홈›데이터 찾기›한국가스공사_동해안 너울성 파도 발생 주기 DATA
한국가스공사_동해안 너울성 파도 발생 주기 DATA
읽기 쉬운 제목(검토 전) 동해안 너울성 파도 발생 주기 DATA
한국가스공사 · 삼척기지본부 설비운영부 · 공공데이터포털 원본 ↗
준비 단계진단에 필요한 기준(참조 데이터 등)이 부족해 품질을 판정하지 않았습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?
동해안 너울성 파도 발생 현황에 관한 해상 기상 데이터 입니다.
기관이 작성한 데이터 설명 전체
동해안 너울성 파도 발생 현황에 관한 해상 기상 데이터 입니다. 너울성 파도는 먼 바다의 폭풍이나 저기압에 의해 발생한 파도가 해안에 도달하여 갑작스럽게 높은 파도를 형성하는 현상으로, 연안 시설과 인명 안전에 위협이 됩니다. 본 데이터는 기상청 날씨누리 바다예보 정보를 웹크롤링 방식으로 시간별 수집하여 구축되었습니다. 데이터의 세부 항목으로는 유의파고와 파주기 측정값, 이를 바탕으로 분석한 너울성 파도 발생 판정, 월별 및 주별 발생 빈도 통계가 포함되어 있습니다. 본 데이터를 활용하면 해안 시설 안전 관리 및 운영 계획 수립, 너울성 파도 예측 모델 개발, 기상재해 조기경보 시스템 구축, 자연재해 선제적 대응 체계 마련에 기초자료로 활용할 수 있어 연안 재난 예방과 해안 시설 안전 관리에 기여할 것으로 기대됩니다.
환경기상 - 자연너울성 파도유의 파고파주기너울성자연재해
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
4,992행 × 원본 8열 (+정제 2열)
CSV 353 KB · Parquet 63 KB
기간
2018 – 2020
일자 기준 · 99% 범위
공간 단위
해당 없음
결측
12.3%
항목 평균 · 너울성 파도 파도 여부 98%
연결 기준
0종 · 0개 데이터
없음
정제 범위
2/8 항목 · 정제값이 있는 셀 100.0%
원본 열은 그대로 보존
데이터 내용
일자파고, 파주기, 수온 등 해상 기상 요소가 관측된 날짜유형 날짜형분류 날짜결측 0%정제 정제 100.0%
파고, 파주기, 수온 등 해상 기상 요소가 관측된 날짜
정제 열 정제_일자
예: 2019-12-16 2020-01-04 2020-01-11
시간파고·파주기 등 해상 기상 값이 측정된 하루 중 시각유형 문자형분류 코드 · 분류결측 0%정제 정제 100.0%
파고·파주기 등 해상 기상 값이 측정된 하루 중 시각
정제 열 정제_시간
예: 04:00(210) · 06:00(210)…
유의 파고(m)일정 기간 관측된 파도 중 높이 상위 3분의 1에 해당하는 파도의 평균 높이유형 숫자형분류 수치결측 0%정제 원본 유지
일정 기간 관측된 파도 중 높이 상위 3분의 1에 해당하는 파도의 평균 높이
단위: m
예: 0.4(517) · 0.8(516) · 0…
최대 파고(m)일정 기간 관측된 파도 가운데 가장 높은 파도의 높이유형 숫자형분류 수치결측 0%정제 원본 유지
일정 기간 관측된 파도 가운데 가장 높은 파도의 높이
단위: m
예: 0.6(416) · 1(386) · 0.8…
평균 파고(m)일정 기간 관측된 모든 파도 높이의 평균값유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
일정 기간 관측된 모든 파도 높이의 평균값
단위: m
예: 0.3(830) · 0.4(791) · 0…
파주기연속한 두 파봉이 한 지점을 지나는 데 걸리는 시간유형 숫자형분류 수치결측 0%정제 원본 유지
연속한 두 파봉이 한 지점을 지나는 데 걸리는 시간
예: 6(189) · 5.7(187) · 5.8…
수온관측 지점에서 측정된 바닷물의 온도유형 숫자형분류 수치결측 0%정제 원본 유지
관측 지점에서 측정된 바닷물의 온도
예: 14.6(149) · 14.7(148) ·…
너울성 파도 파도 여부유의파고와 파주기 측정값을 바탕으로 판정한 너울성 파도 발생 여부유형 문자형분류 코드 · 분류결측 98%정제 원본 유지
유의파고와 파주기 측정값을 바탕으로 판정한 너울성 파도 발생 여부
예: 너울성 파도
찾는 항목이 없습니다.
상위 5행 · 8열 중 8열 · 첫 열 고정 · 「정제_」 항목이 정리한 값 · 확인 필요 규칙으로 확정하지 못해 원래 값을 그대로 유지한 값(파일에서는 값 앞에 [E]) · 행 식별값은 맨 끝
| 유의 파고(m) | 최대 파고(m) | 평균 파고(m) | 파주기 | 수온 | 너울성 파도 파도 여부 | 시간 | 정제_시간 | 일자 | 정제_일자 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|---|
| 0.3 | 0.5 | 0.2 | 4.9 | 20.2 | 01:00 | 01:00:00 | 2018-11-01 | 2018-11-01 | 0_8e61c3e0 | |
| 0.3 | 0.5 | 0.2 | 5 | 20.2 | 02:00 | 02:00:00 | 2018-11-01 | 2018-11-01 | 1_3df91a90 | |
| 0.3 | 0.4 | 0.2 | 4.8 | 20.1 | 03:00 | 03:00:00 | 2018-11-01 | 2018-11-01 | 2_c490287f | |
| 0.3 | 0.4 | 0.2 | 4.8 | 20.1 | 04:00 | 04:00:00 | 2018-11-01 | 2018-11-01 | 3_16df12bb | |
| 0.3 | 0.4 | 0.2 | 5.1 | 20.1 | 05:00 | 05:00:00 | 2018-11-01 | 2018-11-01 | 4_490fcb9f |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15087380/data/dataset-15087380.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15087380)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }