Analysis of Spatial Structure in Geographic Data with Changing Spatial Resolution

해상도 변화에 따른 공간 데이터의 구조특성 분석

The spatial distribution characteristics and patterns of geographic features in space can be understood through a variety of analysis techniques. The scale is one of most important factors in spatial analysis techniques. This study is aimed at identifying the characteristics of spatial data with a coarser spatial resolution and finding procedures for spatial resolution in operational scale. To achieve these objectives, this study selected LANSAT TM imagery for Sunchon Bay, a coastal wetland for a study site, applied the indices for representing scale characteristics with resolution, and compared those indices. Local variance and fractal dimension developed by previous studies were applied to measure the textual characteristics. In this study, Moran s I was applied to measure spatial pattern change of variance data which were generated from the process of coarser resolution. Drawing upon the Moran s I of variancedata was optimum technique for analysing spatial structure than those of previous studies (local variance and fractal dimension). When the variance data represents maximum Moran´s I at certainly resolution, spatial data reveals maximum change at that resolution. The optimum resolution for spatial data can be explored by applying these results.

공간상에 분포한 각종 지리사상들은 다양한 분석기법을 통하여 분포특성과 패턴이 파악된다. 이때 축척(scale)은 공간분석 기법에서 연구자가 고려해야 할 중요한 요인중의 하나이다. 이 연구에서는 해상도 저감에 따라 변화하는 공간 데이터의 구조특성을 표현할 수 있는 기법을 비교 분석하여 공간분석에 필요한 적정해상도의 모색과정에 이용하고자 한다. 순천만 해안습지의 LANSAT TM 데이터를 대상으로 하여, 데이터의 구조특성이 해상도에 따라 변화하는 특성을 살펴보고 이를 반영할 수 있는 해상도 특성 지수들을 비교평가 하였다. 기존에 개발된 국지적 분산(local variance)과 프랙탈차원을 적용하였고, 해상도 변화과정에서 파생되는 분산 데이터의 공간분포 패턴을 표현하는 지수로 공간적 자기관도인 Moran´s I를 측정하였다. 구조특성 분석기법을 적용한 결과 기존에 개발된 국지적 분산과 프랙탈 차원보다는 분산 데이터의 공간적 자기상관도가 구조특성을 분석하는 기법으로 적합하게 나타났다. 공간적 자기상관도가 정점인 해상도에서 공간 데이터의 변화가 심하게 나타나고 있다. 공간 데이터의 구조특성은 탐색하는 기법으로 분산 데이터의 공간적 자기상관도가 효과적인 지수로 작용할 수 있다.