이상우의 IDL 블로그

Yale Bright Star Catalog 데이터 읽기 (개선된 방법)

최근에 Yale Bright Star Catalog(예일 밝은 별 목록, YBSC) 데이터를 바이너리 파일(Binary File)의 형태로 입수하여 그 파일을 읽고 관련 표출을 해보는 방법을 총 4회에 걸쳐서 연재한 바 있습니다. 그래서 제가 전달하고자 했던 모든 내용들은 이미 다 소개가 된 상태입니다. 다만 이번에 또 YBSC 데이터 읽기라는 타이틀로 또 다른 게시물을 올리게 된 이유는, 해당 바이너리 파일을 IDL에서 읽고 그 데이터를 배열로 가져오는데 있어서 이미 소개된 READ_BINARY 함수를 주로 사용하는 방식 외에도 또 다른 방식들이 있다는 것을 소개할 필요가 있다는 판단 때문입니다. 그래서 오늘은 그 방법들을 자세히 소개해보기로 하겠습니다. 방금 언급했듯이 기존에 소개했던 방식은 주로 R..

지난 회차 게시물에서는 Yale Bright Star Catalog(예일 밝은 별 목록, YBSC) 공식 웹페이지에서 바이너리 파일(Binary File)로 제공되는 데이터를 IDL에서 배열로 읽어들이고, 별들의 좌표 데이터(RA, Dec)를 이용하여 별들을 맵(Map) 상에 표시하는 작업을 진행하였습니다. 이 작업에서는 기본적으로 IDL의 지도 표출 기능을 사용하였습니다. 다만 경도 및 위도 대신 RA 및 Dec 좌표값들이 표시되어야 하는 천체 지도의 특성을 반영하기 위하여 라벨 문자들의 표시 내용 맟 형식을 유저가 직접 커스터마이즈하는 역할을 하는 함수형 부프로그램(mapgrid_labels_bsc5.pro)을 별도로 제작하여 활용한 바 있습니다. 이러한 방법을 동원하여 지난 회차에서 표출했던 그림을..

지난 회차 게시물들(링크1, 링크2)에서는 Yale Bright Star Catalog(예일 밝은 별 목록, YBSC) 목록자료를 공식 웹페이지에서 제공되는 바이너리 파일로 받아서 파일 내에 수록된 데이터를 IDL에서 배열로 읽어들이는 작업을 진행하였습니다. 그래서 5종의 항목들(일련번호, RA, Dec, Spectral type, V magnitude) 각각에 해당되는 cnums, ra_degs, dec_degs, types, vmags 배열들을 획득하였고 이들을 .sav 파일에 저장해두는 과정까지 완료된 상태입니다. 이제 오늘은 이 데이터를 사용한 표출 작업을 진행해볼텐데, 별들의 좌표 데이터(RA, Dec)를 이용하여 별들을 맵(Map) 상에 표시하는 방식으로 작업을 진행보고자 합니다. 참고로 천체..

지난 회차 게시물에서는 Yale Bright Star Catalog(예일 밝은 별 목록, YBSC) 목록자료를 공식 웹페이지에서 제공되는 바이너리 파일로 받아서 파일 내에 수록된 데이터를 읽어들이는 작업을 진행해보았습니다. 여기서는 헤더 부분을 먼저 읽어서 넘기고 바로 뒤에 이어지는 첫번째 레코드만 읽어서 각 항목별 값들을 얻는 방법을 중심으로 설명한 바 있습니다. 이제 오늘은 바이너리 파일에 수록된 데이터 전체를 모두 읽어오는 작업을 진행할 것입니다. 따라서 맨 처음 헤더 부분을 읽고 넘기는 과정부터 다시 시작해봅니다. file = 'BSC5'result = READ_BINARY(file, DATA_DIMS=7, DATA_TYPE=3) 이와 같이 바이너리 파일 'BSC5'의 맨 앞에 위치한 헤더 부분 ..

Yale Bright Star Catalog(예일 밝은 별 목록, YBSC)는 사람이 육안으로 관측할 수 있는 별들을 목록화하여 배포되고 있는 카탈로그 자료입니다. 여기서 "사람이 육안으로 관측할 수 있는"의 기준은 공식 웹페이지의 설명에 의하면 별의 겉보기 등급(Apparent Magnitude or Visual Magnitude)이 대략 7.0 이하인 경우들인 것으로 언급되고 있습니다. 참고로 밝기 등급은 그 값이 작을수록 밝고 클수록 어둡습니다. 이 목록에 등재된 별들의 갯수는 총 9110개이며 해당 목록 자료는 앞서 언급한 공식 웹페이지에서 배포되고 있습니다. 그래서 이 YBSC 목록 자료를 받아서 IDL에서 처리하고 관련된 표출까지도 진행해보는 과정을 수 차례에 걸쳐서 소개해보고자 합니다. 오늘..

지난 회차 게시물들(링크 1, 링크 2)에서는 기상청 ASOS 장비의 기상요소 관측자료를 기상자료 개방포털 웹페이지에서 CSV 파일로 수신한 다음 이 파일을 IDL에서 읽고 처리하여 특정한 시각에 대한 모든 지점들의 기온 값을 한반도 지도상에 표출하는 과정을 살펴본 바 있습니다. 또한 지점별로 존재하는 기온 값들에 대하여 Kriging 기법을 적용하여 일정한 경위도 범위의 격자 데이터로 환산하여 표출하는 과정도 이어서 살펴보았습니다. 이와 같이 이전 게시물들에서는 기상요소들 중 기온에 중점을 두고 살펴보았는데요. 그 외에도 습도나 기압 등과 같은 기상요소들도 유의미한 값 범위는 좀 다르겠지만 표출 방식 자체는 본질적으로 크게 다르지 않습니다. 따라서 처리 및 표출 과정은 기온에 대한 예제를 살짝 수정하면..

지난 회차 게시물에서는 기상청 ASOS 장비의 기상요소 관측자료를 기상자료 개방포털 웹페이지에서 CSV 파일로 수신한 다음 이 파일을 IDL에서 읽고 처리하여 특정한 시각에 대한 모든 지점들의 기온 값을 한반도 지도상에 표출하는 과정을 소개한 바 있습니다. 여기서는 BUBBLEPLOT 함수를 사용하여 각 지점의 위치에 버블이 표시되면서 그 색상이 기온 값에 따라 차등적으로 보이도록 하였습니다. 그런데 이와 같이 지점별로 존재하는 데이터를 바탕으로 일정한 경도 및 위도 범위의 격자들을 가정하여 2차원적인 격자 데이터로 계산하여 표출하는 것이 필요한 경우도 있습니다. 즉 불규칙한 분포를 하는 데이터들을 규칙적인 격자 데이터로 변환하는 작업인데, 이러한 변환 작업에 사용되는 여러가지 계산 기법들 중 Krigi..

지난 회차 게시물에서는 기상청 ASOS 장비의 기상요소 관측자료를 기상자료 개방포털 웹페이지에서 CSV 파일로 수신한 다음 이 파일을 IDL에서 읽고 처리하여 개별 기상요소를 시계열 플롯의 형태로 가시화하는 과정을 관련 예제와 함께 소개한 바 있습니다. 여기서는 특정한 하나의 지점에 대하여 자료의 전체 기간에 걸친 기온의 시계열 플롯을 얻었는데, 오늘은 특정한 시각에 대한 모든 지점들의 기온 값들을 지도상에 표출하는 방식으로 작업을 진행해보겠습니다. 자료 파일은 지난 회차에서 사용했던 CSV 파일을 그대로 사용합니다.  또한 이 파일을 수신하고 READCOL 명령으로 읽는 과정까지는 지난 회차 게시물에서 소개했던 내용과 거의 동일합니다. 초반부의 과정은 다음과 같습니다. file = 'OBS_ASOS_T..

지난 회차 게시물에서는 기상청 ASOS 장비의 지점 분포에 관한 메타 자료를 기상자료 개방포털 웹페이지에서 CSV 파일로 수신하여 IDL에서 읽고 처리하여 지점별 분포 현황을 가시화하는 과정을 관련 예제와 함께 소개한 바 있습니다. 오늘은 ASOS 장비에서 관측된 각종 기상요소 관측값들에 대한 자료를 역시 동일한 웹페이지에서 수신하여 IDL에서 처리 및 가시화하는 작업을 시도해보고자 합니다. ASOS의 기상관측자료를 수신하는데 있어서는 일정한 기간을 정하고 그 기간 동안 ASOS 모든 지점에서 관측된 기상요소 값들이 수록된 CSV 파일의 형태로 얻어봅시다. 이를 위해서는 기상자료 개방포털 웹페이지의 해당 섹션에서 필요한 설정을 하여 자료 파일을 수신하면 됩니다. 즉 이와 같이 종관기상관측(ASOS) 자료..

대한민국 기상청에서는 각종 기상요소들(기온, 기압, 습도, 풍향, 풍속 등)에 대한 전국적인 관측을 위하여 종관기상관측장비(ASOS : Automated Synoptic Observing System)들을 전국에 걸쳐 다수의 지점들에 설치하여 운영하고 있습니다. 2024년 12월 기준으로는 97개의 지점들이 운영되고 있으며 각 지점별로 17종 이상의 기상요소들을 주기적으로 관측하고 있습니다. 이러한 ASOS 지점들에 대한 정보 및 각 지점별 관측요소 데이터는 기상자료 개방포털 웹페이지를 통하여 누구나 받을 수 있도록 서비스가 되고 있습니다. 그래서 기상청 ASOS 지점들의 분포 자료 및 각 지점별 기상관측자료를 받아서 IDL에서 이를 처리하고 가시화하는 작업들에 대한 예제를 앞으로 몇 차례에 걸쳐서 순차..