[논문]로지스틱 회귀분석 기법을 이용한 강원도 산사태 취약성 평가 및 분석

연영광

doi:10.11108/kagis.2011.14.4.116

로지스틱 회귀분석 기법을 이용한 강원도 산사태 취약성 평가 및 분석
Evaluation and Analysis of Gwangwon-do Landslide Susceptibility Using Logistic Regression 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.14 no.4, 2011년, pp.116 - 127

초록
AI-Helper

본 논문에서는 로지스틱 회귀분석 기법을 이용하여 산사태 취약성 분석을 수행하였다. 예측모델의 성능은 모델의 적합도 검증을 통해 사용된 데이터가 모델에 얼마나 잘 반영되어 구축되었는지에 대한 적합도 평가뿐만 아니라 예측성능에 대한 평가가 필요하다. 따라서 이 논문에서는 모델에 대한 객관적인 결과를 얻기 위해 이와 같은 두 가지 측면에 대하여 예측성능 평가를 적용하였다. 연구지역은 2006년도 집중 호우로 많은 산사태가 발생한 강원도 인제 일대를 대상으로 하였다. 산사태 관련인자들은 지형도, 토양도, 임상도로부터 추출하였다. 예측모델에 대한 평가는 누적이득차트 곡선의 하부영역을 계산하였다. 예측모델의 적합도 평가에서는 87.9% 교차검증을 통한 예측정확도 평가 결과 84.8%로 두 평가 결과간의 큰 차이를 보이지 않으며 좋은 성능의 결과를 산출하였다. 이는 산사태와 관련성이 높은 유발인자와 예측모델 성능에서 기인된 결과로 해석 될 수 있다.

Abstract ▼ AI-Helper

This study conducted landslide susceptibility analysis using logistic regression. The performance of prediction model needs to be evaluated considering two aspects such as a goodness of fit and a prediction accuracy. Thus to gain more objective prediction results in this study, the prediction performance of the applied model was evaluated considering two such evaluation aspects. The selected study area is located between Inje-eup and Buk-myeon in the middle of Kwangwon. Landslides in the study area were caused by heavy rain in 2006. Landslide causal factors were extracted from topographic map, forest map and soil map. The evaluation of prediction model was assessed based on the area under the curve of the cumulative gain chart. From the results of experiments, 87.9% in the goodness of fit and 84.8% in the cross validation were evaluated, showing good prediction accuracies and not big difference between the results of the two evaluation methods. The results can be interpreted in terms of the use of environmental factors which are highly related to landslide occurrences and the accuracy of the prediction model.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 이 논문에서는 산사태 취약성 분석을 통해 산사태 원인을 분석해 보고, 분석 결과에 대하여 적합도 및 예측도 평가를 통해 보다 객관적인 결과를 도출하고자 한다. 이를 위해 강원도 인제군지역에서 발생한 산사태에 대하여 로지스틱 회귀기법을 이용하여 취약성 분석을 수행하며, 적합도 평가와 예측성능 평가를 해보고자 한다.
이러한 인위적 환경 변화에 대한 분석은 해당 환경요소 변화에 대한 전후의 취약성도의 차이를 이용하여 인위적 활동에 대한 취약성을 분석할 수 있다. 본 연구에서는 이와 같은 환경 변화에 따른 취약성 분석은 수집 가능한 자료의 한계로 인해 향후 연구로 남기고자 한다.
이 논문에서 2006년도 강원도 인제지역에서 발생된 산사태에 대하여 취약성 분석을 수행하였다. 산사태 취약성 분석을 위해 산사태 발생 시점의 스냅샷 형태의 자료를 이용하였다.
이 논문에서는 산사태 취약성 분석을 로지스틱 회귀기법을 이용하여 예측적 측면의 성능을 고려하여 평가해 보았다. 이러한 평가 결과는 예측모델 성능의 객관적 지표로 활용될 수 있으며, 취약성 분석결과에 대한 해석에 신뢰를 높일 수 있다.

제안 방법

임상도는 식생의 현황과 관련된 인자들을 고려하여, 수종(f_type), 수령(f_age), 직경두께 (s_thickness), 밀도(s_density) 요소들을 추출 하였다. 각 유발요소들은 1:25,000 축척의 지형도의 5m 등고선 간격을 기준으로 5x5m 해상도로 변환하였다. 각 추출된 인자들의 구성은 표 1과 같으며, 경사, 곡률 및 능선거리는 연속형, 이외의 레이어는 이산형 속성 값을 갖는다.
산사태 발생에 대한 확률적 표현을 위해 0에서 1사이의 값을 갖는 로지스틱 변환과정을 이용할 수 있으며, 이는 다음 식 (2)에 의해 변환되며, 여기서 P를 로짓이라 한다. 따라서 산사태 사건 발생의 확률로 선형 로지함수를 이용하여 z의 선형회귀 결과에 대하여 0과 1사이의 값을 산출하도록 한다.
지형도는 지형적 구조형태에 따라 수계형성 및 토사유입의 영향으로 산사태를 유발할 수 있다. 따라서 지형적 형태를 반영할 수 있는 경사(t_slope), 경사방위(t_aspect), 곡률(t_curvature), 그리고 능선으로부터의 거리(t_ridgeBuffer)를 추출하였다. 토양도로부터 식생의 성장환경 및 토양의 물리적 상태와 관련된 요소들을 선별하였으며, 토질(s_texture), 배수(s_drainage), 모재 (s_material), 유효토심(s_thickness)을 추출하였다.
검증에 대한 일련의 과정이 그림 3에 도시되어 있다. 모델의 적합성 평가는 검증과정에서 조사된 모든 산사태 위치를 이용하여 평가한다. 정확도에 대한 산정은 평가되는 산사태 위치에 대한 예측치의 백분위 등급 값을 상자도표와 누적이득차트를 이용하여 예측 결과를 평가 하고자 한다.
예측적인 측면을 고려하여 평가한 교차검증에서의 첫 번째 과정에서 LandslideSetA를 이용해 훈련한 결과가 그림 5(a)이며, 두 번째 단계에서 LandslideSetB를 이용하여 그림 5(b)가 도출되었다. 사각형으로 표현된 산사태 위치(LandslideSetA)를 이용하여 예측모델을 구축하여 산사태 취약성도를 작성하였으며, 원형으로 표현된 위치(LandslideSetB)에서 평가과정을 수행하였다. 그림 5(b)에서는 각 위치 그 검증 평가방법을 바꾸어 수행하였다.
산사태가 발생한 2006의 연간 강우량은 1740mm이였으며, 8일간의 강우량은 559mm으로 당해 연도 강우량에 큰 영향을 주었다. 선정된 연구지역내의 산사태는 0.4m급 항공영상과 수치고도모델 분석을 통해 그림 2와 같이 590점으로 조사되었으며, 향후 교차검증을 위해 랜덤으로 두 그룹 LandslideSetA와 LandslideSetB로 나누었다.
이 방법은 k가 2인 경우 전체데이터 집합을 두 개의 그룹으로 랜덤하게 나누어 상호 데이터를 이용하여 훈련과 검증과정을 두 단계로 반복하게 된다. 이 연구에서는 그림 2에 식별된 산사태 영역에서 첫 번째 단계에서는 LandslideSetA을 이용하여 훈련하며 검증은 LandslideSetB를 이용한다. 두 그룹의 데이터는 두 번째 단계에서 그 역할을 달리한다.
, 2008) 등이 활용되고 있다. 이러한 예측모델들은 이미 발생한 산사태 위치에서의 산사태 유발가능 요소들에 대한 발생 빈도를 이용하여 모델을 구축한다. 선행연구들에서의 산사태 취약성 분석과정은 두 단계로, 예측모델 구축 단계와 구축한 예측모델을 이용하여 사용한 산사태 발생위치에 대한 적합성 검증 및 평가 단계를 구성한다.
따라서 이 논문에서는 산사태 취약성 분석을 통해 산사태 원인을 분석해 보고, 분석 결과에 대하여 적합도 및 예측도 평가를 통해 보다 객관적인 결과를 도출하고자 한다. 이를 위해 강원도 인제군지역에서 발생한 산사태에 대하여 로지스틱 회귀기법을 이용하여 취약성 분석을 수행하며, 적합도 평가와 예측성능 평가를 해보고자 한다. 평가를 위한 산정기준으로 누적이득차트(Chung and Fabbri, 1999)와 백분위 등급 기준을 이용한다.
모델의 적합성 평가는 검증과정에서 조사된 모든 산사태 위치를 이용하여 평가한다. 정확도에 대한 산정은 평가되는 산사태 위치에 대한 예측치의 백분위 등급 값을 상자도표와 누적이득차트를 이용하여 예측 결과를 평가 하고자 한다.
따라서 지형적 형태를 반영할 수 있는 경사(t_slope), 경사방위(t_aspect), 곡률(t_curvature), 그리고 능선으로부터의 거리(t_ridgeBuffer)를 추출하였다. 토양도로부터 식생의 성장환경 및 토양의 물리적 상태와 관련된 요소들을 선별하였으며, 토질(s_texture), 배수(s_drainage), 모재 (s_material), 유효토심(s_thickness)을 추출하였다. 임상도는 식생의 현황과 관련된 인자들을 고려하여, 수종(f_type), 수령(f_age), 직경두께 (s_thickness), 밀도(s_density) 요소들을 추출 하였다.

대상 데이터

산사태 위치를 포함한 13개의 레이어들을 예측모델의 입력 데이터로 이용하기 위해 5m×5m의 해상도로 전체 1,385,973개의 픽셀을 구성하였다.
이 논문에서 2006년도 강원도 인제지역에서 발생된 산사태에 대하여 취약성 분석을 수행하였다. 산사태 취약성 분석을 위해 산사태 발생 시점의 스냅샷 형태의 자료를 이용하였다. 취약성 분석에서 주목되는 부분은 수종 변화에 의한 산지 환경 변화가 산사태 발생에 영향을 준 요인으로 밝혀졌다.
이 논문의 산사태 취약성 분석을 위한 연구 대상지역은 강원도 인제군과 북면일대로 그림 1과 같다. 해당지역은 좌표상으로 38°5'52.

이론/모형

로지스틱 회귀기법의 장점은 일반 선형회귀 모델에 추정 링크함수의 추가를 통해, 연속형, 이산형의 복합 데이터 타입을 지원하며, 판별분석과 같이 정규분포 형태의 데이터를 필요로 하지 않는다. 로지스틱 회귀기법 분석과정은 독립 변수를 로짓(logit) 변환 후 최대우도추정법(maximum likelihood estimation)을 이용한다. 이러한 방식에서 로지스틱 회귀추정은 특성 사건발생의 확률을 추정한다(Atkinson and Massari, 1998; Dai and Lee, 2002).
이를 위해 강원도 인제군지역에서 발생한 산사태에 대하여 로지스틱 회귀기법을 이용하여 취약성 분석을 수행하며, 적합도 평가와 예측성능 평가를 해보고자 한다. 평가를 위한 산정기준으로 누적이득차트(Chung and Fabbri, 1999)와 백분위 등급 기준을 이용한다.

성능/효과

일반적으로 적합도 평가에서는 훈련과정에서 사용된 사건 데이터를 모두 사용하며, 예측 평가에서는 별도의 데이터를 이용한다. 모델의 정확도 측면에서 적합도 평가는 모델구축에 사용된 데이터가 재사용되기 때문에 보다 정확성이 높은 결과를 도출하며, 예측평가 결과가 적합도 평가 결과에 가까울 때 모델구축이 바람직하게 구축되어 졌다고 볼 수 있다.
산사태 취약성에 대한 해석은 각 회귀 계수 값이 양의 값으로 클수록 로짓 변환된 확률 값이 커지기 때문에 산사태 취약성에 높은 영향을 주고, 음의 값은 양의 값의 반대의 개념으로 풀이된다. 유도된 회귀 계수 값을 통해 해석될 수 있는 내용 중 특히 주목되는 부분은, 임상도에서 추출한 인자로 나무의 직경이 작고, 연생이 비교적 어리고, 나무의 밀도가 중간정도인 소나무 인공조림에서 산사태 발생과의 밀접한 인과관계가 형성된 것을 확인할 수 있다. 이는 인공조림으로 인한 산지 환경 변화가 산사태 유발에 영향을 준 것으로 해석할 수 있다.
따라서 적합도와 예측도의 평가 결과가 근사할 때 바람직한 예측모델이 구축되었다고 할 수 있다. 이 논문에서는 적합도 평가와 예측평가 결과의 차이가 누적이득차트 및 상자도표의 백분위수의 평균치가 3.1%의 근접한 정확도를 보였다. 이는 산사태와 적합한 유발인자의 선택, 사용한 예측모델 성능에서 기인된 결과로 해석될 수 있다.
상자도표에서 원으로 묘사한 것은 예외자이며, 별로 묘사한 위치는 이상치이다. 이들 통계치는 표 3에 묘사된 바와같이 교차검증에서의 평균 84.7 중위수 91.3, 적합도 평가에서는 평균 87.8, 중위수 93.2가 산정되었다. 누적이득차트에서의 정량적 산출 결과는 그림 7에 묘사되어있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	산사태 취약성 분석 결과가 필요로 하는, 두 가지 측면에서의 평가는 무엇인가?	산사태 취약성 분석 결과는 두 가지 측면에서 평가가 필요하다. 즉 모델이 훈련과정에서 얼마나 사용한 데이터에 맞게 모델이 구축 되었는지에 대한 적합성 평가와, 모델의 향후 발생 가능한 사건에 대한 예측성능에 대한 평가가 필요하다. 그러나 과거 산사태관련 연구들에서는 대부분 적합성에 대한 취약성 분석을 주로 고려하였으며, 사건발생에 대한 취약성은 향후 발생 가능성을 염두에 두어야 할필요가 있기 때문에 예측 정확도와 같이 제시할 필요가 있다.
	산사태란 무엇인가?	산사태는 사면 경계부에서 생긴 전단파괴에 의해 흙덩이 또는 돌덩이가 아래로 내려오는 것으로 정의되며(Skempton and Hutchinson, 1969), 그 형태에 따라 낙반(Fall), 전도 (Topple), 슬라이드(Slide), 퍼짐(Spread) 및 유동(Flow)으로 분류된다(Cruden and Varnes, 1996). 국내 산사태의 경우 여름철 집중 강우로 인해 집중적으로 발생되며(Hong, 1990), 이로 인해 도로, 교량 및 농지의 유실뿐만 아니라 많은 인명피해를 주고 있다.
	로지스틱 회귀기법의 장점은 무엇인가?	로지스틱 회귀기법은 하나의 독립변수와 다수의 종속변수간의 중회귀 관계의 형태를 따른다(Atkinson and Massari, 1998). 로지스틱 회귀기법의 장점은 일반 선형회귀 모델에 추정 링크함수의 추가를 통해, 연속형, 이산형의 복합 데이터 타입을 지원하며, 판별분석과 같이 정규분포 형태의 데이터를 필요로 하지 않는다. 로지스틱 회귀기법 분석과정은 독립 변수를 로짓(logit) 변환 후 최대우도추정법 (maximum likelihood estimation)을 이용한다.

참고문헌 (22)

Aleotti, P. and R. Chowdhury. 1999. Landslide hazard assessment: summary review and new perspectives. Bulletin of Engineering Geology and the Environment 58(1):21-44.

상세보기
Atkinson, P.M. and R. Massari. 1998. Generalized linear modeling of susceptibility to landsliding in the central Apennines, Italy. Computer & Geosciences 24(4):373-385.

상세보기
Bromhead. E.N. 1992. The Stability of Slopes. Blackie Academic & Professional, 2ed., London, UK. 411pp.
Chung, C.F. and A.G. Fabbri. 1999. Probabilistic prediction models for landslide hazard mapping. Photogrammetric Engineering & Remote Sensing 65(12):1388-1399.
Cruden, D.M. and D.J. Varnes, 1996. Landslides types and processes. In: A.K. Turner and R.L. Schuster(ed.). Landslides: Investigation and Mitigation. Transportation Research Board, Special Report 247. National Academy Press, Washington D.C., USA, pp.36-75.
Dai, F.C. and C.F. Lee. 2002. Landslide characteristics and slope instability modeling using GIS, Lantau island, Hong Kong. Geomorphology 42:213-228.

상세보기
Dai, F.C., C.F.J. Lee, J. Li and Z.W. Xu. 2001. Assessment of landslide susceptibility on the natural terrain of LantauIsland, HongKong. Environmental Geology 40:381-391.

상세보기
Donati, L. and M.C. Turrini. 2002. An objective method to rank the importance of the factors predisposing to landslides with the GIS methodology: application to an area of the Apennines (Valnerina; Perugia,Italy). Engineering Geology 63: 277-289.

상세보기
Ermini, L., L. Catani and N. Casagli. 2004. Artificial neural networks applied to landslide susceptibility assessment. Geomorphology 66(1-4):327-343.
Gomez, H. and T. Kavzoglu. 2005. Assessment of shallow landslide susceptibility using artificial neural networks in Jabonosa River. Basin, Venezuela. Engineering Geology 78:11- 27.

상세보기
Guzzetti, F., P. Reichenbach, F. Ardizzone, M. Cardinali and M. Galli. 2006. Estimating the quality of landslide susceptibility models. Geomorphology 81:166-184.

상세보기
Hong, W.P. 1990. Recent technical review on slope stabilizing methodology. Korean Geotechnical Society 6(3):88-98.
Lachenbruch, P. and R. Mickey. 1968. Estimation of error rates in discriminant analysis. Technometrics 10:1-11.

상세보기
Lee, S. and U.C. Choi. 2003. Development of GIS-based geological hazard information system and its application for landslide analysis in Korea. Geosciences Journal 7:243-252.

상세보기
Lee, S., J.H. Ryu, J.S. Won and H.J. Park. 2004. Determination and application of the weights for landslide susceptibility mapping using an artificial neural network. Engineering Geology 71(3-4): 289-302.

상세보기
Lee, S. and K.D. Min. 2001. Statistical analysis of landslide susceptibility at Yongin, Korea. Environmental Geology 40:1095-1113.

상세보기
Luzi, L., F. Pergalani and M.T.J. Terlien. 2000. Slope vulnerability to earthquakes at subregional scale, using probabilistic techniques and geographic information systems. Engineering Geology 58:313- 336.

상세보기
Maimon, O. and L. Rokach. 2005. The Data Mining and Knowledge Discovery Handbook. Springer, USA. 1383pp.
Melchiorre, C., M. Matteucci, A. Azzoni and A. Zanchi. 2008. Artificial neural networks and cluster analysis in landslide susceptibility zonation. Geomorphology 94:379-400.

상세보기
Nefeslioglu, H., T. Duman and S. Durmaz. 2008. Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Eastern Black Sea region of Turkey). Geomorphology 94:401-418.

상세보기
Neuhauser, B. and B. Terhorst. 2007. Landslide susceptibility assessment using "weights-of-evidence" applied to a study area at the Jurassic escarpment (SW-Germany). Geomorphology 86:12- 24.

상세보기
Skempton, A.W. and J.N. Hutchinson. 1969. Stability of natural slopes. Proceeding of the 7th International Conference of Soil Mechanics. Mexico, 1969. Vol. 2, pp.291-340.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증