[국내논문]정준상관 기반의 수량화분석에 의한 산사태 취약성 평가기법 제안 Suggestion of an Evaluation Chart for Landslide Susceptibility using a Quantification Analysis based on Canonical Correlation원문보기
최근 다양하게 제시되고 있는 확률론적 방법에 의한 산사태 예측기법의 경우 전문적 지식을 기반으로 조사 및 분석이 이루어질 경우에만 분석결과의 신뢰성을 확보할 수 있다. 그러나 재해 발생상황에서는 통계분석을 통한 산사태 예측의 전문가뿐만 아니라 공무원, 지질공학자 등 통계적 전문지식을 갖지 않은 재해분야 담당자도 신뢰성 있고 간편한 방법으로 산사태 취약성을 해석할 수 있어야 한다. 따라서 본 논문은 전문가는 물론 비전문가도 쉽게 의미를 이해하고 활용할 수 있으면서도 정확한 분석을 통한 통계적 접근으로 신뢰성 높은 산사태 취약성 평가표를 개발하여 제안하고자 하였다. 이를 위해 기존에 국내에서 산사태가 집중적으로 발생한 지역의 지질, 지형, 토질자료를 토대로 산사태 정준상관분석을 통한 수량화 기법을 이용하여 산사태 취약성 평가표를 개발하였다. 산사태의 현장자료와 실내시험자료를 바탕으로 통계분석을 실시하고, 그 결과를 토대로 영향인자 선정 및 인자별 급간 값을 설정한 것이다. 수량화 분석결과 산사태를 발생시키는 여러 인자 중 사면경사가 가장 큰 중요도를 가지며, 고도, 투수계수, 간극율, 암질, 건조밀도의 순서로 큰 영향을 미치는 것으로 나타났다. 각 평가항목별로 결정된 점수를 기준으로 평가항목 각각의 세부등급에 대한 점수를 할당하여 산사태재해 취약성 평가표를 개발하였다. 산사태재해 취약성 평가표를 이용하여 평가자는 평가대상 지점에 대해 각 평가항목별 해당 속성, 즉 세부등급을 선택하고, 선택된 각 속성별 평가점수를 더하면 산사태 취약성을 점수로 신속하게 파악할 수 있다. 또한, 이 결과를 토대로 GIS 기법을 이용한 산사태 예측지도 또는 취약성지도 등을 작성하여 활용할 수 있다.
최근 다양하게 제시되고 있는 확률론적 방법에 의한 산사태 예측기법의 경우 전문적 지식을 기반으로 조사 및 분석이 이루어질 경우에만 분석결과의 신뢰성을 확보할 수 있다. 그러나 재해 발생상황에서는 통계분석을 통한 산사태 예측의 전문가뿐만 아니라 공무원, 지질공학자 등 통계적 전문지식을 갖지 않은 재해분야 담당자도 신뢰성 있고 간편한 방법으로 산사태 취약성을 해석할 수 있어야 한다. 따라서 본 논문은 전문가는 물론 비전문가도 쉽게 의미를 이해하고 활용할 수 있으면서도 정확한 분석을 통한 통계적 접근으로 신뢰성 높은 산사태 취약성 평가표를 개발하여 제안하고자 하였다. 이를 위해 기존에 국내에서 산사태가 집중적으로 발생한 지역의 지질, 지형, 토질자료를 토대로 산사태 정준상관분석을 통한 수량화 기법을 이용하여 산사태 취약성 평가표를 개발하였다. 산사태의 현장자료와 실내시험자료를 바탕으로 통계분석을 실시하고, 그 결과를 토대로 영향인자 선정 및 인자별 급간 값을 설정한 것이다. 수량화 분석결과 산사태를 발생시키는 여러 인자 중 사면경사가 가장 큰 중요도를 가지며, 고도, 투수계수, 간극율, 암질, 건조밀도의 순서로 큰 영향을 미치는 것으로 나타났다. 각 평가항목별로 결정된 점수를 기준으로 평가항목 각각의 세부등급에 대한 점수를 할당하여 산사태재해 취약성 평가표를 개발하였다. 산사태재해 취약성 평가표를 이용하여 평가자는 평가대상 지점에 대해 각 평가항목별 해당 속성, 즉 세부등급을 선택하고, 선택된 각 속성별 평가점수를 더하면 산사태 취약성을 점수로 신속하게 파악할 수 있다. 또한, 이 결과를 토대로 GIS 기법을 이용한 산사태 예측지도 또는 취약성지도 등을 작성하여 활용할 수 있다.
Probabilistic prediction methods of landslides which have been developed in recent can be reliable with premise of detailed survey and analysis based on deep and special knowledge. However, landslide susceptibility should also be analyzed with some reliable and simple methods by various people such ...
Probabilistic prediction methods of landslides which have been developed in recent can be reliable with premise of detailed survey and analysis based on deep and special knowledge. However, landslide susceptibility should also be analyzed with some reliable and simple methods by various people such as government officials and engineering geologists who do not have deep statistical knowledge at the moment of hazards. Therefore, this study suggests an evaluation chart of landslide susceptibility with high reliability drawn by accurate statistical approaches, which the chart can be understood easily and utilized for both specialists and non-specialists. The evaluation chart was developed by a quantification method based on canonical correlation analysis using the data of geology, topography, and soil property of landslides in Korea. This study analyzed field data and laboratory test results and determined influential factors and rating values of each factor. The quantification analysis result shows that slope angle has the highest significance among the factors and elevation, permeability coefficient, porosity, lithology, and dry density are important in descending order. Based on the score assigned to each evaluation factor, an evaluation chart of landslide susceptibility was developed with rating values in each class of a factor. It is possible for an analyst to identify susceptibility degree of a landslide by checking each property of an evaluation factor and calculating sum of the rating values. This result can also be used to draw landslide susceptibility maps based on GIS techniques.
Probabilistic prediction methods of landslides which have been developed in recent can be reliable with premise of detailed survey and analysis based on deep and special knowledge. However, landslide susceptibility should also be analyzed with some reliable and simple methods by various people such as government officials and engineering geologists who do not have deep statistical knowledge at the moment of hazards. Therefore, this study suggests an evaluation chart of landslide susceptibility with high reliability drawn by accurate statistical approaches, which the chart can be understood easily and utilized for both specialists and non-specialists. The evaluation chart was developed by a quantification method based on canonical correlation analysis using the data of geology, topography, and soil property of landslides in Korea. This study analyzed field data and laboratory test results and determined influential factors and rating values of each factor. The quantification analysis result shows that slope angle has the highest significance among the factors and elevation, permeability coefficient, porosity, lithology, and dry density are important in descending order. Based on the score assigned to each evaluation factor, an evaluation chart of landslide susceptibility was developed with rating values in each class of a factor. It is possible for an analyst to identify susceptibility degree of a landslide by checking each property of an evaluation factor and calculating sum of the rating values. This result can also be used to draw landslide susceptibility maps based on GIS techniques.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
제시되어야 한다. 따라서 본 연구에서는 기존 급경사지 재해 평가기법을 보완하고, 정확한 평가 결과를 도출하기 위하여 응용통계분석을 기반으로 새로운 산사태 취약성 평가표를 개발하고자 하였다. 이 평가표는 정준상관분석을 통한 수량화 기법을 이용하여 개발한 것으로서, 그동안 국내에서 발생한 산사태의 현장 자료와 실내시험자료를 바탕으로 통계분석을 실시하고, 그 결과를 토대로 영향인자 선정 및 인자별 급간 값을 설정한 것이다.
제시되어야 한다. 따라서 본 연구에서는 기존 급경사지 재해 평가기법을 보완하고, 정확한 평가 결과를 도출하기 위하여 응용통계분석을 기반으로 새로운 산사태 취약성 평가표를 개발하고자 하였다. 이 평가표는 정준상관분석을 통한 수량화 기법을 이용하여 개발한 것으로서, 그동안 국내에서 발생한 산사태의 현장 자료와 실내시험자료를 바탕으로 통계분석을 실시하고, 그 결과를 토대로 영향인자 선정 및 인자별 급간 값을 설정한 것이다.
본 절에서는 모집단 정준상관모형에서 정준변수와정준상관계수가 어떻게 유도되는지를 설명한다. p+g개 확률변수들을 두 개 집단으로 분류할 때, 개 확률변수로 구성된 종속변수 집단을 확률벡터 V로 표시하고, q 개 확률변수로 구성된 독립변수집단을 X로 표시하기로 한다.
가설 설정
p+g개 확률변수들을 두 개 집단으로 분류할 때, 개 확률변수로 구성된 종속변수 집단을 확률벡터 V로 표시하고, q 개 확률변수로 구성된 독립변수집단을 X로 표시하기로 한다. 이론적 전개를 위하여 pWg라고 가정한다. 확률 벡터 /와 X의 평균벡터와 분산공분산행렬은 각각 다음과 같이 표시된다.
제안 방법
, 2006; YilMaz, 2009). 이러한 연구는 대부분 이변량 분석기법 또는 다변량 분석기법을 사용하여 산사태 발생에 영향을 미치는 다양한 인자를 선별하고, 이를 토대로 산사태 취약성 또는 발생 가능성을 예측호}는 식을 도출하였다. 이와 같은 방법은 여러 변수를 동시에 고려하고, 각 변수들 간의 영향력을 서로 평가할 수 있어 결정론적 방법에서 불가능했던 다양한 조건 또는 경우를 고려할 수 있게 되었다.
지질별 자료에 대해 수량화 분석을 실시하였다. 동일한 방법을 지역별 자료에 적용하고, 이를 요약하면 Table 5를 얻게 된다.
이 절에서는 앞서 선택된 6개의 주요변수에 대한 기초 통계치를 제시하고, 각 변수별로 반응변수(산사태 발생 여부)와의 관계를 모형화 하였다. 모형화 과정에는 직선 회귀 (linear regression) 와 로지스틱회귀 (logistic regression)/} 사용되었다.
2는 자료에 대한 여러가지 정보와 모형화 분석결과를 한꺼번에 나타낸 그림이다. 먼저, y축의 0과 1 상에 점들은 고도 변수에 따른 반응변수값(1또는 0)을 나타내며, 고도변수의 구간을 15개로 나눈 뒤 각 구간별 발생확률을 15개의 점으로 나타내었으며, 원자료에 대해 직선 회귀와 로지스틱회귀를 적합한 곡선을 그린 것이다. 우측에 제시된 표는 원 자료를 15개의 등급으로 나눈 결과를 나타낸다.
또한, 위와 같은 방법으로 사면경사(n=1113), 간극율 (n=313), 건조밀도(n=313), 투수계수(n=230)에 대해 각각 분석을 수행하였다(KIGAM, 2008).
이러한 과정을 거쳐 산사태 취약성 평가표를 구성하였다. Table 9는 앞에서 구한 분위수 정보를 이용하여각 변수별로 산사태 발생에 미치는 영향을 3~5등급으로 분류한 결과이다.
Table 9는 앞에서 구한 분위수 정보를 이용하여각 변수별로 산사태 발생에 미치는 영향을 3~5등급으로 분류한 결과이다. 적합된 두 가지 모형(로지스틱과 직선 모형) 중 보다 나은 적합도를 보이는 모형을 사용하였다' 각 변수별로 적합된 모형으로부터의 확률변화가 뚜렷한 지점을 반영하여 등급을 나누었다.
5.수량화분석 결과의 성능평가
평가표의 성능을 비교하기 위하여 본 연구에서 제안한 수량화분석의 평가표를 통해 각각의 자료별 산사태 취약성 점수를 산출하였다. 예를 들어, 어느 한 지역에 대한 관측 자료_가 Table 1。과 같이 나타난다고 할 때 산사태 취약성에 대한 점수를 구해보면 다음과 같아진다.
앞에서 이루어진 산사태 발생 취약성 평가 점수에 따른 산사태 발생의 예측확률에 대한 모형을 개발하였다. 수량화 점수에 대한 자료(n=L12)로부터 구간별 변수(1:발생, 0:미발생)를 반응변수로 하는 로지스틱 회귀모형의 적합결과는 다음의 Table 12-14와 같다.
분석에 사용된 산사태인자는 암종, 고도, 사면경사, 비중, 습윤도, 간극비, 간극율, 포화도, 습윤밀도, 건조밀도, USCS, 투수계수 등 총 13개 이다. 이들이 산사태발생에 미치는 영향도를 분석한 결과를 바탕으로 영향도 순위가 높고, 토질특성을 대표할 수 있는 6개의 영향인자를 최종적으로 선정하여 평가표의 항목으로 설정하였다.
이들 6개 선정요소에 대하여 각 요소별로 산사태 발생에 미치는 영향도를 로지스틱 모형화를 통하여 각인 자의 세부범위를 설정하였으며, 각 인자의 세부범위별 가중치를 산정하였다. 분석결과를 바탕으로 현장에서의 사용자의 편리성 및 측정 유의도를 고려하여 3-5 개 범주로 구분하여 평가점수를 부여하였다.
가중치를 산정하였다. 분석결과를 바탕으로 현장에서의 사용자의 편리성 및 측정 유의도를 고려하여 3-5 개 범주로 구분하여 평가점수를 부여하였다. 상기 과정에 의하여 산정된 각 요소별 산사태 취약성 점수를 평가표로 나타내었다.
대상 데이터
적용한다. 분석에 사용될 자료는 4개 지역(포천~ 서울, 상주, 포항, 속초)별 자료와 이들 자료를 지질별로 통합한 자료에 대해 적용하였디..
위의 결과를 토대로 산사태 발생에 영향을 미치는 중요 인자를 6개의 인자로 선정하였다(Eble 6). 이 과정에서는 수량화 분석에서의 결과를 토대로 관련 전문가의 의견을 고려하여 최종 결정되었다.
이 평가표는 과거 수년간 전국을 대상으로 실시한 현장조사의 데이터베이스를 이용하여 정준 상관분석을 이용한 수량화기법을 적용하여 작성되었다. 본 연구에서는 산사태조사 DB에 포함되어 있는 전국 1, 214개 산사태 발생/미발생지역의 조사자료 중 데이터 수가 통계적으로 유의한 편마암, 화강암, 제3기 이 암을 대상으로 하였다. 분석에 사용된 산사태인자는 암종, 고도, 사면경사, 비중, 습윤도, 간극비, 간극율, 포화도, 습윤밀도, 건조밀도, USCS, 투수계수 등 총 13개 이다.
본 연구에서는 산사태조사 DB에 포함되어 있는 전국 1, 214개 산사태 발생/미발생지역의 조사자료 중 데이터 수가 통계적으로 유의한 편마암, 화강암, 제3기 이 암을 대상으로 하였다. 분석에 사용된 산사태인자는 암종, 고도, 사면경사, 비중, 습윤도, 간극비, 간극율, 포화도, 습윤밀도, 건조밀도, USCS, 투수계수 등 총 13개 이다. 이들이 산사태발생에 미치는 영향도를 분석한 결과를 바탕으로 영향도 순위가 높고, 토질특성을 대표할 수 있는 6개의 영향인자를 최종적으로 선정하여 평가표의 항목으로 설정하였다.
이론/모형
관계를 모형화 하였다. 모형화 과정에는 직선 회귀 (linear regression) 와 로지스틱회귀 (logistic regression)/} 사용되었다. 예를 들어 암종 (lithology)의 경우 Table 7은 국내에서 산사태가 집중적으로 발생한 주요 암질의 유형(화강암, 편마암, 제3기 이암)에 따른 산사태 발생 확률을 나타낸다.
하였다. 이 평가표는 과거 수년간 전국을 대상으로 실시한 현장조사의 데이터베이스를 이용하여 정준 상관분석을 이용한 수량화기법을 적용하여 작성되었다. 본 연구에서는 산사태조사 DB에 포함되어 있는 전국 1, 214개 산사태 발생/미발생지역의 조사자료 중 데이터 수가 통계적으로 유의한 편마암, 화강암, 제3기 이 암을 대상으로 하였다.
성능/효과
그러나 정준 적재는 정준계수에 비해 다중공선성의 영향을 작게 받지만 다음과 같은 약점이 있다. 첫째, 정준적재는 잠재적으로 정준계수와 마찬가지로 불안정한 결과를 보인다. 둘째, 정준적재가 안정적이라 하더라도 한 집단 내 정준변수와 변수들 사이의 상대적인 상관정도를 비교할 수 있을 뿐이지 한 집단 내 정준변수와 다른 집단의 변수들 사이의 상관구조를 알 수 없다는 약점을 가지고 있다.
첫째, 정준적재는 잠재적으로 정준계수와 마찬가지로 불안정한 결과를 보인다. 둘째, 정준적재가 안정적이라 하더라도 한 집단 내 정준변수와 변수들 사이의 상대적인 상관정도를 비교할 수 있을 뿐이지 한 집단 내 정준변수와 다른 집단의 변수들 사이의 상관구조를 알 수 없다는 약점을 가지고 있다. 따라서 이와 같은 단점을 극복하기 위해 정준 교차적재를 함께 사용하여 정준상관구조를 해석하는 것이 바람직하다고 판단된다.
후속연구
Table 5에서는 지질 및 지역별로 산사태 발생에 미치는 중요 인자를 순위로 표현한 것이다. 이 결과들을 종합적으로 고려하여 선정된 중요 인자에 대해 추후 산사태 취약성 평가표 작성의 기초자료로 활용하게 된다.
한편, 본 연구를 기반으로 한 향후에는 지질 특성별 양질의 자료에 기반한 주요 요인의 선정과 범위 설정 등의 개선 노력이 필요하다. 또한, 급경사지에서의 개발이 빈번한 우리나라에서 지질특성별 또는 특정 지역별 세부모형의 개발이 필요하며, GIS와의 연계를 통한 분석이 요구된다.
참고문헌 (12)
Chae, B.-G., Kim, W.Y., Cho, Y.C., Kim, K.S., Lee, C.O. and Choi, Y.S. (2004a) Developement of a logistic regression model for probabilistic prediction of debris flow. The Journal of Engineering Geology, v.14, p.211-222. (in Korean)
Chae, B.-G., Kim, W.Y., Na, J.H., Cho, Y.C., Kim, K.S. and Lee, C.O. (2004b) A prediction model of landslides in the Tertiary sedimentary rocks and volcanic rocks area. The Journal of Engineering Geology, v.14, p.443-450. (in Korean)
Dai, F.C., Lee, C.F. and Xu, Z.W. (2001) Assessment of landslide susceptibility on the natural terrain of Lantau Island, Hong Kong. Environmental Geology, v.40, p.381-391.
Gomez, H. and Kavzoglu, T. (2005) Assessment of shallow landslide susceptibility using artificial neural networks in Jabonosa River Basin, Venezuela. Engineering Geology, v.78, p.11-27.
KIGAM (2008) Development of practical technologies for damage assessments and countermeasures for geohazards. Ministry of Knowledge Economy, Korea, 486p.
Lee, S., Ryu, J.H., Lee, M.J. and Won, J.S. (2003) Landslide susceptibility using artificial neural network at Boun, Korea. Environmental Geology, v.44, p.820-833.
Lee, S., Ryu, J.H., Won, J.S. and Park, H.J. (2004) Determination and application of the weights for landslide susceptibility mapping: using an artificial neural network. Engineering Geology, v.71, p.289-302.
Nandi, A. and Shakoor, A. (2009) A GIS-based landslide susceptibility evaluation using bivariate and multivariate statistical analyses. Engineering Geology, v.110, p.11-20.
Kavzoglu, T. (2001) An investigation of the design and use of feed-forward artificial neural networks in the classification of remotely sensed images. Ph.D. Dissertation, University of Nottingham, School of Geography, UK, p.306.
Van Den Eeckhaut, M., Vanwalleghem, T., Poesen, J., Govers, G. Verstraeten, G, and Vandekerckhove, V. (2006) Prediction of landslide susceptibility using rare events logistic regression: A case-study in the Flemish Ardennes (Belgium). Geomorphology, v.76, p.392-410.
Yilmaz, I. (2009) Landslide susceptibility mapping using frequency ratio, logistic regression, artificial neural networks and their comparison: A case study from Kat landslides (Tokat-Turkey). Computers & Geosciences, v.35, p.1125-1138.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.