18.30. 보간법 및 등고선 형성¶

Module contributed by Paolo Cavallini - Faunalia

참고

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

18.30.1. 보간법¶

이 강의를 위한 프로젝트는 남북 방향의 강수량 그래디언트를 보여줍니다. 모두 동일하게 points.shp 의 RAIN 파라미터에 기반한 서로 다른 보간 법들을 사용해봅시다.

경고

모든 분석에 대해 셀 크기를 500 으로 설정하십시오.

GRASS ‣ v.surf.rst
SAGA ‣ Multilevel B-Spline Interpolation
SAGA ‣ Inverse Distance Weighted [Inverse distance to a power; Power: 4; Search radius: Global; Search range: all points]
GDAL ‣ Grid (Inverse Distance to a power) [제곱 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) 작업 : stddev]
points.shp 레이어에 대해 GRASS ‣ v.to.rast.value 를 실행하십시오.
GDAL ‣ Proximity
GRASS ‣ r.covar 작업으로 상관관계 매트릭스를 작성합니다. 그 다음 http://vassarstats.net/rsig.html 등에서 상관관계의 중요도를 확인하십시오.

즉, 포인트에서 멀리 떨어질수록 보간의 정확도는 떨어집니다.

stddev 래스터에서 등고선을 [간격(step)은 언제나 10] 추출하는 다양한 방법이 있습니다.

GRASS ‣ r.contour.step
GDAL ‣ Contour
SAGA ‣ Contour lines from grid [NB: in some older SAGA versions, output shp is not valid, known bug]