• 한국지반공학회논문집
• /
• 제26권1호
• /
• pp.5-19
• /
• 2010

매립지반의 지층분포는 터파기 공사 시 지층파악, 말뚝 지지층 심도 예측, 잔류 침하량 예측 등에 직접적으로 사용되는 중요한 정보이다. 이러한 지층분포는 기존의 지반조사자료를 이용하여 지구통계학적 방법인 크리깅과 이격거리에 따라 가중치를 부여하는 역거리가중치법 등을 사용하여 추정할 수 있다. 본 논문에서는 크리깅과 역거리가중치법의 추정결과의 신뢰성을 교차검증한 후 각각의 방법에서 사용되는 적정한 베리오그램 모델과 $\alpha$ 값을 제시하였다. 크리깅에서는 실험적 베리오그램에 가장 적합한 이론적 베리오그램 모델이 반드시 가장 신뢰성 높은 추정결과를 주지 않는다는 것을 알 수 있었다. 역거리가중치법에서는 지층의 형성과정에 따라 적정 $\alpha$ 값이 다르며, 풍화토가 매립층과 퇴적층보다 큰 $\alpha$ 값을 사용할 경우 신뢰성 높은 결과를 얻을 수 있었다. 크리깅의 추정결과가 역거리가중치법에 비하여 신뢰성이 높은 것으로 나타났으며, 크리깅은 베리오그램을 이용하여 지층분포의 구조를 파악할 수 있었다.

• 자원환경지질
• /
• 제56권3호
• /
• pp.331-341
• /
• 2023

지구통계 기법을 기반으로 토양오염지도를 작성하는 경우 예측 오차가 발생하며 이에 영향을 미치는 다양한 원인이 존재한다. 본 연구에서는 정규 크리깅을 활용하여 폐광산지역의 토양 내 중금속 농도 샘플링 데이터로부터 격자형 기반의 토양오염지도를 작성하였다. 해당 지도의 예측 오차에 영향을 미친다고 판단된 5개 인자를 선정하고, Leave-one-out 기법을 기반으로 인자의 옵션과 설정값의 변화에 따른 예측값과 실측값 간의 평균제곱근오차(root mean square error, RMSE) 변화를 분석하였다. 이후 머신러닝 알고리즘을 이용하여 RMSE에 영향을 미치는 상위 3개 인자를 도출하였다. 그 결과, Standard interpolation에서는 Variogram Model, Minimum Neighbors, Anisotropy 인자가 RMSE에 가장 큰 영향을 미치는 것으로 분석되었다. 베리오그램 모델에서는 Spherical 모델이 가장 낮은 RMSE를 보였으며, Minimum Neighbors는 3에서 최젓값을 보인 후 값이 증가함에 따라 증가하였다. Anisotropy의 경우 이방성을 고려하지 않는 것이 더 적합한 것으로 나타났다. 본 연구에서는 지구통계와 머신러닝의 복합 활용을 통해 지역 규모에서 높은 신뢰성을 갖는 토양오염지도를 작성할 수 있었고, 적은 수의 토양 샘플링 데이터의 보간 작업 시 어떠한 요인들이 큰 영향을 미치는지 파악할 수 있었다.

• Journal of applied mathematics & informatics
• /
• 제4권2호
• /
• pp.419-432
• /
• 1997

A robust estimator for interpolating spatially distributed regionalized variables is introduced. It reduces outlier effects on ob-taining correlation between spatial lags and the correlation between spatial lags and the corresponding semi-variances and produces a significaantly improved semivariogram com-pared with those of conventional estimators. This estimator is applied to a field experimental data set.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2004년도 학술발표논문집
• /
• pp.91-95
• /
• 2004

Moments of skew t random vectors and their quadratic forms are derived. It is shown that the moments of the sample autocovariance function and of the sample variogram estimator do not depend on a skewness parameter.

• 한국응용곤충학회:학술대회논문집
• /
• 한국응용곤충학회 2005년도 춘계 학술발표회
• /
• pp.92-92
• /
• 2005

• 한국응용곤충학회:학술대회논문집
• /
• 한국응용곤충학회 2003년도 추계 학술발표회
• /
• pp.71-71
• /
• 2003

• 대한원격탐사학회지
• /
• 제27권6호
• /
• pp.625-635
• /
• 2011

This paper investigates the effects of spatial autocorrelation structures in low resolution data on downscaling without ground measurements or secondary data, as well as the potential of geostatistical downscaling. An advanced geostatistical downscaling scheme applied in this paper consists of two analytical steps: the estimation of the point-support spatial autocorrelation structure by variogram deconvolution and the application of area-to-point kriging. Point kriging of block data without variogram deconvolution is also applied for a comparison purpose. Experiments using two low resolution thematic maps derived from remote sensing data showing very different spatial patterns are carried out to discuss the objectives. From the experiments, it is demonstrated that the advanced geostatistical downscaling scheme can generate the downscaling results that well preserve overall patterns of original low resolution data and also satisfy the coherence property, regardless of spatial patterns in input low resolution data. Point kriging of block data can produce the downscaling result compatible to that by area-to-point kriging when the spatial continuity in block data is strong. If heterogeneous local variations are dominant in input block data, the treatment of the low resolution data as point data cannot generate the reliable downscaling result, and this simplification should not be applied to donwscaling.

• 자원환경지질
• /
• 제30권5호
• /
• pp.493-498
• /
• 1997

The purpose of this study is to develop geostatistical model for evaluating the abundance of deep-sea manganese nodule. The abundance data used in this study were obtained from the KODOS (Korea Deep Ocean Study) area. The variation of nodule abundance was very high within short distance, while sampling methods was very limited. As the distribution of nodule abundance showed non-gaussian, indicator simulation method was used instead of conditional simulation method and/or ordinary kriging. The abundance data were encoded into a series of indicators with 6 cutoff values. They were used to estimate the conditional probability distribution function (cpdf) of the nodule abundance at any unsampled location. The standardized indicator variogram models were obtained according to variogram analysis. This SIS method had the advantage over other traditional techniques such as the turning bands method and ordinary kriging. The estimating values by indicator conditional simulation near high abundance area were more detailed than by ordinary kriging and indicator kriging. They also showed better spatial characteristics of distribution of nodule abundance.

• Spatial Information Research
• /
• 제10권2호
• /
• pp.233-246
• /
• 2002

본 연구에서는 GIS의 공간통계분석을 활용하여 지가 연구에 일반적으로 활용되고있는 특성가격모형에서 입지적 특성이 갖는 영향력을 계량적으로 설명하기 위한 분석방법을 제시하였다. 여기에는 GIS 공간분석방법 가운데 중첩과 내삽 기능을 이용한 공간자료의 처리 과정이 포함되었다. 사례연구를 위해 동대문구 회기동의 1421개 개별지가에서 54개 표준지들을 추출하여 표준지의 중심좌표를 구하고, 이 벡터 자료점들과 공간적 관련성에 기초하여 조사되지 않은 지점의 지가 예측값을 확률적으로 평가할 수 있는 크리깅 분석방법을 적용하였다. 특히 이러한 분석 과정에서 변동도를 통해 분석한 공간적 자기상관관계는 공간 의존성의 형성과정을 추정할 때 장점이 있음을 밝혔다.

• 대한원격탐사학회지
• /
• 제37권1호
• /
• pp.97-110
• /
• 2021

Fog can cause large-scale human and economic damages, including traffic systems and agriculture. So, Korea Meteorological Administration is operating about 290 visibility meters to improve the observation level of fog. However, it is still insufficient to detect very localized fog. In this study, high-resolution grid-type visibility data were retrieved from irregularly distributed visibility data across the country. To this end, three objective analysis techniques (Inverse Distance Weighting (IDW), Ordinary Kriging (OK) and Universal Kriging (UK)) were used. To find the best method and parameters, sensitivity test was performed for the effective radius, power parameter and variogram model that affect the level of objective analysis. Also, the effect of data distribution characteristics (level of normality) on the performance level of objective analysis was evaluated. IDW showed a relatively high level of objective analysis in terms of bias, RMSE and correlation, and the performance is inversely proportional to the effective radius and power parameter. However, the two Krigings showed relatively low level of objective analysis, in particular, greatly weakened the variability of the variables, although the level of output was different depending on the variogram model used. As the level of objective analysis is greatly influenced by the distribution characteristics of data, power, and models used, care should be taken when selecting objective analysis techniques and parameters.