가중치 중첩 함수

일반 측정 척도와 중요도에 따른 가중치를 이용해 몇몇의 래스터를 중첩합니다.

참고

모든 입력 래스터가 정수여야 합니다. 부동 소수점 래스터를 사용하려면 먼저 정수 래스터로 변환해야 합니다.

입력 래스터의 각 값 클래스에는 평가 척도를 기반으로 새 값이 할당됩니다. 이러한 새 값은 기존 입력 래스터 값을 재분류한 값입니다. 제한된 값은 분석에서 제외하려는 영역에 사용됩니다.

각 입력 래스터는 중요도 또는 백분율 영향에 따라 가중치가 적용됩니다. 가중치는 상대적 백분율이며 백분율 영향 가중치의 합계는 100과 같아야 합니다. 영향 가중치는 정수 값으로만 지정됩니다. 소수 값은 가장 가까운 정수로 내림됩니다.

평가 척도 또는 백분율 영향을 변경하면 가중치 중첩 분석 결과가 변경될 수 있습니다.

매개변수

매개변수	설명
가중치 중첩 테이블(Weighted Overlay Table)	가중치 중첩 테이블은 다음 네 부분으로 구성됩니다. 래스터 - 모든 입력 래스터가 정수 유형이어야 합니다. % - 각 입력 래스터는 중요도 또는 그 영향에 따라 상대적 백분율로 가중치가 적용됩니다. 백분율 영향 가중치의 합은 100이어야 하며 각 가중치는 정수 값으로 지정해야 합니다. 필드 - 가중치에 사용할 입력 래스터의 정수 또는 문자열 필드입니다. 리맵 - 입력 래스터의 각 값에 리맵을 기반으로 새로운 값이 할당됩니다. 리맵 값은 유효한 값 또는 NoData 값일 수 있습니다. 리맵을 할당하는 데 사용되는 문자열의 형식은 이전 값, 공백, 새 값 뒤에 세미콜론을 지정한 형식입니다.
축척	이전 값을 재배치할 새 값의 범위입니다.
셀크기 유형	다음 중 결과 래스터에 사용될 셀 크기를 선택합니다. 모든 입력 셀 크기가 동일하면 모든 옵션에서 동일한 결과가 반환됩니다. 첫 번째 — 입력 래스터의 첫 번째 셀 크기가 사용됩니다. 최소 — 모든 입력 래스터의 가장 작은 셀 크기가 사용됩니다. 최대 — 모든 입력 래스터의 가장 큰 셀 크기가 사용됩니다. 이 옵션이 기본 설정입니다. 평균 — 모든 입력 래스터의 평균 셀 크기가 사용됩니다. 마지막 — 입력 래스터의 마지막 셀 크기가 사용됩니다.
범위 유형	다음 중 결과 래스터에 사용될 범위를 선택합니다. 첫 번째 — 첫 번째 입력 래스터의 범위를 사용하여 처리 범위를 결정합니다. 교차 — 중첩되는 픽셀의 범위를 사용하여 처리 범위를 결정합니다. 이 옵션이 기본 설정입니다. 결합 — 모든 래스터의 범위를 사용하여 처리 범위를 결정합니다. 마지막 — 마지막 입력 래스터의 범위를 사용하여 처리 범위를 결정합니다.

가중치 중첩에 대한 자세한 정보

가중치 중첩 함수는 입지 선정 및 적합성 모델과 같은 다중 조건 문제를 해결하기 위해 중첩 분석에 가장 많이 사용되는 접근 방식 중 하나를 적용합니다. 가중치 중첩 분석에서는 각 일반 중첩 분석 단계를 따릅니다. 모든 중첩 분석과 마찬가지로 가중치 중첩 분석에서는 문제를 정의하고 모델을 하위 모델로 나누고 입력 레이어를 식별해야 합니다.

입력 기준 레이어는 범위가 상이한 다양한 번호 지정 시스템을 이용하므로 이를 단일 분석으로 통합하려면 각 기준의 셀마다 1~10(10이 가장 선호됨) 등의 공통 선호도 척도로 재분류해야 합니다. 공통 척도에 할당된 선호도는 기준에 대한 현상의 선호도를 나타냅니다. 선호도 값은 상대 척도를 기준으로 합니다. 즉, 선호도 값이 10이라는 것은 선호도 값 5보다 2배 선호된다는 뜻입니다.

선호도 값은 레이어 내에서 서로에 대해 상대적으로 할당되어야 하며, 레이어 간에 동일한 의미를 가져야 합니다. 예를 들어, 하나의 기준에 대한 위치에 선호도 값 5가 할당된 경우 이는 두 번째 기준에서도 현상에 5와 동일한 영향을 미치게 됩니다.

단순한 주택 적합성 모델에는 경사, 경사면 방향, 도로까지의 거리 등 세 가지 입력 기준이 있을 수 있습니다. 경사는 1~10의 척도로 재분류되며, 평평할수록 비용이 적게 듭니다. 따라서 평평한 것이 가장 유리하며 더 높은 값이 할당됩니다. 경사가 가파를수록 더 낮은 값이 할당되며 가장 가파른 경사에는 1이 할당됩니다. 경사면 방향에 대해서도 1~10의 척도로 동일한 재분류 프로세스를 진행합니다. 이 경우 남쪽을 향할수록 더 유리한 경사면 방향이므로 더 높은 값이 할당됩니다. 도로까지의 거리 기준에도 동일한 재분류 프로세스가 적용됩니다. 위치가 도로에 가까울수록 전력에 접근하기 쉽고 필요한 진입로도 짧아지므로 건설 비용이 낮아져서 더 유리합니다. 재분류된 경사 레이어에서 적합성 값 5가 할당된 위치는 값 10이 할당된 경사보다 건설 비용이 두 배 많이 듭니다. 재분류된 경사 레이어에서 적합성 값 5가 할당된 위치는 재분류된 도로까지의 거리 레이어에서 5가 할당된 위치와 동일한 비용이 듭니다.

가중치 중첩 분석의 각 기준은 중요성 측면에서 각기 다를 수 있습니다. 중요한 기준에 다른 기준보다 가중치를 더 많이 적용할 수 있습니다. 예를 들어, 샘플 주택 적합성 모델에서 장기적인 환경보전을 위해서는 경사 및 도로까지의 거리 기준과 관련된 단기적 비용보다 유리한 경사면 방향이 더 중요하다고 판단할 수 있습니다. 따라서 경사 및 도로까지의 거리 기준보다 경사면 방향 값이 두 배 더 중요하도록 가중치를 부여할 수 있습니다.

입력 기준에 이러한 가중치를 곱한 다음 합산합니다. 예를 들어, 주택 적합성 모델에서는 경사면 방향에 2를 곱하고 세 기준을 합산합니다. 달리 표현하자면 (2 * 경사면 방향) + 경사 + 도로까지의 거리입니다.

중첩 분석 프로세스의 최종 단계는 모델을 검증하여 해당 모델이 나타내는 바를 입지에서 실제로 관찰할 수 있는지 확인하는 것입니다. 모델이 검증되고 나면 입지가 선정되고 주택이 건설됩니다.

척도 값에 제한됨 및 NoData 사용

척도 값을 제한됨으로 설정하면 평가 척도 집합의 최소값에서 1을 뺀 값이 결과 가중치 중첩 결과 셀에 할당됩니다. NoData 셀이 있는 가중치 중첩에 대한 입력이 없을 경우 NoData를 척도 값으로 사용하여 특정 값을 제외할 수 있습니다. 그러나 입력에 NoData 셀이 있을 경우, 대신 제한됨을 사용하는 것이 필수적이며 가장 안전한 옵션이기도 합니다. 가중치 중첩의 결과에 하나 이상의 입력으로 인한 NoData 셀(어떤 입력이든 NoData가 있다면 결과에도 NoData가 있음)과 의도적으로 제외한 제한됨 영역이 포함될 가능성이 있습니다. NoData와 제한됨 값을 혼동해서는 안 됩니다. 이러한 값의 역할은 각각 다릅니다. 값을 알 수 없는 NoData 영역이지만 실제로는 적합한 영역이 있을 수 있습니다. 특정 셀 값을 제외하기 위해 제한됨 대신 NoData를 사용했으며 하나 이상의 입력에 NoData가 있는 경우, NoData 셀이 해당 영역의 사용이 제한된다는 뜻인지 아니면 해당 위치에 사용 가능한 입력 데이터가 없다는 뜻인지 알 수 없게 됩니다.

비용 표면을 생성할 경우, 척도 값에 제한됨을 사용할 때 주의를 기울여야 합니다. 제한됨을 사용하면 평가 척도의 최소값에서 1을 뺀 값이 셀에 부여되므로, 제한됨 영역은 실제로 분석에서 제외될 때 최저 비용이 부여된 것으로 표시됩니다. 그 대신 분석에서 제외하려는 영역에 높은 비용을 할당하거나 해당 영역의 척도 값을 NoData로 설정해야 합니다.