지구통계학과 GIS를 이용한 의사결정 지원 설계

목차

차 례

1. 중간발표 요약 + 추가 및 변경사항

2. 연구대상(목적/목표)

3. 연구수행 절차 및 내용

① 실험적 베리오그램 계산(Variowin 2.2)

② 모델링 (Variowin 2.2)

③ 크리깅 (SGeMS)

④ ArcMap을 통한 자료 편집 및 생성

4. 결론 및 향후개선방향

5. 소감

본문내용

계산된 확률 값으로 나눠주게 된다. 계산된 우도비에 *100을 한값들을 나타낸 이유는 우도비 레이어 생성시 Reclassify할 때 입력하기 위함이다. 이는 8bit형태의 범주형 자료가 float형으로의 변환이 불가해서 상수배 곱을 통한 integer형태로 입력하기 위함이다. 이는 추후 Raster Calculater 계산을 통해 상쇄시키게 된다.
- 엑셀에서 계산된 우도비에 100을 곱한 값을 위 좌측 그림처럼 New value 값으로 입력해 준다. 입력시 유의할 사항은 계산과정에서 발생하지 않아 0으로 입력되었던 값들은 우도비 레이어 생성시 New value 값에 0이 아니라 1을 입력해 준다. 레이어 중첩시 곱하기 연산이 되기 때문에 0으로 입력시 하나만 값이 0이어도 0이 되어버리기 때문이다. 그다음 Spatial Analyst - Raster Calculator 기능을 이용하여 정수화 시켜주기 위해 곱해준 값 100을 상쇄시켜 준다.
- 각각의 원소 data의 우도비 레이어를 보여준다. 빨간색 부분이 거점병원으로 선정되기 적당한 지역이며, 원소의 종류에 따라 우리가 원하는 목표 가설(거점병원 선정)에 얼마만큼의 영향을 미치는가를 볼 수 있다. 위 우측 그림은 인구 데이터를 보여주는데, 빨간색 부분이 그리 많지 않은 것으로 보아서 인구는 거점병원을 선정하는데 그리 영향을 미치지 못한다고 해석할 수 있겠다. 반면에 병원과의 근접성을 나타내는 위 좌측 그림은 상당한 지역이 거점병원 선정에 영향을 미치는 것을 볼 수 있다(빨간 지역이 많으므로). 왼쪽 그림은 세 개의 우도비 레이어를 합한 최종 레이어가 되겠다. 빨간 원으로 표시해 놓은 지점이 거점병원 위치로 가장 적절한 곳으로 선정 되었다. 우도비가 높다는 것은 우리가 원하고자 했던 목표인 거점병원의 위치선정에 많이 부합한다고 할 수 있겠다.
-최종적으로 만들어진 우도비 레이어와 Occurance data와의 중첩을 통해 우리가 거점병원의 위치로 선정한 지역이 얼마나 정확성을 가지고 있는가를 판단해 보았다. 다행히도 대부분의 지역이 최종적으로 선정된 위치와 일치하는 것을 확인 할 수 있었다. 이는 최종목표를 위해 사용한 3가지의 data들과의 상관성이 입증되었다는 것을 의미한다. 하지만 드문드문 Occurance data와 일치하지 않는 지점들도 나타났는데, 엄연히 따지면 오차가 아니지만, 오차라고 명명하고 설명하겠다. 그 오차는 당연히 최종적인 우도비 레이어를 생성하는 과정에서 찾아 볼 수 있겠다. 가장 먼저 Occurance data를 생성할 때 point를 찍는 과정에서 원하지 않은 점까지 포함하여 오차가 생긴 것도 있고, 극단적으로 빨간 지점만을 고려하여 찍지 않고 현실성을 반영하여 주황색 부분도 고려하여 Occurance data를 생성하였기 때문에 오차에 영향을 미쳤을 것으로 본다. 그리고, 연속형 자료를 범주형 자료로 바꿔주는 과정에서 Method의 종류나 Class의 크기를 변화하는 과정에서 개인 차이에 의해 당연히 오차가 발생하였을 것이다. 이 부분이 가장 큰 오차로 간주된다. 그리고 미세하겠지만 우도비 계산 과정에서 소수점 이하의 값들로 인한 값의 차이도 완전히 배제할 수 는 없겠다.
- 위 왼쪽 그림과 같이 최종적으로 생성된 우도비 레이어에서는 붉게 나타나 적절한 거점병원의 위치로 선정되었으나 Occurance data와 중첩되지 않아 현재 거점병원이 위치하지 않는 곳으로 해석되는 지점에 대해서는 새로운 거점병원의 위치 선정을 위한 뒷받침 자료로 사용할 수 있겠다.
-최종 우도비 레이어는 사용 목적에 맞게 나타나는 범례의 명칭을 바꿔줘서 사용할 수 있다. Class의 개수나 Method 또한 변경하여 사용할 수 있으며, 우리 프로젝트 내에서는 Manual method를 이용하여 %를 7개로 분리하여 나타냈다.
4.결론-향후개선방향
-고려사항을 3개만 고려했는데, 상관성 높은 데이터들을 더 많이 고려했을 경 우 더 정확한 결과를 얻을 수 있을 것으로 생각됨. 3개가 가장 상관성 높은 데이터를 고려한 것이기 때문에 현실적으로는 정확도가 떨어질 수도 있음
-현 데이터 상에서는 격자값이 정해져 있지만, 격자값을 좀 더 작게 줘서 해 상도를 높여줬을 경우 정확한 위치 데이터를 얻을 수 있으므로 우리 조 같은 경우 거점병원의 위치를 좀 더 정확하게 집어 낼 수 있을 것으로 생각됨
-만약 관련된 위치선정 모델이 있다면, 모델 적용시 정확성이 입증된 신뢰성 높은 모델을 적용한다면 결과물도 좀 더 정확히 생성될 것으로 판단됨. 절대 모델을 많이 사용한다고 좋은 결과를 얻는 것은 아님.
-해당 지역에 대한 항공사진이나 위성영상을 통한 현재의 좀 더 정확한 위치
를 파악할 수 있다면 수치지형도를 통한 위치선정도보다 정확성 있고, 신뢰
성 있는 위치를 선정할 수 있을 거라 판단됨.
5. 소감
-한 학기 동안에 배운 이론을 통하여 프로젝트를 실행하게 되었다.
실험적 베리오그램,모델링,크리깅,우도비등의 전 과정을 다루는 프로젝트라 서 시험 공부도 할 겸 우리에게 필요한 과제라고 생각되었다.
중간 발표 때까지만 해도 쉬워 보이고 금방 할 것 같았지만 과정 하나하나를 거쳐가면서 그 과정에 대한 문제점이나 보완점을 생각하다 보니 공부해야 할 것들과 수행해야 되는 프로그램들이 생각보다 많았다.
프로그램 Tool을 이용하는 것은 어렵지 않았지만 각각의 의미를 부여하고 논 리적으로 수행 과정들을 설명하기 위한 이론을 전개하는 것이 가장 어려웠던 것 같다. 어찌보면 가장 기본이고 중요한 부분인데 이것들을 항상 생각지 못 하고, 보여지기 좋게만, 그리고 Tool을 잘 다루는 것들에만 치중해 있었던 것 같다.
팀 프로젝트다 보니 서로들 시간도 안맞고 어떤 과정에 대한 의견 충돌도 생 기고 했지만 서로간의 의견조율하고, 시간도 맞춰가며 협동하여 잘 마무리 짓고 좋은 결과를 만들어 낸 것에 대한 뿌듯함을 느꼈다.
그리고 우리가 만들어낸 데이터를 기반으로 하여 실제로 사용되어 지려면 더
많은 관련정보와 적합한 Tool과 사용자의 숙련된 기술이 필요할 것 같다.
수고해준 조원들과 교수님께 감사하며 한 학기를 마친다. 감사합니다.

키워드

크리깅,   베리오그램,   모델링,   Arcmap,   GIS