• Spatial Information Research
• /
• v.14 no.1 s.36
• /
• pp.163-176
• /
• 2006

The concept of 'spatial association' explains spatial distribution pattern of geographical phenomenon based on similarity with neighborhoods, as in the Tobler's Law of Geography: 'Everything is related to everything else, but near things are more related than distant things.' In this study, we develop a time-series exploratory analysis tool for discovering temporal patterns of spatial association by combining spatial statistics and geo-visualization, and thus present a possibility to support spatial decision-making process. As for the spatial proximity weight matrix indispensable to measuring global and local spatial association, we employ a variety of flexible weighting schemes using geometric characteristics of areal unit. In addition, we renovate the existing visualization methods for more effective understanding of the procedures and results of time-series analysis on spatial association: for instance, temporal parallel coordinate plot with box plot, animated map for spatial association, and 3D Moran scatterplot. The feasibility of our system is verified by time-series analysis experiments on the spatial association of land price fluctuation rate for all administrative units in Korea, $1995{\sim}2004$.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.169-174
• /
• 2007

식생지수 시계열 자료를 이용한 식생 및 토지피복 모니터링을 수행하기 위해서는 구름으로 인한 누락 및 왜곡된 식생지수 문제를 먼저 해결해야만 한다. 특히 한반도와 같이 여름철 집중 호우기에 대부분의 영상에 구름이 존재하는 경우 이들 구름화소를 제거하거나 복원하지 않을 경우, 분석 결과에 상당한 왜곡이 발생하거나 특정 시기의 영상자료를 분석에 반영할 수 없는 경우가 발생하게 된다. HANTS 알고리즘은 이 같은 구름 화소 문제를 해결하기 위한 알고리즘으로 연중 식생지수의 변화는 비교적 단순한 반복적 주기함수의 형태를 가지므로 소수의 cos 함수를 이용한 푸리에 근사식으로 전체 연중 식생지수를 표현할 수 있다는 가정에서 출발한다. 이 때 구름화소로 인한 원식생지수와의 차이가 특정 임계값을 초과하였을 경우 해당 관측치를 근사과정에서 제외함으로써 구름의 영향을 받지 않은 식생지수 시계열 자료만을 이용하게 된다. 이 과정을 수행하기 위해서는 몇몇 제어변수의 설정이 필요한데, 본 연구에서는 한반도와 같이 특정 시기에 장기간 구름이 분포하는 상황에서 최적의 식생지수 복원을 위한 HANTS 알고리즘의 제어변수를 선정하고 재구축된 식생지수를 평가하였다. 이를 위한 실험으로 2002년 대전 지역의 MODIS Terra 식생지수 시계열 영상을 대상으로 HANTS 알고리즘을 주요 식생피복별로 적용해 보았다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.328-328
• /
• 2022

GCM은 기후 변수들의 미래 예측을 위해 사용되는 모형이지만, 공간에 대해 저해상도 형태로 결과가 제공되며, 공간적으로 변화하는 국지적 규모의 기후변수(즉, 강수)를 이해하기 위해서는 공간변동성을 고려할 필요가 있다. 강우의 예측은 강우의 생성과 소멸 과정을 추계학적으로 재현하는 일기생성 모형인 AWE-GEN을 이용하여 앙상블 시계열을 생성하고, 구름의 생성과 소멸 및 이동, wet/dry 셀들의 생성과 이동, 지형의 국지적 특성 등을 반영한 시공간 변동 앙상블 시계열은 AWE-GEN-2D 모형을 이용하여 생성하였으며, 국토의 대부분이 산악지형으로 구성된 국내에 적용하여 그 적용성을 검토하였다. 생성된 시공간 격자 기반의 일기생성 시계열은 PRISM을 사용하여 매핑된 강수량의 공간 분포와 비교, 검증하였으며, 측정되지 않은 관측소 또는 원격 지역에 대한 평균 및 극한 강수량의 미래 예측 추정에 사용되었다. 또한, 평균 및 극한 강우의 공간 분포에 대한 미래 변화는 다양한 기간, 이산화탄소 배출 시나리오 등의 영향에서도 고려된다. 본 연구의 결과는 수자원 관리 및 재난 관리 정책을 수립하고 서비스를 제공하기 위한 기본 자료로 사용될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1007-1012
• /
• 2008

유역통합수자원관리의 시작은 기상예측정보의 제공으로부터 시작된다. 하지만, 기상예측정보는 단기, 중기, 장기로 구분되며, 제공되는 정보가 수자원 운영에 필요한 정보와 시간적으로나 공간적으로 차이가 나며, 가공에 많은 전문가들의 노력이 필요하여 실무에서의 적용에 많은 어려움이 따른다. 따라서 본 연구에서는 이러한 문제들을 해결하고 용이하게 수자원 운영자에게 필요한 기상정보를 적절한 형태의 가공을 통하여 자동적으로 제공해 주는데 그 목적이 있다. 이러한 시스템의 구축을 통해 향후 수자원 운영에 있어 필수적인 의사결정 정보를 제공해 주어 수자원의 이용효율을 높이고자 한다. 구축된 시스템은 금강 유역에 대해 소유역단위로 장기 유출의 입력자료인 일단위 예측 강수를 30일간 제공하도록 시스템을 구축하였다. 단기(1일$\sim$2일)에는 RDAPS의 모의 결과인 Grib파일을 자동 추출하여 예측 강수를 제공한다. 1일에 두 번 모의되는 RDAPS의 결과를 일단위로 제공하기 위해 여러 가지 case별 분석을 실시하여 가장 적합한 기법을 이용하여 일단위 시계열을 구축하는 시스템을 설계하였다. 중기(3일$\sim$10일)에는 GDAPS 결과인 Grib파일을 자동 추출하여 유역단위 시계열을 구축한 뒤 과거 자료를 이용한 연 평균 자료를 이용하여 가중치를 곱하여 시계열을 구축하였다. 장기(11일$\sim$30일) 시계열의 구축을 위해서는 단기 및 중기 예측 시계열을 이용하여 과거 시계열 자료와의 통계적 비교 분석을 이용하여 유사 시계열을 추출한 후 과거 자료에 대한 평균값과 기상 전망을 이용하여 가중치를 부여하는 방법 등을 이용하여 시스템을 구축하였다. 본 시스템은 한국수자원공사에서 운영 중인 RRFS모형의 입력 자료를 자동 생성할 수 있는 기능을 제공하도록 설계되었다. 이러한 시스템의 구축을 통해 기상정보를 다루는데 익숙하지 않은 수자원 운영자들에게 비교적 용이하게 유역단위 기상예측 정보를 추출하는데 큰 도움이 될 것으로 기대한다.

• Journal of the Korean association of regional geographers
• /
• v.17 no.4
• /
• pp.432-442
• /
• 2011

Climatic variables such as temperature and precipitation tend to vary both in space and in time simultaneously. Thus, it is necessary to include space-time autocorrelation into conventional spatial interpolation methods for reliable time-series mapping. This paper introduces and applies space-time variogram modeling and space-time kriging to generate time-series temperature maps using hourly Automatic Weather System(AWS) temperature observation data for a one-month period. First, temperature observation data are decomposed into deterministic trend and stochastic residual components. For trend component modeling, elevation data which have reasonable correlation with temperature are used as secondary information to generate trend component with topographic effects. Then, space-time variograms of residual components are estimated and modelled by using a product-sum space-time variogram model to account for not only autocorrelation both in space and in time, but also their interactions. From a case study, space-time kriging outperforms both conventional space only ordinary kriging and regression-kriging, which indicates the importance of using space-time autocorrelation information as well as elevation data. It is expected that space-time kriging would be a useful tool when a space-poor but time-rich dataset is analyzed.

• The Korean Journal of Applied Statistics
• /
• v.10 no.1
• /
• pp.121-136
• /
• 1997

Spatial data is collected on a regular Cartesian lattice. In this paper we consider the model indentification of spatial autoregressive(SAR) models using AIC, BIC, pattern method. The proposed methods are considered as an application of AIC, BIC, 3-patterns for SAR models through three directions; row, column and diagonal directions. Using the Monte Carlo simulation, we test the efficiency of the proposed methods for various SAR models.

• Communications for Statistical Applications and Methods
• /
• v.17 no.2
• /
• pp.263-273
• /
• 2010

Missing values in time series can be treated as unknown parameters and estimated by maximum likelihood or as random variables and predicted by the conditional expectation of the unknown values given the data. The purpose of this study is to impute missing values which are regarded as the maximum likelihood estimator and random variable in incomplete data and to compare with two methods using ARMA and STAR model. For illustration, the Mumps data reported from the national capital region monthly over the years 2001~2009 are used, and estimate precision of missing values and forecast precision of future data are compared with two methods.

• Magazine of the Korean Society of Agricultural Engineers
• /
• v.60 no.4
• /
• pp.110-116
• /
• 2018

• The Korean Journal of Applied Statistics
• /
• v.20 no.3
• /
• pp.499-514
• /
• 2007

It is a common practice to use the auxiliary variables to impute missing values from item nonresponse in surveys. Sometimes there are few auxiliary variables for missing value imputation, but if spatial and time autocorrelations exist, we should use these correlations for better results. Recently, Lee et al. (2006) showed that spatial autocorrelation could be efficiently used for missing value imputation when spatial autocorrelation existed, using the data from the farm household economy data in Gangwon-do, 2002. In this paper, we present au evaluation of spatial and space-time nonresponse imputation methods when there exist spatial and time autocorrelations using the monthly data during 2000-2002 from the same data previously used by Lee et al. (2006). We show that space-time imputation method is more efficient than the other through the numerical simulations.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.365-365
• /
• 2017

강우의 공간분포는 홍수수문곡선에 큰 영향을 미친다. 이것은 총강우량이 같더라도 강우의 공간분포 특성에 따라 홍수수문곡선 및 첨두유량의 크기가 다를 수 있다는 것을 의미한다. 따라서 강우의 공간분포는 홍수량 산정과 홍수해석은 물론 수자원 설계에 큰 영향을 미칠 수 있다. 본 연구에서는 안동댐유역을 대상으로 물리적 기반의 분포형 모형인 GRM 모형과 공간확장자료 생성방법을 사용하여 47개 미계측유역에 대해 홍수유출 시계열자료를 생성하고 3개 관측유역을 포함한 총 50개 유역에 대해 첨두유량을 추출하여 분석함으로써 강우의 공간분포가 유출에 미치는 영향을 실제유역과 실제사상에 대해 자세히 분석하였다. 공간확장자료 생성방법은 보정 및 검증유역에서 모의유량이 관측유량을 적절히 모의한다면 추정된 매개변수값들을 상류지역에 있는 미계측유역에 적용하여 유량자료를 생성하는 방법이다. 1989년부터 2009년까지의 강우와 유출자료의 질이 좋은 20개의 사상을 추출하고 이 사상들과 3개 관측유역에 대해 GRM 모형의 매개변수들을 보정 및 검증하였다. 그 결과 NSE > 0.5, PBIAS ${\pm}30%$, 그리고 수정상관계수인 $_{mod}>0.6$의 적절한 모형효율 통계결과를 얻었다. 강우의 공간분포가 유출에 미치는 영향을 조사하기 위해 이 추정된 매개변수와 실제강우(강우의 공간분포를 고려한 강우) 및 공간평균강우(실제강우를 공간적으로 평균한 강우)를 사용하여 50개 유역의 홍수유출 시계열자료를 생성하였으며 이 시계열 자료 중 첨두유량을 추출하여 분석하였다. 그 결과 공간평균강우에 의한 첨두유량의 분포는 실제강우에 의한 첨두유량의 분포와 차이가 있었다. 20개 사상중 13개의 사상은 실제강우와 공간평균강우에 의한 첨두유량의 분포가 비슷하거나 공간평균강우에 의한 첨두유량의 분포가 실제강우에 의한 첨두유량의 분포보다 약간 좁아지는 차이가 있었다. 하지만 나머지 7개 사상의 경우에는 공간평균강우에 의한 첨두유량의 분포가 실제강우에 의한 첨두유량의 분포보다 크게 좁아지는 것을 보였다. 이것은 전체사상의 약 35 %에 대해서는 강우의 공간적 변동성을 고려하지 않고 홍수유출을 모의한다면 적절하지 않은 첨두유량 모의결과를 얻을 수 있다는 것을 나타내며 또한 홍수체적에 대해서도 적절하지 않은 모의결과를 얻을 수 있다는 것을 의미한다. 이것은 또한 강우관측소의 밀도가 홍수유출 모의 시 매우 중요하다는 것을 의미한다. 따라서 홍수량 산정 또는 수자원 설계 시 강우의 시간분포 뿐만 아니라 공간분포 또한 고려해야 한다.