On the Geometric Anisotropy Inherent In Spatial Data

공간자료의 기하학적 비등방성 연구

Isotropy is one of the main assumptions for the ease of spatial prediction (named kriging) based on some covariance models. A lack of isotropy (or anisotropy) in a spatial process necessitates that some additional parameters (angle and ratio) for anisotropic covariance model be obtained in order to produce a more reliable prediction. In this paper, we propose a new class of geometrically extended anisotropic covariance models expressed as a weighted average of some geometrically anisotropic models. The maximum likelihood estimation method is taken into account to estimate the parameters of our interest. We evaluate the performances of our proposal and compare it with an isotropic covariance model and a geometrically anisotropic model in simulation studies. We also employ extended geometric anisotropy to the analysis of real data.

등방성(isotropy)은 공분산 모형(covariance model)에 기반으로 공간 예측(spatial prediction)이라 불리우는 크리깅(kriging) 을 용이하게 수행하기 위한 주요 가정 중의 하나로 알려져있다. 공간 과정에서 등방성이 충족되지 않는 경우에는, 보다 신뢰성 예측을 생성하기 위해 비등방성 공분산 모형(covariance model)과 관련된 모수들(각도 및 비율)를 추정해야 한다. 본 논문에서는 여러 방향의 기하학적 비등방성 모형(geometrically anisotropic covariance models)의 가중 평균으로 표현되는 확장된 형태의 기하학적 비등방성(geometrically extended anisotropic) 공분산모형을 제안한다. 연구에 관심이 되는 모수를 추정하기 위해 최대우도추정법(maximum likelihood estimation method)을 이용하였다. 제안한 모형의 성능을 평가하기 위해 등방성 공분산모형과 기하학적 비등방성 모형을 고려한 모의실험을 수행하였다. 또한 확장된 기하학적 비등방성 모형을 적용한 미세먼지 농도자료 분석을 실시하였다.