직선 거리가 계산되고 경우에 따라 경계 및 표면 래스터에 맞춰 조정되고 나면, 해당 거리를 접하는 비율을 결정할 수 있습니다. 비용 표면은 거리를 접하는 비율에 영향을 미치는 네 가지 계수 중 하나입니다. 나머지 세 가지 계수는 시작지점 특성, 수직 계수, 수평 계수입니다.
비용 표면은 트래블러가 경관을 통과 이동할 때 접하는 요소를 취득합니다. 들판을 가로질러 이동하는 것은 숲이나 늪을 통과해 이동하는 것보다 더 쉽습니다. 비용 표면의 각 값에 조정된 직선 거리를 곱하면 트래블러가 접하는 거리의 비율이 결정됩니다.
비용 표면으로 인해 트래블러는 조정된 직선 거리 단위를 숲이나 늪에서보다 들판에서 더 빠른 속도로 이동할 수 있습니다.
직선 거리는 미터 또는 피트와 같은 선형 단위입니다. 거리를 접하는 비율을 결정할 때 단위는 달러, 선호도, 소비 에너지, 위험이 될 수 있습니다. 비율은 거리 측정 단위당 비용입니다.
비용 표면 생성 프로세스는 여러 단계로 진행됩니다. 먼저 이동에 영향을 미칠 기준을 식별합니다. 그런 다음 기준 값을 공통 비용 척도로 변환합니다. 마지막으로 기준에 가중치를 적용하고 기준을 결합합니다.
이러한 유형의 분석을 최저 비용 분석이라고 합니다. 비용 표면은 임피던스 또는 마찰 표면이라고도 합니다. 조정된 직선 거리 단위를 처리하는 작업은 고비용 위치에서 더 어렵거나, 비용이 더 많이 들거나, 더 느립니다. 비용 표면 생성은 적합성 표면 생성과 유사할 수 있지만 적합성 표면의 경우 더 높은 값이 선호됩니다. 비용 표면에서는 값이 낮을수록 이동하기가 더 쉽습니다.
다양한 계수를 결합하여 비용 표면을 생성할 수 있습니다. 예를 들어, 동물 이동에 대한 비용 표면을 생성하는 경우 토지 사용 유형, 도로로부터의 거리, 물로부터의 거리와 같은 계수를 사용하여 동물이 경관을 통과해 이동할 때의 선호도를 취득합니다. 기준의 값은 각각 의미가 다르기 때문에 각 기준을 결합하기 전에 동일한 비용 척도로 변환해야 합니다.
대부분의 경우 비용 표면은 비용 거리 분석을 위한 비용 단위를 정의합니다. 시작지점 특성, 수직 계수, 수평 계수는 이러한 단위의 승수입니다. 각 승수는 비용 표면에 정의된 동일한 비용 단위에 대해 상대적이어야 합니다. 네 가지 비율 제어 계수(비용 표면, 시작지점 특성, 수직 계수, 수평 계수) 중 둘 이상이 지정된 경우 그중 하나에만 단위를 포함할 수 있으며, 다른 계수는 해당 단위를 수정하는 단위 없는 승수입니다.
비용 표면을 사용하면 실제 경관에서 트래블러를 시뮬레이션할 수 있습니다.
비용 표면 사용 예시
비용 표면은 다음과 같은 다양한 시나리오를 해결하는 데 사용할 수 있습니다.
- 제안된 학교로 가는 도로를 건설하기 위한 최저 비용 경로를 식별합니다. 건설의 경우 비용 표면 단위는 미터당 달러입니다.
- 통로를 통해 야생동물 서식지 패치를 연결하여 야생동물이 패치 간에 이동할 수 있도록 합니다. 비용 표면 단위는 각 위치의 피처를 통과하는 이동에 대한 피트당 선호도입니다.
- 석유 생산지와 정유소를 연결할 새로운 송유관을 설치합니다. 비용 표면 단위는 송유관이 각 위치에 미칠 환경적 영향을 기반으로 합니다.
- 외딴 지역의 다친 등산객에게 접근하는 가장 빠른 방법을 결정합니다. 비용 표면 단위는 미터당 분입니다.
비용 표면 통합
Distance analysis can be divided conceptually into the following related functional areas:
- Calculate straight-line distance and optionally adjust the calculations with a barrier or surface raster.
- 직선 거리가 계산되면 필요에 따라 비용 표면, 시작지점 특성, 수직 계수, 수평 계수를 통해 거리를 접하는 비율을 결정합니다. 누적 거리 래스터를 생성합니다.
- Connect regions over the resulting accumulative distance surface using an optimal network, specific paths, or a corridor.
두 번째 기능 영역에서 비용 표면을 통해 거리를 접하는 비율을 결정하는 방법은 다음과 같습니다. 이 시나리오에는 삼림 관리소(보라색 점) 4곳과 일부 강(파란색 라인)이 포함됩니다.
비용 표면을 추가하면 경관을 통과해 이동하는 트래블러를 시뮬레이션할 수 있습니다. 아래의 이미지를 보면 각 관리소에서 거리가 고르게 뻗어 나오지 않습니다.
직선 거리 비율에 대한 비용 표면
조정된 직선 거리를 접하는 비율을 결정하기 위한 비용 표면을 생성하려면 다음을 수행합니다.
- 이동에 영향을 미치는 계수를 정의하는 기준을 식별합니다. 이러한 기준은 트래블러가 경관을 통과해 이동할 때 거리를 접하는 방법을 취득합니다.
- 토지 사용과 같은 일부 데이터는 기준으로 직접 사용할 수 있습니다. 경사면 방향, 피처로부터의 거리, 가시성과 같은 다른 기준은 기본 데이터에서 취득해야 합니다. 이러한 취득 기준을 생성하는 데 사용할 수 있는 공간 분석 도구에는 거리 누적, 경사면 방향, 측지 가시권역, 밀도 계산, 표면 매개변수가 포함됩니다.
- 기준을 공통 척도로 변환합니다. 이 작업은 리맵 도구를 사용하여 수행할 수 있습니다.
- 변환된 기준에 가중치를 적용하고 기준을 결합합니다. 이 작업에는 가중치 합계 도구를 사용합니다.
비용 표면은 거리를 접하는 비율에 영향을 미침
비용 표면은 해당 위치의 피처를 기반으로 이동과 관련된 각 위치의 비용, 임피던스, 마찰, 선호도를 식별합니다. 일반적인 워크플로는 잠재적인 응용 사례 또는 모델링되는 비용 단위와 관계없이 유사합니다.
건설 비용, 시간, 에너지론과 같은 절대 비용이 가장 적합하지만, 이러한 요소는 각 위치에 대해 정의하기 어려울 수 있습니다. 그러나 대부분의 응용 사례에서 단일 절대 비용 단위는 존재하지 않습니다. 예를 들어 두 위치 간의 등산 트레일이나 자전거 트레일을 식별하기 위해 비용 표면을 생성하는 경우, 비용 단위에 대한 에너지 또는 시간만 사용한다면 해당 트레일이 향해야 하는 위치에 영향을 미치는 다른 계수를 취득하지 못합니다. 이러한 계수에는 경관 조망, 토지 소유권, 환경적으로 민감한 영역 피하기 등이 포함될 수 있습니다. 야생동물 통로를 만들기 위한 비용 표면을 생성하는 경우 동물은 좋은 서식지 내에서의 이동과 안전함 사이의 균형을 추구할 수 있습니다. 두 경우 모두, 이동 관련 결정의 범위를 취득할 수 있는 단일 비용 단위는 없습니다.
이러한 경우 선호도, 보안, 위험 등의 주관적인 상대 비용 단위를 사용합니다. 각 기준 값은 주관적 단위에 따라 서로에 대해 상대적인 할당 비용으로 공통 비용 척도에 할당됩니다. 즉, 비용 10은 비용 5보다 이동이 두 배 더 어렵습니다. 각 기준의 각 값은 동일한 공통 비용 척도에 배치됩니다.
비용 표면이 비용 분석을 위한 단위를 정의하는 경우 다른 비율 제어 계수(시작지점 특성, 수직 계수, 수평 계수)는 지정된 비용 단위를 수정하는 단위 없는 승수입니다.
절대 비용 단위는 여러 Spatial Analyst 도구를 사용하여 직접 할당할 수 있습니다. 비용 표면을 생성하기 위해 주관적 비용 단위를 정의하는 경우 아래에 나와 있는 워크플로가 종종 사용됩니다.
비용 표면 워크플로
상대 비용을 지정하는 경우 비용 표면을 생성하는 워크플로는 다음과 같습니다.
- 이동 비용에 영향을 미치는 기준을 식별하고 기본 데이터를 수집합니다.
- 필요에 따라 기본 데이터에서 기준을 취득합니다.
- 각 기준 값을 공통 비용 척도로 변환합니다.
- 기준에 서로에 대해 상대적인 가중치를 적용하고 기준을 결합하여 비용 표면을 생성합니다.
비용 표면이 생성되면 해당 비용 표면에서 최저 비용 경로가 있는 영역을 연결할 수 있습니다.
앞에서 설명했듯이 비용 표면 생성은 적합성 표면 생성과 유사한 단계를 따릅니다. 이러한 작업 간의 공통 단계는 기준을 식별하고, 기본 데이터를 수집하고, 기본 데이터에서 필요한 기준을 취득하고, 기준 값을 공통 척도로 변환하고, 기준에 가중치를 적용하고, 기준을 결합하는 것입니다. 더 높은 값을 선호하는 최종 적합성 표면과 달리, 비용 표면에서는 더 낮은 비용을 나타내는 더 낮은 값이 이동에 선호됩니다. 비용 표면은 최저 비용 분석에 사용됩니다. 따라서 변환을 구현할 때 더 선호되는 이동 위치는 더 낮은 값을 얻습니다.
다음 섹션에 이 워크플로의 응용 예시가 설명되어 있습니다. 목표는 보브캣이 서식지 패치 간에 이동할 야생동물 통로를 식별하는 것입니다. 이 워크플로는 데모용일 뿐이며, 보브캣의 모든 상호작용을 현실적으로 정의하는 것은 아닙니다. 위에서 설명한 워크플로를 적용해 다른 많은 응용 사례의 비용 표면을 생성할 수 있습니다.
목표 및 비용 단위 정의
먼저 이동의 목표를 정의합니다. 목표는 해결하려는 문제에 따라 달라집니다. 예를 들어, 송전선 설치 위치를 결정하는 데 사용되는 비용 표면의 목표는 건설 비용의 최소화일 수 있습니다. 소방관이 두 건의 화재 간에 자원을 옮기기 위한 경로를 찾는 경우 목표는 화재 간에 최대한 빠르게 이동하는 것일 수 있습니다. 보브캣 시나리오의 경우 표면 비용의 목표는 보브캣이 서식지 패치 간에 안전하게 이동하는 동시에 특정 자원에 여전히 접근할 수 있도록 하는 것입니다.
다음으로는 비용 단위를 설정해야 합니다. 송전선 입지 선정의 경우 건설 비용을 기반으로 각 기준을 변환할 수 있습니다. 소방 경로 찾기의 경우 비용 단위는 시간일 수 있습니다. 보브캣 통로의 경우 단위를 정의하는 데에는 두 가지 문제가 있습니다. 하나는 객관적으로 측정 가능한 비용 단위가 없다는 것이고, 다른 하나는 기준에 다양한 목표가 있다는 것입니다. 예를 들어, 하천까지의 거리 기준은 물이 필요하다는 것이며, 도로로부터의 거리는 안전을 유지하기 위한 것입니다. 이러한 경우 여러 기준을 결합하기 전에 주관적인 상대 선호도 비용 척도로 변환해야 합니다.
목표 및 단위가 정의되면 모델의 결과를 평가하기 위한 방법을 설정해야 합니다. 보브캣 비용 표면에서 결과 경로가 성공적인지 판단하려면 통로로 이동하여 보브캣이 경로를 사용해 패치 간에 이동하고 있는지 확인하면 됩니다.
다음 이미지는 보브캣 비용 표면을 생성하는 것을 보여줍니다.
이동 비용에 영향을 미치는 기준 식별
이제 분석을 위한 목표, 단위, 평가 방법을 정의했으니, 비용 표면을 생성하는 첫 번째 단계는 이동을 정의하는 기준을 식별하는 것입니다. 이 샘플의 경우 기준은 보브캣이 경관을 통과해 이동할 때 선호하는 요소입니다. 식별한 각 기준은 보브캣이 중요한 자원에 접근하는 동안 서식지 패치 간에 안전하게 이동할 수 있도록 보장하는 모델의 전반적인 목표에 도달하는 데 중요한 역할을 해야 합니다. 식별한 기준은 이동 관련 요구 사항과 관련된 보브캣의 상호작용을 취득해야 합니다.
이 간소화된 보브캣 예시에서는 다음 기준이 고려됩니다.
- 토지 사용 유형 - 보브캣은 몸을 숨겨야 하므로 숲을 통과해 이동하는 것을 선호하며, 개발된 영역이나 반쯤 개발된 영역을 통과해 이동하는 것은 선호하지 않습니다.
- 도로까지의 거리 - 보브캣은 안전을 위해 도로에서 멀리 떨어진 영역으로 이동하는 것을 선호합니다.
- 하천으로부터의 거리 - 보브캣에게는 물이 필요하므로 경관을 통과해 이동할 때 수원 근처에 머무르는 것을 선호합니다.
필요에 따라 기본 데이터에서 기준 취득
보브캣 예시의 토지 사용 유형과 같은 일부 기준은 비용 표면 생성에 직접 사용할 수 있습니다. 보브캣은 다양한 토지 사용 유형에 직접적으로 반응합니다. 다른 기준은 취득해야 합니다. 기준은 도로 또는 하천 자체가 아니라, 보브캣이 반응하는 도로 또는 하천으로부터의 거리입니다.
도로 및 하천까지의 거리에 대한 데이터셋은 처음부터 사용할 수 없으므로 적절한 도구를 사용하여 기본 데이터에서 해당 기준을 취득할 수 있습니다. 거리 누적 도구를 사용하여 도로 기준에 대해 각 위치가 가장 가까운 도로에서 얼마나 떨어져 있는지 확인하고, 이 도구를 다시 사용하여 하천 기준에 대해 하천으로부터의 거리를 확인합니다.
각 기준 값을 공통 비용 척도로 변환
토지 사용, 도로까지의 거리, 하천으로부터의 거리 래스터를 수학적으로 더하면 무의미한 값이 됩니다. 예를 들어 특정 위치의 토지 사용 값은 단독 주택을 의미하는 4일 수 있습니다. 또한 도로로부터 627미터, 하천으로부터 2,252미터 떨어져 있습니다. 이러한 값을 더하면 2,883이라는 관련 없는 숫자가 됩니다. 기준 래스터를 더하기 전에 먼저 각 기준의 값을 공통 선호도 척도로 변환해야 합니다.
이 예시에서는 1~10의 공통 비용 척도가 사용됩니다. 기준의 각 값에 대해 이동이 가장 쉽거나 선호도가 가장 높은 피처가 있는 위치는 낮은 비용 값을 얻게 되며, 이동이 어렵거나 선호도가 비교적 낮은 위치는 더 높은 비용 값을 얻게 됩니다. 예를 들어, 보브캣은 도로에서 멀리 이동하는 것을 선호하기 때문에 도로에서 100미터 이내의 위치는 선호도가 가장 낮고 비용 10을 얻습니다. 100~300미터의 거리는 비용 값 5가 할당될 수 있고, 300미터보다 먼 거리는 비용 1을 얻을 수 있습니다.
각 기준의 값을 1~10 비용 척도로 변환하는 경우 해당 척도 내에서 서로에 대해 상대적으로 값을 변환합니다. 즉, 비용 값 3이 할당된 위치는 비용 값 6이 할당된 위치보다 통과가 두 배 더 선호되며 비용 값 10이 할당된 위치는 비용 값 1이 할당된 위치보다 통과하기 10배 더 어렵습니다.
이 변환 프로세스는 비용 표면에 대해 식별된 각 기준의 값마다 적용됩니다. 보브캣 모델에서 토지 사용 기준의 경우 숲과 같이 선호도가 높은 토지 사용 유형에는 비용 값 1(선호되며 통과 비용이 적음)이 할당되고, 주거지에는 비용 값 5가 할당되며, 산업 지역에는 비용 값 9가 할당됩니다. 도로로부터의 거리 기준의 경우 도로와 가까운 위치는 9와 10의 높은 비용을 얻지만, 도로에서 멀리 떨어진 위치는 보브캣이 선호하므로 더 낮은 비용 값을 얻습니다. 하천까지의 거리 기준의 경우 보브캣이 하천에 더 가깝게 이동하는 것을 선호하므로 가까운 위치는 1 또는 2의 낮은 비용을 얻고 먼 위치는 9 또는 10의 높은 비용을 얻습니다.
할당된 비용의 기준 간 선호도가 동일한 것이 바람직합니다. 즉, 비용 5가 할당된 도로로부터의 변환된 거리는 역시 비용 5가 할당된 하천 위치 또는 토지 사용 유형과 동일한 선호도를 가져야 합니다.
기준을 변환하기 위해 재분류가 수행됩니다. 이러한 도구에서는 각 기준에 대해 동일한 비용 척도가 지정됩니다. 이 예시에서는 1~10 비용의 선호도 척도가 사용됩니다.
토지 사용 유형은 범주형 데이터이며 토지 사용 유형을 비용에 매핑하는 데에는 일대일 변환이 사용됩니다. 재분류 도구가 사용됩니다. 아래 재분류 테이블을 보면 숲에는 1, 산업 지역에는 9 등이 할당되어 있습니다.
| 값 | 신규 |
|---|---|
농업 | 2 |
나지 | 1 |
개발됨, 고강도 | 9 |
개발됨, 저강도 | 5 |
개발됨, 중간 강도 | 8 |
숲, 침엽수 | 1 |
숲, 낙엽수 | 2 |
숲, 낙엽수-침엽수 혼합 | 2 |
초원 | 4 |
덤불/관목 | 3 |
물 | 10 |
습지 | 9 |
NODATA | NODATA |
다음은 그 결과 변환된 토지 사용 맵입니다. 초록색 위치는 이동 선호도가 더 높고 빨간색 위치는 이동 선호도가 더 낮습니다.
도로로부터의 거리 및 하천으로부터의 거리는 인접한 데이터입니다. 기준 값을 변환하여 비용 상호작용을 취득하기 위해 함수가 적용됩니다. 보브캣이 도로 위로 발걸음을 옮길 때마다 지정된 함수에 따라 선호도 또는 비용이 지속적으로 감소합니다.
함수에 의한 스케일 조정 도구는 선호도가 높은 속성이 보다 높은 값을 얻는 적합성 모델링에 초점을 맞춥니다. 최저 비용 분석에서는 반대의 로직이 적용됩니다. 이동 선호도가 더 높은 영역에 더 낮은 비용을 나타내는 낮은 값이 할당됩니다. 함수에 의한 스케일 조정 도구는 다음 두 가지 방법 중 하나로 이러한 반전 로직을 수용할 수 있습니다.
- 도구에서 적합성 함수의 역을 선택합니다. 즉, 하천에 가까울수록 더욱 적합하다는 것을 나타내므로 더 높은 값을 얻는다는 것을 나타내는 적합성 모델에서 하천까지의 거리 기준에 Small 함수를 적용할 수 있습니다. 하천으로부터의 거리를 비용 표면에 사용하는 경우에는 더 먼 위치가 더 높은 값을 얻는다는 것(선호도가 낮음)을 나타내는 Large 함수를 사용합니다. 더 가까운 위치는 더 낮은 값을 얻으며(비용이 더 낮음) 해당 위치를 통과해서 이동하는 것이 더 선호됩니다.
- 적합성 모델에서 사용된 로직과 동일한 로직이 적용될 수 있지만, 이 경우 반대로 적용됩니다. Small 함수는 적합성 모델에서 하천으로부터의 거리 기준에 대해, 그리고 비용 표면에서 하천으로부터의 거리 기준 변환 시 지정할 수 있습니다. 그러나 비용 표면의 경우 시작 척도 및 종료 척도 매개변수를 1~10에서 10~1로 반전해야 합니다. 그 결과, 이제 더 가까운 위치는 통과해서 이동하는 비용이 가장 적게 들기 때문에 현재 1인 종료 척도 값을 얻게 됩니다.
보브캣이 하천 근처로 이동하고자 하는 선호도를 취득하기 위해 하천으로부터의 거리 기준에 다른 함수를 적용했습니다.
기준 값을 건설 비용 또는 시간 비용과 같은 비용으로 변환할 때 절대 비용 단위를 사용하는 경우, 직접 할당이나 수학 공식을 사용할 수 있습니다. 이러한 공식은 위의 상대적인 변환 단계를 적용하는 대신 래스터 계산기를 사용하여 적용할 수 있습니다.
팁:
비용 값은 항상 양수여야 하며, 입력 비용 래스터는 0 이하의 셀 값을 가질 수 없습니다. 이러한 값이 있는 경우 전체 범위의 스케일을 0보다 크게 조정하거나 문제가 되는 값을 작은 양수로 바꿀 수 있습니다. 이 작업은 조건 도구를 사용하여 수행할 수 있습니다. 0 값이 있는 영역이 분석에서 제외해야 하는 영역을 나타내는 경우, 거리 누적을 실행하기 전에 이 값을 NoData로 설정합니다. 이 작업은 Null 설정 도구를 사용하여 수행할 수 있습니다.
이제 각 기준의 값이 서로에 대해 상대적으로 공통 비용 척도로 변환되며 변환된 기준을 결합할 수 있습니다.
기준에 서로에 대해 상대적인 가중치를 적용하고 기준을 결합하여 비용 표면을 생성
3가지 변환 기준을 더하면 결과 범위가 3~30이 됩니다. 3 값이 할당된 위치를 통과해서 이동하는 것이 가장 선호됩니다. 이는 도로에서 멀리 떨어져 있으며 하천 옆에 위치한 숲일 수 있습니다. 더 높은 값이 할당된 위치는 해당 위치에 있는 피처를 바탕으로 선호도가 낮아집니다(이동 비용이 더 많이 소요됨).
그러나 기준을 더하기 전에, 보브캣의 이동 비용에 있어 특정 기준 하나가 다른 기준보다 더 중요하거나 유의미할 수 있습니다. 이러한 경우 다른 기준보다 해당 기준에 더 높은 가중치가 적용됩니다. 이러한 구별을 강조하기 위해 변환 프로세스에서 서로에 대해 상대적으로 기준의 값을 변환합니다. 가중치는 각 기준의 서로에 대한 상대적인 중요도를 정의합니다.
가중치는 기준에서 변환된 각 값에 적용되는 승수입니다.
보브캣 적합성 모델에서 특정 기준에 더 높은 가중치를 적용한다는 것은 해당 기준이 보브캣의 생태에 더 중요하다는 것을 나타냅니다. 그러나 비용 표면에서 가중치는 해당 기준이 다른 기준보다 이동에 더 중요하거나 비용이 더 많이 든다는 것을 나타냅니다.
보브캣 비용 표면에서 보브캣은 안전을 위해 도로 가까이에서 이동하는 것을 피하려 합니다. 따라서, 변환된 도로로부터의 거리에는 하천으로부터의 거리 기준보다 더 높은 가중치가 할당됩니다. 예를 들어, 도로와 가깝기 때문에 처음에 특정 위치에 대해 도로까지의 거리 비용으로 10이 할당될 수 있습니다. 이 위치는 하천과도 가깝기 때문에 하천까지의 거리 비용으로는 1이 할당될 수 있습니다. 도로로부터의 거리 기준에 1.5의 가중치가 적용되고 하천으로부터의 거리 기준에 1의 가중치가 할당되는 경우, 해당 위치는 결과 비용 표면의 총 비용 값 16(10 x 1.5 + 1의 결과)을 얻게 됩니다. 결과적으로, 도로와 가까운 위치가 비용이 더 높고 이동 선호도가 낮아집니다.
이 예시에서는 토지 사용 기준에도 1의 가중치가 할당됩니다.
가중치 때문에, 최저 비용 분석을 가중치 최저 비용 분석이라고도 합니다.
비고:
달러 또는 시간과 같은 측정 가능한 절대 비용 단위를 사용하는 경우에는 가중치를 적용하지 마세요. 특정 기준의 중요도가 어떻든 상관없이 절대 비용은 달라지지 않습니다. 달러 비용 또는 시간은 실제 비용입니다. 가중치가 적용되는 경우 절대 단위는 더 이상 유효하지 않으며, 비용은 상대적인 척도를 기반으로 하게 됩니다.
이제 비용 표면이 생성되었습니다. 각 위치의 피처를 기반으로 비용 표면은 보브캣의 관점에서 이동에 대한 각 위치의 상대적인 선호도를 나타냅니다. 보브캣 모델의 최종 목표는 결과 누적 비용 래스터를 활용하여 일련의 보브캣 서식지 영역을 야생동물 통로로 연결해 보브캣이 서식지 간에 이동할 수 있도록 하는 것입니다.
서식지 패치는 다음과 같은 방법으로 연결할 수 있습니다.
- 최저 비용 네트워크를 생성합니다(최적 네트워크로 영역 연결 참고).
- 특정 패치를 서로 연결합니다(최적 경로로 위치 연결 참고).
- 통로를 사용하여 패치를 연결합니다(통로로 위치 연결 참고).
경사 및 비용 표면
비용 표면은 조정된 직선 거리를 접하는 비율을 제어할 수 있는 네 가지 계수 중 하나입니다. 비용 표면에서는 동쪽에서 서쪽으로, 서쪽에서 동쪽으로, 북쪽에서 남쪽으로, 남쪽에서 북쪽으로 셀을 통과해 이동하든 아니면 어떤 대각선 방향으로 오가든 관계없이 비용은 동일합니다. 그러나 트래블러에게는 셀을 통과해 이동하는 방향이 중요할 수 있습니다. 오르막으로 이동할 때와 내리막으로 이동할 때 들여야 하는 노력은 다릅니다. 따라서 이러한 경사를 접하는 방법이 중요할 수 있습니다. 예를 들어, 경사가 가파른 위치로 이동하는 경우 이러한 경사에 수직으로 이동(등고선을 따라 이동)하는 것이 가파른 경사를 직접 올라가는 것보다는 노력이 덜 듭니다.
경사 도구는 프로세싱 셀 중심의 높이에서 인접한 8개 셀 중심의 각 높이까지의 y축 증가량/x축 증가량을 결정하여 경사를 계산합니다. 8개 경사 중 가장 가파른 경사가 해당 셀에 할당됩니다. 셀에는 최대 하강이 할당되므로 셀에 대한 이동의 방향성은 취득되지 않습니다. 이동을 모델링할 때 위치에서 경사가 얼마나 가파른지는 중요하지 않을 수 있지만, 경사를 어떻게 접하는지는 중요할 수 있습니다. 비용 표면에 경사 래스터가 사용되는 경우 트래블러는 가파른 경사가 할당된 셀을 불필요하게 피하게 될 수 있습니다.
일반적으로 트래블러가 경사를 접하는 방향이 중요한 경우 방향은 비용 표면을 통해서가 아니라 수직 계수로 취득해야 합니다. 경사는 비용 표면에서 입력 기준으로 잘못 사용되는 경우가 많습니다.
그러나 비용 표면에 경사 래스터를 포함하는 것이 적절한 경우도 있습니다. 예를 들어, 새로운 하이킹 트레일을 찾고 있는데 셀의 경사가 너무 가팔라서 트래블러가 셀에 들어가는 방향과 관계없이 경사로 인해 트래블러의 속도가 느려지는 경우입니다. 이 경우 경사의 방향성은 중요하지 않으므로 비용 표면에 경사 래스터를 포함하는 것이 적절합니다.
트래블러에게는 경사가 얼마나 가파른지가 아니라 경사를 어떻게 접하는지가 중요합니다. 가파른 경사를 올라가는 경우 노력이 가장 많이 들고, 내려가는 경우 가장 적게 들며, 경사에서의 이동은 그 중간쯤 됩니다. 경사와 토지 피복의 결합도 이동에 영향을 미칠 수 있습니다. 거친 자연 지표 위를 이동하는 것은 도로로 이동하는 것보다 어렵습니다. 접하는 경사 및 토지 피복을 얼마나 쉽게 극복할 수 있는지에 따라 등산객에게 색상 코드가 지정되었습니다. 초록색 등산객은 빨간색 등산객보다 더 빠른 속도로 이동할 수 있습니다.
비율 제어 계수의 단위
조정된 직선 거리가 계산되고 나면 거리 단위를 접하는 비율이 비용 표면, 시작지점 특성, 수직 계수, 수평 계수를 통해 제어됩니다. 각 계수는 조정된 직선 거리에 대한 승수입니다. 계수에 단위를 지정할 때는 주의를 기울여야 합니다. 비용 표면의 단위는 선호도일 수 없으며, 수직 계수의 단위는 시간일 수 없습니다. 단위는 일관적이어야 합니다.
일반적으로 비용 표면은 비율 분석을 이끌어 나가는 주요 단위입니다. 수직 계수, 수평 계수, 시작지점 특성은 비용 표면에 대한 비용 단위의 단위 없는 승수인 경우가 많습니다.
수직 계수를 사용한 Tobler의 하이킹 함수를 적용하는 경우에는 그렇지 않습니다. 하이킹 함수에서 단위는 시간이며, 시간이 비용 분석을 이끌어 나가는 주요 단위가 됩니다. 비용 표면이 분석에 추가되는 경우 비용 표면 값은 단위 없는 승수여야 하며, 이는 수직 계수에서 경사를 고려하여 경관을 통과해 이동하는 시간을 수정합니다.
ModelBuilder를 사용하여 비용 표면 생성
ModelBuilder는 비용 표면을 생성하는 데 있어 효과적인 환경입니다. 입력 및 결과 기준과 지오프로세싱 도구를 연결하는 기능을 제공합니다. 모델의 그래픽 표현을 통해 모델의 로직을 시각적으로 표현할 수 있으며, 언제든지 변경하고 모델을 다시 실행할 수 있습니다.
다양한 이동 목표를 포함할 수 있는 복잡한 비용 표면을 생성하는 경우 하위 모델이 종종 사용됩니다. 하위 모델은 모델 목표를 구성할 뿐만 아니라 특정 기준에 대해 다양한 변환을 사용하여 다양한 이동 목표를 충족할 수 있습니다. 예를 들어 보브캣 예시에서 토지 사용 유형을 변환할 때, 자원 하위 모델의 경우 들판의 가장자리 근처로 이동하는 것이 유리할 수 있지만 안전 하위 모델의 경우 불리할 수 있습니다.
추가 비용 표면 응용 사례
다음은 비용 표면을 다른 응용 사례 유형에 어떻게 사용할 수 있는지 보여줍니다.
속도 제한 구역
비용 표면을 사용하여 항구의 속도 제한 구역을 통과하는 최대 페이스를 나타낼 수 있습니다. 해안선 주변 100미터 버퍼의 경우 최대 속도는 5노트, 최대 페이스는 1h/(5*1.852)km일 수 있습니다. 100~200미터의 버퍼 통로는 최대 페이스가 1h/(10*1.852)km일 수 있습니다. 속도가 증가하면 페이스는 감소합니다.
도로 건설 비용
새로운 도로의 총 건설 비용을 추정하려면 마일당 건설 비용을 인코딩하는 비용 표면을 생성할 수 있습니다. 농촌 지역에 2차선 비분할 도로를 새로 건설하는 것이 도시 지역에 동일한 도로를 건설하는 것보다 저렴합니다. 이러한 경우, 비용 표면의 셀을 도시 대 농촌으로 분류할 수 있습니다. ARTBA(American Road and Transportation Builders Association)에서 가져온 FAQ 정보에 따르면, 농촌 셀에 대한 마일당 비용의 일반적인 값은 마일당 200만 달러이고, 도시 셀의 경우 마일당 400만 달러입니다. 또한 해당 지역의 구역 지정 방법 및 재산법에 따라 경계가 추가될 수 있습니다.
추가 정보
다음 섹션에는 비용 표면에 대한 추가 정보가 포함되어 있습니다.
이동의 연중 시기 고려
연중 시기에 따라 비용 표면이 변경될 수 있습니다. 비용 표면을 구하는 이동이 겨울과 여름, 또는 건기와 우기 중 어느 시기에 발생합니까? 이동이 맑거나 궂은 날씨, 또는 극한 상황이나 일반적인 조건 중 어느 경우에 발생합니까?
이동에 영향을 미치는 다른 시간적 영향이 있습니까? 야생동물 비용 분석의 경우, 새끼를 낳는 장소에 접근하기 위한 이동입니까? 아니면 구역 간의 일일 이동이나 계절에 따른 이주입니까? 해당 이동이 사냥철 중에 발생합니까?
이동에 영향을 미칠 수 있는 다양한 시간 계수는 변형 및 가중치뿐만 아니라 비용 표면에 사용될 기준에도 영향을 미칠 수 있습니다.
다양한 계절 및 이동 유형을 취득하려면 여러 비용 표면이 필요할 수 있으며, 이러한 각 비용 표면에 대해 거리 분석을 수행해야 합니다. 전체 연간 이동 요구 사항을 취득하려면 여러 결과를 결합해야 할 수 있습니다.
비용 표면에 도로 또는 트레일 통합
구조원이 전지형 차량(ATV)을 타고 다친 등산객에게 접근하는 데 사용할 비용 표면을 검토합니다. 이 예시의 경우 기준은 토지 사용 유형, 경사면 방향, 경사입니다. 늪지대는 비용이 더 많이 들고 풀밭은 비용이 덜 듭니다. 이 구조는 봄철에 이루어지므로, 남쪽을 향하는 경사면 방향에는 진흙이 더 많고 비용이 많이 드는 반면 얼어붙은 북쪽을 향하는 경사면 방향은 비용이 더 적게 듭니다. 경사면 극복의 난이도는 수직 계수를 통해 통합될 수 있습니다.
도로를 접하는 경우 비용이 변경됩니다. 도로로 이동하는 것이 더 빠르고 쉽습니다. 도로로 이동하는 비용은 낮고 일정합니다.
도로의 일정하고 낮은 비용을 취득하기 위해, 비용 표면이 생성되고 나면 도로가 비용 표면에 각인됩니다.
- 피처를 래스터로 변환 도구를 사용하여 도로를 래스터화하고 도로에 단일 비용을 할당합니다. 도로 피처 데이터셋에 비용 필드가 없는 경우 값이 0 이상인 모든 필드(예시: FID)에서 래스터화하고 래스터 계산기 도구에서 Con(rasterRoads >= 0, 50) 식을 적용합니다.
50은 할당된 비용입니다. 결과 래스터의 이름은 roadCostValue로 지정되며 다음 단계에서 식에 대한 입력으로 사용됩니다.
해당하는 경우 비용은 도로 유형에 따라 달라질 수 있습니다.
- 래스터 계산기 도구의 목록에서 조건 및 IsNull 도구를 사용하여 NoData 값을 0으로 변환합니다. Con(IsNull(roadCostValue), 0, roadCostValue) 형식의 식을 사용합니다.
결과 래스터의 이름은 roadCost로 지정되며 다음 단계에서 식에 대한 입력으로 사용됩니다.
- 래스터 계산기를 사용하여 도로를 비용 표면에 각인합니다. Con(roadCost > 0, roadCost, costSurface) 형식의 식을 사용합니다.
최종 결과 래스터에서 도로가 통과하는 셀에는 도로와 관련된 비용이 할당됩니다. 모든 비도로 셀은 비용 표면에 생성된 비용 값을 얻게 됩니다.
그 결과 ATV는 경관을 통과해 이동하며, 도로를 접하는 경우 가능한 한 오랫동안 해당 도로를 따라 이동한 후 다친 등산객에게 접근합니다. 도로 비용은 가파르고 굴곡이 있는 구간에 대해 더 세부적으로 조정될 수 있습니다.
균열 방지를 위해 경계를 두껍게 처리
비용이 많이 들거나 비용 표면의 경계인 도로 또는 강과 같은 선형 피처를 통합할 수 있습니다. 선형 피처가 폴리라인인 경우 피처가 래스터화됩니다. 래스터로 표시되는 경우 선형 피처의 두께는 셀 하나의 두께밖에 되지 않습니다. 경계의 특성은 경계가 완벽하게 수평 또는 수직인 경우 보존되지만, 경계가 대각선인 경우도 있습니다. 이 경우 트래블러가 경계의 균열에 해당하는 부분을 지나가는 것이 기하학적으로 가능할 수 있습니다. 그렇게 되는 경우 경계 또는 비용이 높은 셀이 더 이상 이동을 방해하지 않게 됩니다.
비용 표면에 선형 피처를 추가하려면 다음 단계를 완료합니다.
- 적어도 비용 표면 셀 거리의 대각선보다 큰 선형 피처를 버퍼 처리합니다.
- 폴리곤을 래스터로 도구를 사용하여 버퍼 처리된 결과 피처를 래스터화합니다.
- 래스터화된 모든 버퍼 처리된 셀을 비용에 할당하고 모든 NoData 셀을 0으로 할당합니다. 래스터 계산기 도구를 사용하여 Con(IsNull(buffRaster), 0, 35) 형식으로 식을 입력합니다.
값 35는 선형 피처의 비용입니다.
선형 피처가 실제 경계인 경우 이전 식에서 식별된 false 문(35)에 대해 아무것도 지정하지 않으면 버퍼 처리된 셀이 NoData로 설정됩니다.
- 이전 섹션에서 설명한 대로 3단계의 결과 래스터를 비용 표면에 추가합니다.
입력 선형 피처가 래스터인 경우 이와 동일한 단계가 사용됩니다. 선형 래스터 피처를 먼저 래스터화할 필요가 없습니다. 거리 누적 도구를 사용하고 최대 누적(거리) 값을 설정하여 래스터 피처 주변에 버퍼를 생성합니다.
선형 피처를 버퍼 처리하는 대신, 해당 선형 피처가 아직 래스터가 아닌 경우 래스터화할 수 있습니다. 그런 다음 래스터화된 선형 피처에서 포컬 통계 도구를 실행하여 통계를 지정합니다. 이 도구는 3x3 인접 영역이 선택된 경우 피처의 어느 한 쪽에서 셀 하나만큼 선형 피처를 확장합니다. 할당된 셀 값은 지정된 통계를 기반으로 합니다. 그런 다음 이전 섹션에서 설명한 대로 비용 표면에 결과 표면을 추가할 수 있습니다. 이러한 접근 방식은 선형 피처가 래스터이고 깊이, 염도, pH, 거리와 같은 변화율을 나타내는 경우 특히 유용합니다.
비고:
상대 비용 척도로 선형 피처에 높은 비용이 할당되는 경우, 할당된 비용이 최종 비용 표면의 합계 값에 대해 상대적인지 확인합니다.
그러나 해당 선형 피처가 실제 경계인 경우 비용 표면에서 결합되기 전에 셀에 NoData를 할당합니다. 선형 피처가 실제 경계인 경우 거리 누적 도구의 경계 매개변수를 통해 입력하는 것이 좋습니다.
적합성 모델러를 사용하여 비용 표면 생성
개별 지오프로세싱 도구로 비용 표면을 생성할 수 있지만, 추후에 변경할 수 있도록 사용하는 도구와 지정한 매개변수를 추적해야 합니다. ModelBuilder를 사용하여 비용 표면을 생성하는 것을 권장합니다.
비용 표면은 적합성 모델러에서도 생성할 수 있습니다. Suitability Modeler를 사용하여 비용 표면을 생성하는 경우, 적합성 모델에서는 기준 값이 유리할수록 적합성이 높아진다는 점에 유의하세요. 비용 표면은 최저 비용 분석을 수행하는 데 사용됩니다. 이동이 쉽거나 비용이 적게 드는 영역은 더 낮은 값을 얻게 됩니다.
Suitability Modeler의 고유 범주 및 클래스 범위 변환 방법은 비용 값을 범주 또는 클래스에 일대일로 할당합니다. 연속 함수 변환 방법에서는 적합성 모델에서 적용하는 함수와 반대의 함수를 적용해야 합니다. 예를 들어 적합성 모델에서 하천에 가까울수록 선호도가 높아지는 경우 Small 변환 함수를 적용할 수 있습니다. 더 작거나 더 가까운 위치가 더 높은 적합도 값을 얻습니다. 비용 표면에서 하천 근처로 이동하는 것이 더 선호되거나 비용이 적게 드는 경우에는 Large 함수를 선택할 수 있습니다. 멀리 떨어진 위치는 보다 높은 값으로 변환되어 비용이 더 많이 듭니다. 더 가까운 위치는 더 낮은 값을 얻게 되며, 비용이 더 적게 들고 해당 위치를 통과해서 이동하는 것이 더 선호됩니다.
또는 적합성 모델링에서 사용하는 것과 동일한 로직을 연속 함수 선택에 사용할 수 있습니다. 선호도가 더 높은 위치가 더 높은 값을 얻지만, 비용 표면에서는 선호도가 더 높은 이동 위치가 더 낮은 값을 얻어야 합니다. 비용 표면에 대한 값을 반전하려면 연속 함수 방법에서 함수 반전 매개변수를 사용합니다.