공간자료를 이용한 공간 분석의 이해

Abstract

본 논문은 현재 일반적인 통계 분야에서 익숙하지 않는 응용통계분야인 공간 분석에 대하여 다루고 있다. 통계학 보다는 지리학에서 더 보편화되어 다루어지고 있지만 점차 모형이 다양해지고 복잡해져 가면서 통계학에서의 관심이 필요한 분야이다. 본 논문에서는 첫 번째로, 공간통계학에 대한 기본 개념에 대해서 설명하였다. 일반 통계와 다른 정의와 용어를 사용하는 공간통계에 대한 이해를 돕기 위해 공간데이터의 특성과 공간적 자기상관관계를 표현하는 ‘베리오그램’, 베리오그램을 읽을 때 사용하는 상관거리, 문턱값, 너겟값 등에 대하여 설명하였다. 두 번째로 공간상의 가장 대표적인 보간법인 IDW와 크리깅에 대하여 설명하고 있다. 서울, 인천, 경기 지역의 110개 대기오염 측정망에서 수집된 2008년 SO2 실측값을 가지고 IDW와 크리깅 보간법을 이용하여 서울, 인천, 경기지역의 SO2(ppm) 농도를 예측해 보았다. 서울, 인천, 경기 지역의 전반적인 SO2 농도 예측을 위하여 베리오그램 그래프를 통하여 시각적 판단으로 상관거리, 문턱값, 너겟값을 결정하였고, 이를 모수로 보간하였다. 베리오그램 결정 과정이 공식에 의한 정확한 수치가 나오는 게 아니기 때문에 반복적인 작업을 통한 최적 베리오그램을 찾는 게 중요하였다. 본 논문에서는 IDW 기법과 크리깅 기법을 사용하여 나타난 대기오염 농도를 지도로 표현하였다.;This paper is about spatial analysis, which is mostly considered as applied statistics because it does not behave as general statistics. Currently spatial analysis has been used commonly in geographical studies. However, since the modeling has become more and more complicated and diverse, spatial analysis also has become a main focus area in statistics. The first part of this paper explains the general concept of spatial analysis. In order to help understand the new statistical definitions in relation to the spatial analysis, we would first like to explain the formulae and spatial autocorrelation to express variogram and with this variogram, we can measure the range, sill and nugget. The second part of this paper represents the major spatial analysis with real study data. using interpolation method, which is the IDW and the kriging. This study is based on the collected SO2 experimental value from the 110 air-pollution monitoring station located in Seoul, Incheon, Gyeonggi area in 2008. Based on SO2, we were able to simulate the SO2(ppm) level using the IDW and the kriging analysis for the Seoul, Incheon and Gyeonggi area. In order to simulate the SO2 level for Seoul, Incheon, Gyeonggi area, we decided to use the variogram to visually enhance the range, sill and nugget, which ultimately analyzed the variable using the interpolation method. To get the best variogram result we had to go through repetitive experiments to get the right results because it is difficult to get the exact results from the variogram formula.