기관회원 [로그인]
소속기관에서 받은 아이디, 비밀번호를 입력해 주세요.
개인회원 [로그인]

비회원 구매시 입력하신 핸드폰번호를 입력해 주세요.
본인 인증 후 구매내역을 확인하실 수 있습니다.

회원가입
서지반출
지질 주제도 작성을 위한 지표 조사 자료와 부가 자료의 지구통계학적 통합
[STEP1]서지반출 형식 선택
파일형식
@
서지도구
SNS
기타
[STEP2]서지반출 정보 선택
  • 제목
  • URL
돌아가기
확인
취소
  • 지질 주제도 작성을 위한 지표 조사 자료와 부가 자료의 지구통계학적 통합
  • Geostatistical Integration of Ground Survey Data and Secondary Data for Geological Thematic Mapping
저자명
박노욱,장동호,지광훈,Park. No-Wook,Jang. Dong-Ho,Chi. Kwang-Hoon
간행물명
大韓遠隔探査學會誌
권/호정보
2006년|22권 6호|pp.581-593 (13 pages)
발행정보
대한원격탐사학회
파일정보
정기간행물|
PDF텍스트
주제분야
기타
이 논문은 한국과학기술정보연구원과 논문 연계를 통해 무료로 제공되는 원문입니다.
서지반출

기타언어초록

다양한 지질 주제도는 현지 조사에 의해 부분적으로 샘플링된 공간 자료의 내삽을 통해 작성되어 왔으며, 공간적 예측을 위해 공간적 상관성을 고려하는 지구통계학적 크리깅이 많이 적용되어 왔다. 이 논문에서는 지질 주제도 작성을 목적으로 부분적인 샘플링 자료와 이와 상관된 부가자료를 통합하기 위해 다변량 지구통계 기법을 적용하였다. 다변량 지구통계 기법으로 simple kriging with local means와 kriging with an external drift를 적용하였다. 지하수위 분포도 작성과 퇴적물 입도 분포도 작성의 2가지 사례연구를 수행하였는데, 지하수위 분포도 작성에는 지하수위 분포 샘플링 자료와 수치고도모델을, 퇴적물 입도분포도 작성에는 입도 샘플링 자료와 IKONOS 원격탐사 자료를 이용하였다. 사례연구 수행결과, 다변량 지구통계 기법이 그동안 많이 이용되어온 단변량 지구통계 기법 친 정규 크리깅에 비해 작은 추정 오차를 나타내면서 국소적인 특성을 반영할 수 있었다. 그러나 추정 오차의 정도는 샘플링 밀도, 부가자료와의 상관성과 공간자료 자체의 상관성 정도에 영향을 받는 것으로 나타났는데, 특히 퇴적물 입도 분포도 작성 사례연구에서 이러한 요소들이 상호 영향을 미쳐 부가자료의 이용 효과가 상대적으로 적게 나타났다.

기타언어초록

Various geological thematic maps have been generated by interpolating sparsely sampled ground survey data and geostatistical kriging that can consider spatial correlation between neighboring data has widely been used. This paper applies multi-variate geostatistical algorithms to integrate secondary information with sparsely sampled ground survey data for geological thematic mapping. Simple kriging with local means and kriging with an external drift are applied among several multi-variate geostatistical algorithms. Two case studies for spatial mapping of groundwater level and grain size have been carried out to illustrate the effectiveness of multi-variate geostatistical algorithms. A digital elevation model and IKONOS remote sensing imagery were used as secondary information in two case studies. Two multi-variate geostatistical algorithms, which can account for both spatial correlation of neighboring data and secondary data, showed smaller prediction errors and more local variations than those of ordinary kriging and linear regression. The benefit of applying the multi-variate geostatistical algorithms, however, depends on sampling density, magnitudes of correlation between primary and secondary data, and spatial correlation of primary data. As a result, the experiment for spatial mapping of grain size in which the effects of those factors were dominant showed that the effect of using the secondary data was relatively small than the experiment for spatial mapping of groundwater level.