE) from the Joint Space Operation Center (JSpOC). Then, we determined the average of the difference and selected the optimal observation points by comparing the average values.