중요

번역은 여러분이 참여할 수 있는 커뮤니티 활동입니다. 이 페이지는 현재 100.00% 번역되었습니다.

17.30. 보간법 및 등고선 형성

이 수업은 Faunalia 의 파올로 카발리니(Paolo Cavallini)가 기고했습니다.

참고

이 수업에서는 서로 다른 백엔드 도구들을 통한 서로 다른 보간 계산법을 배울 것입니다.

17.30.1. 보간법

이 수업을 위한 프로젝트는 남북 방향의 강수량 변화도(gradient)를 보여줍니다. 모두 points.shp 와 RAIN 파라미터에 동일하게 기반해서, 서로 다른 보간법들을 사용해봅시다.

경고

모든 분석에 대해 셀 크기를 500 으로 설정하십시오.

GRASS ► v.surf.rst
SAGA ► Multilevel B-Spline Interpolation
SAGA ► Inverse Distance Weighted [역거리 제곱법; 거듭제곱 지수: 4; 검색 반경: Global; 검색 범위: all points]
GDAL ► Grid (Inverse Distance to a power) [거듭제곱 지수: 4]
GDAL ► Grid (Moving average) [Radius1 및 Radius2: 50000]

그리고 각 방법들의 차이를 계산해서 포인트까지의 거리와의 상관관계를 알아보십시오.

GRASS ► r.series [Propagate NULLs 선택 해제, 집계(aggregate) 연산: stddev]
points.shp 레이어에 대해 GRASS ► v.to.rast.value 를 실행하십시오.
GDAL ► Proximity
GRASS ► r.covar 작업으로 상관 행렬(correlation matrix)을 작성합니다. 그 다음 http://vassarstats.net/rsig.html 등에서 상관관계의 중요도를 확인하십시오.

즉, 포인트에서 멀리 떨어질수록 보간의 정확도는 떨어집니다.

stddev 래스터에서 등고선을 다양한 방법으로 추출할 수 있습니다[간격(step)은 언제나 10]:

GRASS ► r.contour.step
GDAL ► Contour
SAGA ► Contour lines from grid [주의: 일부 SAGA 구버전에서 shp 산출물이 무결하지 않습니다. 알려진 버그입니다.]