지리적으로 분산되어 있는 미 관측 지점의 값을 추정하기 위한 다양한 공간 보간 방법이 존재한다. 그리고 각각은 해당 알고리즘적 특성, 지리적 특성, 보간 하고자 하는 자료적 특성 등과 같은 다양한 매개변수로 구성된다. 이러한 공간 보간 방법은 대상 지역의 모든 관측 지점을 단일 연속 함수로 표현하는 전역적(global) 방법과 대상 지역을 구획으로 분할하여 추정 함수를 산출하는 국지적(local) 보간 방법으로 크게 구분된다. 그 중 전역적 보간 방법에는 역거리가중법(IDW; Inverse Distance Weighting), 다항회귀법(Polynomial regression), 이동평균법(Moving average) 등이 있고 국지적 보간 방법에는 최인접법(Nearest neighbor), 삼각법(Triangulated Irregular Network), 크리깅법(Kriging), 스플라인법(Spline) 등이 있다. 본 연구는 일반적으로 널리 사용되는 IDW법에서 사용하는 거리뿐만 아니라 미 관측 지점과 관측 지점 사이에 존재하는 장애물(barrier)을 추적적인 가중치로 이용하는 방법을 통해 IDW가 갖는 추정 값의 오차와 시각적 인공감(artificial feeling)을 제거하는 방법을 제시한다. 미 관측 지점에 대한 추정 값 검증을 위해서는 일반적인 IDW법과 평균제곱근오차(Root Mean Square Error; RMSE)를 계산하여 그 정확도 평가 하였다. 자료의 추정을 위한 입력 자료는 기상청 방재기상관측자료와 종관기상관측자료를 이용하였고, 검증을 위해서는 농진청 농업기상관측 자료를 이용하였다. 사용된 자료의 기간은 2010년부터 2019년까지의 각 월의 1일 자료를 이용하였다. 그 결과는 아래의 제시된 바와 같다. 본 연구 결과 정확도의 향상은 비교적 크지 않은 것으로 나타났다. 이는 실제로 장애물이 값의 공간적 분포에 큰 영향을 주지 않는 다는 것일 수도 있지만, 본 연구에서 장애물의 가중치를 결정하는 방법이 최적화 되지 않은 이유도 있을 것으로 추측한다. 추정 값 외에도 공간적 분포 값의 인공감도 많이 줄어든 것으로 보인다. 본 연구에 제시된 알고리즘을 보다 개선하여 추정 값의 정확도를 향상하고 인공감을 줄이기 위해 지속 연구를 진행할 계획이다.