이 논문에서는 구성 자료의 지구통계학적 시뮬레이션을 위해 다중 자료 변환 기반 조건부 시뮬레이션 틀을 제안하였다. 우선 일반적인 통계 기법의 적용이 가능하도록 구성 자료에 로그비 변환을 적용하였다. 다음 변환들로는 최소/최대 자기상관 인자 변환과 지시자 변환을 순차적으로 적용하였다. 독립적인 새로운 변수의 생성을 위해 최소/최대 자기상관 인자 변환을 적용하였으며, 적용 결과 개별 변수들의 독립적인 시뮬레이션이 가능해진다. 그리고 다중 가우시안 확률 모델을 따르지 않는 변수들의 비모수적 조건부 누적 확률 분포 모델링을 위해 지시자 변환을 적용하였다. 최종적으로는 적용한 변환 방법들의 역순으로 역 변환을 적용하였다. 간석지 표층 퇴적물 성분 자료를 대상으로 제안 시뮬레이션 기법의 적용 가능성을 예시하였다. 모든 시뮬레이션 결과들은 구성 자료의 제한 조건을 만족하면서 샘플 자료의 통계 특성을 잘 반영하였다. 구성 자료의 다수의 시뮬레이션 결과들을 이용한 표층 퇴적물 분류를 통해 기존 크리깅에서는 얻을 수 없는 분류 결과의 확률론적 평가가 가능하였다. 따라서 제안 시뮬레이션 틀은 다양한 구성 자료의 지구통계학적 시뮬레이션에 효과적으로 이용될 수 있을 것으로 기대된다.

콘크리트 도로 하부의 이상대를 찾기 위해 전기비저항 탐사를 수행하였다. 콘크리트의 접지저항효과를 줄이기 위해 전기전도성이 좋은 매질과 평판 전극을 이용하였다. 전기비저항 탐사 결과를 분석하고 같은 장소에서 수행한 지하투과레이더 탐사, 충격응답기법, 다중채널 표면파 탐사 결과와 비교하였다. 전기비저항 탐사 결과는 함몰과 포장 구간에서 높은 비저항 분포를 보였으며, 지하투과레이더 탐사 결과는 보강으로 인한 형태를 보였다. 또한 충격응답기법과 전기비저항 탐사 결과의 비교를 통하여 보강 구간에서의 높은 동적강성도가 높은 비저항 분포의 원인임을 확인하였다. 동일한 장소에서 수행한 전기비저항 탐사와 다중채널 표면파 탐사 결과를 공동 크리깅한 결과, 지구통계학적 복합 해석이 각 지구물리 탐사결과에 대한 개별적인 분석보다 더 명확하게 이상대를 확인 할 수 있었다. 이 연구는 지구물리 탐사에 기초한 의사결정 과정에서 지구통계학을 이용한 복합 해석 결과의 활용 가능성을 제시한다.

다양한 형태의 공간 자료를 이용하는 응용 분야에서 이용가능한 자료간 해상도 차이를 반영하고, 원하는 타겟 해상도로의 변환은 매우 중요하다. 이 논문에서는 저해상도 비율 자료로부터 고해상도 범주형 주제도를 제작하기 위해 베리오그램 디컨볼루션과 블록 시뮬레이션을 이용하는 지구통계학적 다운스케일링 방법론을 제시하였다. 우선 블록 기반 베리오그램으로부터 점 기반 베리오그램 모델의 추정을 위해 반복 연산 기반 베리오그램 디컨볼루션 방법을 적용하였다. 그리고 영역-점 변환 크리깅과 추정된 점 기반 베리오그램 모델을 이용하는 직접 순차적 시뮬레이션을 적용하여 고해상도 비율 정보를 제작하였다. 최종적으로 최대 사후 확률 결정 규칙을 적용하여 대안적 고해상도 범주형 주제도를 제작하였다. 점 기반 자료 없이 저해상도 블록 비율자료만을 이용한 토지피복도 제작 사례 연구를 통해 제안 분석 과정을 예시하였다. 제안한 다운스케일링 기법의 적용을 통해 원 저해상도 블록 비율 자료값을 재생산하는 고해상도 비율 자료를 생성하였으며, 이로부터 기준 토지피복도의 전반적인 패턴을 반영하는 대안적 고해상도 토지피복도 제작이 가능함을 확인할 수 있었다. 이렇게 생성된 고해상도 자료들은 해상도 변환의 영향 분석에 유용한 입력 자료로 이용될 수 있을 것으로 생각된다.

블럭으로 주어지는 물리탐사 자료의 역산결과를 시추공 자료와 복합적으로 시뮬레이션하여 암반등급의 분류에 적용하였다. 물리탐사의 역산결과는 해석 대상에 대한 부가적 수준의 정보를 포함하게 되며, 전체 영역에 대한 정보를 제공한다. 반면, 시추공 자료는 해석 대상에 대한 직접적인 정보를 제공하지만, 그 정보의 공간적 범위가 매우 좁아 포인트 자료로써 이용된다. 블럭으로 주어지는 물리탐사 역산결과와 포인트로 주어지는 시추공 자료를 결합하여 크리깅이나 지구통계학적 시뮬레이션을 수행하기 위해서는, 포인트-포인트, 포인트-블럭, 블럭-포인트 간의 공분산 정보가 필요하다. 이 연구에서는 SGeMS에서 제공하는 Bssim 모듈을 이용하여, 역산 블럭과 시추공 포인트간의 복합적 시뮬레이션을 통해 공간적 특성이 다른 자료를 반영하는 다운스케일 된 결과를 얻었고, 이를 선행연구에서 적용한 지구통계학적 역산 결과와 비교하였다. 그 결과, 본 방법에 의한 다운스케일링 기법이 보다 확장가능하고 유연한 적용이 가능한 것으로 판단하였다.

지화학 자료는 환경 관리를 위한 중요한 환경 변수중 하나로 인식되어 왔다. 지화학 자료는 보통 공간적으로 산재되어 수집되기 때문에, 샘플링 되지 않은 지점에서의 속성값 예측과 더불어 부가적인 분석을 위해 예측에 수반되는 불확실성을 추정할 필요가 있다. 이 논문은 지시자 지구통계학이 지화학 자료의 공간적인 분포값의 제시뿐만 아니라 의사결정을 보조할 수 있는 정보를 제공하기 위해 유용하게 사용될 수 있는지를 예시하고자 한다. 카드뮴 자료의 추정사례 연구를 통해 확률론적 불확실성 모델링, 위험성 분석 등 지구통계학적 분석의 틀을 제시하였다. 지시자 크리깅을 통해 조건부 누적 분포 함수를 모델링한 후에, 기대값 추정치와 조건부 분산을 카드뮴의 추정값과 정량적 불확실성 추정을 위해 각각 계산하였다. 그리고 확률 임계치와 속성 임계치의 적용을 통해 오염/비오염 지역을 구분하였다. 또한 조건부 분산과 속성값과 임계치값의 차이를 모두 설명할 수 있는 변동 계수를 통해 추가적인 샘플링 지점을 추출하였다. 이 연구에서 적용한 지시자 지구통계학적 분석 틀은 불확실성을 고려한 의사 결정과 관련하여 지화학 자료를 포함한 환경 변수의 분석에 유용하게 사용될 수 있을 것으로 기대된다.

Weather is the most influential factor for crop cultivation. Weather information for cultivated areas is necessary for growth and production forecasting of agricultural crops. However, there are limitations in the meteorological observations in cultivated areas because weather equipment is not installed. This study tested methods of predicting the daily mean temperature in onion fields using geostatistical models. Three models were considered: inverse distance weight method, generalized additive model, and Bayesian spatial linear model. Data were collected from the AWS (automatic weather system), ASOS (automated synoptic observing system), and an agricultural weather station between 2013 and 2016. To evaluate the prediction performance, data from AWS and ASOS were used as the modeling data, and data from the agricultural weather station were used as the validation data. It was found that the Bayesian spatial linear regression performed better than other models. Consequently, high-resolution maps of the daily mean temperature of Jeonnam were generated using all observed weather information.

This paper generated time-series temperature maps and analyzed the characteristics of temperature distributions from monthly average temperature observations between 2010 and 2011 in Jirisan areas using topographic data and geostatistics. From variogram modeling, all months except May to August showed that the spatial variability of temperature was the greatest along the direction perpendicular to coasts. Monthly temperature has negative correlations with elevation and distances from coasts and especially the correlation between temperature and distances from coasts was very weak in summer like the variogram modeling result. For temperature distribution mapping, kriging with a trend and ordinary kriging were separately applied as a univariate kriging algorithm by considering the spatial variability structures of temperature. Simple kriging with varying local means was applied as a multivariate kriging algorithm for integrating topographic data sets. From the cross validation results, the use of topographic data in spatial prediction of temperature showed the improved predictive performance, compared with univariate kriging. This improvement in predictive performance was dependent mainly on mean and variation values of monthly temperature and the spatial auto-correlation strength of residuals, as well as the correlation between topographic data and temperature. Based on these analysis results, spatial variability analysis using variogram is effectively used to account for spatial characteristics of monthly temperature and the correlation with topographic data. Topographic data can also be a useful information source for reliable temperature mapping.