가중치 합계 함수

여러 래스터를 중첩하고 주어진 가중치에 각각을 곱한 후 모두 더한 합을 구합니다.

참고

입력 래스터는 정수 또는 부동 소수점일 수 있습니다.

가중치는 입력 래스터에 대해 지정된 필드에 적용됩니다. 필드는 정수(short), 정수(long), 더블(double) 또는 플로트(Float) 유형일 수 있습니다.

여러 래스터를 함께 추가하는 유용한 방법은 여러 래스터를 입력하고 모든 가중치를 1로 설정하는 것입니다.

가중치 값은 양수 또는 음수 소수 값일 수 있습니다. 이는 상대적인 백분율로 제한되지 않으며 1.0과 같을 필요도 없습니다.

매개변수

매개변수 이름설명

가중치 합계 테이블

가중 합계 테이블은 세 가지 등록정보로 정의됩니다.

  • 래스터 - 가중치가 적용되는 래스터입니다.
  • 필드 - 가중치에 사용할 래스터의 필드입니다.
  • 가중치 - 래스터를 곱할 가중치 값입니다. 임의의 양수 또는 음수 소수 값이 사용될 수 있습니다.

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 합계에 대한 자세한 정보

가중치 합계 함수는 통합 분석을 생성하기 위해 여러 입력에 가중치를 부여하고 결합하는 기능을 제공합니다. 이는 가중치 또는 상대적 중요도를 통합하여 여러 계수를 나타내는 여러 래스터 입력을 쉽게 결합할 수 있다는 점에서 가중치 중첩 함수와 유사합니다.

가중치 합계는 각 입력 래스터에 대해 지정된 필드 값에 지정된 가중치를 곱하여 수행합니다. 그런 다음 모든 입력 래스터를 합(더하기)하여 결과 래스터를 생성합니다.

이러한 함수에는 다음과 같은 두 가지 주요 차이점이 있습니다.

  • 가중치 합계 함수는 재분류된 값을 다시 평가 척도로 재조정하지 않습니다.
  • 가중치 합계 함수는 부동 소수점 및 정수 값을 허용하는 반면 가중치 중첩 함수는 입력으로 정수 래스터만 허용합니다.

분석은 재분류된 값을 다시 평가 척도로 크기를 조정하지 않음으로써 해당 해상도를 유지합니다. 예를 들어 적합성 모델에서 1~10의 척도로 재분류된 10개의 입력 기준(10이 가장 적합)이 있고 가중치가 할당되지 않은 경우, 가중치 합계의 결과 값 범위는 10~100일 수 있습니다. 동일한 입력의 경우 가중치 중첩은 10~100으로 재분류된 분석 범위를 평가 척도로 정규화합니다(예시: 1~10의 척도로 다시 정규화). 가중치 합계에서 모델 해상도 유지는 상위 몇 개의 유리한 위치 또는 지정된 수의 입지만 식별하려는 경우에 유용할 수 있습니다.

비고:

범위가 다른 여러 연속 데이터 레이어의 결합이 항상 유의미한 것은 아닙니다.

일반적으로 연속 래스터 값은 범주로 그룹화됩니다. 예를 들어 다양한 경사 값을 평평함, 보통, 가파름, 매우 가파름으로 그룹화할 수 있습니다. 각 경사 값은 이러한 범주 중 하나에 할당될 수 있으며, 해당 범주에는 중첩 분석의 기준과 관련된 클래스에 대한 기본 설정을 식별하는 재분류 값이 할당될 수 있습니다. 리맵 함수를 사용하면 이러한 래스터를 재분류할 수 있습니다.

가중치 중첩 함수는 적합성 모델링에 가장 일반적으로 사용되며 올바른 방법론을 따르기 위해 사용되어야 합니다. 가중치 합계 함수는 모델 해상도를 유지하려는 경우나 부동 소수점 결과 또는 소수 가중치가 필요한 경우에 유용합니다.