이 모듈은 Faunalia 의 파올로 카발리니(Paolo Cavallini)가 제공해주었습니다.
주석
이 강의에서는 서로 다른 백엔드 도구들을 통한 서로 다른 보간 계산법을 배울 것입니다.
이 강의를 위한 프로젝트는 남북 방향의 강수량 그래디언트를 보여줍니다. 모두 동일하게 points.shp 의 RAIN 파라미터에 기반한 서로 다른 보간 법들을 사용해봅시다.
경고
모든 분석에 대해 셀 크기를 500 으로 설정하십시오.
GDAL ‣ Grid (Inverse Distance to a power) [제곱 지수: 4]
GDAL ‣ Grid (Moving average) [Radius1 및 Radius2: 50000]
그리고 각 방법들의 차이를 계산해서 포인트까지의 거리와의 상관관계를 알아보십시오.
GRASS ‣ r.series [Propagate NULLs 선택 해제, 집계(aggregate) 작업 : stddev]
points.shp 레이어에 대해 GRASS ‣ v.to.rast.value 를 실행하십시오.
GRASS ‣ r.covar 작업으로 상관관계 매트릭스를 작성합니다. 그 다음 http://vassarstats.net/rsig.html 등에서 상관관계의 중요도를 확인하십시오.
즉, 포인트에서 멀리 떨어질수록 보간의 정확도는 떨어집니다.
stddev 래스터에서 등고선을 [간격(step)은 언제나 10] 추출하는 다양한 방법이 있습니다.
SAGA ‣ Contour lines from grid [주의 : shp 산출물이 유효하지 않은 알려진 버그가 있습니다.]