KCI등재
미세먼지(PM<sub>10</sub>) 오염농도와 토지피복간의 상관성 분석을 통한 GWR 모델의 적합성 평가 = A Study on the Conformity Assessment of GWR Model through Analyzing the Correlation between Fine Particles(PM<sub>10</sub>) Concentration and Land-cover
저자
발행기관
학술지명
권호사항
발행연도
2019
작성언어
-주제어
등재정보
KCI등재
자료형태
학술저널
수록면
73-84(12쪽)
DOI식별코드
제공처
본 연구는 미세먼지(PM<sub>10</sub>) 오염농도와 토지피복간의 상관성 분석을 통해 GWR(Geographically Weighted Regression) 모델의 적합성 평가를 실시하였다. 특히, 미세먼지 특성상 공간 자기상관성이 있다고 판단되어 동일한 회귀 분석 모형에 일반최소자승법과 지리가중회귀분석 모델을 적용하여 결과를 비교하였다. 연구결과, 두 회귀분석 모델의 결과를 비교했을 때 지리가중회귀분석 모델의 결정계수 값이 높아 모형 설명력이 더 높은 것으로 나타났다. 또한 AICc(Akaike Information Criterion correction) 계수는 일반최소자승법보다 지리가중회귀분석에서 더 낮은 값을 보여 지리가중회귀분석을 통한 모델의 개선이 이루어졌다고 판단된다. Moran 지수를 이용하여 두 모델의 표준잔차에 대한 공간 자기상관성을 비교 분석한 결과, 일반최소자승법의 표준잔차에서는 정적 상관관계가 나타나 공간 자기상관성이 뚜렷하게 나타났지만, 지리가중회귀분석의 표준잔차에서는 무작위 패턴이 나타나 공간자기상관성을 모두 통제한 것으로 나타났다. 본 연구는 미세먼지 관련 연구에 있어 지리가중회귀분석의 적합성을 밝히고, 분석을 통해 얻어진 결과로 미세먼지 관련 연구에 기초데이터를 제공함으로써 국내 미세먼지 오염농도 저감에 기여하고자 하였다.
더보기This study was conducted to evaluate the suitability of the GWR model for the correlation analysis between fine particles(PM10) pollution concentration and land-cover. Especially, it was judged that there is spatial autocorrelation due to the characteristics of fine particles, and the results are compared by applying the ordinary least squares method and the geographically weighted regression analysis model to the same regression analysis model. As a result of the study, comparison of two regression analysis the geographically weighted regression model shows higher explanatory power. The Akaike information criterion correction(AICc) coefficient was also lower in the geographically weighted regression analysis than the ordinary least squares method. Therefore, it is considered that the model was improved through the geographically weighted regression analysis. The Moran index was used to compare the spatial autocorrelation of the standard residuals of the two models. In the standard residual of ordinary least squares method, static correlation appeared and spatial autocorrelation appeared. However, in the standard residuals of the geographically weighted regression analysis, random patterns appeared to control all spatial autocorrelation. This study showed that the suitability of geographically weighted regression analysis in the study of fine particles. As a result of the analysis, it was aimed to contribute to the reduction of the fine particles pollution concentration in Korea by providing basic data for the study of fine particles.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)