중요
번역은 여러분이 참여할 수 있는 커뮤니티 활동입니다. 이 페이지는 현재 100.00% 번역되었습니다.
17.25. 알고리즘 심화 반복 실행
참고
이 수업에서 자동화를 더 심화시킬 수 있도록 모델 설계자와 알고리즘의 반복 실행을 결합하는 방법을 살펴보겠습니다.
내장된 알고리즘에서만이 아니라, 사용자가 직접 생성할 수 있는 알고리즘, 즉 모델에서도 알고리즘을 반복 실행할 수 있습니다. 더 복잡한 결과물을 더 쉽게 얻을 수 있도록, 모델과 알고리즘의 반복 실행을 결합하는 방법을 살펴보겠습니다.
이 수업에서 사용할 데이터는 직전 수업에서 사용했던 것과 동일합니다. 이 경우 DEM을 각 유역 폴리곤으로 잘라내는 것만이 아니라, 유역 안에서 표고가 어떻게 분포되어 있는지 연구하기 위해 몇몇 단계를 추가해서 잘라낸 각 레이어에 대해 표고분포 곡선을 계산할 것입니다.
몇 단계로 (잘라내기 + 표고분포 곡선 계산) 이루어진 워크플로이기 때문에, 모델 설계자를 실행해서 해당 워크플로에 상응하는 모델을 생성해야 합니다.
이 수업을 위한 데이터 폴더에 이미 모델이 생성되어 있지만, 먼저 사용자가 직접 생성해보는 편이 좋습니다. 이 경우 표고분포 곡선이 중요하기 때문에, 잘라낸 레이어가 최종 결과물이 아닙니다. 즉 이 모델은 어떤 레이어도 생성하지 않습니다. 곡선 데이터를 담은 테이블을 생성할 뿐입니다.
모델이 다음과 같이 보여야 합니다:
![../../../_images/model.png](../../../_images/model.png)
이 모델을 툴박스에서 실행할 수 있도록, 사용자 모델 폴더에 이 모델을 추가하십시오.
DEM과 유역 분지를 선택하십시오.
알고리즘이 모든 분지에 대해 테이블을 생성해서 산출 디렉터리에 저장할 것입니다.
모델을 확장해서 경사도 통계를 계산하도록 이 예제를 더 복잡하게 만들 수 있습니다. 모델에 경사(slope) 알고리즘을 추가한 다음, 경사도 산출물만 입력받아야 하는 래스터 통계(raster statisics) 알고리즘도 추가하십시오.
![../../../_images/model2.png](../../../_images/model2.png)
이제 모델을 실행하면, 테이블 외에 통계를 담은 페이지들도 얻게 될 것입니다. Results 대화 창에서 이 페이지들을 사용할 수 있습니다.