Raster Analysis

Overview #

같은 건물 도형도 격자가 거칠어지면 한 셀 안의 작은 공터와 작은 건물이 섞인다. 먼저 위의 실제 건물 지도를 보고, 5·10·25·50 m 셀에서 면적 비율의 분포가 어떻게 달라지는지 비교한다.

Concept #

셀 값은 전체 건물 도형의 합집합과 셀의 교집합 면적을 셀 면적으로 나눈 값이다. 경계에서 중심 포함 여부만 정하는 0/1 래스터와 달리 부분 면적을 보존한다. 분모에는 공터도 들어간다. 원본의 중복·겹침은 Shapely 합집합으로 한 번만 세므로 건폐율은 0–1에 놓인다.

계산 영역은 선택 건물 중심 주변 1,200 m 정사각형이며, 격자 원점을 해상도의 정수배에 맞춘다. 같은 범위의 원 벡터를 다시 나누는 재집계와 기존 50 m 셀을 읽는 리샘플링을 구별한다. 최근접은 한 값을 복사하고 이중선형은 네 중심값의 거리 가중 평균을 쓴다.

Hands-on #

적용 범위: 이 패치의 경계 밖 건물은 계산하지 않는다. 중첩 도형을 합집합으로 합친 뒤 실제 교집합 면적을 계산한다. 리샘플링은 원 자료의 공간 정확도를 높이지 않는다.

Summary #

• 해상도는 공간 단위이고 리샘플링은 이미 측정한 값의 읽기 규칙이다. 같은 면적 합을 유지하면서도 국지 최댓값과 경계가 바뀔 수 있다.
• 원 벡터를 셀과 교차해 부분 면적을 보존한다.
• 최근접·이중선형은 기존 관측을 읽는 다른 규칙이다.

Notation #

References #

• GDAL / gdal_rasterize: -at, -tr, -tap
• GDAL / gdalwarp: -r
• 근거 장부: 원문 위치와 계산 정의

Overview #

같은 지표도 어떤 근거로 가중치를 정하는지에 따라 우선순위가 달라진다. Fire 2026의 전문가 AHP와 관측 자료의 SHAP 중요도를, 실제 공개 건물로 계산 가능한 두 지표에만 적용한다.

Concept #

논문은 전문가 62명의 AHP로 7개 전역 가중치를 만들고, 별도 화재 표본에서 XGBoost의 평균 절대 SHAP를 정규화해 비교했다. 게재본의 AHP는 p.10 Table 4, SHAP 비교는 p.15 Table 6이다. 기존 연구 소개 장부의 표 3·5 표기는 최종 게재본과 다르다.

여기서는 250 m 격자의 건물 합집합 면적/격자 면적을 0.8로 나눠 1에서 자른 밀도값과, 승인연도가 알려진 건물 중 기준연도에 30년 이상 된 비율을 쓴다. 승인연도 미상은 분모에서 제외하고 셀별 미상 수를 보고한다. 논문은 밀도·노후를 블록에서 구하고, 노후 비율 0을 경과연수로 대체한 뒤 건물별 지표 점수를 250 m 셀에서 평균했다. 이 화면은 합집합 건폐율과 노후 비율을 격자에서 직접 다시 구한 다른 계산이다.

자료 없는 다섯 지표에는 0을 채우지 않는다. 유효 가중치의 합으로 두 지표를 재정규화하며, 원래 일곱 지표의 점수와 확률로 해석할 수 없다. SHAP의 절댓값은 기여 크기를 나타내므로 그 가중치만으로 인과 방향을 정할 수 없다.

Hands-on #

적용 범위: 두 지표의 부분점수는 논문의 7지표 지도와 다르다. 자료 누락은 안전함을 뜻하지 않는다. 결과는 예측·진단·시설 배치 권고가 아니다.

Summary #

• 가중치 비교는 지표 정의·결측 처리·정규화를 함께 고정해야 해석할 수 있다. 원문 가중치와 이 화면에서 다시 정규화한 두 가중치를 구별한다.
• 자료 없음과 점수 0을 구별하고 유효 가중치 합을 보고한다.
• 2026년 노후 비율은 0이며 미래연도는 고정 집합의 민감도 시나리오다.

Notation #

References #

• Fire 2026, 9, 462 / §2.3.1; Table 4; Table 6; §4.4
• 근거 장부: 원문 위치와 계산 정의

Overview #

점의 값이 사이 공간에서도 비슷하다고 가정하면 연속면을 만들 수 있다. 녹산 공개본의 건물 높이(m)에서 공간적으로 흩어진 48개를 고정 추출하고 IDW와 보통 크리깅을 비교한다.

Concept #

IDW는 거리의 거듭제곱 역수로 가중한다. 지수가 커지면 가까운 건물의 영향이 커지고 표본 주위의 국지 봉우리가 두드러진다. 이 방법은 관측점의 값을 재현하지만 관측점 사이의 모형 적합성을 스스로 평가하지 않으므로 한 점씩 제외한 교차 검증을 곁들인다.

실험 반변량은 거리 구간에 든 두 높이 차이의 제곱을 반으로 나눠 평균한 값이다. 크리깅은 평균이 국지적으로 일정하고 공간 공분산이 거리로 정해진다는 모형에서 가중치 합을 1로 제한한다. 여기서는 지수형 C(h)=0.95s² exp(−3h/a), 대각선 nugget=0.05s²를 쓰며 a는 상관이 약해지는 실용 범위다. 분산 s²는 표본에서 구하며, 5% nugget과 범위 선택지는 학습을 위해 지정한 값으로 자료에 최적 적합한 모형이 아니다.

모형 범위를 바꿀 때 실험 반변량, 크리깅면, 교차 검증 MAE·RMSE·편향을 함께 본다. 검증에서는 제외한 건물의 높이를 분산 추정에도 쓰지 않고 훈련 집합으로 공분산을 다시 만든다. 관측점이 가까운 LOOCV는 먼 지역에 대한 검증보다 낙관적일 수 있다.

Hands-on #

적용 범위: 건물 높이 속성의 보간면은 지표 고도나 실제 연속 지형이 아니다. 미관측 공간에 건물이 있다고 추정하지 않는다. 크리깅 오차는 목표점 nugget을 포함하며 선택한 정상성·공분산 가정에 조건부이고 공간적으로 떨어진 외부 검증을 대신하지 않는다.

Summary #

• 면의 매끈함과 검증 오차는 다른 관찰이다. 실제 점·표본 방식·거리 단위·변동도 가정과 오차를 함께 보고 보간 결과를 해석한다.
• IDW의 지수와 크리깅의 공분산은 서로 다른 가정이다.
• 실험 반변량·조건부 오차와 표본 제외 교차 검증을 함께 읽는다.

Notation #

References #

• ArcGIS / IDW: power
• ArcGIS / semivariogram: range, sill, nugget
• PyKrige / ordinary kriging: model parameters
• 근거 장부: 원문 위치와 계산 정의

Overview #

부산 녹산 주변의 실제 Copernicus 지표면모델에서 경사와 방향을 구하고, 조명을 바꾸거나 관측점을 옮겨 지형 차폐를 살핀다. 원본 1초각 자료를 30 m 평면 격자로 옮겼으며 고도와 수평거리를 모두 m로 계산한다.

Concept #

Horn은 3×3 창에서 양옆과 대각선 높이를 1:2:1로 가중해 동서·남북 도함수를 구한다. 경사는 두 도함수의 크기에 arctan을 취한 각도이며 향은 가장 빠르게 낮아지는 방위다. 북쪽을 위로 둔 행 배열과 좌표의 북쪽 증가 방향을 구별해야 부호가 맞는다.

음영기복은 높이 자체가 아니라 표면 법선과 가정한 빛 방향의 관계다. 같은 경사도 조명 방위와 고도를 바꾸면 밝기가 달라진다. 평탄 셀의 향은 미정으로 두고 원본 결측과 외곽의 3×3 이웃 부족도 유효한 값과 구별한다.

가시권은 관측자 높이를 지표값에 더한 뒤 목표 셀까지의 선분이 중간 표면보다 높은지 검사한다. 이 자료는 나무와 건물이 섞일 수 있는 DSM이다. 지형만 있는 DEM과 같은 의미로 쓰거나 30 m 셀보다 작은 차폐물을 판정하지 않는다.

Hands-on #

적용 범위: DSM은 지표·식생·구조물이 함께 포함된 표면이며 측량용 지형을 대신하지 않는다. 이 가시권은 평면 직선·목표높이 0 m를 사용하고 지구곡률·대기굴절을 생략한다. 해상도·차폐물·자료 결측에 따라 가시 판정이 달라질 수 있다.

Summary #

• 경사·향은 표면의 국지 변화, 음영은 조명 조건, 가시권은 관측점과 차폐의 관계다. 같은 자료에서도 질문과 가정에 따라 서로 다른 결과를 얻는다.
• 경사·향과 조명 밝기를 구별한다.
• 가시권은 관측자·목표 높이와 표면 해상도에 조건부다.

Notation #

References #

• Horn (1981), Hill Shading and the Reflectance Map, printed p.18 §X
• GDAL / slope, aspect, hillshade
• DEM source and licence ledger
• 근거 장부: 원문 위치와 계산 정의