공동크리깅 (Cokriging)
한 줄 정의: 공동크리깅은 예측하려는 주 변수와 상관관계가 있는 보조 변수의 정보를 함께 활용하여 예측 정확도를 높이는 다변량 크리깅 기법입니다.
쉽게 풀면
예측하고 싶은 변수의 관측치가 적을 때, 그 변수와 관련이 깊은 다른 변수의 자료가 풍부하다면 이를 함께 이용할 수 있습니다. 공동크리깅은 바로 이런 상황에서, 예를 들어 토양 수분 측정치는 적지만 위성으로 관측한 식생 지수 자료는 풍부할 때, 두 변수의 상관관계를 이용해 더 정확한 예측을 만드는 방법입니다. 마치 친구의 정확한 키를 모를 때, 몸무게처럼 관련 있는 다른 정보를 함께 참고해 키를 더 잘 추정하는 것과 비슷합니다.
왜 중요한가
현장 조사 비용이 크거나 접근이 어려운 변수를 다룰 때, 상대적으로 얻기 쉬운 보조 변수를 활용하면 관측 비용을 줄이면서도 예측 정확도를 높일 수 있습니다. 이 때문에 지도학, 토양학, 환경 모니터링 분야의 논문에서 자료가 부족한 변수를 다룰 때 자주 채택됩니다.
논문에서는 이렇게 쓰입니다
"토양 유기물 함량과 상관관계가 높은 정규화식생지수를 보조 변수로 활용한 공동크리깅을 통해 예측 정확도를 개선하였다."
관측이 어려운 변수를 예측할 때 관련성이 높은 보조 자료를 함께 사용했다는 의미입니다.
"단일변수 크리깅과 비교했을 때 공동크리깅은 관측점이 부족한 지역에서도 안정적인 예측 성능을 보였다."
자료가 부족한 상황에서 공동크리깅의 이점을 확인한 결과입니다.
조금 더 깊게 보면
공동크리깅은 주 변수와 보조 변수 각각의 세미베리오그램뿐 아니라 두 변수 간의 상호 공분산 구조(교차 세미베리오그램)까지 함께 모델링합니다. 이를 통해 보조 변수가 가진 공간 정보를 예측에 반영할 수 있으나, 계산 과정이 단일변수 크리깅보다 복잡합니다.
주의할 점
주 변수와 보조 변수 사이에 실질적인 상관관계가 없다면 공동크리깅의 이점이 크지 않으며, 오히려 모델이 복잡해져 해석이 어려워질 수 있습니다.