[2022 공간빅데이터 경진대회] 4-1. 침수예상구역 분석

Bob Park·2022년 9월 29일

QGIS geometry python region analysis spatial analysis 공간빅데이터 지역분석 침수예상구역

[프로젝트] 2022 공간빅데이터 경진대회

목록 보기

10/17

이번 글은

침수예상도 데이터에 대한 통계와 공간적 분포를 확인해본다.
코드 파일 첨부(github)

분석 요약

침수예상구역(이하 '구역')의 면적(area)과 둘레(perimeter)는 왼쪽으로 치우친 분포(left-skewed)이며, 면적의 첨도(kurtosis)가 높다.
구역의 level 별 개수는 3과 2가 압도적으로 많고, 면적 합계는 2가 압도적으로 많다.
- 구역별 평균 면적은 level 1,2가 많고 점점 감소하는 편이다(단, level 4 > level 3).
구역의 지역별 분포를 보면 특정 지역(강남, 강서, 마포 등)에 집중되어 있다.
- 개수로는 '강남 > 동작 > 구로 > 서초 > 양천 > 종로 등' 순이다.
- 면적 합계로는 '강남 > 강서 > 마포 > 종로 > 서초 > 중구 등' 순이다.
분석에 있어 구역의 개수 보다는 구역의 면적이 더 큰 영향을 줄 것으로 예상된다.
집중 지역을 탐색해본 결과, 특정 도로나 지하철역 인근으로 수심이 깊거나 넓은 구역이 형성된 경우가 많다.

DB 연결

import psycopg2

conn = psycopg2.connect(
  'host=localhost port=5432 dbname=postgres user=postgres password=postgres',
  options='-c search_path=sbd'
)
conn.set_session(autocommit=True)
cur = conn.cursor()

기초통계량

import pandas as pd

cur.execute(
  f'''
  select
    zone_id,
    level,
    level_description,
    public.st_area(geometry) area,
    public.st_perimeter(geometry) perimeter
  from expected_flooding_zone
  '''
)
ef_zone = pd.DataFrame(
  cur.fetchall(),
  columns=[
    col[0]
    for col
    in cur.description
  ]
)

ef_zone.describe(include='all')
area(구역 면적)

최소값은 0.01㎡보다 작고 최대값은 81만㎡가 넘어 차이가 매우 크다.

평균은 7,860㎡인데, 중위값은 443㎡으로 차이가 매우 크다. 극대값으로 인해 평균이 크게 상승한 것 같다.

perimeter(구역 둘레)

최소값은 0.3m이고 최대값은 27km여서 차이가 매우 크다.

평균은 310m인데, 중위값은 92m로 평균이 중위값보다 확연히 크다. 극대값으로 인해 평균이 상승한 것 같다.

import matplotlib.pyplot as plt

fig, axs = plt.subplots(1, 2, figsize=(8, 6))
axs[0].hist(ef_zone[ef_zone.area <= 2004].area)
axs[1].hist(ef_zone[ef_zone.perimeter <= 227].perimeter)
plt.show()
area와 perimeter의 3분위수(3-quantile) 미만의 히스토그램을 보면, 두 변수 모두 0에 쏠려있다(left-skewed). = 왜도(skewness)가 양의 값을 가진다.

상대적으로 area의 쏠림이 더 심하다. = 첨도(kurtosis)가 더 크다.

level 단위 통계

import pandas as pd

cur.execute(
  f'''
  select
    level,
    count(*) count,
    sum(public.st_area(geometry)) area
  from expected_flooding_zone
  group by level
  order by level
  '''
)
ef_zone = pd.DataFrame(
  cur.fetchall(),
  columns=[
    col[0]
    for col
    in cur.description
  ]
)

ef_zone

level 별 개수

import matplotlib.pyplot as plt

plt.bar(
  ef_zone['level'],
  ef_zone['count']
)
plt.xlabel('level')
plt.ylabel('count')
plt.show()

level 개수 합계는 3과 2가 압도적으로 많다.

level 별 면적 합계

plt.bar(
  ef_zone['level'],
  ef_zone['area']
)
plt.xlabel('level')
plt.ylabel('area')
plt.show()

level 면적 합계는 2가 압도적으로 많다.

level 별 면적 평균

plt.bar(
  ef_zone['level'],
  ef_zone['area'] / ef_zone['count']
)
plt.xlabel('level')
plt.ylabel('area')
plt.show()
level 면적 평균값은 1 > 2 > ... 순으로 가장 크다.

level 3보다 4가 평균 면적이 높은 것이 특징이다.

공간적 분포 확인

특정 지역에 집중되어 분포한다.

한강과 하천 보다는 산지와 연관되어 보인다.

지역(자치구)별 통계

지역별 구역 개수※ label: 구역개수(level 최솟값~level 최댓값)

집중 지역 : 강남-서초-동작, 구로-양천-강서, 종로-서대문

송파구에는 하나도 없는데 붙어있는 강남구가 제일 많다는 점이 흥미롭다.

level이 7,8인 높은 수준의 침수예상구역도 대체로 집중 지역에 해당된다.