선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구를 위해 연구지역인 강릉 지역은 산사태 분 석에 필요한 관련 자료로서 우선적으로 산사태 발생위치를 파악하기 위하여 강원도청에서 실시한 태풍 루사 피해조사 자료를 분석하였다. 또한 산사태 발생 이전의 2001년 12월 7일과 발생 이후의 2002년 12월 14일 아리랑1호 영상에서의 변화탐지를 실시하였다.
- 현재까지, 다층 퍼셉트론에서 최소의 전체 훈련 에 러를 얻기 위하여 상호 연결된 가중치를 조절하는 알 고리즘 중, 가장 많이 사용되는 알고리즘은 오류 역전파 알고리즘이다(Paola and Schowengerdt, 1995). 훈련의 목표는 신경망의 기대되는 출력값과 실제 출력값 사이에 전체 에러를 최소화하는 것이다. 오류 역전파 알고리즘은 일반화된 최소 평균 자승 LMS(Least Mean Square) 알고리즘이다.
가설 설정
- 이러한 그래프에서 X축 과 Y측을 1:1로 곱하면 그래프 하단의 면적을 구할 수 있다. 이 면적은 그래프가 완전한 사각형을 이루는 산사태 취약성도 상위 1%가 전체 산사태를 포힘하는 그래프를 가정하고, 각 경우의 그래프 하단의 면적 비율로 나타내었다. 즉 완전한 예측의 경우가 100%로 가정하고, 12개의 각각의 경우를 그래프 하단의 면적 으로 계산하여 보다 정량적인 비교가 가능하게 하였다(Table 1).
제안 방법
- 곡률도의 경우, 0을 기준으로 음의 값으 로 갈수록 경사면의 형태가 오목한 것을 나타내며, 양 의 값으로 갈수록 경사면의 형태가 볼록한 것을, 0은 경사면의 형태가 평탄한 것을 나타낸다. 1:5,000 수치 지형도 수계만을 추출하여 수계도를 작성하였다. 수계 도는 연구지역에서의 수계의 분포를 나타낸다.
- 본 연구에서는 연구지역인 강원도 사천면 사기막리 지역에 대한 산사태 발생 이전과 이후에 촬영된 KOMSAT 위성영상을 사용하여 변화탐지를 실시하여 산사태 발생 위치를 우선적으로 파악하였으며, 현장에서 GPS를 이용하여 발생위치를 확인한 후, 데이터베 이스로 구축하였다. 그리고 GIS 프로그램을 활용하여 산사태 지역의 1: 5,000 정밀 지형도, 1:25,000 정밀 토양도, 1:25,000 임상도, 1:250, 000 지질도를 ARC/ INFO 커버리지 형태의 공간데이터베이스로 구축하였다. 토지피복도는 Landsat TM(200년 5월 8일) 영상 을 이용하여 작성하였으며, 선구조는 IRS 위성 영상에서 추출하였다.
- 여기서 Paola와 Schowengerdt(1995)에 의하면 트레이닝 샘플은 개수보다는 대표하는 지역을 잘 선택 하는 것이 중요하다고 하였다. 그리고 무작위 샘플이 특성을 잘 대표하는지 알아보기 위해 훈련지역을 200 개씩 10번 무작위 추출을 하여 분석하였다. 이들 위치에 해당하는 16개의 요인에 대해 입력 자료를 추출하였다.
- 본 연구에서는 사기막리 지역에서 산사태 위치자료를 인공신경망에 활용하여 구한 가중치를 우선적으로 사기막리 지역 자료에 적용하여 산사태 취약성을 분석 하였으며, 사기막리 지역의 가중치를 삼교리 지역에 교 차 적용하여 삼교리 지역의 산사태 취약성을 분석하였다. 그리고 삼교리 지역에서 구한 가중치를 역시 삼교 리 지역에 적용하고, 사기막리 지역에 교차 적용하였다. 이러한 가중치의 교차 적용에 전제 조건은 가중치 를 구한 지역과 가중치를 적용하고자 하는 지역의 데 이터베이스의 구축이 같은 형식으로 구성되어야 한다는 것이다.
- 지형은 토양이 분포한 지역의 지형에 의해 분 류된 것이며, 토질은 토양입자크기에 의하여, 모재는 토양이 어떤 암상으로부터 형성되었는가를, 배수는 물 의 배수정도를, 유효토심은 토양의 유효두께를 각각 나타낸다. 또한 1:25,000 임상도로부터 임상 종류도, 임 상 경급도, 임상 영급도, 임상밀도도 등을 구축하였다. 임상종류도는 나무의 종류를 나타내며, 임상 경급도는 나무의 지름을, 임상 영급도는 나무의 수령을, 임상 밀 도도는 나무의 밀도를 각각 나타낸다.
- 본 연구를 위해 연구지역인 강릉 지역은 산사태 분 석에 필요한 관련 자료로서 우선적으로 산사태 발생위치를 파악하기 위하여 강원도청에서 실시한 태풍 루사 피해조사 자료를 분석하였다. 또한 산사태 발생 이전의 2001년 12월 7일과 발생 이후의 2002년 12월 14일 아리랑1호 영상에서의 변화탐지를 실시하였다. 변화탐 지 영상의 생성을 위한 간단한 방법에는 밴드 비율(Band Ratio), 주성분 분석(Principal Components Analysis), 적색/녹색 차이 영상(Red Green DifferenceImage) 등의 방법이 있으며, 본 연구에서는 이러한 적 색/녹색 차이 영상을 사용하였다.
- 이러한 가중치의 교차 적용에 전제 조건은 가중치 를 구한 지역과 가중치를 적용하고자 하는 지역의 데 이터베이스의 구축이 같은 형식으로 구성되어야 한다는 것이다. 또한 인공신경망을 적용할 때 위의 각각의 경우에 훈련지역을 3가지 경우로 설정하여 총 12개의 취약성도를 작성하였다. 이러한 3가지 훈련지역 설정 은 첫 번째는 경사도가 0° 인 지역을 산사태가 발생하 지 않은 지역으로 설정하고, 실제 산사태가 발생한 지 역을 산사태가 발생한 지역으로 설정한 경우이고, 두 번째는 빈도비를 이용한 취약성도에서 산사태 발생 확 률이 낮은 지역을 산사태가 발생하지 않은 지역으로 설정하고, 실제 산사태가 발생한 지익을 산사태가 발생한 지역으로 설정한 경우이고, 세 번째는 빈도비를 이용한 취약성도에서 산사태 발생 확률이 낮은 지역을 산사태가 발생하지 않은 지역으로 설정하고, 또한 같은 취약성도에서 산사태 발생 확률 높은 지역을 산사 태가 발생한 지역으로 설정한 경우이다.
- 본 연구에서는 사기막리 지역에서 산사태 위치자료를 인공신경망에 활용하여 구한 가중치를 우선적으로 사기막리 지역 자료에 적용하여 산사태 취약성을 분석 하였으며, 사기막리 지역의 가중치를 삼교리 지역에 교 차 적용하여 삼교리 지역의 산사태 취약성을 분석하였다. 그리고 삼교리 지역에서 구한 가중치를 역시 삼교 리 지역에 적용하고, 사기막리 지역에 교차 적용하였다.
- 본 연구에서는 산사태 취약성 분석을 위해 연구지역 인 강원도 강릉시 일대에 대하여 산사태 발생 요인인 경사, 경사 방향, 곡률, 수계, 토질, 모재, 배수, 유효토 심, 임상, 경급, 영급, 밀도, 암상, 선구조, 토지이용도 등을 데이터베이스를 인공신경망 기법의 가중치를 적용하여 총 12개의 산사태 취약성도를 작성하고, 검증 을 실시하였다.
- 본 연구에서는 연구지역인 강원도 사천면 사기막리 지역에 대한 산사태 발생 이전과 이후에 촬영된 KOMSAT 위성영상을 사용하여 변화탐지를 실시하여 산사태 발생 위치를 우선적으로 파악하였으며, 현장에서 GPS를 이용하여 발생위치를 확인한 후, 데이터베 이스로 구축하였다. 그리고 GIS 프로그램을 활용하여 산사태 지역의 1: 5,000 정밀 지형도, 1:25,000 정밀 토양도, 1:25,000 임상도, 1:250, 000 지질도를 ARC/ INFO 커버리지 형태의 공간데이터베이스로 구축하였다.
- 취 약성도의 값들은 일종의 추정 (assessment)값에 해당되 는데, 예측(prediction)을 위해서는 검증과정 (validation)이 필요하다. 본 연구에서는 위의 12가지 경우에 대해 비곡선 아래의 면적을 계산하여 정량적으로 검증을 실시하였다. 이를 위해 취약성도에서 얻어진 취약성 지 수 값을 단위 면적당 산사태 발생 비율 값을 그래프로 작성하였다(Fig.
- 9까지의 값으로 변환 해준 다음 MATLAB으로 작성된 프로그램 된 역전파 알고리즘에 입력되었다. 본 프로그램은 Hines(1997)에 의해 개발된 프로그램의 입출력 부분을 수정하여 다시 작성하였다. 인공신경망의 구조는 16x36x2로 설정하여 가중치를 결정하였다.
- 산사태 취약성도 작성을 위해 위와 같은 12가지 경우에 대해 각각 분석을 실시하였다. 먼저 연구지역에 대해 훈련 지역으로도 무작위로 각각 200픽셀을 선정 하였다.
- 연구지역을 대상으로 한 공간 데이터베이스로는 지 형자료로서는 1:5,000 수치지형도를 GRID형 자료로 변환 후 내삽의 과정을 거쳐 수치표고모델(DEM)을 작 성하였다. 이렇게 작성된 수치표고모델로부터 경사도, 경사방향도, 곡률도를 작성하였으며, 경사도는 지형의 기울기를 나타내며, 경사방향도는 지형사면의 경사방향 을 나타낸다.
- 이러한 과정을 거쳐서 각각 구축된 데이터베이스는 5x5m 간격의 격자(ARC/INFO GRID 형태)로 변환한 후, MATLAB을 이용해 개발된 인공신 경망 프로그램에 입력되어, 인공신경망 오류 역전파 알고리즘(Back-propagation Algorithm)에 의한 훈련 (Tiaining>을 통해 산사태 발생 요인별 가중치를 구하였다. 이때 훈련지역을 산사태 분포 특성을 고려하여 3가지 경우로 설정하였고, 이 가중치를 같은 지역 및 다른 지역에 교차 적용하여 산사태 취약성도를 12개 작성하고, 산사태 위치와 비곡선(rate curve) 방법을 이용하여 작성된 취약성도를 정량적으로 검증하였다. 이것을 도식화한 연구 흐름도는 Fig.
- 토지피복도는 Landsat TM(200년 5월 8일) 영상 을 이용하여 작성하였으며, 선구조는 IRS 위성 영상에서 추출하였다. 이러한 과정을 거쳐서 각각 구축된 데이터베이스는 5x5m 간격의 격자(ARC/INFO GRID 형태)로 변환한 후, MATLAB을 이용해 개발된 인공신 경망 프로그램에 입력되어, 인공신경망 오류 역전파 알고리즘(Back-propagation Algorithm)에 의한 훈련 (Tiaining>을 통해 산사태 발생 요인별 가중치를 구하였다. 이때 훈련지역을 산사태 분포 특성을 고려하여 3가지 경우로 설정하였고, 이 가중치를 같은 지역 및 다른 지역에 교차 적용하여 산사태 취약성도를 12개 작성하고, 산사태 위치와 비곡선(rate curve) 방법을 이용하여 작성된 취약성도를 정량적으로 검증하였다.
- 이러한 변화 탐지에 의하여 산사태 발생 지역으로 추정되는 곳과 지적도에 의거하여 산사태 피해와 복구 공사가 있었던 지역을 중첩하여 확인 지역을 선정한 다음, GPS를 이용하여 산사태 위치를 정확히 파악하 였고, 이를 근거로 산사태 위치도를 작성하였다. 작성 결과 산사태 수는 강릉 사기막리 지역의 경우에는 456 개소이며, 삼교리 지역의 경우에는 148개소이다.
- 이렇게 계산된 산사태 취약성 지수값으로 강릉시 사 천면 사기막리와 주문진읍 삼교리지역에 대해 산사태 취약성도를 작성하였다.
- 연구지역을 대상으로 한 공간 데이터베이스로는 지 형자료로서는 1:5,000 수치지형도를 GRID형 자료로 변환 후 내삽의 과정을 거쳐 수치표고모델(DEM)을 작 성하였다. 이렇게 작성된 수치표고모델로부터 경사도, 경사방향도, 곡률도를 작성하였으며, 경사도는 지형의 기울기를 나타내며, 경사방향도는 지형사면의 경사방향 을 나타낸다. 곡률도의 경우, 0을 기준으로 음의 값으 로 갈수록 경사면의 형태가 오목한 것을 나타내며, 양 의 값으로 갈수록 경사면의 형태가 볼록한 것을, 0은 경사면의 형태가 평탄한 것을 나타낸다.
- 본 연구에서는 위의 12가지 경우에 대해 비곡선 아래의 면적을 계산하여 정량적으로 검증을 실시하였다. 이를 위해 취약성도에서 얻어진 취약성 지 수 값을 단위 면적당 산사태 발생 비율 값을 그래프로 작성하였다(Fig. 5). 이 그래프는 X축에는 산사태 취약 성에서 작성된 위험성이 높은 지역을 상위 퍼센트로부터 나열한 값이고 Y축은 산사태가 발생한 하위 퍼센트 값을 나타낸다.
- 인공신경망을 이용한 산사태 발생의 가중치를 구하고 이를 적용하여 산사태 발생 취약성도를 작성하였다. 취 약성도의 값들은 일종의 추정 (assessment)값에 해당되 는데, 예측(prediction)을 위해서는 검증과정 (validation)이 필요하다.
- 임상종류도는 나무의 종류를 나타내며, 임상 경급도는 나무의 지름을, 임상 영급도는 나무의 수령을, 임상 밀 도도는 나무의 밀도를 각각 나타낸다. 지질자료는 1:250, 000 지질도로부터 암상분포도를 구축하였으며, 기존의 지질도상의 단층자료와 Landsat TM 영상으로 부터 선구조를 육안판독을 통해 추출하여 선구조도와 토지피복도를 추출하였다.
- 수계 도는 연구지역에서의 수계의 분포를 나타낸다. 토양자 료로는 1:25,000 정밀토양도로부터 지형종류도, 토질 도, 토양 배수도, 토양 모재도, 유효토심도 등을 작성 하였다. 지형은 토양이 분포한 지역의 지형에 의해 분 류된 것이며, 토질은 토양입자크기에 의하여, 모재는 토양이 어떤 암상으로부터 형성되었는가를, 배수는 물 의 배수정도를, 유효토심은 토양의 유효두께를 각각 나타낸다.
- 그리고 GIS 프로그램을 활용하여 산사태 지역의 1: 5,000 정밀 지형도, 1:25,000 정밀 토양도, 1:25,000 임상도, 1:250, 000 지질도를 ARC/ INFO 커버리지 형태의 공간데이터베이스로 구축하였다. 토지피복도는 Landsat TM(200년 5월 8일) 영상 을 이용하여 작성하였으며, 선구조는 IRS 위성 영상에서 추출하였다. 이러한 과정을 거쳐서 각각 구축된 데이터베이스는 5x5m 간격의 격자(ARC/INFO GRID 형태)로 변환한 후, MATLAB을 이용해 개발된 인공신 경망 프로그램에 입력되어, 인공신경망 오류 역전파 알고리즘(Back-propagation Algorithm)에 의한 훈련 (Tiaining>을 통해 산사태 발생 요인별 가중치를 구하였다.
대상 데이터
- 태풍 루사에 의한 피해는 강원도 전역에 걸쳐 발생하였고, 특히 강릉, 동해, 양양, 삼척, 고성이 많은 피 해를 입은 지역으로 이중에서도 강릉은 규모나 물량 면에서 가장 큰 피해를 입었다. 본 연구에서는 이러한 강릉지역을 연구지역으로 선정하였고, 그 위치는 행정 구역상으로 강원도 강릉시 사천면 사기막리와 주문진 읍 삼교리에 해당한다. 지리 좌표 상으로는 사기막리지역의 경우는 동경 128°45'00"~128°50'00", 북위 37° 45'00')"~37°50'00”이고, 삼교리 지역의 경우는 동경 128"45'00"~128°47'50" 북위 37°52'50"~37°52'8。"에 해당하는 지역이다(Fig.
- 그리고 무작위 샘플이 특성을 잘 대표하는지 알아보기 위해 훈련지역을 200 개씩 10번 무작위 추출을 하여 분석하였다. 이들 위치에 해당하는 16개의 요인에 대해 입력 자료를 추출하였다. 각각의 주제도는 0.
- 인공신경망의 구조는 16x36x2로 설정하여 가중치를 결정하였다. 즉 16개의 입력 자료를 사용 하였으며 은닉층의 개수는 입력층의 2배를 하였다. 출 력층은 산사태 발생 지역과 발생하지 않은 지역으로나누었다.
이론/모형
- 또한 산사태 발생 이전의 2001년 12월 7일과 발생 이후의 2002년 12월 14일 아리랑1호 영상에서의 변화탐지를 실시하였다. 변화탐 지 영상의 생성을 위한 간단한 방법에는 밴드 비율(Band Ratio), 주성분 분석(Principal Components Analysis), 적색/녹색 차이 영상(Red Green DifferenceImage) 등의 방법이 있으며, 본 연구에서는 이러한 적 색/녹색 차이 영상을 사용하였다.
- 여기서 빈도비를 이용한 취약성도는 확률기법인 빈 노비를 이용한 작성된 산사태 취약성도를 말하며, 연구 지역에 대한 각 요인 및 산사태와의 관계를 분석한 결 과인 빈도비 값을 이용하였다(이명진 외, 2004). 빈도비는 각 요인의 등급별 산사태 발생 면적 비율을 각 요 인 등급이 전체 면적에서 차지하는 비율로 나눈 것으 로, 산사태 취약성도 작성을 위해 각 요인에 대해 이러한 빈도비 값을 준 다음, 이를 중첩 분석하여 산사태취약성 지수 (LIS: Landslide susceptibility index)를 구하였다.
성능/효과
- 검증결과 전체적으로 같은 지역에서 구한 가중치를 같은 지역에 적용한 결과가 교차 적용한 결과 보다 좋 게 나타났다. 삼교리 지역의 가중치를 삼교리 지역에 적용하였을 때가 가장 높은 면적 비율을 나타내었다(Case 1, 90.
- 그 결과 사기막리 지역에서 인공신경망을 이용하여 구한 산사태 가중치를 사기막리 지역에 적용한 취약성 도의 산사태 추정능력은 Case 1의 경우는 82.99%, Case 2의 경우는 81.75%, Case 3의 경우는 83.59%이다. 삼교리 지역에서 인공신경망을 이용하여 구한 산 사태 가중치를 삼교리 지역에 적용한 취약성도의 산사태 추정능력은 Case 4의 경우는 90.
- 00%). 그러나 교차 적용에서는 사기막리지역의 가중치를 삼교리 지역에 적용한 것이 좋은 결과를 나타낸 것으로 나타냈다(Case 7, 88.39%). 그러나 이 삼교리 지역의 각각의 가중치를 사기막리 지역 에 적용 하였을 때는 사기막리 지역의 가중치를 삼교 리 지역에 적용한 것보다 취약성도가 낮게 나왔다.
- 모든 자료의 공간해상도는 5x5 m으로 구성되었으며, 연구지역의 격자수는 사기막리 지역의 경우에는 행과 열이 1, 586x1, 209로 총 격지-수는 1, 917, 474이며, 삼교리 지역의 경우에는 행과 열이 505x768로 총 격자수는 387, 840)이다.
- 검증결과 전체적으로 같은 지역에서 구한 가중치를 같은 지역에 적용한 결과가 교차 적용한 결과 보다 좋 게 나타났다. 삼교리 지역의 가중치를 삼교리 지역에 적용하였을 때가 가장 높은 면적 비율을 나타내었다(Case 1, 90.00%). 그러나 교차 적용에서는 사기막리지역의 가중치를 삼교리 지역에 적용한 것이 좋은 결과를 나타낸 것으로 나타냈다(Case 7, 88.
- 훈련을 하려면 어떤 기준이 필요한데, 그 평가 기준에 의해 평가한 결과를 피드백하여 처리 기간의 가중치를 조절한다. 신경회로 망의 여러 기능 중 본 연구에 사용된 특징 추출 기능 은 신경회로망이 저장하고 있는 서로 다른 정보의 현 저한 특징을 신경망 자체가 통계적으로 추출해 낼 수 있다.
- 이러한 변화 탐지에 의하여 산사태 발생 지역으로 추정되는 곳과 지적도에 의거하여 산사태 피해와 복구 공사가 있었던 지역을 중첩하여 확인 지역을 선정한 다음, GPS를 이용하여 산사태 위치를 정확히 파악하 였고, 이를 근거로 산사태 위치도를 작성하였다. 작성 결과 산사태 수는 강릉 사기막리 지역의 경우에는 456 개소이며, 삼교리 지역의 경우에는 148개소이다.
- 훈련지역 설정과 관련해서는 대체적으로 산사태 발 생지역 및 경사가 0°인 지역으로 설정한 경우(Case 1, Case 4, Case 7, Case 10)가 같은 상황의 다른훈련지역 설정보다 정확도가 높게 나타났다. 이러한 취 약성도에 의한 추정능력 검증 결과와 인공신경망을 통하여 구해진 가중치를 고려해 보면 산사태에 대한 가 중치를 구하는 훈련 지역의 선정은 실제 산사태가 발생한 지역을 산사태 발생지역으로, 경사도가 0° 인 지 역을 산사태가 발생하지 않은 지역으로 선정하는 것이 가장 좋으며, 교차적용에서도 이 훈련지역을 적용한 취 약성도가 가장 효율적이라고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.