Cost Distance Tools (비용 거리 도구)

Cost Distance Tool은 유클리드 도구와 비슷합니다. 다만 유클리드 도구는 한 지점에서 다른 지점까지의 실제 거리를 계산하지만, 비용 거리 도구는 각 셀에서 가장 가까운 소스 위치까지 최단 가중 거리(또는 누적 이동 비용)를 계산합니다. 이러한 도구는 지리적 단위가 아닌 비용 단위로 거리를 계산합니다.
그러나 비용이 무엇이고, 소스 위치가 무엇인지 헷갈립니다. 이해하기 쉽게 그림으로 설명하면 다음과 같습니다.

비용 거리 도구는 여러가지가 있는데, 다음 5가지가 그것을 설명합니다.
Cost Distance(비용 거리) : 래스터에 있는 각 셀에 대해 가장 가까운 위치까지의 최소 누적 비용을 제공합니다.
Cost Back Link(비용 환원) : 가장 가까운 소스에 대한 최소 누적 비용 경로의 다음 셀인 인접 셀을 제공합니다. 마찬가지로 이해하기 어려운데, 그림으로 살펴보면 다음과 같습니다.

Cost Allocation(비용 할당) : 비용 거리를 기준으로, 각 셀에 대해 가장 가까운 소스를 제공합니다.

Cost Path(비용 경로) : 소스에서 목적지까지 최저 비용의 경로를 제공합니다.
예를 들어, 건설 비용면에서 새로운 도로로서 가장 적합한 경로를 찾는다고 하겠습니다. 그러면 그 결과로 생긴 경로는 소스에서 목적지까지 가는 도로를 건설하는 데 가장 저렴한 경로입니다.
Cost Connectivity(비용 연결) : 입력된 두 개 이상의 영역 간에 가장 저렴한 연결 네트워크를 제공합니다.

Raster Extraction (래스터 추출)

래스터 추출은 래스터의 크기를 줄이는 데 사용됩니다.

ArcGIS에서 벡터 툴은 꽤 빠르게 수행되지만, 그에 비해 래스터 툴은 더 느립니다. 왜냐하면 각 픽셀을 개별적으로 처리하고 출력 값을 새로운 래스터 파일에 기록해야 하기 때문입니다. 따라서 래스터의 크기가 커지면 커질수록 더 느려집니다.
래스터 추출의 Reclassify (재분류) 는 벡터 툴의 Dissolve와 유사하게 작동하고, Extract by Attribute (속성 별 추출) 은 각 픽셀에 포함된 값을 기반으로 더 작은 래스터 데이터 집합을 만듭니다.

Extract by Attribute (속성 별 추출)

속성 별 추출은 속성에 들어있는 값을 기준으로 선택하고, 내보냅니다. 원하는 값을 선택하기 위해 SQL질의를 사용할 수 있습니다.

Raster to Point (점으로 추출)

각각의 셀을 값을 가지고 있는 점(벡터 형태)으로 내보냅니다.

Extract by Shape, Vector, or Other Raster (모양, 벡터, 다른 래스터 기반 추출)

다른 래스터를 기반으로 추출할때는, Mask로 추출합니다.

Reclassify (재분류)

하나의 래스터 안에 저장된 값을 변경해 만든 새 값으로 새 래스터를 만드는 데 사용됩니다.
예를 들면, 정비사는 고도가 500~1500m이내인 곳만 필요하다고 가정해 봅시다. 그러면 500미만, 500~1500 사이, 1500이상을 각각 1, 2, 3으로 나누어 새 래스터를 만들면, 정비사가 보고싶어하는 값은 2입니다.

만약 특정 셀에 값을 할당해 주지 않았다면, 그 셀은 “No Data”가 될 것입니다. 이 예제의 경우 2말고는 필요하지 않기 때문에 2를 제외하고 할당해 주지 않는다면 다음과 같이 될 것입니다.

Neighborhood Filters (인접 필터)

인접 필터는 허위 데이터를 제거하거나 뚜렷하게 보이지 않는 데이터를 향상시키는데 사용됩니다. 보통 입력 래스터를 훑으면서 이동할 때 겹치는 3x3의 셀들로 출력 값을 생성합니다. 필터가 각 입력 셀을 통과할 때, 해당 셀의 값과 8개의 인접 셀이 출력 값을 계산하는 데 사용됩니다. 인접 필터에는 Low pass (로우 패스)와 High pass (하이 패스) 가 있습니다.

Low pass Filter (로우 패스 필터)

지역이 변동하는 정도와 그 세부사항을 희생하면서, 전반적인 추세를 강조합니다.
데이터를 매끄럽게하고, statistical noise (통계적 노이즈), 극단값등을 제거합니다.
LOW옵션의 전반적인 특징은 변칙적인 데이터 포인트를 부드럽게 만들어준다는 것입니다.

High pass Filter (하이 패스 필터)

하이 패스 필터는 로우 패스 필터와 정반대입니다. 따라서 전반적인 추세를 희생하지만, 지역이 변동하는 정도나 세부사항을 강조합니다.
HIGH옵션은 데이터의 가장자리가 전반적으로 날카로워집니다.

A Problem with Raster Analysis (래스터 분석의 문제)

최근엔 방대한 데이터를 기반으로 분석하는 경우가 많은데, 그렇게 되면 래스터는 셀이 너무 많아집니다. 보통은 공간 객체와 속성 테이블은 일대일 관계이지만, 래스터는 한 객체에 여러 개의 셀을 가지고 있습니다. 따라서 속성 테이블이 점점 더 복잡해집니다.

공간 객체와 속성 테이블의 일대일 관계

더하기로 래스터 오버레이

다음의 경우에는 결과 레이어가 고유한 값을 가집니다.

그러나 다음과 같은 경우에는 어떨까요? 결과 레이어의 값이 고유하지 않기 때문에 문제가 생깁니다.

이러한 현상을 해결하기 위해서는, 특정 레이어를 10만큼 곱해줄 수 있습니다.

Spatial Interpolation (공간 내삽)

공간 내삽(보간)이란 알려진 값이 있는 다른 점을 사용해 다른 알 수 없는 지점의 값을 추정하는 과정입니다. 예를 들면 강수량이나 온도로, 모든 지역의 강수량과 온도를 알 수는 없지만 알려진 지역의 값을 이용해 추정합니다.

공간 내삽은 역거리 가중치(IDW), Spline(스플라인, 방사선 기준 함수), interpolation polynominals (보간 다항식) 등이 있습니다.

Inverse Distance Weighted (IDW)

IDW방식으로 내삽하게 되면 표본 점들은 알 수 없는 점과의 거리에 따라 내삽 중에 가중됩니다.

내삽에 있어서 일반적인 문제

• 모든 상황에 적용할 수 있는 단일 보간 방법은 없습니다.
• 따라서 보간 방법의 선택은 샘플 데이터, 생성될 표면 유형과 추정 오차 등에 따라서 달라져야 합니다.

올바른 내삽법을 찾는 방법

1. 샘플 데이터를 평가합니다.
2. 샘플 데이터와 연구 목표 모두에 가장 적합한 내삽법을 적용합니다.
3. 결과를 비교해 가장 좋은 결과와 가장 적합한 방법을 찾습니다.

Digital Elevation Models (디지털 표고 모형)

디지털 표고 모형은 수문학, 부지 계획, 기타 인프라 개발등에 사용됩니다. 기울기는 수평 위치(실행)의 변경과 함께 표고(상승)로 정의됩니다. 기울기는 보통 ‘도’단위로 사용됩니다. (0도는 평평하며, 90도는 수직입니다.)

디지털 표고 모형을 줄여서 DEM이라고 자주 표기합니다. 이 DEM은 일반적으로 ‘셀’이라고 하는 정규 간격의 표고 값을 나타내는 배열로 구성됩니다.

해상도 변경

낮은 해상도는 더 빠른 처리를 기대할 수 있습니다. 그리고 높은 해상도는 더 세부적인 요소를 유지할 수 있습니다.
예를 들면, 1m의 DEM은 3m의 DEM보다 9배 더 많은 리소스와 스토리지를 요구합니다.

DEM에서 부드러운 윤곽선을 생성하기

이러한 등고선 다각형은 두 표고선 사이의 표고 값 영역을 찾거나, 등고선 데이터를 포함하는 지도를 시각화하는 데 도움이 되도록 작성됩니다.

벡터와 래스터 사이의 전환

데이터의 특성과, 데이터에 대해 수행할 분석에 따라 데이터의 유형을 선택합니다.