공간보간법의 역거리 가중법과 크리깅(Kriging) 보간법

1. 공간보간법의 역거리 가중법 vs 크리깅

공간보간법의 역거리 가중법(Inverse Distance Weighting)와 크리깅(Kriging)은 지리 정보 시스템(GIS)과 공간 통계학에서 사용되는 공간 보간 기법으로, 둘 다 누락된 공간 데이터를 채우는데 사용됩니다. 하지만 두 기법은 처리 방식과 결과물에서 차이가 있습니다.

	IDW(Inverse Distance Weighting)	크리깅(Kriging)
작동방식	가장 가까운 이웃들의 거리의 역수를 가중치로 사용하여 보간 값을 계산	공간적 자기상관 구조를 이용하여 주변 샘플들의 가중 평균을 사용하여 값을 예측
계산방법	빠르고 간단함	계산 복잡도 높음
데이터 패턴	데이터의 공간적 분포에 민감하게 반응	데이터의 공간적 분포에 덜 민감하며 예측 데이터를 사용하여 추정
활용분야	빠른 보간이 필요하고 이웃의 영향을 강조하고자 할때 유용	데이터의 공간 패턴과 변동성을 고려할 때 유용

 

2. IDW(Inverse Distance Weighting)

IDW는 가장 가까운 주변 샘플 데이터들에 기초하여 보간 값을 계산하는 기법입니다. 데이터 포인트 간의 거리의 역수를 가중치로 사용하여 새로운 위치의 값을 추정합니다. 일정한 반경 내에서 가장 가까운 데이터 포인트들에 높은 가중치를 부여하고, 더 멀리 있는 데이터 포인트들에는 낮은 가중치를 부여합니다.

1) 장점

간단하고 빠른 계산으로 쉽게 구현할 수 있음
가장 가까운 이웃들의 값을 기반으로 하기 때문에 매우 빠르게 적용

2) 단점

데이터가 확장되는 방향으로 부정확한 결과를 가져올 수 있음
데이터가 없는 지역에서도 인접한 데이터에 의해 큰 영향을 받을 수 있으며, 이로 인해 추정된 값들이 부드럽지 않을 수 있음

 

2. 크리깅(Kriging)

크리깅은 공간 통계학에서 개발된 공간 보간 기법으로, 공간적 자기상관 구조를 이용하여 주변 샘플들의 가중 평균을 사용하여 값을 예측합니다. 이웃 데이터의 공간적 패턴과 변동성을 모델링하여 보간 값을 계산합니다.

1) 장점

데이터의 공간적 패턴과 변동성을 고려하여 보다 추정값을 예측 가능
물리적인 의미를 갖는 지역적 특징을 더 잘 반영

2) 단점

계산 복잡성이 높고, 적절한 변동성 모델을 설정하는 것이 어려움
데이터의 공간적 분포에 민감하게 반응하여 데이터가 희소하거나 불규칙적인 경우에 적용하기 어려움

 

 

 

1. GNSS 위치보강시스템
2. 국가해양기본도
3. 디지털트윈스페이스(DTS)와 사이버물리시스템(CPS)
4. 정밀력(Precise Ephemeris)
5. 국가지오이드모델(KNGeoid18)
6. 중력 이상(重力異常)과 종류
7. 구면삼각형과 구과량
8. VLBI(Very Long Base-line Interferometry)
9. 정오차와 부정오차
10. 모호정수(Ambiguity)
11. 공간보간법의 역거리 가중법과 크리깅(Kriging) 보간법
12. 위성영상 해상도 종류
13. 유토곡선